Por favor, use este identificador para citar o enlazar este ítem:
http://www.dspace.espol.edu.ec/handle/123456789/67604| Título : | Estrategias de selección de predictores en contextos de alta dimensionalidad y modelos de aprendizaje automático para el estudio de la adopción de TIC en empresas ecuatorianas |
| Autor : | Parrales Guerrero, Katherine Estefanie Paredes Aguirre, Milton Ismael, Director Barriga Medina, Holger Raúl, Evaluador 1 Zanzzi Díaz, Pedro Fabricio, Evaluador 2 |
| Palabras clave : | Tecnología de la información y la comunicación Aprendizaje automático Adopción de las TIC País en desarrollo Transformación digital Economía de la innovación Ecuador |
| Fecha de publicación : | 2025 |
| Editorial : | ESPOL.FCSH |
| Citación : | Parrales Guerrero K.E. (2025) Estrategias de selección de predictores en contextos de alta dimensionalidad y modelos de aprendizaje automático para el estudio de la adopción de TIC en empresas ecuatorianas [Tesis de Maestría] Escuela Superior Politécnica del Litoral |
| Resumen : | CONDITION FOR PUBLICATION OF PROJECT. |
| Descripción : | CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Las Tecnologías de la Información y la Comunicación (TIC) se han consolidado como un pilar esencial para la competitividad y el crecimiento económico. El objetivo de este estudio es identificar los factores determinantes de la inversión empresarial en TIC en Ecuador y evaluar la capacidad predictiva de distintos enfoques de selección de predictores y algoritmos de clasificación. Esta investigación analiza la inversión empresarial en TIC en Ecuador a partir de la Encuesta de Estructura Empresarial (ENESEM 2022), que recopiló información de 3,910 empresas de los sectores de manufactura, comercio, servicios, construcción y minería, con representatividad nacional y especial relevancia en polos estratégicos como Pichincha y Guayas. Para abordar el fenómeno se compararon tres estrategias de selección de predictores (regularización, manual e híbrida) en combinación con siete algoritmos de clasificación de aprendizaje automático (ML): Regresión Logística (LR), Árboles de Decisión (DT), K-vecinos más cercanos (KNN), Bosques Aleatorios (RF), Potenciación del Gradiente (GBM) y Máquinas de Vectores de Soporte (SVM) con kernels lineal y radial. También se evaluaron los predictores mediante el análisis de selección de estabilidad y de importancia relativa ponderada. Los resultados muestran que el algoritmo Random Forest logra la mayor precisión, mientras que el SVM lineal también presenta un buen rendimiento. Esto sugiere que los factores predictivos presentan tanto componentes lineales como no lineales en su relación con la inversión en TIC. Se identificó un núcleo estable de variables recurrentes como innovación, especialistas TIC, sitio web, uso de internet para capacitación y comercio electrónico, junto con factores asociados al género, como la presencia de mujeres en cargos administrativos y sus niveles salariales. En conjunto, los hallazgos ofrecen evidencia empírica para comprender la transformación digital empresarial en Ecuador y demuestran el potencial del ML como aporte metodológico en la investigación económica aplicada. |
| URI : | http://www.dspace.espol.edu.ec/handle/123456789/67604 |
| metadata.dc.identifier.codigoproyectointegrador: | POSTG100 |
| Aparece en las colecciones: | Tesis de Maestría en Ciencias Económicas |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| T-115637 POSTG100 PARRALES KATHERINE.pdf | 1.44 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.