Análisis espacial y temporal del hurto de celulares, Pereira, Risaralda, año 2018
DOI:
https://doi.org/10.22335/rlct.v11i2.810Palabras clave:
Vigilancia predictiva, análisis de datos, análisis del crimen, análisis espacio-tiempoResumen
En el presente artículo se analizó el fenómeno del hurto a celulares en la ciudad de Pereira, desde las dimensiones temporal y espacial. Para realizar el estudio, se emplean técnicas de limpieza de datos, abordando cuatro fuentes de información con sus correspondientes conjuntos de datos. En el análisis temporal se identificaron los días de la semana y las jornadas (madrugada, mañana, tarde y noche) donde se presentaron mayor número de incidentes. A continuación, se realizó un análisis espacial identificando por medio del mapa de la ciudad, las comunas donde se presenta en mayor medida este delito (puntos calientes). Posteriormente, se crean dos zonas de intervención compuestas por las comunas identificadas y se analiza el impacto del delito, desde la perspectiva de los barrios afectados, seleccionando la zona conformada por las Comunas Universidad-Boston para dicho análisis. Finalmente, se hace una descripción de esta zona y las posibles causas que podrían contribuir a la presencia del hurto de celulares; este análisis permite inferir que la zona geográfica donde se reportó el hurto no necesariamente corresponde con el sitio exacto del delito, sino el lugar donde se encuentra la Estación de Policía del sector implicado en el acto.
Descargas
Referencias
Agbozo, E. (2018). An e-Policing Model for the Ghana Police Service An e-Policing Model for the Ghana Police Service, (May). Retrieved from https://www.researchgate.net/publication/325157317_An_e-Policing_Model_for_the_Ghana_Police_Service
Bachner, J. (2013). Preventing Crime with Data and Analytics Predictive Policing Predictive Policing : Preventing Crime with Data and Analytics. IBM Center for Business of Government.
Dinero. (2017). Robo de celulares en Colombia 2017. Retrieved September 29, 2018, from https://www.dinero.com/pais/articulo/robo-de-celulares-en-colombia-2017/245345
El Tiempo. (2018). En nueve capitales el hurto creció en todas sus modalidades. Delitos - Justicia - ELTIEMPO.COM. Retrieved September 29, 2018, from https://www.eltiempo.com/justicia/delitos/en-nueve-capitales-el-hurto-crecio-en-todas-sus-modalidades-199894
Estrada, V. &. Gómez, M.S. (2015). Análisis del delito en la ciudad de Manizales usando herramientas Sig. Universidad de Manizales. Facultad de Ciencias e Ingeniería. Especialización en Sistemas de Información Geográfica. Manizales. https://doi.org/10.1017/CBO9781107415324.004
Ferguson, A.G. (2017). Policing Predictive Policing, 94.
Johnson, C.P. (2000). Crime Mapping and Analysis Using GIS. Geomatics 2000: Conference on Geomatics in Electronic Governance, (January), 1–5. https://doi.org/10.13140/RG.2.2.11064.14081
Leigh, J., Dunnett, S., & Jackson, L. (2017). Predictive police patrolling to target hotspots and cover response demand. Annals of Operations Research, 1–16. https://doi.org/10.1007/s10479-017-2528-x
Libicki, M., Senty, D., & Pollak, J. (2005). Predictive Policing: The Role of Crime Forecasting in Law Enforcement Operations. RAND Corporation. https://doi.org/10.1214/07-EJS057
Mejía, D., Ortega, D., & Ortiz, K. (2014). Un análisis de la criminalidad urbana en Colombia. Working Paper, 1–54. Retrieved from https://igarape.org.br/wp-content/uploads/2015/01/Criminalidad-urbana-en-Colombia-diciembre-2014.pdf
Pearsall, B. (2010). Predictive Policing: The Future of Law Enforcement? NIJ Journal National Institute of Justice, (266), 16–19. Retrieved from https://www.ncjrs.gov/pdffiles1/nij/230414.pdf
Prokscha, S. (2006). Cleaning data, 61–73. https://doi.org/10.1201/9781420007886.ch7
Policía Nacional de Colombia. (2015). Comunidades Seguras y en Paz. Bogotá
Semana. (2017). La fracasada lucha contra el robo de celulares. Retrieved September 29, 2018, from https://www.semana.com/tecnologia/articulo/la-fracasada-lucha-contra-el-robo-de-celulares/538623
Sengupta, A., Kumar, M., & Upadhyay, S. (2014). Crime Analyses Using R. In Data Mining Applications with R (pp. 367–396). Academic Press. Elsevier Inc. https://doi.org/10.1016/B978-0-12-411511-8.00014-1
Publicado
Número
Sección
Licencia
Derechos de autor 2019 Revista Logos Ciencia & Tecnología
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta revista provee acceso libre e inmediato a su contenido (https://creativecommons.org/licenses/by-nc-nd/4.0/), bajo el principio de hacer disponible gratuitamente la investigación al público y apoyar a un mayor intercambio de conocimiento global.
