Prediciendo el crimen en ciudades intermedias: un modelo de “machine learning” en Bucaramanga, Colombia

Gelvez-Ferreira, Juan-David; Nieto-Rodríguez, María-Paula; Rocha-Ruiz, Carlos-Andrés

dc.creator	Gelvez-Ferreira, Juan-David
dc.creator	Nieto-Rodríguez, María-Paula
dc.creator	Rocha-Ruiz, Carlos-Andrés
dc.date	2022-09
dc.date.accessioned	2024-02-16T21:26:34Z
dc.date.available	2024-02-16T21:26:34Z
dc.identifier.citation	Gelvez-Ferreira, Juan-David, María-Paula Nieto-Rodríguez y Carlos-Andrés Rocha-Ruiz. 2022. Prediciendo el crimen en ciudades intermedias: un modelo de “machine learning” en Bucaramanga, Colombia o Predicting Crime in Middle-Size Cities. A Machine Learning Model in Bucaramanga, Colombia. Urvio. Revista Latinoamericana de Estudios de Seguridad, 34: 83-98.	es_ES
dc.identifier.issn	1390-3691
dc.identifier.issn	1390-4299 (en línea)
dc.identifier.uri	http://hdl.handle.net/10469/20043
dc.description	El uso de tecnología para prevenir el crimen es una práctica cada vez más frecuente. Sin embargo, la evidencia se ha concentrado en ciudades principales, que cuentan con gran cantidad de datos y mejores capacidades locales. El objetivo de esta investigación es presentar los resultados de un modelo de “machine learning” para predecir el delito en Bucaramanga, una ciudad intermedia de Colombia. Se utilizó el procesamiento de señales para grafos y una adaptación al caso del modelo de vectorización de texto TF-IDF. Se identificó que los mejores resultados en la predicción del crimen se dieron con modelos espaciales de grafos por semanas. The use of technology to prevent and respond to citizen security challenges is increasingly frequent. However, empirical evidence has been concentrated in major cities with large amounts of data and local authorities' strong capacities. Therefore, this investigation aims to capture a series of policy recommendations based on a machine learning crime prediction model in an intermediate city in Colombia, Bucaramanga (department of Santander). The model used signal processing for graphs and an adaptation of the TF-IDF text vectorization model to the space-time case, for each of the cities’ neighborhoods. The results show that the best crime prediction outcomes were obtained when using the models with spatial relationships of graphs by weeks.	es_ES
dc.format	p. 83-98	es_ES
dc.language	spa	es_ES
dc.publisher	Quito, Ecuador : Flacso Ecuador	es_ES
dc.rights	openAccess	es_ES
dc.rights	Atribución-NoComercial-SinDerivadas 3.0 Ecuador	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/ec/	*
dc.subject	ANÁLISIS DE DATOS	es_ES
dc.subject	CRIMEN	es_ES
dc.subject	PREVENCIÓN DEL CRIMEN	es_ES
dc.subject	POLICÍA	es_ES
dc.subject	SEGURIDAD	es_ES
dc.subject	COLOMBIA	es_ES
dc.title	Prediciendo el crimen en ciudades intermedias: un modelo de “machine learning” en Bucaramanga, Colombia	es_ES
dc.title.alternative	Predicting Crime in Middle-Size Cities. A Machine Learning Model in Bucaramanga, Colombia	es_ES
dc.type	article	es_ES
dc.tipo.spa	Artículo	es_ES