Modelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020
Introducción— La Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC) clasifica a Colombia como uno de los países donde el narcotráfico y el delito ponen en riesgo la seguridad, la paz y las oportunidades de desarrollo de los ciudadanos. Objetivo— Este artículo presenta la aplicación...
- Autores:
-
Narváez Figueroa, Andrés Eduardo
Cáceres Castellanos, Gustavo
González Sanabria, Juan Sebastián
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2022
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/12371
- Palabra clave:
- Unsupervised Classification
Illicit crops
data mining
fight against drugs
cocaine
Colombia
clasificación no supervisada
cultivos ilícitos
minería de datos
lucha contra la droga
Cocaína
Colombia
- Rights
- openAccess
- License
- INGE CUC - 2022
| id |
RCUC2_857f680175bcfbc2893a6f81144fab90 |
|---|---|
| oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/12371 |
| network_acronym_str |
RCUC2 |
| network_name_str |
REDICUC - Repositorio CUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020 |
| dc.title.translated.eng.fl_str_mv |
Machine learning model for the classification of municipalities by illicit crops in Colombia from 2010 to 2020 |
| title |
Modelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020 |
| spellingShingle |
Modelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020 Unsupervised Classification Illicit crops data mining fight against drugs cocaine Colombia clasificación no supervisada cultivos ilícitos minería de datos lucha contra la droga Cocaína Colombia |
| title_short |
Modelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020 |
| title_full |
Modelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020 |
| title_fullStr |
Modelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020 |
| title_full_unstemmed |
Modelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020 |
| title_sort |
Modelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020 |
| dc.creator.fl_str_mv |
Narváez Figueroa, Andrés Eduardo Cáceres Castellanos, Gustavo González Sanabria, Juan Sebastián |
| dc.contributor.author.spa.fl_str_mv |
Narváez Figueroa, Andrés Eduardo Cáceres Castellanos, Gustavo González Sanabria, Juan Sebastián |
| dc.subject.eng.fl_str_mv |
Unsupervised Classification Illicit crops data mining fight against drugs cocaine Colombia |
| topic |
Unsupervised Classification Illicit crops data mining fight against drugs cocaine Colombia clasificación no supervisada cultivos ilícitos minería de datos lucha contra la droga Cocaína Colombia |
| dc.subject.spa.fl_str_mv |
clasificación no supervisada cultivos ilícitos minería de datos lucha contra la droga Cocaína Colombia |
| description |
Introducción— La Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC) clasifica a Colombia como uno de los países donde el narcotráfico y el delito ponen en riesgo la seguridad, la paz y las oportunidades de desarrollo de los ciudadanos. Objetivo— Este artículo presenta la aplicación del algoritmo de clasificación no supervisado K-means para categorizar los municipios que tienen presencia de cultivos de coca en Colombia. Metodología: Se hizo uso de la metodología CRISP-DM, propia de la minería de datos, y para la correlación de variables se utilizó el algoritmo PCA (Análisis de Componentes Principales). Resultados— Se utilizaron múltiples fuentes de información como: el número de hectáreas de coca por municipio, incautaciones, laboratorios destruidos, erradicación manual y fumigación, monitoreadas por la institucionalidad nacional, con el fin de realizar cruces con variables socioeconómicas y de