Big Data y Algoritmos para la Medición de la Pobreza y el Desarrollo

Walter Sosa Escudero
Additional contact information
Walter Sosa Escudero: UDESA, CONICET, CEDLAS-IIE-UNLP

CEDLAS, Working Papers from CEDLAS, Universidad Nacional de La Plata

Abstract: La revolución del combo big data-machine learning-inteligencia artificial ha invadido todos los campos del conocimiento y, esperablemente, el de la medición del bienestar no es una excepción. Y, naturalmente, urge preguntar si los enormes problemas de cuantificación de la pobreza o la desigualdad no encontraran una solución rápida y efectiva que provenga de la combinación de datos masivos de big data y los poderosos algoritmos de machine learning y la inteligencia artificial. Esta nota es una introducción técnicamente accesible a los logros y desafíos del uso big data y machine learning para la medición de la pobreza, el desarrollo, la desigualdad y otras dimensiones sociales. Se basa en Sosa Escudero, Anauati y Brau (2022), un artículo abarcativo y técnico, que estudia con detalle el estado de las artes en lo que se refiere al uso de machine learning para los estudios de desarrollo y bienestar, al cual remitiremos para mayores detalles y referencias específicas.

Pages: 8 pages
Date: 2023-10
New Economics Papers: this item is included in nep-big and nep-cmp
References: Add references at CitEc
Citations:

Downloads: (external link)
http://www.cedlas.econo.unlp.edu.ar/wp/wp-content/uploads/doc_cedlas319.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:dls:wpaper:0319

Access Statistics for this paper

More papers in CEDLAS, Working Papers from CEDLAS, Universidad Nacional de La Plata Contact information at EDIRC.
Bibliographic data for series maintained by Ana Pacheco ().