Factores y delitos violentos en Colombia

Los factores de violencia en Colombia han prevalecido por diversos motivos. ^{Sánchez (2020}) explica que se deben principalmente a la inequidad en el acceso a derechos básicos, así como la desigualdad en el ejercicio de la justicia, de ingresos y de acceso a oportunidades. Esto se refleja en la disparidad en calidad de vida, calidad en salud, consumo per cápita y educación en los territorios y en el contexto regional de la población. Por tanto, es importante entender las épocas y situaciones que predisponen los índices de violencia en Colombia. Un punto a tener en consideración son los delitos que implican violencia, entendida como aquellas acciones que implican comportamientos dañinos sobre una persona, que se presentan en delitos como los homicidios, la violencia sexual y los hurtos (^{Magalhães, 2022}).

Por ende, el análisis de delitos por tipología y ubicación espacial y temporal es relevante para desplegar las operaciones policiales necesarias en el momento exacto. De ahí que se tenga conciencia de las áreas de bajo y alto impacto delictivo según su ubicación, patrones y épocas del año (^{Butt et al., 2021}). Por ello, todos los países establecen normas que tipifican estos incidentes con valor judicial. En Colombia, los delitos se establecen en el Código Penal (^{Ley 599,2000}), donde prevalecen las conductas punibles y sus sanciones, con el fin de regular la sociedad y garantizar la acción de la justicia. La Policía Nacional clasifica y registra los eventos delictivos (como homicidios, lesiones, hurtos, piratería, abigeato, terrorismo, delitos sexuales, violencia intrafamiliar y amenazas) que ocurren en el territorio colombiano a través de su base de información de estadísticas delictivas, donde los desagrega en variables como tiempo, modo y lugar, con el objetivo de entender el desarrollo de cada crimen cometido (^{Policía Nacional de Colombia, 2022}). Con esto, para efectos prácticos de la investigación, fue necesario definir los delitos violentos objeto de estudio, de acuerdo con el Código Penal colombiano (^{Ley 599, 2000}).

Así, las amenazas se consideran delitos que atemorizan a personas, instituciones, entidades o familias con el fin de propagar terror o coaccionarlas; los delitos sexuales son actos carnales abusivos y violentos; los delitos de extorsión son un acto de opresión y de obligación a tolerar o pasar por alto hechos, palabras y órdenes con el propósito de recibir beneficios para sí mismo o terceros. Por otra parte, los homicidios son delitos que atenían contra la vida de una persona, ya sea homicidio culposo, preterintencional o por piedad; a su vez, los delitos de secuestro se refieren a actos de privación de la libertad por retener, arrebatar o sustraer a una persona, ya sea secuestro simple o extorsivo. Por último, el terrorismo procesa aquellos actos de conflicto armado en el que estén implicados ataques de violencia hacia la población.

Clustering en el sector de criminología

El análisis de clustering (o agolpamiento) es una técnica multivariante enfocada en formar grupos o conglomerados de datos, con el fin de obtener etiquetas de características diferenciadoras para su comparación, con base en la cercanía o similitud de sus elementos para conocer los patrones estudiados. De acuerdo al concepto de ^{Chang y Chen (2018}), la técnica de clústeres, denominada también como análisis de segmentación o de taxonomía, aplica un método estadístico para generar grupos a través de una muestra de datos, señalando el número adecuado de conglomerados para evaluar variables de la mejor forma y establecer aquellos grupos similares que se alejan o son diferentes entre sí. Otros investigadores consideran este método como la partición de variables en subconjuntos para un agrupamiento que permita hallar la conformación organizada y brindar hipótesis en respuesta a las inquietudes surgidas al estudiar o investigar dichas variables (^{Jami & Gore, 2019}).

En este sentido, las técnicas de clustering se han empleado para evaluar diversos temas. ^{De la Hoz-Domínguez et al. (2021}) utilizaron el análisis por conglomerados para identificar los grupos de 27 entidades de salud acreditadas en alta calidad, siguiendo los patrones de acreditación y variables de entrada como cuentas por cobrar, inventario, propiedad y equipo, y variables de salida como las ventas de servicios de salud y utilidad neta. Esto arrojó dos principales grupos de instituciones: las acreditadas en proceso de consolidación financiera y otras instituciones acreditadas financieramente sólidas. ^{Fontalvo et al. (2021}) también mostraron la importancia del clustering en análisis de diversos contextos. Igualmente, existen estudios de aplicación de clustering en el campo criminalístico: ^{Sukhija et al. (2022}) identificaron puntos criminales con clasificadores no supervisados y el algoritmo K-nearest (K-más cercano) en Gurgaon, India, teniendo en cuenta casos delictivos de los últimos cinco años en esta zona; de esta forma se reconocieron los puntos geográficos en función de la captación de delitos, con una precisión del 99 %.