desempeño de los municipios que tienen cultivos de coca en el periodo de 2010 a 2020. Partiendo de la clasificación, se analizaron los escenarios de cada categoría para hallar escenarios que permitan dilucidar las dinámicas de los territorios que sufren este flagelo. Conclusiones— Se encontró que el comportamiento de los municipios productores de coca responde principalmente a 4 grupos. También se encuentra que el municipio de Tumaco en Nariño no encaja en ninguna categoría ya que excede la producción respecto a los demás municipios. |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-11-10 00:00:00 2024-04-09T20:22:05Z |
| dc.date.available.none.fl_str_mv |
2022-11-10 00:00:00 2024-04-09T20:22:05Z |
| dc.date.issued.none.fl_str_mv |
2022-11-10 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.eng.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.content.eng.fl_str_mv |
Text |
| dc.type.driver.eng.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.local.eng.fl_str_mv |
Journal article |
| dc.type.redcol.eng.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| dc.type.version.eng.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coarversion.eng.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.issn.none.fl_str_mv |
0122-6517 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11323/12371 |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.17981/ingecuc.19.1.2023.05 |
| dc.identifier.doi.none.fl_str_mv |
10.17981/ingecuc.19.1.2023.05 |
| dc.identifier.eissn.none.fl_str_mv |
2382-4700 |
| identifier_str_mv |
0122-6517 10.17981/ingecuc.19.1.2023.05 2382-4700 |
| url |
https://hdl.handle.net/11323/12371 https://doi.org/10.17981/ingecuc.19.1.2023.05 |
| dc.language.iso.eng.fl_str_mv |
eng |
| language |
eng |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Inge Cuc |
| dc.relation.references.eng.fl_str_mv |
E. Garzón, A. Lopez, A. Reyes Posada, R. Rocha y S. Uribe, Drogas ilícitas en Colombia: su impacto económico, político y social. BO, CO: Ariel, 1997. E. Ciro, “Cultivando coca en el Caquetá: vidas y legitimidades en la actividad cocalera”, Tesis doctoral, FCPyS, UNAM, CDMX, MX, 2016. Disponible en https://ru.dgb.unam.mx/handle/DGB_UNAM/TES01000751075 A. Díaz y F. Sánchez, “Geografía de los cultivos ilícitos y conflicto armado en Colombia”, Trabajo grado, Fac Econ, UNIANDES, BO, CO, 2004. Disponible en http://hdl.handle.net/1992/7865 M. Ramírez, Entre el Estado y la guerrilla: identidad y ciudadanía en el movimiento de los campesinos cocaleros del Putumayo. BO, CO: ICANH, 2001. Disponible en https://babel.banrepcultural.org/digital/collection/p17054coll10/id/2898/ P. Sacipa, “Desplazamiento forzado y política de erradicación de cultivos ilícitos,” Scripta Nova, vol. 94, no. 39, Ago. 2001. Disponible en https://revistes.ub.edu/index.php/ScriptaNova/article/view/364 E. Davalos, “New answers to an old problem: Social investment and coca crops in Colombia,” Int. J. Drug Policy, vol. 31, pp. 121–130. May 2016. https://doi.org/10.1016/j.drugpo.2016.02.002 UNODC, “Informe Mundial sobre las Drogas 2014”, UN, NYC, NY, USA, V.14-04627 (S), 2014. Available: https://www.unodc.org/wdr2014/ UNODC, Informe Mundial sobre las Drogas 2011. NYC, NY, USA: UN, 2011. Available: https://www.unodc.org/unodc/en/data-and-analysis/WDR-2011.html G. Buzai, C. Baxendale, N. Principi, M. Cruz, G. Cacace, N. Caloni, L. Humucata y J. Mora, Sistemas de Información Geográfica (SIG): teoría y aplicación. LUJ, AR: UNLU, 2013. UNODC, Informe Mundial sobre las Drogas 2013. NYC, NY, USA: UN, 2013. Available: https://www.unodc.org/lpo-brazil/en/drogas/relatorio-mundial-sobre-drogas.html D. Ortiz, “Influencia de los