Título del proyecto: desarrollo de un modelo predictivo basado en aprendizaje automático para priorización de riesgos de seguridad en firmantes de paz a partir de alertas tempranas

Abstract

El presente estudio desarrolla un modelo predictivo basado en aprendizaje automático para la priorización de riesgos de seguridad en los firmantes del Acuerdo de Paz en Colombia, utilizando datos extraídos de alertas tempranas emitidas entre 2023 y 2024. Para ello, se emplearon técnicas de Procesamiento de Lenguaje Natural (PLN) con spaCy para transformar la información cualitativa en datos estructurados, identificando entidades clave como departamentos, presencia de grupos armados, economías ilegales y número de alertas previas. El modelo de Bosques Aleatorios (RF) permitió analizar patrones de riesgo y clasificar alertas en niveles de prioridad (baja, media y alta), logrando una precisión del 86%. Los resultados evidenciaron que el número de advertencias previas y la presencia de actores armados son los principales factores de riesgo. Además, se identificó una fuerte correlación entre economías ilegales y situaciones de violencia, lo que resalta la importancia del monitoreo territorial para la prevención de amenazas.