Creación de un modelo de recomendación y guianza vocacional orientado a la claridad profesional

Abstract

En la actualidad, los estudiantes de bachillerato enfrentan dificultades para elegir una profesión. Esta decisión es cada vez más importante con problemas como la movilidad y la deserción universitaria cada vez más presentes. La investigación autónoma dentro de la vasta cantidad de información del internet puede ser abrumadora, gracias al ordenamiento desestructurado dificulta la búsqueda de información relevante. Las inteligencias artificiales (IA) generativas, por su parte, no ofrecen un valor significativo, al carecer del contexto personalizado del usuario y de una base de conocimiento limitado a la información de su entrenamiento o a una búsqueda web superficial. La solución propuesta comprende un modelo de recomendación y guianza vocacional que utilizan técnicas de inteligencia artificial y de recuperación de información dinámica para proporcionar respuestas y recomendaciones personalizadas sobre carreras universitarias ofrecidas en la Universidad del Valle de Guatemala, utilizando el perfil del usuario. En la creación del perfil del usuario, se implementó una prueba de evaluación que permite obtener información relevante del usuario, como su personalidad, consistencia e intereses vocacionales. Para proveer información actualizada y confiable, se implementó una base de datos que contiene información relevante de 33 carreras universitarias ofrecidas por la Universidad del Valle de Guatemala, con un 100% de precisión en la recuperación de información actualizada hasta la fecha de la realización del proyecto. Además, se implementó un sistema de consulta basado en un Large Language Model (LLM), con una satisfacción comprobada del 97.78 %, que utiliza tanto información de la base de datos como el perfil del usuario para proporcionar respuestas. Complementando la solución, se implementó un prototipo de un sistema de recomendación, con una viabilidad demostrable del 100% en su ejecución, que permite la recomendación de carreras universitarias y contenido académico compatibles con el perfil del usuario. Estos resultados nos permiten explorar la efectividad y el impacto, que la combinación del contexto del usuario en diferentes áreas con la utilización de nuevas tecnologías utilizadas en el mercado actual como los modelos de LLM, las base de datos vectoriales y la generación aumentada por recuperación, produce en la orientación vocacional de estudiantes de bachillerato.

Currently, high school students face difficulties in choosing a profession. This decision is increasingly important given the growing problems of student mobility and university dropout rates. Independent research within the vast amount of information on the internet can be overwhelming, as its unstructured organization makes it difficult to find relevant information. Generative artificial intelligence (AI), by its nature, does not offer significant value, lacking the user’s personalized context and having a knowledge base limited to its training information or a superficial web search. The proposed solution involves a vocational guidance and recommendation model that uses artificial intelligence and dynamic information retrieval techniques to provide personalized answers and recommendations about university programs offered at Universidad del Valle de Guatemala, based on the user’s profile. To create the user profile, an assessment test was implemented to obtain relevant information about the user, such as their personality, consistency, and vocational interests. To provide up-to-date and reliable information, a database was implemented containing relevant information on 33 university programs offered by the Universidad del Valle de Guatemala, with 100% accuracy in retrieving information updated to the date of the project. In addition, a query system based on a Large Language Model (LLM) was implemented, with a proven satisfaction rate of 97.78 %. This system uses both database information and the user’s profile to provide answers. Complementing the solution, a prototype recommendation system was implemented, with demonstrable 100% feasibility in its execution. This system allows recommendations of university programs and academic content compatible with the user’s profile. These results allow us to explore the effectiveness and impact of combining the user’s context in different areas with the use of new technologies currently implemented in the market, such as: LLM models, vector databases, and augmented generation by retrieval, in the vocational guidance of high school students.