Muertes violentas durante y después de la pandemia en Colombia

Un análisis mediante inteligencia artificial

Autores/as

DOI:

https://doi.org/10.21830/19006586.1271

Palabras clave:

aprendizaje automático, covid-19, inteligencia artificial, pandemia, redes neuronales, violencia

Resumen

El artículo evalúa las muertes violentas durante y después de la pandemia de covid-19 usando un análisis de aprendizaje automático y de redes neuronales. Para ello, se utilizaron los datos registrados por la Policía Nacional sobre homicidios entre marzo de 2020 y junio de 2023. A partir de esos datos, se calcularon los perfiles de muertes violentas durante la pandemia (comprendida entre marzo de 2020 y diciembre de 2021) y en la pospandemia (es decir, entre enero de 2022 y junio de 2023). Luego, se llevó a cabo un análisis comparativo entre estos dos periodos y se usó una red neuronal de doble capa para clasificar y predecir futuras muertes violentas con una tasa de precisión del 100%.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Tomás José Fontalvo-Herrera , Universidad de Cartagena, Colombia

Posdoctor en administración, HEC de Montreal; doctor en ciencias sociales, mención Gerencia, Universidad del Zulia, Venezuela, y magíster en administración, Universidad Nacional de Colombia. Profesor de tiempo completo de la Universidad de Cartagena. Conferencista, consultor e investigador en analítica de datos e inteligencia artificial aplicada a la gestión y problemas sociales, control y cálculo multivariante, seis sigmas, eficiencia y productividad.

Ana Gabriela Banquez-Maturana, Universidad de Cartagena, Colombia

Administradora industrial con énfasis en producción, Universidad de Cartagena, e investigadora del Grupo de Calidad y Productividad Organizacional. Es experta en temas de control estadístico multivariante y analítica de datos, aplicada a problemas de gestión y sociales, y árbitra experta en International Journal of Lean Six Sigma.

Fabio Mejía-Zambrano, Universidad del Tolima, Ibagué, Colombia

Candidato a doctor en administración; magíster en mercadeo agroindustrial, y magíster en docencia universitaria. Profesor asociado y miembro del Grupo de Investigación ECO de la Universidad del Tolima. Investigador en planeación prospectiva y sustentabilidad en educación superior. Ha sido director de plan de desarrollo y vicerrector académico en universidades públicas, y consultor en gerencia.

Referencias bibliográficas

Aathira, T., Rangasami, P., & Narassima, M. (2023). Situational analysis and conceptual model development of crimes against women and children. International Journal of Sustainable Society, 15(1), 75. https://doi.org/10.1504/ijssoc.2023.128361

Abbas, A., Et al. (2021). The power of quantum neural networks. Nature Computational Science, 1(6), 403–409. https://doi.org/10.1038/s43588-021-00084-1

Aguancha, K., Ruiz, L., & Torres, L. (2020). Mujeres víctimas de violencia intrafamiliar en el norte de Colombia. Revista de ciencias sociales - Universidad del Zulia. Facultad de Ciencias Económicas y Sociales, 26(2), 56–68. https://doi.org/10.31876/rcs.v26i2.32422

Ahmed, I., Ahmad, M., Jeon, G., & Piccialli, F. (2021). A framework for pandemic prediction using big data analytics. Big Data Research, 25(100190), 100190. https://doi.org/10.1016/j.bdr.2021.100190

Alvarado, N., & Muggah, R. (2018). Crimen y violencia: Un obstáculo para el desarrollo de las ciudades de América Latina y el Caribe. Banco Interamericano de Desarrollo. 1-51. http://dx.doi.org/10.18235/0001440

Alvarado-Salazar, R., & Llerena-Izquierdo, J. (2022). Revisión de la literatura sobre el uso de Inteligencia Artificial enfocada a la atención de la discapacidad visual. Revista InGenio, 5(1), 10-21. https://doi.org/10.18779/ingenio.v5i1.472

Álvarez, M., Quirós, L., & Cortés, M. (2020). Inteligencia artificial y aprendizaje automático en medicina. Revista Medica Sinergia, 5(8), e557. https://doi.org/10.31434/rms.v5i8.557

Ambiado, C., Veloso, V., & Tijoux, M. (2022). ¿Trabajo sin libertad en Chile? Migrantes entre el racismo, la violencia y la dependencia. Andamios, 19(48), 161-181. https://doi.org/10.29092/uacm.v19i48.899

Arboleda, M., Montaño, J., & Rojas, S. (2023). Factores socioeconómicos y demográficos asociados a los homicidios en 23 departamentos de Colombia, 2012-2017. Revista Lumen Gentium, 7(1), 93–114. https://doi.org/10.52525/lg.v7n1a6

Ashby, M. (2020). Initial evidence on the relationship between the coronavirus pandemic and crime in the United States. Crime Science, 9 (1), 1-16. https://doi.org/10.1186/s40163-020-00117-6

Baptista, M. L., Goebel, K., & Henriques, E. M. P. (2022). Relation between prognostics predictor evaluation metrics and local interpretability SHAP values. Artificial Intelligence, 306(103667), 103667. https://doi.org/10.1016/j.artint.2022.103667

Cabarcas, C., Castañeda, M., & Van, E. (2023). Análisis Estadístico del homicidio en Colombia: Una vista enfocada a los perfiles sociodemográficos, educativos y económicos [Tesis de especialización]. Fundación Universitaria Los Libertadores.

