Acceso usuarios
El objetivo de esta investigación consistió en modelar las barreras transitivas en la adopción de los vehículos eléctricos (VE) en México, aplicando una red neuronal artificial (ANN) tipo Feedforward. Metodológicamente, el estudio introduce el uso de entity embeddings para procesar las variables ordinales de la encuesta (aplicada a 160 expertos), superando las limitaciones de la normalización tradicional y capturando mejor la estructura semántica de las respuestas. El modelo (arquitectura 10x5 con activación ReLU) se validó mediante un método de retención (80/20), justificando esta elección sobre la validación cruzada debido a la homogeneidad y tamaño de la muestra. La interpretabilidad del modelo se logró mediante los métodos de Permutation Importance y SHAP (Shapley Additive Explanations). Los resultados identifican la desconfianza en la tecnología híbrida como la barrera más importante. En un segundo nivel se ubica la desconfianza en la eficiencia de la batería y la falta de autonomía. Se concluye que los hallazgos, si bien reflejan la percepción de un panel de expertos y no deben generalizarse al consumidor promedio, proporcionan una base sólida para el diseño de políticas públicas.
