Construcción y aplicación de un modelo inteligente impulsado por datos de múltiples fuentes para el análisis de la demanda industria-investigación en educación inteligente

Resumen

En el contexto del creciente desarrollo de la educación inteligente, resolver el desajuste estructural entre la formación de talento y las demandas de la industria se ha convertido en uno de los principales desafíos de la reforma de la educación superior. Este estudio propone un marco progresivo de tres fases, denominado "Adquisición de Datos-Modelado de Demanda-Resultados de Decisiones", para construir el modelo de análisis inteligente basado en datos de múltiples fuentes para la demanda de la industria y la investigación. Este modelo integra datos tripartitos de los ámbitos industrial, académico y de políticas para impulsar el cambio de paradigma en la toma de decisiones educativas, pasando de enfoques basados en la experiencia a enfoques basados en datos: 1) la extracción de perfiles de demanda de la industria mediante el modelado temático de textos de reclutamiento no estructurados para revelar marcos de competencias compuestos; 2) la identificación y el seguimiento de los focos y tendencias de la investigación académica mediante análisis bibliométricos y de coocurrencia de palabras clave; 3) la calibración dinámica de las ponderaciones del modelo mediante el análisis de documentos de políticas con base en orientaciones estratégicas. Aplicado a la disciplina de la inteligencia artificial como campo empírico, el modelo revela tres características específicas del dominio: 1) las demandas de la industria demuestran una integración tripartita de competencia técnica, aplicabilidad industrial y conciencia ética; 2) la investigación académica evoluciona desde los avances tecnológicos hasta la construcción de ciclos cerrados basada en escenarios, y posteriormente a la reconstrucción de valores socio éticos; 3) las prioridades políticas enfatizan la soberanía tecnológica y el desarrollo de escenarios verticales. Posteriormente, el modelo genera matrices de competencias jerárquicas e inventarios de conocimiento con prioridad dinámica para fundamentar la optimización curricular, acompañados de cuatro estrategias de desarrollo de talento basadas en la evidencia: 1) establecer un ecosistema educativo tripartito e integrado; 2) fortalecer los mecanismos de colaboración entre la industria, la academia y la investigación; 3) crear marcos adaptativos de renovación del conocimiento y gobernanza ética; 4) mejorar las capacidades de innovación interdisciplinarias basadas en escenarios. Este estudio amplía aún más los escenarios de aplicación del modelo, demostrando su considerable potencial para potenciar los ecosistemas educativos inteligentes y describe futuras líneas de investigación.