Evaluación de políticas y programas sociales mediante ... · interdefinibilidad y mutua...

Lucio Flores Payán 1, J. Refugio Vallejo 2

1 Nacionalidad: Mexicana. Grado: Doctorado en Ciencias Económico Administrati-vas. Especialización: Política Pública, Evaluación de Políticas. Adscripción: Profesor del Centro de Enseñanza Técnica Industrial (CETI). Profesor del departamento de políticas públicas. Universidad de Guadalajara, sede Centro de Ciencias Económico Administrativas. Correo electrónico: [email protected]

2 Nacionalidad: Mexicana. Grado: Doctorado. Especialización: Economía y Finanzas. Adscripción: Director del Departamento de Economía y Finanzas División de Cien-cias Económico Administrativas Campus Guanajuato, Universidad de Guanajuato. Correo electrónico: [email protected]

Evaluación de políticasy programas sociales

mediante lógica difusa

Fecha de recepción: 5 de febrero de 2013Fecha de aceptación: 12 de junio de 2013

Evaluation of social policies and programs

using fuzzy logic

Nóe

sis

82

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa Introducción

La evaluación de política pública y específicamente de su mate-rialización vista en los programas sociales, trata de ser al paso de los días una práctica habitual para la mayoría de los gobier-

nos y sociedades en general, proponiéndose como un tipo de insumo para la toma de decisiones. En la actualidad, existe una amplia varie-dad metodológica para el análisis y evaluación de programas sociales, sin embargo, la realidad social en extremo compleja requiere de un pensamiento más fuerte y de poderosos instrumentos analíticos capa-ces de comprenderla. Por ello, la aplicación de elementos alternativos como es el caso de la teoría de la lógica difusa –y sus usos–, pueden ser muy útiles para tratar fenómenos sociales porque proveen de una comprensión abstracta y al mismo tiempo de instrumentos prácticos, con los cuales se reducen los aspectos de incertidumbre y vaguedad de las decisiones del pensamiento humano y así se orienta o, aún más, redirige la intervención social para mejorar la visión analítica en la evaluación de programas sociales.

El presente documento encuentra el sustento principal en la idea de contribuir de manera general en el conocimiento y entendimiento de la realidad social, entendiendo ésta como un marco de referencia en el que se sitúa la evaluación de política pública y en particular la de política y programas sociales.

El uso de la lógica difusa en este trabajo radica en la facultad de manejar información imprecisa e incompleta, para este caso es la eva-luación del Programa Hábitat, los datos con los cuales se construyó el Índice de impacto y que son descritos posteriormente, presentaron es-tas características de precariedad al no encontrarse continuidad en todo el periodo de análisis, así como la imprecisión al emplear indicadores cualitativos como lo son el grado de marginación y de rezago social.

Por lo que, esta propuesta es para fines de observación, compren-sión y explicación de los procesos evaluativos de políticas y programas sociales como elemento característico de la complejidad de la realidad social, sea usada la teoría de la lógica difusa, misma que mediante sus funciones de pertenencia, su aritmética difusa y el establecimiento de

83

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o los cortes difusos (que después son explicados), hagan posibles cons-trucciones de certeza creciente bajo explicaciones operacionalizadas, de tal forma que se logren certezas prolongadas en las condiciones heterogéneas del fenómeno analizado.

Con esta finalidad se conceptualiza y contextualiza la lógica difusa y se definen sus alcances y aplicaciones al análisis social; se destacan ejemplos en los que se aplica la lógica difusa al conocimiento social, para introducir a las representaciones de los conjuntos difusos y sus expresiones matemáticas, se introduce al involucramiento de la teoría de la lógica difusa en la evaluación de política y programas públicos al presentar algunos de los beneficios del uso de esta teoría en la eva-luación, demostrándolo con los resultados obtenidos en la aplicación empírica realizada al objeto de estudio, el cual fue el Programa social Hábitat.

1. Elementos conceptuales de la lógica difusaLas primeras aproximaciones

La lógica difusa se basa en la relatividad de lo observado, permite describir y formalizar la realidad a través de modelos flexibles, con-templando la subjetividad y la incertidumbre de las valoraciones del comportamiento humano (García y Lazzari, 2000: 84).

Sin embargo, se debe aclarar que las primeras –y en la actualidad las más precisas– aplicaciones de esta teoría, han sido hechas con fines de racionalizar la toma de decisiones en el área del control y la ingeniería. Esto, aceptando el reto principal de lograr conmensurar y especificar aspectos que el pensamiento humano podría asignar a una variedad de valores numéricos y por tal razón, difícilmente cuantificables.

Zadeh, quien fue uno de los pioneros en la aplicación de esta teoría con su formalización matemática de los conjuntos difusos, considera además que la lógica del razonamiento humano no es la lógica clásica de dos valores, o incluso de varios valores, sino una lógica de verdades difusas, de conjunciones difusas, de reglas de deducción difusas (Za-deh, 1996: 423).

Nóe

sis

84

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa Lo anterior se experimenta cotidianamente, al referirnos a cual-

quier percepción hacemos mención a infinidad de conjuntos difusos, es decir, a “conceptos que no tienen fronteras nítidamente definidas o exactas, características que difícilmente podría tener un solo valor numérico como por ejemplo: ‘delgado’, ‘alto’, ‘pertinente’, ‘veloz’, ‘len-tamente’, ‘viejo’, ‘impactante’”.

El término “difuso” como adjetivo de lógica, refiere a los grados de significancia o a valores en la medición de la incertidumbre de varia-bles lingüísticas (posteriormente se explica con detalle este concepto); para estas representaciones lingüísticas se establecen correspondencias con valores numéricos en un conjunto entre cero y uno, estos conjun-tos en unión con las etiquetas lingüísticas forman pares con los que se construye una función matemática con su correspondiente dominio y contradominio, dicha función contiene los grados de significancia de las etiquetas lingüísticas mediante las cuales pueden crearse los con-juntos difusos listos para desarrollar operaciones aritméticas.

El modelo de inferencia difusa es un modo de representar cono-cimientos y datos inexactos a como lo hace el pensamiento humano ( Jang, Mizutani y Sun, 1997. 23). El sistema de inferencia difusa es diseñado a partir de la correspondencia no lineal entre una o varias va-riables de entrada y una variable de salida; esto facilita una base desde la cual pueden tomarse decisiones o definir patrones que son repre-sentados por valores no exactos.

