Introducción
Definición y validación empírica del concepto de eficacia colectiva
Entre la década de los ochenta y los 2000, en los países del Norte global se produjo un gran cúmulo de evidencia que respaldaba teorías para explicar los delitos violentos a partir de la confluencia entre factores macrosociales (pobreza, desigualdad y migración) y microsociales (redes vecinales, confianza y control social informal). Una de dichas teorías es la de la eficacia colectiva. Desde finales de los noventa, esta teoría ha tenido un eco importante en América Latina, en un periodo de fuerte aumento de los delitos violentos y la preocupación por la seguridad ciudadana.
El concepto de eficacia colectiva (EC), originalmente desarrollado por Bandura (1982; 1986), se refiere a la capacidad de un grupo para ejecutar acciones concertadas con relación a objetivos y valores compartidos, como la prevención del delito. Este encuentra sus fundamentos en la teoría de desorganización social (TDS) (Shaw & McKay, 1969) y otras teorías ecológicas del delito surgidas de la escuela sociológica de Chicago entre 1920 y 1940.
La tesis central de la TDS planteaba que, en barrios pobres e inestables, los vecinos tenían dificultades para supervisar el comportamiento juvenil y mantener el orden social. Posteriormente, en una versión revisada de la TDS, Kornhauser (1978), Sampson y Groves (1989), y Bursik y Grasmick (1993), afirmaron que la debilidad en las redes formales e informales de un barrio y, por ende, la falta de control sobre conductas y convivencia comunitaria son los principales canales a través de los cuales los factores estructurales afectan al crimen y la victimización violenta en los barrios. Sampson y Groves (1989) probaron empíricamente estas hipótesis.
Siguiendo estas ideas, en el marco del "Proyecto de desarrollo humano en barrios de Chicago", Sampson et al. (1997) propusieron un modelo analítico multinivel para analizar la influencia de la EC en delitos violentos. En este estudio se demostró que, en barrios de alta concentración de desventajas sociales, la victimización era más alta que en otras áreas; pero al considerar la presencia de EC, detectaron que esta mediaba gran parte de los efectos de las variables estructurales, permitiendo reducir los niveles de victimización violenta e inseguridad.
A partir de estos hallazgos, Sampson et al. (1997) concluyeron que, aun en barrios con débiles redes sociales, los vecinos pueden ser eficaces en el control del delito si desarrollan confianza, solidaridad y comparten expectativas respecto a cómo enfrentar problemas comunes. En otras palabras, la EC se define como la combinación de la cohesión social (compuesta por confianza y solidaridad entre vecinos) con la disposición de los residentes de ejercer control social informal (Hipp & Wo, 2015; Oteng-Ababio et al., 2017). De este modo, los estudios reemplazan la noción de control social con este nuevo constructo y lo vinculan al propósito de la prevención de delitos a nivel barrial.
Tras el estudio de Sampson et al. (1997), una vasta cantidad de investigaciones ecológicas han utilizado el concepto analizando su influencia en victimización o delincuencia, pero sin cuestionar su validez (Browning et al., 2004). Así, en diversas ciudades del Norte global, como Estocolmo (Sampson & Wikstrõm, 2008), Los Ángeles (Burchfield & Silver, 2013), Malmo (Suecia) (Gerell & Kronkvist, 2016), Lovaina (Bélgica) (Hardyns et al., 2022), Tianjin (China) (Zhang et al., 2007), y en ciudades de Australia como Brisbane y Melbourne (Mazerolle et al., 2009; Zahnow et al., 2022), se han realizado estudios que revelan una relación negativa entre EC y crimen. Es decir, en barrios con mayores niveles de EC se han observado menores tasas de crimen o menor probabilidad de victimización violenta (Sampson, 2012).
También se han encontrado estudios con evidencia favorable en ciudades del Sur global, como en Ghana (Frimpong et al., 2018), Trinidad y Tobago (Kochel, 2013) y Belo Horizonte (Brasil) (Silva, 2014; Villarreal & Silva, 2006).
No obstante, en otros estudios se ha demostrado, por el contrario, que no existe una relación directa entre EC y crimen violento en ciudades del Norte global, como, por ejemplo, en Londres (Sutherland et al., 2013) y en La Haya (Países Bajos) (Bruinsma et al., 2013). A partir de ello, desde los trabajos de Hipp y Wo (2015), Hipp y Wickes (2017) y Rhineberger-Dunn y Carlson (2009; 2011) se han planteado críticas en torno a dos aspectos: 1) la falta de rigurosidad en la definición y medición de la EC, y 2) la ambigüedad respecto a si la confianza, cohesión y control informal son componentes de la EC o más bien actúan como determinantes de esta. Desde el Sur global también se han hecho estudios que cuestionan la medición y aplicabilidad del concepto de EC, así como su influencia sobre la victimización violenta y el temor al delito, lo cual se aborda en las siguientes secciones.
En conexión con estas críticas, este estudio busca aclarar, mediante un análisis empírico detallado, cómo la confianza, la cohesión y el control social informal se interrelacionan y contribuyen a dar forma al constructo de EC en diferentes contextos comunitarios. A través de una metodología rigurosa, se busca aportar a la comprensión teórica de la EC y sus implicaciones en la dinámica barrial, ofreciendo perspectivas valiosas para el desarrollo de futuras investigaciones y políticas públicas.
Medición de la eficacia colectiva
El trabajo seminal de Sampson et al. (1997) marcó un hito en el estudio de la EC al enfocarse en cómo la cohesión social y la disposición a la intervención comunitaria, elementos clave de este concepto, impactan en la reducción de los delitos violentos en barrios residenciales. Desde entonces, numerosos estudios han explorado empíricamente esta teoría con una amplia gama de resultados. Pese a esta abundancia de evidencia, pocos han abordado los desafíos inherentes a la medición de la EC, un concepto reconocido por su carácter latente (no directamente observable), y la complejidad que implica su cuantificación.
La EC se construye a través de un índice que engloba tres dimensiones cruciales: la confianza entre vecinos, la cohesión o unión comunitaria, y la disposición al control social informal, definidas a través de un análisis estadístico factorial. De estas tres, la escala de control social informal se ha identificado como la más desafiante para ser medida, y a menudo es evaluada mediante preguntas específicamente diseñadas para este propósito. Jiménez-García et al. (2021) y Manzano-Chávez et al. (2020) han señalado los retos teóricos y metodológicos que este concepto representa.
