DOI: https://doi.org/10.56712/latam.v7i1.5366
Educación superior y
transformación digital: contexto y empleabilidad en estudiantes
universitarios del Caribe y República Dominicana
Higher educat=
ion
and digital transformation: context and employability in university students
from the Caribbean and the Dominican Republic
Yreno Ant. Lapaix
Sosa
https://orcid.org/0009=
-0001-3981-2781
Universidad de Valencia
Santo Domingo – República Dominicana
Artículo recibido: 17 de octubre=
de
2025. Aceptado para publicación: 20 de febrero de 2026.
Conflictos de Interés: Ninguno que declarar.
Este estudio analiza la incidencia de factores contextuales
demográficos, socioeconómicos, educativos y tecnológic=
os
en la percepción de empleabilidad de estudiantes universitarios
dominicanos, desde u na perspectiva
interdisciplinaria que integra, la ciencia de la educación y la
sociología. Se explora cómo las condiciones estructurales
condicionan la percepción de oportunidades reales de inserción
laboral en el mercado. Se utilizó un diseño cuantitativo
transversal con una muestra de 1023 estudiantes de cuatro universidades
públicas. Se aplicó una encuesta en línea conformada p=
or
dos instrumentos validados: Cuestionario de Variables Contextuales (CVC-43) y Escala de Percepción de Empleabilida=
d (EAS-60). El análisis incluyó
estadística descriptiva, correlacional, regresión múlt=
iple
y análisis de conglomerados (K-Means). L=
os
resultados revelan que las variables contextuales tienen una influencia
mínima sobre la percepción de empleabilidad (R²=3D0,033),
no siendo predictores directos. Solo tres variables muestran efectos
significativos: edad (β=3D-0,107, p=3D0,003), ingresos familiares
(β=3D0,093, p=3D0,007) y horas de conexión a internet (β=
=3D0,078,
p=3D0,014). El análisis de clusters
identificó cuatro perfiles estudiantiles que se reagruparon en tres
grupos según percepción de empleabilidad: (1) Alta empleabili=
dad
(33,5%), (2) Baja empleabilidad (23,1%) y (3) Media empleabilidad (43,4%). =
Se
concluye que los factores contextuales no son predictores de la
percepción de empleabilidad en estudiantes universitarios dominicano=
s.
Sin embargo, se detectan diferencias significativas entre grupos, sugiriendo
que la digitalización educativa reconfigura las desigualdades
preexistentes. Se aporta evidencia empírica relevante, permitiendo
comprender comportamientos del estudiantado para la implementación de
políticas públicas y estrategias metodológicas.
Palabras clave: empleabilidad percibida, educación superior,
transformación digital, contexto socioeducativo, estudiantes
universitarios
Abstract
This study analyzes the impact of demographic, socioeconomic,
educational, and technological contextual factors on the employability
perceptions of Dominican university students, from an interdisciplinary
perspective integrating educational science and sociology. It explores how
structural conditions influence the perception of real job placement
opportunities. A cross-sectional quantitative design was used with a sample=
of
1,023 students from four public universities. An online survey was
administered, consisting of two validated instruments: the Contextual Varia=
bles
Questionnaire (CVC-43) and the Employability Perception Scale (EAS-60). The analysis included descriptive and
correlational statistics, multiple regression, and cluster analysis (K-Mean=
s).
The results reveal that contextual variables have a minimal influence on
employability perceptions (R²=3D0.033), an=
d are
not direct predictors. Only three variables showed significant effects: age=
(β
Keywords: perceived employability, higher education,
digital transformation, socio-educational context, university students
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
Todo el contenido de LATAM Revista Latinoamerica=
na
de Ciencias Sociales y Humanidades, publicado en este sitio está
disponibles bajo Licencia Creative Commons.=
C=
ómo
citar: L=
apaix
Sosa, Y. A. (2026). Educación superior y transformación digit=
al:
contexto y empleabilidad en estudiantes universitarios del Caribe y
República Dominicana. LATAM Revista Latinoamericana de Ciencias
Sociales y Humanidades 7 (1), 1590 – 1609. https://doi.org/10.56712/<=
span
class=3DSpellE>latam.v7i1.5366
INTRODUCCIÓN
La Cuarta Revolución Industrial,
caracterizada por la convergencia de tecnologías digitales,
biológicas y físicas, está transformando profundamente=
los
sistemas educativos a nivel global (Hilbert, 2010; CEPAL, 2022b).
En consecuencia, la transformación digital del aparato productivo
—acelerada por la automatización y la expansión de
herramientas basadas en inteligencia artificial— está redefini=
endo
perfiles ocupacionales, modos de trabajo y requisitos de cualificació=
;n.
La Organización para la Cooperación y el Desarrollo
Económico (OECD, 2025) plantea ante este
escenario que la educación superior enfrenta la exigencia de formar
profesionales con capacidades pertinentes para un mercado laboral digitaliz=
ado.
Sin embargo, dicha exigencia se despliega en sociedades condicionadas por l=
os
contextos sociales, económicos, educativos y tecnológicos en =
los
que se desarrollan las trayectorias formativas de los estudiantes.
Desde una perspectiva interdisciplinaria que
integra la ciencia de la educación y la sociología, es releva=
nte
reflexionar sobre las oportunidades provocadas por los cambios sociales
influidos por las estructuras existentes que configuran las oportunidades
reales de acceso al empleo. Se ponen de manifiesto interrogantes fundamenta=
les:
¿cuenta el estudiantado universitario con las condiciones estructura=
les
para el acceso a internet/dispositivos? ¿La digitalización es=
una
oportunidad para su empleabilidad? ¿Qué papel juegan las
universidades públicas en la garantía del derecho a la
educación en un contexto de creciente digitalización?
La evidencia sugiere que América Latina=
ha
avanzado en la mayoría de los indicadores básicos de desarrol=
lo
en las últimas tres décadas. En promedio, el crecimiento en el
ingreso y en algunas variables educativas y habitacionales ha sido má=
;s
intenso entre los estratos de menores ingresos. En contraste, en otras
dimensiones importantes, como educación superior, formalidad laboral,
participación laboral femenina, entre otros, los avances fueron
más lentos entre los más vulnerables (Gasparini & Bracco, 2023).
En ese mismo orden otros estudios sobre educación y desiguald=
ad
en América Latina la CEPAL plantean que el pleno acceso y uso de las=
TIC
se impone como un factor fundamental; mientras la brecha digital exacerba l=
as
brechas en aprendizajes, comunicación ampliada, redes sociales, acce=
so a
empleo productivo y voz pública, la convergencia digital ayuda
claramente a revertir estas brechas Trucco, Daniela (2014).
La digitalización de la educación
superior en América Latina y el Caribe (ALC)
ha experimentado un impulso significativo en los últimos años,
especialmente tras la pandemia de COVID-19. Según el informe de MetaRed (2023), la Estrategia Iberoamericana para la
Transformación Digital de la Educación Superior aprobada en 2=
023
establece un marco de referencia para los esfuerzos de digitalizació=
n en
la región, con especial énfasis en la capacitación dig=
ital
del profesorado.
El informe de HolonIQ
(2021), publicado por el Banco Interamericano de Desarrollo, documenta los
avances y desafíos de la transformación digital en la
educación superior en ALC, identificando
diferencias significativas entre países y entre instituciones
públicas y privadas. Durante la 20ª Asamblea de la Red de
Asociaciones Latinoamericanas y Caribeñas de Universidades Privadas =
(REALCUP) en Panamá, se aplicó una encue=
sta a
139 instituciones que evidenció la importancia creciente de la
educación digital para las universidades de la región
(Rincón-Flores, Portales-Derbez y Martínez-Cardiel, 2023).
Sin embargo, a pesar de los avances, persisten
brechas significativas en el acceso a la digitalización educativa. C=
omo
señalan Gasparini, Bracco y otros (2016;
2023), la distribución de los ingresos económicos es el princ=
ipal
factor que genera disparidades en el acceso digital. Los estudiantes de men=
ores
recursos enfrentan limitaciones para acceder a dispositivos digitales, cone=
ctividad
a internet de calidad y espacios adecuados para el estudio virtual. La
Comisión Económica para América Latina y el Caribe, CE=
PAL
(2024a) identifica la baja densidad poblacional=
, la
ruralidad y el aislamiento extremo como factores que dificultan la
provisión generalizada de internet en la región. Estas
desigualdades en el acceso digital perpetúan y profundizan las
desigualdades educativas preexistentes, generando el riesgo de una "br=
echa
digital de segunda generación" que afecta especialmente a los
jóvenes de estratos socioeconómicos bajos y de zonas rurales o
suburbanas.
