Secretaría de Economía e Innovación del Estado de Baja California.

Dirección de Estadística - Blog.

Evolución del talento en Baja California: un vistazo a la matrícula universitaria de 2017-18 a 2022-23.

Director: Benjamín Castro Martínez.

Analista: Daniel Sosa Alamillo.

Febrero de 2024.

La educación universitaria es un pilar fundamental en el desarrollo económico de cualquier entidad, al ser una fuente generadora de conocimiento, innovación y capital humano cualificado. En Baja California, el análisis de la matrícula universitaria proporciona una perspectiva valiosa sobre cómo la región está preparando a las futuras generaciones para enfrentar los retos del mercado laboral y contribuir al progreso económico.

Al examinar aspectos como el volumen de alumnos inscritos, la distribución por municipio, sexo y disciplina, así como la tendencia de estos indicadores en el tiempo, podemos comprender mejor las dinámicas educativas y su alineación con las necesidades del sector económico. Este enfoque no solo destaca la correlación entre la formación universitaria y las oportunidades de desarrollo económico, sino que también refleja las transformaciones en las preferencias académicas, las demandas del entorno empresarial y los cambios estructurales en la economía que impactan en la matriculación universitaria en Baja California y, por extensión, en México.

Con base en los datos recopilados por la Asociación Nacional de Universidades e Instituciones de Educación Superior (ANUIES), este documento ofrece un análisis estadístico descriptivo que ilustra la situación actual de la educación superior en el estado.

Explora a detalle la evolución del talento a nivel nacional, estatal y municipal,a través de nuestro tablero interactivo.

Principales hallazgos

Crecimiento por encima de la media nacional: Baja California ha experimentado un incremento en la matrícula universitaria del 20% entre los ciclos escolares 2017-18 y 2022-23, superando la tasa de crecimiento nacional. Este aumento refleja la capacidad de la región para atraer y retener a estudiantes en la educación superior, lo que sugiere una infraestructura educativa fuerte y programas que están alineados con las expectativas de los estudiantes y las necesidades del mercado laboral.
Diversificación de la matrícula con variaciones municipales y ajustes regionales: La elección de campos de estudio en Baja California muestra una clara diversificación ajustada a las economías locales de sus municipios. Tijuana y Mexicali sobresalen en ingeniería, manufactura y construcción, reflejando su robusto tejido industrial. Playas de Rosarito y Tecate presentan una inclinación hacia administración y negocios, alineándose con un enfoque en el comercio y la gestión empresarial. Ensenada, conocida por su puerto y actividades marítimas, así como San Quintín, con su emergente polo de desarrollo agrícola, también reflejan preferencias educativas que corresponden a sus sectores económicos específicos. Esta variación subraya la importancia de una estrategia educativa que no solo se alinee con las necesidades del mercado laboral regional, sino que también fomente el desarrollo en áreas de potencial crecimiento y transformación económica.
Desafíos de equidad de género y disminución en áreas clave: A pesar del crecimiento general en la matrícula, se observa una volatilidad en la participación de los hombres y una contracción notable en áreas como ciencias sociales y derecho, y educación. Estas tendencias sugieren desafíos en cuanto a la equidad de género en ciertos campos de estudio y señalan la necesidad de revisar y actualizar la oferta académica para alinearla con las demandas actuales y futuras del mercado laboral, tanto a nivel local como nacional.

Panorama nacional

En México, la cantidad de estudiantes inscritos en programas universitarios ha mostrado una tendencia ascendente. Entre los períodos escolares 2017-18 y 2022-23, la matrícula total experimentó un incremento del 14.3%. Esta expansión refleja un impulso positivo hacia una mayor inclusión en la educación superior, crucial para el desarrollo socioeconómico del país. No obstante, es notable que el ritmo de crecimiento anual promedio ha sufrido una desaceleración significativa desde el inicio de la pandemia, pasando del 3.7% al 1.2%. Este fenómeno sugiere que la crisis sanitaria ha impactado profundamente la dinámica educativa, potencialmente debido a factores económicos, adaptaciones a la educación a distancia, y cambios en las prioridades de vida de los estudiantes. En el período académico 2022-23, la matrícula universitaria total ascendió a 4,367,924 alumnos, un número que, a pesar de la desaceleración, sigue indicando un avance en la educación superior.

Al desglosar la matrícula por sexo, se revelan patrones distintivos. Originalmente, en 2017-18, la matrícula masculina superaba ligeramente a la femenina, pero esta tendencia se revirtió en el ciclo siguiente. Desde 2018-19, el número de mujeres en las universidades ha superado al de los hombres, evidenciando un cambio cultural hacia una mayor inclusión de las mujeres en la educación superior. Este cambio se ha intensificado a partir de 2020-21. Antes de la pandemia, los hombres veían un crecimiento promedio anual del 2.7%, y las mujeres un más robusto 4.7%. Sin embargo, la pandemia trajo consigo una contracción del número de matriculados hombres, disminuyendo a un ritmo del 0.8% anual, mientras que la matrícula de mujeres, aunque desacelerada, mantuvo un crecimiento promedio del 1.2% anual.

En términos de las preferencias de carrera, el ciclo escolar 2022-23 nos muestra que el 24.6% de las estudiantes se encuentran inscritas en programas relacionados con administración y negocios; un 21.7% en ciencias sociales y el derecho; y un 17.6% en ciencias de la salud. Por otro lado, el 30.0% de los estudiantes hombres se concentran en campos de ingeniería, manufactura y construcción; 20.5% se encuentra inscrito en carreras relacionadas con la administración y los negocios; y otro 15.5% en ciencias sociales y derecho. Estos patrones no solo reflejan las tendencias de mercado y los factores sociales que influyen en la elección de carrera, sino que también pueden ser indicativos de áreas en las que se requieren esfuerzos de promoción y apoyo para equilibrar la distribución.

