Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Señales de gentrificación a través de la Inteligencia Artificial: identificación mediante el censo de vivienda

Abarca-Alvarez, Francisco Javier and Campos-Sánchez, Francisco Sergio and Reinoso-Bellido, Rafael (2018) Señales de gentrificación a través de la Inteligencia Artificial: identificación mediante el censo de vivienda. Bitácora Urbano Territorial, 28 (2). pp. 103-114. ISSN 2027-145X

Texto completo

[img]
Vista previa
PDF - Versión Publicada
Available under License Creative Commons Attribution Non-commercial.

4MB

URL oficial: https://revistas.unal.edu.co/index.php/bitacora/ar...

Resumen

La gentrificación no siempre es detectada por la sociedad, la política y la planificación a tiempo de interpretar sus dinámicas y de llevar a cabo intervenciones que mitiguen sus efectos adversos. Sus implicaciones son tan importantes en la fisionomía social de las ciudades, que será relevante toda herramienta que permita pronosticar o evidenciar cualquier tipo de señal de la gentrificación. La investigación trata de evaluar la viabilidad de la detección de ámbitos vinculados a procesos de gentrificación, incipientes o asentados, mediante el uso de fuentes de información comunes en las ciudades, como son los censos de viviendas. Para ello se propone el uso de metodologías de extracción de información basadas en técnicas de minería de datos procedentes de las ciencias de la Inteligencia Artificial. La metodología se evalúa experimentalmente en un territorio complejo y extenso, la costa mediterránea peninsular española. Los resultados permiten identificar un perfil urbano que incluye todas las barriadas a las que el estado del arte atribuye gentrificación, resultando la proporción de viviendas en alquiler determinante. Se concluye que la metodología propuesta es útil para evidenciar territorios con señales similares a los entornos urbanos con gentrificación, permitiendo la detección temprana de procesos semejantes en otros ámbitos., Gentrification is not always detected by society, policy and planning in time to interpret its dynamics and implement interventions that mitigate its adverse effects. Its implications are so important in the social physiognomy of cities, that any tool that can predict or evidence any kind of sign of gentrification will be relevant. The research seeks to assess the feasibility of detecting areas linked to gentrification processes, incipient or settled, by using common sources of information in cities, such as the housing census. To this end, we propose the use of information extraction methodologies based on data mining techniques from Artificial Intelligence sciences. The methodology is evaluated experimentally in a complex and extensive territory, the Mediterranean coast of the Spanish peninsula. The results make it possible to identify an urban profile that includes all the neighbourhoods, to which the state of the art attributes gentrification, resulting in the proportion of rented dwellings that are essential for this purpose. It is concluded that the proposed methodology is useful to evidence territories with similar signs to urban environments with gentrification, allowing the early detection of similar processes in other areas., A gentrificação nem sempre é detetada a tempo pela sociedade, a política e o planeamento para levar a cabo intervenções que mitiguem os seus efeitos adversos. As suas implicações são tão importantes na fisionomia social das cidades, que será relevante qualquer ferramenta que permita prognosticar ou evidenciar qualquer tipo de sinal da gentrificação. Neste artigo apresenta-se uma investigação que avalia a viabilidade da deteção de âmbitos vinculados a processos de gentrificação, incipientes ou consolidados, através da utilização de fontes de informação comuns nas cidades, como os recenseamentos habitacionais. Para isto, propõe-se a utilização de metodologias de extração de informação baseadas em técnicas de mineração de dados da Inteligência Artificial, aplicadas a um território complexo e extenso: a costa mediterrânea peninsular espanhola. Os resultados permitem identificar um perfil urbano que inclui todos os bairros a que os conhecimentos atuais atribuem gentrificação, demonstrando-se que a proporção de casas para alugar é um sinal relevante de gentrificação. Conclui-se que a metodologia proposta é útil para evidenciar territórios com sinais semelhantes aos dos ambientes urbanos com gentrificação, permitindo a deteção precoce de processos semelhantes noutros âmbitos.

Tipo de documento:Artículo - Article
Palabras clave:urban profile, artificial neural network, self-organizing map, forecast, perfil urbano, red neuronal artificial, mapa auto-organizado, predicción
Temática:7 Las artes; Bellas artes y artes decorativas / Arts & recreation > 71 Urbanismo y arte paisajístico / Landscaping & area planning
Unidad administrativa:Revistas electrónicas UN > Bitácora Urbano Territorial
Código ID:69352
Enviado por : Dirección Nacional de Bibliotecas STECNICO
Enviado el día :24 Septiembre 2018 17:34
Ultima modificación:24 Septiembre 2018 17:34
Ultima modificación:24 Septiembre 2018 17:34
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Metabiblioteca OAIster BASE BDCOL Registry of Open Access Repositories SNAAC Red de repositorios latinoamericanos eprints Open archives La referencia Tesis latinoamericanas OpenDOAR CLACSO
Este sitio web se ve mejor en Firefox