1.1 Los conjuntos difusos y su representaciónExpresiones matemáticas

La representación matemática de un conjunto difuso cuando X es una colección de objetos denotados por x, X={x1, x2, x3…}, así un sub-conjunto difuso A en X es un conjunto de pares ordenados:

𝐴={𝑥, µA(𝑥), |𝑥∈𝑈}

85

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o Donde µA : [0, 1] es la función de pertenencia, µA𝑥 es el grado de pertenencia de las variables, x y U es el dominio de la aplicación, en términos difusos es lo referente al universo de estudio, es decir, mientras más cercano sea el valor de “A” a la unidad, mayor será la pertenencia del objeto x al conjunto A.

El rango de la función de pertenencia puede ser un conjunto de números reales no negativos, aunque sea práctica general que la fun-ción de pertenencia esté definida entre 0 y 1 como X µA(𝑥)→ [1, 0].

Cuando el universo de estudio esté configurado de forma conti-nua o discreta serán representados respectivamente por las siguientes ecuaciones:

2. La teoría de la lógica difusa como instrumento de análisis para el fenómeno social Fundamentos teóricos

Al paso del tiempo los métodos de análisis se han refinado pro-poniendo teorías cada vez más sólidas para el estudio de temas dis-tributivos. La investigación de fenómenos sociales, y en específico el examen y evaluación de políticas y programas públicos, ha encontrado una elemental distinción de ser multidimensional y totalmente diná-mico, pocas y cada vez menos veces explicado de forma estática y uni-dimensional.

Así que la incertidumbre y la indeterminación como elementos provenientes de la libertad del pensamiento y accionar de los seres hu-manos, son características que adjetivan perfectamente a la sociedad. Este libre pensamiento y la interacción entre cada individuo propician condiciones inmateriales como son la ética y sus reglas, las creencias, entre algunas más, esta inmaterialidad trae como consecuencia la difi-cultad de medir los fenómenos sociales, y que se acentúa aún más por

Nóe

sis

86

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa carecer de instrumentos de observación tan potentes como los que

disponen las ciencias naturales (Uharte, 2009: 19). La probabilidad y la estadística durante decenas de años han sido

los principales elementos a los que recurre el investigador social para la estratificación y formalización del razonamiento y del conocimiento que implica la intervención para la mejora de la realidad social. Estos elementos como herramientas de la investigación social, hacen posible obtener respuestas desde una visión global, general y consensual de los problemas de investigación, asimismo permiten entender el compor-tamiento en condiciones de normalidad y probabilidad de ocurrencia de un suceso o acontecimiento en torno de un elemento central o ini-cial del comportamiento de la realidad estudiada; sin embargo, con estos instrumentos no se obtienen respuestas bajo condiciones de he-terogeneidad, anómalas e irregulares (condiciones de no normalidad) que siempre se encuentran existentes; es decir, no ofrecen respuestas que conduzcan a una racionalidad proveniente de formas de explica-ción dinámicas que son imposibles de considerar como estáticas.

Una visión permeada de aproximaciones, difícilmente satisface las ansias de respuestas exactas de observadores de la complejidad y lo no homogéneo, que son necesarias para actuar mejor. Por ello, se explora la conceptualización del término complejidad, del cual se hace men-ción desde la misma perspectiva que establece García, quien menciona que:

La complejidad de un sistema no está solamente deter-minada por la heterogeneidad de los elementos (o sub-sistemas) que lo componen y cuya naturaleza los sitúa normalmente dentro del dominio de diversas ramas de la ciencia y la tecnología. Además de la heterogeneidad la característica determinante de un sistema complejo es la interdefinibilidad y mutua dependencia de las funciones que cumplen dichos elementos dentro del sistema total. Esta característica excluye la posibilidad de obtener un análisis de un sistema complejo por la simple adición de estudios sectoriales correspondientes a cada uno de los ele-mentos (García, 2011: 66).

87

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o En realidad esta complejidad se encuentra no tanto en el propio objeto de estudio, sino en la forma como éste es observado. Cada for-ma de análisis nace de una reflexión que comprende ampliamente la imposibilidad de satisfacer los alcances infinitos de correspondencia e interdependencia entre los elementos del sistema estudiado con los elementos del entorno. Estos últimos, siempre infinitamente mayores (Amozurrutia, 2006: 121).

En consecuencia, es implacable la necesidad de una variante en la forma de observar la realidad social, una realidad que está permeada por fenómenos heterogéneos, por comportamientos cambiantes –no solamente en tiempo y espacio, sino que también en su propia lógica de comportamiento–, que son prácticamente impredecibles y siempre irrepetibles, resultan azarosos, en palabras de Munné: “La realidad en sus más diversas manifestaciones, aparece en el nuevo contexto, cons-truida por fluctuaciones, iteraciones, borrosidad, turbulencias o tor-bellinos, catástrofes, fractales, bifurcaciones, actores extraños etcétera” (Munné, 1995: 2).

Estas externalidades en el conocimiento de la realidad social son motivo para emprender la búsqueda de formas de observación distintas y para aplicarlas en la investigación social, teorías y prácticas que pro-porcionen directrices de política y pautas de intervención sustentadas social y culturalmente, además de tecnologías, metodologías, métodos y técnicas adecuadas que hagan posible contemplar la vaguedad, sub-jetividad, incertidumbre y lo excesivamente cambiante de los fenóme-nos analizados. Nos referimos a teorías convenientemente apoyadas con conocimientos e instrumentos provenientes de otras disciplinas que puedan ser trasladados y aplicados al estudio de lo social.

En consideración de Amuzurrutia, es necesario hacer una verda-dera reflexión sobre el significado que se asigna al número en las con-jeturas estadísticas. En virtud de la necesidad de hacer más explícita la intervención del científico o investigador, es fundamental descubrir elementos que faciliten la construcción de argumentos que propicien una continuidad objetiva y racional en las inferencias de cada investi-gación (Amuzurrutia, 2006: 122).

Nóe

sis

88

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa 3. Lógica difusa para la evaluación de política y programas

públicosLa evaluación en el marco de los fenómenos sociales

Los procesos de evaluación per se dentro del marco de la investi-gación social, constituyen un amplio espectro de vaguedad e incerti-dumbre, a partir del involucramiento y consideración de elementos característicos de estos procesos, como pueden ser: la “percepción de impactos”, los aspectos de “eficacia”, variables plenamente susceptibles a la vaguedad como es la “pertinencia”, la “calidad” de dichos progra-mas evaluados entre algunas más.

En este contexto, el uso y aplicación de la lógica difusa en el pro-ceso evaluativo, actuará como principal benefactor en la reducción de los aspectos de imprecisión, para que se logre acceder de manera más cierta y exacta al análisis y evaluación de cada política o programa determinado.

