Identificación de los factores sociales discriminantes de personas expuestas a violencia intrafamiliar y conflicto armado en la ciudad de Bogotá
Este estudio se inicia buscando hacer parte de la iniciativa de gobierno en línea, que incentiva a que la comunidad pueda aportar estudios y soluciones a los diversos problemas del estado, a través de la liberación de datos recolectados en el diario ejercicio de las entidades estatales, y liberados...
| Autor: | |
|---|---|
| Tipo de documento: | dissertação |
| Estado: | Versión aceptada para publicación |
| Data de publicação: | 2018 |
| País: | Colombia |
| Recursos: | Universidad Autónoma de Manizales |
| Repositório: | Repositorio UAM |
| Idioma: | espanhol |
| OAI Identifier: | oai:repositorio.autonoma.edu.co:11182/714 |
| Acesso em linha: | https://repositorio.autonoma.edu.co/handle/11182/714 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Violencia Metodología CRISP-DM Mineria de datos Inteligencia artificial Violence CRISP-DM methodology Data mining Artificial intelligence |
| Resumo: | Este estudio se inicia buscando hacer parte de la iniciativa de gobierno en línea, que incentiva a que la comunidad pueda aportar estudios y soluciones a los diversos problemas del estado, a través de la liberación de datos recolectados en el diario ejercicio de las entidades estatales, y liberados por parte de los diferentes entes gubernamentales siguiendo los lineamientos del MINTIC en cuanto a datos abiertos. Descrito lo anterior se ve la importancia de estudiar este tipo de datos, y para tal fin, se propuso una investigación relacionada con la Inteligencia Artificial, específicamente con el componente de búsqueda de conocimiento en bases de datos, con la intención de construir un posible modelo que logre identificar características, similitudes o diferencias entre personas que han estado expuestas a la violencia intrafamiliar o a la violencia a través del conflicto armado. Esta investigación fue desarrollada bajo la metodología CRISP-DM, que es una metodología ampliamente utilizada, y además está posicionada como una de las mejores técnicas para desarrollar proyectos de minería de datos. Para la aplicación de las técnicas multivariadas se utilizó el programa estadístico informático SPSS. |
|---|