| _version_ | 1866901249910112256 |
|---|---|
| author | Vera Macias, Ing. Jonathan Kenny |
| author_facet | Vera Macias, Ing. Jonathan Kenny |
| contents | <p><span>El crecimiento del sector tecnológico en América Latina ha incrementado la demanda de desarrolladores de software, generando un mercado laboral dinámico caracterizado por una alta variabilidad salarial. Estas diferencias están influenciadas por múltiples factores, como la experiencia profesional, el nivel educativo, el país de residencia y las tecnologías dominadas, lo que dificulta su análisis mediante enfoques tradicionales. En este contexto, la analítica predictiva aplicada a los recursos humanos surge como una alternativa eficaz para modelar relaciones complejas y no lineales presentes en grandes volúmenes de datos. El presente estudio tiene como objetivo predecir los salarios de desarrolladores de software latinoamericanos a partir de datos provenientes de la encuesta Stack Overflow 2025. Para ello, se comparan dos enfoques de modelado: la Regresión Lineal, utilizada como modelo base de carácter explicativo, y el Bosque Aleatorio, seleccionado por su capacidad para manejar datos heterogéneos y capturar patrones no lineales. Los resultados permiten evaluar el desempeño predictivo de ambos modelos y aportan evidencia empírica sobre la utilidad de técnicas de aprendizaje automático en el análisis salarial del sector tecnológico en la región, sentando las bases para futuras investigaciones con modelos más avanzados.</span></p> |
| format | Recurso digital |
| id | zenodo_https___doi_org_10_5281_zenodo_18276679 |
| institution | Zenodo |
| language | |
| publishDate | 2026 |
| publisher | Zenodo |
| record_format | zenodo |
| spellingShingle | Análisis predictivo de salarios de desarrolladores latinoamericanos con encuesta Stack Overflow 2025 Vera Macias, Ing. Jonathan Kenny <p><span>El crecimiento del sector tecnológico en América Latina ha incrementado la demanda de desarrolladores de software, generando un mercado laboral dinámico caracterizado por una alta variabilidad salarial. Estas diferencias están influenciadas por múltiples factores, como la experiencia profesional, el nivel educativo, el país de residencia y las tecnologías dominadas, lo que dificulta su análisis mediante enfoques tradicionales. En este contexto, la analítica predictiva aplicada a los recursos humanos surge como una alternativa eficaz para modelar relaciones complejas y no lineales presentes en grandes volúmenes de datos. El presente estudio tiene como objetivo predecir los salarios de desarrolladores de software latinoamericanos a partir de datos provenientes de la encuesta Stack Overflow 2025. Para ello, se comparan dos enfoques de modelado: la Regresión Lineal, utilizada como modelo base de carácter explicativo, y el Bosque Aleatorio, seleccionado por su capacidad para manejar datos heterogéneos y capturar patrones no lineales. Los resultados permiten evaluar el desempeño predictivo de ambos modelos y aportan evidencia empírica sobre la utilidad de técnicas de aprendizaje automático en el análisis salarial del sector tecnológico en la región, sentando las bases para futuras investigaciones con modelos más avanzados.</span></p> |
| title | Análisis predictivo de salarios de desarrolladores latinoamericanos con encuesta Stack Overflow 2025 |
| url | https://doi.org/10.5281/zenodo.18276679 |