Por su parte, ^{Butt et al. (2021}) dispusieron de un análisis de conglomerado jerárquico mediante un algoritmo de agrupamiento HDDSCAN, que filtra datos espaciales para encontrar las características de los grupos sin información a priori sobre el número de clústeres que deben ser encontrados dentro de la región -en este caso, las zonas de mayor población, negocios y movilidad de Nueva York-. Los resultados demuestran la zona con mayor delincuencia, lo que permite empoderar a las autoridades para que desarrollen patrullajes o estrategias basadas en esta información. Otros trabajos usan estas herramientas para investigar más a profundidad a partir de los puntos calientes localizados por clústeres, con el fin de predecir sus ocurrencias en un futuro, en conjunto con análisis bidimensionales, lo que permite una mayor comprensión y actuación sobre los espacios locales según la categoría delictiva y su relación con variables como el tiempo, la ubicación, los ingresos por familia y demás (^{Hajela et al., 2020}).

Por último, en Colombia también se han hecho estudios de análisis por grupos en diferentes ciudades. Tal es el caso expuesto por ^{Aguirre et al. (2018}), que demostraron cómo a través de la minería de datos es posible identificar barrios con mayor significancia en hurtos, así como los departamentos donde prevalecieron delitos sexuales entre los años de 2010 y 2016. Además, evidencia que estas técnicas permiten un aprovechamiento del volumen de datos tratados, dado que las técnicas tradicionales resultan ineficientes para ello; aunque sea un método complejo, la información resultante genera nuevo conocimiento para la toma de decisiones.

Redes neuronales y predicción en el sector de delitos en Colombia

Las redes neuronales pertenecen al subgrupo de técnicas empleadas en inteligencia artificial y deep learning (aprendizaje profundo). Se trata de redes neuronales artificiales que imitan el comportamiento basado en datos históricos para predecir o pronosticar ocasiones futuras en las que se repitan y detecten tales conductas, y que adquieren experiencia a través del aprendizaje automático en la entrada de nodos, nodos ocultos y nodos de salida, que permiten arrojar un resultado concreto. ^{Qi et al. (2019}) explican que las redes neuronales son un tipo de inteligencia artificial inspeccionada, con etiquetas en las que los datos de entrada predisponen las respuestas de los modelos estudiados.

Esto ha permitido el desarrollo de nuevas investigaciones, como la detección de comportamientos maliciosos en equipos Android mediante la toma de muestra de acciones y su integración por grupos de características por cada comportamiento, para entrenar la red neuronal y finalmente identificar en la vida real aquellos patrones que predicen un enlace malicioso (^{Chen et al., 2020}). Asimismo, otros autores utilizan las redes neuronales para detectar otros fenómenos, como la identificación del bullying mediante el reconocimiento de expresiones o palabras que puedan convertirse en ciberacoso, para así ayudar a la población víctima de esta problemática (^{Cumba-Armijos et al., 2022}).

Asimismo, el uso de las redes neuronales en análisis y predicción delincuencial ha prevalecido en los últimos años, por lo cual se han incrementado los países que lo han aplicado, así como los softwares y artículos publicados para la mejor detección y acción sobre los hechos delictivos (^{Walteros et al., 2021}; ^{Khan &: Wani, 2019}). Es así como se ha podido establecer una red neuronal capaz de detectar intrusiones en la red con un algoritmo de red difusa y métodos de identificación lineal, con resultados exactos, para asegurar y proteger la red (^{Dai; 2020}).

Por su parte, ^{George et al. (2019}) compilaron una red neuronal de dos clases que predice cuándo una persona habla y se expresa con sinceridad o falsedad a partir de sus gestos faciales. Primero, se entrenó la red con 62 sujetos de pruebas y se almacenó la variabilidad muscular facial para luego probar y generar pronósticos al respecto. Estos antecedentes muestran la practicidad y funcionalidad de estas técnicas innovadoras, que garantizan un tratamiento competente de los datos que se analizan dirigido a la toma de decisiones, por cuanto se pueden pronosticar comportamientos futuros en contextos delictivos.

