Anticipación Conflictos

Anticipación Conflictos Ver web del proyecto La herramienta de Anticipación Conflictos tiene como objetivo visualizar y dimensionar las áreas dentro de las cuales se han presentado procesos de confinamiento y desplazamiento de las comunidades asentadas dentro del departamento de Nariño – Colombia. Motivados por la ocurrencia de fenómenos violentos generados por los actores vinculados al conflicto armado, aportando información que permita definir la probabilidad de ocurrencia de un evento similar en el pasado (Nowcasting), tomando como base la información histórica asociada a la localización geográfica y el momento de ocurrencia de eventos violentos tales como la activación de artefactos explosivos, combates entre grupos armados ilegales o con la fuerza pública y atentados contra la población civil, entre otros, los cuales alimentan el modelo predictivo de inteligencia artificial diseñado. https://www.youtube.com/watch?v=8XM6RUtKAAA&t=36s Ver otros proyectos VER OTROS PROYECTOS

EW ADS: Emergency Early Warning System

EW ADS: Emergency Early Warning System Emergency Early Warning System es un proyecto ha tenido como objetivo el desarrollo de una herramienta que permite monitorizar países y gestionar emergencias de una forma más productiva. Este sistema robusto y flexible permite analizar la evolución de diversos indicadores a lo largo del tiempo, extrayendo datos de múltiples fuentes. Está diseñado para filtrar y clasificar información según métricas críticas como conflictos, economía, migración, desastres naturales y vulnerabilidad, facilitando así un entendimiento profundo de la situación de un país. Además, el sistema puede generar informes situacionales y análisis específicos, y permite la categorización y análisis de crisis mediante indicadores específicos que activan o modifican la evaluación de la crisis. En este sistema se pueden observar diversos análisis que facilitan la observación de la evolución a situación de crisis de un país y, por tanto, faciliten la toma de decisiones. Dentro del análisis para acudir emergencia podemos encontrar: Análisis diferenciado por país, discriminando entre países sede y aquellos sin presencia de la organización. Registro y análisis de catástrofes por tipo y fecha, incluyendo detalles como el número de personas afectadas y la severidad del evento, permitiendo prever la evolución de la situación. Seguimiento de variables coyunturales y estructurales, permitiendo la visualización y análisis de la vulnerabilidad tanto inmediata como subyacente de cada país, con posibilidades de cambio de clasificación según la evolución de las circunstancias. Este sistema es una herramienta relevante para la toma de decisiones en situaciones de crisis, optimizando la respuesta a emergencias a través de un análisis detallado y contextualizado. Ver otros proyectos VER OTROS PROYECTOS

PREDISAN Sahel. Sistema de monitoreo y predicción de la Vulnerabilidad Humanitaria de poblaciones pastorales y agro-pastorales del Sahel Occidental basado en análisis GIS e Inteligencia Artificial.

PREDISAN Sahel. Sistema de monitoreo y predicción de la Vulnerabilidad Humanitaria de poblaciones pastorales y agro-pastorales del Sahel Occidental basado en análisis GIS e Inteligencia Artificial El proyecto AISahel consiste en un sistema de monitoreo de la Vulnerabilidad Humanitaria utilizando fuentes primarias y secundarias en la región del Sahel Occidental utilizando para ello técnicas de Inteligencia Artificial y Machine Learning, que sirve de base a la toma efectiva de decisiones y al monitoreo continuamente actualizado de las regiones fronterizas entre Mauritania y Senegal. Los equipos técnicos de las organizaciones humanitarias que operan en la región han guiado todo el proceso de diseño, desarrollo e implementación del sistema de monitoreo de la Vulnerabilidad Humanitaria con la asistencia técnica del equipo especialista. Actualmente, un conjunto de actores se encarga de recopilar, procesar y analizar datos fiables y de buena calidad sobre la Vulnerabilidad Humanitaria de la región, al tiempo que se genera evidencia de información que plantea la situación real en estos territorios tan expuestos al Cambio Climático. Ver otros proyectos VER OTROS PROYECTOS

DATAface. Análisis Estadístico Avanzado sobre Perfiles de Hogar Beneficiarios de los Proyectos ALCANCES I y II e Impacto de la Asistencia Alimentaria

Portada proyecto ALCANCES sobre perfiles de Seguridad Alimentaria reflejado en la plataforma DATAFACE reflejada en PowerBI y encargado por Acción Contra El Hambre Centroamérica

