Typische Profile digitaler Kompetenzen: Eine clusteranalytische Untersuchung digitaler Kompetenzen im Arbeitskontext

Merchel, Robin; Kampschulte, Kathleen; Nauth, Kathrin; Pöppelbuß, Jens Article — Published Version Typische Profile digitaler Kompetenzen: Eine clusteranalytische Untersuchung digitaler Kompetenzen im Arbeitskontext HMD Praxis der Wirtschaftsinformatik Provided in Cooperation with: Springer Nature Suggested Citation: Merchel, Robin; Kampschulte, Kathleen; Nauth, Kathrin; Pöppelbuß, Jens (2023) : Typische Profile digitaler Kompetenzen: Eine clusteranalytische Untersuchung digitaler Kompetenzen im Arbeitskontext, HMD Praxis der Wirtschaftsinformatik, ISSN 2198-2775, Springer Fachmedien Wiesbaden GmbH, Wiesbaden, Vol. 61, Iss. 1, pp. 159-174, https://doi.org/10.1365/s40702-023-01030-7 This Version is available at: https://hdl.handle.net/10419/307771 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by/4.0/ SCHWERPUNKT https://doi.org/10.1365/s40702-023-01030-7 HMD Praxis der Wirtschaftsinformatik (2024) 61:159–174 Typische Profile digitaler Kompetenzen: Eine clusteranalytische Untersuchung digitaler Kompetenzen im Arbeitskontext Robin Merchel · Kathleen Kampschulte · Kathrin Nauth · Jens Pöppelbuß Eingegangen: 31. August 2023 / Angenommen: 3. Dezember 2023 / Online publiziert: 28. Dezember 2023 © The Author(s) 2023 Zusammenfassung Typologien reduzieren die Vielfalt menschlicher Merkmale auf eine geringe Zahl an Merkmalsausprägungen, die die Wirklichkeit vereinfachend abbilden und so die Ableitung organisationaler Interventionen ermöglichen. Für den Umgang von Menschen mit der Digitalisierung wurden bereits mehrere Typologien mit vier bis sieben Typen bzw. Clustern aufgestellt, wobei dies z.B. auf Basis der Intensität der Mediennutzung, der Begeisterung für digitale Umbrüche oder der Fähigkeiten der Beschäftigten geschah. In der vorliegenden Arbeit werden neun digitale Kompetenzen von n= 645 Beschäftigten im Rahmen einer Fragebogenstudie (Oktober 2021–April 2022) erfasst. Mithilfe einer Clusteranalyse werden vier typische Profile digitaler Kompetenzen identifiziert, die als (1) begeistertes, (2) balanciertes, (3) naives und (4) ablehnendes Cluster bezeichnet werden. Die vier Cluster zeigen Zusammenhänge zu den wahrgenommenen organisationalen Lernmöglichkeiten, zum Techno-Engagement und zum Persönlichkeitsmerkmal der Offenheit. Sie spiegeln bisherige Forschung zur Typologisierung von Beschäftigten im Umgang mit der Digitalisierung präzise wider. Somit stellen sie ein generalisierbares, stabiles und bedeutsames Muster dar, das für organisationale Interventionen zur Steigerung der digitalen Kompetenzen und der Bereitschaft für digitale Umbrüche genutzt werden kann. Schlüsselwörter Digitale Kompetenzen · Typologie · Clusteranalyse · TechnoEngagement · Digitale Umbrüche Robin Merchel · Kathleen Kampschulte · Kathrin Nauth · Jens Pöppelbuß Lehrstuhl für Industrial Sales and Service Engineering, Ruhr-Universität Bochum, Bochum, Deutschland E-Mail: [email protected] K 160 R. Merchel et al. Typical Profiles of Digital Competencies: A Cluster Analytical Study of Digital Competencies in the Work Context Abstract Typologies reduce the diversity of human characteristics to a small number of profiles that represent reality in a simplified way and thus enable the derivation of organisational interventions. Several typologies with four to seven types or clusters have already been established for people’s dealings with digitalisation by means of the intensity of media use, enthusiasm for digital upheavals or the skills of the employees. In this paper, nine digital competencies