El objetivo principal en el manejo de modelos difusos para evalua-ción, será tratar los elementos imprecisos de modo sistemático, aunque no necesariamente cuantitativo, pues los elementos claves en el actuar real y de los procesos de evaluación donde intervienen beneficiados de programas y políticas, no son números sino rótulos (conceptos) que contienen clases de objetos en donde se puede calcular con mayor precisión la pertenencia de cada uno de éstos al conjunto, de forma gradual y no abrupta como en la lógica convencional.

Dos principales y elementales etapas de cada proceso de evalua-ción son la obtención de los datos y el correspondiente tratamiento de los mismos. En la teoría convencional de los conjuntos o lógica bivalente, la función característica de un conjunto únicamente per-mite corresponder a dos valores: el valor de uno –en el caso de que el elemento pertenezca al conjunto– y el valor de cero –en el caso de que el elemento no pertenezca al conjunto–. Las vastas herramientas matemáticas existentes que son utilizadas en el enfoque tradicional de tratamiento y adaptación de datos, construida a partir de la lógica bivalente, presuponen la precisión. Cuando se trabaja con problemas sencillos y bien definidos, este enfoque se adapta y, si está bien aplica-

89

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o do, genera resultados muy satisfactorios, sin embargo, para problemas complejos que pueden contener una imprecisión intrínseca, las herra-mientas matemáticas basadas en la lógica clásica pueden no adaptarse (Letichevsky et al., 2004: 264).

Las dificultades existentes en la etapa de recopilación de datos tam-bién son significativas en la fase de tratamiento de la información, esto ocasionado por lo imprescindible que es en una evaluación establecer criterios de excelencia que sirven como parámetros para la elaboración de juicios de valor y que en realidad forman una base de reglas, gene-ralmente fortalecidas por especialistas, que son utilizadas para verificar si un resultado atiende o no a un determinado criterio (Ibíd.).

Un problema frecuente en la práctica de la evaluación es la falta de consenso entre los especialistas, lo que puede generar reglas contradic-torias. Estas pueden ser incorporadas a una base de reglas y tratadas de manera adecuada en el ámbito de la lógica difusa.

Entonces, tratar el problema de la imprecisión y la incertidumbre por medio de la lógica difusa es una opción que se considera bas-tante oportuna, pues posibilita (i) aceptar respuestas que indiquen el real entendimiento de los involucrados con relación a la atención de un determinado patrón, (ii) utilizar reglas lingüísticas fortalecidas por especialistas, y cuando sea necesario incorporar reglas contradictorias en un mismo modelo y (ii) tratar con la imprecisión intrínseca que generalmente existe en problemas complejos como puede ser el caso de procesos de evaluación.

4. Caso de estudio: Hábitat y su evaluación mediante un modelo basado en lógica difusa, los datos e indicadores

El crecimiento demográfico en México, ha propiciado que mu-chos hogares pobres se hayan asentado en terrenos irregulares que no cuentan con los servicios de infraestructura básicos. Esta ocupación irregular del suelo también ha creado dificultades para el desarrollo sustentable del núcleo urbano, y ha contribuido al incremento del re-zago social.

De esta forma es que en el Sistema Urbano Nacional (sun), existen marcados contrastes entre las zonas rezagadas y las zonas privilegiadas,

Nóe

sis

90

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa lo que ha creado una división en las ciudades. Los hogares carentes

de las necesidades básicas, han tendido a concentrarse en ciertas áreas urbanas, formando con ello conglomerados o polígonos de hogares pobres. Esto a partir de la idea de que la segregación socioresidencial, entendida como la limitante en el acceso de los pobres a las oportu-nidades que ofrecen las ciudades y zonas metropolitanas, propicia el aislamiento y favorece la transmisión intergeneracional de la pobreza.

Por lo anterior, el Programa Hábitat nace como una medida para combatir el rezago social existente en estas zonas marginadas urbanas en México. La Secretaría de Desarrollo Social (sedesol), encargada de dirigir el programa desde el año 2003, cuyo objetivo ha sido de combatir la pobreza urbana mediante un modelo integral que combi-na acciones de mejoramiento de infraestructura básica y equipamiento de las zonas urbanas marginadas, desde el apoyo a la entrega de servi-cios sociales y acciones de desarrollo comunitario.

Este modelo se privilegia debido a que posibilita la concurrencia de esfuerzos y recursos de los tres niveles de gobierno; federal, estatal, y municipal. El Programa Hábitat define como su población objetivo, las zonas de Atención Prioritaria (zap) o polígonos, que son locali-dades por municipios, en los que la mayoría de los hogares están en situación de pobreza patrimonial y presentan un déficit de infraestruc-tura y equipamiento urbano.

En este sentido, el programa constituye una iniciativa del gobierno federal que busca superar los rezagos sociales, territoriales y ambien-tales en las zonas urbano-marginadas. Para tal efecto, el diseño del programa se articula con los objetivos de la política social, asimismo con los de la política de desarrollo urbano.

Para la evaluación del Programa Hábitat se consideran tres etapas fundamentales, a) la primera de ellas es la identificación de la población objetivo de análisis, la cual se conformó por 344 polígonos –dichos po-lígonos son los que se establecen en la tabla 2–, la determinación para la selección de los polígonos de análisis del total de polígonos interve-nidos, radicó en el hecho de haber cubierto el periodo 2005-2010 de forma constante bajo la participación de Hábitat, b) la segunda etapa se constituyó por la fijación de los indicadores o atributos mediante

91

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o los cuales se evaluó el impacto del Programa Hábitat y son explicados en la tabla 1:

Tabla 1. Indicadores usados para el cálculo de índice de impacto.

AtributoVariable del censo 2005 y del conteo 2010

Indicador

Indicadores de servi-cios para las viviendas en los polígonos

Agua potablePorcentaje de hogares sin agua potable.

Cambio en el porcen-taje de hogares sin agua potable del 2005 al 2010 (Indicador 1).

DrenajePorcentaje de hogares que no cuentan con drenaje.

Cambio en el porcentaje de hogares que no cuen-tan con drenaje del 2005 al 2010 (Indicador 2).

Electricidad Porcentaje de hogares que no cuentan con electricidad.

Cambio en el por-centaje de hogares que no cuentan con electricidad del 2005 al 2010 (Indicador 3).

Indicadores de habita-bilidad de las viviendas

Consolida-ción de la vivienda

Materiales de piso de la vivienda.

Cambio en el porcen-taje de los materiales de construcción del piso de los hogares 2005 al 2010 (Indicador 4).

SanitarioPorcentaje de hogares que no cuentan con sanitario.

Cambio en el por-centaje de hogares que no cuentan con sanitario del 2005 al 2010 (Indicador 5).