cultivos ilícitos como dinámica territorial de los municipios de Cáceres y Tazará (Antioquia) en los períodos 2007 – 2010, mediante herramientas de sistemas de información geográfica – SIG,” Trabajo Final, Fac Cienc Ing, UManizales, MZL, CO, 2018. Disponible en https://ridum.umanizales.edu.co/xmlui/handle/20.500.12746/4174 L. Camargo, “Lineamientos para la gestión de la deforestación, generada por los cultivos ilícitos asociados al conflicto armado, en el Municipio de Tibú, en el contexto del posconflicto”, Trabajo de Grado, FEAR, UJaveriana, BO, CO, 2022. https://doi.org/10.11144/Javeriana.10554.38071 J. Gil, Minería de texto con R. Aplicaciones y técnicas estadísticas de apoyo. MA, ES: UNED, 2021. MARA. “Las tres ideas de Sarmiento sobre la minería”. Proyecto Mara. Disponible en https://www.infomara.com.ar/ (consultado 2010 Sep. 28). C. Gil. “Análisis de datos scRNA-Seq con bioconductor”. Rpubs, 28 Feb. 2020. Disponible en https://rpubs.com/Cristina_Gil/scRNS-Seq_Bioconductor J. Hair, R. Anderson, R. Tatham & W. Black, Multivariate Data Analysis, 6th ed. TTN, NJ, USA: Prentice Hall, 2006. DANE, “Información Censo nacional de población y vivienda 2018”. Gov.co, 2018. Disponible en https://www.dane.gov.co/index.php/estadisticas-por-tema/pobreza-y-condiciones-de-vida/necesidades-basicas-insatisfechas-nbi#:~:text=La%20metodolog%C3%ADa%20de%20NBI%20busca,fijado%2C%20son%20clasificados%20como%20pobres Gov.co, “Índice de Desempeño Integral (IDI)”. Servicio al ciudadano-Glosario, 2022. Disponible en https://www.funcionpublica.gov.co/glosario/-/wiki/Glosario+2/%C3%8Dndice+de+Desempe%C3%B1o+Integral+%3COPEN_PARENTHESIS%3EIDI%3CCLOSE_PARENTHESIS%3E |
| dc.relation.citationendpage.none.fl_str_mv |
47–60 |
| dc.relation.citationstartpage.none.fl_str_mv |
47–60 |
| dc.relation.citationissue.spa.fl_str_mv |
1 |
| dc.relation.citationvolume.spa.fl_str_mv |
19 |
| dc.relation.bitstream.none.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/download/4639/4584 https://revistascientificas.cuc.edu.co/ingecuc/article/download/4639/4809 https://revistascientificas.cuc.edu.co/ingecuc/article/download/4639/4847 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 1 , Año 2023 : (Enero - Junio) |
| dc.rights.eng.fl_str_mv |
INGE CUC - 2022 |
| dc.rights.uri.eng.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0 |
| dc.rights.accessrights.eng.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.eng.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
INGE CUC - 2022 http://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.eng.fl_str_mv |
application/pdf text/html text/xml |
| dc.publisher.spa.fl_str_mv |
Universidad de la Costa |
| dc.source.eng.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/view/4639 |
| institution |
Corporación Universidad de la Costa |
| bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstream/11323/12371/1/ORE.xml |
| bitstream.checksum.fl_str_mv |
82d49d3d9a26ce8c811bad446cdc35a9 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad de La Costa |
| repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
| _version_ |
1808400230221086720 |
| spelling |