Según Katz y otros (2024), aproximadame=
nte
el 40% de los puestos de trabajo en ALC
requerirán habilidades digitales avanzadas. El aprendizaje basado en=
la
automatización de tareas está impactando de forma diferenciada
según el nivel educativo, afectando especialmente a los trabajadores=
con
menor formación. En ese sentido, la educación superior tiene =
un
papel fundamental en la formación de profesionales capacitados para =
las
demandas del mercado laboral digitalizado.=
La Organización de Estados Iberoamericanos (2023) documenta q=
ue
el mercado de soluciones de inteligencia artificial (IA) para la
educación muestra un crecimiento acelerado, creando nuevas oportunid=
ades
de empleo en la economía digital y reduce la dependencia de empleos
informales, siempre que se garantice el acceso a la formación.
En contextos como la República Dominica=
na
y, en general, América Latina y el Caribe, la educación super=
ior
se enfrenta al desafío de formar profesionales capaces de insertarse=
en
un mercado laboral en transformación, al tiempo que lidia con tensio=
nes
en la experiencia del estudiantado universitario teniendo en cuenta sus
condiciones socioeconómicas, trayectorias educativas y acceso a
conectividad/dispositivos. Todo ello puede influir en cómo perciben =
sus
oportunidades de inserción laboral en el nuevo mercado digital.
El país ha avanzado en la
implementación de políticas de transformación digital,
incluyendo la aprobación de la Estrategia Nacional de Inteligencia
Artificial. Durante la XXVIII Cumbre Iberoamericana de =
Jefas
y Jefes de Estado y de Gobierno (marzo 2023), la República Dominican=
a se
posicionó como referente regional en la aprobación de la
Estrategia Iberoamericana para la Transformación Digital de la Educa=
ción
Superior; aun así, persisten desafíos significativos en
términos de infraestructura tecnológica, conectividad,
capacitación docente y acceso equitativo a recursos digitales.
Los estudiantes universitarios dominicanos
enfrentan diversos desafíos relacionados con factores contextuales
socioeconómicos, familiares y tecnológicos que podrían
influir en el acceso a la digitalización educativa y su empleabilidad
futura. Los datos acerca del
estudiantado universitario dominicano revelan una diversidad de situaciones:
una proporción significativa vive con sus padres o familiares, mient=
ras
que otro grupo asume responsabilidades de jefatura de hogar; muchos trabajan
mientras estudian, lo que limita su disponibilidad para actividades
académicas; y el acceso a dispositivos tecnológicos y
conectividad a internet presenta variaciones significativas según el
estrato socioeconómico.
Este artículo tiene como objetivo anali=
zar
la incidencia de los factores contextuales demográficos,
socioeconómicos, educativos-formativos y tecnológicos en la
percepción de empleabilidad de estudiantes universitarios de la
República Dominicana, desde una perspectiva sociológica de la
educación y en el contexto actual de sociedad digital. La estructura=
que
sigue es la siguiente, primero se presenta un marco teórico como
fundamento, seguido del método y procedimiento utilizado para la
recogida y análisis de datos, finalmente se presentan los resultados=
y
conclusiones.
METODOLOGÍA
Este estudio adopta un diseño cuantitat=
ivo,
no experimental y de corte transversal, basado en la aplicación de
encuestas conformada por 2 cuestionarios previamente diseñados,
adaptados y validados: (1) Cuestionario Variables Contextuales (CVC-43), (2) Escala de Percepción de empleabil=
idad (EAS-60). El objetivo de su aplicación es anali=
zar la
percepción de la empleabilidad en estudiantes universitarios y la
influencia de las variables del contexto socioeducativo. Desde una perspect=
iva
sociológica se pretende describir las condiciones socioeducativas en=
las
que se desarrollan las trayectorias formativas de los estudiantes, atendien=
do a
la heterogeneidad de contextos que caracteriza a los sistemas de
educación superior, específicamente, en la República
Dominicana.
Para la selección de la muestra se
tomó como base el universo total de estudiantes matriculados en
universidades públicas de la República Dominicana —que,
según el Ministerio de Educación Superior, Ciencia y
Tecnología (MESCyT, 2023), asciende a 216167 personas—, se
aplicó un muestreo estratificado proporcional combinado con muestreo
aleatorio simple dentro de cada estrato, garantizando la representatividad =
por
tipo de Institución de Educación Superior (IES). De este modo=
, la
muestra final quedó conformada por 1023 estudiantes de cuatro
instituciones de educación superior: Universidad Autónoma de
Santo Domingo (UASD), Universidad Tecnológica del Cibao Oriental (
El análisis de los datos se realiz&oacu=
te;
utilizando el software Statistical Package for the
Social Sciences (SPSS versión 28.0) y de
manera complementaria como apoyo para la elaboración de tablas y
gráficos se utilizó KORTIX (Avanced), herramienta de inteligencia artificial
diseñada para asistencia en investigación académica.
DESARROLLO
La sociología de la educación y =
la
tecnología
Desde una perspectiva sociológica, la
creación de nuevas tecnologías, la digitalización, la
automatización y la incorporación de las mismas a las industr=
ias
y sectores productivos, son cambios que no pueden interpretarse
únicamente como procesos tecnológicos neutros, sino como
transformaciones estructurales que inciden de manera diferenciada sobre los
grupos sociales, en función de sus condiciones de origen, trayectori=
as
educativas y acceso a recursos. Por otra parte, la educación superio=
r se
encuentra tensionada entre su función tradicional de
democratización del conocimiento y su creciente orientación h=
acia
la adaptación a un mercado laboral flexible, competitivo y altamente
segmentado en un marco neoliberal.
La sociología de la educación ha
mostrado de forma consistente que los resultados educativos y las trayector=
ias
formativas de los estudiantes están profundamente condicionados por
factores contextuales de carácter social, económico y cultura=
l.
Esta perspectiva cuenta con un cuerpo teórico robusto para analizar =
las
relaciones entre educación, tecnología y desigualdad social. =
En
este marco, las contribuciones de Pierre Bourdieu, y Manuel Castells result=
an
especialmente relevantes para comprender los efectos de la
digitalización en la educación superior. Estas teorías clásic=
as de
la reproducción social sostienen que el sistema educativo, lejos de
operar como un espacio neutral, tiende a reflejar y reproducir las
desigualdades sociales preexistentes, favoreciendo a aquellos estudiantes q=
ue
cuentan con mayores recursos económicos, culturales y simbóli=
cos.
Pierre Bourdieu desarrolló una
teoría influyente sobre la reproducción cultural y social a
través del sistema educativo. Según Bourdieu (1979; 1984), el
sistema escolar no es un mecanismo neutral de movilidad social, sino que
reproduce las desigualdades de origen, favoreciendo a quienes poseen mayor
capital cultural heredado de sus familias. El concepto de "capital
cultural" resulta especialmente pertinente para analizar la
digitalización educativa: los estudiantes de estratos
socioeconómicos altos, que crecieron en entornos digitalizados y
disponen de mayores recursos tecnológicos, podrían tener vent=
ajas
significativas en la adaptación a entornos virtuales de aprendizaje.=
El capital digital es una idea basada en la
conceptualización de Bourdieu, según Rag=
nedda
y Ruiu (2020). Este tipo de capital abarca los
atributos evidenciados por Bourdieu en su conceptualización sobre el
capital cultural, en términos de acumulación, conversió=
;n y
aprovechamiento. Estos autores argumentan que, en una sociedad articulada en
torno a las redes como Internet, el capital digital se convierte en un
componente clave para interpelar la estratificación social y la
desigualdad. El capital digital se compone del conjunto de habilidades y
aptitudes interiorizadas (competencias digitales), así como recursos
exteriorizados (dispositivos digitales) que pueden ser acumulados, pero
también reinvertidos productivamente y convertidos en otras formas de
capital. La perspectiva de Bourdieu –a pesar de no haber considerado =
los
medios tecnológicos como un objeto autónomo de estudio–
ofrece la oportunidad de investigar el rol del capital digital en la
comprensión de la desigualdad digital en la era digital.
En resumen, el capital digital (a) produce
beneficios sociales; (b) puede ser acumulado; (c) requiere de inversiones de
esfuerzo y tiempo; y (d) puede convertirse en otras formas de capital.
