La demanda de educación superior ante el cambio tecnológico y la inteligencia artificial

  1. José Ignacio CONDE-RUIZ 1
  2. Juan José GANUZA 2
  3. Manuel GARCÍA 3
  4. Carlos VICTORIA 1
  1. 1 Universidad Complutense de Madrid
    info

    Universidad Complutense de Madrid

    Madrid, España

    ROR 02p0gd045

  2. 2 Universitat Pompeu Fabra
    info

    Universitat Pompeu Fabra

    Barcelona, España

    ROR https://ror.org/04n0g0b29

  3. 3 Washington University
Mostrar afiliaciones +
Revista:
Papeles de economía española

ISSN: 0210-9107

Año de publicación: 2024

Título del ejemplar: Desafíos y oportunidades para el futuro de la educación superior

Número: 180

Páginas: 62-88

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Papeles de economía española

Resumen

Este artículo analiza, utilizando datos españoles, el impacto que el cambio tecnológico y la inteligencia artificial pueden tener sobre la demanda de estudios universitarios. Se parte de un análisis retrospectivo de la evolución de la demanda en las últimas tres décadas. Después, partiendo de la literatura académica que analiza el grado de exposición de cada ocupación al cambio tecnológico y utilizando los patrones de empleabilidad de los distintos grados universitarios, se elaboran tres índices (índice RTI, routine task intensity), índice de exposición a la inteligencia artificial (IA) e índice de exposición al software) para cada grado. Los índices elaborados, basados en la exposición de los grados al cambio tecnológico de los distintos grados universitarios, son muy informativos para explicar tanto las salidas laborales como el salario esperado de sus egresados. Los índices pueden ser utilizados para mejorar el diseño de los estudios universitarios y también como indicadores de en qué grados es esperable una mayor demanda en el futuro. Finalmente, utilizando microdatos del proceso de admisión de la Comunidad de Madrid donde los estudiantes revelan sus preferencias, se diseña otro indicador para ordenar los grados según la demanda insatisfecha.

Referencias bibliográficas

  • ACEMOGLU, D. y RESTREPO, P. (2022). Demographics and Automation. The Review of Economic Studies, 89.
  • ALBANESI, S., DIAS DA SILVA, A., JIMENO, J. F., LAMO, A. y WABITSCH, A. (2023). New technologies and jobs in Europe. Documento de trabajo, n.º 2322. Banco de España.
  • AUTOR, D. (2019). Work of the Past, Work of the Future. AEA Papers and Proceedings 2019 (NBER wp 25588).
  • AUTOR, D. y DORN, D. (2013). The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market. American Economic Review, 103(5), pp. 1553-1597.
  • DORN, D. (2015). The Rise of the Machines: How Computers Have Changed Work. UBS Center Public Paper, 4.
  • RUIZ, J. I. y GANUZA, J. (2022). Economía Digital en Tiempos de Pandemia. Papeles de Economía Española, 173, pp. 200-223.
  • CONDE-RUIZ, J. I, GANUZA, J., GARCÍA, M. y VICTORIA, C. (2024a). Technological Change and Higher Education. mimeo.
  • CONDE-RUIZ, J. I, GANUZA, J., GARCÍA, M. y VICTORIA, C. (2024b). The Impact of Digital Technologies and Artificial Intelligence on the Gender Gaps in Higher Education. mimeo.
  • CONDE-RUIZ, J .I, GANUZA, J., GARCÍA, M. y VICTORIA, C. (2024c). Costly Preference’s Distortion for Preserving Self Image in Allocating Competitive Mechanisms, mimeo.
  • HANUSHEK, E., SCHWERDT, G., WIEDERHOLD, S. y WOESSMANN, L. (2015). Returns to skills around the world: Evidence from PIAAC. European Economic Review, 73, pp. 103-130.
  • LEWANDOWSKI, P., PARK, A., HARDY, W., DU, Y. y WU, S. (2022). Technology, Skills, and Globalization: Explaining International Differences in Routine and Nonroutine Work Using Survey Data. The World Bank Economic Review, 36(3), pp. 670-686, https://doi.org/10.1093/wber/lhac005
  • OECD (2023). Education at a Glance 2023: OECD Indicators. Pris: OECD Publishing. https://doi.org/10.1787/e13bef63-en
  • REBOLLO-SANZ, Y. F. y DE LA RICA, S. G. (2022). Gender gaps in skills and labor market outcomes: evidence from the PIAAC. Review Economics Household, 20, pp. 333-371. https://doi.org/10.1007/s11150-020-09523-w
  • SCHOTTE, S., PARK, A. y LEWANDOWSKI, P. (2023). The global divergence in the de-routinisation of jobs. En C. GRADÍN, P. LEWANDOWSKI, S. SCHOTTE, K. SEN (eds.), Tasks, Skills, and Institutions – The Changing Nature of Work and Inequality (pp. 33-51). Oxford University Press. https://global.oup.com/academic/product/tasks-skills-and-institutions9780192872241?prevNumResPerPage=20&prevSortField=1&sortField=8&resultsPerPage=20&start=0&l ang=en&cc=gb#
  • SOFOKLIS, G. y MEGALOKONOMOU, R. (2019). Which degrees do students prefer during recessions? Empirical Economics, 56, pp. 2093-2125.
  • WEBB, M. (2020). The Impact of Artificial Intelligence on the Labor Market. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3482150
Fuente de los datos: Dialnet