Eficacia de métodos de minería de datos en la identificación de patrones de riesgo significativos relacionados con la violencia de género

Abstract

La violencia de género es una problemática social que se remonta a tiempos pasados y que perpetúa ciclos de desigualdad. La erradicación de la misma es un desafío urgente y complejo que requiere enfoques innovadores y multidisciplinarios. En el contexto de violencia de género laboral, se las emplearon técnicas de minería de datos: reglas de asociación, arboles de decisión y tabulación cruzada de datos, dentro de la metodología KDD (Knowledge Discovery in Databases) para analizar datos de denuncias laborales realizadas en Paraguay en el año 2023. Se realizó el proceso ETL (Extracción, Transformación y Carga, en español) con Python, y se aplicaron las técnicas de minería con la herramienta KNIME y se avaluó la eficacia de estos métodos para descubrir patrones y relaciones significativas entre variables del conjunto de datos. Se utilizaron criterios de evaluación por cada técnica para determinar su rendimiento. Entre los resultados más significativos se obtuvieron reglas de asociación que revelaron una relación entre la violencia doméstica y las mujeres con contratos verbales. Esto significa que, al analizar las denuncias, se encontró que un 49% de los casos reportados en el marco de violencia doméstica correspondía a mujeres con contratos verbales, lo que demuestra que, en el conjunto analizado, esta situación fue un factor relevante. Además, esta relación presentó un nivel de confianza del 96% y un lift de 1.38, lo que indica que la relación entre la violencia doméstica y los contratos verbales es 1.38 veces más probable que ocurra en el conjunto de datos analizado, según los criterios de evaluación. Mediante la detección de estos patrones se cumplió el objetivo de la investigación, identificar un método de minería de datos eficaz para descubrir patrones de riesgo significativos relacionados con la violencia de género.