Análisis de datos sobre los hurtos en la ciudad de Medellín desde un enfoque descriptivo

Autores/as

  • Gina Maestre-Gongora Universidad Cooperativa de Colombia, Medellín, Colombia
  • Camilo Andrés Acuña-Castellanos Universidad Cooperativa de Colombia, Medellín, Colombia
  • Edwar Londoño-Bedoya Universidad Cooperativa de Colombia, Medellín, Colombia
  • Sergio García-García Universidad Cooperativa de Colombia, Medellín, Colombia

DOI:

https://doi.org/10.19053/20278306.v13.n1.2023.16059

Palabras clave:

datos abiertos;, robo;, aprendizaje automático;, inteligencia de negocios

Resumen

Este artículo tiene por objetivo identificar las tendencias y patrones de hurto en la ciudad de Medellín en el periodo 2014-2020, usando datos abiertos de gobierno. Se utiliza como metodología la inteligencia de negocios para el análisis de datos descriptivo. Se analizan variables como barrios, modalidades, tipo de hurto y se realiza la predicción de la variable modalidad de hurto. Los resultados muestran que históricamente el segundo semestre del año tiene la mayor tendencia de incidencias, donde la mayoría de robos suceden en los lugares públicos con un 60% sin el uso de armas. Se identificó que, debido a la pandemia de COVID, las tendencias históricas presentaron alteraciones notables, pero una vez levantadas las restricciones, estas retomaron las tendencias de alzas en robos en las condiciones de prepandemia. Se concluye que el análisis de datos abiertos brinda información relevante para la toma de decisiones de los ciudadanos

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Gina Maestre-Gongora, Universidad Cooperativa de Colombia, Medellín, Colombia

Ingeniera de Sistemas, Doctora en Ingeniería de Sistemas y Computación

Camilo Andrés Acuña-Castellanos, Universidad Cooperativa de Colombia, Medellín, Colombia

Ingeniero de Software

Edwar Londoño-Bedoya, Universidad Cooperativa de Colombia, Medellín, Colombia

Ingeniero de Software

Sergio García-García, Universidad Cooperativa de Colombia, Medellín, Colombia

Ingeniero de Software

Referencias

Acuña, C., Garcia, S., Londoño, E., & Maestre-Gongora, G. (2020). Inteligencia de negocios para analizar hurtos en la ciudad de Medellín: un enfoque desde datos abiertos. Congreso Internacional de La Sociedad de Doctores e Investigadores de Colombia, 3.

Díaz, J. (2012). Introducción al business intelligence. Editorial UOC.

López, N., & Mahecha, J. (2017). Prototipo de software para la evaluación de la calidad de datos abiertos. Universidad Católica de Colombia.

Maestre-Gongora, G., & Nieto-Bernal, W. (2019). Conceptual model of information technology management for smart cities: Smarticity. Journal of Global Information Management, 27 (2). https://doi.org/10.4018/JGIM.2019040109

Maestre-Gongora, G., Rangel-Carrillo, A., & Osorio-Sanabria, M. (2021). The value of open data government: a quality assessment approach. Revista de Investigación, Desarrollo e Innovación, 11 (3), 507–518. https://doi.org/https://doi.org/10.19053/20278306.v11.n3.2021.13348

McClendon, L., & Meghanathan, N. (2015). Using Machine Learning Algorithms to Analyze Crime Data. Machine Learning and Applications: An International Journal, 2 (1), 1–12. https://doi.org/10.5121/mlaij.2015.2101

Nguyen, T. T., Hatua, A., & Sung, A. H. (2017). Building a Learning Machine Classifier with Inadequate Data for Crime Prediction. Journal of Advances in Information Technology, 141–147. https://doi.org/10.12720/jait.8.2.141-147

Pérez-Rave, J., Correa-Morales, J. C., & González-Echavarría, F. (2019). Metodología para explorar datos abiertos de accidentalidad vial usando Ciencia de Datos: Caso Medellín. Ingeniare, Revista Chilena de Ingeniería, 27 (3), 495–509. https://doi.org/10.4067/s0718-33052019000300495

Pumares-Romero, A. G. (2019). Minería de datos en el análisis de causas de accidentes de tránsito en el Ecuador. Universidad Israel. http://repositorio.uisrael.edu.ec/handle/47000/2299

Rosado, A. A., & Rico, D. W. (2010). Inteligencia de negocios: Estado del arte. Scientia et Technica, 1 (44), 321–326. https://doi.org/https://doi.org/10.22517/23447214.1803

Telugu-Maddileti, V., Sai, M., Sai-Sashank, K. V., & Shriphad-Rao, G. (2020). Crime Data Analysis Using Machine Learning Models. International Journal of Advanced Science and Technology, 29 (9), 3260–3268. http://sersc.org/journals/index.php/IJAST/article/view/15887

Treviño, R., Rivera, F., & Garza, J. (2020). La analítica de datos como ventaja competitiva en las organizaciones. VinculaTégica, 6 (2), 1063–1074. http://www.web.facpya.uanl.mx/vinculategica/Vinculategica6_2/5_Treviño_Rivera_Garza.pdf

Wieczorkowski, J. (2019). Open data as a source of product and organizational innovations. Proceedings of the European Conference on Innovation and Entrepreneurship, ECIE, 2, 1119–1128. https://doi.org/10.34190/ECIE.19.190

Descargas

Publicado

2023-02-15
Metrics
Vistas/Descargas
  • Resumen
    179
  • PDF
    108

Cómo citar

Maestre-Gongora, G, Acuña-Castellanos, C A, Londoño-Bedoya, E, & García-García, S. (2023). Análisis de datos sobre los hurtos en la ciudad de Medellín desde un enfoque descriptivo. Revista de Investigación, Desarrollo e Innovación, 13(1), 173–184. https://doi.org/10.19053/20278306.v13.n1.2023.16059

Número

Sección

Artículos