dc.contributor | Riascos Villegas, Álvaro José | |
dc.contributor | Rodríguez Berraquer, Tomás | |
dc.contributor | Gómez Jaramillo, Francisco | |
dc.creator | Rojas Guerrero, Mateo | |
dc.creator | Grautoff Laverde, Manfred | |
dc.date.accessioned | 2022-12-16T14:59:39Z | |
dc.date.accessioned | 2023-09-07T00:37:25Z | |
dc.date.available | 2022-12-16T14:59:39Z | |
dc.date.available | 2023-09-07T00:37:25Z | |
dc.date.created | 2022-12-16T14:59:39Z | |
dc.date.issued | 2022-12-07 | |
dc.identifier | http://hdl.handle.net/1992/63593 | |
dc.identifier | instname:Universidad de los Andes | |
dc.identifier | reponame:Repositorio Institucional Séneca | |
dc.identifier | repourl:https://repositorio.uniandes.edu.co/ | |
dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8727557 | |
dc.description.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. | |
dc.description.abstract | 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. | |
dc.language | spa | |
dc.publisher | Universidad de los Andes | |
dc.publisher | Maestría en Economía Aplicada | |
dc.publisher | Facultad de Economía | |
dc.relation | Alves, Luiz & Valentin Ribeiro, Haroldo & Rodrigues, Francisco. (2018). Crime prediction
through urban metrics and statistical learning. Physica A: Statistical Mechanics and its
Applications. 505. 10.1016/j.physa.2018.03.084. | |
dc.relation | Bazzi, S., Robert A. Blair, Christopher Blattman, Oeindrila Dube, Matthew Gudgeon,
Richard Peck. (2022). The Promise and Pitfalls of Conflict Prediction: Evidence from
Colombia and Indonesia. The Review of Economics and Statistics; 104 (4): 764-779. doi:
https://doi.org/10.1162/rest_a_01016 | |
dc.relation | Barreras, F., Diaz, C., Riascos, A., & Ribero, M. (2016). Una comparación de diferentes
modelos para la predicción del crimen en Bogotá. Universidad de los Andes. | |
dc.relation | Bogomolov, Andrey & Lepri, Bruno & Staiano, Jacopo & Oliver, Nuria & Pianesi, Fabio &
Pentland, Alex. (2014). Once Upon a Crime: Towards Crime Prediction from Demographics
and Mobile Data. 10.1145/2663204.2663254. | |
dc.relation | Bright, David, Russell Brewer, and Carlo Morselli. (2022). "Reprint of: Using social network
analysis to study crime: Navigating the challenges of criminal justice records." Social
Networks. | |
dc.relation | Cameron, A.C., y P.K., Trivedi. «Econometric Society Monographs», Regression Analysis of
Count Data. New York: C,: Cambridge University Press, 1998. | |
dc.relation | Colombia +20. (25 de Agosto del 2020). Entienda por qué la ONU habla de masacres y no
homicidios colectivos. El Espectador.
https://www.elespectador.com/colombia-20/conflicto/entienda-por-que-la-onu-habla-de-masa
cres-y-no-de-homicidios-colectivos-article/ | |
dc.relation | Departamento Nacional de Planeación. «Índice de incidencia del conflicto armado.»
Documento de Política, Bogotá, 2016. | |
dc.relation | Edward y Satyanath S. «Re-examining economic shocks and civil conflict.» American
Economic Journal: Applied Economics 3, nº 4 (2011): 228-32. | |
dc.relation | Ferro Briceño, P. (2021). Uso de redes neuronales para determinar la influencia del estado
del pavimento en siniestros viales de la ciudad de Bogotá. Universidad de los Andes. | |
dc.relation | Fernandez Caraballo, E. y Gómez Franco, Y. (2018) Metodología para el análisis de la
violencia en el departamento de Bolívar mediante técnicas de Machine Learning.
Universidad Tecnológica de Bolívar. | |
dc.relation | Garrido Mejía, S. (2018). Predicting crime in Bogota using Kernel warping. Uniandes | |
dc.relation | Garzon, J.C. (30 de Noviembre del 2020). "13 gráficos para entender la violencia organizada
en el post-acuerdo de Paz". Fundación Ideas para la Paz (FIP).
https://ideaspaz.org/publicaciones/opinion/2020-11/13-graficos-para-entender-la-violencia-or
ganizada-en-el-post-acuerdo-de-paz | |
dc.relation | Giraldo, Santiago & Ordoñez Palacios, Luis & Bucheli, Victor & Ordoñez, Hugo. (2020).
