Los algoritmos de aprendizaje semisupervisado se han convertido en un tema de investigación significativo como alternativa a los métodos de clasificación tradicionales que muestran un rendimiento notable sobre datos etiquetados pero carecen de la capacidad de aplicarse en grandes cantidades de datos no etiquetados. En este trabajo, proponemos un nuevo algoritmo de aprendizaje semisupervisado que selecciona dinámicamente al aprendiz más prometedor para un problema de clasificación a partir de un conjunto de clasificadores basados en una filosofía de autoaprendizaje. Nuestros resultados experimentales ilustran que el algoritmo propuesto supera a sus componentes algoritmos de aprendizaje semisupervisado en términos de precisión, lo que conduce a modelos predictivos más eficientes, estables y robustos.