Code

# Especificar colores personalizados
colors <- c("Total" = "#868686", 
            "Mujeres" = "#b17a45", 
            "Hombres" = "#53152b")

# Establecer factor
ANUIES_nacional$Año <- factor(ANUIES_nacional$Año, levels = unique(ANUIES_nacional$Año))

# Gráfica 1
p1 <- ggplot(ANUIES_nacional, aes(x = Año)) +
  # Puntos para Porcentaje_total, Porcentaje_hombres y Porcentaje_mujeres
  geom_point(aes(y = M_total, color = "Total"), size = 2) +
  geom_point(aes(y = M_mujeres, color = "Mujeres"), size = 2) +
  geom_point(aes(y = M_hombres, color = "Hombres"), size = 2) +
  geom_path(aes(y = M_total, color = "Total", group = 1)) +
  geom_path(aes(y = M_mujeres, color = "Mujeres", group = 1)) +
  geom_path(aes(y = M_hombres, color = "Hombres", group = 1)) +
  geom_vline(aes(xintercept = "2020-21"), linetype="dashed", color = "black", size=1) +
  scale_color_manual(values = colors) +

  # Etiquetas y títulos
  labs(title = "Gráfica 1. Nacional. \nMatrícula universitaria.",
       subtitle = "Ciclo escolar: 2017-18 a 2022-23.",
       y = "Matrícula",
       x = "Ciclo escolar",
       color = "Categoría") +
  labs(caption = "Fuente: SEI BC con datos de ANUIES, 2023.") +

  # Tema
  theme_minimal() +
  theme(text = element_text(family = "Montserrat"),
        title = element_text(family = "Montserrat"),
        axis.title = element_text(family = "Montserrat"),
        axis.text = element_text(family = "Montserrat"),
        legend.title = element_text(family = "Montserrat"),
        legend.text = element_text(family = "Montserrat")) +
  scale_y_continuous(labels = comma,
                     limits = c(0, 4500000),
                     expand = c(0, 0))

print(p1)

El análisis de la matrícula universitaria como porcentaje de la población a nivel nacional revela patrones significativos que reflejan cambios sociales y posibles desafíos educativos. Entre 2017-18 y 2022-23, la matrícula de hombres en relación a la población masculina total muestra un incremento hasta el ciclo escolar 2020-21, seguido de una disminución en los dos períodos subsiguientes, señalando un posible cambio en la valoración o accesibilidad de la educación superior para este grupo. Por otro lado, la matrícula de mujeres ha visto un ascenso constante, sugiriendo una mayor integración de las mujeres en el espacio educativo universitario.

La pandemia de COVID-19 parece haber influido significativamente en las tendencias de matrícula, particularmente en 2020-21 se registró un aumento en los porcentajes de alumnos inscritos en universidades. Sin embargo, a partir de 2021-22, se observó una inversión de esta tendencia, particularmente en la matrícula de los hombres.

La creciente matrícula de mujeres presenta una oportunidad para abordar la representación de las mujeres en campos donde tradicionalmente han sido minoría, mientras que la reciente disminución en la matrícula masculina destaca la importancia de entender y abordar las barreras que los hombres pueden estar enfrentando en la educación universitaria.

Code

# Gráfica 2
# Especificar colores personalizados
colors <- c("Total" = "#868686", "Hombres" = "#53152b", "Mujeres" = "#b17a45")

# Gráfica 2
p2 <- ggplot(ANUIES_nacional, aes(x = Año)) +
  # Puntos para Porcentaje_total, Porcentaje_hombres y Porcentaje_mujeres
  geom_point(aes(y = Porcentaje_total, color = "Total"), size = 2) +
  geom_path(aes(y = Porcentaje_total, color = "Total", group = 1)) + # Usar geom_path
  geom_point(aes(y = Porcentaje_hombres, color = "Hombres"), size = 2) +
  geom_path(aes(y = Porcentaje_hombres, color = "Hombres", group = 1)) + # Usar geom_path
  geom_point(aes(y = Porcentaje_mujeres, color = "Mujeres"), size = 2) +
  geom_path(aes(y = Porcentaje_mujeres, color = "Mujeres", group = 1)) +
  geom_vline(aes(xintercept = "2020-21"), linetype="dashed", color = "black", size=1) +
  scale_color_manual(values = colors) +

  # Etiquetas y títulos
  labs(title = "Gráfica 2. Nacional. \nMatrícula universitaria como porcentaje de la población.",
       subtitle = "Ciclo escolar: 2017-18 a 2022-23.",
       y = "Porcentaje (%)",
       x = "Ciclo escolar",
       color = "Categoría") +
  labs(caption = "Fuente: SEI BC con datos de ANUIES, 2023.") +

  # Tema
  theme_minimal() +
  theme(text = element_text(family = "Montserrat"),
        title = element_text(family = "Montserrat"),
        axis.title = element_text(family = "Montserrat"),
        axis.text = element_text(family = "Montserrat"),
        legend.title = element_text(family = "Montserrat"),
        legend.text = element_text(family = "Montserrat")) +
  scale_y_continuous(labels = scales::percent_format(scale = 1),
                     limits = c(0, 5),
                     expand = c(0, 0))

print(p2)

Baja California

La trayectoria de la matrícula universitaria en Baja California entre los ciclos escolares 2017-18 y 2022-23 destaca no solo por su crecimiento, sino también por su capacidad de adaptación frente a desafíos sin precedentes. En el transcurso de estos cinco períodos, la matrícula de hombres experimentó un aumento del 13.4%, mientras que la de mujeres vio un significativo ascenso del 26.6%. En conjunto, la matrícula total creció un 20.0%, superando la tasa de crecimiento nacional del 14.3% para el mismo periodo, lo que sugiere un impulso educativo particularmente fuerte en la región.

En la entidad, el impacto de la pandemia parece haber sido más pronunciado con una contracción en 2021-22, seguida de una recuperación en 2022-23. Esta recuperación, aunque positiva, no alcanza los niveles de crecimiento previos a la pandemia, lo cual podría sugerir que los factores locales, como las dinámicas poblacionales y del mercado laboral, han tenido un efecto más inmediato y posiblemente más profundo en la matrícula universitaria del estado.