Modelo de redes neuronales para predecir la tendencia de víctimas de secuestro en Colombia.
Investigación e Innovación en Ingenierías. 8. 38-49. 10.17081/invinno.8.3.4702. | |
dc.relation | Guidolin, M., y E. La Ferrara. « Diamonds are forever, wars are not: Is conflict bad for
private firms?. .» American Economic Review 97, nº 5 (2007): 1978-1993. | |
dc.relation | Idrobo, N., D. Mejía, y A. M. Tribin. «Illegal gold mining and violence in Colombia. Peace
Economics.» Peace Science and Public Policy 20, nº 1 (2014): 83-111 | |
dc.relation | INDEPAZ. (2022). Masacres en Colombia durante el 2020, 2021 y
2022.https://indepaz.org.co/informe-de-masacres-en-colombia-durante-el-2020-2021/ | |
dc.relation | Ishioka, T. (2013). Imputation of missing values for semi-supervised data using the proximity
in random forests. International Journal of Business Intelligence and Data Mining 2013 8:2,
155-166 | |
dc.relation | Kanstren, T. (2020). A look at Precision, Recall and F1-Score: exploring the relations
between machine learning metrics. Towards Data Science.
https://towardsdatascience.com/a-look-at-precision-recall-and-f1-score-36b5fd0dd3ec | |
dc.relation | Kim, Suhong & Joshi, Param & Kalsi, Parminder & Taheri, Pooya. (2018). Crime Analysis
Through Machine Learning. 415-420. 10.1109/IEMCON.2018.8614828. | |
dc.relation | Kraiem, M. (2020). Clasificación a partir de conjuntos de datos no equilibrados. Un marco
para mejorar la aplicación de las estrategias de remuestreo. Universidad de Salamanca.
Recuperado de
https://gredos.usal.es/bitstream/handle/10366/145514/Kraiem%2C%20Mohamed%20%28v.r
%29.pdf?sequence=1&isAllowed=y | |
dc.relation | Lunardon, N., Menardi, G, y Torelli, N. (2014). "Package ROSE: Randomly Oversampling
Examples". Recuperado de: https://cran.r-project.org/web/packages/ROSE/ROSE.pdf | |
dc.relation | Martínez, Tatiana, and Hernando Zuleta. "Cultivos de Coca y Violencia: El cambio después
de iniciados los diálogos de paz (Coca Crops and Violence: The Change After Initiated the
Peace Dialogs)." Documento CEDE 2019-26 (2019). | |
dc.relation | Martinez-Taboada, F., & Redondo, J. I. (2020). Variable importance plot (mean decrease
accuracy and mean decrease Gini). (Version 1). PLOS ONE.
https://doi.org/10.1371/journal.pone.0230799.g002. | |
dc.relation | Masías Hinojosa, V., Valle, M., Amar, J., Cervantes, M., Brunal, G. y Crespo, F.
(2016).Characterising the Personality of the Public Safety Offender and Non-offender using
Decision Trees: The Case of Colombia. Disponible en
https://repositorio.uchile.cl/handle/2250/143436 | |
dc.relation | McAlexander, R. J., & Mentch, L. (2020). Predictive inference with random forests: A new
perspective on classical analyses. Research & Politics, 7(1), 2053168020905487. | |
dc.relation | McClendon, Lawrence & Meghanathan, Natarajan. (2015). Using Machine Learning
Algorithms to Analyze Crime Data. Machine Learning and Applications: An International
Journal. 2. 1-12. 10.5121/mlaij.2015.2101. | |
dc.relation | Ministerio de Defensa Nacional. (2014). Libro Blanco de las Estadísticas del Sector
Seguridad y Defensa. | |
dc.relation | Mojica Muñoz, K. (2021a). Inteligencia artificial para detectar corrupción en la
administración pública municipal de Colombia. Universidad de los Andes, Facultad de
Economía, CEDE. | |
dc.relation | Mojica, K.S., Algarra, P.A., & Peña, J. (2021b.). "Artificial Intelligence to Prevent the
Assassination of Human Rights Defenders", The Graduate Insitute Geneva,
https://www.graduateinstitute.ch/sites/internet/files/2022-01/Project%203_LatAm.pdf. | |
dc.relation | Montgomery, J. M., & Olivella, S. (2018). Tree-Based Models for Political Science Data.
