Publicación:
La Corrupción y su Impacto en el Crecimiento Económico Sostenible: Análisis de Datos y Big Data para la Identificación de Factores y Generación de un Modelo de Machine Learning

Vista sencilla de ítem
dc.contributor.advisorSerrano León, Yeimmy Katherine
dc.contributor.authorRodríguez, Danilo Esteban
dc.contributor.authorAmórtegui, Jorge Humberto
dc.contributor.authorTrujillo, Sandra Milena
dc.contributor.researchgroupGIISspa
dc.date.accessioned2024-03-21T16:05:03Z
dc.date.available2024-03-21T16:05:03Z
dc.date.issued2023
dc.description.abstractLa lucha contra la corrupción debido a su impacto en los índices de desarrollo es esencial, con el Análisis de Datos y Big Data es posible identificar factores y generar un modelo de Machine Learning que aborda la relación entre corrupción y crecimiento económico sostenible. Para abordar esta problemática, se deben intervenir múltiples aspectos clave, como la obtención, el procesamiento y el análisis de los datos. El objetivo principal del estudio es identificar los factores que influyen en esta relación y generar un modelo predictivo que pueda brindar asesoramiento estratégico a organizaciones interesadas en mitigar los efectos de la corrupción en el desarrollo económico. La investigación se basa en un enfoque multidisciplinario y utiliza varias técnicas y herramientas, como la extracción y limpieza de datos, análisis estadísticos, minería de datos y modelos de regresión. Se recopilan datos de fuentes confiables y verificables, tales como informes gubernamentales y bases de datos internacionales. Los resultados muestran una fuerte correlación entre indicadores de gobernanza y el Producto Interno Bruto per cápita, lo que sugiere que mejoras en áreas como el control de la corrupción, la efectividad gubernamental, el estado de derecho y la voz ciudadana pueden tener un impacto positivo en el desarrollo económico. Por lo tanto, es fundamental abordar la corrupción y mejorar la gobernanza para promover un entorno propicio para el crecimiento económico y la prosperidad. Se proporcionan recomendaciones informadas, así como visualizaciones para facilitar la comprensión de los resultados.spa
dc.description.degreelevelEspecializaciónspa
dc.description.degreenameEspecialista en Big Dataspa
dc.format.extent28 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repositoriocrai.ucompensar.edu.co/handle/compensar/5316
dc.publisher.facultyFacultad de Ingeniería y Tecnologíaspa
dc.publisher.placeBogotá, D.C.spa
dc.publisher.programEspecialización en Big Dataspa
dc.relation.referencesAlegre Ibáñez, V. A., & Lozano Aparicio, J. M. (2022). Aplicación de métodos de Deep Learning en series de tiempo para el pronóstico de la situación macroeconómica en América Latina. Interfases, 15(015), 102-130. https://doi.org/10.26439/interfases2022.n015.5817spa
dc.relation.referencesBasulto Santos, J. y Ortega Irizo, F.J. (2003). Predicciones de las tasas de crecimiento relativas de los productos interiores brutos reales de un conjunto de países de la Comunidad Europea. Aplicación de los modelos lineales bayesianos. En V Reunión de Economía Mundial Sevilla: Universidad de Sevilla, Secretariado de Recursos Audiovisuales y Nuevas Tecnologíasspa
dc.relation.referencesColmenares, C (2020). ¿La sociedad tuvo la culpa? Contrafactual sintético para modelar las consecuencias del VIII plan de la nación en el PIB per cápita entre 1970 y 1994. Universidad católica Andrés Bello facultad de ciencias económicas y sociales escuela de economía. http://biblioteca2.ucab.edu.ve/anexos/biblioteca/marc/texto/AAU4538.pdfspa
dc.relation.referencesEl Índice de Percepción de la Corrupción 2021 revela que los niveles de corrupción se han estancado en los últimos diez años, en medio de un entorno de abusos a los derechos humanos y deterioro de la democracia (2022). Transparency.org; #creator. https://www.transparency.org/es/press/2021-corruption-perceptions-index-press-releasespa
dc.relation.referencesParedes, R., Reyes, N., & Campos, S. (2020). Aplicación de métodos de Deep Learning en series de tiempo para el pronóstico de la situación macroeconómica en América Latina. Revista chilena de ingeniería, 28(1), 135-144.spa
dc.rightsFundación Universitaria Compensar, 2023eng
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.proposalMachine Learningspa
dc.subject.proposalcorrupcióneng
dc.subject.proposalPIB per cápitaeng
dc.titleLa Corrupción y su Impacto en el Crecimiento Económico Sostenible: Análisis de Datos y Big Data para la Identificación de Factores y Generación de un Modelo de Machine Learningspa
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa

Archivos

Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
1. Propuesta modelo para precedir PIB per cap_Katherine Serrano Le.pdf
Tamaño:
512.38 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Cesión_Derechos_Trabajo_CRAI (1)_Katherine Serrano Le.pdf
Tamaño:
118.1 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
14.48 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

ABF. Especialización en Big Data