La plataforma Android se ha convertido en el sistema operativo de smartphone más popular, lo que la convierte en un objetivo para aplicaciones móviles maliciosas. Este documento propone un enfoque basado en aprendizaje automático para la detección de malware en Android basado en características de las aplicaciones. A diferencia de muchas investigaciones anteriores que se centraron exclusivamente en las características de llamadas a la API y permisos para mejorar la eficiencia y precisión de la detección, este documento incorpora las características contextuales de las aplicaciones junto con las características de llamadas a la API y permisos. Además, el enfoque propuesto extrajo un nuevo conjunto de datos de características estáticas de llamadas a la API y permisos utilizando un gran conjunto de datos de muestras de APK de Android maliciosas y benignas. Además, el enfoque propuesto utilizó el algoritmo de Ganancia de Información para reducir el espacio de características de API y permisos de 527 a las 50 características más relevantes. Se utilizaron varias combinaciones de llamadas a la API, permisos y características contextuales. Estas combinaciones se alimentaron a diferentes algoritmos de aprendizaje automático para mostrar la importancia de utilizar las características contextuales seleccionadas en la detección de malware en Android. Los experimentos muestran que el modelo propuesto logró una precisión muy alta de aproximadamente 99.4% al utilizar características contextuales en comparación con 97.2% sin utilizar características contextuales. Además, el documento muestra que el enfoque propuesto superó a los modelos de última generación considerados en este trabajo.