1

Transición de la universidad al mercado laboral: Internet y la

búsqueda de empleo para los egresados en el Perú

Benoît Mougenot a y Elard Amaya

b

a Universidad San Ignacio de Loyola – USIL, Lima, Perú. bmougenot@usil.edu.pe b Universidad San Ignacio de Loyola – USIL, Lima, Perú. eamaya@usil.edu.pe

Resumen

Este artículo analiza el funcionamiento de Internet como canal de búsqueda de empleo para los

egresados universitarios en el Perú. Este mercado laboral, permite distinguir tres categorías

ocupacionales: desempleados, subempleados y empleados profesionales. Usando los datos de la

Encuesta Nacional de Egresados Universitarios del 2014 y mediante un modelo de estimación

probit, se encuentra que el área de residencia, la experiencia laboral y la intensidad de uso de los

recursos digitales influyen en la decisión de búsqueda de empleo online, para las tres categorías

ocupacionales. Además, el resto de las variables utilizadas presenta efectos diferenciados en función

de la categoría laboral del egresado. Las variables endógenas al entorno universitario (prestigio de

la universidad, convenios laborales con otras organizaciones y bolsa de trabajo virtual) muestran los

efectos más dispares y son en las que se han enfocado las propuestas de política.

Palabras claves: TIC, mercado laboral, búsqueda de empleo, educación superior, Perú.

JEL Clasificación: I23; J62; O33 Recuperado de: http://repositorio.usil.edu.pe/handle/USIL/2492

2

1. Introducción

Las Tecnologías de la Información y la Comunicación (TIC), y especialmente Internet, han

revolucionado la dinámica del acceso y manejo de información en las últimas décadas. La región de

América Latina ha aumentado significativamente la tasa de acceso a Internet de su población,

pasando de 16.6% a 53.3% en lo últimos diez años (Katz, 2015). Para el caso particular del Perú, la

población que accede a Internet ha aumentado en 9% desde el año 2007, llegando a ser en la

actualidad 38.6% (Instituto Nacional de Estadística e Informática – INEI, 2015). Sin embargo, este

crecimiento ha sido heterogéneo, lo que se aprecia en una brecha digital importante. El término no

debe ser entendido exclusivamente como la desigualdad en el acceso a Internet e infraestructura

digital. También hace referencia al conocimiento sobre estrategias de búsqueda de información y la

habilidad para evaluar la calidad de la misma (DiMaggio et al., 2001). Si bien en la región se vienen

realizando esfuerzos por incrementar la conectividad a Internet, las políticas orientadas a la

digitalización han sido menos desarrolladas (Katz, 2015). Estas últimas, tienen impactos

significativos en distintas esferas socio económicas, como el mercado laboral. Según Autor (2001),

el uso de Internet es un factor que mejora la eficiencia del mercado laboral, pues reduce los costos

de información asociados a la búsqueda de empleo y la selección de candidatos.

La mayoría de estudios que asocian Internet y la búsqueda de empleo son de países desarrollados,

en contextos con acceso a Internet generalizado y deficiencias en mercado laboral por desempleo

(Kuhn & Skuterud, 2004; Fountain, 2005; Stevenson, 2009; Kuhn & Mansour, 2014; Campos et al.,

2014). La evidencia para países en desarrollo es escasa, pues la presencia de informalidad laboral

limita el uso de canales formales de búsqueda (Dammert et al., 2013). No obstante, este análisis se

puede realizar a segmentos de la población en los cuales el acceso a Internet es elevado (Campos,

2012).

Desde mediados de los años noventa, en Perú emerge una generación que tiene pleno acceso a los

recursos digitales y mayores oportunidades de acceder a una educación superior. Sin embargo, esta

generación no ha explotado todas las capacidades que ofrecen Internet en el ámbito laboral. Por

ello, existe una gran proporción de la Población Económicamente Activa (PEA), que pese a ser

egresados universitarios, se encuentra desempleada o en empleos con condiciones laborales por

debajo de su nivel de calificación (Lavado et al., 2014). Este artículo pretende entender el

funcionamiento de las TIC como canal de búsqueda de empleo para este segmento de la población.

Asimismo, examina los factores que influyen en la búsqueda de empleo online para cada categoría

laboral, en la que se encuentran los egresados: desempleo, subempleo y empleo profesional.

3

Se utiliza la Encuesta Nacional de Egresados Universitarios (ENEU) del 2014 y mediante una

estimación probit, se encuentra que la decisión de buscar empleo por Internet depende del área de

residencia, la experiencia laboral y la intensidad de uso de los recursos digitales para todas las

categorías ocupacionales. Asimismo, pese a la homogeneidad de la muestra, otro conjunto de

variables presenta efectos diferenciados para cada categoría laboral, especialmente las variables

asociadas a la educación superior (prestigio de la universidad, convenios laborales con empresas y

presencia de bolsa de trabajo virtual).

Este estudio recoge dos implicancias de política que pueden ser tratadas en el corto plazo, sin la

necesidad de reestructurar el mercado laboral. Primero, las universidades que carecen de convenios

laborales con otras organizaciones y de prestigio, deben consolidar el mecanismo formal de

búsqueda de empleo online, como las bolsas de trabajo virtual. Segundo, las empresas deben

desarrollar instrumentos digitales para mejorar su imagen corporativa (por ejemplo, campañas de

marketing digital) y así atraer capital humano competente. Estas propuestas de política colaboran

con la mejora del emparejamiento empleador-empleado.

El resto del documento presenta una revisión de la literatura que relaciona Internet y la búsqueda de

empleo (Sección 2). La metodología, que muestra la fuente de datos usada y el modelo cuantitativo

(Sección 3). Posteriormente, se analiza los resultados para cada categoría ocupacional (Sección 4).

Finalmente, se recoge las principales conclusiones y recomendaciones en políticas públicas, para

facilitar la transición laboral de los egresados universitarios (Sección 5).

2. Revisión de la literatura: búsqueda de empleo por Internet de los egresados

2.1 Los nativos digitales y la transición al mercado laboral

La generación naciente en el cambio de siglo se ha beneficiado de la revolución de las TIC, los

denominados nativos digitales. Prensky (2001) y Tapscott (1998) los definen como una joven

generación de estudiantes, nacida desde la década de los ochenta, que ha crecido inmersa en las

nuevas tecnologías digitales. Asimismo, Smith (2012) agrega distinciones en capacidad de acceso,

aprendizaje y uso de recursos digitales para distinguir a esta generación. En la actualidad, gran parte

de los nativos, con habilidades y competencias específicas, poseen un grado universitario y se

encuentran próximos a participar del mercado laboral.

Esta transición laboral ha sido poco estudiada. Uno de los primeros trabajos al respecto, es el de

Rebick (2000), el cual señala que la contratación de egresados en algunas empresas japonesas, se

concentra sólo en un número reducido de facultades con prestigio, para el periodo 1991-1996. El

4

autor estima que el 60% de los flujos de contratación en el sector privado provienen de las mismas

facultades.

Por su parte, Bagues y Labini (2009) estudian el impacto del programa AlmaLaurea en el mercado

laboral italiano. Este programa inter-universitario recoge y organiza la información socio

profesional de los egresados en formato electrónico, para las empresas. Mediante una metodología

cuasi-experimental difference-in-difference, el análisis revela impactos positivos sobre el

desempleo, salarios y satisfacción en el trabajo, para los individuos de universidades afiliadas al

programa.

2.2 Uso de Internet y búsqueda de empleo

En contextos de asimetrías de información, el mercado laboral incurre en mayores costos de

transacción. Las firmas pueden actuar como mecanismos para reducir estos costos (Coase, 1937).

Sin embargo, en presencia de contratos imperfectos en el ámbito laboral, no se evita el problema de

selección adversa. Un canal que diluye este riesgo es el sistema de reputación (Akerlof, 1970).

Previo a la expansión masiva de Internet, los trabajos de Granovetter (1973, 1995) marcaron un

precedente sobre la importancia del fenómeno de reputación y la posesión de redes sociales

expandidas. Sus estudios demostraron que las relaciones sociales, como canal informal de

emparejamiento laboral, son un factor relevante al momento de conseguir un empleo.

