Las redes convolucionales en grafos (GCNs) proporcionan una ventaja en tareas de clasificación de nodos para estructuras de datos relacionadas con grafos. En este documento, proponemos un modelo GCN para mejorar el rendimiento de las tareas de clasificación de nodos. Diseñamos una capa GCN actualizando la función de agregación utilizando un valor actualizado del coeficiente de peso. La matriz de adyacencia del grafo de entrada y la matriz identidad se utilizan para calcular la función de agregación. Para validar el modelo propuesto, realizamos extensos estudios experimentales con siete conjuntos de datos disponibles públicamente. La capa GCN propuesta logra resultados comparables con los métodos de vanguardia. Con una sola capa, el enfoque propuesto puede lograr resultados superiores.