EN

|

ES

Buscar

La ciencia de datos analiza habilidades blandas que son clave para el crecimiento profesional

Con un modelo de aprendizaje automático se identifican competencias interpersonales que pueden predecir el éxito profesional.
ilustracion de con un hombre y una mujer señalando íconos de habilidades blandas como negociación y comunicación
Los egresados en puestos de alto nivel valoran significativamente la comunicación y el trabajo en equipo como prerrequisitos para acceder a roles de mayor responsabilidad. Ilustración: Getty Images

Por Sofía Ramos Pulido y Neil Hernández Gress

¿Es la parte técnica lo único que necesitas para tener éxito en tu carrera? Muchos creen que, para lograr el éxito, basta con las herramientas y conocimientos técnicos. Sin embargo, esta visión está incompleta. 

Aunque el conocimiento técnico es crucial, estudios recientes sugieren que las habilidades blandas, como la capacidad de comunicarse eficazmente, trabajar en equipo o tener habilidades de resolución de problemas, son también importantes a medida que progresamos en nuestra carrera [1,2,3]. 

En la investigación Analysis of soft skills and job level with data science: A case for graduates of a private university utilizamos modelos de aprendizaje automático (Machine Learning) con el fin de conocer las características esenciales que contribuyen a que un egresado alcance un puesto de alto nivel laboral. 

Este estudio utilizó la base de datos de la encuesta a egresados, realizada durante las celebraciones del 75 aniversario del Tecnológico de Monterrey. El objetivo inicial era medir el impacto social y económico de los EXATEC, pero también se incluyó una pregunta sobre habilidades blandas que el aprendizaje automático identificó como factor determinante en el ascenso de los encuestados [4].

De hecho, estos modelos de Inteligencia Artificial identificaron que entre las características más importantes para predecir mejores posiciones laborales están las habilidades de comunicación y el trabajo en equipo. 

Ciencias computacionales y encuestas

Los modelos de aprendizaje automático son herramientas computacionales que pueden analizar grandes cantidades de datos y aprender automáticamente patrones.

El objetivo principal de estos modelos fue extraer las características más relevantes de los egresados (como habilidades y experiencia) que tienen mayor peso en la probabilidad de alcanzar un puesto de alto nivel. 

Para lograrlo, el modelo analizó todas las variables disponibles y seleccionó aquellas que tenían la mayor influencia en la predicción del nivel de empleo.

Resultado: el aprendizaje automático y las herramientas estadísticas identifican a las habilidades blandas como predictor de éxito profesional.

La gráfica muestra la relación entre la importancia atribuida a las habilidades de comunicación y de trabajo en equipo, en relación con el nivel del puesto laboral. 

Habilidades blandas relevantes

En el caso de la comunicación, los egresados en posiciones superiores (representados en color azul oscuro) son significativamente más propensos a considerar la comunicación como una habilidad crucial (57%), en comparación con aquellos en posiciones de menor nivel, donde solo el 15% le asigna una alta relevancia. Algo similar ocurre con el trabajo en equipo.

Estos datos indican que los egresados en puestos de nivel superior comprenden y valoran en mayor medida las competencias interpersonales. Esto sugiere que el reconocimiento y desarrollo de habilidades de comunicación y trabajo en equipo están estrechamente vinculados con el crecimiento profesional dentro de las organizaciones.

Se trata de habilidades que son «procesables», es decir, pueden desarrollarse y mejorarse [8,9], por lo que pueden fomentarse desde la formación universitaria para que los estudiantes aumenten sus posibilidades de éxito en el ámbito laboral.

Este estudio incluyó también la evaluación de habilidades blandas como negociación, innovación y planeación para entender su relación con el éxito profesional.

Los resultados indican que la innovación se encuentra entre las variables más relevantes para predecir el nivel de empleo superior. No obstante, su poder predictivo es leve y no se identificaron diferencias estadísticamente significativas entre los niveles de empleo.

De manera similar, en la muestra analizada, las habilidades de negociación y planeación no muestran una relación clara con el nivel de empleo, lo que sugiere que, si bien pueden estar relacionadas, la evidencia empírica disponible no permite afirmar con certeza su impacto.

Referencias

  1. Mainert, J., Kretzschmar, A., Neubert, J. C., & Greiff, S. (2015). Linking complex problem solving and general mental ability to career advancement: Does a transversal skill reveal incremental predictive validity? International Journal of Lifelong Education34(4), 393-411.
  2. Gøtzsche‐Astrup, O., Jakobsen, J., & Furnham, A. (2016). The higher you climb: Dark side personality and job level. Scandinavian Journal of Psychology57(6), 535-541.
  3. MBA for Executives. Available online: https://executivemba.wharton.upenn.edu/top-executive-management-skills-needed-in-the-c-suite/martech-su-form-wrapper (accessed on 12 November 2024).
  4. Instituto Tecnológico y de Estudios Superiores de Monterrey. (2020). Economic and social impact of Tecnológico de Monterrey graduates in the world https://sar.itesm.mx/ranking_2020/75_years_impact.pdf
  5. Greenhaus, J. H., & Callanan, G. A. (2012). Career dynamics. Handbook of Psychology, Second Edition12.
  6. April Chang, W. J., & Chun Huang, T. (2005). The distinctive effects of earnings determinants across different job levels. The International Journal of Human Resource Management16(11), 2094-2112.
  7. Furnham, A., & Crump, J. (2015). Personality and management level: Traits that differentiate leadership levelsPsychology6(5), 549-559.
  8. Fallowfield, L., Jenkins, V., Farewell, V., & Solis-Trapala, I. (2003). Enduring impact of communication skills training: results of a 12-month follow-up. British journal of cancer89(8), 1445-1449.
  9. Shuman, L. J., Besterfield‐Sacre, M., & McGourty, J. (2005). The ABET “professional skills”—Can they be taught? Can they be assessed?. Journal of engineering education94(1), 41-55.

Texto basado en este artículo científico: Ramos-Pulido, S., Hernández-Gress, N., & Torres-Delgado, G. (2023, February). Analysis of soft skills and job level with data science: A case for graduates of a private university. In Informatics (Vol. 10, No. 1, p. 23). MDPI.

Autores

Sofía Ramos Pulido. Estudiante de Doctorado en Ciencias Computacionales en el Tecnológico de Monterrey campus Monterrey. 

Neil Hernández Gress. Profesor-investigador en la Escuela de Ingeniería y Ciencias, del Tec de Monterrey, en el Departamento de Ciencias Computacionales. Actualmente es director de Investigación en la Dirección de Operaciones de la Vicepresidencia de Investigación, del Tec. Entre sus líneas de investigación destacan la Toma de decisiones basadas en analítica y datos, y Sistemas y modelos de innovación. Es miembro del Sistema Nacional de Investigadores.

Notas recientes
Videos relacionados
Reproducir vídeo

¿Te gustó este contenido? ¡Compártelo!