A blog about data, information and IT, by Mario Alberich

Nov 22
2013

Ventanas rotas y seguridad ciudadana

20130724110102-0

La teoría de las ventanas rotas fue propuesta a principios de los 80 como un buen indicador del nivel de violencia de un barrio. Explicado en pocas palabras: la cantidad de ventanas rotas o de otros signos de dejadez promovía el crimen. Esta teoría tuvo una gran aceptación, pero actualmente ha sido sometida a críticas considerables, entre otras razones porque es complejo cuantificar algo tan subjetivo como el desorden visible.

Esta situación es habitual en muchos procesos de análisis científicos: falta un eslabón que permita aplicar un método objetivo (cuantificar el desorden visual) para llegar a la afirmación anterior (hay más o menos desorden visual). Para conseguir superar esa subjetividad, unos investigadores del MIT han publicado un paper para cuantificar esos elementos subjetivos.

Google Street View


Para conseguirlo se han recopilado una serie de imágenes de Google Street View, y se han presentado ante una serie de voluntarios. Las imágenes se presentan por parejas, y se solicita a los voluntarios que decidan cuál de las dos imágenes ejemplifica mejor un atributo cualitativo ("clase alta", por ejemplo).

Con ese proceso de selección los investigadores pudieron establecer valoraciones generales de las áreas seleccionadas para el estudio, cuyos resultados concretos para el área de Nueva York se pueden ver en la imagen lateral.

¿Se puede afirmar que la teoría de las ventanas rotas funciona?


En los resultados obtenidos se detectó que algunas ciudades presentaban una experiencia de estar a salvo muy dispar; polarizada. Eso puede implicar que el propio status del voluntario puede condicionar su votación introduciendo un sesgo.

Por ejemplo, los coches aparcados en esa calle denotan parcialmente el status de quienes viven ahí: una persona que identifique modelos de gamas más altas o más bajas que en su barrio tenderá a acentuar su valoración hacia el extremo.

¿Está todo perdido?


No. Si se consigue obtener una lista de características de los voluntarios que pudieran introducir sesgos en la valoración, probablemente el modelo se enriquecerá. Por lo tanto es posible mejorar la fiabilidad de los resultados.

El valor de obtener un modelo así es el de tener una herramienta que permita establecer políticas económicas en áreas especialmente deprimidas para invertir en mejoras (sería deseable que no sólo para maquillar el entorno). También  podrían servir como herramienta de detección precoz de la degradación del entorno.

 

Tags

gestión documental 10     Recuperación información 11     Linux 7     Usabilidad 5     open source 3     Tagging 12     lógica borrosa 2     fuentes de información 12     Google 6     off-topic 6     spam 2     grafos 6     Web social 11     modelización 12     Productividad 11     buscadores 2     utilidades 17     Profesionales 9     SEO 5     estándares 3     veracidad 3     relevancia 2     lingüística 2     PLN 2     lenguajes documentales 2     apis-mashups 3     reseñas 7     Flash 7     Gráficos estadísticos 13     Publicidad 3     Innovación 5     muestreo estadístico 9     PHP 14     internet 2     testeo 12     desarrollo 3     visualizacion 36     javascript 16     datos abiertos 9     elecciones 2     simulación 5     html5 7     phing 9     ssh 2     seguridad 3     indicadores 2     demografía 3     media 2     algoritmos 7     shell 4     mysql 2     backup 2     big data 6     twitter 2     d3js 11     revealjs 2     metodología 6     data-journalism 6     smartcities 2     NYT 2     privacidad 3     benchmarking 4     recopilaciones 21     magento 5     formacion 2     github 2     HHVM 3     psicología 2     angularjs 3     grep 2     nodejs 5     promises 2     mapreduce 3     crossfilter 2     exploración de datos 2     machine learning 2    

© 2007 and beyond Mario Alberich, licensed under CC-BY-SA unless stated otherwise.