Code

# Establecer factor
ANUIES_bc$Año <- factor(ANUIES_bc$Año, levels = unique(ANUIES_bc$Año))

# Gráfica 3
# Establecer factor
ANUIES_bc$Año <- factor(ANUIES_bc$Año, levels = unique(ANUIES_bc$Año))

# Gráfica 3
p3 <- ggplot(ANUIES_bc, aes(x = Año)) +
  geom_point(aes(y = M_total, color = "Total"), size = 2) +
  geom_point(aes(y = M_mujeres, color = "Mujeres"), size = 2) +
  geom_point(aes(y = M_hombres, color = "Hombres"), size = 2) +
  geom_path(aes(y = M_total, color = "Total", group = 1)) +
  geom_path(aes(y = M_mujeres, color = "Mujeres", group = 1)) +
  geom_path(aes(y = M_hombres, color = "Hombres", group = 1)) +
  scale_color_manual(values = colors) +

  # Etiquetas y títulos
  labs(title = "Gráfica 3. Baja California. \nMatrícula universitaria.",
       subtitle = "Ciclo escolar: 2017-18 a 2022-23.",
       y = "Matrícula",
       x = "Ciclo escolar",
       color = "Categoría") +
  labs(caption = "Fuente: SEI BC con datos de ANUIES, 2023.") +

  # Tema
  theme_minimal() +
  theme(text = element_text(family = "Montserrat"),
        title = element_text(family = "Montserrat"),
        axis.title = element_text(family = "Montserrat"),
        axis.text = element_text(family = "Montserrat"),
        legend.title = element_text(family = "Montserrat"),
        legend.text = element_text(family = "Montserrat")) +
  scale_y_continuous(labels = comma,
                     limits = c(0, 150000),
                     expand = c(0, 0)) +
  geom_vline(aes(xintercept = "2020-21"), linetype="dashed", color = "black", size=1)

print(p3)

El panorama educativo en Baja California ha reflejado no solo el impulso hacia una mayor inclusión de las mujeres en la educación superior sino también la volatilidad en la participación de los hombres en este nivel educativo. Entre 2017-18 y 2022-23, la representación de mujeres en las universidades como proporción de la población femenina total del estado ha mostrado un ascenso consistente, pasando del 3.3% al 3.8%.

Sin embargo, la trayectoria de la matrícula masculina presenta un patrón más irregular. A pesar de un incremento modesto de la proporción de hombres universitarios frente a la población masculina total, de 3.2% en 2017-18 a 3.3% en 2022-23, se percibe una notable contracción en 2021-22, cayendo de un pico de 3.5% en 2020-21 a 3.3% en 2021-22.

El período 2020-21 se destaca especialmente para las mujeres, quienes alcanzaron una proporción de 3.8% con respecto a la población femenina. Aunque en 2021-22 se registró una ligera disminución en las cifras de matrícula, el ciclo 2022-23 evidenció una recuperación, especialmente notable en las mujeres que incrementaron su participación en el ámbito universitario. Este repunte, sin embargo, no fue tan marcado en la población masculina, lo que sugiere la necesidad de indagar más a fondo en las causas de esta divergencia.

Code

# Gráfica 4
# Establecer factor
ANUIES_bc$Año <- factor(ANUIES_bc$Año, levels = unique(ANUIES_bc$Año))
# Especificar colores personalizados
colors <- c("Hombres" = "#53152b", "Mujeres" = "#b17a45", "Total" = "#868686")

# Gráfica 4. Baja California. \nMatrícula universitaria como porcentaje de la población.
# 2017 - 2022.
p4 <- ggplot(ANUIES_bc, aes(x = Año)) +
  geom_path(aes(y = Porcentaje_hombres, color = "Hombres"), group = 3) +
  geom_point(aes(y = Porcentaje_hombres, color = "Hombres"), size = 2) +
  geom_path(aes(y = Porcentaje_mujeres, color = "Mujeres"), group = 1) +
  geom_point(aes(y = Porcentaje_mujeres, color = "Mujeres"), size = 2) +
  geom_path(aes(y = Porcentaje_total, color = "Total"), group = 1) +
  geom_point(aes(y = Porcentaje_total, color = "Total"), size = 2) +
  geom_vline(aes(xintercept = "2020-21"), linetype="dashed", color = "black", size=1) +
  scale_color_manual(values = colors) + # Asegúrate de que 'colors' está definido con tus colores
  labs(
    title = "Gráfica 4. Baja California. \nMatrícula universitaria como porcentaje de la población.",
    subtitle = "Ciclo escolar: 2017-18 a 2022-23.",
    x = "Ciclo escolar",
    y = "Porcentaje (%)",
    color = "Categoría",
    caption = "Fuente: SEI BC con datos de ANUIES, 2023."
  ) +
  theme_minimal() +
  theme(
    text = element_text(family = "Montserrat"),
    title = element_text(family = "Montserrat"),
    axis.title = element_text(family = "Montserrat"),
    axis.text = element_text(family = "Montserrat"),
    legend.title = element_text(family = "Montserrat"),
    legend.text = element_text(family = "Montserrat")
  ) +
  scale_y_continuous(
    labels = label_percent(scale = 1), # No multiplica por 100
    limits = c(0, 5) # Comienza en 0 y se extiende hasta el valor máximo de los datos
  )

print(p4)

Baja California se ubica en la octava posición a nivel nacional por el número de alumnos matriculados en el ciclo escolar 2022-23. Con un total de 138,490 estudiantes, la entidad representa el 3.2% del total de matrículas universitarias del país, y un significativo 16.0% dentro de los estados fronterizos del norte, lo que enfatiza su papel central en esta zona clave. La proporción de estudiantes por género en Baja California muestra una distribución de 47.3% hombres y 52.7% mujeres, un reflejo más equitativo en comparación con el promedio nacional de 47.0% hombres y 53.0% mujeres.

La importancia de Baja California en el contexto educativo se extiende también a la proporción de la población estudiantil respecto a la población total de la entidad. Con un 3.5% de su población total inscrita en instituciones de educación superior, se coloca por encima del promedio nacional de 3.4%. Esta cifra desglosa un 3.3% para los hombres y un 3.8% para las mujeres.

Code

# Gráfica 5
p5 <- ggplot(data = ANUIES_nacional_matriculados_porcentaje_2022, aes(y = factor(Entidad, levels = rev(sort(unique(Entidad))))))
p5 <- p5 + geom_point(aes(x = Hombres, color = "Hombres"), size = 2, position = position_dodge(0.7))
p5 <- p5 + geom_point(aes(x = Mujeres, color = "Mujeres"), size = 2, position = position_dodge(0.7))
p5 <- p5 + geom_point(aes(x = Total, color = "Total"), size = 2, position = position_dodge(0.7))

# Etiquetas y títulos
p5 <- p5 + labs(title = "Gráfica 5. Baja California.\nMatrícula universitaria como porcentaje de la población.",
                subtitle = "Ciclo escolar: 2022-23",
                x = "Porcentaje (%)",
                y = "Entidad",
                color = "Categoria") +
labs(caption = "Fuente: SEI BC con datos de ANUIES, 2023.")

