Diseño de una metodología para la asignación de programas sociales a poblaciones vulnerables
Este proyecto aborda la problemática en la asignación de recursos por parte de los programas sociales, destacando fallas como los errores de inclusión y exclusión, altos costos de identificación de beneficiarios y la ausencia de un sistema integrado entre entidades. Como solución, se propone el desa...
- Autores:
-
Martínez, Daniel
Losada, Álvaro
Ordoñez, Isaias
- Tipo de recurso:
- Fecha de publicación:
- 2025
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/13484
- Acceso en línea:
- http://hdl.handle.net/10584/13484
- Palabra clave:
- Modelo
Programa social
Asignación
Programación lineal
Model
Social program
Assignment
Linear programming
- Rights
- License
- Universidad del Norte
Summary: | Este proyecto aborda la problemática en la asignación de recursos por parte de los programas sociales, destacando fallas como los errores de inclusión y exclusión, altos costos de identificación de beneficiarios y la ausencia de un sistema integrado entre entidades. Como solución, se propone el desarrollo de una metodología basada en un modelo de asignación programado en Python, orientado a maximizar la cobertura de beneficiarios y minimizar la cantidad de cupos sin asignar, optimizando el uso de los recursos disponibles. Adicionalmente, se desarrolla una herramienta visual en Power BI que permite analizar gráficamente la base de datos de población vulnerable, incluyendo variables como edad, nivel del Sisbén y educación, facilitando la toma de decisiones. También se propone un segundo panel en Power BI como herramienta de consulta, permitiendo a las entidades sociales acceder fácilmente a los resultados del proceso de asignación. Los resultados del proyecto evidencian que la metodología mejora su efectividad a medida que se integran más programas y mayor volumen de beneficiarios. Se concluye que el éxito del modelo depende en gran medida de la calidad y confiabilidad de los datos, por lo que se recomienda validar rigurosamente la información antes de su implementación para evitar asignaciones erróneas. |
---|