of n= 645 employees are recorded in a questionnaire study (October 2021–April 2022). Using a cluster analysis, four typical profiles of digital competencies are identified as (1) enthusiastic, (2) balanced, (3) naïve and (4) rejecting clusters. The four clusters show correlations with perceived organisational learning opportunities, techno-engagement and the personality trait of openness. They precisely reflect previous research on the typologisation of employees in dealing with digitalisation. Thus, they represent a generalisable, stable and significant pattern that can be used for organisational interventions to increase digital competencies and readiness for digital transformation. Keywords Digital competencies · Typology · Cluster analysis · Technoengagement · Digital disruption 1 Einleitung Die Digitalisierung von Unternehmen begünstigt deren wirtschaftlichen Erfolg (Truant et al. 2021) und zielt auf eine Effizienzerhöhung von Arbeitsprozessen ab (Verhoef et al. 2021), weswegen zunehmend neue Technologien (z.B. künstliche Intelligenz oder Robotik) in den Arbeitsalltag integriert werden. Im Rahmen der Industrie 4.0 werden bspw. Produktionssysteme automatisiert und zunehmend mobile Applikationen, Cloudtechnologien und das sogenannte Internet of Things (die Vernetzung physischer Objekte) in den Arbeitsalltag integriert (Lasi et al. 2014, Sebastian et al. 2017). Digitale Arbeitsumbrüche bergen jedoch Gefahren für die Beschäftigten, da sie zu technologiebedingtem Stress, Überforderung und Ängsten führen können (Marsh et al. 2022). Bei der Entwicklung zielgerichteter Schulungsmaßnahmen, die diesen negativen Resultaten entgegensteuern, hilft eine Typenbildung (Kuckartz 2020), die Unterschiede im Umgang mit der Digitalisierung zwischen den Beschäftigten vereinfacht darstellt. Solche Typologisierungsansätze bestehen bereits. So unterscheidet die weiterentwickelte Typologie der Mediennutzung fünf Typen von „Fortgeschrittenen Nutzenden“ bis zu „Nicht-Nutzenden“ (Brandtzæg et al. 2011), die Typologie der Internetmilieus sieben Typen von „Digital Souveränen“ bis zu „Internetfernen Verunsicherten“ (Lutz 2016) und die Clusterlösung zur Nutzungstypologisierung vier Typen von „Begeisterten Nutzenden“ bis zu „Ablehnenden Nutzenden“ (Fitzek et al. 2015; Merchel et al. 2022). K Typische Profile digitaler Kompetenzen: Eine clusteranalytische Untersuchung digitaler... 161 Eine Typologie sollte jedoch auf konsistenten und theoretisch sinnvollen (d.h. nicht rein datengetrieben entstandenen) Dimensionen fußen (Blank und Groselj 2014) und idealerweise als Kombination aus qualitativer und quantitativer Forschung entstanden sein (Kuckartz 2020), was keine der bisherigen Typologien erfüllt. Die Typologie der Mediennutzung vermischt Nutzungshäufigkeit und Nutzungsart in eine einzige Dimension (Blank und Groselj 2014), die Typologie der Internetmilieus wurde rein qualitativ entwickelt und die Clusterlösung zur Nutzungstypologisierung basiert auf drei Dimensionen, die im Rahmen einer Faktorenanalyse rein datengetrieben gefunden wurden. Dieser Ansatz wird in der vorliegenden Studie weiterentwickelt, indem sie ein umfassendes, mehrdimensionales und literaturfundiertes Modell digitaler Kompetenz (van Laar et al. 2017) zur Clustergenerierung heranzieht. In der vorliegenden Arbeit werden diese drei Ansätze gegenübergestellt und in einer Fragebogenstudie folgende Forschungsfrage untersucht: Welche typischen Muster finden sich als häufig auftretende Profilverläufe in den digitalen Kompetenzen von Beschäftigten und lassen sich die vorherigen Typologien in diesen Mustern wiedererkennen? Mit Hilfe einer