La masificación de Internet ha cambiado el proceso de búsqueda de empleo, pues las herramientas

digitales reducen significativamente los costos de información (Autor, 2001). Los estudios sobre el

uso de Internet como canal de búsqueda de empleo provienen principalmente de los países

miembros de la Organización para la Cooperación y el Desarrollo Económico (OCDE), pues

cuentan con fuentes de datos longitudinales sobre el funcionamiento del mercado laboral1. Uno de

los primeros estudios empíricos es el de Kuhn y Skuterud (2004), ellos encuentran que al controlar

por características observables (nivel de formación, experiencia laboral previa en sectores con bajas

tasas de desempleo, entre otras), el efecto positivo de Internet sobre el nivel de desempleo

desaparece. Por su parte, Fountain (2005) evidencia que el canal online es efectivo; sin embargo,

este impacto sobre el desempleo se reduce con el tiempo. En 1998, la probabilidad de encontrar

trabajo era 164% mayor para aquellos que lo buscan por Internet, en el año 2000 está probabilidad

cayó a 28%.

A diferencia de los trabajos anteriores, Stevenson (2006, 2009) analiza las transiciones empleo-

empleo. Sus estudios revelan que, la probabilidad de usar el canal online es mayor entre personas

1 En Estados Unidos, la fuente de datos que recopila esta información es the Current Population Survey, de la cual se han elaborado varias publicaciones (véase por ejemplo, Kunh y Skuterud, 2004; Fountain, 2005).

5

ocupadas, es decir que usan Internet para conseguir empleos con mejores condiciones. En contraste,

Kuhn y Mansour (2014), para una muestra de jóvenes entre 24 y 28 años, muestran que la búsqueda

de empleo online no tiene efectos significativos en la mejora del empleo.

En Europa, Green et al. (2012), para un estudio en Reino Unido, muestran que los factores socio-

económicos (el género, la edad, la etnicidad, el nivel de estudios superiores, entre otros) generan

efectos diferenciados en la búsqueda de empleo online. Por otro lado, Campos et al. (2014)

identifica los determinantes del acceso y de la búsqueda de empleo por Internet, en el mercado

laboral español. Sus resultados revelan que el género, la nacionalidad, el ingreso del hogar y los

factores temporales tienen efectos diferenciados sobre la probabilidad de búsqueda online,

dependiendo de la transición laboral (desempleo-empleo y empleo-empleo).

2.3 La situación del mercado laboral en el Perú

Mercado laboral y expansión de Internet

El mercado laboral en Perú presenta dos características particulares. Por un lado, existe una elevada

tasa de informalidad laboral que agrava el problema de asimetría de información en este mercado

(Dammert et al., 2013). En contraste, la tendencia creciente en la tasa de acceso a Internet, por parte

de la PEA, contribuye con la disminución de esta distorsión. En el Perú, existe escasa literatura que

relaciona el uso de las TIC y sus consecuencias sobre el mercado laboral (véase por ejemplo,

Rodríguez, 2008; Dammert et al., 2013). Menos aún, para segmentos de la población en los cuales

la adopción de Internet se ha generalizado. Tal es el caso de los egresados universitarios, entre los

cuales el acceso a Internet se aproxima al 86.5%2 (INEI, 2016).

El mercado laboral de los egresados universitarios

Desde mediados de la década del noventa, en el Perú se han implementado un conjunto de reformas

institucionales que han liberalizado el mercado de la educación superior (Balarin, 2008; Lavado et

al., 2014). En 1995, fue aprobada la ley N°26439 que autoriza la creación del Consejo Nacional

para la Autorización del Funcionamiento de Universidades (CONAFU). Posteriormente, en 1997 se

aprobó el decreto de ley N°882, el cual permitió a los centros de enseñanza operar con fines de

lucro. Para Lavado et al. (2014), la desregulación del mercado de educación superior ha tenido

impactos en el mercado laboral, que se refleja principalmente, en el subempleo profesional

creciente. El incremento de la oferta de universidades con visión de negocio ha limitado la calidad

de las mismas (docentes con baja remuneración, reducción del nivel de exigencia académica para

atraer más estudiantes, etc.). De esta forma, la desregulación ha contribuido con una deficiente

2 El rango se calcula de 25 a 65 años de edad para los egresados universitarios.

6

formación de profesionales, que son más propensos a ser subempleados. Tal es el caso, que pese al

crecimiento económico sostenido de los últimos años, el subempleo profesional flexible3 pasó de

29% en el año 2009, a 43% en el año 2011 (Lavado et al., 2014).

Dicho esto, es necesario conocer los niveles de desempleo y subempleo de los egresados

universitarios en la actualidad. El Gráfico 1, muestra mapas que describen la condición laboral de

los egresados universitarios con acceso a Internet a nivel departamental en el 2014 (INEI, 2015). La

misma se ha dividido en dos Paneles: (A) porcentaje de población desocupada, y (B) porcentaje de

población subempleada. La tonalidad más oscura refleja mayores proporciones de desempleo y

subempleo, según corresponda.

[Insertar Gráfico 1]

El Panel A muestra la heterogeneidad existente en las tasas de desempleo a nivel regional. La

región de la Costa Sur es la que registra mayores tasas de desocupación entre los egresados. En

contraste, la región de la Selva Central es la que presenta las tasas más bajas. Por otro lado, el Panel

B también muestra heterogeneidad, esta vez a nivel de subempleo. En este caso, la brecha es más

significativa (la brecha entre los departamentos con mayor y menor tasa de subempleo asciende a

38%). El análisis conjunto de estos gráficos permite apreciar que la Selva Central es la región con

menores niveles de desempleo y mayores tasas de subempleo, lo que resalta la complejidad del

mercado laboral de los egresados, pues el residir en un departamento con bajo nivel de desempleo

no necesariamente va en consonancia con empleos de condiciones laborales estándar. En este

contexto, donde los recursos digitales han sido adoptados por la mayor parte de egresados, el uso de

Internet para la búsqueda de empleo aparece como una alternativa que podría ayudar a revertir esta

situación.

3. Metodología

3.1 Datos y construcción de indicadores

La principal fuente de información para el análisis empírico es la Encuesta Nacional de Egresados

Universitarios (ENEU) de Perú del 2014 (INEI, 2015). Esta encuesta tiene como objetivo obtener

información actualizada sobre la situación de la educación superior universitaria, la percepción de

las infraestructuras y de los servicios educativos recibidos, y mejorar el conocimiento sobre la

inserción laboral de los egresados universitarios. A partir de los datos de la ENEU, se construyen

3 Revisar Lavado et al. (2014) para la definición de subempleo flexible.

7

tres variables de interés para el análisis cuantitativo: subempleo profesional, ingreso promedio por

tipo de carrera y un indicador de prestigio de la universidad.

El subempleo profesional

El subempleo profesional se define a partir de la falta de correspondencia entre la educación

superior y el tipo de trabajo realizado por el individuo (Leuven & Oosterbeek, 2011; Sahin et al.,

2011). En esta línea, el indicador utilizado es una simplificación metodológica del subempleo

flexible propuesto por Lavado et al. (2014). Este indicador requiere el cumplimiento de dos criterios

simultáneos. Primero, el individuo debe estar sobre educado con respecto a su ocupación, esta

condición se aplica a las personas que poseen más años completos de escolaridad que los requeridos

para realizar una actividad profesional. La segunda condición, hace referencia a los egresados que

se encuentran empleados en ocupaciones que no requieren un título de grado universitario. El

indicador propuesto por Lavado et al. (2014) necesita una estimación rigurosa para cada una de las

condiciones, pues la encuesta que utilizan no permite su indagación directa. Sin embargo, una

ventaja que ofrece el diseño de la ENEU es que recoge ambas características de los encuestados, a

través de preguntas concretas: una pregunta hace referencia a los egresados que se encuentran en

ocupaciones que pueden ser desempeñadas por individuos con educación superior técnica (sin

necesidad de grado universitario) y otra pregunta, hace referencia a los egresados en puesto que

pueden ser cubiertos por individuos sin estudios superiores. Con ello, la agregación de estas

respuestas es una aproximación adecuada del subempleo profesional.

Ingreso promedio por tipo de carrera

El portal web ponteencarrera.pe4 proporciona información del ingreso promedio que ofrece el

mercado a los egresados según su carrera y su afiliación universitaria. Estos datos permiten calcular

el ingreso promedio de cada carrera.