Narváez Figueroa, Andrés Eduardo065a8be4a4d7e68a9016ab8d5276dda3300Cáceres Castellanos, Gustavoa4abfe30547105461725562f3bcf7a4a300González Sanabria, Juan Sebastián458957e5bacb81c5f24b4547238a36e02022-11-10 00:00:002024-04-09T20:22:05Z2022-11-10 00:00:002024-04-09T20:22:05Z2022-11-100122-6517https://hdl.handle.net/11323/12371https://doi.org/10.17981/ingecuc.19.1.2023.0510.17981/ingecuc.19.1.2023.052382-4700Introducción— La Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC) clasifica a Colombia como uno de los países donde el narcotráfico y el delito ponen en riesgo la seguridad, la paz y las oportunidades de desarrollo de los ciudadanos. Objetivo— Este artículo presenta la aplicación del algoritmo de clasificación no supervisado K-means para categorizar los municipios que tienen presencia de cultivos de coca en Colombia. Metodología: Se hizo uso de la metodología CRISP-DM, propia de la minería de datos, y para la correlación de variables se utilizó el algoritmo PCA (Análisis de Componentes Principales). Resultados— Se utilizaron múltiples fuentes de información como: el número de hectáreas de coca por municipio, incautaciones, laboratorios destruidos, erradicación manual y fumigación, monitoreadas por la institucionalidad nacional, con el fin de realizar cruces con variables socioeconómicas y de desempeño de los municipios que tienen cultivos de coca en el periodo de 2010 a 2020. Partiendo de la clasificación, se analizaron los escenarios de cada categoría para hallar escenarios que permitan dilucidar las dinámicas de los territorios que sufren este flagelo. Conclusiones— Se encontró que el comportamiento de los municipios productores de coca responde principalmente a 4 grupos. También se encuentra que el municipio de Tumaco en Nariño no encaja en ninguna categoría ya que excede la producción respecto a los demás municipios.Introduction— The United Nations Office on Drugs and Crime (UNODC) classifies Colombia as one of the countries where drug trafficking and crime threaten the security, peace and development opportunities of its citizens. Objective— This article presents the application of the unsupervised K-means classification algorithm to categorize municipalities with coca cultivation presence in Colombia. Methodology- The CRISP-DM methodology was used for data mining, and the PCA (Principal Component Analysis) algorithm was used for the correlation of variables. Results— Multiple sources of information were used, such as: the number of hectares of coca per municipality, seizures, laboratories destroyed, manual eradication and fumigation, monitored by national institutions, in order to make crosses with socioeconomic and performance variables of the municipalities with coca crops in the period from 2010 to 2020. Based on the classification, the scenarios of each category were analyzed to find scenarios that allow elucidating the dynamics of the territories suffering from this scourge. Conclusions— It was found that the behavior of coca-producing municipalities responds mainly to 4 groups. It was also found that the municipality of Tumaco in Nariño does not fit into any category since it exceeds the production with respect to the other municipalities.application/pdftext/htmltext/xmlengUniversidad de la CostaINGE CUC - 2022http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/4639Unsupervised ClassificationIllicit cropsdata miningfight against drugscocaineColombiaclasificación no supervisadacultivos ilícitosminería de datoslucha contra la drogaCocaínaColombiaModelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020Machine learning model for the classification of municipalities by illicit crops in Colombia from 2010 to 2020Artículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge CucE. Garzón, A. Lopez, A. Reyes Posada, R. Rocha y S. Uribe, Drogas ilícitas en Colombia: su impacto económico, político y social. BO, CO: Ariel, 1997.E. Ciro, “Cultivando coca en el Caquetá: vidas y legitimidades en la actividad cocalera”, Tesis doctoral, FCPyS, UNAM, CDMX, MX, 2016. Disponible en https://ru.dgb.unam.mx/handle/DGB_UNAM/TES01000751075A. Díaz y F. Sánchez, “Geografía de los cultivos ilícitos y conflicto armado en