| Tesis Doctorales de la Universidad de Alcalá |
| MARCO DE TRABAJO PARA LA CLASIFICACIÓN Y PREDICCIÓN DE NIVELES DE EMPLEO EN EL ÁREA DE LAS TECNOLOGÍAS DE INFORMACIÓN. | | Autor/a | Beristain Petriz, Saúl Iván | | Departamento | Ciencias de la Computación | | Director/a | García Barriocanal, María Elena | | Codirector/a | López Barbosa, Rutilio Rodolfo | | Fecha de defensa | 09-09-2026 | | Calificación | Sobresaliente | | Programa | Ingeniería de la Información y del Conocimiento (RD 99/2011) | | Mención internacional | No | | Resumen | El presente trabajo de tesis se centra en el diseño y desarrollo de un modelo de clasificación de niveles de empleo para trabajadores del área de Tecnologías de la Información (TI), a partir del análisis de su experiencia laboral previa. El objetivo principal es explorar la viabilidad del uso del Procesamiento del Lenguaje Natural (PLN) y de algoritmos de aprendizaje automático en el proceso de selección de personal, orientación laboral y planificación de trayectorias profesionales, considerando tanto el tipo de sus experiencias anteriores como la estructura del mercado laboral en dicha área.
El estudio se compone de dos etapas metodológicas: en la primera, se realiza una revisión y clasificación de los distintos puestos de trabajo del sector de TI. Para ello, se emplean técnicas de PLN para preparar el conjunto de datos que posteriormente se utilizará en un modelo de temas (Topic model) mediante el algoritmo de Latent Dirichlet Allocation (LDA), con el fin de identificar temas en las descripciones de los currículos. Esta técnica posibilita la agrupación de los puestos en áreas funcionales claramente definidas, como desarrollo de software, análisis de datos, infraestructura de redes y soporte, entre otras. La generación de estos temas proporciona una taxonomía del campo laboral en tecnologías de la información (TI) y establece las bases para una fase posterior en la que se determina el nivel de empleo correspondiente a cada individuo.
Una vez definidas las áreas de trabajo, se desarrollan modelos de clasificación supervisada para predecir el área de trabajo más probable que un individuo pueda ocupar según su perfil. Estos modelos utilizan como entrada el contenido del currículum vitae (CV), incluidas las descripciones de la experiencia profesional previa, los años de experiencia, el tiempo de permanencia en cada empleo y el nivel educativo. Para esta tarea, se emplearon algoritmos como Random Forest, Support Vector Machines (SVM) y redes neuronales. Estos modelos permiten mapear un historial profesional a un puesto específico dentro de las áreas previamente definidas.
La etapa final de este estudio implica una redefinición del enfoque respecto a la noción de "nivel" en cada área. El objetivo de esta redefinición es establecer un marco preciso y estructurado que permita comprender la progresión de competencias y responsabilidades más allá de la simple denominación de puestos o categorías generales. En lugar de limitarse a una clasificación estática, se pretende evidenciar la dinámica interna de cada dominio funcional y su potencial desarrollo.
La propuesta de niveles jerárquicos se elaboró a partir de diversas fuentes, entre las que destacan marcos internacionales de referencia como O*NET y ESCO, descripciones de puestos específicos de organizaciones y trabajo empírico. Esta triangulación de información permite que las escalas de niveles propuestas reflejen tanto estándares reconocidos como particularidades contextuales.
El alcance de esta investigación trasciende la simple distinción entre posiciones bajas y altas, ya que utiliza dichas escalas como un paso intermedio para facilitar comparaciones entre clasificaciones, diseñar trayectorias de desarrollo profesional, apoyar procesos de formación y capacitación, y generar insumos para políticas de gestión del talento en el sector de tecnologías de la información. Así, la progresión de niveles se convierte en un instrumento analítico y práctico que aporta valor tanto a la investigación como a la toma de decisiones organizacionales.
El modelo de clasificación permite comparar el área predicha de un candidato con su nivel estimado en la correspondiente área funcional. |
|