Clustering

Tras el análisis con múltiples modelos asociados a las técnicas de cluster, se procedió a estandarizar las variables con el fin de asignar una medida homogénea de similitud para su conglomeración por grupos que se basara en un criterio certero. Con esto se pudieron identificar los modelos que se ajustaban a la información empírica recolectada y consolidada por la Policía Nacional de Colombia para el periodo 2018-2022, con las funciones jerárquicas de distancia euclidiana, para clasificar variables similares entre sí. Además, para el análisis de cluster, se decidió emplear también el enlace de Ward, en el que cada grupo se une al centro del cluster con el que se halle el menor número de errores posibles, es decir, de la diferencia de los cuadrados de sus desviaciones. Así se obtuvieron las diversas estadísticas, que se consolidaron en un dendrograma con los clústeres resultantes. En la Tabla 2 se puede observar el paso de amalgamación y en la Figura 1, el dendograma de los clústeres de delitos por departamento.

Así pues, teniendo en cuenta las corridas junto con los niveles de distancia y de semejanza entre variables, se dividieron los departamentos por los grupos característicos más cercanos entre sí, como se observan en el dendograma (Figura 1), que estableció los cuatro conglomerados o clústeres de los diferentes delitos clasificados en las diferentes regiones de Colombia. De este modo se pudieron reconocer los perfiles y sectores con mayor o menor impacto de delitos de violencia en el país.

Fuente: Elaboración propia con Minitab 16.

Figura 1. Dendograma de los clústeres de violencia por departamento. 

Luego, mediante el dendograma, se pudieron reconocer cuatro clústeres. El primer clúster hace referencia a los departamentos de Amazonas, Guainía, Vichada, Vaupés, San Andrés, Guaviare, Caldas, Risaralda, Caquetá, Putumayo, Sucre, Quindío y Casanare. En el segundo clúster se encuentran los departamentos de Antioquia, Valle y Cundinamarca. El tercer clúster agrupa los departamentos de Arauca, Cauca y Norte de Santander. Por último, en el cuarto clúster se encuentran los departamentos de Atlántico, Santander, Bolívar, Tolima, Córdoba, Boyacá, Cesar, Chocó, Huila, Magdalena, Guajira, Meta y Nariño. De esta manera se clasificaron los diferentes departamentos de Colombia en los grupos jerárquicos. Además, en la Tabla 3, se evalúa el número de departamentos correspondiente a cada conglomerado, sus distancias respecto al centro y su pertenencia a las características particulares encontradas en los clústeres que aluden a los criterios seleccionados para corresponder a cada grupo.

En la Tabla 3 se identifican también los clústeres según su incidencia en hechos delictivos. El clúster con mayor incidencia es el 2, seguido por el clúster 3, luego el clúster 4 y finalmente el cluster de menor incidencia es el 1, a pesar de ser uno de los grupos con mayor número de departamentos. Estos resultados muestran que el clúster 1 contiene el conjunto de departamentos con menores niveles de violencia y ocurrencia de delitos en la ventana de tiempo de evaluación de esta investigación. Por su parte, el clúster 2, aun cuando lo componen solo tres departamentos, reúne el mayor número de delitos de violencia cometidos en Colombia en el periodo evaluado. En consecuencia, en la Tabla 4 se señalan los centroides de los conglomerados asociados con los delitos de amenazas, delitos sexuales, extorsión, homicidio, secuestro y terrorismo.

En la Tabla 4, se definieron los grupos por grado de abordaje de delitos. Al respecto, el clúster 2 confirma que la mayor repercusión de violencia e inseguridad prevaleció por cada tipo de delito. Al mismo tiempo, el clúster 3 señaló niveles altos de los diferentes delitos, a pesar de que los delitos sexuales presentan menores repercusiones sobre estos departamentos. Por otra parte, el clúster 4 mostró niveles negativos para los diferentes delitos, lo cual contrasta con los clústeres 2 y 3. No obstante, en este clúster las amenazas sobresalen sobre los demás delitos, aunque, a diferencia de los otros clústeres, su nivel es muy bajo. En suma, los clústeres 2 y 3 tienden a ser departamentos altamente delictivos, y el menor puntaje delictivo entre todos se evidenció en los departamentos del clúster 1.

En la Figura 1, el dendograma de los cuatro clústeres de violencia por departamento en Colombia tiende a dividirse en dos grandes grupos que aglomeran la mayoría de los departamentos, y que corresponden a los clústeres 1 y 4. Sin embargo, al revisar la Tabla 5, el clúster 2 (Antioquia, Valle y Cundinamarca) muestra un conglomerado que estadísticamente resalta la mayor distancia de centroide, es decir, posee los departamentos con mayor índice de violencia en Colombia. Así mismo, al revisar el cluster 3 (Arauca, Cauca y Norte de Santander), se aprecia un centroide que presenta el segundo valor más alto de los cuatro conglomerados, de lo cual se concluye que es el segundo grupo con mayor impacto en niveles de delitos cometidos en Colombia. En consecuencia, la relación del clúster 2 con los otros tres demostró una cercanía con los departamentos del cluster 3. Ello significa que las distancias entre los grupos 4 y 1 adquieren características similares, que pueden incrementarse o reducirse en un futuro.