Además, deriva de la «acumulación histórica&raqu=
o;
de competencias (habilidades y actitudes interiorizadas) y dispositivos
digitales (recursos externos) que pueden ser transferidos o transformados en
otras formas de capital. Este proceso influye en la posición social =
y el
estatus social de los individuos, incidiendo en lo que Max Weber defini&oac=
ute;
como «oportunidades de vida» (Ragnedda
2017).
Manuel Castells (1996; 2000) desarrolló=
la
teoría de la "sociedad de la información", argument=
ando
que las transformaciones tecnológicas han generado una nueva estruct=
ura
social basada en redes de información y conocimiento. Según
Castells, el acceso a las redes digitales determina las oportunidades de
participación social, económica y política en la socie=
dad
contemporánea. Desde esa perspectiva también trata las
desigualdades sociales y los cambios en las relaciones económicas,
culturales y sociales de las últimas dos décadas en lo que
denomina la sociedad red, porque reproduce exclusiones, ya que hay un acceso
desigual a la información y las consecuentes brechas digitales.
En síntesis, el marco teórico de
este estudio se sustenta en la sociología de la educación y d=
el
cambio social, para analizar la empleabilidad como un fenómeno
socialmente condicionado, siendo coincidente con las teorías de Bour=
dieu
y Castells; estos modelos subrayan la naturaleza dinámica y relacion=
al
del fenómeno, alejándose de solo capacidades individualistas a
condiciones sociales y estructurales.
Desigualdades y educación superior neoliberal
El contexto socioeducativo del estudiantado
—entendido como el conjunto de condiciones demográficas,
socioeconómicas, educativas y tecnológicas que rodean al
individuo— desempeña un papel determinante en la
configuración de las oportunidades educativas y laborales. El acceso=
diferencial
a recursos materiales, a instituciones de mayor calidad y a entornos format=
ivos
más favorecidos se traduce en trayectorias educativas desiguales y en
expectativas diferenciadas respecto al futuro profesional. En la
educación superior, estas desigualdades se manifiestan no solo en el
acceso y la permanencia en los estudios universitarios, sino también=
en
la forma en que los estudiantes perciben sus posibilidades de inserci&oacut=
e;n
laboral. La percepción de empleabilidad, por tanto, puede ser interp=
retada
como un indicador subjetivo que refleja la internalización de las
oportunidades y limitaciones estructurales asociadas al contexto socioeduca=
tivo
de origen (Rothwell & Arnold, 2007; Van
En ese orden es importante subrayar que, Hillage y Pollard (1998)
desarrollaron un concepto integrador que concibe la empleabilidad como &quo=
t;la
capacidad de moverse de manera proactiva dentro del mercado laboral mediant=
e la
movilización de habilidades, competencias y activos personales"=
(p.
2). Estos autores distinguen cuatro componentes interrelacionados: (a) acti=
vos
humanos (conocimientos, destrezas y actitudes), (b) activos sociales y de
carrera (redes, reputación, capital social), (c) desarrollo de la
carrera (reflexión, planificación y toma de decisiones) y (d)
rentabilidad para el mercado (ajuste oferta-demanda). Se trata de una conceptualizaci&oa=
cute;n
muy compleja y de difícil descripción, sin embargo
existe una coincidencia entre autores y es que se trata de la valoraci&oacu=
te;n
de las potencialidades de una persona en el proceso de búsqueda de
empleo, en el que se integran componentes vinculados a las circunstancias
sociales que configuran el capital cultural y digital, desde la teorí=
;a Bourdiana.
La integración de la digitalizaci&oacut=
e;n
y la IA en la educación superior responde a la necesidad de adaptar =
los
sistemas educativos a las demandas de un mercado laboral en constante
transformación. Según la CEPAL (2024a),
la digitalización y las tecnologías emergentes tienen el
potencial de reducir la desigualdad y mejorar la inclusión, mediante
soluciones personalizadas y más eficientes en materia de salud y
educación, al mismo tiempo que pueden mejorar el acceso a los servic=
ios
básicos y crear oportunidades de empleo en sectores de la econom&iac=
ute;a
digital.
La UNESCO (2023) ha señalado que la
transformación digital constituye un mecanismo para acelerar la
recuperación del aprendizaje, mejorar la calidad de la educaci&oacut=
e;n
y llegar a las poblaciones excluidas. Sin embargo, los complejos contextos
estructurales de los países de América Latina y el Caribe (
La Sociología de la Educación ha
remarcado que la educación es un mecanismo de movilidad social,
explicando el vínculo de la rentabilidad de la inversión con
características estructurales del sistema educativo, como la "d=
oble
red" que presenta (pública y privada), como argumentan
Hernández i Dobon, Beltrán y Marr=
ero
(2009). Esta perspectiva permite cuestionar si la digitalización
educativa reproduce las desigualdades entre instituciones públicas y
privadas, o si, por el contrario, democratiza el acceso a recursos educativ=
os
de calidad.
Esta perspectiva resulta especialmente relevan=
te
para comprender si la mayor o menor competencia digital es un posible facto=
r de
inserción laboral, y si la "brecha digital" puede ser un
factor de exclusión laboral y social. Como señala la CEPAL (<=
span
class=3DSpellE>2024a), la digitalización facilita el acceso a
mercados globales, reduciendo la dependencia de sectores tradicionales y
promoviendo una diversificación económica necesaria para el
crecimiento sostenible. Sin embargo, este potencial democratizador solo se
materializa si se garantiza el acceso universal a la conectividad y las com=
petencias
digitales necesarias.
Es importante destacar la conceptualizaci&oacu=
te;n
de la educación superior o universidad neoliberal, en la que
según la teoría del capitalismo académico desarrollado=
por
Sheila Slaughter y Gary Rh=
oades
(2004), definen a la universidad neoliberal como una institución que=
ha
reorganizado integralmente sus funciones sustantivas —docencia,
investigación y extensión— bajo lógicas de merca=
do,
donde el conocimiento se convierte en un activo capitalizable sujeto a apro=
piación
privada, los estudiantes transitan de ser sujetos de formación a
convertirse en consumidores/clientes, y las instituciones compiten por recu=
rsos
externos (contratos corporativos, patentes, financiamiento competitivo)
mediante prácticas empresariales que incluyen la creación de
spin-offs, alianzas público-privadas y
comercialización de programas educativos (Olsse=
n
& Peters, 2005; Brunner et al., 2019).
En la obra colectiva "Neoliberalismo y
educación superior" coordinada por Katia Caballero y Javier
Mula-Falcón (2025) se analizan las tensiones existentes entre el mer=
cado
y el derecho a la educación en el contexto español. En ella
Villar-Aguilés y Sandra Obiol-Francés destacan cómo las transformacion=
es de
las universidades según la lógica neoliberal de producci&oacu=
te;n
de conocimiento impactan de manera desigual en mujeres y hombres. Sus
reflexiones son perfectamente aplicables al contexto latinoamericano, donde=
la
transición escuela-trabajo se ha vuelto más larga y precaria,
matizada por una desconexión estructural entre el currículo
universitario y las demandas de plataformas digitales globales. En este
sentido, Martínez-Morales et al. (2024) revelan que la
transformación digital puede aumentar la vulnerabilidad de ciertos
grupos sociales, por lo que la empleabilidad en contexto digital requiere a=
tención
a desigualdades.
Podríamos afirmar que la
digitalización educativa no tiene un efecto intrínseco ni
democratizador ni reproductor de desigualdades: su impacto depende de las
políticas públicas, las instituciones y las prácticas =
concretas
que se implementen.
Como señalan Villar-Aguilés
y Hernàndez i Dobon=
(2017), la transición universitaria y las trayectorias educativas
están mediadas por múltiples factores estructurales que
condicionan las oportunidades de los estudiantes. La digitalización
puede constituir una oportunidad más para la transformación
social si se implementa con criterios de equidad, inclusión y justic=
ia
social.