Clusteranalyse werden vier Cluster identifiziert, die sich jeweils durch hohe digitale Kompetenzen, durch mittlere Kompetenzen bei erhöhtem Datenschutzbewusstsein, durch mittlere Kompetenzen bei verminderter kritischer Distanz („Naivität“) sowie durch generell geringe digitale Kompetenzen auszeichnen. Die Studie generiert Evidenz für die Generalisierbarkeit, Stabilität und Bedeutsamkeit einer integrativen Digitalisierungstypologie, aus der Interventionen zur Steigerung digitaler Kompetenzen und zur Bekämpfung schädlicher Digitalisierungsfolgen abgeleitet werden können. Zudem wird die entstehende Typologie als besonderes Gütekriterium (Kuckartz 2020) erstmalig sowohl durch qualitative (Fitzek et al. 2015) als auch durch quantitative (vorliegend) Forschung bestätigt. Im folgenden Abschn. 2 erfolgt die Vorstellung der genannten Typologisierungsansätze. Anschließend betrachtet Abschn. 3 den Fragebogen, die Stichprobe sowie die Analysemethoden der Studie. Es folgt die Vorstellung der Ergebnisse der Clusteranalyse in Abschn. 4 und mit Abschn. 5 eine Diskussion der Ergebnisse. Abschließend werden in Abschn. 6 Implikationen für Praxis und Forschung abgeleitet. 2 Grundlagen 2.1 Digitale Kompetenzen Bei digitalen Kompetenzen handelt es sich um Wissen, Fähigund Fertigkeiten sowie weitere Merkmale wie z.B. Einstellungen, die Beschäftigte bei der erfolgreichen Ausführung von Arbeitsaufgaben mit digitalen Medien unterstützen (Oberländer et al. 2020). In einer Literaturstudie (van Laar et al. 2017) konnten zwölf digitale Kompetenzen (21st Century Skills) identifiziert werden: 1. Informationsmanagement 2. Kritisches Denken 3. Kreativität 4. Problemlösung K 162 R. Merchel et al. 5. Kollaboration 6. Kommunikation 7. Technische Fähigkeiten 8. Selbstbestimmung 9. Lebenslanges Lernen 10. Ethisches Bewusstsein 11. Kulturelles Bewusstsein 12. Flexibilität Bedeutsame, trennscharfe und wohldefinierte Dimensionen sind Voraussetzungen, um aus Merkmalen eine sinnvolle Typologie abzuleiten (Blank und Groselj 2014), weswegen in der vorliegenden Arbeit auf die Verwendung des Modells der 21st Century Skills als Dimensionen für die Typologisierung zurückgegriffen wird. 2.2 Typologisierung Bei den 21st Century Skills handelt es sich um ein dimensionales Modell mit klar trennbaren Faktoren. Werden Individuen in Typen gruppiert, sodass sich Individuen desselben Typs in ihren Merkmalen möglichst ähnlich sind (Kuckartz 2020), ist dies einerseits eine unzulässige Vereinfachung der Wirklichkeit (Kersting 2013). Andererseits ermöglichen es Typologien, typspezifische Interventionen abzuleiten (Kuckartz 2020), vorliegend zur Bekämpfung der negativen Digitalisierungsfolgen. Zur Typenbildung sind Stichproben von mehreren hundert Personen notwendig, um der Gefahr wenig robuster Ergebnisse zu begegnen (Neyer und Asendorpf 2018). Daher wird die Typologisierung vorliegend anhand einer großen Stichprobe mit zwei verschiedenen Clusteralgorithmen vorgenommen, die entstandene Typologie drei bisherigen Ansätzen in der Literatur gegenübergestellt und externe Kriterien damit vorhergesagt. Dies zeigt die Generalisierbarkeit, Stabilität und Bedeutsamkeit der entstandenen Typologie. 