Estado Del Arte
Cabe destacar que aplicaciones en base a la minería social y recolección de datos está
más presente y son más aprovechadas por fuera del país. Obtener información recolectada
por las redes sociales brinda de gran ayuda para los investigadores o empresas que hagan
un buen tratamiento de estos datos. No solo con los datos planos obtenidos se obtiene una
vasta información pertinente de las redes sociales, sino que tratar esta información permite
obtener patrones de comportamiento de las personas, patrones del consumidor entre otros.
Esto se puede evidenciar tanto en aplicaciones que van desde la comida como por ejemplo
tomar datos de Facebook de las personas que realizan registros en lugares de comida y
luego así referenciar que sitios te podrían interesar en base a tus puntuaciones y
posicionarlos de acuerdo a los gustos personales [1].
Si llevamos toda esta información recolectada a al campo de acción al proyecto a tratar nos
encontramos con aplicaciones extraordinarias como lo es una aplicación móvil llamada
BullyBlocker [4], que permite analizar las interacciones de los adolescentes con sus redes
sociales [2] y así identificar señales de advertencias en casos de cyberbullying, notificando
a los padres cuando estas advertencias existan. Estas aplicaciones se pueden realizar
correctamente utilizando diferentes técnicas de minería de redes sociales para el caso
específico del cyberbullying [3].
Para el caso del proyecto enfocado el recolectar información de denuncias ciudadanas que
se realizan por medio de la red social Twitter será de vital importancia diferenciar las
denuncias por medio del uso del hashtag. Esto permite realizar un filtrado inicial para el uso
y recopilación de información que luego será tratada para fines analíticos. Uno de los
inconvenientes que se presentan es la georreferenciación de los tweets correspondientes
a las denuncias pues se busca con esto visualizarlos en un mapa. Como es normal no todos
los tweets son referenciados geográficamente ni todos los tweets pertenecen a la zona
donde ocurrió el incidente. Este problema es uno de los más difíciles de aprontar por el cual
se manejarán solamente los tweets georreferenciados para ver en el mapa. Con esto no se
quiere decir que no se pueda obtener la información de georreferenciación de tweet debido
a que actualmente herramientas como Tweecalization [5], y localización de mensajes
anónimos a través de las redes sociales [6], permiten obtener ubicación de mensajes
publicado en las redes sociales. Esta función no estará presente en los planes del proyecto
de denuncias ciudadanas que se estará realizando.
Entrando mas en detalle al objetivo del proyecto vemos que, en el país, existen otras
plataformas que aprovechan de cierta manera la recolección de datos para distintos
objetivos, entre ellos también, el de tener información acerca de la delincuencia. El mas
conocido en el país es la plataforma de denuncias de la policía aDenunciar [7]. En esta
contamos con la posibilidad de realizar una denuncia de los delitos mas comunes ocurridos
en el país [8], y poder hacer un seguimiento al proceso de una manera mas cómoda que
de la forma tradicional. Pero a pesar de ser un paso mas adelante en la aplicación de
tecnologías para el mejoramiento social, la plataforma se queda un poco atrás ya que no
dinamiza ni hace mucho mas eficiente el proceso de denuncia, que aun sigue siendo
bastante largo y tedioso y lo único que les ahorra a las personas la plataforma es el tener
que trasladarse a una sede física a realizar su denuncia.
Otra plataforma mucho más dinámica y eficiente la encontramos en la ciudad de Medellín.
La plataforma seguridadenlinea, tiene un funcionamiento bastante parecido a la plataforma
anterior, pero agrega ciertos componentes que la hacen mas eficiente y atractiva, como lo
es el caso de denuncias anónimas y la posibilidad de adjuntar fotos y videos para respaldar
la denuncia realizada [9]. Esta plataforma posee una gran variedad de hechos a denunciar
y cuenta con sistemas para rápidas respuestas por parte de las autoridades a hechos
delictivos. Gracias a estos componentes la plataforma se ha vuelto muy usada y a causado
un gran impacto en la ciudad de Medellín además de haberse vuelto un referente para otras
ciudades en su lucha contra la criminalidad.
