Identificación de dimensiones y estimación de la pobreza multidimensional utilizando modelos de aprendizaje estadístico y procesamiento de lenguaje natural

RESUMEN : La presente tesis doctoral aborda el tema de la pobreza desde una perspectiva multidimensional. Describimos la pobreza multidimensional como un fenómeno complejo y multifacético que va más allá de la simple falta de ingresos. Se proponen alternativas para solucionar dos problemas particulares del análisis multidimensional de la pobreza. Uno que tiene que ver con la elección de dimensiones para la elaboración de indicadores de pobreza y en general, para indicadores sociales, problema que incluye la asignación de ponderación o pesos a las dimensiones. El otro problema, de la estimación de la población considerada como pobre. Para la solución se plantean metodologías desde las ciencias computacionales, en particular, se usan algoritmos de aprendizaje estadístico y procesamiento de lenguaje natural. La propuesta para la identificación de dimensiones se presenta desde el procesamiento de Lenguaje natural de las personas en situación de pobreza y el análisis no supervisados, con la misma perspectiva, se propone una metodología para asignarle peso a las dimensiones. Para el problema de la estimación, el énfasis estuvo en usar datos espaciales y no estructurados. Con datos no estructurados provenientes del lenguaje y datos espaciales de libre acceso, se propone una metodología para estimar indicadores de pobreza. La propuesta busca aprovechar datos no convencionales para la estimación de los indicadores, con el uso de métodos de aprendizaje estadístico. Los resultados de esta tesis, en términos de la identificación de dimensiones y su ponderación, pueden tener implicaciones importantes para el desarrollo de políticas públicas y programas de reducción de la pobreza, al proporcionar información más completa y precisa sobre las necesidades y carencias de las personas en situación de pobreza. Las metodologías propuestas son un camino para darle voz a la población en situación de pobreza con el objetivo de influir en la definición de los indicadores de política pública de pobreza y la importancia de los mismos. Los hallazgos de la estimación contribuyen al avance de la investigación sobre la pobreza multidimensional y la aplicación de técnicas avanzadas de análisis de datos en ciencias sociales y otros campos relacionados.

• Autores: Muñetón Santa, Guberney
• Tipo de recurso: Doctoral thesis
• Fecha de publicación: 2024
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/41006
• Acceso en línea: https://hdl.handle.net/10495/41006
• Palabra clave: Procesamiento de lenguaje natural; Natural Language Processing; Pobreza - investigaciones; Poverty - research; Lingüística computacional; Computational linguistics; Desarrollo humano; Human development; Aprendizaje automático (inteligencia artificial); Machine learning; Índice de Pobreza Multidimensional; Multidimensional poverty index; http://aims.fao.org/aos/agrovoc/c_fb86e843; Pobreza multidimensional; Aprendizaje estadístico; Estimación de la pobreza; https://id.nlm.nih.gov/mesh/D009323
• Rights: embargoedAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/