Hacina-miento

Número de perso-nas de la vivienda / número de habita-ciones para dormir.

Cambio en el por-centaje de hacina-miento del 2005 al 2010 (Indicador 6).

(Continúa...)

Nóe

sis

92

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa

AtributoVariable del censo 2005 y del conteo 2010

Indicador

Indicadores de mejora para los polígonos

Marginaciónindicador de mar-ginación por polí-gono analizado.

Cambio en el porcentaje de marginación del 2005 al 2010 (Indicador 7).

Rezago socialIndicador de rezago social por polígo-no analizado.

Cambio en el por-centaje de rezago social del 2005 al 2010 (Indicador 8).

Fuente: Elaboración propia.

c) la tercer etapa contempló el cálculo del índice de impacto como función del número total de indicadores propuestos, lo cual las fuentes de datos para obtener la información que se utilizó en la construcción de los indicadores para el cálculo del índice de im-pacto, es derivada de los censos de población y vivienda, a partir de una etapa comparativa entre el periodo 2005-2010, así como de información proporcionada por el Programa Hábitat.

El índice de impacto se construye a partir de la adaptación del modelo teórico propuesto por Dagum y Costa (2004), que consiste en un primer conjunto:

𝐴={𝑎1, …𝑎𝑖, …𝑎𝑛}

El cual representa la población objetivo de análisis, que para el pre-sente trabajo indican los polígonos donde ha intervenido el Programa Hábitat.

Un vector de orden k que representa los atributos o indicadores mediante los que se evaluara el impacto, en este caso son los indica-dores de cambio mencionados en la tabla 1:

Ó 𝑋=( 𝑥1, …𝑥𝑗, …𝑥𝑘)

93

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o Un tercer conjunto “Z” que representa el conjunto difuso “impac-to”, el cual refiere al impacto del programa, de tal forma que cualquier miembro de A ∈ Z representa un grado de impacto, en al menos uno de los (k) indicadores de (X).

De esta forma, 𝑋𝑖𝑘=𝑀𝑧( 𝑋𝑘(𝑎𝑖)) distinguirá el grado de pertenen-cia al conjunto difuso (Z) del polígono (i) con respecto al atributo (k) tal que 0≤𝑋𝑖𝑘≤1, así:

𝑋𝑖𝑘{ 0 si el indicador es nulo 1 si el indicador se encuentra al 100%entre 0 y 1 si el indicador encuentra un valor

Después de especificar la forma de cálculo para el grado de perte-nencia de cada atributo (k) del polígono analizado (i), el siguiente paso consiste en realizar una agregación de esos valores para la determina-ción de la función de pertenencia 𝑀𝑍(𝐴𝑖) de cada polígono al conjun-to difuso (Z), lo que indica el nivel de impacto de cada polígono como función ponderada de los (K) atributos, es decir expresa un concepto relativo de impacto y la función se define por:

(ecu. 1)

(ecu. 2)

Donde: es el peso adjunto del atributo (k) y nuevamente 0≤𝑀𝑍(𝑎𝑖)≤1, y:

{0 si el polígono no encuentra cambio en el indicador 1 si el polígono no encuentra cambio en el total de indicadores entre 0 y 1Si los indicadores del polígono encuentra un valor

Nóe

sis

94

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa Finalmente, el grado o tasa de impacto del total de los polígonos

evaluados se calcula como una media ponderada de las funciones indi-viduales de cada polígono perteneciente al conjunto difuso (Z)

(ecu. 3)

Asimismo se define el grado valorV de impacto del atributo ( k ) para los ( n ) hogares:

(ecu. 4)

También es posible encontrar los valores de impacto del k- éne-simo indicador en el impacto total. Del índice de impacto difuso (5) y de los pesos correspondientes a cada atributo (2), la contribución absoluta del atributo ( k ) al índice de impacto queda definido como:

(ecu. 5)

Especificando el índice unidimensional del k − ésimo atributo para el l − ésimo grupo como:

(ecu.6)

(ecu. 7)

95

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o

5. Aplicación del modelo teórico basado en lógica difusa para el cálculo del índice de impacto

La aplicación del modelo antes descrito posibilitó: (a) medir el ni-vel relativo de impacto en cada polígono estudiado; (b) estimar un índice promedio de impacto de toda la población de polígonos. Para calcular lo anterior, se trabajó en el software matemático Matlab, en el cual se calcularon los valores fusificados para posteriormente ingresar-los a las ecuaciones del modelo.

Mediante la ecuación (1) del modelo y empleando (2) como pon-derador 𝑤𝑘 se determina la función de pertenencia 𝜇𝑧 (𝑎𝑖) del con-junto de indicadores por cada polígono al conjunto “impacto”, es decir, el nivel de impacto relativo de cada polígono. Luego se calcula el índice de impacto promedio de la población total utilizando (4). Para calcular los impactos por atributo se usa (5). Para obtener el índice de impacto del k − ésimo atributo para el l − ésimo grupo se emplea (7).

De esta forma el índice de impacto para la totalidad de la pobla-ción en estudio en donde intervino el Programa Hábitat es de 𝜇𝑧 = 0.364093498, lo que significa que de las variaciones entre los impac-tos por cada polígono permitieron al programa impactar en un 36.4% como porcentaje de cambio positivo o mejora en los polígonos. La tabla 2 expone el índice de impacto para cada polígono, y su clasifica-ción mediante seis etiquetas lingüísticas: “muy malo”, “malo”, “regular”, “bueno”, “muy bueno”, “excelente”.

Nóe

sis

96

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa

Tabl

a 2. V

alor

difu

so d

e im

pact

o y s

u co

rres

pond

ient

e et

ique

ta li

ngüí

stic

a en

cada

pol

ígon

o ev

alua

do.

Polígonos

Índice de impacto

Clasificaciónn-nón Lingüística

Polígonos

Índice de impacto

Clasificación Lingüística

Polígonos

Índice de impacto


Agu

asca

-lie

ntes

es0.

2633

6449

muy

malo

Chi

apa d

e C

orzo

0.58

8427

02ex

celen

teLe

rdo

0.33

2017

42re

gular

Calv

illo

0.24

1949

6m

uy m

aloH

uixt

la0.

6226

7041

exce

lente

Pueb

lo n

uevo

0.37

5536

18bu

eno

Jesú

s Mar

ía0.

3246

7594

regu

larLa

s Mar

garit

as0.

4808

1351

exce

lente

Sant

iago

papa

squi

aro

0.30

0007

92m

alo

Pabe

llón

de

Arte

aga

0.25

7510

36m

uy m

aloM

otoz

intla

0.67

7101

1ex

celen

teA

baso

lo0.