Empleabilidad como construcción social<= o:p>
Tradicionalmente, la empleabilidad ha sido
abordada desde enfoques centrados en el individuo, enfatizando la
adquisición de competencias, habilidades y actitudes que facilitan el
acceso al empleo. No obstante, desde una mirada sociológica, se puede
inferir que la empleabilidad no puede reducirse a un conjunto de atributos =
personales,
sino que debe entenderse como una construcción social situada, resul=
tado
de la interacción entre las características individuales y las
condiciones estructurales del mercado de trabajo y del sistema educativo
(Álvarez et al., 2004; Rentería, 2001, 2006; Rodríguez,
2010)
La percepción de empleabilidad adquiere
especial relevancia en contextos de transformación digital, en los q=
ue
la incertidumbre laboral y la volatilidad de los empleos afectan de manera
particular a los jóvenes universitarios y a los nuevos egresados. En
este escenario, la percepción que los estudiantes construyen sobre s=
us
posibilidades de inserción laboral está mediada por su
posición social, por la calidad y pertinencia de su formación=
, y
por el acceso a recursos tecnológicos que facilitan la adaptaci&oacu=
te;n
a un mercado laboral en constante cambio.
Así, la empleabilidad percibida puede
interpretarse como un mecanismo a través del cual se expresan y
reproducen las desigualdades sociales, funcionando como un nuevo marcador de
estratificación en sociedades cada vez más digitalizadas. Lej=
os
de constituir un fenómeno exclusivamente psicológico, la
empleabilidad refleja las oportunidades reales que los individuos visualiza=
n a
partir de su experiencia educativa y de su contexto soc=
ial (Bernt=
son
& Marklund, 2007; Nauta et al., 2009; Van <=
span
class=3DSpellE>der Heijde, 2014; Ayala &=
amp;
Manzano, 2021).
RESULTADOS
Descripción de la población de
estudio
Los participantes fueron 1023 estudiantes de
educación superior de cuatro universidades públicas; el prome=
dio
de edad del grupo es de 27,74 años. En cuanto a la zona de proce=
dencia
o lugar de nacimiento, 484 personas (47,31%) declaran ser o haber nacido en=
la
zona rural (paraje, distrito, municipio), 137 personas (13,39%) de la zona
suburbana (sector periférico a la ciudad) y de la zona urbana declar=
an
ser 402 personas (39,30%). En cuanto a la residencia actual, en la zona rur=
al
declaran residir 445 personas (43,50%), en la zona suburbana (sector
periférico a la ciudad) 194 personas (18,96%) y en la zona urbana 384
personas (37,54%). De estas 6=
70
personas (65,43%) dicen estar solteros, 215 (21,0%) en unión libre, =
122
(11,91%) casados y 15 personas (1,46%) divorciados, solo una persona (1,0%)
viuda.
En relación al contexto educativo, la
modalidad presencial domina claramente (69,9%), pero existe un 28,6% en
modalidades alternativas: Semipresencial: 16,3%, Virtual: 12,3%, Mixta: 1,5=
%.
Los participaron de una diversidad de más de 20 carreras diferentes,=
con
enfermería (14,8%), educación inicial (9,6%) y odontolog&iacu=
te;a
(7,3%) como las más representadas; el 65,4% estudia carreras de 4
años, el 17,9% de 5 años, y un 15,2% de 2 años (carrer=
as
técnicas superior); el 42,62% de estudiantes (436) llevan de 1 a 2
años estudiando, un 28,84% de estudiantes (295) llevan de 2 a 3
años, 28,54% (292) estudiantes tienen más de 4 años en=
sus
carreras; el 93,10% (952) estudiantes expresan estudiar por vocación=
o
desarrollo profesional y personal, 6,90% (71) dicen estudiar por prestigio,
obtención de título, presión familiar o entretenimient=
o.
El 76,7% de los estudiantes cuenta con al menos una formación
técnica anterior; el 55,2% dedica entre 6 y 10 horas a la semana a
estudios fuera de aula, el 31,7% dedica entre 5 y 2 horas, el 13,1% dedica 1
hora o menos. Solo 22,5% tiene vehículo propio, indicando que la may=
oría
de estudiantes (77,5%) no tiene acceso a transporte privado.
En cuanto al contexto socioeconómico del
estudiantado 56,2% reporta situación "Algo favorecida y
favorecida”, 40,1% está en situación desfavorecida o muy
desfavorecida, solo 3,7% reporta situación "Muy favorecida"=
;.
El 63,4% está en situación de subsistencia, pobreza o muy pob=
re,
28,9% se encuentra por encima de la media y un 7,7% está en
situación próspera o rica. El 23,0% de las familias reciben
subsidios, 45,9% de las familias dice necesita subsidios, pero no lo recibe=
, el
15,7% dice no recibe y no lo necesita y el 15,8% dice no saber.
El contexto tecnológico y de conectivid=
ad
evidencia que: 82,7% de los estudiantes tiene acceso a celular inteligente,
51,1% tiene laptop o computadora, 24,7% tiene Tablet; 97,2% tiene alg&uacut=
e;n
tipo de acceso a internet; 56,7% utiliza múltiples fuentes de acceso=
a
internet, 24,3% tiene internet fijo en casa, 14,1% tiene internet prepago, =
2,8%
reportan no tener acceso a internet. El 38,5% dice estar conectado má=
;s
de 9 horas al día, 13,0% se conecta entre 6 y 8 horas, 32,1% se cone=
cta
entre 3 y 5 horas y un 16,4% se conecta menos de 2 horas al día.
Relaciones entre variables
Para realizar este estudio se realizaron numer=
osos
análisis diferenciales de las relaciones entre variables del contexto
demográfico, educativo, socioeconómico, tecnológico y
conectividad; con la percepción de empleabilidad del estudiantado
participante como muestra representativa, se presentan los resultados
más relevantes:
Las variables numéricas presentan
correlaciones muy débiles con la empleabilidad. Solo tres variables
muestran correlaciones estadísticamente significativas: Edad (r =3D
-,087), Cursos técnicos (r =3D ,080) y Horas de internet (r =3D ,099=
). Sin
embargo, todas las correlaciones son inferiores a ,10, indicando una
asociación mínima entre las características
demográficas, educativas y tecnológicas de los estudiantes y =
su
percepción de empleabilidad.
Tabla 1
Correlaciones - Variables Numéricas vs
Empleabilidad
|
Variable |
Contexto |
n |
M |
DT |
r |
R² |
p |
Sig. |
Fuerza |
|
Edad
(años) |
Demográfico |
1023 |
27,74 |
8,14 |
-0,087 |
0,008 |
0,0052 |
** |
Muy débil |
|
Años
estudiando carrera |
Educativo |
1023 |
3,90 |
0,91 |
0,023 |
0,001 |
0,4706 |
ns |
Muy débil |
|
Cursos
técnicos realizados |
Educativo |
1023 |
2,80 |
3,23 |
0,080 |
0,006 |
0,0105 |
* |
Muy débil |
|
Horas
semanales de estudio |
Educativo |
1022 |
9,51 |
11,26 |
0,060 |
0,004 |
0,0539 |
ns |
Muy débil |
|
Personas
en la vivienda |
Socioeconómico |
1023 |
3,85 |
1,56 |
0,047 |
0,002 |
0,1356 |
ns |
Muy débil |
|
Horas
diarias de internet |
Tecnológico |
1018 |
10,48 |
10,05 |
0,099 |
0,010 |
0,0016 |
** |
Muy débil |
Nota metodológica: N =3D 1023
estudiantes universitarios. Variable Dependiente: Percepción de
Empleabilidad (M =3D 3,02, DT =3D 0,95). Variab=
les
Numéricas: Correlación de Pearson (r). Variables
Categóricas: ANOVA (F, η²).
Significancia: *p < ,05, **p < ,01, ***p < ,001, ns
=3D no significativo. Tamaño del efecto (r): Muy débil (< =
,20),
Débil (,20-,39), Moderada (,40-,69), Fuerte (,70-1,00). Tamaño
del efecto (η²): Muy débil (&l=
t;
,01), Débil (,01-,05), Moderada (,06-,13), Fuerte (,14-1,00).
Fuente: elaboración propia.
Solo tres variables categóricas muestran
diferencias estadísticamente significativas: Sexo (p =3D ,033), Zona=
de
procedencia (p =3D ,043) y Tipo de vivienda (p =3D ,019). Aunque significat=
ivas,
los tamaños del efecto son muy pequeños (η²
< ,05), indicando que estas variables tienen una influencia mínima
sobre la percepción de empleabilidad.
