Modelando la felicidad en adultos en formación académica aplicando algoritmos de aprendizaje automático.
Resumen
En este estudio se presentan modelos del bienestar subjetivo en estudiantes universitarios mexicanos mediante algoritmos de clasificación supervisada, con el fin de identificar los factores que predicen la felicidad y evaluar la capacidad de distintos modelos para clasificar los niveles de bienestar. Mediante un diseño cuantitativo, longitudinal y explicativo, utilizando microdatos del BIARE del 2019 al 2025. La muestra incluyó 6,793 instancias y 52 atributos de adultos en formación universitaria mayores de 18 años. Los resultados evidencian que el algoritmo SimpleLogistic alcanzó el mejor desempeño, con una exactitud de 99.72%. Los factores positivos asociados a la felicidad incluyen la solvencia mensual, la seguridad financiera, el bienestar presente y anual, el propósito y el logro diario.
Citas
Cervera, C., Martí, M. M., y Alejo, A. (2024). El bienestar subjetivo de los estudiantes: Un componente para considerar en la evaluación curricular. Congreso Internacional de Educación. Centro de Investigación Educativa, Universidad Autónoma de Tlaxcala. https://cie.uatx.mx/debates-en-evaluacion-y-curriculum/pdf2024/C143.pdf
Chen, Y., Wu, X., Hu, A., et al. (2021). Social prediction: A new research paradigm based on machine learning. Journal of Chinese Sociology, 8, 15. https://doi.org/10.1186/s40711-021-00152-z
Christensen, R. (2025). Log-linear models and logistic regression. Springer Nature Switzerland. https://link.springer.com/book/10.1007/978-3-031-69038-9
Codina-Lorente, M. del P., Gil-Madrona, P., y Gómez B. I. M. (2025). Influence of self-perceived affection on school performance by primary education students. SAGE Open. https://doi.org/10.1177/21582440251358555
Contreras L., G. (2024). El bienestar psicológico de estudiantes de nivel superior: una revisión sistemática. Ciencias Sociales y Humanas, 8(4), 5755-5774. https://doi.org/10.37811/cl_rcm.v8i4.12798
Diener, E. (1984). Subjective well-being. Psychological Bulletin, 95(3), 542–575. https://labs.psychology.illinois.edu/~ediener/Documents/Diener_1984.pdf
Forero-Corba, W., y Negre B. F. (2024). Técnicas y aplicaciones del machine learning e inteligencia artificial en educación: una revisión sistemática. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 209–253. https://revistas.uned.es/index.php/ried/article/view/37491
Instituto Nacional de Estadística y Geografía (INEGI). (2025). Módulo de bienestar autorreportado. https://www.inegi.org.mx/programas/biare/
Jurafsky, D., y Martin, J. H. (2026). Speech and language processing (Chap. 4, “Logistic regression and text classification”). Pearson. https://web.stanford.edu/~jurafsky/slp3/4.pdf
Martínez P., J. A., y Pérez M., P. S. (2024). Regresión logística. Semergen, 50(1), 102086. https://doi.org/10.1016/j.semerg.2023.102086
Millán, R., y Castellanos, R. (2018). Bienestar subjetivo en México. UNAM. https://ru.iis.sociales.unam.mx/bitstream/IIS/5445/7/bienestar_subjetivo.pdf
Ryff, C. D. (1989). Happiness is everything, or is it? Explorations on the meaning of psychological well-being. Journal of Personality and Social Psychology, 57(6), 1069–1081. https://doi.org/10.1037/0022-3514.57.6.1069
Sabry, D. (2023). Support vector machine: Enhancing machine learning algorithms for intelligent robotics (Vol. 59). One Billion Knowledgeable.
Seligman, M. E. P. (2011). Flourish: A visionary new understanding of happiness and well-being. Free Press. https://www.amazon.com/Flourish-Visionary-Understanding-Happiness-Well-being/dp/1439190763 https://www.scirp.org/reference/referencespapers?referenceid=3868065
Taboada, M. (2024). La desinformación desde el análisis computacional del discurso. Jornadas “La lingüística frente a la amenaza de la desinformación”, Universidad de Navarra. https://www.sfu.ca/~mtaboada/docs/Taboada_UNavarra_2024.pdf
Whig, P., Silva, N., Elongar, A. A., y Sharma, P. (2024). Sustainable development through machine learning, AI and IoT: Second International Conference, ICSD 2024, virtual event, April 27–28, 2024, proceedings. Springer Nature Switzerland. https://link.springer.com/book/10.1007/978-3-031-71729-1