La tipología de las carreras propuesta por la ENEU muestra algunas deficiencias en su

desagregación. Por ejemplo, el grupo de carreras relacionadas a la educación se desagrega en varios

subgrupos, pese a ser carreras afines. Dicho esto, la tipología que se emplea es una simplificación

de la propuesta en la Encuesta Nacional de la Juventud Peruana (ENAJUV) del 2011. Se reagrupan

las carreras de nueve a seis tipos: ciencias sociales; ciencias de la salud; ciencias aplicadas;

educación; ingeniería y arquitectura; derecho y ciencias económicas-administrativas. Con ello, se

calcula el ingreso promedio por tipo de carrera. 4 Página web del Ministerio de Educación (MINEDU) y el Ministerio de Trabajo y Promoción del empleo (MTPE) de Perú que proporciona información útil sobre la situación actual de la educación superior, [en línea] http://www.ponteencarrera.pe/, accesible el 18 de Mayo 2016.

8

El prestigio de la universidad

Se puede entender el capital social como la interacción entre redes, normas y organizaciones que

facilitan la acción y la cooperación en beneficio mutuo (Putnam, 1995). En esta línea, el desarrollo

de la redes personales es una inversión fundamental para consolidar el capital social (Granovetter,

1995). La universidad es un espacio propicio para potenciar el capital social y una forma de medirlo

es a través del prestigio de la misma.

Uno de los primeros en formular un indicador de prestigio de los centros de educación superior es

Brown (1965). Él recopila la información de los ocho factores prioritarios, según el American

Council of Education (ACE), para la construcción del indicador. Los factores engloban tres áreas:

calidad de los docentes; calidad de la infraestructura física; éxito educativo de los estudiantes. El

indicador que se propone es una versión adaptada al contexto peruano y recoge la esencia de las tres

áreas señaladas por el ACE. Se consideran tres factores para el cálculo del indicador. Un factor de

publicación, a partir del número de publicaciones en revistas indexadas; uno de

internacionalización, que constata si la universidad cuenta con convenios y acreditaciones a nivel

internacional; y un factor de docencia, que registra la proporción de la plana docente con grado de

doctorado. Cada uno de estos factores puede tomar valores entre 0 y 0.33, con ello, el rango del

índice de prestigio obtiene un valor máximo de 1.

3.2 Estadísticas descriptivas

La encuesta recoge información de egresados universitarios con un año de egreso como mínimo,

que no registren un retraso mayor a 3 años en la culminación de su carrera y que sean menores de

30 años. Asimismo, se contó con información administrativa de 115 universidades registradas a

nivel nacional5 (INEI, 2015). Finalmente, puesto que el 98.5% de la muestra accede a Internet, se

excluye del análisis a la proporción sin acceso a Internet, lo que deja una muestra final de 8452

observaciones.

La literatura económica señala que la búsqueda de empleo se diferencia en función a la condición

laboral en la que se encuentra el individuo. Puede ser entre ocupados y desocupados (Stevenson,

2009; Campos et al., 2014), así como entre subempleados y empleados profesionales (Lavado et al.,

2014). Por ello, se distinguen tres submuestras de la PEA: desempleados, compuesta por 1046

observaciones; subempleados con 3230 observaciones y empleados profesionales con 4176

5 La información administrativa registra datos asociados a los estudiantes, plana docente, infraestructura y convenios de la universidad.

9

observaciones. El Cuadro 1 muestra la proporción de egresados que usan Internet como canal de

búsqueda de empleo para cada categoría ocupacional.

[Insertar Cuadro 1]

De acuerdo con el Cuadro 1, los egresados universitarios desempleados son los que utilizan en

mayor proporción Internet como mecanismo de búsqueda de empleo, siendo alrededor del 66.1%.

Por otro lado, si bien los egresados empleados profesionalmente son los que utilizan en menor

medida este canal, inclusive en ellos, la proporción es bastante elevada (45.7%). Esto sugiere que

indistintamente de la condición laboral en la que se encuentra el egresado, la expectativa por

conseguir un empleo o mejorar las condiciones del mismo, persisten.

Pese a ello, la decisión de buscar empleo por Internet, si se distingue a partir de ciertas

características. La literatura coincide en que factores como el género; el lugar de residencia; los

años de educación; los ingresos percibidos; la intensidad de uso de los medios digitales y el capital

social muestran diferencias sobre esta decisión (revisar, Granovetter, 1995; Kuhn & Skuterud,

2004; Fountain, 2005; Goldfarp & Prince, 2008; Campos et al., 2014). El Cuadro 2 recoge

estadísticas descriptivas de estas variables para cada categoría ocupacional6.

En lo que respecta al género, se encuentra una brecha mínima que favorece a los hombres en todas

las categorías ocupacionales. Por otra parte, se observa diferencias significativas a favor de las

zonas rurales, sólo para los egresados desempleados. La brecha de individuos con estudios de

postgrado que usan el canal online mantiene la misma tendencia, en todas las categorías laborales.

El ingreso promedio por tipo de carrera, muestra una particularidad, existe un exceso de demanda

por carreras con altos retornos salariales; esto genera que individuos que han estudiado alguna de

estas carreras busque empleo por todo tipo de medio posible, como Internet. La intensidad de uso es

la variable que presenta mayores brechas en todas las categorías laborales. Los individuos que usan

pocas aplicaciones virtuales, no utilizan los canales online de búsqueda de empleo, a diferencia de

los individuos que utilizan la mayoría de servicios digitales. Finalmente, se encuentra una brecha a

favor de los egresados que estudiaron en universidades sin convenios laborales con otras

organizaciones, en todas las categorías laborales. Además, esta brecha es mayor para el caso de los

desempleados.

[Insertar Cuadro 2]

6 Ver el Cuadro en el Anexo A.2 para apreciar las estadísticas descriptivas de toda la muestra.

10

3.3 Estrategia empírica

La decisión de búsqueda de empleo online sólo es posible entre individuos que acceden a Internet,

es decir no son decisiones independientes. Consecuencia de ello, se presentan dos limitaciones. En

primer lugar, las decisiones secuenciales tienen errores correlacionados. En segundo lugar, surge la

posibilidad de sesgo de selección, pues existen características no observables que limitan el acceso

a Internet de los individuos y con ello afectar la segunda decisión de uso del canal online. Para

corregir estos problemas, los estudios precedentes (Orviska & Hudson, 2009; Goldfarp & Prince,

2008; Campos et al., 2014) utilizaron modelos de decisiones secuenciales corregidos por sesgo de

selección (Bivariate probit sample selection).

La estrategia empírica propuesta supera los problemas descritos, pues al tener una proporción de

egresados sin acceso a Internet mínima7, se reduce la posibilidad de sesgo de selección. Además, se

analiza únicamente a la población de egresados que accede a Internet. Así, la única decisión a

contrastar es la búsqueda de empleo online, con lo que se evita el problema de errores

correlacionados. Dicho esto, es posible utilizar cualquier modelo de elección discreta, entre los

cuales se ha preferido el modelo probit, según los criterios de información de Akaike (AIC) y

Schwarz (BIC)8. Con ello, se formula la decisión de búsqueda de empleo online mediante un

modelo probit9 de la siguiente manera:

{

(1)

( | ) (2)

donde la variable determina la decisión de usar Internet para buscar empleo del individuo . es

un vector de características socio económicas; es un vector de características socio profesionales;

es un vector de características relacionadas a las TIC; es un vector de características

relacionadas a la educación superior; y son los parámetros a estimar; y el termino de

perturbación aleatorio.

Entre las variables socio económicas, se ha incluido el género; el área de residencia; la educación y

lengua de los padres. El efecto del género sobre la decisión de búsqueda ha tenido resultados

heterogéneos (Fountain, 2005; Kuhn & Skuterud, 2004), no obstante se ha evidenciado que puede

favorecer a las mujeres, principalmente a las que se encuentran correctamente empleadas (Campos 7 Según la ENEU 2015, los egresados universitarios sin acceso a Internet se aproximan al 1.5%. 8 Revisar Anexo A.3 9 Errores estándar robustos corregidos por el estimador de White.