# Especificar colores
p5 <- p5 + scale_color_manual(values = c("Hombres" = "#53152b", "Mujeres" = "#b17a45", "Total" = "#868686"))

# Formato de porcentaje para el eje X
p5 <- p5 + scale_x_continuous(labels = label_percent(scale = 1))

# Tema y rotación de etiquetas del eje x
p5 <- p5 + theme_minimal()
p5 <- p5 + theme(axis.text.x = element_text(angle = 45, hjust = 1))

p5 <- p5 + theme(
  text = element_text(family = "Montserrat"), # Default text
  title = element_text(family = "Montserrat"), # Titles (plot, axes)
  axis.title = element_text(family = "Montserrat"), # Axis titles
  axis.text = element_text(family = "Montserrat"), # Axis text
  legend.title = element_text(family = "Montserrat"), # Legend title
  legend.text = element_text(family = "Montserrat") # Legend text
)

# Línea punteada en el eje x
p5 <- p5 + geom_vline(aes(xintercept = 3.38), linetype="dashed", color = "black", size=0.5)

print(p5)

La matrícula universitaria en Baja California para el ciclo 2022-23 muestra patrones distintivos en la elección de carrera según sexo. Una gran proporción de los hombres se encuentran inscritos en programas relacionados con ingeniería, manufactura y construcción, estos representan el 68.9% de la matrícula en ese campo de formación, lo que indica una clara preferencia masculina por las áreas técnicas. Por otro lado, las mujeres prefirieren campos como la salud y la educación, con un 68.6% y un 78.4% de las matrículas en esas áreas, respectivamente. Estas preferencias subrayan diferencias tradicionales en la elección de carrera que persisten, a pesar de los avances hacia la igualdad de género.

La administración y los negocios atraen a un número considerable de estudiantes de ambos sexos, aunque las mujeres superan a los hombres con un 58.2% de la matrícula total. Las ciencias sociales y el derecho también son populares entre las mujeres, con un 62.2% de la matrícula, lo que refleja un interés continuo en estas disciplinas. En contraste, los campos de la tecnología de la información y la comunicación todavía son dominados por hombres, con un 82.3% de la matrícula, lo que sugiere que hay oportunidades para aumentar la participación de las mujeres en estas áreas de rápido crecimiento.

Estas tendencias en Baja California reflejan tanto las aspiraciones individuales de los estudiantes como las dinámicas sociales y de mercado laboral más amplias.

Code

# Especificar colores personalizados
colors <- c("Hombres" = "#53152b", "Mujeres" = "#b17a45")

# Transformar el conjunto de datos a formato largo excluyendo "Total"
df_largo <- melt(ANUIES_bc_matriculados_campoamplio, 
                 id.vars = "Campo amplio de formación", 
                 measure.vars = c("Hombres", "Mujeres"),
                 variable.name = "Categoría", 
                 value.name = "Número")

# Crear la gráfica de barras apiladas con colores personalizados
p6 <- ggplot(df_largo, aes(y = `Campo amplio de formación`, x = Número, fill = Categoría)) +
  geom_bar(stat = "identity", position = "stack") +
  scale_fill_manual(values = colors) +
  labs(title = "Gráfica 6. Baja California. \nMatrícula universitaria por campo amplio de \nformación. (Clasificación ANUIES).",
       subtitle = "Ciclo escolar: 2022-23.",
       y = "Campo amplio de formación", 
       x = "Matrícula",
       fill = "Categoría") +
  labs(caption = "Fuente: SEI BC con datos de ANUIES, 2023.") +
  scale_x_continuous(labels = comma) +  # Formato de separador de miles para el eje x
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

p6 <- p6 + theme(
  text = element_text(family = "Montserrat"),
  title = element_text(family = "Montserrat"),
  axis.title = element_text(family = "Montserrat"),
  axis.text = element_text(family = "Montserrat"),
  legend.title = element_text(family = "Montserrat"),
  legend.text = element_text(family = "Montserrat")
)

print(p6)

Vistas las cifras desde un enfoque de agrupación de carreras relacionadas con el campo laboral, se observan tendencias significativas en la distribución de estudiantes por género.

En las carreras relacionadas con el campo de Administración, un 57.2% de la matrícula corresponde a hombres, mientras que las mujeres representan el 42.8%, evidenciando una ligera inclinación masculina en esta área. Arquitectura presenta una distribución casi equitativa, con un 50.5% de mujeres y un 49.5% de hombres.

Disciplinas artísticas como Arte revelan una predominancia significativa de mujeres con un 66.3% de la matrícula, al igual que las Ciencias Médicas cuya proporción es de 72.6% de mujeres. Asimismo, educación refleja una marcada preferencia femenina con un 74.8% de la matrícula, mientras que en Ingeniería Industrial e Ingenierías en general, los hombres lideran con un 64.5% y un 70.6%, respectivamente.

El sector de Medicina experimenta una clara mayoría femenina con un 58.9% de la matrícula, en contraste con el campo de Sistemas Computacionales, donde los hombres representan el 82.4%. Negocios atrae a un número considerable de ambos sexos, pero las mujeres lideran con un 57.4% de la matrícula total. En Servicios, un cuarto de la matrícula total se encuentra, destacando un 63.2% de mujeres.

La alta concentración de estudiantes en áreas como Servicios (25%), Ingenierías (15%) y Administración (13.1%) dentro de la matrícula total de Baja California, pone de relieve la importancia de analizar la distribución por campo laboral para comprender y atender las necesidades específicas del desarrollo económico e industrial de la región.

Code

# Especificar colores personalizados
colores <- c("Hombres" = "#53152b", "Mujeres" = "#b17a45")

# Transformar el conjunto de datos a formato largo excluyendo "Total"
df_SEI_Clas <- melt(ANUIES_bc_SEI_Clas_2022, 
                 id.vars = "Clasificación SEI", 
                 measure.vars = c("Hombres", "Mujeres"),
                 variable.name = "Genero", 
                 value.name = "Matrícula")

# Crear la gráfica de barras apiladas con colores personalizados
p66 <- ggplot(df_SEI_Clas, aes(y = `Clasificación SEI`, x = Matrícula, fill = Genero)) +
  geom_bar(stat = "identity", position = "stack") +
  scale_fill_manual(values = colores) +
  labs(title = "Gráfica 7. Baja California. \nMatrícula universitaria por campo laboral\n(Clasificación SEI).",
       subtitle = "Ciclo escolar: 2022-23.",
       y = "Campo laboral (Clasificación SEI)", 
       x = "Matrícula",
       fill = "Categoría") +
  labs(caption = "Fuente: SEI BC con datos de ANUIES, 2023.") +
  scale_x_continuous(labels = comma) +  # Formato de separador de miles para el eje x
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

p66 <- p66 + theme(
  text = element_text(family = "Montserrat"),
  title = element_text(family = "Montserrat"),
  axis.title = element_text(family = "Montserrat"),
  axis.text = element_text(family = "Montserrat"),
  legend.title = element_text(family = "Montserrat"),
  legend.text = element_text(family = "Montserrat")
)

print(p66)

La distribución de la matrícula universitaria por municipio en Baja California muestra una concentración desigual de estudiantes, reflejando diferencias regionales vinculadas al tamaño de la población de cada municipio, así como a la disponibilidad de instituciones educativas y las oportunidades económicas locales.

