Enrique Limón Carrillo

Enrique Limón Carrillo

Auto-generated profile, based on publicly available information

Enrique Limón Carrillo

Tecnológico de Estudios Superiores de Oriente del Estado de México

Research Focus & Metrics

Academic Career Length

1Year (2026-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
8 April 2026 in Ibero Ciencias - Revista Científica y Académica
Verified
Journal Article
Open access
PDF file
ECEnrique Limón Carrillo
Enrique Limón Carrillo
NCNicolás Trejo de la Cruz
Nicolás Trejo de la Cruz
Benito Samuel Lopez RazoBenito Samuel Lopez Razo
Benito Samuel Lopez Razo
La gestión del talento docente en instituciones de educación superior enfrenta desafíos de subjetividad y eficiencia en la asignación de materias. Este estudio explora la viabilidad técnica de implementar un sistema de Machine Learning supervisado para optimizar la selección de perfiles docentes en el Tecnológico de Estudios Superiores del Oriente del Estado de México (TESOEM). Mediante un estudio de caso con enfoque mixto de predominancia cualitativa, se realizaron entrevistas a jefes de división (n=9) y un grupo focal con expertos en programación y bases de datos (n=3). Los resultados muestran que el proceso actual carece de estandarización, basándose en criterios subjetivos y experiencia individual. Se identificó que la institución cuenta con infraestructura tecnológica, talento humano en programación y recursos informáticos suficientes para desarrollar un modelo de aprendizaje automático. Se propone una arquitectura de ML supervisado basada en algoritmo Random Forest, con variables de entrada que incluyen escolaridad, experiencia docente, carga horaria y nivel de asignatura. El modelo alcanzaría una precisión estimada superior al 70% según benchmarks de estudios similares. Se concluye que la viabilidad técnica está resuelta, pero se requiere una fase piloto para ajustar ponderaciones y medir el rendimiento real. Este trabajo entrega las bases metodológicas para la construcción de un sistema de apoyo a la toma de decisiones en la gestión académica.