11

et al., 2014). El área de residencia se ha incorporado como una variable dicotómica, que distingue

entre el ámbito urbano y rural, se espera que los individuos que viven en áreas urbanas, tiendan a

usar este canal por encima de los canales tradicionales de búsqueda (Campos et al., 2014). Los años

de educación y lengua de los padres funcionan como variables que fortalecen el capital social a

través de la expansión de redes sociales (Granovetter, 1995), pues en sociedades jerárquicas, un

mayor nivel de instrucción y tener una condición no indígena, permite identificarse con los grupos

dominantes que concentran las principales redes de contacto (Thorp & Paredes, 2011).

Entre las variables socio profesionales, se ha incluido el número de empleos; el tiempo de egresado;

el ingreso promedio del tipo de carrera y el tipo de estudio de postgrado. Las dos primeras variables

son aproximaciones de la experiencia laboral. Se asocia una gran cantidad de empleos de periodos

cortos con inestabilidad laboral y este problema se asocia al uso intensivo del canal online. En

contraste, el tiempo de egresado actúa como una proxy de estabilidad laboral. Por su parte, el nivel

de ingresos laborales no ha mostrado efectos significativos sobre la decisión de búsqueda

(Stevenson, 2009). Sin embargo, los ingresos esperados al concluir una carrera determinada,

aumenta la demanda de búsqueda, lo que repercute en la intensidad de uso de todos los canales,

incluido el canal online. Los estudios de postgrado pueden complementar la capacidad de adopción

y uso de recursos digitales, por lo que los individuos con este nivel educativo son más propensos a

usar todas las aplicaciones de Internet, entre ellas el canal de búsqueda online (OCDE, 2007).

En lo relacionado a las TIC, se han incluido variables dicotómicas que representan la intensidad de

uso de servicios online como correo electrónico; banca electrónica; entretenimiento; entre otros10 y

una variable que identifica si el individuo usa Internet diariamente. Se espera que a mayor

intensidad y frecuencia de uso de Internet, la probabilidad de buscar empleo online aumente

(Goldfarp & Prince, 2008; Campos et al., 2014).

Finalmente, las variables de educación superior utilizadas son el tipo de universidad; el prestigio; la

presencia de convenios laborales universidad-empresa y la presencia del servicio de bolsa de trabajo

virtual. La evidencia señala que el haber estudiado en una universidad privada y con alto prestigio,

son factores que promueven el uso de canales informales de búsqueda de empleo (Granovetter,

1995; Brown, 1965; Rebick, 2000). Asimismo, la universidad puede desarrollar instrumentos que

faciliten la búsqueda de empleo, a través de los convenios universidad-empresa o bolsas de trabajo

virtual, como en el caso de Alma Laurea (Bagues & Labini, 2009).

10 Revisar Anexo A.1.

12

4. Resultados

4.1 La búsqueda de empleo online para las tres categorías ocupacionales

El cuadro 3 muestra los resultados de las variables que influyen en la decisión de buscar empleo por

Internet para cada categoría ocupacional. La columna (I) muestra las estimaciones para los

desempleados, la columna (II) para los subempleados y la columna (III) para los empleados

profesionales.

En las tres categorías, la experiencia laboral, la intensidad de uso y el área de residencia muestran

efectos significativos en la búsqueda de empleo online. Además, el género; el ingreso promedio por

tipo de carrera y la frecuencia de uso diario influyen en la búsqueda para los egresados ocupados,

indistintamente para subempleados o empleados profesionales. Por otro lado, la lengua de los

padres influye en la búsqueda para los desempleados y subempleados. Finalmente, la educación de

los padres; el tipo de postgrado y las variables relacionadas a la educación superior muestran

efectos significativos en la búsqueda para casos específicos, dependiendo de la categoría

ocupacional.

La evidencia señala que la experiencia laboral esta correlacionada negativamente y la intensidad de

uso, positivamente, con la decisión de buscar empleo por Internet (Kuhn & Skuterud, 2004;

Fountain, 2005). Los resultados de la estimación respaldan la evidencia empírica previa. Esto

sugiere que los egresados mantienen un comportamiento similar al de la PEA, con respecto a estas

variables.

En relación al efecto del área de residencia, se aprecia que el residir en núcleos urbanos reduce la

probabilidad de usar el canal online. Se espera convencionalmente que esta característica ofrezca

mayores oportunidades de adopción y uso de Internet, debido a las infraestructuras más

desarrolladas en las ciudades (Campos et al., 2014). En la población de egresados, este efecto se

diluye debido a su interacción constante con medios digitales, indistintamente de su lugar de

residencia. El efecto negativo puede ser explicado por la mayor capacidad de desarrollar redes

personales, en los núcleos urbanos.

Con respecto al género, el ser hombre disminuye la probabilidad de buscar empleo por Internet en

los egresados ocupados. Este resultado guarda concordancia con la evidencia empírica y se puede

explicar por la presencia de redes de contacto más desarrolladas entre los hombres, lo que limita a

las mujeres a usar los canales formales, como el Internet (Kuhn & Skuterud, 2004).

Por su parte, el ingreso promedio por tipo de carrera presenta un efecto positivo sobre el uso del

canal online para los egresados ocupados. Si bien la literatura no ha mostrado efectos significativos

de esta variable (Stevenson, 2009), los resultados se deben interpretar a partir de la variable proxy

13

utilizada. Al usar una variable que identifica los ingresos esperados de los egresados, se puede

alterar potencialmente el mercado laboral. Por ejemplo, las carreras con ingresos esperados

elevados generan un aumento de la demanda hacia las mismas. Esta fricción, a su vez, repercute en

un mayor uso de la totalidad de canales de búsqueda, como Internet.

En relación a la frecuencia de uso diario, el efecto sobre la probabilidad de búsqueda para los

egresados ocupados, es negativo. El resultado se distingue de los estudios relacionados al tema. Los

egresados muestran la particularidad de interactuar continuamente a través de las TIC. Esto sugiere

que si bien, los egresados utilizan Internet como un canal formal de búsqueda de empleo

(postulación por página web), pueden también utilizar el resto de las aplicaciones digitales (correos,

redes sociales, entre otros) como canales informales de búsqueda, lo que se refleja en los resultados.

Los coeficientes relativos a la lengua de los padres señalan que la probabilidad de buscar empleo

online aumenta, si los padres hablan una lengua no indígena para los desempleados y disminuye

para los subempleados. Una de las teorías de discriminación étnica sugiere que, los individuos con

identidad no indígena tienen mayores oportunidades para desarrollar redes de contacto que el grupo

discriminado (Thorp & Paredes, 2011). Esto se corrobora para el caso de los subempleados, los

cuales tienen la posibilidad de usar canales informales de búsqueda de empleo. Para el caso de los

desempleados, la interpretación es distinta. Los retornos a la educación superior actúan como un

incentivo potente para estar empleado, lo cual obliga a los egresados a buscar empleo por todo tipo

de medios, entre ellos Internet.

Respecto a la educación de los padres, sólo presenta un efecto negativo en la probabilidad de

búsqueda de los egresados empleados profesionalmente. Este resultado se asemeja al propuesto por

la literatura que relaciona la búsqueda de empleo y el capital social (Granovetter, 1995), pues las

relaciones de parentesco con personas con altos niveles de instrucción, ofrece mayores

oportunidades de expandir las redes de contacto.

Entre las variables de niveles de postgrado, únicamente el doctorado muestra un efecto

significativo, para los subempleados. La evidencia señala que mayores niveles de educación se

encuentran correlacionados positivamente con la búsqueda de empleo online (Kuhn & Skuterud,

2004; Kuhn & Mansour, 2014; Campos et al., 2014). Este resultado muestra una relación similar a

una curva cóncava. Individuos con bajos niveles de educación no hacen uso efectivo de Internet

para buscar empleo. A mayores niveles de capital humano, se observa un uso más frecuente del

canal online. Sin embargo, la correlación creciente presenta un límite, pues en los más altos niveles

de instrucción y de especialización laboral, como el doctorado, la búsqueda de empleo por Internet

se reemplaza por búsqueda a través de redes de contacto.

14

Respecto a las variables relativas a la educación superior, el prestigio de las universidades y la

presencia de convenios universidad-empresa presentan efectos negativos sobre la decisión de buscar

empleo online para los empleados profesionales y los desempleados, respectivamente. Estas

características de las universidades conforman parte del capital social que se ofrece a los egresados.

El prestigio de la universidad se construye a partir de factores endógenos (calidad de enseñanza,

publicaciones académicas, entre otros) y se complementa con las alianzas estratégicas de la misma

con otras organizaciones. Ambas características facilitan la construcción de redes personales en el

ámbito laboral. Esto genera, que los egresados aprovechen en mayor medida los canales de

búsqueda informal (Granovetter, 1995).