Para abordar la complejidad en la medición del control social informal, diversos estudios han empleado preguntas hipotéticas destinadas a evaluar cómo los residentes perciben las posibles acciones de sus vecinos ante distintas situaciones (Casas & Méndez, 2017; Lindblad et al., 2013; Ruíz, 2010; Warner, 2007). Este método introduce una dimensión adicional de complejidad al requerir que los encuestados especulen sobre comportamientos no observados directamente. Ello implica, de acuerdo con Hipp (2016), desafíos particulares en barrios donde los niveles de crimen o desorden son bajos, y, por ende, los residentes no han presenciado situaciones que exijan una respuesta activa de control social. Esto plantea interrogantes sobre la precisión de estas preguntas hipotéticas al medir el control social informal.
El debate académico también se da en torno a si la cohesión y el control social informal son constructos distintos o están causalmente relacionados, como sugieren Manzano-Chávez et al. (2020) y Wickes et al. (2013). Algunos estudios han encontrado que la cohesión y las expectativas de control social informal pueden divergir, y que altos niveles de cohesión no necesariamente conllevan una mayor aplicación de normas (Manzano-Chávez, 2017; Zhang et al., 2007). Profundizando aún más este debate, estudios basados en técnicas cuantitativas avanzadas han demostrado que la EC es un concepto multidimensional y no unidimensional (Rhineberger-Dunn & Carlson, 2009), dado que han revelado que las redes informales, la unión entre vecinos y el control social informal ejercen efectos diferentes en la victimización (Rhineberger-Dunn & Carlson, 2009; 2011; Triplett et al., 2005).
Es crucial señalar que la implementación y evaluación del concepto de EC en el contexto de América Latina ha generado una serie de hallazgos inconsistentes, lo cual plantea interrogantes acerca de la pertinencia y adaptabilidad de este concepto en dicha región. En este sentido, Sampson (2012, p. 167) admite que los barrios latinoamericanos podrían representar una anomalía en términos de la aplicabilidad y validez de esta teoría. Este aspecto merece una exploración detallada, que se ofrece en la siguiente sección.
Críticas y desafíos a la eficacia colectiva desde el sur global
En América Latina, la EC ha sido un concepto aplicado en varios estudios que exploran la relación entre cohesión social, las acciones de prevención y el crimen en barrios urbanos. Como afirman Manzano-Chávez (2017) y Villarreal y Silva (2006), la persistencia de altos niveles de crimen en barrios latinoamericanos, pese a la mejora de condiciones sociales estructurales y la presencia de redes sociales fuertes, representa un desafío para los estudios criminológicos basados en teorías ecológicas del crimen. Estos estudios se han preguntado por qué el crimen persiste y aumenta en comunidades estables y bien organizadas, especialmente en estratos medios y bajos.
Buena parte de los estudios que han evaluado la tesis de la EC en barrios de América Latina han encontrado evidencia poco consistente. Así, mientras la literatura acumulada revela que la presencia de cohesión social contribuye de modo significativo a disminuir el riesgo de victimización violenta, el efecto de la disposición de los vecinos a intervenir en problemas comunitarios es menos claro. Algunos estudios han mostrado que el control informal no tiene efecto, mientras que otros han demostrado que ciertas formas de control informal pueden incluso aumentar la ocurrencia de crímenes violentos (Vilalta & Muggah, 2016).
Un estudio clave de la Universidad de Chile (2008-2012) examinó las teorías de desorganización social y EC en barrios de Santiago mediante una "Encuesta comunitaria" adaptada del estudio de Chicago (Sampson et al., 1997). Este estudio, de Frühling y Gallardo (2012), concluyó que el control social informal no impacta en la victimización, lo que desafía las hipótesis de EC. Paralelamente, Olavarría-Gambi y Allende-González (2014) encontraron una relación entre desventajas sociales y delitos, y una asociación entre confianza entre vecinos y reducción de la victimización violenta.
En una investigación posterior, utilizando análisis factoriales y modelos de regresión multinivel con base en los mismos datos, Manzano-Chávez (2017) demostró que la EC no es un constructo unidimensional, sino una combinación de confianza, cohesión y control social informal, con efectos variados en la victimización por delitos violentos. Además, destacó que la cohesión social y el apego al barrio reducen el riesgo de victimización, en contraste con el control social informal, que no mostró efectos significativos.
Silva (2014), por su parte, realizó una investigación similar en Belo Horizonte, Brasil, utilizando datos de la encuesta de victimización de 2002 complementada con datos del Censo. Este estudio se desarrolló siguiendo las teorías de la desorganización social y de eficacia colectiva, así como las estrategias analíticas del estudio de Sampson y Groves (1989). Aunque el estudio produjo evidencia a favor de ambas teorías ecológicas, los resultados referentes a la influencia de la "red de amistad local" y la "participación organizativa" como predictores del riesgo de victimización no fueron concluyentes, lo que sugiere la necesidad de una investigación más profunda en estas áreas (Silva, 2014, pp. 228-229).
Por último, cabe mencionar el estudio comparado realizado en barrios de las capitales de Colombia, Chile y Perú por la Universidad de Chile entre 2014 y 2017. Dicho estudio se propuso evaluar la aplicabilidad de las teorías de desorganización social y eficacia colectiva en América Latina. Utilizando datos de aquel estudio, Manzano-Chávez et al. (2020) y Jiménez-García et al. (2021) encontraron que el sentimiento de pertenencia al barrio y la cohesión social son factores explicativos del delito, pero el control social informal no juega un papel mediador significativo entre la vulnerabilidad social y la victimización violenta.
Los hallazgos previos subrayan la necesidad de desarrollar investigaciones situadas y contextualizadas en la realidad latinoamericana, considerando las diferencias históricas, sociopolíticas, económicas y culturales respecto al Norte global. La debilidad de los sistemas democráticos, la desigualdad social, las violencias plurales1 y las dinámicas particulares de las relaciones vecinales en los países de la región demandan modelos teóricos y metodológicos específicos, alineados con estos contextos. Así, mediante análisis estadísticos inferenciales, esta investigación se propone evaluar si el concepto de EC puede considerarse un constructo unidimensional y si es aplicable al análisis de delitos en barrios de Bogotá, Lima y Santiago. La elección de estos contextos urbanos diversos ofrece una perspectiva enriquecedora para comprender la multiplicidad de recursos comunitarios presentes en entornos criminológicos complejos del Sur global.