Colombia”, Trabajo grado, Fac Econ, UNIANDES, BO, CO, 2004. Disponible en http://hdl.handle.net/1992/7865M. Ramírez, Entre el Estado y la guerrilla: identidad y ciudadanía en el movimiento de los campesinos cocaleros del Putumayo. BO, CO: ICANH, 2001. Disponible en https://babel.banrepcultural.org/digital/collection/p17054coll10/id/2898/P. Sacipa, “Desplazamiento forzado y política de erradicación de cultivos ilícitos,” Scripta Nova, vol. 94, no. 39, Ago. 2001. Disponible en https://revistes.ub.edu/index.php/ScriptaNova/article/view/364E. Davalos, “New answers to an old problem: Social investment and coca crops in Colombia,” Int. J. Drug Policy, vol. 31, pp. 121–130. May 2016. https://doi.org/10.1016/j.drugpo.2016.02.002 UNODC, “Informe Mundial sobre las Drogas 2014”, UN, NYC, NY, USA, V.14-04627 (S), 2014. Available: https://www.unodc.org/wdr2014/ UNODC, Informe Mundial sobre las Drogas 2011. NYC, NY, USA: UN, 2011. Available: https://www.unodc.org/unodc/en/data-and-analysis/WDR-2011.html G. Buzai, C. Baxendale, N. Principi, M. Cruz, G. Cacace, N. Caloni, L. Humucata y J. Mora, Sistemas de Información Geográfica (SIG): teoría y aplicación. LUJ, AR: UNLU, 2013. UNODC, Informe Mundial sobre las Drogas 2013. NYC, NY, USA: UN, 2013. Available: https://www.unodc.org/lpo-brazil/en/drogas/relatorio-mundial-sobre-drogas.html D. Ortiz, “Influencia de los cultivos ilícitos como dinámica territorial de los municipios de Cáceres y Tazará (Antioquia) en los períodos 2007 – 2010, mediante herramientas de sistemas de información geográfica – SIG,” Trabajo Final, Fac Cienc Ing, UManizales, MZL, CO, 2018. Disponible en https://ridum.umanizales.edu.co/xmlui/handle/20.500.12746/4174 L. Camargo, “Lineamientos para la gestión de la deforestación, generada por los cultivos ilícitos asociados al conflicto armado, en el Municipio de Tibú, en el contexto del posconflicto”, Trabajo de Grado, FEAR, UJaveriana, BO, CO, 2022. https://doi.org/10.11144/Javeriana.10554.38071 J. Gil, Minería de texto con R. Aplicaciones y técnicas estadísticas de apoyo. MA, ES: UNED, 2021. MARA. “Las tres ideas de Sarmiento sobre la minería”. Proyecto Mara. Disponible en https://www.infomara.com.ar/ (consultado 2010 Sep. 28). C. Gil. “Análisis de datos scRNA-Seq con bioconductor”. Rpubs, 28 Feb. 2020. Disponible en https://rpubs.com/Cristina_Gil/scRNS-Seq_Bioconductor J. Hair, R. Anderson, R. Tatham & W. Black, Multivariate Data Analysis, 6th ed. TTN, NJ, USA: Prentice Hall, 2006.DANE, “Información Censo nacional de población y vivienda 2018”. Gov.co, 2018. Disponible en https://www.dane.gov.co/index.php/estadisticas-por-tema/pobreza-y-condiciones-de-vida/necesidades-basicas-insatisfechas-nbi#:~:text=La%20metodolog%C3%ADa%20de%20NBI%20busca,fijado%2C%20son%20clasificados%20como%20pobresGov.co, “Índice de Desempeño Integral (IDI)”. Servicio al ciudadano-Glosario, 2022. Disponible en https://www.funcionpublica.gov.co/glosario/-/wiki/Glosario+2/%C3%8Dndice+de+Desempe%C3%B1o+Integral+%3COPEN_PARENTHESIS%3EIDI%3CCLOSE_PARENTHESIS%3E47–6047–60119https://revistascientificas.cuc.edu.co/ingecuc/article/download/4639/4584https://revistascientificas.cuc.edu.co/ingecuc/article/download/4639/4809https://revistascientificas.cuc.edu.co/ingecuc/article/download/4639/4847Núm. 1 , Año 2023 : (Enero - Junio)OREORE.xmltext/xml2738https://repositorio.cuc.edu.co/bitstream/11323/12371/1/ORE.xml82d49d3d9a26ce8c811bad446cdc35a9MD51open access11323/12371oai:repositorio.cuc.edu.co:11323/123712024-04-09 15:22:05.749An error occurred on the license name.|||http://creativecommons.org/licenses/by-nc-nd/4.0metadata only accessRepositorio Universidad de La Costarepdigital@cuc.edu.co |