Los algoritmos están de moda
julio 21, 2022

Gabriela Navarro.
Unidad de Formación Técnica,
Fundación AEQUALIS 

La pertinencia de la formación técnica se ha posicionado entre los retos más críticos para contar con un sistema de formación de calidad que cumpla con la promesa de un mejor futuro, a partir de un desarrollo laboral seguro. La pertinencia de la formación técnica es resultado no sólo de la respuesta oportuna a las demandas del entorno productivo, sino también a los intereses de los y las estudiantes y de la contribución a la sociedad, para el presente y el futuro.

Sabemos que estas demandas, del contexto social y laboral cambian a una velocidad mayor de la que el sistema de educación evoluciona, razón por la cual las brechas de formación continúan expandiéndose. Entonces, ¿cómo impulsamos la pertinencia formativa a la velocidad que se requiere?

Modelos analíticos de uso sistemático de información sobre el mercado de trabajo y de alerta temprana sobre el comportamiento de los estudiantes, convocantes de un conjunto amplio de actores en sus fases de recopilación de data, discusión y uso de la información para toma de decisiones, puede ayudar a disminuir el desequilibrio entre la oferta y la demanda de competencias y capacidades que requiere el país.

El desafío de anticipar la demanda de empleadores y estudiantes para ofertar carreras pertinentes no es fácil.  Si bien en Chile ha habido importantes avances en el acercamiento de la formación con el mundo productivo, principalmente en torno el Marco Nacional de Cualificaciones (MCTP) y poblamientos sectoriales, ellos no son suficiente. Mientras no exista una política pública asociada a partidas presupuestarias sostenidas, los esfuerzos de prospección de oferta formativa seguirán siendo aislados.

En el mundo hay casos diversos de prospección, tanto institucionales, como nacionales y comerciales: SENAI en el sistema técnico profesional de Brasil y SENA en el de Colombia, son ejemplos de instituciones que han desarrollado modelos analíticos propios, en base a un conjunto de variables territoriales, laborales, de sustentabilidad institucional y de metodologías efectivas en el logro de aprendizajes.  A nivel nacional, países como Estados Unidos, Australia y México reportan las necesidades de formación en torno al avance de sus matrices productivas mediante variables macroeconómicas, y casos como Rusia que a través del “Atlas of Emerging Jobs” (Atlas de Trabajos Emergentes) realiza una prospectiva focalizada en trabajos que surgirán a propósito de la industria 4.0. Finalmente, también existen organismos privados como el caso de la empresa norteamericana Burning Glass Emsi, que dispone de algoritmos propios creados para evaluar la pertinencia de los programas de estudio de las instituciones que asesora en países desarrollados. En Chile, ha ido en aumento la tentación por adoptar algoritmos, es decir, secuencias de pasos que deben seguir un orden para lograr un objetivo, en este caso la decisión de abrir o cerrar un programa de formación, asumiéndolos como recetas cuyos ingredientes y pasos objetivan una decisión asegurando éxito en términos de matrícula y empleo.

Innovar en los mecanismos para actualizar la oferta formativa es urgente, pero previo a adoptar soluciones de este tipo, hay un paso recomendable y a la mano, este es complejizar la toma de decisiones respecto a la oferta formativa incorporando información sobre proyecciones de empleo, inversiones, estrategias regionales de desarrollo, entre otros y, lo más importante, declarando parámetros de calidad que regulen las decisiones.

Para asegurar la pertinencia de la formación, además de la generación de data confiable, se requieren condiciones de borde que el sistema de educación superior chileno no brinda. Esto, porque no cuenta con estándares que objetiven la evaluación de los resultados que las instituciones deban usar como referencia, sino con criterios que, si bien, apuntan a acuerdos tácitos de eficiencia académica, no son explícitos en los parámetros para determinar si un resultado es aceptable o no. Tomemos como ejemplo, el concepto de “exitosa empleabilidad” de una carrera. Si bien una carrera puede tener demanda de empleo, ¿qué rango de empleabilidad e ingresos será el mínimo para decidir ofertar una carrera?, o de “Sobreoferta”, si bien ella puede tener demanda de matrícula ¿qué número de matrícula será el máximo en el sistema para decidir cerrar la carrera por sobreoferta? Este tipo de definiciones, en la medida que no haya una política clara para definir cómo se establece la pertinencia, seguirá siendo una decisión discrecional de cada institución, una decisión de alta connotación ética.

Un algoritmo puede ser una buena solución para tener información objetiva sobre qué carreras tendrán demanda de matrícula y empleo, pero la formación técnica no solo requiere eso, sino también políticas públicas sistemáticas y que establezcan un marco claro para la autorregulación de las instituciones, tomando postura sobre los resultados de la formación entregada. Como señala Miguel Toro, catedrático del Departamento de Lenguajes y Sistemas Informáticos de la Universidad de Sevilla sobre el uso de algoritmos, “Aunque en estas tareas muchas veces influye la habilidad de las personas que las realizan: no es lo mismo una receta de cocina preparada por un gran chef, que incluso puede mejorarla, que por un principiante”.