Metodología
Datos y diseño muestral
Los datos analizados en este artículo provienen de la encuesta desarrollada en el estudio "Violencia en tres ciudades de América Latina: un estudio comparado en barrios de Bogotá, Lima y Santiago", proyecto de investigación desarrollado por el Centro de Estudios en Seguridad Ciudadana (CESC) de la Universidad de Chile. Como se describe en Manzano-Chávez et al. (2020), el instrumento fue aplicado a adultos mayores de 18 años que residían en barrios de estratos medios-bajos y bajos de las ciudades de Bogotá, Lima y Santiago. Las personas fueron entrevistadas entre los meses de febrero y abril de 2015, en forma paralela en las tres ciudades.
Respecto al diseño muestral, para orientar el proceso de selección de las ciudades o casos de comparación se recurrió al "diseño basado en sistemas similares" (MSSD, siglas de most similar systems design). Siguiendo a Anckar (2008), este método consiste en comparar unidades de estudio similares en sus componentes, pero diferentes en sus resultados. Por eso, como describen Jiménez-García et al. (2021), se eligieron tres ciudades capitales con similar concentración demográfica y político-administrativa, así como con indicadores de urbanización, socioeconómicos y de segregación residencial semejantes. Al mismo tiempo, estas ciudades mostraban diferencias relevantes en los indicadores de criminalidad y violencia.
En una segunda etapa, para la selección de los barrios y los encuestados se utilizó un diseño muestral polietápico (Jiménez-García et al., 2021; Manzano-Chávez et al., 2020). Este consistió en la selección al azar de 25 barrios de estrato socioeconómico medio-bajo, bajo y nivel de indigencia por cada ciudad2. Dentro de estos barrios, se seleccionaron viviendas usando saltos sistemáticos, y dentro de esas viviendas se eligió al hogar principal. Por último, de cada hogar se seleccionaron individuos en busca de responder a una meta de 30 encuestados por barrios, cumpliendo con ciertas proporciones de edad y sexo. Además de los 25 barrios seleccionados al azar, dos barrios de cada ciudad fueron seleccionados en forma teórica intencionada; entre 60 y 70 personas fueron entrevistadas en estas áreas.
De este modo, la muestra total del estudio consistió en 2641 personas residentes en 81 barrios, personas que representan a la población de cada barrio seleccionado y a la población de los estratos medio-bajos y bajos de las ciudades de Bogotá, Lima y Santiago, con un error muestral de +/-3,3 % y un nivel de confianza estadística de 95 % (Manzano-Chávez et al., 2020).
El cuestionario fue diseñado utilizando escalas y preguntas testeadas o validadas en estudios previos, que fueron adaptadas en términos lingüísticos. Así, por ejemplo, las escalas relacionadas con el apego de los vecinos hacia el barrio, las redes informales, la cohesión social, el control informal, entre otros aspectos, estuvieron basadas en una encuesta comunitaria elaborada en el marco del estudio "Crimen y violencia urbana", del año 2010, también realizado por la Universidad de Chile (Frühling & Gallardo, 2012; Olavarría et al., 2008). El módulo de victimización y percepción de violencia fue diseñado en forma ad-hoc para aquel estudio, aunque basado en categorías delictuales definidas en las encuestas nacionales de victimización de Chile y Colombia (Jiménez-García et al., 2021; Manzano-Chávez et al., 2020).
Variables
Constructo de eficacia colectiva
Sampson et al. (1997) y Morenoff et al. (2001) definieron la EC como la combinación entre cohesión social -comprendida como la presencia de confianza, cohesión y metas compartidas entre vecinos- y el ejercicio potencial de control social informal -definido a su vez como la voluntad de los vecinos para intervenir en favor de bienes o fines comunitarios-. Ellos afirman que, cuando los residentes de un barrio comparten expectativas respecto a cómo se enfrentan los problemas comunes, desarrollan la habilidad para actuar como un colectivo y enfrentar el delito (Sampson et al., 1997).
Para testear, entonces, el concepto multidimensional de EC, en la encuesta comunitaria de 2015, aplicada en Bogotá, Lima y Santiago, se midieron tres diferentes escalas tipo Likert de 5 puntos: 1) escala de confianza; 2) escala de cohesión o solidaridad entre vecinos; y 3) escala de control social informal. Estas escalas constituyen una versión adaptada de las escalas originales propuestas por Sampson et al. (1997).
Escala de confianza
El concepto de confianza interpersonal fue medido a través de una escala Likert de 5 puntos, donde se preguntaba a los encuestados: "Con respecto a la confianza en su barrio, cuán de acuerdo se encuentra con las siguientes afirmaciones?". Se plantearon cinco afirmaciones tales como "Los vecinos cumplen los acuerdos y compromisos que asumen con los demás", y se incluyeron respuestas que van desde "Muy en desacuerdo" hasta "Muy de acuerdo" (Tabla 1). Las cinco afirmaciones de la escala fueron consideradas en el análisis factorial.
Tabla 1 Escalas e ítems vinculados al concepto de eficacia colectiva Confianza
Fuente: Elaboración propia
Escala de cohesión
El concepto de cohesión o solidaridad entre vecinos fue medido a través de una escala Likert de 5 puntos, donde se preguntaba a los encuestados: "Con respecto a la unión entre los vecinos de su barrio, ¿cuán de acuerdo está con las siguientes afirmaciones?". Se plantearon cinco afirmaciones tales como "Los vecinos suelen actuar con solidaridad y colaboración", y se incluyeron respuestas que van desde "Muy en desacuerdo" hasta "Muy de acuerdo" (Tabla 1). Las cinco afirmaciones de la escala fueron consideradas en el análisis factorial.
Control social informal
Este concepto fue medido a través de una escala Likert de 5 puntos, referente a las expectativas compartidas entre vecinos para el ejercicio del control social frente a situaciones de conflicto o riesgo en el contexto barrial. Específicamente, se consultó a los encuestados lo siguiente: "¿Con qué frecuencia diría usted que los vecinos realizan las siguientes acciones con el fin mejorar la seguridad y convivencia en el barrio?". Y se enumeraron ocho situaciones diversas tales como "Cuidan a los niños del barrio cuando estos juegan solos en calles o plazas", o "Se coordinan para realizar rondas por el barrio". Las respuestas van desde "Nunca" hasta "Siempre" (Tabla 1). Las ocho afirmaciones de la escala fueron consideradas en el análisis factorial.