2.3 Bisherige Digitalisierungstypologien Die Typologie der Mediennutzung wurde in einer Literaturstudie mit 22 Studien aufgestellt, die sich u.a. der vorliegend verwendeten Methodik der Clusteranalyse bedienten (Brandtzæg 2010). In weiteren Studien (Brandtzæg et al. 2011; Borg und Smith 2018) wurden die anfänglich acht auf folgende fünf Typen reduziert: Fortschrittliche Nutzende nutzen eine Vielzahl von Internetdiensten ausgiebig. Instrumentell Nutzende gebrauchen das Internet zur Erleichterung alltäglicher Aufgaben oder zur Informationsbeschaffung. Für Soziale-Medienund Unterhaltungsnutzende steht die oberflächliche Verwendung der entsprechenden Dienste im Vordergrund. Sporadisch Nutzende nutzen das Internet nur unregelmäßig. Nicht-Nutzende kamen bislang nicht in nennenswertem Maße mit neuen Medien in Kontakt. K Typische Profile digitaler Kompetenzen: Eine clusteranalytische Untersuchung digitaler... 163 Tab. 1 Gegenüberstellung der Typologien Nr. Typologie der Mediennutzung (Brandtzæg 2010; Brandtzæg et al. 2011) Typologie der Internetmilieus (Lutz 2016) Clusterlösung zur Nutzungstypologisierung (Fitzek et al. 2015; Merchel et al. 2022) 1 Fortschrittliche Nutzende Digital Souveräne Begeisterte Effizienzorientierte Performer 2 Instrumentell Nutzende Verantwortungsbedachte Etablierte Balancierte Postmaterielle Skeptiker 3 Soziale-Medienund Unterhaltungsnutzende Unbekümmerte Hedonisten Naive 4 Sporadisch Nutzende Ordnungsfordernde Internetlaien Ablehnende Internetferne Verunsicherte (5) Nicht-Nutzende – – Ein zweiter Ansatz zur Typologisierung identifizierte basierend auf der Grundorientierung zu Tradition und Neuorientierung und der sozialen Lage in zwölf Fokusgruppen folgende sieben Internetmilieus (Lutz 2016). Um diese in der später folgenden Tab. 1den anderen Typologien gegenüberzustellen, werden zueinander ähnliche Milieus in der folgenden Aufzählung zusammengefasst: Digital Souveräne und effizienzorientierte Performer besitzen hohe Fähigkeiten und starke Begeisterung für neue Technologien. Die verantwortungsbedachten Etablierten und die postmateriellen Skeptiker besitzen eher starke Fähigkeiten und hohe Nutzungsintensität bei mäßiger bzw. geringer technologischer Begeisterung. Die unbekümmerten Hedonisten begeistern sich für neue Technologien, besitzen aber nur mäßige Fähigkeiten. Die ordnungsfordernden Internetlaien und die internetfernen Verunsicherten zeigen nur geringe Fähigkeiten im Umfang mit dem Internet bei mittlerer bzw. geringer Nutzungsintensität. Eine dritte, spezifisch auf die Digitalisierung der Arbeit bezogene Typologie wurde in 20 Tiefeninterviews mit Führungskräften aufgestellt (Fitzek et al. 2015) und im Rahmen zweier Fragebogenstudien mit anschließenden Clusteranalysen bestätigt (Merchel et al. 2022): Begeisterte besitzen ein umfangreiches Fachwissen und eine starke Eigeninitiative beim Ausprobieren neuer Technologien. Balancierte besitzen ebenfalls gute digitale Fähigkeiten und integrieren sinnvolle digitale Arbeitsmethoden in die eigene Arbeit. Sie begegnen den Gefahren neuer Technologien jedoch auch mit einer moderat erhöhten Skepsis. Naive begegnen der Digitalisierung mit moderater Offenheit, jedoch fehlen ihnen die notwendigen digitalen Fähigkeiten, was zu Gefühlen der Überforderung führt. Ablehnenden fehlen die notwendigen Fähigkeiten und sie verspüren keinerlei Begeisterung für die Digitalisierung. K 164 R. Merchel et al. Auf Basis dieser Beschreibungen können die Typen der drei Typologien zueinander inhaltlich passend zugeordnet werden, wie Tab. 1zeigt. Lediglich die NichtNutzenden finden keine Entsprechung in den anderen beiden Typologien. In der vorliegenden Arbeit soll dieses Vier-Typen-Schema (unter Auslassung der Nicht-Nutzenden, die durch einen Online-Fragebogen nicht erreicht werden könnten) in den digitalen Kompetenzen der Beschäftigten auf Basis des Modells der 21st Century Skills repliziert werden. Gelingt dies, ist davon auszugehen, dass das Vier-Typen-Schema die Einstellungen und Kompetenzen von Beschäftigten zur Digitalisierung generalisierbar und stabil beschreibt, unabhängig davon, welche konkreten Merkmale zur Bildung der Typen herangezogen werden. 