Tabla 2
Asociaciones - Variables Categóricas vs
Empleabilidad (ANOVA)
|
Variable |
Contexto |
n |
F |
η² |
p |
Sig. |
Fuerza |
|
Sexo |
Demográfico |
1023 |
4,575 |
0,005 |
0,033 |
* |
Muy débil |
|
Zona
de procedencia |
Demográfico |
1023 |
1,504 |
0,043 |
0,043 |
* |
Débil |
|
Estado
civil |
Demográfico |
1023 |
0,803 |
0,002 |
0,492 |
ns |
Muy débil |
|
Modalidad
de estudio |
Educativo |
1023 |
2,936 |
0,006 |
0,054 |
ns |
Muy débil |
|
Becas
recibidas |
Educativo |
1023 |
1,200 |
0,013 |
0,282 |
ns |
Muy débil |
|
Fuente
de ingresos |
Socioeconómico |
1023 |
1,223 |
0,003 |
0,299 |
ns |
Muy débil |
|
Ingresos
mensuales |
Socioeconómico |
1023 |
1,891 |
0,008 |
0,112 |
ns |
Muy débil |
|
Tipo
de vivienda |
Socioeconómico |
1023 |
2,965 |
0,012 |
0,019 |
* |
Muy débil |
|
Acceso
a internet |
Tecnológico |
1023 |
0,893 |
0,001 |
0,444 |
ns |
Muy débil |
Fuente: elaboración propia.
El modelo de regresión múltiple =
es
estadísticamente significativo (F =3D 3,788, p < ,001), lo que in=
dica
que el conjunto de variables predictoras tiene una relación lineal
significativa con la percepción de empleabilidad. Sin embargo, el
Tabla 3
Estadísticos del Modelo
|
Estadístico |
Valor |
Interpretación |
|
R
(Correlación múltiple) |
0,181 |
Correlación
muy débil |
|
R² (Coeficiente de determinación) |
0,033 |
3,3%
de varianza explicada |
|
R² Ajustado |
0,024 |
2,4%
de varianza explicada (corregido) |
|
Error
estándar de estimación |
0,939 |
Desviación
típica de los residuos |
|
F
de Fisher |
3,788 |
Estadístico
de contraste global |
|
gl1 (grados de libertad modelo) |
9,0 |
Número
de predictores |
|
gl2 (grados de libertad residuo) |
1,003 |
N
- predictores - 1 |
|
p
de Fisher |
0,000103 |
Sig,
p < ,001 *** |
Nota: Característica del anális=
is:
N (casos válidos): 1013 estudiantes universitarios; Variables
predictoras: 9 (Edad, Sexo, Zona, Estado Civil, Años de Carrera, Hor=
as
de Estudio, Personas en Vivienda, Ingresos, Horas de Internet); Variable
dependiente: Percepción de Empleabilidad (M =3D 3,02, DT
=3D 0,95); Método de entrada: Enter (tod=
os los
predictores simultáneamente).
Fuente: elaboración propia.
La edad es un predictor negativo, Edad (β=
=3D
-0,107, p =3D ,003), por cada año adicional de edad, la percepci&oac=
ute;n
de empleabilidad disminuye en 0,013 puntos en la escala de empleabilidad. L=
os
estudiantes más jóvenes tienden a percibirse como más =
empleables
que los estudiantes de mayor edad. Los ingresos familiares son un predictor
positivo (β =3D 0,093, p =3D ,007), los estudiantes con mayores ingres=
os
familiares tienden a reportar mayor percepción de empleabilidad. Por
cada nivel de ingresos adicional, la empleabilidad percibida aumenta en 0,0=
52
puntos. También el tiempo de conexión a internet es un predic=
tor
positivo (β =3D 0,078, p =3D ,014), los estudiantes que pasan má=
;s horas
conectados a internet reportan mayor percepción de empleabilidad. Por
cada hora adicional de conexión, la empleabilidad percibida aumenta =
en
0,007 puntos.
Tabla 4
Coeficientes no estandarizados (B) <>[-0,001, 0,009]
|
Predictor |
β (Beta) |
t |
p |
Interpretación |
|
Edad |
-0,107 |
-3,005 |
0,003 |
Mayor predictor negativo |
|
Sexo (Hombre=3D1) |
0,048 |
1,495 |
0,135 |
No significativo |
|
Zona Urbana |
0,017 |
0,531 |
0,596 |
No significativo |
|
Estado en Pareja |
0,005 |
0,156 |
0,876 |
No significativo |
|
Años de Carrera |
0,010 |
0,311 |
0,756 |
No significativo |
|
Horas de Estudio |
0,046 |
1,472 |
0,141 |
No significativo |
|
Personas en Vivienda |
0,054 |
1,725 |
0,085 |
No significativo |
|
Ingresos |
0,093 |
2,727 |
0,007 |
Segundo predictor positivo |
|
Horas de Internet |
0,078 |
2,472 |
0,014 |
Tercer predictor positivo |
Nota: *p < ,05, **p < ,01, ***p < ,=
001,
ns =3D no significativo. B =3D Coeficiente no
estandarizado, EE =3D Error Estándar.
Fuente: elaboración propia.
Un último análisis se realiz&oac=
ute;
por cluster, identificando perfiles homog&eacut=
e;neos
de estudiantes según características en términos de
contexto sociodemográfico, educativo y percepción de
empleabilidad, según el método K-Means.
Se incluyen las variables Empleabilidad, Edad, Años de carrera, Hora=
s de
estudio, Personas en vivienda, Horas de internet, Sexo, Zona, Estado civil,=
Ingresos.
Tabla 5
Distribución de Cl=
usters
|
Cluster |
N |
Porcentaje |
Perfil Principal |
|
Cluster 1 |
173 |
17,1% |
Hombres jóvenes, solteros |
|
Cluster 2 |
234 |
23,1% |
Mujeres adultas, en pareja |
|
Cluster 3 |
440 |
43,4% |
Mujeres jóvenes, solteras |
|
Cluster 4 |
166 |
16,4% |
Adultos profesionales |
Fuente: elaboración propia.
Este grupo está compuesto exclusivamente
por hombres jóvenes, solteros, con alta conectividad digital pero ba=
jos
ingresos familiares. Reportan la mayor empleabilidad percibida (M=3D3,14), =
posiblemente
debido a mayor confianza y menores responsabilidades familiares.
Tabla 6
Clusters=
1. Estudiantes
hombres jóvenes solteros
|
Variable |
Media |
DT |
Característica |
|
N (casos) |
173 |
- |
100% hombres |
|
Empleabilidad |
3,14 |
0,99 |
Media-alta |
|
Edad |
23,9 años |
5,3 |
Muy jóvenes |
|
Años de carrera |
3,71 |
0,98 |
Intermedios |
|
Horas estudio/semana |
9,8 |
9,6 |
Moderadas |
|
Horas internet/día |
11,7 |
9,3 |
Alta conectividad |
|
Ingresos familiares |
1,65/6 |
1,02 |
Bajos |
|
Zona urbana |
59,5% |
- |
Mayormente urbana |
|
Estado civil (en pareja) |
8,1% |
- |
Solteros |
Fuente: elaboración propia.
Este perfil agrupa principalmente a mujeres
adultas que estudian mientras mantienen una relación de pareja. Repo=
rtan
la empleabilidad más baja (M=3D2,87), posiblemente debido a la doble
responsabilidad académica y familiar. Requieren apoyo específ=
ico
para equilibrar sus estudios con sus responsabilidades personales.
Tabla 7
Clusters=
2. Mujeres adu=
ltas
en parejas
| Variable |
Media |
DT |
Característica |
|
N (casos) |
234 |
- |
97% mujeres |
|
Empleabilidad |
2,87 |
0,95 |
Media-baja |
|
Edad |
30,7 años |
7,5 |
Adultas |
|
Años de carrera |
3,74 |
0,90 |
Intermedios |
|
Horas estudio/semana |
9,6 |
10,3 |
Moderadas |
|
Horas internet/día |
10,0 |
9,5 |
Moderadas |
|
Ingresos familiares |
1,44/6 |
0,82 |
Bajos |
|
Zona urbana |
44,4% |
- |
Mixta |
|
Estado civil (en pareja) |
99,6% |
- |
Casi todas en pareja |
Fuente: elaboración propia.
Este es el grupo más numeroso (casi la
mitad de la muestra). Son mujeres jóvenes, solteras, en etapas avanz=
adas
de su carrera. Reportan empleabilidad media (M=3D2,99). Son un grupo de rie=
sgo potencial
debido a sus bajos ingresos familiares y menor tiempo de estudio. Requieren
programas de apoyo académico y financiero.