Estrategia de análisis
Tal como se describió, las tres dimensiones que componen el constructo de EC (confianza, cohesión y control social informal) fueron medidas a través de escalas de percepción tipo Likert, conformadas por afirmaciones de respuesta múltiple. Los ítems que conforman cada escala en las teorías de medición se conocen como variables observacionales, mientras que los conceptos que están detrás de estas afirmaciones (por ejemplo, "confianza") se denominan variables latentes (Borsboom et al., 2003).
En otras palabras, las variables latentes representan constructos vinculados con teorías del comportamiento humano (provenientes de la psicología, la sociología, etc.), que no pueden ser directamente observadas ni medidas en la realidad (Borsboom et al., 2003). Entonces, con el fin de medir esos "constructos latentes", los estudios sociales han creado "variables proxies" o escalas de percepción que sí pueden observarse a través del uso de cuestionarios estandarizados.
La estrategia de análisis factorial es una herramienta estadística orientada a identificar constructos latentes dentro de un conjunto de variables observacionales (Bartholomew et al., 2008). Para identificar variables latentes y, al mismo tiempo, reducir la dimensionalidad de un instrumento, el análisis factorial estima los elementos diferenciados, la varianza común y la varianza única de un conjunto de ítems (Bartholomew et al., 2008). Mientras el "análisis factorial exploratorio" (AFE) permite al investigador encontrar las variables latentes sin un análisis teórico previo, el "análisis factorial confirmatorio" (AFC) permite evaluar el ajuste empírico de un modelo teórico previamente establecido (Bartholomew et al., 2008). Además de confirmar el número de factores que subyacen a los ítems observacionales, este análisis permite determinar cuánto de la covarianza entre ítems es capturado por la estructura factorial propuesta (Alavi et al., 2020). Los procedimientos analíticos se describen a continuación.
Análisis factorial exploratorio (AFE)
El análisis de los datos se hizo mediante el software estadístico R en su versión 4.3.2 (R Core Team, 2023). En una primera etapa previa al AFE, se realizó un análisis estadístico descriptivo para obtener medidas de tendencia central y de dispersión. Así se estimaron los indicadores de media (M), desviación estándar (SD), asimetría (g1) y curtosis (g2) para los ítems seleccionados. De acuerdo con la literatura, para establecer que la distribución de las variables se acerca a una distribución normal, se deben obtener valores absolutos de g1 <3 yg2<10 (Kline, 2016) (Tabla 2).
Tabla 2. Indicadores descriptivos de las variables observacionales
Ítem | N | Mín. | Máx. | M | SD | g1 | g2 |
---|---|---|---|---|---|---|---|
P49_1 | 2616 | 1 | 5 | 3,3 | 1,2 | -0,4 | -0,9 |
P49_2 | 2533 | 1 | 5 | 3,1 | 1,1 | -o,1 | -0,8 |
P49_3 | 2580 | 1 | 5 | 3,4 | 1,1 | -0,4 | -0,6 |
P49_4 | 2422 | 1 | 5 | 3,2 | 1,1 | -0,3 | -0,6 |
P49_5 | 2522 | 1 | 5 | 2,9 | 1,2 | 0,0 | -1,0 |
P50_1 | 2617 | 1 | 5 | 3,0 | 1,1 | 0,0 | -0,8 |
P50_2 | 2530 | 1 | 5 | 2,8 | 1,1 | 0,1 | -0,7 |
P50_3 | 2618 | 1 | 5 | 3,2 | 1,0 | -0,3 | -0,6 |
P50_4 | 2616 | 1 | 5 | 3,3 | 1,1 | -0,4 | -0,5 |
P50_5 | 2552 | 1 | 5 | 3,2 | 1,0 | -0,2 | -0,6 |
P51_1 | 2595 | 1 | 5 | 3,2 | 1,2 | -0,2 | -0,8 |
P51_2 | 2614 | 1 | 5 | 3,5 | 1,2 | -0,5 | -0,6 |
P51_3 | 2592 | 1 | 5 | 3,0 | 1,3 | 0,0 | -1,1 |
P51_4 | 2558 | 1 | 5 | 1,2 | 1,1 | 1,0 | 0,2 |
P51_5 | 2605 | 1 | 5 | 3,0 | 1,4 | -0,1 | -1,9 |
P51_6 | 2571 | 1 | 5 | 2,3 | 1,2 | 0,6 | -0,6 |
P51_7 | 2581 | 1 | 5 | 1,7 | 1,0 | 1,4 | 1,4 |
P51_8 | 2592 | 1 | 5 | 3,7 | 1,2 | -0,6 | -0,6 |
Fuente: Elaboración propia
La segunda etapa consistió en desarrollar el AFE, estimado sobre la base de una matriz de correlaciones policóricas, considerando que el estudio se basa en variables ordinales. Posteriormente, el programa estadístico estima las cargas factoriales (eigenvalues) o de asociación de cada ítem con uno o más factores, y se estiman las varianzas comunes explicadas por cada factor subyacente. Se procede, entonces, a elegir el número de factores latentes que mejor representa la data, logrando explicar una mayor proporción de la varianza acumulada (Watkins, 2018).
La extracción de los factores se realizó a través de la factorización de ejes iterativos (o IPA por su sigla en inglés), debido a que los datos no cumplían con los supuestos de normalidad multivariada (Briggs & MacCallum, 2003). Luego, para la selección de factores, se utilizaron como criterios orientadores la visualización del gráfico de cargas factoriales (scree plot) y el gráfico de análisis paralelo (parallel analysis), siguiendo la propuesta de Watkins (2018). Una vez definido el número de componentes, se estimaron de nuevo modelos factoriales de 1,2 y 3 factores, y se compararon los indicadores de ajuste. Para los modelos de 2 y 3 factores, se aplicó una rotación oblicua, dado que desde la evidencia empírica previa se sabía que los factores podían estar correlacionados (Child, 2006).