Finalmente, la presencia de una bolsa de trabajo virtual en las universidades, aumenta el uso del

canal online para los empleados profesionales. La evidencia señala que este tipo de instrumento,

altera la percepción y el comportamiento de los egresados en la búsqueda de empleo. El

familiarizarse con este instrumento, desde la etapa de formación universitaria, no sólo fortalece las

capacidades y las competencias de los egresados, sino también, genera confianza y seguridad por

los tipos de empleo que se ofrecen por Internet, lo que aumenta la intensidad de uso de este canal

(Bagues & Labini, 2009).

[Insertar Cuadro 3]

El Cuadro 4 presenta los efectos marginales promedio de las variables explicativas en las tres

categorías laborales. La columna (I) muestra dichos efectos para los desempleados, la columna (II)

para los subempleados y la columna (III) para los empleados profesionales. De manera general, los

efectos marginales confirman la mayoría de los resultados obtenidos en la estimación probit. Sin

embargo, es necesario resaltar los casos en los cuales los efectos son más potentes.

La intensidad media y alta de uso de Internet son las variables que muestran mayor efecto sobre la

probabilidad de búsqueda de empleo por Internet. Por ejemplo, la intensidad media aumenta la

probabilidad de uso del canal online entre 27.7 y 33.4 puntos porcentuales, con respecto a la

intensidad baja. Mientras que, la intensidad alta aumenta la misma probabilidad entre 52.9 y 67.3

puntos porcentuales, con respecto a la misma categoría base.

Por su parte, la variable que identifica a los núcleos urbanos revela diferencias en la magnitud del

efecto dependiendo de la categoría ocupacional. Para el caso de los desempleados, el residir en un

área urbana reduce la probabilidad de búsqueda en 14.5 puntos porcentuales, mientras que, para los

subempleados y empleados profesionales, este efecto es de 3.6 y 7.4 puntos porcentuales,

respectivamente.

15

Finalmente, se observa que el grado académico doctoral ha ganado significancia para los empleados

profesionales, con respecto al coeficiente relativo de la estimación probit. El tener un doctorado,

siendo empleado profesional, reduce la probabilidad de búsqueda de empleo por Internet en 4.4

puntos porcentuales, con respecto a no tener estudios de postgrado. Este resultado refuerza la

hipótesis inicial de la curva invertida, que relaciona el nivel de instrucción y el uso del canal online.

[Insertar Cuadro 4]

4.2 Análisis de la robustez de los resultados

Para verificar la robustez de los resultados, se especifica el modelo excluyendo tres variables: el

ingreso promedio por tipo de carrera; la educación de los padres y el tipo de universidad. Esta

estimación11 muestra resultados similares a la del modelo inicial.

La exclusión del ingreso promedio por tipo de carrera, se debe a que los efectos positivos en la

regresión inicial son mínimos. Asimismo, los estudios precedentes no han mostrado efectos

significativos en las proxies de ingreso utilizadas (Stevenson, 2009; Campos et al., 2014). Por otra

parte, se excluye a la variable que identifica los años de educación de los padres, debido a que en el

análisis descriptivo, se encontró que esta variable no mostraba diferencias estadísticamente

significativas, en cada categoría laboral. Finalmente, la exclusión del tipo de universidad (pública o

privada) se debe a que no mostro efectos significativos en ninguna de las estimaciones.

5. Conclusión y recomendaciones de política

Este artículo analiza los factores que determinan la decisión de buscar empleo por Internet de los

egresados universitarios en Perú. Se utiliza la Encuesta Nacional de Egresados Universitarios del

2014, la cual recoge información sobre distintas características de los egresados, haciendo énfasis

en el acceso al mercado laboral y las TIC. A diferencia de los estudios previos, que comparan sólo

dos grupos ocupacionales (desempleados y empleados), el mercado laboral de los egresados permite

agregar una tercera categoría: los subempleados, pues existe una proporción elevada de egresados

que se encuentran en esta condición laboral. Mediante una estimación probit, aplicada a los

egresados con acceso a Internet, se examina la influencia en la búsqueda de empleo online de

diversos factores socio económicos; socio profesionales; relacionados a las TIC y un conjunto de

11 Revisar Anexo A.4.

16

variables relacionadas a la educación superior universitaria, estas últimas han recibido menor

atención en estudios previos.

Los resultados revelan que las variables con efectos significativos, en las tres categorías

ocupacionales, son el área de residencia; las variables de experiencia laboral y las variables de

intensidad de uso de los recursos digitales. Además, pese a la homogeneidad de la muestra, en la

mayoría de factores se observan efectos diferenciados dependiendo de la categoría ocupacional del

egresado. Los individuos, que usan los canales de búsqueda online para mejorar sus condiciones

laborales (transiciones de empleo a empleo), son principalmente mujeres, que han estudiado

carreras con expectativas salariales altas, sin estudios doctorales y que no utilizan diariamente

Internet. Asimismo, los egresados en ocupaciones acorde a su profesión, con padres que tienen un

bajo nivel educativo, también tienden a usar el canal online. Esto puede ser consecuencia de un

limitado uso de los canales de búsqueda informal, como las redes de contacto. Por su parte, para la

transición de desempleo a empleo, los egresados con padres de lengua no indígena mostraron mayor

propensión a usar el canal online. Lo que sugiere que el alto nivel de inversión en educación, los

obliga a buscar empelo por cualquier medio formal o informal.

Por otro lado, las variables relacionadas a la educación superior son las que han presentado los

efectos más dispares. Las variables asociadas al capital social universitario, prestigio y convenios

laborales con empresas, disminuyen la probabilidad de usar el canal online en los desempleados y

empleados profesionales, respectivamente. En contraste, la bolsa de trabajo virtual aumenta la

probabilidad de búsqueda en los individuos que quieren encontrar un empleo con mejores

condiciones (transiciones de empleo a empleo). Estos resultados sugieren que, el capital social

universitario actúa como un mecanismo que potencia los canales de búsqueda informales, mientras

que el instrumento de búsqueda virtual capacita a los egresados en la adopción de recursos digitales,

lo que aumenta su uso.

El análisis realizado da señal de un trade-off constante entre el uso de canales formales de búsqueda

de empleo, sobresaliendo Internet; y canales informales de búsqueda, los cuales se fortalecen por la

presencia de redes personales (Granovetter, 1995). La elección por uno de estos dos canales puede

ser determinado por factores exógenos al ámbito universitario (por ejemplo, el género; la frecuencia

de uso de Internet), así como por factores endógenos (tales como, el prestigio de la universidad; los

convenios laborales con otras organizaciones y el instrumento de búsqueda virtual). Sobre estos

últimos factores, se pueden formular políticas públicas que mejoren la situación laboral de los

desempleados y subempleados egresados, los cuales son frecuentemente afectados por la

ineficiencia del emparejamiento empleador-empleado.

17

Una reforma de largo plazo es la Ley Universitaria N°30220 del 2014, la cual busca mejorar la

calidad educativa y el posicionamiento académico en el Perú. La mejora de la calidad aumenta el

prestigio de las universidades e, indirectamente, puede tener impactos sobre la formación de redes

de contacto en el ámbito laboral. Sin embargo, al ser un proceso extendido que requiere

complementariedad de inversiones en capital económico y humano, los resultados de esta reforma,

tendrán efectos en las próximas generaciones de egresados.

En el corto plazo, una prioridad de política pública es consolidar el canal formal de búsqueda de

empleo por Internet, para los egresados. Este canal reduce los costos de transacción en el proceso de

búsqueda (Autor, 2001) y tiene resultados inmediatos en la transición de la universidad al mercado

laboral. El análisis del estudio revela que las universidades sin convenios con otras organizaciones y

con prestigio limitado, son espacios propicios para el fortalecimiento de los canales de búsqueda

por Internet. La inversión en este tipo de instrumentos como bolsas de trabajo virtual, por ejemplo,

pueden tener impactos significativos en la eficiencia de las transiciones laborales y suplir la falta de

redes personales, que las universidades no pueden ofrecer a sus egresados.

