De la Teoría a la Práctica: Implementación de Redes Neuronales en el Diseño de Políticas Públicas Efectivas
Resumen
Este artículo de revisión explora la implementación de redes neuronales en el diseño de políticas públicas, evaluando su impacto en la eficiencia, eficacia y sostenibilidad de las intervenciones gubernamentales. El objetivo es proporcionar una visión comprensiva de cómo estas tecnologías avanzadas pueden transformar la formulación de políticas y superar desafíos específicos. La metodología empleada sigue el enfoque PRISMA, incluyendo una exhaustiva búsqueda y análisis de estudios relevantes publicados entre 2010 y 2023. Se realizaron revisiones sistemáticas de la literatura para identificar aplicaciones de redes neuronales en áreas clave como gestión del tráfico, salud pública, educación y manejo de desastres. Los principales hallazgos revelan que las redes neuronales pueden mejorar significativamente la eficiencia operativa y la satisfacción ciudadana, al tiempo que contribuyen a la reducción de costos. No obstante, se identificaron desafíos críticos, como problemas técnicos, cuestiones éticas y barreras en la integración tecnológica. Este estudio subraya la necesidad de desarrollar estrategias para abordar estos desafíos y optimizar el uso de redes neuronales en el ámbito de las políticas públicas, ofreciendo recomendaciones para futuras implementaciones y estudios.
Descargas
Citas
Chen, J., Li, H., & Zhang, Y. (2020). Optimizing traffic management with convolutional neural networks. Transportation Research Part C: Emerging Technologies, 110, 134-146.
Dastin, J. (2018). Algorithmic bias detectives. The New York Times.
https://www.nytimes.com/2018/07/20/technology/algorithmic-bias-detectives.html
Gomez, R., & Lee, K. (2021). Personalized learning through neural networks: A case study in education. Educational Technology Research and Development, 69(2), 301-320.
Huang, Q., & Lin, L. (2019). Applying neural networks to public health resource distribution. Health Informatics Journal, 25(4), 1152-1167.
Johnson, M., & Zhao, Q. (2021). Economic trend prediction using recurrent neural networks. Journal of Economic Forecasting, 29(1), 23-37.
Lee, S., et al. (2020). Social media discourse analysis with autoencoders. Journal of Computational Social Science, 8(1), 77-92.
O'Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown Publishing.
Patel, S., & Kumar, R. (2022). Disaster management and neural network forecasting. International Journal of Disaster Risk Reduction, 63, 102-114.
Smith, A., et al. (2019). Urban traffic optimization using convolutional neural networks. IEEE Transactions on Intelligent Transportation Systems, 20(5), 1800-1812.
Sweeney, L., et al. (2022). Challenges in data quality for neural network applications. Data Science Review, 11(2), 95-110.
Wang, T., et al. (2021). Enhancing patient satisfaction with neural network-based personalized medicine. Journal of Healthcare Informatics, 19(3), 250-265.
Yang, R., et al. (2021). Reducing operational costs in power grid management through neural networks. IEEE Transactions on Power Systems, 36(1), 75-85.
Zhang, L., et al. (2021). Overcoming resistance to neural network technology in public sector organizations. Public Administration Review, 81(4), 560-574.
Binns, R., et al. (2018). Integration of neural networks with existing systems. Journal of Technology and Integration, 12(3), 45-58.
Dastin, J. (2018). Algorithmic bias detectives. The New York Times.
https://www.nytimes.com/2018/07/20/technology/algorithmic-bias-detectives.html
Lee, S., et al. (2020). Social media discourse analysis with autoencoders. Journal of Computational Social Science, 8(1), 77-92.
O'Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown Publishing.
