INFORMES PEN


Estado de la Nación

Estado de la Región

INFORMES PEN

ENmobileERmobileEEmobileECTImobileEJmobile

NOTA DE PRENSA 

Técnicas de Machine Learning serán utilizadas en Informe 2018 para estudiar la inserción y movilidad laboral femenina

 

Agosto, 2018. El Informe Estado de la Nación 2018, en su capítulo de Equidad e Integración Social, incluirá un estudio sobre la movilidad laboral femenina en el país, en este caso el objetivo principal es evidenciar cuáles son los avances, retrocesos y sobre todo identificar factores que influyen en mayor o menor medida en esta inserción y movilidad femenina.

Se definieron cinco sectores de interés: Agrícola, Industria Tradicional, Nueva Industria, Servicios y Gobierno. Las principales fuentes de datos son: la Encuesta de Hogares de Propósitos Múltiples (2001 a 2009) y la Encuesta Nacional de Hogares (Enaho), para el período 2001 al 2017.

Esta investigación se sustenta en el uso de novedosos modelos predictivos, los cuales son depurados por medio de técnicas de machine learning (aprendizaje supervisado). Dichos modelos lo que hacen es predecir uno de los sectores de interés definidos en función de los perfiles de sus ocupadas. En otras palabras, al igual que un ser humano reconoce cualquier objeto por su constante exposición al mismo, los modelos tienen que “aprender” a predecir sectores económicos, mediante la exposición a perfiles de mujeres que laboran en dichas áreas. Se definieron como variables predictoras: la escolaridad, manejo de un segundo idioma, la edad, el género, lugar de residencia, educación no regular, aseguramiento, clase social, tamaño del hogar, estructuras internas de los sectores económicos, y responsabilidades.

El aprendizaje supervisado permitirá evaluar un mismo modelo con distintos ajustes a la vez, o bien diferentes modelos que “compiten entre sí” para ser el mejor predictor. Cada uno se someterá a un conjunto de pruebas y rutinas que garantizan su robustez y precisión en las estimaciones. En este sentido, los modelos evaluados serán: Máquinas de Soporte Vectorial, Arboles de Decisión, Bosques aleatorios, Modelos de potenciación (AdaBoost), Modelos Bayesianos y Vecino más cercano. Con los datos disponibles, los algoritmos Bayesianos se consideran los más idóneos para los requerimientos de la investigación.

En una segunda etapa, se aplicarán 7 simulaciones, que potencian ciertas características y que podrían ser determinantes para insertarse en el mercado, o bien movilizarse en este. Para entender esto mejor, se asumen tres escenarios base: todas dominan un segundo idioma, todas completan primaria y secundaria, y ninguna posee responsabilidades de cuido en el hogar, el resto de escenario corresponden a las combinaciones entre ellos.

En el caso de las mujeres desocupadas e inactivas se realizará el mismo ejercicio de pronóstico de sectores, las únicas variables excluidas serán sector público o privado y clases sociales. La metodología es la misma, cada uno de los modelos van a ser evaluados con técnicas de aprendizaje supervisado. Para este conjunto de datos se establece que el método de Bosques Aleatorios, será el más preciso.

Finalmente, cabe mencionar que cada uno de los ejercicios también serán elaborados para la población masculina, esto con el fin de evidenciar avances, retrocesos y retos en materia de equidad de género.

Para conocer los principales hallazgos de esta investigación, podrá consultarlos en el capítulo de Equidad e Integración del Informe Estado de la Nación 2018.

  

Para más información:

María Laura Brenes Mata/ mbrenesestadonacion.or.cr/ 2519-5863

  

eMail: This email address is being protected from spambots. You need JavaScript enabled to view it.
CONARE, Edificio Dr. Franklin Chang Díaz, 300 metros al norte del Parque de La Amistad, Pavas, San José, Costa Rica, Apdo. 1174-1200
Tel. (506) 2519-5845 / 25195860 - Fax: (506) 2290-5879 / 2296-5626