Análisis factorial confirmatorio (AFC)
En la tercera etapa, para validar la estructura interna del modelo, se realizó un AFC. Este análisis se estimó usando el método de mínimos cuadrados ponderados diagonalmente (WLSMV), recomendado como la mejor opción para trabajar con variables ordinales (Brown, 2015). Los modelos factoriales se estimaron, primero, con todos los ítems explorados en el AFE, y posteriormente se eliminaron algunos ítems. Para evaluar qué proporción de la covarianza entre ítems es capturada por la estructura de los modelos seleccionados, estos se evaluaron con base en indicadores de bondad de ajuste, expresando la capacidad de cada modelo para ajustar los datos observados (Alavi et al., 2020).
Uno de los indicadores más comúnmente utilizados para establecer la bondad de ajuste del AFC es el chi-square (X2). Este indicador se usa como un índice de ajuste absoluto, en busca de obtener un valor bajo con relación a los grados de libertad (y un p-value más alto) para indicar un mejor ajuste, con lo cual se espera rechazar la hipótesis nula que representa un ajuste perfecto (Alavi et al., 2020). Dado que este indicador es muy sensible a muestras grandes (N>200 casos), se sugiere complementar sus resultados con otros indicadores (Alavi et al., 2020): Root mean square error of approximation (RMSEA), Standardized root mean square residual (SRMR) y comparative fit index (CFI). Respecto al RMSEA y el SRMR, valores menores a ,08 pueden considerarse como evidencia favorable del ajuste del modelo, mientras que en el CFI se espera obtener valores superiores a ,95 (Browne & Cudeck, 1992; MacCallum et al., 1996). Para evaluar la fiabilidad o consistencia interna de las escalas obtenidas, se utilizó el coeficiente Alfa de Cronbach.
Análisis de invarianza métrica y prueba de comparación de medias
En una cuarta etapa, se evaluó la invarianza del modelo factorial de EC compuesto por las tres dimensiones correlacionadas, según sexo del encuestado (hombre, mujer) y ciudad de origen (Bogotá, Lima, Santiago), con el objetivo de valorar la comparabilidad de este modelo para distintos grupos poblacionales y en los tres contextos que componen la muestra de estudio. Esto se llevó a cabo mediante pruebas de hipótesis con base en el chi-square test y comparando indicadores RMSEA, SRMR y CFI.
Por último, con el fin de evaluar la validez discriminante del modelo de EC y sus tres componentes, se hicieron pruebas de diferencias de medias para muestras independientes (T student), contrastando las categorías de las variables sexo, ciudad y victimización por delitos violentos (Sí/No). Se analizaron las pruebas de hipótesis de esta prueba y complementariamente el indicador D de Cohen.
Resultados
Análisis factorial exploratorio y confirmatorio
En la etapa inicial del AFE, contemplando todos los ítems de las escalas vinculadas a la EC, la matriz de correlación policórica reveló correlaciones significativas. Mientras que los ítems asociados a confianza y cohesión mostraron correlaciones positivas, con coeficientes iguales o superiores a 0,45, aquellos de control social informal presentaron coeficientes más bajos, con correlaciones entre 0,3 y 0,6, y otras por debajo de 0,4 (ítem 51 _4, relacionado con "supervisión de jóvenes"; ítem 51_7, referido a "rondas vecinales" y ítem 51_8, relacionado con "alerta a policías") (Tabla 3).
Tabla 3. Matriz de correlaciones policóricas
Ítem | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
P49_1 | - | |||||||||||||||||
P49_2 | 0,74 | - | ||||||||||||||||
P49_3 | 0,64 | 0,68 | - | |||||||||||||||
P49_4 | 0,55 | 0,58 | 0,60 | - | ||||||||||||||
P49_5 | 0,62 | 0,57 | 0,60 | 0,57 | - | |||||||||||||
P50_1 | 0,50 | 0,54 | 0,52 | 0,56 | 0,51 | - | ||||||||||||
P50_2 | 0,43 | 0,50 | 0,50 | 0,46 | 0,45 | 0,68 | - | |||||||||||
P50_3 | 0,54 | 0,59 | 0,57 | 0,52 | 0,51 | 0,67 | 0,66 | - | ||||||||||
P50_4 | 0,48 | 0,60 | 0,62 | 0,56 | 0,53 | 0,63 | 0,57 | 0,73 | - | |||||||||
P50_5 | 0,71 | 0,53 | 0,52 | 0,52 | 0,46 | 0,64 | 0,60 | 0,68 | 0,71 | - | ||||||||
P51_1 | 0,46 | 0,63 | 0,59 | 0,51 | 0,59 | 0,55 | 0,47 | 0,57 | 0,58 | 0,52 | - | |||||||
P51_2 | 0,42 | 0,45 | 0,50 | 0,39 | 0,42 | 0,34 | 0,40 | 0,45 | 0,47 | 0,45 | 0,60 | - | ||||||
P51_3 | 0,15 | 0,43 | 0,42 | 0,38 | 0,48 | 0,44 | 0,39 | 0,42 | 0,44 | 0,44 | 0,54 | 0,53 | - | |||||
P51_4 | 0,22 | 0,15 | 0,16 | 0,13 | 0,20 | 0,21 | 0,11 | 0,13 | 0,12 | 0,13 | 0,20 | 0,17 | 0,34 | - | ||||
P51_5 | 0,20 | 0,26 | 0,27 | 0,24 | 0,22 | 0,22 | 0,25 | 0,29 | 0,28 | 0,27 | 0,29 | 0,45 | 0,31 | 0,27 | - | |||
P51_6 | 0,02 | 0,23 | 0,29 | 0,24 | 0,25 | 0,30 | 0,28 | 0,28 | 0,26 | 0,27 | 0,27 | 0,29 | 0,34 | 0,39 | 0,49 | - | ||
P51_7 | 0,02 | 0,06 | 0,30 | 0,09 | 0,09 | 0,20 | 0,15 | 0,08 | 0,54 | 0,12 | 0,09 | 0,05 | 0,19 | 0,38 | 0,15 | 0,43 | - | |
P51_8 | 0,30 | 0,29 | 0,36 | 0,30 | 0,26 | 0,24 | 0,23 | 0,33 | 0,35 | 0,35 | 0,32 | 0,46 | 0,32 | 0,30 | 0,39 | 0,20 | -0,03 | - |
Fuente: Elaboración propia
Luego de la primera estimación del AFE, los gráficos e indicadores obtenidos sugirieron que los tres primeros factores retienen la mayor parte de la varianza explicada, lo cual contradice la idea de un índice unidimensional de EC propuesta por Sampson et al. (1997). De este modo, los modelos de dos y tres factores demostraron ser los más representativos de los datos observados. Sin embargo, la ambigüedad en la asociación del ítem 51 _1 ("vigilancia de casas") con el factor de confianza y con el de control social informal, y su correlación relevante con el ítem 49_1 ("confianza en cuidado de casas"), complicó la estructura del modelo. Por lo tanto, se decidió excluir el ítem 51 _1 para clarificar el modelo antes de proceder al AFC.
