Área
Datos de empleo y credenciales
Pasé cuatro años como líder de ingeniería de una plataforma estatal de carreras usada por 1.8 millones de personas, y formo parte del grupo asesor del estándar abierto que hace comparables los datos de credenciales entre estados. Es el trabajo que mejor conozco.
Trayectoria
MyCareer.NJ.gov: evidencia para el próximo paso
Lideré la ingeniería desde un prototipo de 400 archivos hasta un servicio estatal bilingüe para decisiones, construí su evidencia por programa y realicé en 2023 el modelado de datos que inició la migración del estado al estándar CTDL de Credential Engine.
Orientación laboral con IA, responsable ante la evidencia
Publiqué la infraestructura compartida de seguridad del portafolio de IA aplicada de MyCareer.NJ.gov y después construí un prototipo de orientación laboral que no se lanzó. Las pruebas ejecutadas mejoraron con fuerza y aún revelaron vacíos que bloqueaban un piloto.
Código abierto
disclosed
Madurez: Alfa funcional
Califica a las instituciones de educación superior de EE. UU. por lo que divulgan, no por su desempeño, a partir de dos conjuntos de datos federales. Cada valor se clasifica antes de usarse como reportado, no plausible, suprimido, no aplicable o ausente, y la supresión que protege a una cohorte pequeña nunca cuenta en contra. La comparación entre instantáneas distingue un campo que nunca se recopiló de uno que el público dejó de ver hace poco, en ambas direcciones.
Sitio en vivo (se abre en una pestaña nueva)Código (se abre en una pestaña nueva)
ctdl-validate
Madurez: Beta · v0.2.1
Un validador estructural determinista para JSON-LD en CTDL, pensado para ejecutarse antes de publicar un documento en el Credential Registry: tipos de identificador, destinos de referencia y emparejamientos de clase, con cada hallazgo citando la regla publicada de la que proviene. Funciona sin conexión como CLI, GitHub Action y un espacio de pruebas en el navegador que no sube nada. Ejecutado sobre 1200 documentos muestreados del Registry público, detectó 108 defectos en sí mismo, revisados a mano y corregidos antes de publicar, junto con conflictos dentro de la propia especificación. No está afiliado a Credential Engine, y nada suyo se ha publicado en el Registry.
Sitio en vivo (se abre en una pestaña nueva)Código (se abre en una pestaña nueva)
afterward
Madurez: Beta · v0.1.0 · datos 2026-08-17
3266 programas de formación de California reportados bajo WIOA, 3250 de ellos unidos a la proyección a diez años del propio estado para la ocupación a la que conducen, en inglés y español, sin cuenta. Un resultado suprimido o no reportado nunca se muestra como cero, y cuánto cubre la unión es un dato publicado y no una nota al pie. No oficial y sin afiliación con el Estado de California; la primera etiqueta firmada aún no se ha creado.
Sitio en vivo (se abre en una pestaña nueva)Código (se abre en una pestaña nueva)
Escritos
Un espacio en blanco no es una mala calificación
Al 18 de septiembre de 2026, el tablero federal de capacitación no muestra tasa de finalización, tasa de empleo ni cifra de ingresos para 1,209 de los 3,266 programas de California. Un espacio en blanco no es una mala calificación, y el requisito provisional de colocación laboral de Workforce Pell toma prestada la misma medida de empleo.
Prensa
- Labor Market Information Institute (LMI Institute)NJDOL gana el premio al mejor enfoque estatal de información laboral en impacto y sostenibilidad por su trabajo basado en evidencia y MyCareer.NJ.gov (se abre en una pestaña nueva)2026
- New Jersey Department of Labor and Workforce Development (NJDOL Media)Comercial estatal de la campaña de MyCareer.NJ.gov (se abre en una pestaña nueva)2024
- Fast CompanyNueva Jersey recurre a la IA para mejorar la búsqueda de empleo (se abre en una pestaña nueva)2024
- Harvard Kennedy School, Project on WorkforceNavigating Public Job Training afirma que Training Explorer de NJ ofrece un posible modelo prometedor (se abre en una pestaña nueva)2023
- Royal Statistical Society + American Statistical Association, Real World Data ScienceAfrontar los retos de la IA en el mercado laboral presenta el Career Navigator de NJ (se abre en una pestaña nueva)2024
- National Association of State Workforce Agencies (NASWA)MyCareer.NJ.gov: nominación a los Workforce Innovation Awards 2025 (se abre en una pestaña nueva)2025
- NJ Office of InnovationMyCareer.NJ.gov: descripción del proyecto y su impacto (se abre en una pestaña nueva)2024
- ROI-NJLanzan MyCareer.NJ.gov para conectar a quienes buscan empleo con capacitación y carreras (se abre en una pestaña nueva)2024
Preguntas que me hacen
¿Qué has construido a escala estatal?
Fui líder de ingeniería de MyCareer.NJ.gov, la plataforma estatal de carreras de Nueva Jersey, durante cuatro años. Ha atendido a cerca de 1.8 millones de personas, en inglés y español, y seguí siendo la ingeniera principal mientras dirigía al equipo. El trabajo abarcó el embudo de captación, un motor de recomendación de aprendizaje automático en producción que ordena más de 3,800 programas de formación según el historial laboral real de cada persona, y la infraestructura de IA sobre la que corre la plataforma.
¿Cuál es tu experiencia con CTDL y el Credential Registry?
Soy miembro registrada del Grupo Asesor de CTDL de Credential Engine para 2025-2026. Impulsé la adopción de CTDL, el estándar nacional de datos abiertos enlazados para credenciales, en un estado, e hice el modelado que asignó su sistema heredado de programas de formación a las clases de CTDL. Esos programas están hoy publicados en el Credential Registry, comparables entre agencias en lugar de encerrados en una sola base de datos.
¿Cómo manejas los datos de resultados de los programas de formación?
Con cuidado, y en público. Afterward conecta 3,266 programas de formación de California con sus datos reales de resultados, y su regla central es que una métrica suprimida o ausente se muestra como nula, nunca como cero. El cero es una afirmación; el nulo es la verdad. Cerca de un tercio de esos programas no reporta ningún resultado, y decirlo con claridad es lo que hace confiable el resto de la cifra.
¿Cómo verificarías los datos de credenciales antes de publicarlos?
Con verificaciones deterministas que se ejecutan antes de publicar, no después de una importación fallida. Mantengo ctdl-validate, un validador abierto cuyas reglas citan la gramática y el esquema publicados por Credential Engine: formato de CTID, si un campo lleva el tipo de identificador que CTDL espera ahí, si una referencia resuelve a una entidad de la clase esperada y si las relaciones inversas declaradas concuerdan. Un error estructural detectado antes de publicar cuesta minutos; detectado después cuesta corregir algo en lo que la gente ya confió.