@misc{10481/78009,
year = {2018},
url = {https://hdl.handle.net/10481/78009},
abstract = {La gentrificación no siempre es detectada a
tiempo por la sociedad, la política y la planificación
para llevar a cabo intervenciones que
mitiguen sus efectos adversos. Sus implicaciones
son tan importantes en la fisionomía
social de las ciudades que será relevante toda
herramienta que permita pronosticar o evidenciar
cualquier tipo de seña de la gentrificación.
En este artículo se presenta una investigación
que evalúa la viabilidad de la detección de
ámbitos vinculados a procesos de gentrificación,
incipientes o asentados, mediante el
uso de fuentes de información comunes en
las ciudades como los censos de viviendas.
Para ello, se propone el uso de metodologías
de extracción de información basadas en técnicas
de minería de datos procedentes de las
ciencias de la Inteligencia Artificial, aplicadas
en un territorio complejo y extenso: la costa
mediterránea peninsular española. Los resultados
permiten identificar un perfil urbano que
incluye todas las barriadas a las que el estado
del arte atribuye gentrificación, obteniéndose
que la proporción de viviendas en alquiler es
una señal relevante de esta. Se concluye que la
metodología propuesta es útil para evidenciar
territorios con señales similares a los entornos
urbanos con gentrificación, permitiendo la
detección temprana de procesos semejantes
en otros ámbitos.},
abstract = {Gentrification is not always detected by society,
policy and planning in time to interpret its
dynamics and implement interventions that
mitigate its adverse effects. Its implications
are so important in the social physiognomy
of cities, that any tool that can predict or evidence
any kind of sign of gentrification will
be relevant. The research seeks to assess the
feasibility of detecting areas linked to gentrification
processes, incipient or settled, by using
common sources of information in cities, such
as the housing census. To this end, we propose
the use of information extraction methodologies
based on data mining techniques from Artificial
Intelligence sciences. The methodology
is evaluated experimentally in a complex and
extensive territory, the Mediterranean coast
of the Spanish peninsula. The results make it
possible to identify an urban profile that includes
all the neighbourhoods, to which the state
of the art attributes gentrification, resulting in
the proportion of rented dwellings that are essential
for this purpose. It is concluded that the
proposed methodology is useful to evidence
territories with similar signs to urban environments
with gentrification, allowing the early
detection of similar processes in other areas.},
abstract = {A gentrificação nem sempre é detetada a tempo
pela sociedade, a política e o planeamento
para levar a cabo intervenções que mitiguem
os seus efeitos adversos. As suas implicações
são tão importantes na fisionomia social das
cidades, que será relevante qualquer ferramenta
que permita prognosticar ou evidenciar
qualquer tipo de sinal da gentrificação. Neste
artigo apresenta-se uma investigação que
avalia a viabilidade da deteção de âmbitos
vinculados a processos de gentrificação, incipientes
ou consolidados, através da utilização
de fontes de informação comuns nas cidades,
como os recenseamentos habitacionais. Para
isto, propõe-se a utilização de metodologias
de extração de informação baseadas em técnicas
de mineração de dados da Inteligência
Artificial, aplicadas a um território complexo
e extenso: a costa mediterrânea peninsular
espanhola. Os resultados permitem identificar
um perfil urbano que inclui todos os bairros a
que os conhecimentos atuais atribuem gentrificação,
demonstrando-se que a proporção
de casas para alugar é um sinal relevante de
gentrificação. Conclui-se que a metodologia
proposta é útil para evidenciar territórios com
sinais semelhantes aos dos ambientes urbanos
com gentrificação, permitindo a deteção
precoce de processos semelhantes noutros
âmbitos.},
organization = {Plan Propio
de Investigación 2016 de la Universidad de Granada “Proyectos
de Investigación Precompetitivos” (PP2016-PIP09)},
publisher = {Universidad Nacional de Colombia},
keywords = {Perfil urbano},
keywords = {Red neuronal artificial},
keywords = {Mapa autoorganizado},
keywords = {Predicción},
keywords = {Gentrificación},
keywords = {Urban profile},
keywords = {Artificial neural network},
keywords = {Self-organizing map},
keywords = {Forecast},
keywords = {Gentrification},
keywords = {Rede neuronal artificial},
keywords = {Mapa auto-organizado},
keywords = {Previsão},
keywords = {Gentrificação},
keywords = {Inteligencia artificial},
keywords = {Artificial intelligence},
title = {Señales de gentrificación a través de la Inteligencia Artificial: identificación mediante el censo de vivienda},
doi = {10.15446/bitacora.v28n2.70145},
author = {Abarca Álvarez, Francisco Javier and Campos Sánchez, Francisco Sergio and Reinoso Bellido, Rafael},
}