Modelos de Machine Learning para la predicción del salario en docentes peruanos de educación básica regular
La investigación proporciona un análisis profundo de la predicción del salario docente peruano, utilizando datos de la UGEL Ventanilla en Lima Perú y aplicando varios algoritmos predictivos de aprendizaje automático. A pesar del desafiante contexto de la variabilidad salarial en las organizaciones e...
Guardado en:
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de pregrado |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2024
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881545237472477184 |
|---|---|
| author | Tinoco Ramos, José Luis Yupanqui Arellano, Jhoset Yamiel |
| author2 | Soria Quijaite, Juan Jesus |
| author_browse | Soria Quijaite, Juan Jesus Tinoco Ramos, José Luis Yupanqui Arellano, Jhoset Yamiel |
| author_facet | Soria Quijaite, Juan Jesus Tinoco Ramos, José Luis Yupanqui Arellano, Jhoset Yamiel |
| author_sort | Tinoco Ramos, José Luis |
| collection | Repositorio institucional |
| description | La investigación proporciona un análisis profundo de la predicción del salario docente peruano, utilizando datos de la UGEL Ventanilla en Lima Perú y aplicando varios algoritmos predictivos de aprendizaje automático. A pesar del desafiante contexto de la variabilidad salarial en las organizaciones educativas, el estudio logró un alto grado de precisión, con el modelo de regularización Elastic Net a la cabeza. La investigación recopiló 108 317 registros docentes nombrados en cinco años correspondientes de 2018 - 2023, tomando el 80% (86 654) para el entrenamiento y el 20% (21 663) para el testeo de los modelos en estudio, con el objetivo de identificar la precisión de los algoritmos predictivos de machine learning Regresión lineal, Lasso, Ridge y Elastic Net a partir del análisis del salario docente. La investigación analizó la edad, el nivel educativo, el tiempo de servicio, la escala docente y las horas laborales como regresoras y el salario docente como predictor en un entorno normalizado por la exigencia de los supuestos inferenciales que fueron significativas estadísticamente, encontrando un salario promedio de 2771.80 soles peruanos y un modelo de regresión lineal múltiple significativo con pvalue menor a 2.2e-16, un RMSE=895.3793, MAE=619.7701, regresión Ridge con un RMSE=896.5645, MAE=622.6167, regresión Lasso con un RMSE=895.3673, MAE=619.8510, regresión Elastic Net, con un RMSE=895.3870 y MAE=619.8605. Los resultados indican que el algoritmo predictivo óptimo fue el modelo Elastic Net con = 0.5555556 y 13 = 0.20 con coeficientes 0 = −3092.582975; 1 = −4.824496; 2 = 22.972778; 3 = 17.623234; 4 = −88.511756; 5 = 191.104877 y un RMSE de 895.3870 aplicado en un entorno del salario docente. |
| escuela_str_mv | Escuela Profesional de Ingeniería de Sistemas |
| format | info:eu-repo/semantics/bachelorThesis |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/8012 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | Inteligencia artificial |
| ocde_area_str_mv | Ingeniería y tecnología |
| ocde_disciplina_str_mv | Ingeniería eléctrica, electrónica e informática |
| ocde_str_mv | 2.02.04 |
| programa_nombre_str_mv | Ingeniería de Sistemas |
| programa_pxx_str_mv | P27 |
| programa_uri_str_mv | http://upeu.edu.pe/sys/programas/programa/ingenieria-de-sistemas |
| publishDate | 2024 |
| publishDateRange | 2024 |
| publishDateSort | 2024 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Lima |
| spelling | Modelos de Machine Learning para la predicción del salario en docentes peruanos de educación básica regular Tinoco Ramos, José Luis Yupanqui Arellano, Jhoset Yamiel Soria Quijaite, Juan Jesus Regularización Machine learning Salario docente Lasso Ridge Elastic net La investigación proporciona un análisis profundo de la predicción del salario docente peruano, utilizando datos de la UGEL Ventanilla en Lima Perú y aplicando varios algoritmos predictivos de aprendizaje automático. A pesar del desafiante contexto de la variabilidad salarial en las organizaciones educativas, el estudio logró un alto grado de precisión, con el modelo de regularización Elastic Net a la cabeza. La investigación recopiló 108 317 registros docentes nombrados en cinco años correspondientes de 2018 - 2023, tomando el 80% (86 654) para el entrenamiento y el 20% (21 663) para el testeo de los modelos en estudio, con el objetivo de identificar la precisión de los algoritmos predictivos de machine learning Regresión lineal, Lasso, Ridge y Elastic Net a partir del análisis del salario docente. La investigación analizó la edad, el nivel educativo, el tiempo de servicio, la escala docente y las horas laborales como regresoras y el salario docente como predictor en un entorno normalizado por la exigencia de los supuestos inferenciales que fueron significativas estadísticamente, encontrando un salario promedio de 2771.80 soles peruanos y un modelo de regresión lineal múltiple significativo con pvalue menor a 2.2e-16, un RMSE=895.3793, MAE=619.7701, regresión Ridge con un RMSE=896.5645, MAE=622.6167, regresión Lasso con un RMSE=895.3673, MAE=619.8510, regresión Elastic Net, con un RMSE=895.3870 y MAE=619.8605. Los resultados indican que el algoritmo predictivo óptimo fue el modelo Elastic Net con = 0.5555556 y 13 = 0.20 con coeficientes 0 = −3092.582975; 1 = −4.824496; 2 = 22.972778; 3 = 17.623234; 4 = −88.511756; 5 = 191.104877 y un RMSE de 895.3870 aplicado en un entorno del salario docente. 2024-06-05 2024-10-18T15:09:25Z 2024-10-18T15:09:25Z info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/8012 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/8012 2026-11-10T22:57:48Z |
| spellingShingle | Regularización Machine learning Salario docente Lasso Ridge Elastic net Tinoco Ramos, José Luis Yupanqui Arellano, Jhoset Yamiel Modelos de Machine Learning para la predicción del salario en docentes peruanos de educación básica regular |
| title | Modelos de Machine Learning para la predicción del salario en docentes peruanos de educación básica regular |
| title_full | Modelos de Machine Learning para la predicción del salario en docentes peruanos de educación básica regular |
| title_fullStr | Modelos de Machine Learning para la predicción del salario en docentes peruanos de educación básica regular |
| title_full_unstemmed | Modelos de Machine Learning para la predicción del salario en docentes peruanos de educación básica regular |
| title_short | Modelos de Machine Learning para la predicción del salario en docentes peruanos de educación básica regular |
| title_sort | modelos de machine learning para la prediccion del salario en docentes peruanos de educacion basica regular |
| topic | Regularización Machine learning Salario docente Lasso Ridge Elastic net |
| topic_facet | Regularización Machine learning Salario docente Lasso Ridge Elastic net |
| url | https://hdl.handle.net/20.500.12840/8012 |
| work_keys_str_mv | AT tinocoramosjoseluis modelosdemachinelearningparalapredicciondelsalarioendocentesperuanosdeeducacionbasicaregular AT yupanquiarellanojhosetyamiel modelosdemachinelearningparalapredicciondelsalarioendocentesperuanosdeeducacionbasicaregular |