Deep learning en simulaciones vocacionales: transformación docente en tercero BGU

Resumen

En este estudio se analiza el impacto de una simulación vocacional basada en deep learning sobre la transformación de las prácticas docentes de orientación vocacional en tercero de Bachillerato General Unificado en el cantón Cuenca. Se desarrolló un diseño mixto, cuasi experimental, con grupo único pretest–postest, combinando datos abiertos educativos del Ministerio de Educación y Cuenca en Datos con cuestionarios a docentes y estudiantes, registros de uso de la simulación y técnicas cualitativas (entrevistas y grupos focales). Participaron 40 docentes y 960 estudiantes de 11 instituciones (fiscales, municipales y particulares), en modalidades de Bachillerato en Ciencias y Técnico, en un contexto de implementación de la Agenda Educativa Digital y estrategias de transformación digital con IA en el sistema educativo ecuatoriano. Los resultados muestran incrementos significativos en el uso de datos académicos y recursos digitales en la orientación vocacional, así como en la competencia percibida del profesorado para utilizar herramientas de IA de forma pedagógica y ética. Desde la perspectiva estudiantil, se evidencian mejoras en la claridad del proyecto de vida, reducción de la inseguridad vocacional y un aumento notable en el interés por carreras digitales y STEM, convergente con investigaciones recientes sobre IA en orientación vocacional. Se concluye que la integración de simulaciones vocacionales basadas en deep learning, articuladas con datos abiertos y acompañadas de formación docente en IA, puede catalizar la transformación de la orientación vocacional en el BGU, alineándola con las políticas de seguimiento a bachilleres y las recomendaciones internacionales sobre uso responsable de IA en educación.