Con el nacimiento del turista hiperconectado, en el cambio de milenio la industria turística empezó un acelerado proceso de transformación, diseñando sus estrategias de negocio e incluso diseñando nuevos productos y servicios a partir del big data. Sin embargo, la administración público ha sido mucho más lenta en el recurso a los datos masivos para la toma de decisiones. Ahora bien, la crisis de la Covid-19 ha visibilizado claramente el valor del big data para avanzar hacia la gobernanza inteligente, e implementar una gestión pública eficiente con capacidad de monitorear la movilidad y controlar la expansión de los contagios por el virus del coronavirus en los destinos turísticos de masas, por ejemplo. A lo largo de esta ponencia se aborda la introducción de la gobernanza inteligente en el caso concreto de los destinos turísticos. Una de las principales características de estos municipios es la afluencia masiva de turistas en determinados periodos de tiempo, que se concentran en espacios geográficos concretos, y requieren de todo tipo de servicios públicos y privados. La convivencia de una enorme población flotante con una población residente en ciertos momentos del año distorsiona la dinámica del municipio, y genera desafíos como las masificaciones en las zonas de playas en las localidades costeras, que se traducen en atascos de tráficos o saturación del sistema de salud local, entre otros problemas. En esta ponencia, se parte de la premisa que el recurso a los datos masivos puede permitir una gobernanza inteligente, articulada en torno a los ejes de accesibilidad y sostenibilidad, dando forma a un espacio turístico innovador, apoyado en una estructura tecnológica de vanguardia. De acuerdo con el paradigma de destino turístico inteligente (DTI), la gobernanza turística inteligente facilita la interacción e integración del visitante con el entorno, al mismo tiempo que atiende las necesidades de la población residente. Como resultado, nace una sociedad turística inteligente, que mejora la experiencia del turista en destino sin olvidar atender a los residentes.

GT-Panel: GT.2022-28 Inteligencia artificial y políticas públicas (Virgilio Pérez Giménez-JoseM Pavia)

Ponencia virtual.

Una correcta toma de decisiones requiere disponer de datos detallados y desagregados. En numerosas ocasiones, sin embargo, la información solo está disponible de manera agregada, con las distribuciones marginales de las variables de interés como únicos valores conocidos. Un ejemplo típico es el de los resultados electorales, donde los resultados (debido a que el voto es secreto) se observan agregados, pero no sabemos cómo se interaccionan con otras variables, como nivel educativo, edad, voto anterior o ingresos. Aunque las encuestas pueden ser utilizadas para aproximar dichas distribuciones cruzadas, la información que proveen suele ser general (no se dispone para unidades territoriales pequeñas) y presenta altos niveles de incertidumbre. La estimación de los valores internos de las celdas de una tabla de contingencia a partir de sus agregados marginales es un área activa de investigación que ha atraído el interés de muchos investigadores durante décadas. Disponer de estimaciones adecuadas es relevante para una gran cantidad de agentes, incluidos decisores públicos. Los métodos de inferencia ecológica (solos o en combinación con fuentes externas) constituyen una alternativa para su estimación. En los últimos años hemos vivido una explosión de métodos para resolver estos problemas desde la estadística Bayesiana, prácticamente todos ellos sustentados en un modelo jerárquico multinomial-Dirichlet Bayesiano (Rosen et al., 2001), cuyo modelo base, que admitiría una extensión de aprendizaje automático (todavía pendiente de ser abordada) a través del empleo de modelos de regresión con regularización, está disponible en el paquete de R eiPack (Olivia et al., 2020). Recientemente ha aparecido una nueva metodología (Pavía y Romero, 2022a), sustentada en programación matemática que, comparada con la solución multinomial-Dirichlet (Pavía y Romero, 2022b), simplifica notablemente la resolución de estos problemas, hasta convertirlos en algo casi mecánico gracias a las funciones disponibles en el paquete de R lphom (Pavía y Romero, 2022c). El objetivo de la presente ponencia es mostrar los avances en precisión que estamos logrando mediante el uso de técnicas de inteligencia artificial dentro del marco conceptual desarrollado en Pavía y Romero (2022a). En concreto, mediante el uso de nuevos algoritmos basados/inspirados en bagging, boosting genético y aprendizaje reforzado.

GT-Panel: GT.2022-28 Inteligencia artificial y políticas públicas (Virgilio Pérez Giménez-JoseM Pavia)

Ponencia virtual.

Actualmente, numerosas políticas públicas están asociadas a los retos relacionados con el medioambiente y, concretamente, con la reducción de residuos plásticos. En este contexto, la Estrategia Española de Economía Circular (EEEC) se marca como objetivo para el año 2030 reducir la generación de residuos un 15% respecto de lo generado en 2010. El agua embotellada es un producto que genera una gran cantidad de residuos en forma de botellas de plástico. Lejos de reciclarse estos desechos, estudios apuntan que la mayor parte de las botellas acaban en vertederos. El establecimiento de iniciativas públicas que promuevan la reducción del agua embotellada requiere un profundo conocimiento de los hábitos de consumo y las percepciones de los consumidores, lo que exige de investigaciones basadas en cuestionarios. Sin embargo, la aparición de datos faltantes es un problema muy común en las encuestas sociales. Entre las consecuencias de los datos faltantes destaca el sesgo de no-respuesta y su impacto en los resultados depende de las razones que causan datos faltantes y de las metodologías empleadas para tratar este problema. En otras palabras, los datos faltantes podrían generar conclusiones erróneas si no se hace un tratamiento adecuado. En este trabajo se propone el uso del método de imputación múltiple MICE y se explora el uso de técnicas de aprendizaje automático como solución al problema de los datos faltantes en una encuesta realizada a estudiantes de la UGR sobre sus hábitos de consumo de agua embotellada durante el curso académico 21-22. Los resultados derivados de la encuesta pueden generar el conocimiento necesario para la adopción de medidas públicas que generen más sensibilización ambiental y un consumo más responsable de este producto con un impacto tan negativo sobre el medioambiente.