En la primera estimación del AFC, se evaluaron 17 ítems observacionales probando modelos con estructuras bidimensionales y tridimensionales. Dado que ninguno de estos modelos cumplió con los criterios mínimos de bondad de ajuste, se decidió eliminar los ítems con cargas factoriales más bajas (51_4, "supervisión de jóvenes", y 51_7, "rondas vecinales"), 0,35 y 0,23, respectivamente. Una nueva estimación del modelo bidimensional con los 15 ítems restantes continuó mostrando ajustes inadecuados. No obstante, el modelo tridimensional, excluyendo los ítems previamente señalados, presentó indicadores de ajuste satisfactorios: x2(df.105) de 41134,631 (p<,001), CFI de ,969, TLI de ,921, RMSEA de ,084 y SRMR de ,041. Este modelo incluyó quince ítems, cada uno correlacionado con los factores de "confianza", "cohesión" y "control social informal".
Para optimizar aún más el ajuste del modelo, se introdujeron dos condiciones adicionales: 1) se estableció la correlación entre los tres factores, y 2) se permitió la covarianza entre los errores de los ítems P51_5 ("vigilancia vecinal") y P51_6 ("intervención en conflictos vecinales"), que mostraban una asociación significativa. Estos ajustes resultaron en un modelo tridimensional mejorado, con un valor x2 más bajo en comparación con los modelos anteriores, con indicadores CFI y TLI superiores a ,95, y RMSEA y SRMR inferiores a ,08, superando los indicadores del modelo bidimensional, como se evidencia en la Tabla 4.
Tabla 4. Índices de ajuste de los modelos de eficacia colectiva evaluados
Modelo | χ2 (df) | CFI | TLI | RMSEA | SRMR |
Dos factores (cohesión social y control social informal) | 2303,93(df.88) sig.<0,00 | ,946 | ,936 | ,111 | ,049 |
Tres factores (confianza, cohesión y control social informal) | 952,914(df.86) s¡g.<0,00 | ,979 | ,974 | ,070 | ,033 |
Fuente: Elaboración propia
Como se muestra en la Figura 1, el modelo multidimensional seleccionado de EC analizó un total de 2045 casos y se estructuró en torno a tres factores latentes: confianza, cohesión y control social informal. Cada uno de estos factores está definido por cinco ítems o variables observacionales correlacionadas. En los factores de confianza y cohesión, los ítems mostraron asociaciones fuertes, con cargas factoriales que varían entre 0,7 y 0,9. Por otro lado, los ítems relacionados con el control social informal presentaron cargas factoriales en un rango de 0,5 a 0,8, lo que indica una menor consistencia en la composición de este factor en comparación con los otros dos.

Fuente: Elaboración propia
Figura 1. Modelo factorial confirmatorio de eficacia colectiva de 3 factores. Nota: EstimaciónWLSMV. Se presentan coeficientes estandarizados, significativos con p<0,05. N: 2045
Esta variabilidad en la coherencia de los factores también se refleja en el indicador de fiabilidad Alpha de Cronbach. Mientras que la escala de confianza registró un coeficiente Alpha de ,87 y la de cohesión, un valor de ,88, indicando altos niveles de consistencia interna, la escala de control social informal obtuvo un coeficiente Alpha de ,71. Aunque este último indicador es más bajo, aún se considera dentro de un rango aceptable de fiabilidad.
Evaluación de invarianza
Para complementar los análisis del modelo de EC de tres factores, se realizó un análisis de invarianza diferenciando por sexo y ciudad, en Bogotá, Lima y Santiago. Este análisis buscó verificar si el índice multidimensional mantiene una medición homogénea entre hombres y mujeres y a través de las distintas ciudades estudiadas. Este enfoque, inédito en la región, permite evaluar la validez del índice de EC en distintos grupos demográficos y contextos, considerando las diferencias históricas y culturales de cada país.
El análisis se realizó aplicando restricciones progresivas a partir de la invarianza configuracional, métrica, escalar y estricta, contrastando los modelos, primero entre hombres y mujeres (variable sexo), y luego entre residentes de las tres ciudades. Los resultados revelaron buenos indicadores de ajuste en todos los casos (Tabla 5). Así, la evidencia muestra que la escala presenta mediciones consistentes entre los grupos de hombres y mujeres, y también entre los residentes de las tres ciudades, observándose diferencias pequeñas o no significativas entre invarianza configuracional vs. métrica; métrica vs. escalar, y escalar vs. estricta (ACFI<,010, ASRMR<,005).
Tabla 5. Medida de invariancia del modelo final respecto al sexo y la ciudad
Fuente: Elaboración propia
Esto sugiere que no existe una diferencia estadísticamente significativa entre las respuestas de los grupos encuestados, de diferente sexo y ciudad. En suma, los resultados indican que existe invarianza en la estructura, en las cargas factoriales y en los interceptos del modelo propuesto de tres dimensiones de la EC.
Análisis de diferencias de medias
En la evaluación de los puntajes factoriales derivados del modelo de EC, se identificaron tres variables con valores fluctuantes entre 0 y 1, presentando medias similares en torno a 0,5 (confianza, 0,51; cohesión, 0,51, y control social, 0,52). Para examinar las diferencias entre estas medias en grupos variados, según sexo, ciudad y victimización, se aplicó una prueba T de student para muestras independientes.
En relación con la variable de sexo, como se detalla en la Tabla 5, no se encontraron diferencias estadísticamente significativas entre hombres y mujeres en las medias de las escalas de confianza, cohesión social y control social. Estos resultados implicaron el no rechazo de la hipótesis nula de igualdad de medias (p-value>0,05), que se mantuvieron cercanas a las medias generales.
Respecto a la variable de ciudad, todas las pruebas indicaron diferencias estadísticamente significativas (p-valor<0,001). Las personas de Bogotá y Lima mostraron medias menores en confianza, cohesión y control social (valores entre 0,47 y 0,50) comparadas con las de otras ciudades, mientras que los participantes de Santiago indicaron medias más elevadas en estos tres factores (valores entre 0,57 y 0,61) en comparación con los no residentes de esta ciudad (Tabla 6).