4066

3098

buen

o

Ense

nada

0.31

5932

04re

gular

Oco

singo

0.86

4315

22ex

celen

teA

cám

baro

0.33

0319

81re

gular

Mex

icali

0.37

3867

15bu

eno

Oco

zoco

autla

de

Esp

inos

a0.

4549

211

muy

bue

noSa

n M

igue

l de

allen

de0.

4373

7197

muy

bue

no

Teca

te0.

4530

828

muy

bue

noPa

lenqu

e0.

4895

2645

exce

lente

Cela

ya0.

2829

2585

malo

(Con

tinúa

...)

97

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Tiju

ana

0.48

0140

48ex

celen

tePi

chuc

alco

0.63

8391

29ex

celen

teC

orta

zar

0.34

9449

97re

gular

Play

as d

e Ro

sarit

o0.

5485

3274

exce

lente

Las R

osas

0.64

9505

09ex

celen

teD

olor

es h

idalg

o cu

na d

e la i

ndep

en-

denc

ia na

ciona

l0.

4546

5909

muy

bue

no

Com

ondú

0.31

3614

08m

aloSa

n C

ristó

bal

de la

s Cas

as0.

4494

2055

muy

bue

noG

uana

juat

o0.

3288

4229

regu

lar

Mul

egé

0.49

9587

93ex

celen

teSu

chiap

a0.

5122

5304

exce

lente

Irapu

ato

0.33

6656

32re

gular

La P

azI

0.39

8944

7bu

eno

Tapa

chul

a0.

3711

4723

buen

oSe

ón0.

3041

2838

malo

Los C

abos

0.41

3937

6m

uy b

ueno

Teop

isca

0.59

3829

17ex

celen

teM

orol

eón

0.25

4694

21m

uy m

alo

Calk

iní

0.50

5028

23ex

celen

teTo

nalá

0.31

2813

7m

aloPé

njam

o0.

3936

2704

buen

o

Cam

pech

e0.

3341

9376

regu

larTu

xtla

Gut

iérre

z0.

3609

3286

regu

larSa

laman

ca0.

3519

7405

regu

lar

(Con

tinúa

...)

Nóe

sis

98

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Car

men

0.37

0246

63bu

eno

Venu

stian

o C

arra

nza

0.62

6374

89ex

celen

teSa

n fe

lipe

0.59

9561

39ex

celen

te

Cha

mpo

tón

0.43

8537

6m

uy

buen

oV

illaf

lore

s0.

3713

7272

buen

oSa

n Fr

ancis

co

del r

inco

n0.

3449

4445

regu

lar

Escá

rceg

a0.

3795

4931

buen

oYa

jalón

0.31

8488

59re

gular

San

José

itur

bide

0.47

4906

06ex

celen

te

Acu

ña0.

3218

1763

regu

larC

amar

go0.

2777

7302

malo

San

Luis

de la

paz

0.52

1069

4ex

celen

te

Alle

nde

0.30

7872

22m

aloC

uauh

tém

oc0.

3321

1862

regu

larSa

nta c

ruz d

e ju

vent

ino

rosa

s0.

4517

2336

muy

bue

no

Arte

aga

0.43

6449

49m

uy

buen

oC

hihu

ahua

0.32

6584

29re

gular

Silao

0.42

2304

18m

uy b

ueno

Fron

tera

0.28

9703

56m

aloD

elicia

s0.

2707

8668

malo

Uria

ngat

o0.

2650

5995

muy

malo

Gen

eral

Cep

eda

0.33

2439

12re

gular

Hid

algo

del

Parra

l0.

2743

0781

malo

Aca

pulco

de j

uare

z0.

3740

3224

buen

o

Mon

clova

0.28

6956

61m

aloJim

énez

0.28

4219

19m

aloA

rceli

a0.

3040

3046

malo

(Con

tinúa

...)

99

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Pied

ras N

egra

s0.

2844

1519

malo

Juár

ez0.

3861

8687

buen

oA

toya

c de a

lvare

z0.

4599

715

muy

bue

no

Ram

os A

rizpe

0.35

0450

87re

gular

Nue

vo ca

sas

gran

de0.

4262

2763

muy

bu

eno

Coy

uca d

e ben

itez

0.40

4983

6bu

eno

Salti

llo0.

2833

2266

malo

Azc

apot

zalco

o0.

2975

0996

malo

Chi

lapa d

e alva

rez

0.63

1157

55ex

celen

te

Torre

ón0.

2819

7481

malo

Coy

oacá

n0.

3076

6921

malo

Chi

lpan

cingo

de

los b

ravo

0.30

8024

87m

alo

Arm

ería

0.31

5295

48re

gular

Cua

jimalp

a de

Mor

elos

0.29

0526

51m

aloH

uitz

uco

de

los f

igue

roa

0.28

9389

56m

alo

Col

ima

0.32

2962

97re

gular

Gus

tavo

A.

Mad

ero

0.28

1269

32m

aloIg

uala

de la

in

depe

nden

cia0.

2245

0566

muy

malo

Com

ala0.

4608

7437

muy

bu

eno

Izta

palap

a0.

2683

6293

malo

Om

etep

ec0.

5434

2591

exce

lente

Coq

uim

atlán

0.37

2737

97bu

eno

La M

agda

lena

Con

trera

s0.

2750

9359

malo

Peta

tlán

0.45

6699

97m

uy b

ueno

Cua

uhté

moc

0.35

4325

16re

gular

Milp

a Alta

0.22

5781

37m

uy m

aloPu

ngar

abat

o0.

3166

7125

regu

lar

Man

zani

llo0.

3507

9854

regu

larÁ

lvaro

Obr

egón

0.29

2675

64m

aloTa

xco

de al

arco

n0.

3353

9899

regu

lar

(Con

tinúa

...)

Nóe

sis

100

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Teco

mán

0.35

0709

97re

gular

Tláh

uac

0.24

9714

35m

uy m

aloTe

cpan

de g

alean

a0.

3260

3434

regu

lar

Vill

a de

Álva

rez

0.36

6019

96bu

eno

Tlal

pan

0.26

7606

28m

aloTe

lolo

apan

0.46

7402

28ex

celen

te

Arri

aga

0.29

2675

37m

aloXo

chim

ilco

0.29

3733

77m

aloT

ixtla

de g

uerre

ro0.

3760

9711

buen

o

Berri

ozáb

al0.

1697

042

muy

malo

Cua

uhté

moc

c0.

3687

4334

buen

oT

lapa d

e com

onfo

rt0.

