01 · Problema
Las notas y el test viven en mundos separados
En un colegio de secundaria, las pruebas vocacionales y las notas viven en mundos separados. El departamento de consejería aplica el test una vez, en el último año, sin cruzarlo con seis años de historial académico. El resultado es una foto de lo que al estudiante le gusta hoy, no una lectura de en qué es bueno, y docentes y padres no tienen una herramienta clara para acompañar la decisión.
02 · Usuario
Tres miradas sobre la misma decisión
Consejería estudiantil
Necesita ver a cada estudiante y a toda la promoción, y saber a quién revisar primero.
Docentes y padres
Necesitan entender el resultado sin saber estadística.
El estudiante
Quiere saber qué carreras le encajan y dónde estudiarlas.
03 · Investigación
Datos reales, modelo explicable
- Análisis de los registros académicos y de las pruebas vocacionales que usa el colegio. Se eligió CHASIDE como estructura base porque es la prueba más usada en Ecuador. Organiza la vocación en 7 áreas.
- Comparación de modelos: red bayesiana frente a árboles de decisión, evaluados con la norma de calidad para sistemas de IA ISO/IEC 25059:2023. Se eligió la red bayesiana porque explica sus decisiones y mide su propia incertidumbre.
- Para validar con casos reales se publicó una encuesta anónima para estudiantes de primer año de universidad. Pregunta sus notas de colegio, su perfil vocacional, la carrera que eligieron y qué tan satisfechos están, y al final les devuelve su propio resultado. Ya recibe respuestas.
04 · Hallazgos
Un modelo que sabe cuánto sabe
Resultados de la simulación con 500 estudiantes ficticios y el 30 % de los datos reservado para la prueba:
de correlación al recuperar el rendimiento real de cada estudiante.
de zonas vocacionales asignadas correctamente.
de los casos con el área de mayor interés dentro del top 3.
de cobertura del rango de confianza del 90 %, es decir, el modelo es honesto con su incertidumbre.
Resultados con datos simulados
05 · Propuesta UX/UI
Un plano en lugar de un puntaje
- Un plano en lugar de un puntaje. Cada área se ubica en un plano de dos ejes, le gusta (interés) y le va bien (rendimiento), con cuatro zonas en lenguaje simple: vocación consolidada, interés a fortalecer, talento no explorado y área no prioritaria.
- Explicar, no solo recomendar. Cada resultado muestra qué lo empujó: el test, las notas o la autopercepción del estudiante, y las materias clave del último año.
- Dos vistas: Estudiante, para la conversación uno a uno, y Cohorte, para que consejería vea a toda la promoción y filtre a quién atender primero (con alertas, vocación consolidada o áreas indeterminadas).
- De la vocación a la acción: las 10 carreras más afines con la universidad y la ciudad donde estudiarlas, y tres enfoques para ordenarlas: equilibrado, priorizar lo que le gusta o priorizar lo que le va bien.
06 · Solución creativa
El derecho a decir "no sé"
El sistema tiene derecho a decir "no sé". Si su certeza no supera el 60 %, no asigna una zona y marca el área como indeterminada por falta de evidencia, en lugar de forzar una etiqueta. En la simulación eso pasó con el 17 % de las áreas.
Para una decisión tan importante como elegir carrera, una recomendación honesta vale más que una recomendación segura de sí misma. La herramienta apoya a consejería, no la reemplaza.
07 · Entregables
Lo que incluye el proyecto
- Modelo de red bayesiana que integra notas y test vocacional
- Plataforma web con vistas de estudiante y cohorte
- Recomendador de carreras con universidades y ciudades de Ecuador
- Encuesta pública de validación para universitarios
- Evaluación del modelo con métricas de fidelidad y la norma ISO/IEC 25059
08 · Resultado
Siguiente paso: validar con casos reales
La plataforma funciona en línea con datos simulados y la encuesta de validación ya recoge casos reales. El siguiente paso es comparar las recomendaciones del sistema con las carreras que eligieron los universitarios y su satisfacción, antes de usarlo con estudiantes del colegio.