Redes neuronales

Con el fin de establecer un modelo para pronosticar los perfiles de violencia, en este apartado se desarrolló el procedimiento para implementar una red neuronal. Para iniciar, se precisaron los nodos de entrada y salida. De este modo, se procedió a establecer una estructura de inteligencia artificial, concebida mediante una red neuronal de doble capa. Para establecerla, se tomaron como punto de partida los cuatro clústeres, señalados en la Tabla 5. A su vez, como variables independientes se procesaron los clústeres identificados en el apartado anterior, además, como covariables se tuvieron en cuenta los diferentes delitos analizados. Finalmente, la estructura del modelo establecido trabajó como capa de entrada un modelo de tangente hiperbólica para ingresar los patrones que se comunican a la red neuronal, mientras que las capas ocultas dieron como resultado la capa de salida, empleando para esta el modelo sigmoide. Como función de error se utilizó la suma de cuadrados.

Enseguida, al ingresar los datos en el programa y procesarlos, se entrenó la red neuronal con los datos de muestra y se completó la corrida de data al 100 % de valores válidos sin exclusión alguna para mayor precisión de respuesta. En consecuencia, los valores de la Tabla 6 generaron la estructura que se muestra en la Figura 2, correspondiente a la red de doble capa en la red neuronal. Allí se evidenció el comportamiento de los delitos con respecto a los clústeres expuestos, con el fin de pronosticar la pertenencia a un determinado conglomerado.

Fuente: Elaboración propia mediante IBM SPSS 27

Figura 2. Estructura de red neuronal doble capa para pronosticar los delitos a un conglomerado determinado. 

Por otra parte, en la Tabla 7 se observó una alta capacidad de clasificación del modelo propuesto para la partición de las 32 muestras, para su entrenamiento, prueba y reserva, en razón a los departamentos de Colombia y su respectivo porcentaje pronosticado por cada clúster encontrado. Esto probó una capacidad promediada de clasificación para el universo estudiado del 97,7 %, un resultado bueno para el modelo propuesto.

Así mismo, en la Tabla 8 se evidencia el nivel de importancia relativa de los diferentes delitos analizados ante la estructura de doble capa relacionada con la red neuronal propuesta. Se observó que el delito de mayor importancia relativa para la generación del comportamiento y los patrones es el secuestro, mientras que el de menor incidencia, relevancia e impacto dentro del modelo es el terrorismo. Esto es analizado desde la información estudiada y los resultados cuantitativos del modelo.

Del mismo modo, para mayor comprensión, se explicitan los datos de la Tabla 8 de manera gráfica en la Figura 3, donde se visualizan los delitos desde un alto hasta un bajo nivel de significancia para el modelo de doble capa de red neuronal, de manera que se pudieron pronosticar los clústeres de los delitos en los diferentes departamentos de Colombia con las condiciones de importancia expuestas.

Fuente: Elaboración propia mediante IBM SPSS 27

Figura 3. Importancia normalizada de los delitos. 

Como hallazgo de esta investigación, se encontró que en los departamentos de Cundinamarca, Antioquía y Valle se generan los mayores niveles de violencia en Colombia. Del mismo modo, el segundo cluster de mayor nivel de violencia es el conformado por los departamentos de Arauca, Cauca y Norte de Santander, aunque muestran una menor implicación de ocurrencia de estos delitos. Como hallazgo asociado a la estructura de red neuronal, se evidenció que la estructura propuesta muestra una capacidad de pronosticar a qué conglomerado podría pertenecer o pasar un departamento a futuro con una probabilidad del 97,7%.

De igual manera, las variables estandarizadas para la red neuronal mostraron que los delitos de mayor importancia para el modelo propuesto en Colombia, en su orden, fueron el secuestro, los delitos sexuales, la extorsión, las amenazas, los homicidios y el terrorismo, como se observa en la Tabla 8 y la Figura 3. En consecuencia, por los altos índices de violencia y los múltiples delitos que se cometen en Colombia, este análisis, que integró el cálculo multivariable y la red neuronal, se constituye en un aporte significativo para la Policía Nacional y demás entidades relacionadas, con el fin de seguir investigando sobre el tema, para optimizar la toma de decisiones relacionadas con la disminución de los delitos analizados en Colombia.