Abstract
La minería de datos en el contexto del riesgo de ocupación criminal, se centra en la aplicación de técnicas analíticas para identificar patrones, tendencias y correlaciones que puedan indicar la presencia de grupos armados ilegales en los territorios. El estudio presenta el cálculo de los riesgos de ocupación por parte de los grupos ilegales Clan del Golfo, Ejército de Liberación Nacional (ELN) y Los Pachelly en los municipios del departamento de Antioquia en Colombia. Para ello, las bases de datos utilizadas corresponden a fuentes abiertas como el Sistema de Información Estadístico, Delincuencial, Contravencional y Operativo de la Policía Nacional (SIEDCO), la Dirección de Investigación Criminal e INTERPOL (DIJIN), el Sistema de Información de Drogas de Colombia (SIDCO), el Ministerio de Defensa, el Instituto Nacional de Medicina Legal, el Observatorio de Tierras, la Unidad para la Atención y Reparación Integral a las Víctimas, la Defensoría del Pueblo, la Dirección de Sustitución de Cultivos de Uso Ilícito, la E.S.E. Hospital Carisma, la Dirección de Información Departamental-Gobernación de Antioquia, el Departamento Administrativo Nacional de Estadística (DANE) y el Ministerio de Educación Nacional. Asimismo, utilizamos la metodología Cross Industry Standard Process for Data Mining (CRISP-DM) y se combinó el análisis de componentes principales (ACP) y la técnica Fuzzy c-Means (FCM) para identificar en los datos las variables sociales, económicas, laborales, educacionales y criminales que mayormente aportan al riesgo de presencia de las estructuras criminales en los municipios, lo que permitió clasificarlos en riesgo bajo, riesgo medio, riesgo medio-alto, riesgo alto y riesgo muy alto. Los resultados muestran que el 26 % de los municipios tendrían un riesgo alto para el Clan del Golfo, el 11 % con el ELN y otro 12 % para Los Pachelly. Además, se encontró que los resultados pueden utilizarse en un prototipo de un sistema integrado de alerta temprana para detectar riesgos de ocupación criminal.
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Similar Papers
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.