@article{Ordoñez-Erazo_Ordóñez_Bucheli-Guerrero_2022, title={Predicción de factores clave en el aumento de la demografía en Colombia a través del ensamble de modelos de Machine Learning}, volume={44}, url={https://revistas.udistrital.edu.co/index.php/revcie/article/view/19205}, DOI={10.14483/23448350.19205}, abstractNote={<p>El envejecimiento de la población es considerado uno de los fenómenos sociales más significativos que está transformando las economías y las sociedades en todo el mundo. Según la Organización Mundial de la Salud (OMS) el envejecimiento está en aumento. En Colombia, el crecimiento demográfico presenta un incremento natural que muestra una notable diferencia entre las tasas de natalidad y las de mortalidad general. Según el DANE, en Colombia, las tasas de crecimiento natural denotan un vertiginoso declive a lo largo del tiempo. El gobierno central y los gobiernos locales pueden ayudar en la toma de decisiones para establecer políticas de salud sexual y reproductiva. Como herramienta de apoyo aparece el <em>Machine Learning</em> (ML), en el cual existen algoritmos que permiten crear modelos para aprender de los datos e identificar patrones que sirven para apoyar a entes gubernamentales en el proceso de toma de decisiones. Con base en lo anterior, este trabajo propone un método de ensamble de algoritmos de ML que apoye la toma de decisiones respecto al control demográfico enfocado en natalidad. El método de predicción permitió evidenciar que la disminución de nacimientos en Colombia durante los últimos años se debe al cambio en las prioridades de mujeres y hombres. Las mujeres enfrentan discriminación y dificultad en el acceso y la permanencia del empleo a causa de la maternidad. Como consecuencia, se les dificulta articular su vida profesional con el mercado laboral. Las mujeres tienen que asumir una carga desproporcionada de cuidado, por la cual quieren tener menos hijos, es decir uno o máximo dos.</p>}, number={2}, journal={Revista Científica}, author={Ordoñez-Erazo, Hugo-Armando and Ordóñez, Camilo and Bucheli-Guerrero, Víctor-Andrés}, year={2022}, month={may}, pages={282–295} }