Tabla 8
Clusters=
3. Mujeres
jóvenes estudiantes
| Variable |
Media |
DT |
Característica |
|
N (casos) |
440 |
- |
100% mujeres |
|
Empleabilidad |
2,99 |
0,91 |
Media |
|
Edad |
24,9 años |
6,0 |
Jóvenes |
|
Años de carrera |
3,98 |
0,88 |
Más avanzados |
|
Horas estudio/semana |
8,9 |
8,9 |
Moderadas-bajas |
|
Horas internet/día |
10,3 |
9,6 |
Moderadas |
|
Ingresos familiares |
1,39/6 |
0,74 |
Muy bajos |
|
Zona urbana |
49,3% |
- |
Mixta |
|
Estado civil (en pareja) |
0,0% |
- |
Solteras |
Este grupo representa estudiantes adultos con
altos ingresos familiares (el nivel más alto de todos los clusters). Probablemente trabajan mientras estudian.
Reportan la mayor empleabilidad percibida (M=3D3,14) junto con el Perfil 1.=
Su
mayor edad y experiencia vital pueden contribuir a una mayor percepci&oacut=
e;n
de sus competencias para el empleo.
Tabla 9
Clusters=
4. Adultos
|
Variable |
Media |
DT |
Característica |
|
N
(casos) |
166 |
- |
58%
mujeres, 42% hombres |
|
Empleabilidad |
3,14 |
0,99 |
Media-alta |
|
Edad |
35,0 años |
7,8 |
Adultos |
|
Años
de carrera |
4,11 |
0,96 |
Muy
avanzados |
|
Horas
estudio/semana |
10,6 |
10,5 |
Altas |
|
Horas
internet/día |
10,4 |
9,8 |
Moderadas |
|
Ingresos
familiares |
5,35/6 |
1,07 |
MUY
ALTOS |
|
Zona
urbana |
67,5% |
- |
Mayormente
urbana |
|
Estado
civil (en pareja) |
62,7% |
- |
Mixta |
Fuente: elaboración propia.
Tabla 10
Comparación de perfiles por empleabilid=
ad
|
Cluster |
N |
% |
Empleabilidad |
Edad |
Horas Estudio |
Horas Internet |
Ingresos |
|
=
Cluster=
4 |
166 |
16,4% |
3,14 |
35,0 |
10,6 |
10,4 |
5,35 |
|
=
Cluster=
1 |
173 |
17,1% |
3,14 |
23,9 |
9,8 |
11,7 |
1,65 |
|
Cluster 3 |
440 |
43,4% |
2,99 |
24,9 |
8,9 |
10,3 |
1,39 |
|
Cluster 2 |
234 |
23,1% |
2,87 |
30,7 |
9,6 |
10,0 |
1,44 |
Fuente: elaboración propia.
DISCUSIÓN
Este estudio analiza la incidencia de factores
contextuales demográficos, socioeconómicos, educativos y
tecnológicos en la percepción de empleabilidad de estudiantes
universitarios dominicanos en el contexto de la transformación digit=
al
desde una perspectiva sociológica de la educación.
Los resultados evidencian que en el contexto
demográfico de los estudiantes se observan diferencias significativas
según el sexo (p =3D ,033) y la zona de procedencia (p =3D ,043). Los
hombres reportan ligeramente mayor percepción de empleabilidad (M =3D
3,13) que las mujeres (M =3D 2,98). Respecto a la zona, los estudiantes urb=
anos
tienden a reportar valores ligeramente superiores. La edad presenta una
correlación negativa muy débil (r =3D -,087), sugiriendo que =
los
estudiantes mayores tienen marginalmente menor percepción de
empleabilidad. Estos factores tienen una influencia mínima sobre la
percepción de empleabilidad; esta conclusión es coherente con
evidencia en poblaciones argentinas que se detecta ventaja masculina (Staudt & Heredia, 2021), en poblaciones del Per&u=
acute;
también se destaca inclinación estadísticas hacia los
hombres en el acceso a oportunidad de empleo (Oblitas & Plaza, 2020),
estudios en población española sugiere que las diferencias re=
ales
de empleo aparecen principalmente en el seguimiento a 4-5 años, no
inmediatamente (Pérez, Aldás, Aragón & Zaera, 2023). La evidencia indica que el géner=
o y la
procedencia urbana actúan como variables de contexto, aunque su impa=
cto
real sobre la percepción de empleabilidad es limitado.
Las variables analizadas del contexto educativ=
o;
años estudiando la carrera, horas semanales de estudios, cursos
técnicos realizados, modalidad de estudios y becas recibidas, no
muestran asociación significativa con la empleabilidad (todas p >
,05). Los cursos técnicos presentan una correlación positiva =
muy
débil (r=3D,080, p=3D,010). Las horas de estudio semanales muestran =
una
tendencia positiva marginal (r=3D,060, p =3D ,054). Estas variables no infl=
uyen en
cómo los estudiantes dominicanos perciben sus competencias para el
empleo. Estos resultados coinciden con hallazgos de Izquierdo Rus &
Farías Gramegna (2018), en poblaci&oacut=
e;n
española, en su estudio sobre empleabilidad y expectativa de logro,
encontraron que la relación entre formación académica y
empleabilidad percibida es compleja y no siempre significativa.
En el contexto socioeconómico, solo el =
tipo
de vivienda muestra diferencias significativas (p =3D ,019). Los ingresos
mensuales y la fuente de ingresos no presentan asociaciones significativas =
(p
> ,05). El número de personas en la vivienda tampoco correlaciona=
con
la percepción de empleabilidad (r =3D ,047, p =3D ,136). Los indicad=
ores
socioeconómicos tradicionales tienen una influencia mínima so=
bre
la percepción de empleabilidad. El hecho de que el tipo de vivienda =
sea
significativo, pero con un efecto muy pequeño (=
η²
=3D ,012) indica que las condiciones materiales de vida no son determinante=
s de
cómo los estudiantes perciben sus posibilidades laborales. Otros
estudios realizados en Ecuador revelan las condiciones socioeconómic=
as
como predictores de deserción, no así de empleabilidad (Orell=
ana
Correa, Ayala Macias & Vega Granda, 2024). Los resultados del estudio
"Efecto de los rasgos de personalidad y la demografía en la
situación laboral de los estudiantes latinoamericanos" (2023)
realizado con 758 estudiantes universitarios de Latinoamérica
encontró que el origen socioeconómico y rural influencian la
empleabilidad, especialmente en campos STEM don=
de los
estudiantes de bajos ingresos y zonas rurales están menos representa=
dos.
En el contexto tecnológico, las horas
diarias de internet muestran una correlación positiva muy déb=
il
pero significativa (r =3D ,099, p =3D ,002). El acceso a dispositivos e int=
ernet no
presenta diferencias significativas entre grupos (p =3D ,444). La
exposición a la tecnología (medida por horas de conexió=
;n a
internet) tiene una asociación mínima pero positiva con la
percepción de empleabilidad. Los estudiantes con mayor conectividad
digital tienden a percibirse ligeramente más empleables, posiblemente
debido a mayor exposición a información sobre el mercado labo=
ral
y desarrollo de competencias digitales. Estos resultados son coincidentes c=
on
estudios realizados en el Perú por Chávez Plasencia, RA (2025=
),
quien afirma que las competencias digitales influyen positivamente en la
educación superior y en la empleabilidad de los egresados.
Analizando las variables predictoras, encontra=
mos
que la Edad (β =3D -0,107, p =3D ,003) es un predictor negativo. Por c=
ada
año adicional de edad, la percepción de empleabilidad disminu=
ye
en 0,013 puntos en la escala de empleabilidad. Los estudiantes más
jóvenes tienden a percibirse como más empleables que los
estudiantes de mayor edad. Esto podría deberse a mayores expectativas
laborales entre los jóvenes o a mayor exposición a las din&aa=
cute;micas
del mercado laboral actual que los estudiantes mayores. Estudios en poblaci=
ones
españolas también afirman que la edad es un predictor de
empleabilidad, mostrando que los más jóvenes tienen ventajas
significativas en el mercado laboral (Pérez et al., 2024).