American Journal of Political Science, 62(3), 729-744 | |
dc.relation | Moreno Pabón, J. (2018). El Efecto Globo: identificación de regiones propensas a la
producción de coca. Universidad de los Andes, Facultad de Economía, CEDE. | |
dc.relation | Muchlinski, D., Siroky, D. H., & Kocher, M. (2016). Comparing random forest with logistic
regression for predicting class-imbalanced civil war onset data. Political Analysis, 24(1),
87-103. | |
dc.relation | Muchlinski, D., Yang, X., Birch, S., Macdonald, C., & Ounis, I. (2021). We need to go
deeper: Measuring electoral violence using convolutional neural networks and social media.
Political Science Research and Methods, 9(1), 122-139. doi:10.1017/psrm.2020.32 | |
dc.relation | Muñoz, R. (24 de agosto del 2020). "Colombia: ¿Qué es una masacre?" Deutsche Welle (DW).
https://www.dw.com/es/colombia-qu%C3%A9-es-una-masacre/a-54681284 | |
dc.relation | Oficina de las Naciones Unidas contra la Droga y el Delito. Informe de Monitoreo de
Territorios Afectados por Cultivos Ilícitos en Colombia. Bogotá D.C.: Naciones Unidas,
2020. | |
dc.relation | OHCHR (2001). Human rights situation in Colombia - Report of the High Commissioner.
https://ap.ohchr.org/documents/alldocs.aspx?doc_id=2300 | |
dc.relation | Orellana, J. (2018). Árboles de Decisión y Random Forests.
https://bookdown.org/content/2031/ | |
dc.relation | Ordóñez, Hugo, Cobos, Carlos y Bucheli, Víctor.¿ (2020a). Modelo de machine learning para
la predicción de las tendencias de hurto en Colombia. Revista Ibérica de Sistemas e
Tecnologias de Informação, 29, 494-506. | |
dc.relation | Ordoñez, Hugo & Calvache, César & Cobos, Carlos. (2020b). Detection of Homicide Trends
in Colombia Using Machine Learning. Revista Facultad de Ingeniería. 29. 1-19.
10.19053/01211129.v29.n54.2020.11740. | |
dc.relation | Prem, M, A. F Rivera, D. A Romero, y J. F. Vargas. «Killing social leaders for territorial
control: the unintended consequences of peace.» Serie Documentos de Trabajo. (Universidad
del Rosario), nº 016385 (2018). | |
dc.relation | Policía Nacional de Colombia. (2004). Guía para el usuario final SIEDCO 2DI-GU-0004. | |
dc.relation | Policía Nacional de Colombia - Observatorio del Delito. (2020) Boletín Jurídico No. 36:
Análisis coyuntural y jurídico de los homicidios colectivos en Colombia.
https://www.policia.gov.co/sites/default/files/descargables/analisis_coyuntural_y_juridico_de
_los_homicidios_colectivos_en_colombia.pdf | |
dc.relation | Roshan, J. (2022). Optimal ratio for data splitting. Stat. Anal. Data Min.: ASA Data Sci. J..
15 , 531¿ 538. https://doi.org/10.1002/sam.11583 | |
dc.relation | Rubio, G. «¿Fin de la guerra, fin de la violencia? Evidencia del Acuerdo de Paz y homicidios
en Colombia.» Serie Documentos CEDE (Universidad de los Andes), nº 018228 (2020). | |
dc.relation | Samii, C., Paler, L., & Daly, S. (2017). Retrospective Causal Inference with Machine
Learning Ensembles: An Application to Anti-recidivism Policies in Colombia. Political
Analysis, 24(4), 434-456. doi:10.1093/pan/mpw019 | |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | |
dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | http://purl.org/coar/access_right/c_abf2 | |
dc.title | Predicción de las masacres en Colombia empleando inteligencia artificial | |
dc.type | Trabajo de grado - Maestría | |