1. DSpace en ESPOL
  2. Unidades Académicas
  3. Facultad de Ciencias Sociales y Humanísticas
  4. Tesis de Maestría en Ciencias Económicas
Please use this identifier to cite or link to this item: http://www.dspace.espol.edu.ec/handle/123456789/67604
Full metadata record
DC FieldValueLanguage
dc.contributor.authorParrales Guerrero, Katherine Estefanie-
dc.contributor.authorParedes Aguirre, Milton Ismael, Director-
dc.contributor.authorBarriga Medina, Holger Raúl, Evaluador 1-
dc.contributor.authorZanzzi Díaz, Pedro Fabricio, Evaluador 2-
dc.date.accessioned2026-02-06T18:54:45Z-
dc.date.available2026-02-06T18:54:45Z-
dc.date.issued2025-
dc.identifier.citationParrales 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 Litorales_EC
dc.identifier.urihttp://www.dspace.espol.edu.ec/handle/123456789/67604-
dc.descriptionCONDICIONAMIENTO 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.es_EC
dc.description.abstractCONDITION FOR PUBLICATION OF PROJECT.es_EC
dc.publisherESPOL.FCSHes_EC
dc.subjectTecnología de la información y la comunicaciónes_EC
dc.subjectAprendizaje automáticoes_EC
dc.subjectAdopción de las TICes_EC
dc.subjectPaís en desarrolloes_EC
dc.subjectTransformación digitales_EC
dc.subjectEconomía de la innovaciónes_EC
dc.subjectEcuadores_EC
dc.titleEstrategias de selección de predictores en contextos de alta dimensionalidad y modelos de aprendizaje automático para el estudio de la adopción de TIC en empresas ecuatorianases_EC
dc.typeThesises_EC
dc.identifier.codigoespolT-115637-
dc.identifier.codigoproyectointegradorPOSTG100-
Appears in Collections:Tesis de Maestría en Ciencias Económicas

Files in This Item:
File Description SizeFormat 
T-115637 POSTG100 PARRALES KATHERINE.pdf1.44 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.