Los ingresos familiares (β =3D 0,093, p =
=3D ,007)
constituyen un predictor positivo; los estudiantes con mayores ingresos
familiares tienden a reportar mayor percepción de empleabilidad. Por
cada nivel de ingresos adicional, la empleabilidad percibida aumenta en 0,0=
52
puntos. El contexto socioeconómico, aunque con un efecto peque&ntild=
e;o,
es un predictor significativo de la empleabilidad percibida. De igual forma,
las horas de conexión a internet (β =3D 0,078, p =3D ,014) repr=
esentan
otro predictor positivo; los estudiantes que pasan más horas conecta=
dos
a internet reportan mayor percepción de empleabilidad. Por cada hora
adicional de conexión, la empleabilidad percibida aumenta en 0,007
puntos. Este hallazgo sugiere que la exposición digital puede contri=
buir
al desarrollo de competencias digitales y acceso a información sobre=
el
mercado laboral.
El análisis de clu=
sters
identificó grupos homogéneos de estudiantes según
características, conformándose cuatro cl=
usters:
Hombres jóvenes, solteros; Mujeres adultas, en pareja; Mujeres
jóvenes, solteras y Adultos profesionales. Luego de un anális=
is
comparativo entre estos, se identifican tres perfiles diferenciados de
estudiantes universitarios dominicanos: (1) Perfil de alta empleabilidad
(33,5%) combinación de hombres jóvenes (=
cluster
1) y adultos profesionales (cluster 4); (2) Per=
fil de
riesgo (23,1%) mujeres adultas en pareja, con la empleabilidad más b=
aja
(Cluster 2) y (3) Perfil mayoritario (43,4%) mu=
jeres
jóvenes solteras con empleabilidad media (Clust=
er
3).
En relación a la edad y el sexo, los
resultados se contradicen con publicaciones de CEPAL (2022, 2024) que muest=
ran
que la brecha de participación se amplía en mujeres adultas en
pareja de 25-35 años (31,0% ninis vs. 4,0% varones), convirtiendo la
edad en un predictor fuerte solo para ese subgrupo.
Los resultados de esta investigación
aportan evidencia empírica sobre la relación entre las variab=
les
de contexto (demográfico, educativo, socioeconómico y
tecnológico) y la percepción de empleabilidad de los estudian=
tes
dominicanos. Estos factores contextuales tienen una influencia MÍNIMA
sobre la percepción de empleabilidad de los estudiantes universitari=
os
dominicanos. A pesar de que se detectan diferencias estadísticamente
significativas entre grupos, la magnitud de éstas es práctica=
mente
irrelevante desde el punto de vista práctico; sólo 3 de 9
variables contextuales tienen un efecto mínimo sobre la
percepción de empleabilidad.
Es importante reconocer que estos hallazgos
están condicionados por la definición operacional de
empleabilidad aplicada en el instrumento (EAS-6=
0),
que enfatiza dimensiones psicológicas y motivacionales. Existen otros
planteamientos sobre el constructo empleabilidad que privilegian el peso de
factores contextuales (Llinares, Zacarés=
y Córdona, 2016), tales como las oportunidades r=
eales
del mercado laboral, las desigualdades estructurales y las coyunturas
socioeconómicas. Desde esta perspectiva, la empleabilidad no puede
reducirse a atributos individuales, sino que debe entenderse como resultado=
de
la interacción entre competencias personales y condiciones sociales y
estructurales tanto del mercado de trabajo como del individuo.
La empleabilidad como constructo
psicológico, aunque útil para ciertos propósitos
analíticos, resulta insuficiente desde la sociología de la
educación para comprender integralmente los procesos de
transición entre formación y empleo e inserción labora=
l.
De hecho, otros estudios citados en este trabajo sí documentan un ma=
yor
peso de los factores socioeconómicos y estructurales en la empleabil=
idad,
particularmente en poblaciones vulnerables y contextos de desigualdad; Marhuenda Fluixá, =
F. &
Martínez Morales, I. (2019) demuestran empíricamente que los
factores estructurales son determinantes, lo que fundamenta la necesidad de
ampliar la perspectiva de estudio más allá de lo psicol&oacut=
e;gico.
Los hallazgos invitan a futuras investigaciones que combinan enfoqu=
es
cuantitativos y cualitativos, incluyendo perspectivas estructurales que
incorporen análisis de oportunidades, desigualdades de género,
clase y territorio, así como las dinámicas del mercado
laboral. La aproximació=
;n
exclusivamente psicológica al constructo de empleabilidad presenta
limitaciones significativas para la comprensión integral de los proc=
esos
de transición entre formación y empleo en contextos de
desigualdad estructural. Estas investigaciones permitirían una
comprensión más completa de cómo los estudiantes
universitarios dominicanos y latinoamericanos perciben la empleabilidad y la
transición hacia el mercado laboral en contextos de
transformación digital y desigualdad estructural, aportando evidencia
para la formulación de políticas públicas que aborden
tanto dimensiones individuales como estructurales de la empleabilidad.
CONCLUSIÓN
Los resultados revelan que, aunque se detectan
diferencias estadísticamente significativas entre grupos según
variables demográficas (sexo y zona de procedencia), educativas (cur=
sos
técnicos y horas de estudio), socioeconómicas (tipo de vivien=
da)
y tecnológicas (horas de conexión a internet), la magnitud de
estas diferencias es prácticamente irrelevante desde el punto de vis=
ta
práctico. Solo tres variables contextuales presentan efectos
mínimos sobre la percepción de empleabilidad: edad (β =3D
-0,107, p =3D ,003), ingresos familiares (β =3D 0,093, p =3D ,007) e h=
oras de
conexión a internet (β =3D 0,078, p =3D ,014). El análisis de clusters identificó tres perfiles diferenciado=
s de
estudiantes universitarios dominicanos, basados en la percepción de
empleabilidad: <=
/span>(1)
Perfil de alta empleabilidad (33,5%), (2) Perfil de riesgo (23,1%) y (3) Pe=
rfil
mayoritario (43,4%). Estos perfiles revelan heterogeneidad en la
población estudiantil, con particular diferencias estructurales y
sociales.
La relevancia de este estudio trasciende el
contexto nacional dominicano para posicionarse como un aporte significativo=
a
la comprensión de la educación superior en América Lat=
ina
y el Caribe, desde la óptica de la sociología de la
educación; la muestra representa una población estudiantil
significativa y diversa, permitiendo identificar patrones y vulnerabilidades
específicas que caracterizan a la educación superior
pública en la región,
donde las condiciones estructurales y la brecha digital de segunda
generación perpetúa y profundiza las desigualdades preexisten=
tes;
este estudio proporciona evidencia empírica sobre cómo la
digitalización de la educación superior puede, tanto ampliar =
como
restringir las oportunidades de inserción laboral, dependiendo de las
condiciones estructurales en las que se implementa.
Finalmente, este estudio contribuye a la const=
rucción
de una agenda de política pública para la educación
superior en América Latina y el Caribe, reconociendo que la
transformación digital debe ser inclusiva, equitativa, sensible a los
contextos de desigualdad socioeconómica para una intervención
estratégica y diferenciada que respondan a las necesidades de grupos
específicos identificados.
REFERENCIAS
Álvarez, A., Bustos, D. y Valencia, M.
(2004). Empleabilidad profesional. Una aproximación a la
psicosociología del trabajo [Trabajo de grado, Universidad del Valle=
].
Repositorio Institucional.
Ayala-Calvo, J. C. y Manzano-García, G.
(2021). The influence of psychological capital on graduates’ perceptio=
n of
employability: the mediating role of employability skills. Higher Education
Research & Development, 40(2), 293-308. DOI:https://doi.org/10.1080=
/07294360.2020.1738350
Ball, S. J. (2003). Class strategies a=
nd
the education market: The middle classes and social advantage. Routledge.
Ball, S. J. (2012). Global education I=
nc.:
New policy networks and the neo-liberal imaginary. Routledge.
Berntson, E. y Marklund,
S. (2007). Relación entre la empleabilidad percibida y la salud
posterior. Trabajo y Estrés , 21 (3),
279–292.
Bourdieu, P. (1979). Les trois
états du capital cu=
lturel.
Actes de la Recherche en Sciences Sociales, 30, 3-6.
Bourdieu, P. (1984). Distinction: A so=
cial
critique of the judgement of taste. Harvard University Press<=
/span>.
Caballero, K. y Mula-Falcón, J. (2025).
Neoliberalismo y Educación Superior.
Castells, M. (1996). The rise of the
network society. Blackwell Publishers.
Castells, M. (2000). The information a=
ge:
Economy, society, and culture (Vol. 1). Blackwell Publishe=
rs.
CEPAL. (2022b).&nb=
sp;Hacia
la transformación digital de la educación en América L=
atina
y el Caribe. CEPAL.
