Construcción y evaluación de un índice cantonal de vulnerabilidad socioambiental en la Amazonía ecuatoriana mediante ciencia de datos y aprendizaje automático no supervisado
Fecha
Autores/as
Título de la revista
ISSN de la revista
Título del volumen
Editor
DOI
Resumen
La Amazonía ecuatoriana constituye un territorio de alta relevancia ecológica, cultural, social y política. En sus seis provincias convergen extensas áreas de bosque tropical, zonas de conservación, pueblos y nacionalidades indígenas, asentamientos rurales y urbanos, actividades extractivas, transformaciones de la cobertura del suelo y desigualdades persistentes en el acceso a servicios. Estas condiciones no se distribuyen homogéneamente y tampoco pueden ser comprendidas mediante una única variable. La vulnerabilidad socioambiental se configura por la interacción entre exposición a presiones ambientales, condiciones sociodemográficas, disponibilidad de servicios, accesibilidad territorial y capacidades institucionales diferenciadas para responder a esas presiones (Adger, 2006; Cutter et al., 2003). Esta complejidad plantea un desafío para las instituciones públicas, académicas, sociales, educativas y eclesiales que intervienen en la Amazonía. Aunque existe una cantidad creciente de datos censales, administrativos y geoespaciales, la información suele encontrarse dispersa entre diversas fuentes, períodos, formatos y escalas territoriales. La existencia de datos abiertos no garantiza por sí misma su transformación en conocimiento útil: es necesario evaluar su calidad, homologar sus unidades territoriales, reconstruir sus metadatos, documentar las transformaciones y desarrollar métodos que permitan analizar conjuntamente dimensiones que tradicionalmente se presentan de forma separada (Banco Mundial, 2021; Kitchin, 2014). Frente a este problema, el presente Proyecto de Titulación tuvo como objetivo construir un índice cantonal de vulnerabilidad socioambiental para la Amazonía ecuatoriana mediante la integración de datos territoriales y la aplicación de técnicas de ciencia de datos, análisis geoespacial y aprendizaje automático no supervisado.