Finalmente, una propuesta de política dirigida al sector privado es el desarrollo de herramientas

digitales para mejorar la imagen corporativa de las empresas, pues la difusión de una imagen

positiva a través de medios digitales, permite atraer capital humano con mayores competencias

(Cober et al., 2004; Turban et al., 1998). Las empresas necesitan valorar los beneficios potenciales

de fortalecer sus medios digitales e invertir en los mismos, tales como campañas de marketing

digital; páginas web adaptadas para postulación a puestos laborales online, etc. Todas estas

propuestas de política pueden tener impactos positivos en el emparejamiento empleador-empleado y

diluir el problema de asimetrías de información en el mercado laboral de los egresados.

6. Bibliografía

Akerlof, G. (1970), “The market for 'lemons': quality uncertainty and the market mechanism”, The

Quarterly Journal of Economics, vol. 84, N° 3, Oxford University Press.

Autor, D. H. (2001), “Wiring the labor market”, The Journal of Economic Perspectives, vol. 15, N°

1, American Economic Association.

Bagues, M. F., & Labini, M. S. (2009), “Do Online Labor Market intermediaries matter? The

impact of AlmaLaurea on the university-to-work transition”, in Autor, D. H. (ed.), Studies of Labor

Market Intermediation, University of Chicago Press.

18

Balarin, M. (2008), “Promoting education in weak states: the case of radical policy discontinuity in

Peru”, Globalisation, Societies and Education, vol. 6, N°2, Taylor & Francis.

Brown, D. G. (1965), The market for college teachers: an economic analysis of career patterns

among southeastern social scientists, Chapel Hill: University of North Carolina Press.

Campos, R. C. (2012), Adopción y difusión de Internet en el mercado laboral Español, Tesis

doctoral, Universidad Rey Juan Carlos, Madrid.

Campos, R. C., Arrazola, M. & de Hevia, J. (2014), “Online job search in the Spanish labor

market”, Telecommunications Policy, vol. 38, Elsevier.

Coase, R. H. (1937), “The nature of the firm”, Economica, vol. 4, N°16, Wiley.

Cober, R. T., Brown, D. J., Keeping, L. M., & Levy, P. E. (2004), “Recruitment on the Net: How

Do Organizational Web Site Characteristics Influence”, Journal of Management, vol. 30, N° 5,

Sage Journals.

Dammert, A. C., Galdo, J. C., Galdo, V., & Sanz, T. (2009), Information Communications

Technologies, Job-Search, and Informality: A Randomized Social Experiment for Disadvantaged

Youth in Peru. Seguimiento, Análisis y Evaluación Para el Desarrollo (SASE), Lima, Perú.

DiMaggio, P., Hargittai, E., Neuman, W. R., & Robinson, J. P. (2001), “Social Implications of the

Internet”, Annual Review of Sociology, vol. 27, Annual Reviews.

Eastman, J. K., & Iyer, R. (2005), “The impact of cognitive age on Internet use of the elderly: an

introduction to the public policy implications”, International Journal of Consumer Studies, vol. 29,

N° 2, Wiley.

Fountain, C. (2005), “Finding a job in the Internet age”, Social Forces, vol. 83, N° 3, Oxford

University Press.

Goldfarb, A., & Prince, J. (2008), “Internet adoption and usage patterns are different: Implications

for the digital divide”, Information Economics and Policy, vol. 20, N° 1, Elsevier.

Granovetter, M. (1973), “The strength of weak ties”, American Journal of Sociology, vol. 78, N° 6,

University of Chicago Press.

(1995), Getting a job: A study of contacts and careers, University of Chicago Press.

Green, A. E., Li, Y., Owen, D., & Hoyos, M. de. (2012), “Inequalities in use of the Internet for job

search: similarities and contrasts by economic status in Great Britain”, Environment and Planning

A, vol. 44, N° 10, Sage Journals.

19

INEI. (2011), Encuesta de la Juventud Peruana, 2011. INEI, Ministerio de la Educación del Perú,

[en línea] http://alertacontraelracismo.pe/wp-content/uploads/2013/01/Primera-encuesta-nacional-

de-juventud.pdf.

(2015), Encuesta Nacional de los Egresados Universitarios, 2014. INEI, [en línea]

https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1298/Libro.pdf .

(2016), Encuesta Nacional de Hogares sobre Condiciones de Vida y Pobreza, 2015.

INEI, [en línea]

http://iinei.inei.gob.pe/iinei/srienaho/Descarga/DocumentosMetodologicos/2015-

55/CUESTIONARIO-ENAHO01A.pdf .

Kuhn, P., & Mansour, H. (2014), “Is Internet job search still effective?”, The Economic Journal,

vol. 124, Wiley.

Kuhn, P., & Skuterud, M. (2004), “Internet Job Search and Unemployment Durations”, American

Economic Review, vol. 94, N°1.

Lavado, P., Martínez, J. J., & Yamada, G. (2014), ¿Una promesa incumplida? La calidad de la

educación superior universitaria y el subempleo profesional en el Perú. Serie Documentos de

Trabajo. Banco Central de Reserva del Perú.

Leuven, E., Oosterbeek, H., (2011), “Overeducation and mismatch in the labor market”, in

Hanushek, E., Machin, S., Woessmann, L., (ed.), Handbook in economic, Economics of Education,

vol. 4, North-Holland.

OCDE. (2007), Working party on the information society. Broadband and ICT access and use by

households and individuals. DSTI/ICCP/IE, [en línea] https://www.oecd.org/sti/ieconomy/39869349.pdf

Orviska, M., & Hudson, J. (2009), “Dividing or uniting Europe? Internet usage in the EU”,

Information Economics and Policy, vol. 21, N° 4, Elsevier.

Putnam, R. (1995), “Bowling alone: America's declining social capital”, Journal of Democracy, vol.

6, N° 1, Johns Hopkins University Press.

Prensky, M. (2001), “Digital natives, digital immigrants part 1”. On the Horizon, vol. 9, N° 5, 1–6,

Lincoln: NCB University Press.

20

Rebick, M. (2000), “The importance of networks in the market for university graduates in Japan: a

longitudinal analysis of hiring patterns”. Oxford Economic Papers, vol. 52, N° 3, Oxford University

Press.

Rodríguez, E. (2008), La «brecha digital» en el mercado de trabajo: El aprovechamiento de la

Internet como determinante de la desigualdad salarial, Consorcio de Investigación Económica y

Social, Lima.

Sahin, A., Song, J., Topa, G., & Violante, G. L. (2011), “Measuring mismatch in the US labor

market”, Meeting Papers, 973.

Smith, E. (2012), “The Digital Native Debate in Higher Education: A Comparative Analysis of

Recent Literature”, Canadian Journal of Learning and Technology/La revue canadienne de

l’apprentissage et de la technologie, vol. 38, N° 3.

Stevenson, B. (2006), The impact of the Internet on worker flows, the Wharton School, University

of Pennsylvania.

(2009), “The Internet and Job Search”, in Autor, D. H. (ed.), Studies of Labor Market

Intermediation, University of Chicago Press.

Tapscott, D. (1998), Growing up digital, vol. 302. McGraw-Hill, New York.

Thorp, R., & Paredes, M. (2010), Ethnicity and the persistence of inequality: the case of Peru,

Basingstoke: Palgrave Macmillan.

Turban, D. B., Forret, M. L., & Hendrickson, C. L. (1998), “Applicant attraction to firms:

Influences of organization reputation, job and organizational attributes, and recruiter behaviors”,

Journal of Vocational Behavior, vol. 52, N° 1, Elsevier.

21

7. Anexos

[Insertar Cuadro A.1]

[Insertar Cuadro A.2]

[Insertar Cuadro A.3]

[Insertar Cuadro A.4]

22

Gráficos

Gráfico 1: Encuesta Nacional de Egresados Universitarios. Desempleo y subempleoa a nivel

departamental en Perú, 2014b.

(Porcentaje)

Panel A Panel B

Elaboración propia. a La variable de subempleo sólo considera a la población ocupada. b Los mapas elaborados únicamente consideran a la población con acceso a Internet.

23

Cuadros

Cuadro 1: Encuesta Nacional de Egresados Universitarios. Estadísticas descriptivas de la búsqueda de

empleo por Internet según condición laboral, 2014a.

