Clasificación laboral en México usando un enfoque de aprendizaje automático

Job classification in Mexico using a machine learning approach

Luz Judith Rodríguez Esparza (), Dolly Anabel Ortiz Lazcano () and Mónica Fernanda Llamas Valle ()
Additional contact information
Luz Judith Rodríguez Esparza: Universidad Autónoma de Aguascalientes
Dolly Anabel Ortiz Lazcano: Universidad Autónoma de Aguascalientes
Mónica Fernanda Llamas Valle: Universidad Autónoma de Aguascalientes

Revista de Métodos Cuantitativos para la Economía y la Empresa = Journal of Quantitative Methods for Economics and Business Administration, 2025, vol. 39, 1-22

Abstract: En este estudio, se aborda el desaliento laboral en México desde una perspectiva de modelación matemática. Se consideran dos condiciones de empleabilidad: desocupado y desalentado, y se caracteriza la clasificación de estos grupos utilizando modelos de aprendizaje automático y variables sociodemográficas, tales como nivel de instrucción, sexo, edad, estado conyugal, número de hijos, parentesco y ámbito de residencia. Considerando datos de la Encuesta Nacional de Ocupación y Empleo, la mayor precisión de clasificación de los algoritmos abordados la obtuvieron las redes neuronales y los bosques aleatorios. Estos modelos indicaron que las características principales que distinguen a los desalentados de los desempleados son: mujeres de 20-29 años, con educación media superior y superior, sin hijos, solteras y residentes en zonas urbanas. Lo más relevante es que, gracias a los resultados obtenidos con los modelos de aprendizaje automático, es posible no solo predecir con mayor precisión quiénes podrían caer en el desaliento laboral, sino también proponer políticas públicas más efectivas y focalizadas. Estas políticas pueden estar orientadas específicamente a los sectores identificados como más vulnerables, contribuyendo así a la disminución del desaliento laboral y a la mejora de la empleabilidad en el país.

Keywords: Desánimo; aprendizaje automático; clasificación; México; ENOE; Discouragement; machine learning; classification; Mexico (search for similar items in EconPapers)
JEL-codes: C10 J21 J64 (search for similar items in EconPapers)
Date: 2025
References: Add references at CitEc
Citations:

Downloads: (external link)
https://www.upo.es/revistas/index.php/RevMetCuant/article/view/10760/10142 (application/pdf)
https://www.upo.es/revistas/index.php/RevMetCuant/article/view/10760/10144 (text/html)
https://www.upo.es/revistas/index.php/RevMetCuant/article/view/10760/10147 (text/xml)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:pab:rmcpee:v:39:y:2025:p:1-22

DOI: 10.46661/rev.metodoscuant.econ.empresa.10760

Access Statistics for this article

Revista de Métodos Cuantitativos para la Economía y la Empresa = Journal of Quantitative Methods for Economics and Business Administration is currently edited by Macarena Lozano Oyola and Francisco Javier Blancas Peral

More articles in Revista de Métodos Cuantitativos para la Economía y la Empresa = Journal of Quantitative Methods for Economics and Business Administration from Universidad Pablo de Olavide, Department of Quantitative Methods for Economics and Business Administration Carretera de Utrera km.1, 41013 Sevilla. Contact information at EDIRC.
Bibliographic data for series maintained by Publicación Digital - UPO ().