Big data y algoritmos para la medición de la pobreza y el desarrollo

Eritrea es un pequeño país del noreste de África, al que casi todos los rankings ubican entre los tres más pobres del mundo. Eritrea hace 30 años que no tiene un censo (Jerven, 2013). Eritrea es como un hipertenso severo que no puede medirse la presión, que no puede consultar a un médico. La medici...

Descripción completa

Detalles Bibliográficos
Autor principal: Sosa Escudero, Walter
Formato: Articulo Documento de trabajo
Lenguaje:Español
Publicado: 2023
Materias:
Ciencias Económicas
Monopsonio
Mercados de trabajo segmentados
Mercados de trabajo agrícola
África
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/158289
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-158289
record_format dspace
spelling I19-R120-10915-1582892023-10-04T04:06:19Z http://sedici.unlp.edu.ar/handle/10915/158289 Big data y algoritmos para la medición de la pobreza y el desarrollo Sosa Escudero, Walter 2023-10 2023-10-03T13:50:46Z es Ciencias Económicas Monopsonio Mercados de trabajo segmentados Mercados de trabajo agrícola África Eritrea es un pequeño país del noreste de África, al que casi todos los rankings ubican entre los tres más pobres del mundo. Eritrea hace 30 años que no tiene un censo (Jerven, 2013). Eritrea es como un hipertenso severo que no puede medirse la presión, que no puede consultar a un médico. La medición estándar de la pobreza depende de la implementación periódica de un sistema de encuestas, que excede las posibilidades de un país paupérrimo como Eritrea. Y aún lejos de la situación extrema de países como los del África Subsahariana, los costos de la medición oficial de la pobreza en países de desarrollo intermedio, como la Argentina, hacen que las cifras disponibles no logren captar con precisión las áreas rurales, los barrios marginales o ciertos grupos de interés (como los pueblos originarios o los jóvenes), particularmente afectados por el azote de la privación. La revolución del combo big data-machine learning-inteligencia artificial ha invadido todos los campos del conocimiento y, esperablemente, el de la medición del bienestar no es una excepción. Y, naturalmente, urge preguntar si los enormes problemas de cuantificación de la pobreza o la desigualdad no encontraran una solución rápida y efectiva que provenga de la combinación de datos masivos de big data y los poderosos algoritmos de machine learning y la inteligencia artificial. Esta nota es una introducción técnicamente accesible a los logros y desafíos del uso big data y machine learning para la medición de la pobreza, el desarrollo, la desigualdad y otras dimensiones sociales. Se basa en Sosa Escudero, Anauati y Brau (2022), un artículo abarcativo y técnico, que estudia con detalle el estado de las artes en lo que se refiere al uso de machine learning para los estudios de desarrollo y bienestar, al cual remitiremos para mayores detalles y referencias específicas. Centro de Estudios Distributivos, Laborales y Sociales Articulo Documento de trabajo http://creativecommons.org/licenses/by/4.0/ Creative Commons Attribution 4.0 International (CC BY 4.0) application/pdf
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Económicas
Monopsonio
Mercados de trabajo segmentados
Mercados de trabajo agrícola
África
spellingShingle Ciencias Económicas
Monopsonio
Mercados de trabajo segmentados
Mercados de trabajo agrícola
África
Sosa Escudero, Walter
Big data y algoritmos para la medición de la pobreza y el desarrollo
topic_facet Ciencias Económicas
Monopsonio
Mercados de trabajo segmentados
Mercados de trabajo agrícola
África
description Eritrea es un pequeño país del noreste de África, al que casi todos los rankings ubican entre los tres más pobres del mundo. Eritrea hace 30 años que no tiene un censo (Jerven, 2013). Eritrea es como un hipertenso severo que no puede medirse la presión, que no puede consultar a un médico. La medición estándar de la pobreza depende de la implementación periódica de un sistema de encuestas, que excede las posibilidades de un país paupérrimo como Eritrea. Y aún lejos de la situación extrema de países como los del África Subsahariana, los costos de la medición oficial de la pobreza en países de desarrollo intermedio, como la Argentina, hacen que las cifras disponibles no logren captar con precisión las áreas rurales, los barrios marginales o ciertos grupos de interés (como los pueblos originarios o los jóvenes), particularmente afectados por el azote de la privación. La revolución del combo big data-machine learning-inteligencia artificial ha invadido todos los campos del conocimiento y, esperablemente, el de la medición del bienestar no es una excepción. Y, naturalmente, urge preguntar si los enormes problemas de cuantificación de la pobreza o la desigualdad no encontraran una solución rápida y efectiva que provenga de la combinación de datos masivos de big data y los poderosos algoritmos de machine learning y la inteligencia artificial. Esta nota es una introducción técnicamente accesible a los logros y desafíos del uso big data y machine learning para la medición de la pobreza, el desarrollo, la desigualdad y otras dimensiones sociales. Se basa en Sosa Escudero, Anauati y Brau (2022), un artículo abarcativo y técnico, que estudia con detalle el estado de las artes en lo que se refiere al uso de machine learning para los estudios de desarrollo y bienestar, al cual remitiremos para mayores detalles y referencias específicas.
format Articulo
Documento de trabajo
author Sosa Escudero, Walter
author_facet Sosa Escudero, Walter
author_sort Sosa Escudero, Walter
title Big data y algoritmos para la medición de la pobreza y el desarrollo
title_short Big data y algoritmos para la medición de la pobreza y el desarrollo
title_full Big data y algoritmos para la medición de la pobreza y el desarrollo
title_fullStr Big data y algoritmos para la medición de la pobreza y el desarrollo
title_full_unstemmed Big data y algoritmos para la medición de la pobreza y el desarrollo
title_sort big data y algoritmos para la medición de la pobreza y el desarrollo
publishDate 2023
url http://sedici.unlp.edu.ar/handle/10915/158289
work_keys_str_mv AT sosaescuderowalter bigdatayalgoritmosparalamediciondelapobrezayeldesarrollo
_version_ 1807221417774678016

Ejemplares similares