Tabla 6 Comparación de medias para factores de confianza, cohesión y control social
Confianza | Cohesión | Control social | |||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
M | SD | T | M | SD | T | M | SD | T | |||
Total | ,51 | ,17 | - | ,51 | ,17 | - | ,52 | ,16 | - | ||
Sexo | Hombre | ,52 | ,17 | ,74 | ,51 | ,17 | ,42 | ,52 | ,16 | ,15 | |
Mujer | ,51 | ,17 | ,51 | ,17 | ,52 | ,17 | |||||
Ciudad | Bogotá | Sí | ,47 | ,15 | 8,90*** | ,46 | ,16 | 9,12*** | ,50 | ,16 | 3,47*** |
No | ,54 | ,17 | ,53 | ,17 | ,53 | ,17 | |||||
Lima | Sí | ,47 | ,14 | 8,78*** | ,48 | ,14 | 5,53*** | ,49 | ,15 | 6,09*** | |
No | ,53 | ,18 | ,52 | ,18 | ,53 | ,17 | |||||
Santiago | Sí | ,61 | ,17 | -17,5*** | ,59 | ,18 | -14 25*** | ,57 | ,17 | -9,24*** | |
No | ,47 | ,15 | ,47 | ,15 | ,50 | ,15 | |||||
Victimización | Sí | ,48 | ,17 | 4,59*** | ,47 | ,17 | 4,75*** | ,50 | ,17 | 2,74** | |
No | ,52 | ,17 | ,52 | ,17 | ,52 | ,17 |
* p-value< 0,05; ** p-value< 0,01; *** p-value< 0,001.
Fuente: Elaboración propia
Con respecto a la variable "victimización por delitos violentos", se observaron diferencias de medias significativas en los tres factores entre aquellos que fueron víctimas de delitos en su barrio de residencia en los últimos doce meses en comparación con aquellos que no lo fueron. En cuanto a la confianza, la media de los victimizados fue de 0,48, en cohesión fue de 0,47, mientras que en control social informal fue de 0,50. Por otro lado, quienes no fueron víctimas presentaron medias más altas en los tres factores, con un valor de 0,52 (Tabla 6).
Estos datos permiten concluir que no se presentaron diferencias de medias significativas entre hombres y mujeres en ninguno de los tres factores. Además, el estadístico D de Cohen, que evalúa el tamaño del efecto de estas diferencias entre medias, expresó valores poco relevantes (D<0,03)3.
En cuanto a la variable de la "ciudad de procedencia", se constataron diferencias de medias significativas en los tres factores. Sin embargo, mientras que la procedencia de Bogotá expresó un efecto moderado en confianza y cohesión (D=0,4), ser de Lima tuvo un efecto moderado en confianza (D = 0,4) y un efecto débil en cohesión (D=0,2). Por otro lado, la pertenencia a Santiago implicó un efecto alto en confianza y cohesión (0,9 y 0,7, respectivamente). En cuanto al control informal, los efectos de Bogotá y Lima fueron débiles (0,2), mientras que el efecto de Santiago fue moderado (0,5). Así, los encuestados de Santiago expresaron niveles más altos de confianza, cohesión y control informal en comparación con los residentes de las otras dos ciudades.
Por último, aunque la victimización violenta en el barrio se relacionó con medias más bajas en confianza, cohesión y control informal, el tamaño del efecto de esta variable fue débil en los tres casos (D = 0,2 o 0,3).
Discusión de los resultados
La teoría de la eficacia colectiva, en el contexto de barrios latinoamericanos, enfrenta importantes desafíos, que se evidencian por la persistencia del crimen a pesar de la presencia de fuertes redes sociales y mejoras en las condiciones sociales estructurales (Villarreal & Silva, 2006; Manzano-Chávez, 2017). Esta paradoja acentúa la necesidad de revisar críticamente la definición, medición y aplicabilidad del concepto de EC en estos entornos. Respondiendo a este objetivo, en la sección anterior se realizaron análisis estadísticos inferenciales con base en datos secundarios de un estudio comparado en barrios de Bogotá, Lima y Santiago. Los hallazgos demuestran que los ítems observacionales de la EC resultan mejor representados por un modelo tridimensional, en lugar de un modelo unidimensional o bidimensional, dado que este es el que mejor responde a la complejidad de las interacciones sociales en estos barrios.
Estos resultados están alineados con los hallazgos de la tesis doctoral de Manzano-Chávez (2017), efectuada con datos de Santiago, donde se evidenció la existencia de un constructo de EC compuesto por tres dimensiones independientes y correlacionadas. De modo similar, aunque con datos de ciudades del Norte global, los estudios de Hipp (2016), Hipp y Wo (2015), y Rhineberger-Dunn y Carlson (2009; 2011), también observaron inconsistencias en la medición de la EC y respaldaron la existencia de un concepto de EC multidimensional en lugar de unidimensional. A partir de ello, es posible postular que las falencias del constructo no se explican por diferencias en los contextos o instrumentos de aplicación, sino que emergen de la propia validez interna del constructo original, lo que demanda una revisión teórica profunda.
Más allá de la consistencia y fiabilidad del constructo multidimensional de EC, las marcadas diferencias en las medias de las escalas de confianza, cohesión y control social informal de las ciudades de Lima y Bogotá con respecto a Santiago -esta última con niveles más altos- muestran cómo la realidad sociopolítica, económica, cultural y delictual de cada ciudad influye en las dimensiones de la EC. Este hallazgo viene a confirmar lo dicho sobre la acumulación de literatura relevante pero inconsistente en América Latina respecto a la EC, pues demuestra que el traslado de teorías y conceptos del Norte global hacia la realidad de las ciudades del Sur global debe hacerse con precaución, buscando siempre establecer teorías y mecanismos de medición propios o adaptados a la realidad local. De hecho, el propio Sampson en su trabajo de 2012 destacaba la necesidad de adaptar las teorías criminológicas a los contextos específicos de cada región.
Los trabajos de Hipp (2016) y Hipp y Wickes (2017) destacan la importancia del contexto espacial y la configuración urbana en el estudio de la EC. Los resultados de esta investigación refuerzan esta perspectiva al demostrar que la estructura urbana y las dinámicas comunitarias en los barrios latinoamericanos influyen significativamente en cómo se perciben y ejercen las distintas dimensiones de la EC. Así, las variaciones en confianza, cohesión y control informal entre las ciudades estudiadas resaltan la influencia de factores específicos del entorno, tales como el diseño urbano y la historia local, como sugiere Hipp (2016).
