Simeón: Red Neuronal Artificial para Analizar el Ausentismo Laboral de los Trabajadores de un Sistema Educativo Estatal

Palabras clave: inteligencia artificial, I D, presupuesto del estado

Resumen

Este estudio se enfocó en diseñar una Red Neuronal Artificial (RNA) que permita establecer una metodología para el cálculo del presupuesto que por el pago de suplencias eroga año con año el Gobierno de un estado de la República Mexicana, esta investigación se enmarcó en Línea de Generación y Aplicación del Conocimiento (LGAC) denominada Gestión Educativa del Instituto Superior de Educación Normal del Estado de Colima “Profr. Gregorio Torres Quintero” ya que se busca publicar estudios sobre los procesos de la vida cotidiana en las escuelas y los sistemas y políticas educativas, para identificar rasgos, características y aspectos que obstaculizan o favorecen mejores resultados, de igual manera, se trabajó de manera colaborativa con docentes del Tecnológico Nacional de México quienes coadyuvaron en el análisis de la información para el diseño de la red. Los objetivos planteados fueron que la RNA pueda determinar con un 95% de efectividad el nivel educativo en dónde se requiere de mayor presupuesto para el pago de suplencias y establecer la correlación entre el ausentismo laboral y el nivel de logro académico de los alumnos pertenecientes a las escuelas de educación básica del sistema educativo estatal. Lo anterior aprovechando la información recabada a lo largo de 19 años por un módulo de electrónico mediante el cual se capturan las incidencias del personal, para determinar el tamaño de la muestra se decidió que solo aquellos registros en los cuales la escuela perteneciera al nivel de educación básica (Preescolar, Primaria y Secundaria) serían tomados en cuenta, de igual manera, se dejaron de lado aquellas incidencias que no son susceptibles de sustituir ya sea debido a cuestiones normativas o aquellas que no representan un gasto extra en el presupuesto. Entre los resultados más sobresalientes fueron las ventajas que presentan las redes neuronales artificiales con las estadísticas destacan el excelente rendimiento que presentan las primeras ante problemas no lineales o información con mucho ruido y que Simeón puede inferir, con base en la información proporcionada, cuáles serán las enfermedades que más se presenten a lo largo del ejercicio fiscal y quiénes son los más susceptibles a presentarlas.

Descargas

La descarga de datos todavía no está disponible.

Citas

Brodzinski, J. D. (1992). BrainMaker v2.3. Journal of International Information Management, 1-2.

Calvo, D. (28 de Septiembre de 2019). diegocalvo.es. Obtenido de http://www.diegocalvo.es/clasificacion-de-redes-neuronales-artificiales/

Charytoniuk, W. (2000). Neural-network-based demand forecasting in a deregulated environment. Industry Applications, 893-898.

Gobierno del Estado de Colima GEC (2019). Gobierno del Estado de Colima. Obtenido de col.gob.mx: http://www.col.gob.mx/transparencia/archivos/portal/2018012508371162_Presupuesto-egresos-Colima-2018.pdf

Hilera, J. y. (1995). Redes neuronales artificiales: Fundamentos, modelos y aplicaciones. Madrid: Ra-Ma.

Lara Rosano, F. (27 de Septiembre de 2019). FUNDAMENTOS DE REDES. Ciudad de México, Ciudad de México, México.

Larrañaga, P., & Inza, I. y. (28 de Septiembre de 2019). Departamento de Ciencias de la Computación e Inteligencia Artificial. Obtenido de Universidad del País Vasco: http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t8neuronales.pdf

Marín Diazaraque, J. M. (2019). Introducción a las redes neuronales. Madrid: Universidad Carlos III de Madrid.

Martin, B. y. (2007). Redes Neuronales y Sistemas Borrosos. Madrid: Alfaomega.

Matich, D. J. (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones. Rosario, Argentina: Universidad Tecnológica Nacional – Facultad Regional Rosario .

Morales Núñez, C. A., & Ortega Hernández, A. (2018). MEJORA DEL PROCESO DE SELECCIÓN DE PERSONAL MEDIANTE LA APLICACIÓN DE REDES NEURONALES: UN CASO DE ESTUDIO EN EL SECTOR TEXTIL. Pistas Educativas, 2250-2265.

PALMER POL, A., & MONTAÑO MORENO, J. (19 de Octubre de 2019). ¿Qué son las redes neuronales artificiales? Islas Baleares, Islas Baleares, España.

Pino, R. G. (2001). Introducción a la Inteligencia Artificial: Sistemas Expertos, Redes Neuronales Artificiales y Computación Evolutiva. Oviedo: Universidad de Oviedo.

Reyes-Huertas, G. (2019). Predicción de deserción laboral utilizando un algoritmo genético y redes neuronales artificiales. Interfases, 12(012), 32-48. https://doi.org/10.26439/interfases2019.n012.4636

Torres López, Surayne, Lazara Aldana Cuza, Miroslava, Piñero Pérez, Pedro Y. & Piedra Diéguez, Laynier A. (2016). Red neuronal multicapa para la evaluación de competencias laborales. Revista Cubana de Ciencias Informáticas. Vol. 10, No. Especial UCIENCIA, Noviembre, 2016

Publicado
2025-01-03
Cómo citar
Saucedo Martínez, N., Chávez Larios , J. A., Núñez Sánchez , E., Castrejón Cerro , H. G., & Pérez Barragán , A. (2025). Simeón: Red Neuronal Artificial para Analizar el Ausentismo Laboral de los Trabajadores de un Sistema Educativo Estatal. Ciencia Latina Revista Científica Multidisciplinar, 8(6), 5063-5085. https://doi.org/10.37811/cl_rcm.v8i6.15232
Sección
Ciencias y Tecnologías