Estoy convencido que a los centros de formación profesional para el empleo les gustaría mejorar la probabilidad de éxito a la hora de recomendar a un alumno que ha finalizado un curso, o está a punto de finalizarlo, un segundo curso. Todos los que trabajamos en el sector de FPE somos conscientes del esfuerzo que implica la captación de alumnos, muchas veces invertimos recursos sin éxito. Creo que todos los que llevamos años en nuestro sector hemos intentado construir estrategias tendentes a que un alumno pase por diferentes fases formativas dentro de nuestro centro (itinerarios formativos), con la finalidad de que se forme en el mayor número de cursos y/o horas posibles.
Indistintamente de la línea de especialización que tenga tu centro, la captación de alumnado es una fase fundamental. Si la base de tu negocio es la formación programada, te preguntas ¿qué curso puedo recomendar este año a los alumnos del año pasado? Si trabajas la iniciativa de formación continua de oferta –en la que hay que invertir significativos recursos para la captación de alumnos, cuando te enfrentas a un alumno que ha finalizado el curso A , te haces la pregunta (o debieras hacértela) ¿qué curso le podría recomendar? Y si trabajas en la línea de formación ocupacional, si por ejemplo eres un orientador en una oficina de empleo, cuando se siente frente a ti un desempleado, seria muy positivo que viendo el histórico de cursos que ha realizado la persona que ha acudido a solicitarte información y/o formación, poder recomendarle uno que tenga probabilidades de terminar con éxito, y que esté alineado con las capacidades y aptitudes del solicitante.
La tecnología, combinada con nuestros recursos, puede sernos de gran utilidad para mejorar la rentabilidad y los esfuerzos de nuestros centros. Cuando realizamos una compra en Amazon o terminamos de ver una película en Netflix, aparece por algún sitio unz frase del tipo “a las personas que han comprado/han visto X les interesa Y”. ¿Cómo lo hacen? Estas empresas, utilizan los datos que van recopilando, para alimentar motores de recomendación, que utilizan algoritmos -algunos de ellos muy complejos- para poder recomendar un nuevo producto de una forma personalizada basándose en los inputs que estas personas han facilitado y así mejorar sus resultados y la experiencia del usuario.
Los centros de formación profesional para el empleo, también en nuestra medida y con nuestros medios, podemos aplicar mejoras sencillas aprovechando los recursos que ya tenemos. Recibimos muchos datos de nuestros alumnos, antes de la realización del curso, durante la realización del curso –si el curso es en modalidad de teleformación, la monitorización puede ser exhaustiva- y al finalizar el proceso de formación. Me pregunto ¿Algunos de estos datos nos podría servir para diseñar un motor de recomendación, que nos permita tener más éxito en nuestras acciones de marketing?
Este año, hemos estado trabajando en un motor para poder recomendar a los alumnos cursos que les puedan ser de interés. Cada año intentamos avanzar en distintas mejoras… ya comenté nuestras pequeñas investigaciones en Webminar, Weblab y Bots
Voy a proponeros un método sencillo, al alcance de la mayoría de los centros de formación profesional para el empleo, para que podáis recomendar de una forma personalizada y más exitosa a los alumnos que han finalizado el curso A, un nuevo curso dentro de vuestro catálogo de acciones formativas. El problema de recomendar se resume a contestar la siguiente pregunta ¿qué curso, de mi catálogo, tiene la mayor probabilidad de encajar con este alumno que ha finalizado el curso A? . Lo que necesito es tener una tabla en la que por un lado estén todos los cursos de mi catálogo y por otro lado, todos los alumnos que han finalizado dichos cursos. Para simplificar, imaginaros que en mi centro tengo tres cursos, el A de 50 horas que acaba de finalizar el alumno, el B de 40 horas y el C de 50 horas. Tengo que recomendar ¿el curso B o el curso C?
