El contexto urbano y la zona de residencia pueden influir altamente en la situación de desventaja social de grupos de ciudadanos, lo que podría mejorar mediante la renovación o adaptación de los entornos que propician esta desventaja. Es por ello que realizamos un análisis de patrones basado en Inteligencia Artificial, de cara a anticipar este hecho mediante la detección de realidades “similares”, lo que puede anticipar que estos fenómenos ocurran en otras zonas en un futuro, así como facilitar la planificación de acciones sociales y urbanas usando la Inteligencia Artificial para predecir la vulnerabilidad social en base a identificadores residenciales.
Para realizar este estudio se tomaron como muestra barriadas de diversos puntos de Andalucía y se siguieron los siguientes pasos:
Obtuvimos datos del Censo de Población de Andalucía a través del Instituto de Estadística y Cartografía de la Junta de Andalucía. Preparamos los datos mediante su integración, limpieza y transformación para sintetizar las principales cualidades demográficas necesarias para el estudio.
A partir de dicho censo elaboramos los indicadores para medir e identificar qué factores de la vulnerabilidad social están relacionados (género, etnia, ocupación, educación, zona de residencia o infraestructuras cercanas).
Se unificaron dos bases de datos, una con los datos demográficos y sociales y otra con los datos de vivienda. Los datos de ambas bases fueron modelados en diferentes fases para generar perfiles de vulnerabilidad social y crear árboles de decisión.
Agrupamos y etiquetamos datos de la dimensión demográfica y social mediante una Red Neuronal Artificial en forma de Mapa Autoorganizado (SOM) que permite agrupar los datos y simplificarlos en base a un patrón, generándose perfiles de individuos. De cara a seleccionar el número óptimo de perfiles llevamos a cabo un proceso iterativo que va generando perfiles y se detiene cuando la explicabilidad del nuevo perfil es insuficiente y su fragmentación presenta poco valor práctico y conceptual.
Con el propósito de predecir la vulnerabilidad social, creamos un árbol de decisión, identificando el grado de probabilidad de la existencia del patrón de vulnerabilidad obtenido en la fase 1.
Mayor presencia de delincuencia, mayor número de personas por edificio, mayor dedicación en el empleo de servicios y un menor número de viviendas por hogar ocupado. Población localizada en entornos urbanos.
Diversificación del empleo con poca presencia del sector servicios, población eminentemente española, pocos inmigrantes y un alto número de analfabetos, con poca presencia de hogares con un solo adulto y menores. Población localizada en entornos rurales.
Más nacimientos e inmigrantes de origen provincial y en menor medida, regional o nacional. Trabajan en la provincia, alto porcentaje de ocupados y baja tasa de paro. Edad inferior a la media, pocos hogares unipersonales y bajo nivel de arraigo. Localizados en la periferia de las principales ciudades.
Edad media elevada, muchos hogares con un solo ocupante, muchas viviendas vacías y con problemas como falta de agua corriente en mayor proporción que el resto. Viven en asentamientos con buenos ratios de equipamiento cultural y bienestar por población, derivado del bajo número de habitantes de dichas poblaciones y de una aceptable distribución de dichas funciones. Emplazamientos rurales aislados y a mayor distancia de las principales ciudades.
Alto número de viviendas ocupadas por una sola persona, en muchas ocasiones con algún menor a cargo, alta presencia de inmigrantes del resto de Andalucía, España y extranjeros. Alta tasa de empleo, bajo desempleo y baja inactividad, trabajo en el sector servicios o agricultura. Áreas urbanas con presencia de residentes extranjeros. Enclaves turísticos o producción agrícola intensiva.
Esta investigación ha servido de base para una investigación similar de cara a la estimación de la vulnerabilidad social en países centroamericanos, cuya situación social y económica se ve influida por el entorno residencial y la localización geográfica (con mayor o menor impacto de fenómenos meteorológicos como inundaciones por huracanes, terremotos o erupciones de volcanes).
Correo electrónico: info@gis4tech.com