Otro punto importante en nuestro proyecto es el mapeo de el reporte de los delitos a través
de SIG o sistemas de información geográfica. Este campo es uno poco explorado y poco
usado alrededor del mundo y que solo en épocas recientes es que se han visto aplicaciones
interesantes alrededor de esto. En Filipinas la policía usa un sistema de mapeo a través de
recolección de múltiples denuncias para prevenir a las personas que tan peligrosa o el
índice de criminalidad en la zona que se encuentra [10]. La posibilidad de tener estos
mapeos abre una gran cantidad de posibilidades en el uso que se le da a esta información
y permite el generar muchas respuestas en relación a la forma en como se distribuyen los
delitos por una ciudad y analizar qué relación hay en esta distribución de delitos con otros
aspectos de la vida social [11].
Con ayuda de este mapeo se espera realizar campañas gubernamentales que permitan
realizar campañas mas efectivas en contra de la criminalidad y además usar esta
información para estudios mas concretos y complejos acerca de las causas sociales que se
correlacionan con una determinada distribución de delitos.
Referencias
[1] J. Chen, C. Hsu, C. Yang, C. Wei, and H. G. Ciang, “A Data Mining Method for
Facebook Social Network : Take ‘ New Row Mian ( Beef Noodle )’ in Taiwan for
Example,” no. iCAST, pp. 165–169, 2017.
[2] Y. N. Silva, C. Rich, and D. Hall, “BullyBlocker: Towards the identification of
cyberbullying in social networking sites,” Proc. 2016 IEEE/ACM Int. Conf. Adv. Soc.
Networks Anal. Mining, ASONAM 2016, pp. 1377–1379, 2016.
[3] I. Ting, D. Liberona, and S. Wang, “Towards the Detection of Cyberbullying Based
on Social Network Mining Techniques.”
[4] Y. N. Silva, C. Rich, J. Chon, and L. M. Tsosie, “BullyBlocker: An app to identify
cyberbullying in facebook,” Proc. 2016 IEEE/ACM Int. Conf. Adv. Soc. Networks
Anal. Mining, ASONAM 2016, pp. 1401–1405, 2016.
[5] S. Abrol, L. Khan, and B. Thuraisingham, “Tweecalization: Efficient and Intelligent
Location Mining in Twitter Using Semi-Supervised Learning,” Proc. 8th IEEE Int.
Conf. Collab. Comput. Networking, Appl. Work., pp. 514–523, 2012.
[6] A. Böhm, B. Taubmann, and H. P. Reiser, “Geographic localization of an
anonymous social network message data set,” Proc. - 2016 11th Int. Conf.
Availability, Reliab. Secur. ARES 2016, no. March, pp. 844–850, 2016.
[7] Urna de cristal “Conoce el nuevo sistema nacional de denuncia virtual” Agosto 17
del 2017. [Link]
[8] Redaccion el Pais “¿Qué delitos se pueden denunciar en la nueva plataforma digital
contra el crimen?” Julio 26, 2017. [Link]
[Link]
[9] Gustavo Ospina Zapata [Link] “Seguridad en Línea incentiva la
denuncia anónima” Publicado El 24 De Septiembre De 2016.
[Link]
000-denuncias-DE5042014.
[10] J. A. W. Maghanoy, "Crime mapping report mobile application using GIS," 2017
IEEE 2nd International Conference on Signal and Image Processing (ICSIP),
Singapore, 2017, pp. 247-251.
[11] J. Sheikh, I. Shafique, M. Sharif, S. A. Zahra and T. Farid, "IST: Role of GIS in crime
mapping and analysis," 2017 International Conference on Communication
Technologies (ComTech), Rawalpindi, 2017, pp. 126-131.