(Porcentaje)

Desempleo Subempleado

profesional Empleado profesional

Búsqueda de empleo por Internet Media 0,6607 0,5682 0,4574 Desviación Estándar 0,4735 0,4953 0,4982 Número de observaciones 1046 3230 4176 a La variable descrita es una variable binaria, por lo que la media representa el porcentaje de individuos para los que la variable toma el valor 1. La definición de la variable se encuentra en el Anexo A.1.

Cuadro 2: Encuesta Nacional de Egresados Universitarios. Características seleccionadas de los

individuos que buscan empleo por Internet, 2014a.

(Porcentaje)

Desempleo Subempleado profesional

Empleado profesional

Género Hombre 0,6967 0,5761 0,4769

(0,4604) (0,4944) (0,4996)

Mujer 0,6417 0,5620 0,4414

(0,4799) (0,4963) (0,4967)

Área de residencia Urbano 0,6002 0,5688 0,4478

(0,4903) (0,4954) (0,4974) Rural 0,7453 0,5675 0,4752

(0,4361) (0,4956) (0,4995)

Tipo de post-grado Diplomado 0,7202 0,5881 0,4800

(0,4585) (0,4946) (0,5005) Maestría 0,7142 0,6593 0,4953

(0,4547) (0,4747) (0,5005)

Doctorado 0,6585 0,4742 0,4149

(0,4781) (0,5006) (0,4932)

Ingreso promedio por tipo de carrera 2084,9 2087,5 2058,2

(348,1) (362,2) (367,2)

Intensidad de uso Intensidad baja

b 0,3646 0,1980 0,0869

24

(0,4849) (0,3997) (0,2826)

Intensidad media 0,6305 0,5083 0,3689

(0,4830) (0,5000) (0,4826)

Intensidad alta 0,8686 0,8401 0,7237

(0,3387) (0,3668) (0,4474)

Convenios laborales universidad-empresa Sin convenio 0,7477 0,5708 0,4794

(0,4348) (0,4951) (0,4997)

Con convenios 0,6135 0,5667 0,4445 (0,4874) (0,4957) (0,4970) Errores estándar en paréntesis a Para cada condición laboral, la proporción de individuos que busca empleo por Internet se calcula de la siguiente manera: (personas que buscan empleo por Internet/ total de personas en esa condición laboral). b Siguiendo a Campos et al. (2014), se considera como intensidad baja de uso de Internet si se utilizan menos de tres aplicaciones online. Cuadro 3: Encuesta Nacional de Egresados Universitarios. Estimación probit de la decisión de buscar

empleo online, 2014.

Probit: búsqueda de empleo por Internet

Desempleados (I) Subempleados (II) Empleados

profesionales (III) Hombre 0,0340 -0,0854* -0,1116** (0,1001) (0,0516) (0,0455) Urbano -0,4109*** -0,0918* -0,1869*** (0,0967) (0,0528) (0,0478) Educación de los padres -0,0244 -0,0077 -0,0139* (0,0150) (0,0077) (0,0073) Lengua de los padres 0,2832** -0,1410** -0,0128 (0,1258) (0,0692) (0,0671) Número de empleos 0,0916*** 0,0603*** 0,0673*** (0,0311) (0,0148) (0,0129) Tiempo de egreso -0,0943** -0,1026*** -0,1024*** (0,0421) (0,0218) (0,0198) Ingreso prom. carrera 0,0002 0,0002** 0,0001** (0,0001) (0,0001) (0,0001) Doctorado 0,1228 -0,2911*** -0,1104 (0,2020) (0,1016) (0,0673) Maestría -0,1192 -0,0035 0,0421 (0,1718) (0,0808) (0,0647) Diplomado -0,2122 0,0321 0,0667 (0,2730) (0,1348) (0,0862) Intensidad media 0,7091*** 0,9484*** 1,0646*** (0,1708) (0,1179) (0,1339) Intensidad alta 1,6143*** 1,9654*** 2,0414*** (0,2101) (0,1326) (0,1397) Frecuencia diaria -0,1564 -0,2708*** -0,2085*** (0,1000) (0,0600) (0,0577) Universidad pública -0,0575 -0,0068 0,0749

25

(0,0995) (0,0549) (0,0495) Prestigio de Universidad 0,2000 -0,0518 -0,3006** (0,2940) (0,1588) (0,1280) Convenios Univ-Empresa -0,3085*** -0,0742 -0,0803 (0,1054) (0,0570) (0,0495) Bolsa de trabajo virtual 0,1337 -0,0734 0,0798* (0,1010) (0,0551) (0,0463) Constante -0,0311 -0,3862* -0,6899*** (0,4210) (0,2333) (0,2266) Observaciones 973 3013 3896 Log likelihood -558,66142 -1855,8801 -2401,416 Pseudo R2 0,0945 0,0989 0,1083 Prob. > x

2 0,0000 0,0000 0,0000 Errores estándar robustos en paréntesis (Huber/White/Estimador Sándwich). Categoría base: mujer, área rural, lengua indígena, sin estudios de postgrado, intensidad baja de uso de Internet (menos de 3 aplicaciones), sin uso diario de Internet, universidad privada, sin convenios laborales con empresas, sin bolsa de trabajo virtual. * Nivel de significancia p<0,10. ** Nivel de significancia p<0,05. *** Nivel de significancia p<0,01. Cuadro 4: Encuesta Nacional de Egresados Universitarios. Efectos marginales promedio de la

búsqueda de empleo online, 2014.

Efectos marginales promedio: búsqueda de empleo por Internet

Desempleados (I) Subempleados (II) Empleados profesionales (III)

Hombre 0,0120 -0,0334* -0,0444** (0,0353) (0,0202) (0,0181) Urbano -0,1450*** -0,0359* -0,0743*** (0,0341) (0,0206) (0,0190) Educación de los padres -0,0086 -0,0030 -0,0055* (0,0053) (0,0030) (0,0029) Lengua de los padres 0,1000** -0,0551** -0,0051 (0,0444) (0,0271) (0,0267) Número de empleos 0,0323*** 0,0236*** 0,0268*** (0,0110) (0,0058) (0,0051) Tiempo de egreso -0,0333** -0,0401*** -0,0407*** (0,0149) (0,0085) (0,0079) Ingreso prom. carrera 0,0001 0,0001** 0,0000** (0,0000) (0,0000) (0,0000) Doctorado 0,0418 -0,1154*** -0,0436* (0,0666) (0,0404) (0,0264) Maestría -0,0431 -0,0014 0,0168 (0,0634) (0,0315) (0,0258) Diplomado -0,0782 0,0124 0,0266 (0,1041) (0,0522) (0,0344) Intensidad media 0,2770*** 0,3340*** 0,2950*** (0,0645) (0,0321) (0,0226) Intensidad alta 0,5289*** 0,6729*** 0,6639*** (0,0664) (0,0339) (0,0251) Frecuencia diaria -0,0552 -0,1059*** -0,0829*** (0,0353) (0,0235) (0,0229)

26

Universidad pública -0,0203 -0,0027 0,0298 (0,0351) (0,0215) (0,0197) Prestigio de Universidad 0,0706 -0,0202 -0,1195** (0,1037) (0,0621) (0,0509) Convenios Univ-Empresa -0,1089*** -0,0290 -0,0319 (0,0371) (0,0223) (0,0197) Bolsa de trabajo virtual 0,0472 -0,0287 0,0317* (0,0357) (0,0215) (0,0184) Observaciones 973 3013 3896

Errores estándar robustos en paréntesis (Huber/White/Estimador Sándwich). Categoría base: mujer, área rural, lengua indígena, sin estudios de postgrado, intensidad baja de uso de Internet (menos de 3 aplicaciones), sin uso diario de Internet, universidad privada, sin convenios laborales con empresas, sin bolsa de trabajo virtual. * Nivel de significancia p<0,10. ** Nivel de significancia p<0,05. *** Nivel de significancia p<0,01.

Cuadro A.1: Encuesta Nacional de Egresados Universitarios. Definición de variables, 2014.

Variable Definición

Variable dependiente

Búsqueda de empleo por Internet

Dummy con valor 1 si el individuo ha utilizado Internet para buscar empleo en el último mes (0 en el resto de casos).

Variables independientes

Características socio económicas Hombre Dummy con valor 1 si el individuo es hombre (0 si el individuo es mujer).

Urbano Dummy con valor 1 si el individuo vive en un núcleo urbano (0 si vive en un área rural).

Educación de los padres Variable que identifica los años de educación de los padres.

