Mapping poverty and well-being through natural language processing

Muñetón Santa, Guberney; Pérez Aguirre, Carlos Andrés; Orozco Arroyave, Juan Rafael

DSpace Principal
→
Colección de los Centros Asociados
→
Colombia
→
Instituto de Estudios Regionales - INER/UdeA - Cosecha
→
Ver ítem

dc.contributor	Recursos Estratégicos, Región y Dinámicas Socioambientales
dc.creator	Muñetón Santa, Guberney
dc.creator	Pérez Aguirre, Carlos Andrés
dc.creator	Orozco Arroyave, Juan Rafael
dc.date	2025-07-28T21:38:54Z
dc.date	2025
dc.date.accessioned	2025-09-21T20:05:37Z
dc.date.available	2025-09-21T20:05:37Z
dc.identifier	Muñetón-Santa, G., Pérez Aguirre, C. A., & Orozco-Arroyave, J. R. (2025). Mapeando la pobreza y el bienestar a través del procesamiento de lenguaje natural. Revista De Estudios Sociales, 93, 39-65. https://doi.org/10.7440/res93.2025.03
dc.identifier	0123-885X
dc.identifier	https://hdl.handle.net/10495/46868
dc.identifier	https://doi.org/10.7440/res93.2025.03
dc.identifier	1900-5180
dc.identifier.uri	https://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/258724
dc.description	Los índices de pobreza y bienestar abarcan una serie de dimensiones que reflejan aspectos valiosos y susceptibles de cuantificación de las vidas de las personas. Tales dimensiones evidencian sus preocupaciones y prioridades, de manera que ofrecen un acercamiento a sus experiencias. Este estudio identifica las dimensiones de la pobreza y del bienestar directamente en el lenguaje cotidiano y propone un método novedoso para asignarle valor a cada una de acuerdo con lo que las personas consideran importante. Mediante técnicas de modelado de temas, en el marco del procesamiento del lenguaje natural, detectamos las principales temáticas que la gente, en sus propias palabras, asocia con la pobreza y el bienestar. Igualmente, aplicamos la técnica de aprendizaje por transferencia a partir de un modelo de clasificación de disparo cero, con el fin de asignar valor a las dimensiones de estudio y ordenarlas según su relevancia para el grupo poblacional que fue examinado. En nuestros casos de estudio encontramos que las dimensiones relacionadas con la pobreza que más sobresalían eran la falta de oportunidades, el desempleo, la desmotivación, la falta de dinero y los intentos por salir adelante. Por su parte, entre las dimensiones relacionadas con el bienestar hallamos la calidad de vida, la satisfacción de las necesidades básicas, la alimentación y la salud. Este enfoque permite precisar cuáles deben ser las áreas prioritarias para la intervención y la asignación de recursos. Finalmente, recomendamos aplicar técnicas de modelado de temas al momento de diseñar indicadores multidimensionales, pues esto posibilita que los investigadores y los encargados de formular las políticas construyan los indicadores sociales a la medida de las necesidades de las personas a las que buscan servir.
dc.description	Poverty and well-being indexes encompass dimensions that capture meaningful aspects of life worth measuring. These dimensions reflect people’s concerns and priorities, offering insight into their lived experiences. This study identifies dimensions of poverty and well-being directly from people’s everyday language and proposes a novel method for assigning weights to these dimensions based on what people express as important. Using topic modeling techniques within the Natural Language Processing framework, we uncovered key themes people associate with poverty and well-being in their own words. We also applied transfer learning through a zero-shot classification model to assign weights to these dimensions, ranking them by their relevance to the target population studied. In our case studies, the most prominent poverty-related dimensions included lack of opportunities, unemployment, lack of spirit, lack of money, and attempts to get ahead, while the top well-being dimensions identified were living well, meeting basic needs, nourishment, and health. This approach helps pinpoint priority areas for intervention and resource allocation. We recommend using topic modeling techniques when designing multidimensional indicators, as this enables researchers and policymakers to ground social indicators in the voices of the people they aim to serve.
dc.description	Universidad de Antioquia. Vicerrectoría de investigación. Comité para el Desarrollo de la Investigación - CODI
dc.description	COL0015526
dc.format	27 páginas
dc.format	application/pdf
dc.format	application/pdf
dc.language	eng
dc.publisher	Universidad de los Andes, Facultad de Ciencias Sociales
dc.publisher	Bogotá, Colombia
dc.relation	65
dc.relation	93
dc.relation	39
dc.relation	Revista de Estudios Sociales
dc.rights	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights	info:eu-repo/semantics/openAccess
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 International
dc.rights	http://purl.org/coar/access_right/c_abf2
dc.source	https://revistas.uniandes.edu.co/index.php/res/article/view/10721
dc.subject	Artificial intelligence
dc.subject	Capabilities approach (Social sciences)
dc.subject	Poverty
dc.subject	Natural language processing (Computer science)
dc.subject	Inteligencia artificial
dc.subject	Proceso en lenguaje natural (Informática)
dc.subject	Pobreza
dc.subject	http://id.loc.gov/authorities/subjects/sh85008180
dc.subject	http://id.loc.gov/authorities/subjects/sh2013003575
dc.subject	http://id.loc.gov/authorities/subjects/sh85105939
dc.subject	http://id.loc.gov/authorities/subjects/sh2013003575
dc.title	Mapping poverty and well-being through natural language processing
dc.title	Mapeando la pobreza y el bienestar a través del procesamiento de lenguaje natural
dc.type	Artículo de investigación
dc.type	http://purl.org/coar/resource_type/c_2df8fbb1
dc.type	http://purl.org/redcol/resource_type/ART
dc.type	Text
dc.type	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type	info:eu-repo/semantics/article
dc.type	info:eu-repo/semantics/publishedVersion