2.4 Externe Kriterien Um die Bedeutsamkeit einer Typologie zu demonstrieren, sollen die Typen Unterschiede in relevanten externen Kriteriumsvariablen aufweisen (Brusco et al. 2017). Die Rolle bestimmter Kompetenzen wurde bereits im Rahmen des Job-Demands-Resources-Modells (JDRM, z.B. Bakker und Demerouti 2007) untersucht, wodurch geeignete externe Kriterien abgeleitet werden können. Kompetenzen für die berufliche Karriere wirken als Mediator zwischen Arbeitsressourcen (z.B. Lernmöglichkeiten oder soziale Unterstützung) und dem Arbeitsengagement, d.h. die Arbeitsressourcen stärken die Kompetenzen, was wiederum zu erhöhtem Arbeitsengagement führt (Akkermans et al. 2013). In das JDRM kann eine Vielzahl verschiedener Ressourcen integriert werden (Pejtersen et al. 2010). Besonders relevant scheinen vorliegend die beruflichen Entwicklungsmöglichkeiten, die auch bereits bei Akkermans et al. (2013) Zusammenhänge zu Kompetenzen zeigten. Das Ziel formeller oder informeller Lernprozesse bei der Arbeit ist die Entwicklung von Kompetenzen, d.h. Bildung führt zu Änderungen in Kompetenzaspekten wie Wissen, Fähigkeiten oder Werten (Ellström und Kock 2008). Somit sollte die Schaffung organisationaler Lernmöglichkeiten die Zugehörigkeit zu einem der Kompetenzcluster beeinflussen. H1 Die Kompetenzcluster unterscheiden sich in ihren Lernmöglichkeiten für digitale Kompetenzen. Die aus dem JDRM plausiblen Zusammenhänge zwischen berufsrelevanten Kompetenzen und dem Arbeitsengagement von Beschäftigten konnten bereits empirisch bestätigt werden (Mendes und Stander 2011; Walker und Campbell 2013). Somit sollte auch die Zugehörigkeit zu einem digitalen Kompetenzcluster das spezifische Engagement bei der Arbeit mit digitalen Arbeitswerkzeugen beeinflussen. H2 Die Kompetenzcluster unterscheiden sich in ihrem Techno-Engagement. Ein weiteres naheliegendes Kriterium zur externalen Validierung ist die Persönlichkeit, die sich als stabiler Prädiktor für Arbeitskompetenzen selbst über Jahrzehnte hinweg erwies (Shiner und Masten 2012). Der stärkste Prädiktor für akademische Leistungen, Arbeitskompetenzen sowie für Trainingserfolge ist stets das Persönlichkeitsmerkmal der Offenheit (Barrick et al. 2001; Shiner und Masten 2012). Somit K Typische Profile digitaler Kompetenzen: Eine clusteranalytische Untersuchung digitaler... 165 sollte Offenheit über Trainingseffekte die Zugehörigkeit zu den kompetenteren Typen der Begeisterten und Balancierten begünstigen und dort höher ausgeprägt sein. H3 Die Kompetenzcluster unterscheiden sich in ihrer Offenheit. 3 Methode 3.1 Fragebogen Der Online-Fragebogen wurde über die Plattform Unipark (Tivian 2023) erhoben. Er enthielt u.a. demografische Angaben und Items zur Erfassung der digitalen Kompetenzen, der wahrgenommenen Lernmöglichkeiten, des Techno-Engagements sowie der Persönlichkeit. Der Fragebogen zur Erfassung der digitalen Kompetenzen wurde durch einen iterativen Prozess in Vorstudien entwickelt: Auf Basis der Definitionen sowie weiterer Literatur zu den jeweiligen Kompetenzen wurden Items zur Erfassung der 21st Century Skills entwickelt, die wiederholt mehreren Stichproben von Beschäftigten verschiedener Arbeitsbereiche (n1= 68, n2= 171, n3= 131, n4= 239) vorgelegt wurden. Nach jeder Befragung wurden mit Reliabilitätsund Faktorenanalysen Items mit unzureichenden statistischen Eigenschaften entfernt und bei Bedarf neue Items konstruiert. Hierbei mussten die Items für die Dimensionen der Problemlösung, der Selbststeuerung und der Flexibilität entfernt werden, da sie mit den konstruierten