Lengua de los padres Dummy con valor 1 si el individuo tiene padres con lengua materna no indígena (0 si los padres tienen lengua materna indígena). Se considera como lenguas no indígenas al castellano y las lenguas extranjeras; y como lenguas indígenas al quechua, aymara, ashaninka y otras lenguas nativas.

Características socio profesionales Número de empleos Variable que identifica la cantidad de empleos que ha tenido el individuo.

Tiempo de egreso Variable que identifica el número de años que tiene de egresado el individuo. Esta variable tiene como año base el 2016.

Ingreso prom. carrera Variable que identifica el ingreso esperado promedio según tipo de carrera. Se agrupan 6 tipos de carreras: ciencias sociales; ciencias de la salud; ciencias aplicadas; educación; ingeniería y arquitectura; derecho ciencias económicas-administrativas.

Doctorado Dummy con valor 1 si el individuo tiene o se encuentra cursando el doctorado (0 en el resto de los casos).

Maestría Dummy con valor 1 si el individuo tiene o se encuentra cursando la maestría (0 en el resto de los casos).

27

Diplomado Dummy con valor 1 si el individuo tiene o se encuentra cursando un diplomado (0 en el resto de los casos).

Características de las TIC Intensidad media Dummy con valor 1 si el individuo utiliza entre 3 y 6 aplicaciones online de

las 9 consideradas (0 en el resto de los casos). Se analizan 9 aplicaciones de Internet: comunicación (e-mail, chat); comercio electrónico; operaciones en banca electrónica; cursos/educación; búsqueda de trabajo; actividades de investigación y desarrollo; revisión de noticias; entretenimiento (música, vídeo, juegos).

Intensidad alta Dummy con valor 1 si el individuo utiliza entre 7 y 9 aplicaciones online de las 9 consideradas (0 en el resto de los casos). Se analizan 9 aplicaciones de Internet: comunicación (e-mail, chat); comercio electrónico; operaciones en banca electrónica; cursos/educación; búsqueda de trabajo; actividades de investigación y desarrollo; revisión de noticias; entretenimiento (música, vídeo, juegos).

Frecuencia diaria Dummy con valor 1 si el individuo se ha conectado diariamente a Internet en el último mes (0 en el resto de casos).

Características de educación superior Universidad pública Dummy con valor 1 si el individuo estudió en una universidad pública (0 si la

universidad es privada). Prestigio de Universidad Variable que identifica el prestigio de las universidades. El indicador puede

tomar valores entre 0 y 1. Convenios Univ-Empresa Dummy con valor 1 si el individuo estudió en una universidad con convenios

laborales con empresas (0 si la universidad no tiene estos convenios). Bolsa de trabajo virtual Dummy con valor 1 si el individuo estudió en una universidad con bolsa de

trabajo virtual (0 en el resto de casos).

Cuadro A.2: Encuesta Nacional de Egresados Universitarios. Estadísticas descriptivas de los individuos

que acceden a Internet, 2014.

(Porcentaje)

Desempleo Subempleado profesional

Empleado profesional

Características socio económicas Hombre 0,3461 0,4405 0,4506

(0,4757) (0,4965) (0,4976)

Urbano 0,5831 0,5359 0,6494

(0,4931) (0,4987) (0,4772)

Educación de los padres 13,3510 12,9185 13,5031

(3,0933) (3,2643) (2,9875)

Lengua de los padres 0,8656 0,8492 0,8843

(0,3411) (0,3578) (0,3199)

Características socio profesionales Número de empleos 2,2088 2,5772 2,5397

(1,5626) (1,6932) (1,7052)

Tiempo de egreso 3,9313 4,1989 4,4059

(1,1589) (1,1717) (1,1570)

28

Ingreso prom. carrera 2067,3 2057,5 2027,5

(357,8) (367,5) (366,4)

Diplomado 0,0229 0,0289 0,0639

(0,1496) (0,1676) (0,2447)

Maestría 0,0786 0,1024 0,1285

(0,2691) (0,3031) (0,3346)

Doctorado 0,0609 0,0587 0,1267

(0,2391) (0,2350) (0,3326)

Características de las TIC Intensidad baja 0,0612 0,0456 0,0380

(0,2396) (0,2085) (0,1911) Intensidad media 0,7436 0,7312 0,6823

(0,4367) (0,4434) (0,4656) Intensidad alta 0,1952 0,2233 0,2797

(0,3964) (0,4165) (0,4489) Frecuencia diaria 0,7278 0,7870 0,8353

(0,4451) (0,4094) (0,3709)

Características de educación superior Universidad pública 0,4880 0,5114 0,4653

(0,4999) (0,4999) (0,4988) Prestigio de Universidad 0,4258 0,4202 0,4591

(0,1486) (0,1487) (0,1784) Convenios Univ-Empresa 0,6481 0,6335 0,6308

(0,4776) (0,4819) (0,4826) Bolsa de trabajo virtual 0,3505 0,3617 0,3662 (0,4771) (0,4805) (0,4818)

Errores estándar en paréntesis. a Las variables descritas son variable binarias, por lo que la media representa el porcentaje de individuos para los que las variables toman el valor 1.

Cuadro A.3: Encuesta Nacional de Egresados Universitarios. Selección del modelo de elección discreta

(muestra completa), 2014.

Bondad de ajuste Modelos de elección discreta Probit Logit

Log likelihood (null) -5447,004 -5447,004 Log likelihood (model) -4918,193 -4918,273 AIC

a 9872,387 9872,546 BIC

b 9997,889 9998,048 Pseudo R2 0,0971 0,0971

a Criterio de información Akaike.

b Criterio de información Schwarz. .

29

Cuadro A.4: Encuesta Nacional de Egresados Universitarios. Prueba de robustez. Especificación del

modelo excluyendo las variables “Educación de los padres”, “Ingreso prom. carrera” y “Universidad

pública”, 2014.

Especificación I: “Educación de los padres”, “Ingreso prom.

carrera” y “Universidad pública” excluidas. Desempleados (I) Subempleados (II) Empleados

profesionales (III) Hombre 0,0588 -0,0421 -0,0736* (0,0939) (0,0486) (0,0429) Urbano -0,4237*** -0,1066** -0,2113*** (0,0949) (0,0515) (0,0468) Lengua de los padres 0,2461** -0,1516** -0,0487 (0,1228) (0,0678) (0,0658) Número de empleos 0,0968*** 0,0624*** 0,0702*** (0,0307) (0,0147) (0,0129) Tiempo de egreso -0,0956** -0,1072*** -0,1034*** (0,0414) (0,0217) (0,0197) Doctorado 0,0821 -0,3085*** -0,1249* (0,2012) (0,1007) (0,0668) Maestría -0,1124 -0,0051 0,0357 (0,1702) (0,0809) (0,0644) Diplomado -0,2044 0,0271 0,0492 (0,2663) (0,1349) (0,0861) Intensidad media 0,6995*** 0,9318*** 1,0614*** (0,1703) (0,1179) (0,1335) Intensidad alta 1,5979*** 1,9615*** 2,0326*** (0,2089) (0,1323) (0,1393) Frecuencia diaria -0,1521 -0,2639*** -0,2035*** (0,0990) (0,0595) (0,0569) Prestigio de Universidad 0,1192 -0,0728 -0,3239** (0,2856) (0,1576) (0,1267) Convenios Univ-Empresa -0,2801*** -0,0635 -0,1172*** (0,0971) (0,0523) (0,0446) Bolsa de trabajo virtual 0,1212 -0,0781 0,0740 (0,1016) (0,0550) (0,0461) Constante 0,0213 -0,1031 -0,5267*** (0,2794) (0,1692) (0,1758) Observaciones 974 3016 3901 Log likelihood -561,71774 -1861,9279 -2408,8317 Pseudo R2 0,0902 0,0968 0,1067 Prob. > x

2 0,0000 0,0000 0,0000 Errores estándar robustos en paréntesis (Huber/White/Estimador Sándwich). Categoría base: mujer, área rural, lengua indígena, sin estudios de postgrado, intensidad baja de uso de Internet (menos de 3 aplicaciones), sin uso diario de Internet, sin convenios laborales con empresas, sin bolsa de trabajo virtual. * Nivel de significancia p<0,10. ** Nivel de significancia p<0,05. *** Nivel de significancia p<0,01