Tijuana, con su matrícula de 71,818 alumnos, lidera la cantidad de estudiantes universitarios del estado, proporcional a su condición de municipio más poblado y su papel como principal centro urbano y económico. Esta elevada cifra no solo resalta la densidad poblacional estudiantil sino también una infraestructura educativa de envergadura que atiende la demanda de una población de casi 1.9 millones de habitantes.

Mexicali, con 42,813 alumnos, se posiciona detrás de Tijuana, reflejando su estatus como la capital estatal y la segunda ciudad en población. La concentración de instituciones educativas de alto calibre y la oferta de empleo para graduados contribuyen a su relevancia como polo educativo que atrae a estudiantes tanto locales como de municipios aledaños.

Ensenada, albergando a 19,237 alumnos, muestra una proporción considerable de estudiantes en relación con su población, destacando como un punto neurálgico para la educación enfocada en sectores marítimo, turístico y vinícola, entre otros.

Tecate y Playas de Rosarito, con poblaciones más modestas, presentan matrículas de 2,238 y 1,043 alumnos respectivamente, cifras que podrían reflejar tanto la escala demográfica como la extensión de las ofertas académicas disponibles. San Quintín, aunque con una población reducida, registra 1,341 estudiantes, lo que sugiere un interés específico en la educación superior que puede estar impulsado por las necesidades económicas de la región.

Code

# Número de municipios
num_municipios <- length(unique(ANUIES_bc_matricula_municipios_2022$Municipio))

# Definir paleta de colores base
base_colors <- c("#868686", "#b17a45", "#d4c19c", "#9d2449","#285c4d","#53152b", "#d4c19c")

colors <- rep(base_colors, length.out = num_municipios)

# Gráfica 7
p7 <- ggplot(ANUIES_bc_matricula_municipios_2022, aes(x = reorder(Municipio, -Ma_total), y = Ma_total, fill = Municipio)) +
  geom_bar(stat = "identity") + 
  geom_text(aes(label = format(Ma_total, big.mark = ",")), position=position_dodge(width=0.9), vjust=-0.25, size = 3) +
  scale_fill_manual(values = colors) +
  scale_y_continuous(labels = comma) + 
  labs(title = "Gráfica 8. Baja California. \nMatrícula universitaria por municipio.", 
       subtitle = "Ciclo escolar: 2022-23.",
       y = "Matrícula", 
       x = "Municipio") +
  labs(caption = "Fuente: SEI BC con datos de ANUIES, 2023.")+
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

p7 <- p7 + theme(
  text = element_text(family = "Montserrat"), # Default text
  title = element_text(family = "Montserrat"), # Titles (plot, axes)
  axis.title = element_text(family = "Montserrat"), # Axis titles
  axis.text = element_text(family = "Montserrat"), # Axis text
  legend.title = element_text(family = "Montserrat"), # Legend title
  legend.text = element_text(family = "Montserrat") # Legend text
)

print(p7)

Ensenada

Al profundizar en la evolución de la educación superior en Ensenada entre los períodos 2018-19 y 2022-23, se observa que el área de administración y negocios, aunque inicialmente gozaba de alta demanda, marcando un pico en 2020-21 con 4,292 inscripciones, inició un declive post pandemia, ajustándose a 3,532 para el ciclo 2022-23. Este fenómeno podría estar señalando cambios en la visión profesional de los estudiantes o respuestas a la evolución del mercado. Similarmente, las ciencias sociales y derecho, que contaban con la matrícula más alta en 2018-19 con 4,395 estudiantes, han visto una disminución significativa, descendiendo a 3,871 en 2022-23, posiblemente reflejando un desplazamiento del interés hacia campos emergentes o una saturación en la oferta laboral.

Estas tendencias de descenso contrastan con el crecimiento constante en el sector de las ciencias de la salud, que podría estar influido por el contexto global y la creciente necesidad de profesionales en esta área. Por su parte, ingeniería, manufactura y construcción, mantienen su relevancia con un incremento ligero pero constante, lo que denota la solidez de estos sectores en la economía local. En paralelo, las tecnologías de la información y la comunicación continúan su trayectoria ascendente, destacando su papel cada vez más central en el tejido productivo y en la vida cotidiana de la sociedad.

Code

# Colores personalizados para cada 'CAMPO AMPLIO DE FORMACIÓN'
color_palette <- c(
  "Administración y negocios" = "#53152b",
  "Agronomía y veterinaria" = "#b17a45",
  "Artes y humanidades" = "#285c4d",
  "Ciencias de la salud" = "#125898",
  "Ciencias naturales, matemáticas y estadística" = "#9d2449",
  "Ciencias sociales y derecho" = "#d4c19c",
  "Educación" = "#534897",
  "Ingeniería, manufactura y construcción" = "#598716",
  "Servicios" = "#678999",
  "Tecnologías de la información y la comunicación" = "#131313"
)

# Formas personalizadas para cada 'CAMPO AMPLIO DE FORMACIÓN'
shape_palette <- c(
  "Administración y negocios" = 15,
  "Agronomía y veterinaria" = 16,
  "Artes y humanidades" = 17,
  "Ciencias de la salud" = 18,
  "Ciencias naturales, matemáticas y estadística" = 19,
  "Ciencias sociales y derecho" = 20,
  "Educación" = 21,
  "Ingeniería, manufactura y construcción" = 22,
  "Servicios" = 23,
  "Tecnologías de la información y la comunicación" = 24
)