CEPAL. (2024a).&nb=
sp;Superar
las trampas del desarrollo de América Latina y el Caribe en la era
digital. CEPAL.
Chávez Plasencia, RA (2025). La importa=
ncia
de las competencias digitales en la formación universitaria: una
revisión sistemática. Zenodo. https://doi.org/10.5281/zenodo.17=
636325.
Correa, G. A. O., Macias, J. G. A., & Gran=
da,
A. D. C. V. (2024). Factores socioeconómicos que inciden en la
deserción universitaria en la carrera de Economía, Universidad
Técnica de Machala, Facultad de Ciencias Empresariales [Socioeconomic factors
Digital Promise. <=
/span>(2024). Mi=
cro-credentials
and AI for Future Skills. Digital Promise Re=
source
Repository.
Efecto de los rasgos de personalidad y la
demografía en la situación laboral de los estudiantes
latinoamericanos. (2023). Revista Académica de Estudios Interdisciplinarios , 12 (5), 67. =
https://doi.org/10.36941/ajis-2023-0127
Gasparini, L. C., Cruces, G. A., & Tornarolli, L. H. (2016). Crónica de una
desaceleración anunciada: La desigualdad de ingresos en Améri=
ca
Latina en la década de 2010. Revista de Economía Mundial, (43=
),
25-46
Gasparini, L. y Bracco,
J. (2023). Tres décadas en diez gráficos: el desarrollo inclu=
sivo
en América Latina a la luz de las encuestas de hogares. Desarrollo y=
Sociedad ,
(94), 37-67. https://d=
oi.org/10.13043/DYS.94.2
Hernández i Dobon<=
/span>,
F. J.; Beltrán Llavador, J.; Marrero
Fernández, A.
(2009). Teorías sobre sociedad, familia y educació=
;n.
Tirant lo Blanch.
Hilbert, M. (2010). Digital inclusi=
on
policies in Latin America and the Caribbean. CEPAL.
Hillage<=
/span>, J., &
Pollard, E. (1998). Employability: Developing a framework for policy analys=
is. London: Department for Education =
and Employment.
HolonIQ. (2021). Transformación
digital en la educación superior en América Latina y el Carib=
e.
Banco Interamericano de Desarrollo.
https://doi.org/10.1080/02678370701659215
Izquierdo Rus, T., & Farías Gramegna, A. J. (2018). Empleabilidad y expectativa de
logro en la inserción laboral de los estudiantes universitarios. Rev=
ista
Española de Orientación y Psicopedagogía, 29(2), 29-40=
.
Katz, R., y otros (2024). Impacto de la
automatización en el mercado laboral de ALC.
CEPAL.
Kortix. (2024). Plataforma de inteligencia
artificial para asistencia en investigación académica. Dispon=
ible
en: https://kortix.com<=
/a>
Llinares-Insa, LI,=
Zacarés, JJ y
Córdoba, AI (2016). Discutiendo la
empleabilidad: perspectivas actuales y elementos clave forman un modelo
Marcuse, H. (1964). One-dimensional ma=
n:
Studies in the ideology of advanced industrial society. Beacon Press.
Marhuenda Fluixá,
F., & Martínez Morales, I. (2019). Transformación de la
formación para el trabajo desde la educación no formal:
evolución y retos. Revista de Estudios de Juventud, 124,
167–185.
Martínez-Morales, I., Marhuenda-Fluixá,
F., Chisvert-Tarazona, M. J., &
Tárraga-Mínguez, R. (2024). Análisis organizacional de=
las
Escuelas de Segunda Oportunidad Acreditadas en España. Revista
Complutense de Educación, 35(1), 93–102.
MetaRed. (2023). Retos de la competencia
digital del profesorado iberoamericano de educación superior: Informe
2023. MetaRed TIC.
Nauta, A., Van Vianen,
A., Van der Heijden=
, B.,
Van Dam, K. y Willemsen, M.
(2009). Understanding the factors that promote employability orientation.
Occupational Journal of and Organizational Psychology, 82, 233-251.
Oblitas Vedia, A., & Plaza, N. (2020).
Exclusión e inserción laboral de los jóvenes: una mira=
da
desde la perspectiva de género. Investigación &
Negocios, 13(22), 43-56.
OEI. (2023). El futuro de la inteligencia
artificial en educación en América Latina.
Olssen, M., & Pet=
ers,
M. A. (2005). Neoliberalism, higher education and the knowledge econom=
y:
From the free market to the knowledge economy. Journal of Education
Policy, 20(3), 313-345. https://doi.org/10.1080/026809305=
00108718
Organisation for Economic
Co-operation and Development. (2025). The future of work. OECD.AI.
https://oecd.ai/en/working-group-future-of-work=
Pearson Latam. (2024). Microcredenciales
y empleabilidad. Pearson.
Pérez, F., Aldás, J., Arag&oacut=
e;n,
R., & Zaera, I. (2023). Análisis de =
la
inserción laboral de los universitarios. Diferencias entre titulacio=
nes.
Bilbao: Fundación BBVA & Valencia: IVIE.
Pérez, F., Aldás, J., Arag&oacut=
e;n,
R., & Zaera, I. (2024). La inserción
laboral de los universitarios 2013–2023. Evolución, diferencias
por estudios y brechas de género. Fundación BBVA.
Ragnedda=
, M. (2017), The
Third Digital Divide. A Weberian approach to digital inequalities, London:
Routledge.
Ragnedda=
, M., and Ruiu, ML. (2020) Digital Capital. A Bourdieusian
approach to Digital Divide, Emeralds Publishing.
Rentería, E. (2001). El modelo
educativo tradicional y los perfiles de competencias según las
modalidades y tendencias del trabajo actuales. En Vinculación
Universidad – Empresa a través del postgrado AUIP
Rodríguez, S. (2010). Sobre la
empleabilidad de los graduados universitarios en Catalunya: del
diagnóstico a la acción. Revista de Educaci&oac=
ute;n, 351,
107-137.
Rothwell, A., & Arnold, J. (2007).
Self-perceived employability: Development and validation of a scale. Personnel Review, 36(2), 177-196.Rinc&oacu=
te;n-Flores,
E. G., Portales-Derbez, L. E., y Martínez-Cardiel, L. (2023). T=
ransformación
Digital en el marco de la REALCUP. Institute for the
Future of Education.
Slaughter, S., & Rhoades,
G. (2004). Academic Capitalism and the New Economy: Markets, Stat=
e,
and Higher Education. Johns Hopkins University Press.
Staudt, A., & Heredia, J. L. (2021).
Prediction of transition probability from unemployment to employment in
Trucco, D. (2014). Promoting equality in La=
tin
America and the Caribbean (LC/L.3846). <=
span
lang=3Des-419 style=3D'font-size:10.0pt;line-height:115%;font-family:Roboto;
mso-fareast-font-family:Roboto;mso-bidi-font-family:Roboto'>Comisión
Económica para América Latina y el Caribe (CEPAL).
UNESCO. (2023). Cumbre para la
Transformación de la Educación. UNESCO.
Van der Heijde, CM (2014). Employability and Self-Regulation in
Contemporary Careers. En M. Coetzee (Ed.),
Psycho-social Career Meta-capacities: Dynamics of Contemporary Career
Development (pp. 7-17).
Villar-Aguilés,
A. (2025). Neoliberalismo y educación superior. En Neoliberalis=
mo y
educación superior (pp. 119-145). Octaedro. Villar-Aguilés,
A., y Hernández i Dobon, F. J. (2017).
Reubicándose en la universidad. Propuesta de una tasa de reubicacion=
es a
partir de un estudio de trayectorias educativas. RELIEVE. Revista
Electrónica de Investigación y Evaluación Educativa,
23(1). Todo el contenido de LATAM Revista Latinoamericana de
Ciencias Sociales y Humanidades, publicados en este sitio está
disponibles bajo Licencia Creative Commons<=
span
lang=3Des-419 style=3D'font-size:10.0pt;line-height:107%;mso-fareast-font-f=
amily:
"Times New Roman";mso-fareast-theme-font:minor-fareast;color:#595959'> =
;![3D"https://revistacientifica.uamericana.edu.py/public/site/images/aduar=](3D"0114_LapaixSosa_archivos/image005.jpg")
.
LATAM Revista
Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paragu=
ay.
ISSN en línea: 2789-3855, febrero, 2026, Vol=
umen
VII, Número 1 p 1574
![](3D"0114_LapaixSosa_archivos/image002.jpg")
=