5886

6397

exce

lente

Cin

talap

a0.

5022

8224

exce

lente

Dur

ango

0.32

0614

15re

gular

Edua

rdo

Ner

i0.

6082

1995

exce

lente

Com

itán

de

Dom

íngu

ez0.

4208

6245

muy

bu

eno

Góm

ez P

alacio

0.28

4415

86m

aloA

ctop

an0.

4143

3623

muy

bue

no

Cua

utep

ec

de H

inoj

osa

0.29

9968

23m

aloC

uern

avac

a0.

3728

8335

buen

oSa

nto

Dom

ingo

Te

huan

tepe

c0.

4054

1856

buen

o

Emili

ano

Zap

ata

0.56

5871

01ex

celen

teEm

ilian

o Z

apat

a0.

3988

8062

buen

oA

cajet

e0.

3490

4049

regu

lar

(Con

tinúa

...)

101

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Hue

jutla

de

Rey

es0.

3527

7969

regu

larJiu

tepe

c0.

3736

7864

buen

oA

catlá

n0.

3032

4973

malo

Pach

uca

de S

oto

0.30

2713

85m

aloPu

ente

de I

xtla

0.25

2317

99m

uy m

aloA

jalpa

n0.

4794

1671

exce

lente

Tepe

ji de

l Río

de

Oca

mpo

0.26

3391

12m

uy m

aloTe

mixc

o0.

3440

8469

regu

larA

moz

oc0.

2595

2612

muy

malo

Tiz

ayuc

a0.

3740

2889

buen

oT

laltiz

apán

0.23

6856

74m

uy m

aloA

tlixc

o0.

3665

9177

buen

o

Tlax

coap

an0.

2799

0244

malo

Tlaq

uilte

nang

o0.

2423

284

muy

malo

Cua

utlan

cingo

0.35

9474

78re

gular

Tula

de A

llend

e0.

2546

2016

muy

malo

Xoch

itepe

c0.

2923

9177

malo

Cha

lchico

mu-

la de

Ses

ma

0.41

4833

72m

uy b

ueno

Tulan

cingo

de

Bra

vo0.

2585

3353

muy

malo

Yaut

epec

0.32

1224

2re

gular

Chi

gnah

uapa

n0.

4739

5649

exce

lente

Ara

ndas

0.39

3745

46bu

eno

Zac

atep

ec

de H

idalg

o0.

2307

1262

muy

malo

Hua

uchi

nang

o0.

2935

6622

malo

(Con

tinúa

...)

Nóe

sis

102

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Ato

toni

lco

el A

lto0.

3796

2731

buen

oA

capo

neta

0.28

6468

81m

aloH

uejo

tzin

go0.

3812

5119

buen

o

Ayo

tlán

0.32

6440

06re

gular

Com

poste

la0.

3345

0601

regu

larIz

úcar

de M

a-ta

mor

os0.

3039

2044

malo

La B

arca

0.34

8602

89re

gular

Ixtlá

n de

l río

0.

2778

0278

malo

Pueb

la0.

3149

1395

regu

lar

Zap

otlán

el

Gra

nde

0.29

9960

74m

aloX

alisc

o0.

3964

7637

buen

oSa

n A

ndré

s Cho

lula

0.46

0810

29m

uy b

ueno

Cha

pala

0.36

2528

39re

gular

Sant

iago

Ixcu

intla

0.24

8522

83m

uy m

aloSa

n M

artín

Te

xmelu

can

0.31

8372

71re

gular

Gua

dalaj

ara

0.31

8013

95re

gular

Tecu

ala0.

2090

1806

muy

malo

San

Pedr

o C

holu

la0.

3777

7226

buen

o

Lago

s de

Mor

eno

0.43

5102

74m

uy

buen

oTe

pic

0.30

1459

73m

aloTe

cam

acha

lcoo

0.37

2557

97bu

eno

Oco

tlán

0.26

8297

59m

aloTu

xpan

0.21

0921

94m

uy m

aloTe

huac

án0.

3154

245

regu

lar

Ponc

itlán

0.41

3102

89bu

eno

Bahí

a de

Band

eras

0.39

4449

53bu

eno

Tepe

aca

0.34

3984

41re

gular

(Con

tinúa

...)

103

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Puer

to V

allar

ta0.

3589

6218

regu

larA

náhu

ac0.

2695

7055

malo

Teziu

tlán

0.31

5024

69re

gular

El S

alto

0.32

6476

89re

gular

Apo

daca

0.29

0777

85m

aloXi

cote

pec

0.38

7452

61bu

eno

San

Juan

de

los L

agos

0.42

5909

95m

uy

buen

oC

ader

eyta

Jim

énez

0.29

9388

14m

aloZ

acat

lán0.

4103

5221

buen

o

Teoc

altich

e0.

2812

3412

malo

Gar

cía0.

5773

2723

exce

lente

Cor

regi

dora

0.36

9948

59bu

eno

Tepa

titlán

de

Mor

elos

0.33

1523

23re

gular

San

Pedr

o G

arza

Gar

cía0.

2907

2672

malo

El M

arqu

és0.

4926

0574

exce

lente

Tlaj

omul

co

de Z

úñig

a0.

5220

5559

exce

lente

Gra

l. Esc

obed

o0.

2922

2614

malo

Que

réta

ro0.

3677

1662

buen

o

Tlaq

uepa

que

0.38

4224

07bu

eno

Gua

dalu

pe0.

2768

2069

malo

San

Juan

del

Río

0.36

0995

19re

gular

Tona

lá0.

4096

2785

buen

oJu

árez

0.46

6208

65ex

celen

teTe

quisq

uiap

an0.

4492

9213

muy

bue

no

Tuxp

an0.

3308

9566

regu

larLi

nare

s0.

3156

1355

regu

larC

ozum

el0.

3834

8597

buen

oZ

acoa

lco

de T

orre

s0.

4039

4125

buen

oM

onte

rrey

0.29

4220

31m

aloFe

lipe C

arri-

llo P

uerto

0.72

3523

28ex

celen

te

(Con

tinúa

...)

Nóe

sis

104

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Zap

opan

0.37

5237

39bu

eno

Sabi

nas

Hid

algo

0.25

6068

64m

uy m

aloIs

la M

ujer

es0.

4590

7781

muy

bue

no

Apa

tzin

gán

0.34

0846

29re

gular

Sant

a Cat

arin

a0.

3356

5361

regu

larO

thón

P. B

lanco

0.44

0046

53m

uy b

ueno

Hid

algo

0.29

7518

39m

aloSa

ntiag

o0.

3658

6555

buen

oBe

nito

Juár

ez0.