# Filtrar datos
datos_Ensenada <- ANUIES_filtrado_BC %>%
  filter(`MUNICIPIO` == "ENSENADA" & `Año` != 2017) %>%
  group_by(`Año`, `CAMPO AMPLIO DE FORMACIÓN`) %>%
  summarise(Matricula_Total = sum(`Matrícula Total`))



# Gráfica 8
p9 <- ggplot(datos_Ensenada, aes(x=`Año`, y=Matricula_Total, color=`CAMPO AMPLIO DE FORMACIÓN`, group=`CAMPO AMPLIO DE FORMACIÓN`)) +
  geom_line(size=0.5) +
  geom_point(aes(shape=`CAMPO AMPLIO DE FORMACIÓN`), size=3) +
  labs(title="Gráfica 9. Ensenada. \nMatrícula por campo amplio de formación.",
       subtitle = "Ciclo escolar: 2018-19 a 2022-23.",
       x="Ciclo escolar", y="Matrícula", 
       caption = "Fuente: SEI BC con datos de ANUIES, 2023",
       color = "Campo amplio de formación", 
       shape = "Campo amplio de formación") + 
  scale_color_manual(values = color_palette) +
  scale_shape_manual(values = shape_palette) +
  scale_y_continuous(labels = comma) +  # Aplicar el formato de separador de miles
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Cambiar los valores del eje de las x
p9 <- p9 + scale_x_continuous(breaks = c(2018, 2019, 2020, 2021, 2022), labels = c("2018-19", "2019-20", "2020-21", "2021-22", "2022-23"))

p9 <- p9 + theme(
  text = element_text(family = "Montserrat"),
  title = element_text(family = "Montserrat"),
  axis.title = element_text(family = "Montserrat"),
  axis.text = element_text(family = "Montserrat"),
  legend.title = element_text(family = "Montserrat"),
  legend.text = element_text(family = "Montserrat")
)

print(p9)

Mexicali

En Mexicali, la evolución de la matrícula universitaria desde 2018-19 muestra una preferencia destacada por sectores clave. La ingeniería, manufactura y construcción se ha posicionado como el campo más concurrido, manteniendo una matrícula que comenzó con 10,597 estudiantes en 2018-19 y registró 10,491 en 2022-23, a pesar de ligeras fluctuaciones. Este dato subraya la importancia crítica de estas áreas para la infraestructura y el crecimiento industrial de la región.

Por otro lado, el campo de administración y negocios, aunque no es el líder en matrícula, ha demostrado un crecimiento sostenido, de 8,133 estudiantes en 2018-19 a 8,996 en 2022-23, reflejando el fuerte interés en las habilidades de negocios y gestión. Las ciencias de la salud han visto un aumento significativo, especialmente en 2021-22, sugiriendo un impulso dado por la pandemia de COVID-19, con un incremento de 5,167 a 7,049 estudiantes en cuatro años.

Mientras tanto, las ciencias sociales y derecho, aunque tuvieron una alta matrícula inicial, han experimentado una disminución, pasando de 8,944 en 2018-19 a 8,494 en 2022-23, lo que podría indicar un cambio en el interés estudiantil. Las artes y humanidades, aunque menores en número, también han visto un aumento.

Code

# Filtrar datos
datos_Mexicali <- ANUIES_filtrado_BC %>%
  filter(`MUNICIPIO` == "MEXICALI" & `Año` != 2017) %>%
  group_by(`Año`, `CAMPO AMPLIO DE FORMACIÓN`) %>%
  summarise(Matricula_total = sum(`Matrícula Total`))

# Gráfica 9
p10 <- ggplot(datos_Mexicali, aes(x=`Año`, y=Matricula_total, color=`CAMPO AMPLIO DE FORMACIÓN`, group=`CAMPO AMPLIO DE FORMACIÓN`)) +
  geom_line(size=0.5) +
  geom_point(aes(shape=`CAMPO AMPLIO DE FORMACIÓN`), size=3) +
  labs(title="Gráfica 10. Mexicali. \nMatrícula por campo amplio de formación.",
       subtitle = "Ciclo escolar: 2018-19 a 2022-23.",
       x="Ciclo escolar", y="Matrícula", 
       caption = "Fuente: SEI BC con datos de ANUIES, 2023",
       color = "Campo amplio de formación", 
       shape = "Campo amplio de formación") + 
  scale_color_manual(values = color_palette) +
  scale_shape_manual(values = shape_palette) +
  scale_y_continuous(labels = comma) +  # Aplicar el formato de separador de miles
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Cambiar los valores del eje de las x
p10 <- p10 + scale_x_continuous(breaks = c(2018, 2019, 2020, 2021, 2022), labels = c("2018-19", "2019-20", "2020-21", "2021-22", "2022-23"))

p10 <- p10 + theme(
  text = element_text(family = "Montserrat"),
  title = element_text(family = "Montserrat"),
  axis.title = element_text(family = "Montserrat"),
  axis.text = element_text(family = "Montserrat"),
  legend.title = element_text(family = "Montserrat"),
  legend.text = element_text(family = "Montserrat")
)

print(p10)

Playas de Rosarito

Playas de Rosarito, siendo uno de los municipios más pequeños en Baja California, ha mostrado un interés académico concentrado en unas pocas áreas de formación, vinculado a la oferta educativa. La administración y negocios se destacan como la carrera con mayor número de matriculados, iniciando con 252 estudiantes en 2018-19 y alcanzando los 362 en 2022-23. Este crecimiento refleja una continuidad en la preferencia por habilidades administrativas y de gestión, fundamentales para el desarrollo empresarial local. A pesar de las fluctuaciones en los años intermedios, como el notable aumento a 369 en 2020-21, la tendencia a largo plazo señala una demanda estable por esta formación.

Por otro lado, las ciencias sociales y derecho también han mantenido una presencia significativa, comenzando con 190 matriculados en 2018-19 y aumentando a 348 en 2022-23. La educación, aunque con cifras más modestas, revela una constancia en la matrícula, destacando la importancia de formar profesionales en el ámbito educativo que contribuyan al desarrollo social del municipio. Las ciencias de la salud, si bien no presentan un crecimiento exponencial, mantienen un número importante de estudiantes, lo que subraya un interés sostenido en las profesiones médicas y afines.

