Predicción del empleo formal en la Argentina aplicando algoritmos de aprendizaje automático - SIE, Simposio de Informática en el Estado 2025

Aug 5, 2026

Subir por Aurelia

El empleo formal se asocia con mejores condiciones de vida al garantizar derechos y beneficios legales para quienes trabajan en el sector registrado. En Argentina, la alta proporción de empleo informal y los retrasos en la publicación de datos oficiales del mercado laboral limitan la adopción oportuna de políticas públicas. El estudio aplica Aprendizaje Automático sobre la Encuesta Permanente de Hogares (EPH) para predecir la formalidad laboral, siguiendo CRISP-DM, con imputación múltiple y comparación de modelos. XGBoost logra el mejor desempeño mediante un balance entre sensibilidad y especificidad, habilitando decisiones más ágiles en políticas laborales.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas12

Tiempo de lectura18 min

AccesoGratis para descargar

Tabla de contenidos

Introducción

Empleo formal y calidad de vida

Revisión de la literatura

Formalidad laboral y rotación laboral

Aprendizaje Automático aplicado al mercado laboral

SIE, Simposio de Informática en el Estado 2025 Predicci´on del empleo formal en la Argentina aplicando algoritmos de aprendizaje autom´atico Fernando Alvarez 1 0009-0006-3903-8948 Universidad Nacional del Nordeste, Resistencia, Chaco, Argentina [fernando.alvarez@comunidad.unne.edu.ar](fernando.alvarez@comunidad.unne.edu.ar) Resumen El empleo formal mejora la calidad de vida al garantizar derechos y beneficios legales. En Argentina, donde gran parte de la poblaci´on trabaja informalmente, los datos oficiales sobre el mercado laboral presentan retrasos significativos, obstaculizando la implementaci´on oportuna de pol´ıticas p´ublicas. Este estudio aplica algoritmos de Aprendizaje Autom´atico a datos de la Encuesta Permanente de Hogares para predecir la condici´on de formalidad laboral. Siguiendo la metodolog´ıa CRISP-DM, se implement´o imputaci´on m´ultiple para datos faltantes y se compararon diversos modelos predictivos. XGBoost destac´o por su precisi´on yequilibrio entre sensibilidad y especificidad. Los resultados demuestran la utilidad de modelos predictivos avanzados para anticipar cambios en el empleo formal, facilitando la toma de decisiones m´as ´agiles y efectivasen materia de pol´ıticas laborales. Palabras clave: empleo, rotaci´on laboral, predicci´on, algoritmos deaprendizaje autom´atico, empleo formal Predicting Formal Employment in Argentina Using Machine Learning Algorithms Abstract. Formal employment is associated with improved quality of life, as it ensures access to legal protections and benefits. In Argentina, a large proportion of the workforce is in the informal sector, and official labor market data experience significant delays in publication, hindering timely policy implementation. This work applies Machine Learning algorithms to Permanent Household Survey (EPH) data to predict formal employment status. Following CRISP-DM methodology, we implemented multiple imputation for missing data and compared various predictive models. XGBoost demonstrated superior performance with balanced sensitivity and specificity metrics. The results highlight the value of advanced predictive models for anticipating changes in formal employment, enabling more agile and effective labor policy decisions. Keywords: employment, labor turnover, prediction, machine learning, formal employment Memorias de las 54 JAIIO-SIE-ISSN: 2451-7496-Página 168 SIE, Simposio de Informática en el Estado 2025 2 F. Alvarez 1 Introducci´on El empleo formal suele asociarse con una mejor calidad de vida, dado que est´avinculado a una serie de derechos y beneficios amparados por la legislaci´on vigente. Entre estos se destacan un mayor acceso a servicios de salud mediante lacobertura de obras sociales, salarios m´as altos, la percepci´on de un sueldo anual complementario (aguinaldo) y otros beneficios que favorecen a quienes integran este sector de la poblaci´on. 2 Revisi´on de la literatura 2.1 Formalidad laboral y rotaci´on laboral Es fundamental distinguir entre dos conceptos clave: formalidad empresarial y formalidad laboral. La formalidad empresarial se refiere al registro de actividades de una empresa ante el Estado, lo que implica el cumplimiento de normativas fiscales y el pago de impuestos. Por otro lado, la formalidad laboral est´a asociada con el acceso de los trabajadores a derechos y protecciones sociales garantizados por la ley, como cobertura m´edica, salarios complementarios y niveles salariales superiores, entre otros beneficios (Rofman, 2007) . La formalidad laboral, que constituye el eje de esta investigaci´on, no suele estar expl´ıcitamente detallada en las encuestas. En su lugar, se utiliza un indicador com´un para inferirla: la presencia de descuentos jubilatorios. Si un trabajador reporta tener descuentos jubilatorios, esto generalmente indica que su empleo es formal, ya que estas contribuciones est´an asociadas con trabajos registrados y formalizados dentro del sistema de seguridad social. En c

Preguntas frecuentes

Cómo define el documento la formalidad laboral y cómo se infiere en las encuestas?

La formalidad laboral se relaciona con acceso a derechos y protecciones sociales por ley. En las encuestas no suele estar explícita, por lo que se infiere mediante la presencia de descuentos jubilatorios.

Qué indicadores de rotación laboral utiliza el análisis?

Se consideran dos ejes: la tasa de entrada (paso de no formal a formal) y la tasa de salida (salida del empleo formal), incluyendo transiciones entre empleo y desempleo.

Qué metodología y qué modelo resultan más efectivos para la predicción?

Se sigue CRISP-DM e implementa imputación múltiple para datos faltantes. Entre los modelos comparados, XGBoost destaca por su precisión y por el equilibrio entre sensibilidad y especificidad.

Aug 5, 2026

Subir por Aurelia