Gentrificación en Málaga: El Análisis Pionero que Mapea el Estrés Urbano con Tecnología de Vanguardia
Gentrificación en Málaga: El Análisis Pionero que Mapea el Estrés Urbano con Tecnología de Vanguardia TECNOLOGÍA El impacto de la ciudad, ahora medido con dispositivos wearables ¿Puede la masificación turística, el ruido o el tráfico desordenado generar una respuesta de estrés medible en nuestro cerebro? Este es el punto de partida de un proyecto pionero «Gentrificación en Málaga», que utiliza la monitorización de señales cerebrales y biológicas para obtener evidencia objetiva del impacto de la gentrificación y el deterioro urbano en los residentes de ciudades como Málaga. Este proyecto de investigación introduce una metodología innovadora: usar la neurociencia para diagnosticar el «malestar» territorial. La gran novedad es que, por primera vez, se utiliza la respuesta fisiológica del individuo como un sensor objetivo del entorno urbano. Categorías Tecnología Noticias 1. Monitorización Neurofisiológica El estudio se centró en dos tipos de bioseñales críticas: Señales Cerebrales (EEG): Se utilizaron sensores tipo diadema para registrar la actividad eléctrica del cerebro. El objetivo era medir la intensidad de las diferentes ondas cerebrales, que son indicadores directos del estado mental: Ondas Alpha: Asociadas a un estado de calma y relajación. Ondas Beta: Relacionadas con la concentración y la alerta (que en exceso puede indicar ansiedad). Ondas Gamma: Vinculadas a la alta actividad cerebral (situaciones de extrema atención y o concentración) y el procesamiento de información compleja. Respuesta Galvánica de la Piel (GSR): Mediante un dispositivo anexo, se midió la conductancia de la piel, un indicador fisiológico indirecto pero muy sensible del nivel de estrés, excitación o sudoración emocional. 2. Recorridos y Mapeo Los participantes realizaron un trayecto a pie a través de zonas identificadas con alta masificación turística, ruido y alta circulación de patinetes/bicicletas. Los datos cerebrales y de GSR se registraron de forma continua y se sincronizaron con la ubicación geográfica de los participantes (GIS). Resultados Tecnológicos: Las Gráficas Hablan Al procesar los datos con herramientas avanzadas de limpieza y homogenización, los investigadores pudieron identificar patrones claros en las respuestas: Picos de Estrés (GSR): Las gráficas de GSR mostraron picos abruptos y consistentes justo cuando los participantes pasaban por zonas de alto conflicto urbano (gran ruido, aglomeraciones). Esto ofrece una evidencia fisiológica irrefutable de que estas áreas son estresantes para los residentes. Patrones de Ondas: Se observaron cambios significativos en el equilibrio de las ondas. Por ejemplo, una reducción en las Ondas Alpha (calma) y un aumento en las Ondas Beta (alerta/ansiedad) en las zonas más afectadas por la gentrificación. El resultado es un Mapa de Estrés Objetivo que visualiza en color rojo las áreas del centro de la ciudad donde se detectaron los mayores picos de respuesta estresante, proporcionando a urbanistas y responsables políticos una herramienta única para la toma de decisiones. En definitiva, este proyecto de I+D demuestra el inmenso potencial de la neurociencia y la tecnología wearable para medir no solo la actividad cerebral, sino también la calidad de vida urbana, ofreciendo una base objetiva para mitigar el impacto negativo de los procesos de gentrificación. Visualización de los Resultados del Estudio de Gentrificación en Málaga A continuación tenemos el visor con los resultados del estudio realizado a tres usuarios distintos, en dos recorridos diferentes. Al explorar el botón de Casos reales se podrá comprobar las zonas donde los sujetos sufrieron más «estrés». Por ejemplo, el Sujeto 1, por el recorrido 2, vemos que sufre señales de estrés a la hora de pasar por una zona donde se encuentra una bicicleta de reparto. Mientras que el Sujeto 3 por el recorrido 2, prácticamente en la misma zona, también sufre estrés por la aglomeración de ruido y turistas. Ver Proyecto Completo Categorías Tecnología Noticias Ver otros proyectos Comparte en: PUEDE QUE TAMBIÉN TE INTERESE
¿Dónde están los Perfiles con más Vulnerabilidad en España? Nuestro Modelo Predictivo lo revela
¿Dónde están los Perfiles con más Vulnerabilidad en España? Nuestro Modelo Predictivo lo revela TECNOLOGÍA La Revolución de la Predicción Social En un contexto de incertidumbre económica y climática, la capacidad de prever las crisis sociales es una herramienta invaluable. El proyecto «Early Warning ADS para el contexto español», que trata de conseguir averiguar donde existen perfiles con más vulnerabilidad en España, marca un antes y un después en la lucha contra la pobreza y la inseguridad alimentaria, transformando la ayuda social de una respuesta reactiva a una intervención proactiva. Este proyecto, desarrollado por Acción Contra el Hambre junto con nosotros, GIS4tech, no solo describe la vulnerabilidad, sino que la predice, permitiendo a las instituciones actuar de manera focalizada antes de que la necesidad se convierta en una crisis. Categorías Tecnología Noticias Procedimiento: La Ciencia Detrás de la Predicción El principal desafío en la medición social es obtener datos precisos y actualizados. Early Warning ADS aborda esto con un procedimiento metodológico innovador y robusto que se centra en el nivel municipal: Mapeo Multidimensional de la Vulnerabilidad El proyecto se basa en la predicción de dos indicadores clave, que ofrecen una visión completa de la fragilidad social: Indicador de Exclusión Social (SESI): Este índice sintético va mucho más allá de la renta. Se construye con 35 indicadores en ocho dimensiones, incluyendo el empleo, la vivienda, la salud, el acceso a la educación y la soledad/aislamiento social, lo que proporciona una visión estructural de la exclusión. Inseguridad Alimentaria (FIES): Utilizando la escala reconocida a nivel global por la FAO, el modelo estima la prevalencia de inseguridad alimentaria moderada y severa, que es clave para monitorear el progreso hacia los Objetivos de Desarrollo Sostenible (ODS) de erradicar el hambre. Fuentes de Datos Dinámicas y Masivas Para lograr esta precisión, el modelo ingiere una gran cantidad de información que se actualiza constantemente: Se basa en encuestas de hogares (EINSFOESSA) y se complementa con 150 variables socioeconómicas y demográficas dinámicas recopiladas de APIs de institutos estadísticos nacionales (como el INE) y otras fuentes públicas. Estos datos se actualizan con frecuencias que van desde mensual a trimestral o anual, lo que garantiza que el sistema esté siempre al día. Innovación Tecnológica: El Poder del Nowcasting La verdadera innovación de Early Warning ADS reside en el uso avanzado de la Inteligencia Artificial (IA) y la geolocalización. Machine Learning (IA): El equipo utiliza algoritmos de Machine Learning de última generación como CatBoost y Gradient Boosting. Estos sistemas de IA son entrenados para «aprender» los patrones históricos de las crisis sociales, permitiendo estimar la prevalencia de FIES y SESI a nivel municipal con una alta precisión (el modelo SESI, por ejemplo, alcanza hasta un 72.6% de precisión en la clasificación). Nowcasting y Monitoreo Continuo: La capacidad más crítica es el nowcasting (predicción a corto plazo y en tiempo casi real). Cada mes, la base de datos socioeconómica se refresca y los modelos de IA se ejecutan automáticamente para generar predicciones actualizadas. Estos resultados se visualizan en mapas y paneles de control que permiten una interpretación geográfica instantánea. Los factores clave de la Vulnerabilidad en España El modelo no solo predice, sino que también explica. Los resultados han revelado que los indicadores más influyentes en la vulnerabilidad y la inseguridad alimentaria no son solo los ingresos. De manera consistente, los principales impulsores son los factores relacionados con la vivienda y el coste de vida: Coste de la vivienda: Indicadores como el precio medio del alquiler por metro cuadrado. Servicios básicos: La estabilidad del hogar y el coste de los servicios esenciales como la electricidad y el gas. Gasto público: El gasto municipal per cápita es un predictor clave, especialmente para la inseguridad alimentaria severa, lo que indica la dependencia de las poblaciones más vulnerables de la inversión pública. El Impacto: De la Reacción a la Prevención Al identificar las áreas y los factores que impulsarán la próxima crisis, Early Warning ADS proporciona una base de datos fundamental para el diseño de políticas. La posibilidad de tener mapas de predicción mensuales significa que las políticas pueden ser diseñadas y dirigidas con una precisión milimétrica, optimizando recursos y, lo más importante, mitigando el hambre y la exclusión antes de que la gente sufra sus peores consecuencias. ¿Cómo se si donde vivo es una zona vulnerable? Te invitamos a acceder al visor para explorar tu realidad. Solo tienes que buscar tu zona de residencia y descubrir en cuál de los siete niveles se encuentra clasificada, siendo 1 el nivel más bajo y menos vulnerable, y 7 el nivel más alto de vulnerabilidad en España. Categorías Tecnología Noticias Ver otros proyectos Comparte en: PUEDE QUE TAMBIÉN TE INTERESE
El Método para Calcular la Homogeneidad de los Usos del Suelo en Una Ciudad
Los ciudadanos necesitan cambiar sus conductas de desplazamiento para evitar el sedentarismo y contribuir a la reducción de la contaminación en las…
¿Cómo monitorear el precio de los alimentos mediante Web Scraping?
El Web Scraping, o «Scrapeo Web», es una técnica de recolección de datos que permite extraer información de sitios web de manera automatizada y puede ser utilizado…
El método que predice el precio de los alimentos
La preocupación de los ciudadanos de países como Honduras, Guatemala, Nicaragua, El Salvador o Venezuela por el Precio de la Canasta Básica…
¿Cómo detectar y monitorear inundaciones?
Las inundaciones en Centroamérica y Venezuela provocadas por eventos extremos como lluvias, huracanes o tormentas tropicales provocan severas…
Usando la Inteligencia Artificial para predecir la Vulnerabilidad social
El contexto urbano y la zona de residencia pueden influir altamente en la situación de desventaja social de grupos de ciudadanos, lo que podría…
Identificando zonas de preocupación con Inteligencia Artificial
Estamos identificando zonas de preocupación con Inteligencia Artificial en Centroamérica utilizando una metodología propia. Estas comunidades están en riesgo…
Analizamos encuestas con Inteligencia Artificial para ayudar a la toma de decisiones
Quisimos proponer un método en el que analizamos encuestas con Inteligencia Artificial para ayudar a la toma de decisiones mediante un estudio de caso…