Campedelli, G. M. (2022). Explainable machine learning for predicting homicide clearance in the United States. Journal of Criminal Justice, 79(101898), 101898. https://doi.org/10.1016/j.jcrimjus.2022.101898

Chainey, S., & Muggah, R. (2022). Homicide concentration and retaliatory homicide near repeats: An examination in a Latin American urban setting. The Police Journal, 95(2), 255–275. https://doi.org/10.1177/0032258x20980503

Cortés, V. (2023). Racismo, blanquidad y privilegios raciales como categorías en disputa durante la coyuntura del paro nacional 2021, Colombia. Tabula Rasa, (45), 243-270. https://doi.org/10.25058/20112742.n45.11

De La Hoz, E., Iglesias, M., & Perez, L. (2020). Método Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de Barranquilla. INGE CUC, 16(1), 234–240. https://doi.org/10.17981/ingecuc.16.1.2020.17

Eisner, M. (2020). Crime in Times of the Pandemic. Violence Research Centre, University of Cambridge. https://www.vrc.crim.cam.ac.uk/file/pandemiccrimepublicwebinarpptx

Ezugwu, A., Et al. (2022). A comprehensive survey of clustering algorithms: State-of-the-art machine learning applications, taxonomy, challenges, and future research prospects. Engineering Applications of Artificial Intelligence, 110(104743), 104743. https://doi.org/10.1016/j.engappai.2022.104743

Fontalvo, T., De la hoz, E., & Fontalvo, O. (2021). Methodology of classification, forecast and prediction of healthcare providers accredited in high quality in Colombia. International Journal of Productivity and Quality Management, 33(1), 1. https://doi.org/10.1504/ijpqm.2021.115290

Fontalvo, T., Vega, M., & Mejía, F. (2023). Método de clustering e inteligencia artificial para clasificar y proyectar delitos violentos en Colombia. Revista Científica General José María Córdova, 21(42), 53-72. https://dx.doi.org/10.21830/19006586.655

Fontalvo, T., De La Hoz, E., & De La Hoz, E. (2018). Método Análisis Envolvente de Datos y Redes Neuronales en la Evaluación y Predicción de la Eficiencia Técnica de Pequeñas Empresas Exportadoras. Información tecnológica, 29(6), 267-276. https://dx.doi.org/10.4067/S0718-07642018000600267

Instituto Nacional de Medicina Legal y Ciencias Forenses – INMLCF. (2021). Boletines Estadísticos Mensuales 2021. https://www.medicinalegal.gov.co/cifras-estadisticas/boletines-estadisticos-mensuales

Janiesch, C., Zschech, P., & Heinrich, K. (2021). Machine learning and deep learning. Electronic Markets, 31(3), 685–695. https://doi.org/10.1007/s12525-021-00475-2

Kumar, A., Sharma, K., & Sharma, A. (2021). Genetically optimized Fuzzy C-means data clustering of IoMT-based biomarkers for fast affective state recognition in intelligent edge analytics. Applied Soft Computing, 109(107525), 107525. https://doi.org/10.1016/j.asoc.2021.107525

Márquez, J. (2020). Inteligencia artificial y Big Data como soluciones frente a la COVID-19. Revista de bioetica y derecho, 50, 315–331. https://doi.org/10.1344/rbd2020.50.31643

Miller, T., Et al. (2022). Special issue on Explainable Artificial Intelligence (XAI). Artificial Intelligence, 307(103705), 103705. https://doi.org/10.1016/j.artint.2022.103705

Moturi, C., Okemwa, V., & Orwa, D. (2022). Big data analytics capability for digital transformation in the insurance sector. International Journal of Big Data Management, 2(1), 42. https://doi.org/10.1504/ijbdm.2022.119435

Naranjo, A., & Naranjo, C. (2022). Homicidios y suicidios en relación con la inequidad en américa latina. Revista De Ciencias Económicas, Jurídicas Y Administrativas, 5(9), 9–27. https://doi.org/10.37135/kai.03.09.01

Oberwittler, D. (2019). Lethal Violence: A Global View on Homicide. En Oxford Research Encyclopedia of Criminology and Criminal Justice. https://doi.org/10.1093/acrefore/9780190264079.013.402

Oficina de las naciones unidas contra la droga y el delito (UNODC). (2019). Resumen ejecutivo: Estudio Mundial sobre el Homicidio. Viena.