Índice de Jaccard ( IJ ): Recomendar un curso
Este algoritmo va a buscar que relaciones hay entre el curso A y el B y el curso A y el C, para poder recomendar al alumno el curso con más probabilidades de encajar en sus preferencias. Para eso voy a utilizar el Índice de Jaccard ( IJ ) o coeficiente de similitud Jaccard . ¡Advertencia! La fórmula aunque te va a parecer compleja es muy sencilla, ¡no te asustes! probablemente no te acuerdes de la teoría de conjuntos que estudiaste hace muchos años ni de los símbolos ∩ (intersección) y ∪ (unión)… ¡no dejes de leer! después de la fórmula viene una explicación muy sencilla.
El índice de Jaccard ( IJ ) o coeficiente de Jaccard ( IJ ) mide el grado de similitud entre dos conjuntos, sea cual sea el tipo de elementos.
La formulación es la siguiente:
J(A,B) = |A ∩ B| / |A ∪ B|, es decir, la cardinalidad de la intersección de ambos conjuntos dividida por la cardinalidad de su unión.
El índice de Jaccard ( IJ ), varía entre 0 y 1. Cero significa que A y B son completamente distintos mientras que un uno significa que A y B son idénticos. Para nosotros un índice de Jaccard ( IJ ) más alto, implica una mejor recomendación.
Ejemplo, realizo una búsqueda en la base de datos de mi centro, y obtengo los siguientes resultados:
| A | B | A ∩ B | A ∪ B |
|---|---|---|---|
| 90 | 50 | 20 | 120 |
| A | B | A ∩ C | A ∪ C |
| 90 | 100 | 40 | 150 |
En mi histórico, tengo 90 alumnos que ya han finalizado el curso A y 50 el curso B. Además tengo 20 alumnos que han realizado tanto el curso A como el curso B (A intersección B). Con un sencillo cálculo veo que tengo 120 alumnos que han realizado o el curso A o el curso B o ambos cursos (A unión B)
De la misma forma, en mi histórico, tengo 90 alumnos que ya han finalizado el curso A y 100 el curso C. Además tengo 40 alumnos que han realizado tanto el curso A como el curso C (A intersección C). Por lo que 150 alumnos han realizado o el curso A o el curso C o ambos cursos (A unión C)
Ahora puedo calcular el índice de Jaccard ( IJ ), que me va a servir para recomendar a nuestro alumno el curso B o el curso C.
IJ (A, B) = 20/120 = 0,17
IJ (A, C) = 40/150 = 0,27
Veo que el índice de Jaccard para un alumno que ha finalizado el curso A, es mayor en el curso C, luego deberé recomendar a este alumno que realice el curso C.
Si en lugar de dos cursos el B y C, tengo un catálogo más extenso, tendré que calcular todas las posibles combinaciones de A con el resto de cursos de mi catálogo.
Este algoritmo que os he planteado es sencillo, se puede ir complejizando cuanto queramos. En la realidad tenemos que tener en cuenta más factores, por ejemplo, si este alumno que ha finalizado el curso A, pertenece al plan estatal de oferta de comercio 2016… donde un alumno no puede hacer más de 90 horas, nuestra recomendación no podría ser el curso C, ya que la suma de horas de A más C excede a 90 horas… le tendríamos que recomendar el curso B.
Siempre estamos dispuestos a ayudar a los centros de formación profesional para el empleo, a ser más eficientes con los recursos que ellos tienen, por lo que nunca dudes en ponerte en contacto con nosotros ¡nos encanta colaborar!
Por último, pero no menos importante, me encantaría saber tu opinión, te atreves a compartir con nosotros ¿qué método utilizas en tu centro de formación profesional para el empleo para recomendar nuevos cursos a tus alumnos?
Si crees que le puede servir a más gente, ¿me ayudas a llegar a ellos compartiendo este post en tu Twitter, tu Facebook, tu Linkedin y/o a tus contactos por E-mail?
Comentarios recientes