Code

# Filtrar datos 
datos_PlayasDeRosarito <- ANUIES_filtrado_BC %>%
  filter(`MUNICIPIO` == "PLAYAS DE ROSARITO" & `Año` != 2017) %>%
  group_by(`Año`, `CAMPO AMPLIO DE FORMACIÓN`) %>%
  summarise(Matricula_total = sum(`Matrícula Total`))

# Gráfica 10
# Gráfica 10
p11 <- ggplot(datos_PlayasDeRosarito, aes(x=`Año`, y=Matricula_total, color=`CAMPO AMPLIO DE FORMACIÓN`, group=`CAMPO AMPLIO DE FORMACIÓN`)) +
  geom_line(size=0.5) +
  geom_point(aes(shape=`CAMPO AMPLIO DE FORMACIÓN`), size=3) +
  labs(title="Gráfica 11. Playas de Rosarito. \nMatrícula por campo amplio de formación.",
       subtitle = "Ciclo escolar: 2018-19 a 2022-23.",
       x="Ciclo escolar", y="Matrícula", 
       caption = "Fuente: SEI BC con datos de ANUIES, 2023.",
       color = "Campo amplio de formación", 
       shape = "Campo amplio de formación") + 
  scale_color_manual(values = color_palette) +
  scale_shape_manual(values = shape_palette) +
  scale_y_continuous(labels = comma) +  # Aplicar el formato de separador de miles
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Cambiar los valores del eje de las x
p11 <- p11 + scale_x_continuous(breaks = c(2018, 2019, 2020, 2021, 2022), labels = c("2018-19", "2019-20", "2020-21", "2021-22", "2022-23"))

p11 <- p11 + theme(
  text = element_text(family = "Montserrat"),
  title = element_text(family = "Montserrat"),
  axis.title = element_text(family = "Montserrat"),
  axis.text = element_text(family = "Montserrat"),
  legend.title = element_text(family = "Montserrat"),
  legend.text = element_text(family = "Montserrat")
)

print(p11)

Tecate

En Tecate, la tendencia en la elección de áreas de formación por parte de los estudiantes universitarios refleja un enfoque particular en disciplinas que son esenciales para el desarrollo industrial y empresarial del municipio. La administración y negocios, al igual que en otros municipios de Baja California, lidera la matrícula, comenzando con 539 estudiantes en 2018-19 y experimentando un aumento significativo hasta alcanzar los 826 en 2022-23. Este incremento puede interpretarse como una respuesta a la necesidad de profesionales capacitados para apoyar el crecimiento económico y gestionar las oportunidades de negocio en la región.

Las áreas de ingeniería, manufactura y construcción también han visto un aumento notable, pasando de 368 matriculados en 2018-19 a 691 en 2022-23, lo cual sugiere un interés creciente en campos técnicos y prácticos, quizás motivado por la demanda de habilidades especializadas en el sector manufacturero local. Las ciencias sociales y derecho mantienen una presencia constante, con una cifra que se ha más que duplicado en el período de estudio, reflejando la importancia de la formación en estas áreas para el tejido social y jurídico de Tecate. Por su parte, la educación muestra una estabilidad en el interés, aunque con un leve descenso en 2022-23, lo que podría requerir atención para asegurar la formación de educadores en el futuro. Estas tendencias subrayan la alineación de la oferta educativa con las necesidades y el desarrollo económico de Tecate.

Code

# Filtrar datos 
datos_Tecate <- ANUIES_filtrado_BC %>%
  filter(`MUNICIPIO` == "TECATE" & `Año` != 2017) %>%
  group_by(`Año`, `CAMPO AMPLIO DE FORMACIÓN`) %>%
  summarise(Matricula_total = sum(`Matrícula Total`))

# Gráfica 11
p12 <- ggplot(datos_Tecate, aes(x=`Año`, y=Matricula_total, color=`CAMPO AMPLIO DE FORMACIÓN`, group=`CAMPO AMPLIO DE FORMACIÓN`)) +
  geom_line(size=0.5) +
  geom_point(aes(shape=`CAMPO AMPLIO DE FORMACIÓN`), size=3) +
  labs(title="Gráfica 12. Tecate. \nMatrícula por campo amplio de formación.",
       subtitle = "Ciclo escolar: 2018-19 a 2022-23.",
       x="Ciclo escolar", y="Matrícula", 
       caption = "Fuente: SEI BC con datos de ANUIES, 2023.",
       color = "Campo amplio de formación", 
       shape = "Campo amplio de formación") + 
  scale_color_manual(values = color_palette) +
  scale_shape_manual(values = shape_palette) +
  scale_y_continuous(labels = comma) +  # Aplicar el formato de separador de miles
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Cambiar los valores del eje de las x
p12 <- p12 + scale_x_continuous(breaks = c(2018, 2019, 2020, 2021, 2022), labels = c("2018-19", "2019-20", "2020-21", "2021-22", "2022-23"))

p12 <- p12 + theme(
  text = element_text(family = "Montserrat"),
  title = element_text(family = "Montserrat"),
  axis.title = element_text(family = "Montserrat"),
  axis.text = element_text(family = "Montserrat"),
  legend.title = element_text(family = "Montserrat"),
  legend.text = element_text(family = "Montserrat")
)

print(p12)

Tijuana

En Tijuana, la diversificación en las áreas de estudio refleja la dinámica de una ciudad grande y económicamente activa. Aunque la administración y negocios ha visto un crecimiento, pasando de 13,107 inscritos en 2018-19 a 16,508 en 2022-23, es la ingeniería, manufactura y construcción la que realmente predomina en la preferencia estudiantil. Esta última ha experimentado un notable aumento, pasando de 13,543 matriculados en 2018-19 a 18,218 en 2022-23, lo que destaca la importancia del sector manufacturero en la economía local y la alineación de la oferta educativa con las demandas del mercado laboral.

Las ciencias de la salud, al igual que en Mexicali y Ensenada, han mostrado un incremento sostenido, alcanzando 10,301 estudiantes en 2022-23, reflejo de la creciente demanda de servicios de salud en la región. Las artes y humanidades, así como las tecnologías de la información y la comunicación, han mostrado crecimientos que subrayan un interés diversificado y en aumento en estas áreas, lo cual es alentador en el contexto de una sociedad que valora tanto la cultura como la innovación tecnológica.

