Mapping Curricula to Occupational Work Activities Using a Shared DWA Ontology: Evidence from the Course-Skill Atlas and O*NET

Resumen Técnico: Mapeo de Currículos a Actividades Laborales Ocupacionales mediante una Ontología DWA Compartida

Planteamiento del Problema
Las universidades enfrentan una presión creciente para demostrar cómo los programas académicos preparan a los estudiantes para ocupaciones intensivas en datos e impulsadas por la IA. Sin embargo, existe evidencia limitada sobre cómo las señales curriculares documentadas pueden compararse sistemáticamente con las actividades laborales específicas de una ocupación a nivel de programa. Los desafíos existentes incluyen la dificultad de traducir el lenguaje académico (sílabos, descripciones de cursos) a las taxonomías ocupacionales (tareas laborales) debido a las diferencias en vocabulario, granularidad y convenciones de documentación. El emparejamiento directo de texto entre las características del currículo y las declaraciones de tareas ocupacionales suele ser frágil y carece de trazabilidad. Además, aunque existen marcos de competencias, estos no muestran empíricamente cómo se representan dichas expectativas en las señales curriculares documentadas a través de las instituciones. El problema central es la falta de un enfoque de ontología compartida y trazable para alinear grandes volúmenes de datos curriculares con los requisitos de tareas derivadas de las ocupaciones sin depender de un emparejamiento de texto superficial.

Metodología
El estudio desarrolla un marco de analítica curricular que mapea las señales del lado del currículo provenientes del Course-Skill Atlas (CSA) y los requisitos de tareas del lado de la ocupación provenientes de O*NET en un espacio DWA (Detailed Work Activity) compartido, utilizando los identificadores oficiales de DWA como la ontología común.

• Fuentes de Datos:
  • Lado del Currículo: El conjunto de datos CSA, que infiere señales de habilidades a partir de más de tres millones de sílabos de educación superior de EE. UU. El estudio utiliza registros de institución-campo-año y una amplia matriz de puntuaciones de niveles de actividad.
  • Lado de la Ocupación: La base de datos O*NET 30.3, específicamente las Declaraciones de Tareas (Task Statements), las Tareas a DWAs (Tasks to DWAs) y los archivos de referencia de DWA. La ocupación focal es Científico de Datos (SOC 15-2051.00).
• Construcción de Vectores:
  • Vector de Currículo: Las etiquetas de características del CSA se mapean a los IDs de DWA oficiales de O*NET. Los pesos brutos del currículo se calculan como la media ponderada por recuento de sílabos de las puntuaciones del CSA, luego se normalizan mediante L2 para representar el énfasis relativo.
  • Vector de Ocupación: Las declaraciones de tareas de O*NET se vinculan a los IDs de DWA a través del archivo de Tareas a DWAs. Los recuentos se agregan por ID de DWA, luego se normalizan mediante L2 para crear un perfil ocupacional derivado de las tareas.
• Métricas de Alineación:
  • Similitud de Coseno: Mide la similitud direccional del énfasis relativo entre los vectores de currículo y de ocupación.
  • Cobertura@K (Coverage@K): Una medida nominal que indica si las principales K DWAs del lado de la ocupación aparecen en el vector del currículo (presencia/ausencia).
  • Índice de Brecha de Habilidades (SGI): Una medida de déficit ponderada por la ocupación que captura la magnitud de la falta de énfasis para las DWAs de alta prioridad de la ocupación.
• Estrategia de Validación:
  • Una matriz de validación de 8 × 8 compara ocho grupos curriculares (p. ej., Ciencias de la Computación, Matemáticas, Negocios) contra ocho perfiles ocupacionales (p. ej., Desarrolladores de Software, Estadísticos, Contadores).
  • Controles positivos basados en rangos verifican si los grupos curriculares teóricamente esperados (p. ej., Contabilidad para Contadores) ocupan los primeros lugares en similitud de coseno.
  • Análisis de sensibilidad prueban la robustez frente a variaciones en los umbrales de cobertura y esquemas de ponderación (p. ej., binario vs. pesos de recuento de enlace de tarea).
  • Controles de robustez a nivel de cohorte agregan grupos curriculares en cohortes "Core" (técnicas/cuantitativas) y "Applied" (orientadas a negocios).

Resultos Clave

• Caso Focal (Ciencias de la Computación vs. Científicos de Datos):
  • Cobertura Nominal Total: Todas las 16 DWAs de Científicos de Datos derivadas de tareas estaban presentes en el vector curricular de Ciencias de la Computación (Cobertura@10, @20, @30 = 1.000).
  • Alineación Débil de Énfasis Relativo: A pesar de la cobertura total, la Similitud de Coseno fue baja (0.114) y el Índice de Brecha de Habilidades fue alto (0.886).
  • Brecha de Énfasis: Las mayores brechas ocurrieron en las DWAs de alto peso, como "Aplicar principios matemáticos o enfoques estadísticos" (Peso del Trabajo: 0.459 vs. Peso del Currículo: 0.031). El estudio concluye que la brecha es de énfasis, no de ausencia; las actividades de Científicos de Datos están presentes pero reciben un peso relativamente bajo en las señales curriculares documentadas en comparación con su importancia en el perfil de la ocupación.
• Matriz de Validación:
  • El marco recuperó con éxito patrones teóricamente plausibles. Ciencias de la Computación ocupó el primer lugar para Desarrolladores de Software y Arquitectos de Bases de Datos; Matemáticas ocupó el primer lugar para Estadísticos y Analistas de Investigación de Operaciones; Contabilidad ocupó el primer lugar para Contadores.
  • Notablemente, Matemáticas mostró la mayor similitud de coseno con el perfil de Científico de Datos, reforzando la naturaleza cuantitativa del perfil de tareas derivado de O*NET.
• Robustez: Los resultados se mantuvieron estables a través de esquemas de ponderación alternativos y umbrales de cobertura. La cohorte "Core" (CS, Matemáticas, Ingeniería, Física) mostró consistentemente una mayor alineación con ocupaciones técnicas, mientras que la cohorte "Applied" se alineó mejor con roles orientados a los negocios.

Contribuciones Clave

1. Marco de Ontología Compartida con Trazabilidad: El estudio introduce un método para la alineación currículo-ocupación que utiliza IDs de DWA oficiales como una clave compartida, evitando el emparejamiento directo de texto y asegurando la auditabilidad desde los datos brutos hasta las métricas finales.
2. Distinción entre Cobertura y Énfasis: El análisis redefine las brechas currículo-ocupación. Demuestra que un currículo puede cubrir plenamente los tipos de actividades requeridas por una ocupación (cobertura nominal) mientras sub-enfatiza significativamente su importancia relativa (alineación ponderada).
3. Herramienta de Diagnóstico para la Evaluación de Programas: El marco proporciona un enfoque reproducible y basado en datos para examinar cómo las señales curriculares documentadas corresponden a las actividades laborales ocupacionales, sirviendo como un punto de partida para la revisión curricular en lugar de una medida definitiva de la calidad de la enseñanza o el aprendizaje estudiantil.

Significancia y Reivindicaciones
El artículo sostiene que este enfoque de alineación mediante DWA-ID ofrece una forma estructurada y trazable de comunicar las prioridades curriculares a las partes interesadas (empleadores, responsables de políticas, organismos de acreditación). Al separar la cobertura nominal del énfasis relativo, el marco ayuda a identificar brechas de énfasis específicas donde las señales curriculares pueden no reflejar la intensidad o la centralidad de las actividades laborales de la ocupación.

Los autores declaran explícitamente que la alineación por DWA-ID no debe interpretarse como una medida directa de la calidad de la enseñanza, el aprendizaje del estudiante o la preparación ocupacional. En cambio, sirve como una herramienta de diagnóstico para examinar cómo las señales curriculares documentadas (sílabos) comunican las actividades de aprendizaje. El estudio enfatiza que las brechas observadas reflejan la representación de las actividades en la documentación de los cursos, lo cual puede diferir de la instrucción impartida o el dominio del estudiante. El marco se presenta como un enfoque reutilizable para la comunicación informada por evidencia y la analítica curricular en la educación superior, particularmente para campos interdisciplinarios emergentes como la ciencia de datos.