Proceso Analítico Jerárquico Neutrosófico para la evaluación del cumplimiento de los derechos laborales en migrantes

Contenido principal del artículo

Janneth Ximena Iglesias Quintana
Arleth Samantha Amaya Tuarez
Kevin Alexander Samaniego Macas

Resumen

La investigación se centró en analizar y contrastar las relaciones laborales donde los protagonistas son las personas inmigrantes y el respaldo legal laboral bajo la normativa local, en aspectos como derechos, obligaciones, responsabilidades y demás. La presente investigación propone un análisis a la problemática planteada a partir de la implementación de un método para la evaluación del cumplimiento de los derechos laborales en migrantes. Basa su funcionamiento mediante un enfoque multicriterio con el empleo del Proceso Analítico Jerárquico Neutrosófico. Los resultados obtenidos dan evidencian que las personas migrantes cuentan con los mismos derechos constitucionales que las personas de nacionalidad ecuatoriana, donde se incluyen los derechos laborales. Se concluyó que, en Ecuador, pese a que existe una normativa legal laboral como es el Código de Trabajo, en muchos de los casos las personas migrantes sufren algún tipo de vulneración o violación a cualquiera de sus derechos laborales, tales como un salario justo, vacaciones, carga de 8 horas diarias, entre otras; y que en la mayoría de estas vulneraciones, los afectados no plantean acciones judiciales, debido a la falta de conocimientos o de recursos. 

##plugins.themes.bootstrap3.displayStats.downloads##

##plugins.themes.bootstrap3.displayStats.noStats##

Detalles del artículo

Cómo citar
Proceso Analítico Jerárquico Neutrosófico para la evaluación del cumplimiento de los derechos laborales en migrantes. (2024). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 33, 66-75. https://fs.unm.edu/NCML2/index.php/112/article/view/550
Sección
Articulos

Cómo citar

Proceso Analítico Jerárquico Neutrosófico para la evaluación del cumplimiento de los derechos laborales en migrantes. (2024). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 33, 66-75. https://fs.unm.edu/NCML2/index.php/112/article/view/550