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.
¿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.