Ospino, A., & Echeverría, J. (2023). Incidencia del crimen organizado del Narcotráfico en la actual etapa de transición de paz de Colombia. Universidad Simón Bolívar.

Peirce, J. (2020). Más dinero, más crimen: prosperidad y aumento del crimen en América Latina. Por Marcelo Bergman (oxford University Press, 2018, 408pp. $39,95 hb). La Revista Británica de Criminología. https://doi.org/10.1093/bjc/azaa041

Policía Nacional de Colombia. (2020-2023). Homicidios. https://www.policia.gov.co/delitos-de-impacto/homicidios

Reier, R. F., Náñez, S. L., Jorge-Vazquez, J., & Rodriguez, M. L. (2020). Applied Machine Learning in social sciences: Neural networks and crime prediction. Social Sciences (Basel, Switzerland), 10(1), 4. https://doi.org/10.3390/socsci10010004

Repetur, A. (2019). Redes Neuronales Artificiales [Tesis pregrado, Universidad Nacional del Centro de la Provincia de Buenos Aires]. Repositorio institucional de la Universidad Nacional del Centro de la Provincia de Buenos Aires.

Reyes, L., De La Hoz, E., & Carmona, F. (2019). Método para identificar y pronosticar riesgo suicida perfiles de en adolescentes mediante técnicas de análisis de conglomerado y red neuronal artificial. AVFT – Archivos Venezolanos De Farmacología Y Terapéutica, 38(3). http://saber.ucv.ve/ojs/index.php/rev_aavft/article/view/16804

Reyes, N., Et al. (2019). Modelo para predecir el rendimiento académico basado en redes neuronales y analítica de aprendizaje. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, 17, 258–266.

Ríos, J., & Niño, C., (2021). Dinámicas de la inseguridad y la violencia durante la pandemia en Colombia. Revista UNISCI, 19 (56), 95–115. https://doi.org/10.31439/unisci-118

Rojas, L., & Meneses, C. (2022). Una comparación empírica de algoritmos de aprendizaje automático versus aprendizaje profundo para la detección de noticias falsas en redes sociales. Ingeniare. Revista chilena de ingeniería, 30 (2), 403-415. https://dx.doi.org/10.4067/S0718-33052022000200403

Ruelas, E., Et al. (2020). Statistical Control of Multivariant Processes through the Artificial Neural Network Multilayer Perceptron and the MEWMA Graphic Analysis. IEEE Latin America Transactions, 18(6), 1041–1048. https://latamt.ieeer9.org/index.php/transactions/article/view/1284

Shahid, N., Rappon, T., & Berta, W. (2019). Applications of artificial neural networks in health care organizational decision-making: A scoping review. PloS One, 14(2), e0212356. https://doi.org/10.1371/journal.pone.0212356

Sierra, J., & Santos, M. (2021). Redes neuronales y aprendizaje por refuerzo en el control de turbinas eólicas. Revista Iberoamericana de Automática e Informática Industrial RIAI, 18(4), 327. https://doi.org/10.4995/riai.2021.16111

Sossa, J., & Reyes, F. (2021). Inteligencia artificial aplicada a Robótica y Automatización (1a ed.). Marcombo.

Sterling, V., & Pablo, J. (2023). Restricción al porte de arma de fuego como mecanismo de disminución de homicidios en Colombia [Tesis de especialización]. Universidad Libre de Colombia.

Tealab, A. (2018). Time series forecasting using artificial neural networks methodologies: A systematic review. Future Computing and Informatics Journal, 3(2), 334–340. https://doi.org/10.1016/j.fcij.2018.10.003

Vargas, J., Et al. (2021). Criminalidad en contexto COVID año 2020 y aproximación de una propuesta en neurocriminología. Revista Criminalidad, 63 (3), 9-31. https://doi.org/10.47741/17943108.310

Yang, L., Moubayed, A., Shami, A., Boukhtouta, A., Heidari, P., Preda, S., Brunner, R., Migault, D., & Larabi, A. (2023). Forensic data analytics for anomaly detection in evolving networks. En World Scientific Series in Digital Forensics and Cybersecurity (pp. 99–137). WORLD SCIENTIFIC.

You, J., Et al. (18 Jul 2020). Graph structure of neural networks. En H. D. Iii & A. Singh (Eds.), Proceedings of the 37th International Conference on Machine Learning (Vol. 119, pp. 10881–10891). PMLR.

Descargas

Publicado

2024-03-30

Cómo citar

Fontalvo-Herrera , T. J., Banquez-Maturana, A. G., & Mejía-Zambrano, F. (2024). Muertes violentas durante y después de la pandemia en Colombia: Un análisis mediante inteligencia artificial. Revista Científica General José María Córdova, 22(45), 175–197. https://doi.org/10.21830/19006586.1271
Crossref Cited-by logo
Estadísticas de artículo
Vistas de resúmenes
Vistas de PDF
Descargas de PDF
Vistas de HTML
Otras vistas
QR Code

Algunos artículos similares: