“Técnicas de ciencia de datos para la identificación de competencias profesionales a través del análisis de ofertas laborales. 2020 – 2024”
| dc.contributor.advisor | Llerena Guevara, Lucrecia Alejandrina | |
| dc.contributor.author | Bustamante Oleas, Jefferson Gustavo | |
| dc.date.accessioned | 2025-10-22T20:02:55Z | |
| dc.date.available | 2025-10-22T20:02:55Z | |
| dc.date.issued | 2025 | |
| dc.description | This research addresses the problem of unemployment in Ecuador, which is exacerbated by a lack of awareness of the professional skills demanded by the labor market. In a context of digital transformation and high informality, many people are unable to find employment due to a lack of clear and up-to-date information on the skills required by employers. To address this issue, data science techniques were applied to data from the National Institute of Statistics and Census (INEC) and job offers extracted by scraping online portals. The processing was carried out using natural language processing (NLP) models, random forest and support vector machine (SVM) techniques, and unsupervised models such as K-means, allowing the requested skills to be identified with high accuracy. The job skills analysis model developed provides a tool for guiding vocational training and updating evidence-based curricula. Its architecture and capacity for continuous updating make it a strategic resource for job portals. This work provides an empirical basis for reducing the mismatch between labor supply and demand, improving employability, and promoting inclusive economic development in Ecuador. | |
| dc.description.abstract | Esta investigación surge ante el problema del desempleo en Ecuador, agravado por el desconocimiento de las competencias profesionales que demanda el mercado laboral. En un contexto de transformación digital y alta informalidad, muchas personas no logran insertarse laboralmente debido a la falta de información clara y actualizada sobre las competencias requeridas por los empleadores. Para abordar esta problemática, se aplicaron técnicas de ciencia de datos sobre datos del Instituto Nacional de Estadísticas y Censo (INEC) y las ofertas laborales extraídas mediante raspado de portales en línea. El procesamiento se realizó con modelos de lenguaje natural (NLP), las técnicas random forest y máquina de vectores de soporte (SVM), y modelos no supervisados como K-means, permitiendo identificar con alta precisión las competencias solicitadas. El modelo de análisis de competencias laborales desarrollado ofrece una herramienta para orientar la formación profesional, actualizar mallas curriculares basadas en evidencia. Su arquitectura y capacidad de actualización continua lo convierten en un recurso estratégico para portales de empleo. Este trabajo aporta una base empírica para reducir el desajuste entre oferta y demanda laboral, mejorar la empleabilidad y promover el desarrollo económico inclusivo en Ecuador | |
| dc.format.extent | 129 | |
| dc.identifier.citation | Bustamante Oleas, Jefferson Gustavo (2025). “Técnicas de ciencia de datos para la identificación de competencias profesionales a través del análisis de ofertas laborales. 2020 – 2024”. Quevedo. UTEQ. 129 Paginas | |
| dc.identifier.other | 1300021 | |
| dc.identifier.uri | https://repositorio.uteq.edu.ec/handle/43000/8803 | |
| dc.language.iso | spa | |
| dc.publisher | Quevedo: UTEQ | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 United States | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/us/ | |
| dc.subject | Ciencia de datos | |
| dc.subject | Competencias profesionales | |
| dc.subject | Desempleo | |
| dc.subject | Extracción de datos web | |
| dc.title | “Técnicas de ciencia de datos para la identificación de competencias profesionales a través del análisis de ofertas laborales. 2020 – 2024” | |
| dc.type | masterThesis |