Alegría Bernal, C. M. (2024). La Norma Iso 21001 Y Su Aplicación En El Ámbito De La Educación Superior. Estudios Y Perspectivas Revista Científica Y Académica , 4(2), 374–389. https://doi.org/10.61384/r.c.a.v4i2.228
Zeballos , F. (2024). Shock Séptico en Terapia Intensiva Adulto del Hospital San Juan de Dios de la Ciudad de Tarija: Revista Científica de Salud y Desarrollo Humano. Revista Científica De Salud Y Desarrollo Humano, 5(2), 179–191. https://doi.org/10.61368/r.s.d.h.v5i2.128
Gallegos Medina, S. L. (2024). Desarrollo Sociocultural durante la Primera Infancia desde una Perspectiva Psicológica. Emergentes - Revista Científica, 4(1), 12–21. https://doi.org/10.60112/erc.v4i1.86
Montes López, V. (2023). Socioeconomic Inequalities in Health: A Challenge for Equity. Revista Veritas De Difusão Científica, 4(1), 18–29. https://doi.org/10.61616/rvdc.v4i1.35
Fernández C., F. (2024). Determinación De Erodabilidad En Áreas De Influencia Cuenca Poopo Región Andina De Bolivia. Horizonte Académico, 4(4), 63–78. Recuperado a partir de https://horizonteacademico.org/index.php/horizonte/article/view/19
Medina Nolasco, E. K., Mendoza Buleje, E. R., Vilca Apaza, G. R., Mamani Fernández, N. N., & Alfaro Campos, K. (2024). Tamizaje de cáncer de cuello uterino en mujeres de una región Andina del Perú. Arandu UTIC, 11(1), 50–63. https://doi.org/10.69639/arandu.v11i1.177
Da Silva Santos , F., & López Vargas , R. (2020). Efecto del Estrés en la Función Inmune en Pacientes con Enfermedades Autoinmunes: una Revisión de Estudios Latinoamericanos. Revista Científica De Salud Y Desarrollo Humano, 1(1), 46–59. https://doi.org/10.61368/r.s.d.h.v1i1.9
Patel, S., & Kumar, R. (2022). Disaster management and neural network forecasting. International Journal of Disaster Risk Reduction, 63, 102-114.
Sweeney, L., et al. (2022). Challenges in data quality for neural network applications. Data Science Review, 11(2), 95-110.
Smith, A., et al. (2019). Urban traffic optimization using convolutional neural networks. IEEE Transactions on Intelligent Transportation Systems, 20(5), 1800-1812.
Wang, T., et al. (2021). Enhancing patient satisfaction with neural network-based personalized medicine. Journal of Healthcare Informatics, 19(3), 250-265.
Yang, R., et al. (2021). Reducing operational costs in power grid management through neural networks. IEEE Transactions on Power Systems, 36(1), 75-85.
Zhang, L., et al. (2021). Overcoming resistance to neural network technology in public sector organizations. Public Administration Review, 81(4), 560-574.
Binns, R., et al. (2018). Integration of neural networks with existing systems. Journal of Technology and Integration, 12(3), 45-58.
Vallejo-Rosero, C. A., López-Contreras, J. del R., Tabarquino-Muñoz, R. A., & Gaviria-Moreno, G. E. (2024). Estrategias de inclusión en la economía del conocimiento para mejorar la calidad de vida de poblaciones vulnerables. Journal of Economic and Social Science Research, 4(3), 13–31. https://doi.org/10.55813/gaea/jessr/v4/n3/118
Vallejo-Rosero, C. A., Quesada-Paz, M. M., Londoño-Puentes, J. C., & López-Contreras, J. del R. (2024). Factores que afectan el desempeño laboral en el personal de la salud en una IPS de primer nivel en el municipio de Candelaria Valle del Cauca: un análisis para el primer semestre del 2023. Journal of Economic and Social Science Research, 4(2), 114–139. https://doi.org/10.55813/gaea/jessr/v4/n2/97
Derechos de autor 2024 Christian Alirio Vallejo-Rosero , Víctor Hugo Tabarquino-Muñoz, Gerson Esteban Gaviria-Moreno, Raúl Andrés Tabarquino-Muñoz
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.