Modelación de heterogeneidad en la percepción cualitativa de espacios públicos con modelos de elección discreta y aprendizaje de máquina
| dc.contributor.advisor | Hurtubia González, Ricardo | |
| dc.contributor.advisor | Löbel Díaz, Hans-Albert | |
| dc.contributor.author | Ramírez Sarmiento, Tomás Ignacio | |
| dc.contributor.other | Pontificia Universidad Católica de Chile. Escuela de Ingeniería | |
| dc.date.accessioned | 2020-08-14T14:19:38Z | |
| dc.date.available | 2020-08-14T14:19:38Z | |
| dc.date.issued | 2020 | |
| dc.description | Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2020 | |
| dc.description.abstract | Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de los estudios, pero sacrificando la cantidad de variables analizadas. En la última década, grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido aumentar la escalabilidad, generando resultados más generalizables respecto de las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos cualitativos aún presentan una importante ventaja en esta dimensión. En el presente estudio se combinan herramientas computacionales y estadísticas para lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar comportamientos heterogéneos frente a elementos específicos del paisaje. Para lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una caracterización sociodemográfica del observador. Luego se complementó el proceso de parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en la percepción de espacios públicos según género y patrones de movilidad de los observadores. Estos resultados además nos han permitido explorar la aplicación de los modelos para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la población.Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de los estudios, pero sacrificando la cantidad de variables analizadas. En la última década, grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido aumentar la escalabilidad, generando resultados más generalizables respecto de las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos cualitativos aún presentan una importante ventaja en esta dimensión. En el presente estudio se combinan herramientas computacionales y estadísticas para lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar comportamientos heterogéneos frente a elementos específicos del paisaje. Para lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una caracterización sociodemográfica del observador. Luego se complementó el proceso de parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en la percepción de espacios públicos según género y patrones de movilidad de los observadores. Estos resultados además nos han permitido explorar la aplicación de los modelos para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la población.Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de los estudios, pero sacrificando la cantidad de variables analizadas. En la última década, grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido aumentar la escalabilidad, generando resultados más generalizables respecto de las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos cualitativos aún presentan una importante ventaja en esta dimensión. En el presente estudio se combinan herramientas computacionales y estadísticas para lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar comportamientos heterogéneos frente a elementos específicos del paisaje. Para lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una caracterización sociodemográfica del observador. Luego se complementó el proceso de parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en la percepción de espacios públicos según género y patrones de movilidad de los observadores. Estos resultados además nos han permitido explorar la aplicación de los modelos para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la población.Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de los estudios, pero sacrificando la cantidad de variables analizadas. En la última década, grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido aumentar la escalabilidad, generando resultados más generalizables respecto de las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos cualitativos aún presentan una importante ventaja en esta dimensión. En el presente estudio se combinan herramientas computacionales y estadísticas para lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar comportamientos heterogéneos frente a elementos específicos del paisaje. Para lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una caracterización sociodemográfica del observador. Luego se complementó el proceso de parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en la percepción de espacios públicos según género y patrones de movilidad de los observadores. Estos resultados además nos han permitido explorar la aplicación de los modelos para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la población.Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de los estudios, pero sacrificando la cantidad de variables analizadas. En la última década, grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido aumentar la escalabilidad, generando resultados más generalizables respecto de las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos cualitativos aún presentan una importante ventaja en esta dimensión. En el presente estudio se combinan herramientas computacionales y estadísticas para lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar comportamientos heterogéneos frente a elementos específicos del paisaje. Para lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una caracterización sociodemográfica del observador. Luego se complementó el proceso de parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en la percepción de espacios públicos según género y patrones de movilidad de los observadores. Estos resultados además nos han permitido explorar la aplicación de los modelos para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la población.Durante los últimos 60 años se han propuesto diversas metodologías que nos ayudan a entender los efectos del paisaje sobre la evaluación de quienes lo habitan, sin embargo, de manera aislada cada una de ellas presenta importantes desventajas. El uso de entrevistas cualitativas ha permitido estudios de gran profundidad a nivel de individuos, pero con baja escalabilidad debido a los altos costos en su ejecución y sus resultados son difícilmente generalizables. El uso de encuestas de preferencias declaradas aumenta el alcance de los estudios, pero sacrificando la cantidad de variables analizadas. En la última década, grandes bases de datos de fotografías y el desarrollo en aprendizaje de máquinas ha permitido aumentar la escalabilidad, generando resultados más generalizables respecto de las metodologías cualitativas. Sin embargo, estas nuevas metodologías no han logrado incorporar el análisis de comportamientos heterogéneos y los resultados, al depender de algoritmos altamente no lineales, son de baja interpretabilidad, por lo que los métodos cualitativos aún presentan una importante ventaja en esta dimensión. En el presente estudio se combinan herramientas computacionales y estadísticas para lograr una propuesta metodológica de alta escalabilidad cuyos resultados permiten observar comportamientos heterogéneos frente a elementos específicos del paisaje. Para lograrlo se implementó una nueva encuesta de percepción de espacios públicos, con la cual se recopilan respuestas sobre percepción de espacios públicos acompañadas de una caracterización sociodemográfica del observador. Luego se complementó el proceso de parametrización de las imágenes previamente utilizado en la literatura mediante un algoritmo de detección de objetos. Nuestros resultados logran evidenciar heterogeneidad en la percepción de espacios públicos según género y patrones de movilidad de los observadores. Estos resultados además nos han permitido explorar la aplicación de los modelos para la ciudad de Santiago para probar su uso como una herramienta de apoyo a planificadores urbanos en la detección de zonas problemáticas para algunos grupos de la población. | |
| dc.format.extent | xii, 70 páginas | |
| dc.identifier.doi | 10.7764/tesisUC/ING/38940 | |
| dc.identifier.uri | https://doi.org/10.7764/tesisUC/ING/38940 | |
| dc.identifier.uri | https://repositorio.uc.cl/handle/11534/38940 | |
| dc.language.iso | es | |
| dc.nota.acceso | Contenido completo | |
| dc.rights | acceso abierto | |
| dc.subject.ddc | 307.12160983 | |
| dc.subject.dewey | Ciencias sociales | es_ES |
| dc.subject.other | Planificación urbana - Chile - Santiago - Simulación por computadores | es_ES |
| dc.subject.other | Aprendizaje de máquina | es_ES |
| dc.subject.other | Espacio urbano - Chile - Santiago - Simulación por computadores | es_ES |
| dc.title | Modelación de heterogeneidad en la percepción cualitativa de espacios públicos con modelos de elección discreta y aprendizaje de máquina | es_ES |
| dc.type | tesis de maestría | |
| sipa.codpersvinculados | 1015343 | |
| sipa.codpersvinculados | 131278 |