Items zu den anderen Kompetenzen nicht abgrenzbar (diskriminanzvalide) erschienen. Der Zwischenstand nach der zweiten Stichprobenziehung (April bis Juni 2020) ist bei Merchel et al. (2021) ersichtlich, die dritte und vierte Stichprobenziehung erfolgten von Mai bis Juli 2021. Der verbleibende Fragebogen, der mit jeweils vier Items neun digitale Kompetenzen mittels einer sechsstufigen Likert-Skala misst, wies in der finalen Stichprobe (3.2) sehr gute Reliabilitäts- (α,ω≥0,81, rit(i) ≥0,60, λ≥0,66, AVE≥0,52) und Validitätskennwerte (Erfüllung des Fornell-Larcker-Kriteriums sowie χ2/df= 2,223, RMSEA= 0,046, SRMR= 0,043 und CFI= 0,943) auf. Der finale Fragebogen ist in Onlinematerial 1 aufgeführt. Weiterhin wurden die Lernmöglichkeiten mit vier auf den digitalen Kontext angepassten Items aus dem Copenhagen Psychosocial Questionnaire II (COPSOQ; Pejtersen et al. 2010), das Techno-Engagement mit drei Items (Mäkiniemi et al. 2020) sowie die Persönlichkeit mit dem Big Five Inventory 2 (BFI-2; Danner et al. 2019) erfasst. Die Beantwortung des BFI-2 war freiwillig, um eventuellen Bedenken der Teilnehmenden im Umgang mit sensiblen Persönlichkeitsdaten Rechnung zu tragen und somit Abbrüche zu verhindern. Daher lag die Offenheit nur für 229 der n= 645 Teilnehmenden vor. 3.2 Stichprobe Die Teilnahmevoraussetzung lag in einer Arbeitstätigkeit von mindestens vier Stunden pro Woche. Der Fragebogen wurde von 825 Personen beantwortet, von denen nach Datenbereinigung basierend auf sinnhaften demografischen Angaben und KonK 166 R. Merchel et al. trollitems (z.B. „Bitte kreuzen Sie hier ’trifft voll zu’ an.“) n= 645 Teilnehmende verblieben. Die Stichprobe weist folgende Charakteristika auf: Das Alter liegt zwischen Min= 17 und Max= 67 Jahren bei einem Mittelwert von M= 32,0 Jahren (Standardabweichung, engl. Standard Deviation SD= 11,6). Es sind 399 Frauen, 245 Männer und eine diverse Person enthalten. Die Wochenarbeitszeit streut zwischen Min= 4 und Max= 60h bei M= 29,5h (SD= 12,9). Die meisten Teilnehmenden arbeiten in den Bereichen Lehre/Bildung/Soziales (116), Verkauf/Vertrieb/Kundenservice (98), Forschung/Entwicklung (87), Verwaltung/Assistenz/Sekretariat (57) und Marketing/Werbung/PR (52). 3.3 Clusteranalysen Vorliegend sollten die n= 645 Teilnehmenden in k= 4 Cluster zusammengefasst werden, sodass sich die digitalen Kompetenzen der Personen innerhalb eines Clusters möglichst ähnlich sind (Backhaus et al. 2018). Hierzu wurde der bewährte (Bortz und Schuster 2010) k-means-Algorithmus verwendet, der zu Beginn zufällig vier Fälle des Datensatzes auswählt, welche dann die Clusterzentren bilden (Jain 2010). Alle Fälle werden dem nächstgelegenen Clusterzentrum zugeordnet, woraufhin wiederholt eine Neuberechnung der Clusterzentren und Neuzuordnung der Fälle stattfindet, bis die Clusterlösung konvergiert (Jain 2010). Da der Prozess durch die anfängliche Wahl der Clusterzentren vom Zufall abhängt, empfiehlt sich eine wiederholte Ausführung (Brusco et al. 2017): Der Algorithmus wird 5000 Mal durchgeführt und diejenige Clusterlösung ausgewählt, zu der die meisten Startpunkte konvergieren. Es ist sinnvoll, mehrere Clusteralgorithmen auszuführen und die entstandenen Strukturen zu vergleichen (Jain 2010). Daher wurde ergänzend die etablierte (Bortz und Schuster 2010) hierarchische Clusteranalyse mit der Ward-Methode durchgeführt, die Fälle schrittweise zu Clustern fusioniert. Die Übereinstimmung der k-means-Lösung mit der Ward-Lösung kann mit Cohens Kappa κberechnet werden (Bortz und Schuster 2010), wobei ein κ≥0,61 für eine substanzielle Übereinstimmung spräche (Landis und Koch 1977). Dies würde indizieren, dass die Clusterstruktur dem Datensatz innewohnt und nur gering von der verwendeten Methode beeinflusst wird. Zur Bestimmung der externalen Validität erfolgt die Prüfung der Hypothesen mit drei einfaktoriellen Varianzanalysen und Bonferroni-korrigierten post-hoc-Tests. Bei η2= 0,01 liegt ein kleiner, bei η2= 0,06 ein mittlerer und bei η2= 0,14 ein großer Zusammenhang zum Kriterium vor (Döring und Bortz 2016). 