5214

2305

exce

lente

Láza

ro

Cár

dena

s0.

3087

5357

malo

Her

oica

Ciu

dad

de H

uaju

apan

de

Leó

n0.

3230

9614

regu

larSo

lidar

idad

0.68

1735

59ex

celen

te

Mor

elia

0.33

5660

33re

gular

Lom

a Bon

ita0.

3505

91re

gular

Cár

dena

s0.

3932

1451

buen

o

Pátz

cuar

o0.

2923

8386

malo

Mat

ías R

omer

o A

vend

año

0.32

6089

23re

gular

Cat

orce

0.56

9462

75ex

celen

te

La P

iedad

0.28

9328

13m

aloO

axac

a de

Juár

ez0.

3360

751

regu

larC

iuda

d Fe

rnán

dez

0.43

3573

2m

uy b

ueno

Uru

apan

0.30

7880

71m

aloSa

n Ju

an B

au-

tista

Tux

tepe

c0.

3725

7257

buen

oC

iuda

d Va

lles

0.32

1727

35re

gular

(Con

tinúa

...)

105

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Zam

ora

0.28

0099

59m

aloSa

nta C

ruz

Xoxo

cotlá

n0.

3539

267

regu

larC

harc

as0.

4429

4745

muy

bue

no

Zitá

cuar

o0.

3382

43re

gular

Sant

a Luc

ía de

l Cam

ino

0.51

1326

72ex

celen

teÉb

ano

0.27

0302

15m

alo

Cua

utla

0.29

6427

15

malo

Sant

a Mar

ía A

tzom

pa0.

7155

1261

exce

lente

Mat

ehua

la0.

2758

8702

malo

Moc

tezu

ma

0.40

6915

77bu

eno

Cun

duac

án0.

2584

6242

muy

malo

Las C

hoap

as0.

3932

167

buen

o

Riov

erde

0.39

6451

4bu

eno

Emili

ano

Zap

ata

0.33

7681

35re

gular

Ixhu

atlán

del

Sure

ste0.

4892

3962

exce

lente

Salin

as0.

3748

3431

buen

oH

uim

angu

illo

0.33

3377

59re

gular

Xala

pa0.

3084

0142

malo

San

Luis

Poto

sí0.

2720

565

malo

Jalp

a de

Mén

dez

0.41

1182

71bu

eno

Min

atitl

án0.

2726

5263

malo

Soled

ad d

e G

racia

no

Sánc

hez

0.30

9166

78m

aloM

acus

pana

0.30

0486

54m

aloO

rizab

a0.

2657

5454

malo

(Con

tinúa

...)

Nóe

sis

106

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Tam

azun

chale

0.59

1517

59ex

celen

teN

acaju

ca0.

4210

1098

muy

bu

eno

Poza

Rica

de

Hid

algo

0.34

3830

32re

gular

Tam

uín

0.51

6854

87ex

celen

teTe

apa

0.21

8032

35m

uy m

aloSa

n A

ndré

s Tux

tla0.

3636

0649

regu

lar

Vane

gas

0.45

7199

44m

uy

buen

oTe

nosiq

ue0.

2816

2729

malo

Tier

ra B

lanca

0.32

2660

04re

gular

Vena

do0.

4324

4608

muy

bu

eno

Alta

mira

0.39

3391

25bu

eno

Tlac

otalp

an0.

3817

7154

buen

o

Vill

a de

Gua

dalu

pe0.

3127

3854

malo

Ciu

dad

Mad

ero

0.27

9660

35m

aloT

lapac

oyan

0.36

4575

1bu

eno

Vill

a de l

a Paz

0.20

1351

88m

uy m

aloEl

Man

te0.

2821

4637

malo

Tuxp

an0.

3802

8548

buen

oV

illa d

e Ram

os0.

4080

0098

buen

oM

atam

oros

0.33

0468

54re

gular

Vera

cruz

0.36

2739

77re

gular

Zar

agoz

a0.

4903

949

exce

lente

Mig

uel A

lemán

0.36

7666

38bu

eno

Yang

a0.

3545

6269

regu

lar

Aho

me

0.32

3590

63re

gular

Nue

vo L

ared

o0.

3285

3732

regu

larZ

arag

oza

0.26

5789

53m

alo

Cul

iacán

0.41

3119

66bu

eno

Reyn

osa

0.48

2059

54ex

celen

teH

unuc

má

0.41

6546

83m

uy b

ueno

(Con

tinúa

...)

107

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Gua

save

0.31

8065

77re

gular

Río

Brav

o0.

3528

5531

regu

larIz

amal

0.43

5366

75m

uy b

ueno

Maz

atlán

0.29

5880

32m

aloSa

n Fe

rnan

do0.

3396

477

regu

larK

anas

ín0.

6671

3813

exce

lente

Salva

dor d

e A

lvara

do0.

2797

4559

malo

Tam

pico

0.28

3341

39m

aloM

érid

a0.

3598

6082

regu

lar

Nav

olat

o0.

4949

3094

exce

lente

Valle

Her

mos

o0.

3120

9871

malo

Mot

ul0.

3340

4532

regu

lar

Agu

a Prie

ta0.

2954

0846

malo

Vict

oria

0.30

4419

14m

aloPr

ogre

so0.

3405

4217

regu

lar

Cab

orca

0.34

1069

5re

gular

Ape

tatit

lán

de A

nton

io

Car

vajal

0.29

6743

37m

aloT

icul

0.39

3958

09bu

eno

Caje

me

0.31

1674

48m

aloA

piza

co0.

2717

9797

malo

Tizi

mín

0.30

1047

79m

aloC

anan

ea0.

2657

2915

malo

Calp

ulalp

an0.

3728

7638

buen

oU

mán

0.40

5392

91bu

eno

Empa

lme

0.26

2844

5m

uy m

aloC

hiau

tem

pan

0.31

4276

95m

aloVa

llado

lid0.

4225

9809

muy

bue

no

Gua

ymas

0.25

5120

23m

uy m

aloSa

n Pa

blo

del M

onte

0.35

3727

22re

gular

Fres

nillo

0.33

8779

49re

gular

(Con

tinúa

...)

Nóe

sis

108

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa

Polígonos

Índice de impacto


Polígonos

Índice de impacto


Polígonos

Índice de impacto


Her

mos

illo

0.32

6446

98re

gular

Sant

a Cru

z T

laxca

la0.

3972

7475

buen

oG

uada

lupe

0.32

4460

14re

gular

Hua

taba

mpo

0.41

1501

76bu

eno

Tlax

cala

0.33

7963

96re

gular

Jere

z0.