Otro hallazgo destacable es que, una vez identificados los tres factores latentes de la EC, estos pudieron contrastarse con la experiencia de la victimización por delitos violentos a nivel de hogares dentro del contexto barrial. Este análisis de diferencias de medias permitió confirmar que, frente a la experiencia del delito, en cada uno de los tres mecanismos comunitarios se perciben menores niveles de respuesta, especialmente en confianza y cohesión social. Lógicamente, esto no es prueba suficiente de la existencia de una relación causal donde se afirme que estos recursos ayudan a prevenir o disminuir delitos, pues ello requeriría de estudios longitudinales o experimentales más complejos. No obstante, es indudable que estos hallazgos contribuyen a la reflexión acerca de la importancia de la promoción de recursos comunitarios como confianza, cohesión y control informal, entre otros, como parte de las políticas de prevención del delito.
Adicionalmente, las dudas que persisten acerca de la menor consistencia interna y fiabilidad del factor de control social informal confirman lo visto en estudios previos respecto a la necesidad de revisar cómo se define y mide este concepto (Manzano-Chávez, 2017; Manzano-Chávez et al., 2020; Olavarría-Gambi & Allende-González, 2014). Si bien es cierto que las estrategias de prevención del delito a nivel local pueden activarse desde pequeñas acciones de colaboración y mediación de conflictos entre vecinos, sigue siendo discutible el hecho de que esas acciones puedan iniciarse (o mantenerse) en contextos de alta complejidad delictual, donde las redes vecinales se cruzan con la ilegalidad, la confianza se debilita y la labor policial es frecuentemente cuestionada (Hipp & Wo, 2015).
Por otro lado, a partir de la obtención de un modelo de eficacia colectiva multidimensional consistente y valido para la realidad de barrios de América Latina, pero que además demostró ser consistente en casos procedentes de tres ciudades distintas (Bogotá, Lima y Santiago) y entre grupos sociales diversos (como hombres y mujeres), se puede proyectar su aplicación para futuros estudios de delitos en barrios de diverso tipo en el contexto latinoamericano. En efecto, en el estudio de Manzano-Chávez et al. (2020), realizado con la misma base de datos y utilizando procedimientos similares, se detectó un modelo de dos factores latentes (cohesión social y control informal) y se concluyó que solo el factor de cohesión social, a nivel individual y a nivel de barrios, influía de modo significativo disminuyendo el riesgo de victimización violenta de miembros del hogar.
Además, estos resultados son consistentes con parte de la evidencia empírica internacional producida fuera de los Estados Unidos, tanto en ciudades del Norte global (p. ej., Sutherland et al., 2013; Bruinsma et al., 2013) como en ciudades del Sur global (p. ej., Vilalta & Muggah, 2016; Manzano-Chávez, 2017; Frühling & Gallardo, 2012). Esto también respalda las múltiples críticas que se han planteado (p. ej., Rhineberger-Dunn & Carlson, 2009; 2011; Triplett et al., 2005) acerca de la falta de validez externa o capacidad de generalización de la teoría de la EC, toda vez que sus componentes han expresado asociaciones o efectos diversos con relación a la victimización y a las percepciones de inseguridad.
La validación de una escala de EC multidimensional acorde con la realidad latinoamericana, tal como emerge de este estudio, se alinea con las propuestas de autores latinoamericanos que destacan la importancia de comprender las dinámicas de las relaciones a nivel local (Desmond & Barnes, 2017; Luneke & Varela, 2020), pero también los vínculos entre autoridades, policías y comunidad (Auyero & Sobering, 2019; Quintero, 2020) para abordar efectivamente la problemática del crimen a nivel local.
Desafortunadamente, sigue siendo escasa la investigación empírica sobre crimen y violencia en barrios de América Latina, en especial la que utiliza en forma crítica teorías, conceptos o instrumentos procedentes del Norte global adaptados a la realidad local, o bien que busca generar teorías propias. En efecto, solo en los estudios de Manzano-Chávez et al. (2020) y Manzano-Chávez (2017) se encuentra una evaluación cuantitativa acerca de la validez de la escala de EC comparable a las estrategias analíticas del presente estudio. Ello, sin duda, reafirma la importancia de los aportes de esta investigación.
Por último, los hallazgos aportan a la discusión sobre EC al demostrar que una conceptualización más matizada y adaptada al contexto latinoamericano, y que distinga entre sus componentes, ofrece insights más profundos sobre la dinámica del crimen y la convivencia en estos entornos urbanos. La comprensión detallada de cada componente y sus interacciones puede ser la clave para formular respuestas más efectivas frente a los desafíos de seguridad y convivencia en barrios de alta complejidad.
Conclusiones
Estudios como los de Jiménez-García et al. (2021), Manzano-Chávez et al. (2020) y el presente trabajo brindan una visión crítica sobre la aplicabilidad de las teorías de desorganización social y eficacia colectiva en América Latina. En este sentido, es claro que las teorías e instrumentos diseñados en el Norte global no pueden aplicarse directamente sin considerar las particularidades históricas, sociopolíticas, económicas y culturales de la región.
En particular, con datos secundarios procedentes de barrios de Bogotá, Lima y Santiago, los hallazgos de este estudio demuestran que la eficacia colectiva es un constructo multidimensional y, aun cuando sus componentes (confianza, cohesión y control social informal) fueron medidos en forma consistente y fiable, es necesario que estos sean revisados y cuidadosamente adaptados siempre que se busque aplicarlos a un contexto específico. Si bien este estudio no cuenta con datos longitudinales que permitan estudiar la evolución de estos recursos comunitarios y su real incidencia en los delitos violentos, es posible afirmar que la asociación inversa entre confianza, cohesión y el riesgo de victimización violenta sugiere la importancia de considerar estos aspectos a la hora de construir políticas preventivas basadas en evidencia.
Resulta fundamental seguir profundizando la investigación en torno a delitos violentos y su vinculación con los recursos comunitarios presentes en barrios complejos, con el propósito de contribuir en la búsqueda de mejores respuestas a los desafíos de seguridad y convivencia que aún demandan las ciudades de Latinoamérica.