Unemployment, a significant economic and social challenge, triggers repercussions that affect individual workers and companies, generating a national economic impact. Forecasting the unemployment rate becomes essential for policymakers, allowing them to make short-term estimates, assess economic health, and make informed monetary policy decisions. This paper proposes the innovative GA-LSTM method, which fuses an LSTM neural network with a genetic algorithm to address challenges in unemployment prediction. Effective parameter determination in recurrent neural networks is crucial and a well-known challenge. The research uses the LSTM neural network to overcome complexities and nonlinearities in unemployment predictions, complementing it with a genetic algorithm to optimize the parameters. The central objective is to evaluate recurrent neural network models by comparing them with GA-LSTM to identify the most appropriate model for predicting unemployment in Ecuador using monthly data collected by various organizations. The results demonstrate that the hybrid GA-LSTM model outperforms traditional approaches, such as BiLSTM and GRU, on various performance metrics. This finding suggests that the combination of the predictive power of LSTM with the optimization capacity of the genetic algorithm offers a robust and effective solution to address the complexity of predicting unemployment in Ecuador.

La irrupción de la pandemia supuso la ralentización de casi todas las actividades productivas en el mundo, debido a medidas de aislamiento y confinamiento dictaminadas por autoridades de los países, de manera que el contacto entre ofertantes y demandantes se vio limitado. Esta investigación tiene como objetivo analizar los efectos inmediatos del COVID-19 en el sector del comercio autónomo y el turismo de la ciudad de Portoviejo-Ecuador. La investigación fue de alcance exploratorio, documental y de campo, diseño no experimental-transversal y de enfoque cuantitativo. Se aplicaron encuestas a una muestra de 157 comerciantes, a 747 consumidores de bienes y servicios y 113 prestadores operadores de turismo. Los resultados muestran que, por la pandemia, los comerciantes autónomos y los operadores turísticos dejaron de percibir ingresos debido a cambios en los hábitos de consumo de sus clientes y por medidas sanitarias de confinamiento, empeorando la situación la falta de créditos e inadecuados sistemas de comercialización de productos y servicios. Se concluye que los comercios y operadores turísticos que utilizaron tecnologías de la información para la comercialización de bienes o servicios lograron mantener cierta estabilidad durante el confinamiento, lo que a corto y mediano plazo puede contribuir a cambiar los hábitos del consumidor.