2442

1246

muy

malo

Mag

dalen

a0.

3078

1778

malo

Toto

lac0.

2934

4689

malo

Lore

to0.

3210

7463

regu

lar

Nav

ojoa

0.32

8899

77re

gular

Zac

atelc

o0.

2865

0505

malo

Noc

histl

án d

e Mejí

a0.

3125

0807

malo

Nog

ales

0.36

0398

76re

gular

La M

agda

lena

Tlal

telu

lco0.

3988

1759

buen

oO

joca

lient

e0.

3857

667

buen

o

Puer

to P

eñas

co0.

2633

1881

muy

malo

Alva

rado

0.30

0713

11m

aloRí

o G

rand

e0.

3261

5578

regu

lar

San

Luis

Río

Col

orad

o0.

2714

4921

malo

Band

erill

a0.

4862

7987

exce

lente

Som

brer

ete

0.32

7555

43re

gular

Beni

to Ju

árez

0.34

7464

12re

gular

Boca

del

Río

0.29

0582

8m

aloVa

lpar

aíso

0.38

5533

91bu

eno

Cár

dena

s0.

2727

2303

malo

Coa

tzac

oalco

s0.

2625

6959

muy

malo

Zac

atec

as0.

2864

7096

malo

Cen

tro0.

3153

7141

regu

larC

oatz

intla

0.39

3828

29bu

eno

Fuen

te: E

labo

raci

ón p

ropi

a.

109

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o Conclusiones La evaluación del Programa Hábitat a través de los elementos pro-

puestos en las formas metodológicas establecidas, distinguió los si-guientes hallazgos: en términos lingüísticos el impacto del programa resultó ser bueno, esto a partir de una gama de alternativas que la me-todología basada en la lógica difusa facultaba asignar, es decir, el valor del indicador de impacto para la totalidad de la población en estudio en donde intervino el Programa Hábitat es de 𝜇𝑧 = 0.364093498, este valor cuantitativamente indica que de las variaciones posibles en-tre los impactos por cada polígono evaluado permitieron al programa impactar en un 36.4% como porcentaje de cambio positivo o mejora en los polígonos.

Es de relevancia mencionar que la etiqueta de impacto “bueno”, del impacto del programa en los polígonos de intervención, proviene directamente de la metodología aplicada y no de juicios de valor, es decir, la estructura metodológica que se construyó para la evaluación de impacto, consistía en direccionar el índice de impacto calculado ha-cia una calificación del mismo y esto es de los beneficios directos que aportó la propuesta metodológica de esta investigación.

Se comprueba que la teoría de la lógica difusa y su aplica-ción matemática de los conjuntos difusos, son de gran utilidad para la comprensión de fenómenos de decisión política y aplicación práctica dirigida al bienestar y el interés social; además, se comprueba que la metodología y procedimiento elegidos son los adecuados para arribar a conclusiones significativas en este campo de estudio de la política social desde la lógica difusa, por lo que en síntesis, se propone la gene-ralización de su adopción desde los más altos estándares académicos, del rigor científico de estas formas de realizar evaluación de impacto, de su integración transdisciplinaria en nuevos lenguajes del conoci-miento económico social y cultural, y en especial de sus aplicaciones para aumentar el grado de certeza en las decisiones y realizaciones de política social; así como para evaluar el desempeño y redireccionar acontecimientos de interés político para la gestión pública.

Nóe

sis

110

Eval

uació

n de

polít

icas y

pro

gram

as so

ciales

med

iant

e lóg

ica d

ifusa Entonces, la teoría de conjuntos difusos resulta ser un instru-

mento útil no sólo para medir, sino también para aplicar y evaluar la política pública.

Referencias bibliográficas

Amozurrutia (2006). “Lógica difusa y redes neuronales aplicadas a las Ciencias Sociales: un reto a la práctica interdisciplinaria”, en: Jornadas anuales de investigación 2005, ceiich, unam, México.

Dagum C., Costa M. (2004). Analysis and measurement of poverty. Univariante and multivariante approaches and ther policy implication. A case of study : “Italy.” Springer Link.

Feixas, G. y Cornejo, J. (1996). Manual de la técnica de la rejilla mediante el programa record, 2.0, Paidós, Barcelona.

García, R. (2011). From Planning to Evaluation. A System Approach to Agricultural Development Projects. ifad report , núm. 0341.

Garcia, P. Lazzari L. (2000). “La evaluación de la calidad en la universidad.” Cuadernos del cimbage, núm. 003, Universidad de Buenos Aires, Red de revistas de América Latina y el Caribe, España y Portugal.

Quesada Gil (1990). “La teoría de los conjuntos borrosos en la medición escolar.” Tesis doctoral. Departamento Métodos de Investigación y Diagnóstico en Educación. ub, Barcelona.

Jang, J., Mizutani, E. y Sun, C. (1997). Neuro-fuzzy and soft computing: A computional approach to learning and machine intelligence. Prentice Hall, New York.

Lynch, Horacio, M. y Vassolo Roberto (1993). “Medición de la seguridad jurídica. Planteo de un método o test de medición de la seguridad jurídica en relación con el crecimiento económico, aplicación de la teoría de los conjuntos borrosos.” xxvii Reunión Anual de Asociación Argentina de Economía Política Tucumán. República Argentina.

Letichevsky (2004). “La categoría precisión en la evaluación y en la meta evaluación: aspectos prácticos y teóricos”, en: Conferencia de Relac., 1, 2004, Lima. Trabajo presentado, Lima.

111

Vol.

24 •

núm

ero 4

7 • 2

015

Lucio

Flor

es Pa

yán

y J.

Refu

gio V

allej

o Morales R. M. A. (2008), “La teoría de conjuntos difusos como una opción para medir la pobreza: el caso mexicano”, El trimestre Económico, 299. Pp. 641-662.

Munné, F. (1995) “Las teorías de la complejidad y sus implicaciones en las ciencias del comportamiento”, Revista Interamericana de Psicología, 29, 1. Pp. 1-12.

Uharte Poza, L. M. (2009). “Política social en Venezuela: un nuevo paradigma?” Tesis doctoral, Universidad Complutense de Madrid, Facultad de Ciencias Políticas y Sociología, Departamento de Ciencias Políticas y de la Administración.

Zadeh L. A. (1996). “Nacimiento y evolución de la lógica difusa, el soft computing y la computación con palabras: un punto de vista personal”, en: Psicothema, 8, 2. Pp. 421-429.

Evaluación de políticas y programas sociales mediante ... · interdefinibilidad y mutua...

Documents

Transcript of Evaluación de políticas y programas sociales mediante ... · interdefinibilidad y mutua...