Predicción de las masacres en Colombia empleando inteligencia artificial

Abstract

Desde el año 2016 en adelante se ha visto un incremento sustancial en el número de masacres que ocurren en el territorio colombiano. Aunque se han llevado a cabo ofensivas militares y estrategias para hacer frente a estas conductas violentas, la tendencia sigue siendo alcista. Bajo este contexto, este documento explora por medio de la inteligencia artificial la capacidad de predecir las masacres en Colombia a nivel municipal. Lo anterior con el objetivo de generar una herramienta técnica que pueda proporcionar información oportuna para tomar mejores decisiones en el desarrollo de intervenciones de seguridad. Específicamente, esta investigación usa el algoritmo de bosques aleatorios para predecir si un municipio es objeto o no de una masacre. Los resultados indican que estos modelos tienen una exactitud (accuracy) entre el 72% y el 86% dependiendo de su especificación, lo que es de utilidad para los tomadores de decisión en un ambiente de incertidumbre. Adicionalmente, se emplea la econometría clásica para comprender los mecanismos de transmisión que están correlacionados con las masacres y para cotejar las variables clasificadas como de mayor importancia para la construcción de los bosques aleatorios.

From the year 2016 onwards there has been a substantial increase in the number of massacres occurring in the Colombian territory. Although military offensives and strategies have been carried out to address these violent behaviors, the trend is still increasing. Under this context, this paper explores, through the use of artificial intelligence, the ability to predict massacres in Colombia at the municipal level. The above with the objective of generating a technical tool that can provide timely information to make better decisions in the development of security interventions. Specifically, this research uses the random forest algorithm to predict whether or not a municipality is subject to a massacre. The results indicate that these models have an accuracy between 72% and 86% depending on their specification, which is useful for decision makers in an environment of uncertainty. In addition, classical econometrics is used to understand the transmission mechanisms that are correlated with massacres and to verify the variables classified as the most important for the construction of random forests.