Code

# Filtrar datos 
datos_Tijuana <- ANUIES_filtrado_BC %>%
  filter(`MUNICIPIO` == "TIJUANA" & `Año` != 2017) %>%
  group_by(`Año`, `CAMPO AMPLIO DE FORMACIÓN`) %>%
  summarise(Matricula_total = sum(`Matrícula Total`))

# Gráfica 12
p13 <- ggplot(datos_Tijuana, aes(x=`Año`, y=Matricula_total, color=`CAMPO AMPLIO DE FORMACIÓN`, group=`CAMPO AMPLIO DE FORMACIÓN`)) +
  geom_line(size=0.5) +
  geom_point(aes(shape=`CAMPO AMPLIO DE FORMACIÓN`), size=3) +
  labs(title="Gráfica 13. Tijuana. \nMatrícula por campo amplio de formación.",
    subtitle = "Ciclo escolar: 2018-19 a 2022-23.",
    x="Ciclo escolar", y="Matrícula", 
    caption = "Fuente: SEI BC con datos de ANUIES, 2023.",
    color = "Campo amplio de formación", 
    shape = "Campo amplio de formación") + 
  scale_color_manual(values = color_palette) +
  scale_shape_manual(values = shape_palette) +
  scale_y_continuous(labels = comma) + # Aplicar el formato de separador de miles
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Ajustar el tamaño del título

#, plot.title = element_text(size = 20) Ajustar texto
# Cambiar los valores del eje de las x
p13 <- p13 + scale_x_continuous(breaks = c(2018, 2019, 2020, 2021, 2022), labels = c("2018-19", "2019-20", "2020-21", "2021-22", "2022-23"))

p13 <- p13 + theme(
  text = element_text(family = "Montserrat"),
  title = element_text(family = "Montserrat"),
  axis.title = element_text(family = "Montserrat"),
  axis.text = element_text(family = "Montserrat"),
  legend.title = element_text(family = "Montserrat"),
  legend.text = element_text(family = "Montserrat")
)

print(p13)

San Quintín

En San Quintín, los datos del ciclo escolar 2022-23 reflejan una marcada inclinación hacia los campos de estudio vinculados a la administración y los negocios, con 429 estudiantes matriculados, y la agronomía y veterinaria, con 390 matriculados. Esta preferencia puede ser el reflejo directo de la estructura económica de la región, donde las actividades comerciales y la agricultura tienen un peso significativo. La cercanía a áreas de intenso cultivo agrícola y la necesidad de gestionar de manera efectiva tanto los negocios como los recursos naturales pueden estar impulsando a los jóvenes a formarse en estas áreas.

Las ciencias sociales y el derecho, así como la educación, también figuran entre las preferencias, con 268 y 169 matriculados respectivamente, lo que podría sugerir un interés en el fortalecimiento de la estructura social y en la mejora del sistema educativo local. Por otro lado, la ingeniería, manufactura y construcción, con una matrícula de 85, parece tener una presencia más modesta, lo cual podría indicar un área de oportunidad para fomentar la formación en estos campos que son esenciales para el desarrollo de infraestructura y la industria. La matrícula en San Quintín proporciona una ventana a las prioridades educativas y económicas de la región, sugiriendo un estrecho vínculo entre la oferta académica y las necesidades del mercado laboral local.

Code

# Filtrar datos 
datos_san_quintin <- ANUIES_filtrado_BC %>%
  filter(`MUNICIPIO` == "SAN QUINTÍN" & `Año` == 2022) %>%
  group_by(`CAMPO AMPLIO DE FORMACIÓN`) %>%
  summarise(Matricula_Total = sum(`Matrícula Total`))

# Gráfica 13
p14 <- ggplot(datos_san_quintin, aes(x=`CAMPO AMPLIO DE FORMACIÓN`, y=Matricula_Total, fill=`CAMPO AMPLIO DE FORMACIÓN`)) +
  geom_bar(stat="identity") +
  geom_text(aes(label=Matricula_Total), vjust=-0.3, color="#000000") +  
  labs(title="Gráfica 14. San Quintín. \nMatrícula por campo amplio de formación.",
       subtitle ="Ciclo escolar: 2022-23.",
       x="Campo amplio de formación", y="Matrícula", caption = "Fuente: SEI BC con datos de ANUIES, 2023.") +
  scale_fill_manual(values= color_palette) + 
  scale_y_continuous(limits=c(0, 500)) +  
  theme_minimal() +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1),
    legend.position = "none"  # 
  )

p14 <- p14 + theme(
  text = element_text(family = "Montserrat"), # Default text
  title = element_text(family = "Montserrat"), # Titles (plot, axes)
  axis.title = element_text(family = "Montserrat"), # Axis titles
  axis.text = element_text(family = "Montserrat")  # Axis text
  
)

print(p14)

Conclusiones

La trayectoria de la matrícula universitaria en Baja California entre 2017-18 y 2022-23 subraya una adaptabilidad notable de los programas educativos frente a las cambiantes demandas económicas y sociales. A pesar de la pandemia, se ha mantenido una tendencia ascendente en la inscripción general, con una marcada preferencia por carreras asociadas a la tecnología y la salud, sectores que han cobrado especial relevancia en el contexto actual. La disminución en áreas como ciencias sociales, derecho y educación refleja potencialmente una reevaluación de las prioridades profesionales ante un mercado laboral en evolución, así como la necesidad de innovar en la oferta académica para mantenerla relevante y atractiva.

Para asegurar que Baja California siga siendo competitiva y sus graduados estén bien posicionados en el mercado laboral, es imperativa la colaboración entre las instituciones educativas y los sectores gubernamental y privado para realizar una introspección estratégica. Se deben identificar y promover las áreas de especialización que no solo atraigan a los estudiantes, sino que también satisfagan las demandas emergentes de la economía. Además, es crucial abordar el equilibrio de género en todos los campos y asegurar que los municipios más pequeños tengan acceso a una educación superior que se alinee con las oportunidades de empleo locales, contribuyendo así al desarrollo equitativo en todo el estado.

Referencias

Asociación Nacional de Universidades e Instituciones de Educación Superior. (Enero de 2024). Anuarios estadísticos de educación superior. Obtenido de anuies.mx: http://www.anuies.mx/informacion-y-servicios/informacion-estadistica-de-educacion-superior/anuario-estadistico-de-educacion-superior

CONAPO. (2024.). datos.gob.mx. Obtenido de Proyecciones de la población de México y de las entidades federativas, 1950-2070.: https://datos.gob.mx/busca/dataset/proyecciones-de-la-poblacion-de-mexico-y-de-las-entidades-federativas-2020-2070

Instituo Nacional de Estadística y Geografía (INEGI). (2011). Clasificación mexicana de programas de estudio por campos de formación académica. Aguascalientes: INEGI. Obtenido de https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=702825003335