DATAface. Análisis Estadístico Avanzado sobre Perfiles de Hogar Beneficiarios del Proyecto ALCANCES I y II El objetivo de esta consultoría es efectuar análisis estadísticos avanzados y aplicar técnicas de Inteligencia Artificial mediante Mapas Autoorganizados (SOM) a partir de BBDD proporcionadas por Acción contra el Hambre, generadas por la implementación de los proyectos BHA ALCANCES I y II en diferentes puntos de Centroamérica. La herramienta consiste en la realización de análisis estadísticos avanzados y en la aplicación de técnicas de Inteligencia Artificial mediante Mapas Autoorganizados (SOM) a partir de bases de datos para analizar y caracterizar perfiles de familias, hogares o territorios en Centroamérica con criterios de seguridad alimentaria y nutricional y medir el impacto de programas y proyectos desarrollados por organizaciones humanitarias, quedando reflejado en la plataforma de visualización de datos soportada por Power BI. Algunos de los objetivos planteados para el proyecto son los siguientes: Identificar perfiles en base a la inseguridad alimentaria, encontrar perfiles que mejoran su situación tras recibir asistencia y elaborar informes que muestren los resultados de una forma interactiva. Actividades realizadas: Revisión de bibliografía especializada relacionada con caracterización de hogares y/o territorios de acuerdo con criterios de seguridad alimentaria, así como medición de impacto de programas y proyectos que repercuten en la seguridad alimentaria. Revisión de las BBDD generadas  en el marco de los estudios de línea de base, post monitoreo y línea de base final y BBDD adicionales que ayudarán a establecer perfiles de hogar SAN. Se aplicarán diferentes tipos de análisis para la definición de tipologías o perfiles de hogares con distinto grado de seguridad alimentaria (SAN). Intercambio permanente de información con los puntos focales designados por Acción contra el Hambre, con el fin de resolver dudas, valorar diferentes opciones de análisis, resultados preliminares, etc. Informe(s) en formato interactivo Power BI con análisis estadísticos generados, incluyendo reseña metodológica aplicada, resultados más relevantes, breve discusión, gráficos, tablas y esquemas que ayuden a la comprensión de los aspectos metodológicos y resultados. El sistema de información permitirá establecer perfiles SAN  centroamericanos basados en BBDD. Ver otros proyectos VER OTROS PROYECTOS

DATAface. Análisis Estadístico Avanzado sobre Perfiles de Hogar Beneficiarios del Proyecto Central America Multi-Hazard Early Warning (CAMHEW)

DATAface. Análisis Estadístico Avanzado sobre Perfiles de Hogar Beneficiarios del Proyecto Central America Multi-Hazard Early Warning (CAMHEW) La herramienta DATAface, empleada en este proyecto, ha implicado un proceso de recopilación de datos de fuentes primarias y secundarias mediante levantamientos a nivel de hogar en Guatemala, Nicaragua, Honduras y El Salvador, su análisis y su tratamiento mediante técnicas de Inteligencia Artificial (Mapas Autoorganizados) para detectar grupos de individuos con características similares, denominados perfiles. Los principales objetivos fueron los siguientes: apoyar la toma de decisiones mediante la jerarquización de acciones específicas sobre un determinado perfil en base a sus fortalezas y vulnerabilidades, cuantificar la eficacia de las intervenciones humanitarias de las ONGs mediante el análisis de la evolución temporal de los indicadores y optimizar los recursos económicos y tiempos de respuesta humanitaria para futuros levantamientos de encuestas y futuras intervenciones. La herramienta DATAface, empleada en este proyecto, ha implicado un proceso de recopilación de datos de fuentes primarias y secundarias mediante levantamientos a nivel de hogar en Guatemala, Nicaragua, Honduras y El Salvador, su análisis y su tratamiento mediante técnicas de Inteligencia Artificial (Mapas Autoorganizados) para detectar grupos de individuos con características similares, denominados perfiles. Actividades realizadas: Revisión de bibliografía especializada relacionada con caracterización de hogares y/o territorios de acuerdo con criterios de seguridad alimentaria, así como medición de impacto de programas y proyectos que repercuten en la seguridad alimentaria. Revisión de las BBDD generadas en el marco de los estudios de línea de base, post monitoreo y línea de base final y BBDD adicionales c y que ayudarán a establecer perfiles de hogar SAN. Se aplicarán diferentes tipos de análisis para la definición de tipologías o perfiles de hogares con distinto grado de seguridad alimentaria (SAN). Intercambio permanente de información con los puntos focales designados por Acción contra el Hambre, con el fin de resolver dudas, valorar diferentes opciones de análisis, resultados preliminares, etc. Informe(s) en formato interactivo Power BI con análisis estadísticos generados, incluyendo reseña metodológica aplicada, resultados más relevantes, breve discusión, gráficos, tablas y esquemas que ayuden a la comprensión de los aspectos metodológicos y resultados. El sistema de información permitirá establecer perfiles SAN centroamericanos basados en BBDD.   Ver otros proyectos VER OTROS PROYECTOS

