Dignidad, un derecho inalienable: Caracterización de grupos de personas que habitan la calle en 21 municipios de Colombia con metodologías de segmentación y clasificación

RESUMEN : Los habitantes de calle en Colombia son una población que, bajo el margen constitucional, son sujetos con derechos que deben ser protegidos por políticas públicas que el gobierno extiende para garantizar la salud de estas personas. Aun así, el habitar la calle es una condición en la que un...

Full description

Autores:
Villa Franco, Juan Diego
Noriega Perlaza, Laura Estefania
Tipo de recurso:
Article of investigation
Fecha de publicación:
2024
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/44579
Acceso en línea:
https://hdl.handle.net/10495/44579
Palabra clave:
Análisis de datos
Data analysis
Persona sin hogar
Homeless
Problemas sociales
Social problems
Derecho a la salud
Right to health care
Derechos humanos
Human rights
Aprendizaje automático (inteligencia artificial)
Machine learning
http://vocabularies.unesco.org/thesaurus/concept2214
http://vocabularies.unesco.org/thesaurus/concept11945
Rights
openAccess
License
https://creativecommons.org/licenses/by-nc-sa/4.0/
Description
Summary:RESUMEN : Los habitantes de calle en Colombia son una población que, bajo el margen constitucional, son sujetos con derechos que deben ser protegidos por políticas públicas que el gobierno extiende para garantizar la salud de estas personas. Aun así, el habitar la calle es una condición en la que una persona por diferentes motivos personales se ve obligada a asumir espacios, territorios y formas de vida particulares. El DANE realizó un censo en el 2019 a esta población en 21 municipios de 5 departamentos de Colombia, insumo en base de datos anonimizada que dispone en microdatos libres para su uso en investigación. Este artículo se centra en encontrar 7 clústeres de personas usando metodologías estadísticas y analíticas de aprendizaje automático como K-Means, donde se valida con Arboles de decisión la predicción de estos grupos y con el algoritmo LIME se encuentran las principales características de cada clúster. Con los resultados se espera ampliar el estado del arte en análisis cuantitativo de esta temática y que sus resultados contribuyan a proponer soluciones basadas en las necesidades de cada grupo.