4 Ergebnisse 4.1 Clusterzentren Von den 5000 Durchführungen des k-means-Algorithmus konvergieren 1760 zu derselben Lösung, was gegenüber den anderen Lösungen die relative Mehrheit darstellt. K Typische Profile digitaler Kompetenzen: Eine clusteranalytische Untersuchung digitaler... 173 Bakker AB, Demerouti E (2007) The job demands-resources model: state of the art. J Manag Psychol 22:309–328. https://doi.org/10.1108/02683940710733115 Barrick MR, Mount MK, Judge TA (2001) Personality and performance at the beginning of the new millennium: what do we know and where do we go next? Int J Sel Assess 9:9–30. https://doi.org/10. 1111/1468-2389.00160 Blank G, Groselj D (2014) Dimensions of Internet use: amount, variety, and types. Inf Commun Soc 17:417–435. https://doi.org/10.1080/1369118x.2014.889189 Borg K, Smith L (2018) Digital inclusion and online behaviour: five typologies of Australian internet users. Behav Inf Technol 37:367–380. https://doi.org/10.1080/0144929x.2018.1436593 Bortz J, Schuster C (2010) Statistik für Humanund Sozialwissenschaftler, 7. Aufl. Springer, Berlin Heidelberg https://doi.org/10.1007/978-3-642-12770-0 Brandtzæg PB (2010) Towards a unified media-user typology (MUT): a meta-analysis and review of the research literature on media-user typologies. Comput Human Behav 26:940–956. https://doi.org/10. 1016/j.chb.2010.02.008 Brandtzæg PB, Heim J, Karahasanovi´ c A (2011) Understanding the new digital divide—A typology of Internet users in Europe. Int J Hum Comput Stud 69:123–138. https://doi.org/10.1016/j.ijhcs.2010. 11.004 Brusco MJ, Singh R, Cradit JD, Steinley D (2017) Cluster analysis in empirical OM research: survey and recommendations. Int J Oper Prod Manag 37:300–320. https://doi.org/10.1108/ijopm-08-2015-0493 Cameron E, Green M (2009) Making sense of change management. Kogan Page, London, Philadelphia Danner D, Rammstedt B, Bluemke M, Lechner C, Berres S, Knopf T, Soto CJ, John OP (2019) Das Big Five Inventar 2: Validierung eines Persönlichkeitsinventars zur Erfassung von 5 Persönlichkeitsdomänen und 15 Facetten. Diagnostica 65:121–132. https://doi.org/10.1026/0012-1924/a000218 Döring N, Bortz J (2016) Forschungsmethoden und Evaluation in den Sozialund Humanwissenschaften. Springer, Berlin Heidelberg https://doi.org/10.1007/978-3-642-41089-5 Ellström PE, Kock H (2008) Competence development in the workplace: concepts, strategies and effects. Asia Pac Educ Rev 9:5–20. https://doi.org/10.1007/bf03025821 Fitzek H, Picht G, Botzet N (2015) Digitalisierung im Mittelstand – Psychologische Untersuchung zu digitalgeprägten Arbeitskontexten und Unterstützungsangeboten für Führungskräfte. HPB, Berlin Jain AK (2010) Data clustering: 50 years beyond K-means. Pattern Recognit Lett 31:651–666. https://doi. org/10.1016/j.patrec.2009.09.011 Kersting M (2013) Persönlichkeit ist keine Typfrage. Personalmagazin 12/13:26–29 Kristof-Brown AL, Zimmerman RD, Johnson EC (2005) Consequences of individuals’ fit at work: a metaanalysis of person-job, person-organization, person-group, and person-supervisor fit. Pers Psychol 58:281–342. https://doi.org/10.1111/j.1744-6570.2005.00672.x Kuckartz U (2020) Typenbildung. In: Mey G, Mruck K (Hrsg) Designs und Verfahren. Handbuch Qualitative Forschung in der Psychologie, Bd. 2. Springer, Wiesbaden, S 795–812 https://doi.org/10.1007/ 978-3-658-26887-9_59 van Laar E, van Deursen AJAM, van Dijk JAGM, de Haan J (2017) The relation between 21st-century skills and digital skills: a systematic literature review. Comput Human Behav 72:577–588. https:// doi.org/10.1016/j.chb.2017.03.010 Landis JR, Koch GG (1977) The measurement of observer agreement for categorical data. Biometrics 33:159–174. https://doi.org/10.2307/2529310 Lasi H, Kemper HG, Fettke P, Feld T, Hoffmann M (2014) Industry 4.0. Bus Inf Syst Eng 6:239–242. https://doi.org/10.1007/s12599-014-0334-4 Lutz C (2016) A social milieu approach to the online participation divides in Germany. Soc Media Soc 2:1–14. https://doi.org/10.1177/2056305115626749 Mäkiniemi JP, Ahola S, Joensuu J (2020) A novel construct to measure employees’ technology-related experiences of well-being: empirical validation of the techno-work engagement scale (TechnoWES). Scand J Work Organ Psychol 5:4. https://doi.org/10.16993/sjwop.79 Marsh E, Vallejos EP, Spence A (2022) The digital workplace and its dark side: An integrative review. Comput Hum Behav 128:107118. https://doi.org/10.1016/j.chb.2021.107118 Mendes F, Stander MW (2011) Positive organisation: the role of leader behaviour in work engagement and retention. SA J Ind Psychol 37:900. https://doi.org/10.4102/sajip.v37i1.900 Merchel R, Iqbal T, Süße T, Knop S (2021) Digital Competencies and IT Skills as Employees’ Resources to Cope with Digitalization Demands. Int Conf Inf Syst 2021. Merchel R, Bartels M, Pohle C, Zülch J (2022) Unterschiede im Erleben digitaler Umbrüche: Eine Clusterlösung zur Nutzertypologisierung. Wirtsch Psychol 24:63–76 K 174 R. Merchel et al. Neyer FJ, Asendorpf JB (2018) Psychologie der Persönlichkeit. Springer, Berlin https://doi.org/10.1007/ 978-3-662-54942-1 Oberländer M, Beinicke A, Bipp T (2020) Digital competencies: a review of the literature and applications in the workplace. Comput Educ 146:103752. https://doi.org/10.1016/j.compedu.2019.103752 Pejtersen JH, Kristensen TS, Borg V, Bjorner JB (2010) The second version of the Copenhagen psychosocial questionnaire. Scand J Public Health 38:8–24. https://doi.org/10.1177/1403494809349858 Sebastian IM, Mocker M, Ross JW, Moloney KG, Beath C, Fonstad NO (2017) How big old companies navigate digital transformation. Mis Q Exec 16:197–213. https://doi.org/10.4324/9780429286797-6 Shiner RL, Masten AS (2012) Childhood personality as a harbinger of competence and resilience in adulthood. Dev Psychopathol 24:507–528. https://doi.org/10.1017/s0954579412000120 Tivian XI (2023) Online-Umfrage einfach erstellen. https://www.unipark.com/. Zugegriffen: 8. Aug. 2023 Truant E, Broccardo L, Dana LP (2021) Digitalisation boosts company performance: an overview of Italian listed companies. Technol Forecast Soc Change 173:121173. https://doi.org/10.1016/j.techfore.2021. 121173 Venkatesh V, Bala H (2008) Technology acceptance model 3 and a research agenda on interventions. Decis Sci 39:273–315. https://doi.org/10.1111/j.1540-5915.2008.00192.x Verhoef PC, Broekhuizen T, Bart Y, Bhattacharya A, Dong QJ, Fabian N, Haenlein M (2021) Digital transformation: a multidisciplinary reflection and research agenda. J Bus Res 122:889–901. https:// doi.org/10.1016/j.jbusres.2019.09.022 Walker A, Campbell K (2013) Work readiness of graduate nurses and the impact on job satisfaction, work engagement and intention to remain. Nurse Educ Today 33:1490–1495. https://doi.org/10.1016/j.ned t.2013.05.008 Hinweis des Verlags Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral. K