GT-Panel: GT.2022-28 Inteligencia artificial y políticas públicas (Virgilio Pérez Giménez-JoseM Pavia)

Ponencia virtual.

El concepto de Inteligencia de Artificial (IA) viene de lejos. Ya en los años cincuenta del siglo pasado algunos investigadores y científicos ponían de manifiesto la relevancia de esta disciplina. No obstante, ha sido en la última década, en plena era del Big Data, cuando la IA ha terminado de despuntar, siendo una de las tecnologías con más perspectivas de crecimiento. La IA aprovecha la potencia de las máquinas para solucionar problemas complejos que la mente humana no puede alcanzar, siendo aplicable tanto en el entorno empresarial como en la toma de decisiones en políticas públicas. De hecho, una ventaja estratégica con la que cuentan los gobiernos y las administraciones públicas es la gran cantidad de datos que manejan diariamente. Se ha comprobado que el estudio algorítmico de los datos permite extraer conclusiones, crear patrones, hacer predicciones y dar respuestas a muchas cuestiones antes impensables. Pero ¿es oro todo lo que reluce? En el presente trabajo se exponen, por un lado, algunas de las muchas ventajas que ofrece esta tecnología, así como algunos inconvenientes que presenta (puede presentar) y, por otro lado, algunas aplicaciones prácticas y casos de uso que se han desarrollado recientemente en el ámbito de la administración pública española. La Agencia Tributaria, la Policía Nacional, algunos ayuntamientos, el sistema judicial o el sistema sanitario han puesto en marcha, entre otras instituciones, proyectos relacionados con la tecnología inteligente. Algunos modelos de IA ya proponen, tras analizar los datos existentes, la decisión a adoptar relativa a una determinada cuestión. De hecho, se le podría permitir tomar la decisión, pero de momento se está optando por mantener la intervención humana en la validación de los datos y toma de decisiones. En cualquier caso, tanto administraciones públicas como gobiernos tienen mucho que decir, sea por el ejercicio de competencias en la gestión de servicios públicos o como creadores de normas que regulen la actividad humana.

GT-Panel: GT.2022-28 Inteligencia artificial y políticas públicas (Virgilio Pérez Giménez-JoseM Pavia)

Ponencia virtual.

Según los últimos datos del Global Gender Gap Report (2021) no hay ningún estado en el mundo en el que no exista brecha de género, siendo el estado con mejores resultados Islandia con un 0,89, los estados, así como los gobiernos locales deben ser responsables de lograr reducir esta brecha de género para lograr la igualdad efectiva de los hombres y las mujeres, para ello deben utilizarse todos los métodos tecnológicos posibles para conocer con la mayor exactitud posible que políticas públicas se pueden aplicar para reducir la brecha de género. En este trabajo se ha entrenado una Inteligencia Artificial con datos socioeconómicos no desagregados por género en más de 140 países para conocer sobre cuales de ellos realizar políticas públicas con el fin de reducir la brecha de género. Los resultados obtenidos indican que es posible predecir la brecha de género de un estado utilizando únicamente datos socioeconómicos sin diferencia por géneros sobre los que se pueden aplicar políticas públicas, al tiempo que se puede observar que existe una serie de factores sobre los que se pueden aplicar políticas públicas que ayudarían a reducir la brecha de género, sin necesidad de aplicar políticas específicas de género, como por ejemplo aplicando políticas públicas de promoción de la educación secundaria.

GT-Panel: GT.2022-28 Inteligencia artificial y políticas públicas (Virgilio Pérez Giménez-JoseM Pavia)

Ponencia virtual.

En los últimos años, los gobiernos han cambiado la forma de resolver los problemas públicos con la implementación de sistemas y plataformas digitales. Un desarrollo tecnológico que ha penetrado de forma disruptiva en la administración pública es la Inteligencia Artificial (IA). La IA implica la implementación herramientas y métodos tecnológicos inteligentes para realizar actividades con múltiples técnicas y aplicaciones que mejoran los procesos y ayudan en la toma de decisiones. El sector público, principalmente en los gobiernos nacionales se observa la implementación de estrategias, proyectos y políticas públicas de IA. No obstante, los diferentes gobiernos han llevado a cabo la implementación de la IA desde diferentes perspectivas y con diversos procesos de desarrollo. Algunos países con un avance importante en esta materia y otros con atrasos y dificultades para implementar las políticas públicas que plantean el desarrollo de la IA en el sector público. Lo anterior genera nuestra pregunta de investigación la cual es: ¿Cuáles son las similitudes y diferencias entre las estrategias nacionales de IA entre México y España? De esta forma nuestro objetivo de investigación es presentar un análisis comparado de las estrategias de los países de España y México en materia de IA en el sector público. Se busca comprender la relevancia e importancia que cobran las estrategias y acciones gubernamentales en materia de IA, así como destacar los elementos y características que conforman la estrategia de IA en los países de México y España. A través de un estudio exploratorio-descriptivo se pretende realizar una búsqueda y análisis de las estrategias, proyectos y procesos de implementación de la IA que han establecido los gobiernos de México y España. Se plantea realizar un análisis comparado de las semejanzas y contrastes que presentan ambos países de la estrategia nacional de IA que están desarrollando desde diferentes perspectivas sociales, políticas y económicas.

GT-Panel: GT.2022-28 Inteligencia artificial y políticas públicas (Virgilio Pérez Giménez-JoseM Pavia)

Ponencia presencial (Madrid).