Modelo predictivo para la identificación temprana de la demanda territorial de atención social en la provincia de Manabí a partir de registros administrativos de desarrollo humano

Abstract

Este proyecto de titulación tiene como objetivo desarrollar modelos predictivos basados en técnicas de aprendizaje automático y minería de datos que permitan identificar y anticipar de forma temprana la demanda territorial de atención social en los cantones y parroquias de la provincia de Manabí, utilizando información proveniente del Sistema de Información Local (SIL). La investigación se desarrolló bajo un enfoque cuantitativo, con un diseño no experimental y un alcance descriptivo y predictivo. Las fuentes principales de información fueron registros administrativos de violencia de género, acciones de salud integral y preventiva, y atención y asistencia humanitaria integral. La metodología adoptada fue CRISP-DM, estándar para el desarrollo de proyectos de minería de datos y ciencia de datos, abarcando las fases de comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue. El proyecto demuestra que los registros administrativos pueden transformarse en información útil para el desarrollo de modelos predictivos de demanda social. Los resultados obtenidos proporcionan una metodología aplicable para fortalecer la planificación y la toma de decisiones basada en evidencia dentro de la gestión pública… This graduation project aims to develop predictive models based on machine learning and data mining techniques that allow for the early identification and anticipation of the territorial demand for social services in the cantons and parishes of the province of Manabí, using information obtained from the Local Information System (LIS). The research was conducted under a quantitative approach, with a non-experimental design and a descriptive and predictive scope. The main sources of information were administrative records related to gender-based violence, comprehensive and preventive health actions, and comprehensive humanitarian assistance. The methodology adopted was CRISP-DM, a standard framework for data mining and data science projects, encompassing the phases of business understanding, data understanding, data preparation, modeling, evaluation, and deployment. The project demonstrates that administrative records can be transformed into valuable information for developing predictive models of social service demand. The results provide an applicable methodology to strengthen planning and evidence-based decision making within public administration.