Mentes y máquinas
Modelos de Inteligencia Artificial para el Nowcasting de la Actividad Económica de Chile View Digital Media
Ponencia temática de un trabajo Jennifer Peña
Este trabajo aborda el uso de algoritmos de Machine Learning (ML) y Deep Learning (DL) para realizar nowcasting de la actividad económica mensual total y no minera de Chile, con el objetivo de suplir la brecha de información entre el cierre de cada mes y la publicación del Indicador Oficial de Actividad Mensual. Esto se enmarca en las iniciativas del Banco Central de Chile por desarrollar instrumentos de monitoreo oportunos que permitan reaccionar ante cambios en el rumbo de la economía, esencial en contextos de incertidumbre nacional e internacional. Además, incorpora fuentes de datos no tradicionales provenientes de los documentos tributarios digitales y medios de pagos electrónicos (como ventas de las empresas) que están disponibles con mayor oportunidad y desafía los paradigmas convencionales centrados en datos macroeconómicos tradicionales. El estudio se enmarca en el ámbito interdisciplinario que combina economía y aprendizaje automático para abordar predicciones en datos económicos con alta dimensionalidad. Los métodos de investigación utilizados son cuantitativos, basados en modelos estadísticos y técnicas computacionales avanzadas. Se analizan más de 400 variables como posibles predictoras nacionales e internacionales entre 2018 y 2024, y se aplican algoritmos supervisados de ML y DL, como regresión penalizada, árboles de decisión y redes neuronales. Nuestros resultados muestran que las técnicas de ML son capaces de generar pronósticos de la actividad que se aproximan a los valores reales de manera efectiva, destacando la relevancia de las variables tributarias electrónicas en los modelos y su utilidad para mejorar el monitoreo económico y la toma de decisiones
Validación de un modelo PLS-SEM para el análisis de la intención emprendedora en estudiantes secundarios : Evidencia desde la educación técnico-profesional en Chile View Digital Media
Ponencia temática de un trabajo Jorge Torres Ortega
El presente estudio analiza la validez y fiabilidad de un modelo basado en ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM) para evaluar los factores determinantes de la intención emprendedora en estudiantes secundarios de educación técnico-profesional en Chile. La investigación se desarrolló con una muestra de 1,644 estudiantes de cuatro instituciones educativas, aplicando un cuestionario estructurado basado en escalas previamente validadas en el contexto de la teoría del comportamiento planeado. Se evaluaron cinco constructos principales: actitud hacia el emprendimiento, control conductual percibido, experiencia previa, locus de control interno y alerta emprendedora. El análisis factorial confirmatorio indicó adecuados niveles de confiabilidad compuesta (CR > 0.70) y validez convergente (AVE > 0.50), mientras que la validez discriminante fue confirmada mediante los criterios de Fornell-Larcker y HTMT. El modelo estructural reveló que la actitud hacia el emprendimiento (β = 0.574, p < 0.05) y el control conductual percibido (β = 0.302, p < 0.05) son los principales predictores de la intención emprendedora, mientras que la experiencia previa y la alerta emprendedora presentan efectos marginales. Estos hallazgos destacan la pertinencia del PLS-SEM en la investigación educativa y sugieren la necesidad de diseñar programas de formación emprendedora centrados en el refuerzo de la autoeficacia y la percepción de viabilidad del emprendimiento en adolescentes.