PAISAJESSOCIALES. Caracterización de los Paisajes de Granada a partir del Análisis de Fotografías mediante Inteligencia Artificial

PAISAJESSOCIALES. Caracterización de los Paisajes de Granada a partir del Análisis de Fotografías mediante Inteligencia Artificial El estudio del paisaje de un territorio precisa ser afrontado desde múltiples dimensiones. Nuestro caso se centra en los medios sociales especializados y sus usuarios, que realizan la identificación de itinerarios mediante la toma de fotografías, descubriendo y evidenciando recorridos y lugares que en ocasiones constituyen fuentes de información sobre estos lugares y paisajes que presentan un importante valor. En este proyecto se realizó una evaluación de la viabilidad para obtener conocimiento de los paisajes de la Ciudad de Granada desde diversas dimensiones mediante el estudio de información fotográfica de una red social especializada en itinerarios y rutas al aire libre mediante el análisis y etiquetado de las fotografías a través de Redes Neuronales Artificiales del tipo Deep Learning. Esta información se agrupó y presentó mediante mapas autoorganizados (SOM),  Y Sistemas de Información Geográfica, que facilitaron la obtención de los clústeres óptimos, la representación de estos clústeres en Sistemas de Información Geográfica, su interpretación mediante un análisis del Tamaño del Efecto y p-valor y comparar los resultados con catálogos de paisajes existentes. Los objetivos de este proyecto fueron evaluar el interés científico de esta metodología, evaluar la posible extensión de la investigación a otros ámbitos y publicar y actualizar los avances que se produzcan en el proyecto.  Ver otros proyectos VER OTROS PROYECTOS

Monitoreo y Predicción de la Seguridad Alimentaria y Nutricional en Centroamérica. Herramienta PREDISAN

clasificación de municipios de Centroamérica en 15 perfiles a partir de información de monitoreo y teledetección, así como de fuentes secundarias, obtenido mediante Mapas Autoorganizados SOM para Acción Contra el Hambre y empleado en la plataforma PREDISAN

Monitoreo y Predicción de la Seguridad Alimentaria y Nutricional en Centroamérica Herramienta PREDISAN Este proyecto busca fortalecer el sistema de gestión de información sobre Seguridad Alimentaria y Nutricional (SGI-SAN) en el Corredor Seco Centroamericano (CA4), con el objetivo de anticipar crisis humanitarias, identificar territorios y poblaciones prioritarias, y transferir capacidades a instituciones públicas, universidades y ONGs para la gestión de información, predicción de necesidades humanitarias y difusión de evidencias. Se enmarca en el proyecto «Maximizar el impacto de la asistencia humanitaria en el corredor seco mejorando la generación y difusión de datos de Seguridad Alimentaria y Nutricional», donde se empleó una metodología validada para identificar y caracterizar Áreas de Preocupación relacionadas con la vulnerabilidad SAN. Principales acciones realizadas: Creación de un modelo de Vulnerabilidad SAN mediante Inteligencia Artificial. Experiencias piloto de pre-asistencia humanitaria basadas en CVA en zonas de alto riesgo. Desarrollo de un mapa basal de vulnerabilidad humanitaria a nivel municipal utilizando la metodología INFORM Index. Análisis mensuales de evolución humanitaria con enfoque agroclimático y de alerta temprana. Levantamiento de información primaria a través de encuestas y divulgación de informes trimestrales. Capacitación para gestores de información humanitaria y usuarios (ONGs y socios locales). Creación de un repositorio tipo Data Warehouse, actualizado mensualmente con datos secundarios, teledetección y monitoreo primario, implementado mediante técnicas de Machine Learning y análisis agroclimáticos, operado en una plataforma digital en Power BI. Objetivos clave: Prever crisis humanitarias y priorizar territorios y poblaciones en riesgo. Fortalecer la capacidad de respuesta coordinada entre actores humanitarios locales, nacionales y regionales, apoyados por academia y sector privado. Empoderar comunidades de alto riesgo con información basada en evidencias para gestionar recursos y acciones de preparación y protección. Todo el trabajo se refleja en la plataforma digital PREDISAN Centroamérica, que centraliza y optimiza el acceso a la información estratégica para la toma de decisiones humanitarias. VER OTROS PROYECTOS Ver otros proyectos

Descubre todo lo que somos capaces de hacer por ti.