Evaluación de políticas y programas sociales mediante ... · interdefinibilidad y mutua...
Transcript of 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
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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
Clasificaciónn-nón Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
Polígonos
Índice de impacto
Clasificación Lingüística
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.