Please use this identifier to cite or link to this item:
http://hdl.handle.net/11458/5170
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Valles Coral, Miguel Angel | es_PE |
dc.contributor.author | Lazo Bartra, Ulises | es_PE |
dc.date.accessioned | 2023-11-21T15:19:41Z | - |
dc.date.available | 2023-11-21T15:19:41Z | - |
dc.date.issued | 2023-08-25 | - |
dc.identifier.citation | Lazo- Bartra, U . (2023). Aplicación de un algoritmo no supervisado para clasificar extranjeros según riesgo de inmigración irregular en la Superintendencia Nacional de Migraciones. Tesis para optar el grado de Maestro en Ciencias con mención en Tecnología de la Información. Facultad de Ingeniería de Sistemas e Informática, Universidad Nacional de San Martín, Tarapoto, Perú. | es_PE |
dc.identifier.uri | http://hdl.handle.net/11458/5170 | - |
dc.description.abstract | Aplicación de un algoritmo no supervisado para clasificar extranjeros según riesgo de inmigración irregular en la Superintendencia Nacional de Migraciones La migración es un fenómeno social que afecta la estructura y distribución de la población, siendo motivada por la búsqueda de mejores oportunidades y condiciones de vida. Sin embargo, la migración irregular plantea desafíos para los países receptores, ya que implica el ingreso de personas sin la documentación adecuada y puede generar inseguridades en términos de seguridad nacional y control de fronteras. En este contexto, este estudio tuvo como objetivo evaluar la aplicación de un algoritmo no supervisado para clasificar extranjeros según el riesgo de inmigración irregular en la Superintendencia Nacional de Migraciones. Para ello, se utilizó el algoritmo DBSCAN (Agrupamiento Espacial Basado en la Densidad de Aplicaciones con Ruido). La metodología del estudio involucró la construcción de un dataset con datos de extranjeros reportados por la Superintendencia Nacional de Migraciones, la aplicación del algoritmo DBSCAN para clasificar a los extranjeros en diferentes clústeres según su nivel de riesgo de inmigración irregular, y la determinación del coeficiente de Silhouette como medida de la calidad de la clasificación. Los resultados mostraron que el algoritmo de aprendizaje no supervisado DBSCAN logró clasificar a los extranjeros en cuatro clústeres representando los niveles de riesgo de inmigración irregular: alto, medio alto, medio bajo y bajo. El coeficiente de Silhouette obtenido fue de 0,534, lo cual indica una clasificación significativa y consistente. En conclusión, este estudio demostró que la aplicación de DBSCAN como algoritmo no supervisado es una estrategia efectiva para la clasificación de extranjeros según el riesgo de inmigración irregular en la Superintendencia Nacional de Migraciones. Estos resultados tienen implicaciones importantes para la toma de decisiones informadas por parte de los inspectores migratorios, contribuyendo a la reducción de la inmigración irregular y al mantenimiento del estatus migratorio adecuado en el país. | es_PE |
dc.description.abstract | Application of an unsupervised algorithm to classify foreigners according to risk of irregular immigration in the National Superintendence of Migration. Migration is a social phenomenon that affects the structure and distribution of the population and is motivated by the search for better opportunities and living conditions. However, irregular migration poses challenges for the receiving countries, since it involves the entry of people without proper documentation and can generate insecurities in terms of national security and border control. In this context, this study aimed to evaluate the application of an unsupervised algorithm to classify foreigners according to the risk of irregular immigration in the National Superintendence of Migration. For this purpose, the DBSCAN (Density-Based Spatial Clustering of Noisy Applications) algorithm was used. The methodology of the study involved the construction of a dataset with data on foreigners reported by the National Superintendence of Migration, the application of the DBSCAN algorithm to classify foreigners into different clusters according to their level of risk of irregular immigration, and the determination of the Silhouette coefficient as a measure of the quality of the classification. The results showed that the DBSCAN unsupervised learning algorithm was able to classify foreigners into four clusters representing the levels of irregular immigration risk: high, medium high, medium low and low. The Silhouette coefficient obtained was 0.534, indicating a significant and consistent classification. In conclusion, this study demonstrated that the application of DBSCAN as an unsupervised algorithm is an effective strategy for the classification of foreigners according to the risk of irregular immigration in the National Superintendency of Migration. These results have important implications for informed decision making by migration inspectors, contributing to the reduction of irregular immigration and the maintenance of appropriate immigration status in the country. | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad Nacional de San Martín. Fondo Editorial | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/deed.es | es_PE |
dc.source | Repositorio - UNSM | es_PE |
dc.subject | Calidad migratoria | es_PE |
dc.subject | Control migratorio | es_PE |
dc.subject | Migración | es_PE |
dc.subject | Algoritmo no supervisado | es_PE |
dc.subject | Inspectores migratorios | es_PE |
dc.title | Aplicación de un algoritmo no supervisado para clasificar extranjeros según riesgo de inmigración irregular en la Superintendencia Nacional de Migraciones | es_PE |
dc.type | info:eu-repo/semantics/masterThesis | es_PE |
thesis.degree.discipline | Maestría en Ciencias con mención en Tecnología de la Información | es_PE |
thesis.degree.grantor | Universidad Nacional de San Martín.Facultad de Ingeniería de Sistemas e Informática | es_PE |
thesis.degree.name | Maestro en Ciencias con mención en Tecnología de la Información | es_PE |
dc.type.version | info:eu-repo/semantics/publishedVersion | es_PE |
dc.publisher.country | PE | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | es_PE |
renati.author.dni | 43025310 | - |
renati.advisor.orcid | https://orcid.org/0000-0002-8806-2892 | es_PE |
renati.advisor.dni | 40810431 | - |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
renati.level | https://purl.org/pe-repo/renati/nivel#maestro | es_PE |
renati.discipline | 612037 | es_PE |
renati.juror | Lopez Rodriguez, Carlos Enrique | es_PE |
renati.juror | Granda Milon, Pamela Magnolia | es_PE |
renati.juror | Riascos Armas, Juan Orlando | es_PE |
item.grantfulltext | open | - |
item.fulltext | With Fulltext | - |
item.cerifentitytype | Publications | - |
item.languageiso639-1 | es | - |
item.openairetype | info:eu-repo/semantics/masterThesis | - |
item.openairecristype | http://purl.org/coar/resource_type/c_18cf | - |
Appears in Collections: | (Mg.) Maestría en Ciencias con mención en Tecnología de la Información |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Tesis Maestria-Ulises Lazo Bartra.pdf | 1.32 MB | Adobe PDF | View/Open | |
Formato de Autorización.pdf | 883.1 kB | Adobe PDF | View/Open | |
Reporte Turnitin.pdf | 9.3 MB | Adobe PDF | View/Open |
Google ScholarTM
Check
This item is licensed under a Creative Commons License