Desarrollo de una aplicación móvil interactiva de orientación vocacional con recomendaciones basadas en ia para estudiantes de nivel diversificado

Abstract

Guatemala enfrenta una orientación vocacional insuficiente por combinación de factores: recursos limitados en los centros educativos, metodologías poco personalizadas, fragmentación de plataformas y escasa conexión con indicadores del mercado laboral. Esto contribuye a decisiones poco informadas y a una deserción universitaria elevada. El propósito de este trabajo fue diseñar y construir una solución móvil multiplataforma que ofrezca acompañamiento continuo y personalizado para apoyar la elección de carrera en estudiantes de diversificado. Se realizó una investigación preliminar de contexto y necesidades, a partir de la cual se definieron requisitos verificables. Se desarrolló un flujo integrado que inicia con un cuestionario psicométrico breve (RIASEC, Big Five, Grit) y añade medidas de aptitud y comprensión lectora (PAA, PIAAC). La exploración guiada ofrece retroalimentación por gestos y las fichas de carrera habilitan navegación a pénsum y opciones similares, mientras que el asistente conversacional resuelve dudas en contexto. El sistema aprende de las interacciones para ajustar recomendaciones. Adopta un enfoque exploratorio y continuo, no limitado a una sola prueba, y prioriza sesiones breves, bajo consumo de datos y consistencia visual. Las evaluaciones mostraron que el prototipo evolucionó a un producto funcional, fluido y comprensible. En dispositivos de gama media se observó rendimiento estable en gestos y animaciones y tasas de éxito altas en tareas clave de exploración, consulta de carreras y uso del asistente. En conjunto, la solución demuestra viabilidad y potencial. Persisten oportunidades en validación, robustez de implementación y estudios con muestras más amplias para evidencia estadísticamente significativa.

Guatemala faces insufficient vocational guidance due to limited school resources, low personalization, fragmented platforms, and weak links to labor-market indicators. This contributes to poorly informed choices and high university dropout. This work designs and builds a multiplatform mobile solution that provides continuous and personalized support for high school students’ career choices. We conducted preliminary research to define verifiable requirements and implemented an integrated flow. It starts with a brief psychometric questionnaire (RIASEC, Big Five, Grit) and adds aptitude and reading comprehension measures (PAA, PIAAC). Guided exploration uses gesture-based feedback. Career sheets provide curriculum navigation and similar options. A conversational assistant supports in-context questions. The system learns from interactions to adapt recommendations and tests an exploratory, continuous approach rather than relying on a single test. It prioritizes short sessions, low data usage, and visual consistency. Evaluations showed a functional, fluid, and understandable product with stable performance on mid-range devices and high task success in exploration, career lookup, and assistant use. The solution is viable and shows potential. Opportunities remain in validation, implementation robustness, and studies with larger samples to achieve statistically significant evidence.