A. Marco y definiciones en relación con los datos de zonas de influencia urbanas-rurales (URCA)
El conjunto de datos de zonas de influencia urbanas-rurales (URCA) es un conjunto de datos geoespaciales mundiales de acceso público que proporciona una cartografía global del continuo rural-urbano36, 37. Se basa en la 21 Capa Global de los Asentamientos Humanos y presenta los centros urbanos en un gradiente basado en el tamaño y la densidad de la población. Como se muestra en el Capítulo 3 (Figura A del Recuadro 2) se asigna a las localidades rurales un gradiente propio, utilizando el tiempo de viaje más corto a centros urbanos de diversos tamaños. De este modo, el conjunto de datos de las URCA desglosa las zonas rurales en múltiples categorías y distingue, por ejemplo, entre las localidades que se encuentran a menos de una hora de un centro urbano y las que están más alejadas. En el Capítulo 4, el conjunto de datos de las URCA se combina con datos de encuestas por hogares para los estudios de casos por países.
El enfoque URCA se basa en la teoría de los lugares centrales, que es un conjunto de supuestos y propuestas que explican por qué centros jerárquicamente estratificados se encuentran en determinadas ubicaciones favorecidas en el paisaje económico. Por ejemplo, el comercio al por menor y las actividades de prestación de servicios tienden en muchos casos a agruparse. El enfoque URCA supone que el tamaño de las ciudades constituye un indicador de la magnitud de los servicios y oportunidades proporcionados por un centro urbano. Utiliza el tiempo de viaje a los lugares como indicador del costo y adopta una jerarquía urbana basada en el tamaño de las ciudades para clasificar las localidades rurales que gravitan en torno a un centro urbano específico. Este enfoque permite: i) reflejar la jerarquía urbana que existe entre centros urbanos de diferentes tamaños en términos de acceso a los servicios y oportunidades de empleo para las localidades rurales; ii) definir zonas de influencia urbanas-rurales en función de la interconexión entre centros urbanos (de distintos tamaños) y sus zonas rurales circundantes; iii) adoptar un modelo reticulado que se pueda comparar fácilmente entre países, desarrollando un conjunto de datos para todo el mundo.
Además, el enfoque URCA permite determinar la proporción de la población que se encuentra en una categoría específica del continuo rural-urbano dentro de una unidad administrativa, en vez de situar a toda la población en un territorio o área funcional. Esta clasificación permite realizar análisis más detallados sobre el consumo y la producción a lo largo del continuo. En el Cuadro A4.1 se presentan las categorías urbanas básicas del conjunto de datos de las URCA; en consecuencia, se atribuyen diferentes categorías de zonas rurales a zonas urbanas de diferentes tamaños, por ejemplo, zonas rurales que se encuentran a menos de una hora de viaje de una ciudad de más de 5 millones de personas.
CUADRO A4.1 Definición de categorías de zonas de influencia urbanas-rurales en el continuo rural-urbano
FUENTE: FAO. 2021. Global Urban Rural Catchment Areas (URCA) Grid – 2021. En: FAO. [Consultado el 4 de mayo de 2023]. https://data.apps.fao.org/?share=g-3c88219e20d55c7ce70c8b3b0459001a
Al definir las categorías de zonas de influencia urbanas-rurales basadas en el tiempo de viaje a una aglomeración urbana, el intervalo de tiempo debe considerarse como un intervalo cerrado a la derecha. En particular, para las categorías de zonas de influencia urbanas-rurales utilizadas en el informe supone lo siguiente:
- A “menos de 1 hora” de un centro urbano comprende las zonas que se encuentran a una hora o menos de una ciudad de cualquier tamaño o un pueblo: zonas situadas como máximo a una hora.
- A “1 a 2 horas” de un centro urbano comprende las zonas que se encuentran a más de una hora, pero a dos horas o menos de una ciudad de cualquier tamaño o un pueblo: 1 hora < zona ≤2 horas.
- A “más de 2 horas” de un centro urbano comprende las zonas que se encuentran a más de dos horas de una ciudad de cualquier tamaño o un pueblo: zonas situadas como máximo a dos horas.
Obsérvese que, a los efectos de mejorar la legibilidad del texto y las figuras incluidas en el Capítulo 4, se aplica este grado de especificidad, pero la redacción no abarca este nivel de detalle.
B. Enfoque metodológico y herramienta para el examen estructural sistemático de la bibliografía
El examen sistemático de los datos de estudios científicos utilizados para el Capítulo 3, concebido siguiendo la Declaración PRISMA sobre elementos preferidos para la publicación de revisiones sistemáticas y metaanálisis4, se aplicó utilizando una herramienta de investigación integrada, a saber, Expert Search Semantic ENriChmEnt (Essence), desarrollada por el Laboratorio de datos de la FAO.
Essence se basa en una aplicación web que ofrece la posibilidad de consultar automáticamente artículos científicos de múltiples fuentes de datos (Google Académico, el Banco Mundial, el Fondo Monetario Internacional, etc.). Estos artículos, incluido su texto completo, se guardan y están disponibles para su examen a través de un motor de búsqueda semántico que utiliza como núcleo la base de datos Apache Solr. Esto permite agregar y filtrar resultados seleccionando valores identificados automáticamente cuando se descargan los documentos o aprovechando anotaciones añadidas conjuntamente.
Se utilizaron métodos avanzados desde la interfaz web de la herramienta, que permitieron filtrar los documentos descargados mediante un algoritmo basado en un método de inteligencia artificial que estudia y amplía las selecciones de artículos de interés de los usuarios. El enfoque se basa en la revisión manual de un pequeño subconjunto de documentos que son identificados como pertinentes, o no, por los usuarios con el fin de utilizarlos como fuente de información comprobada sobre el terreno. Se ejecutó posteriormente una fase preliminar de preprocesamiento de texto y aprendizaje directamente desde la interfaz web a fin de estimar y generalizar la función de vinculación entre el contenido (esto es, los términos) de los documentos examinados y su pertinencia. La fase de aprendizaje se basó en una regresión logística lineal, que es un algoritmo de clasificación utilizado para resolver problemas de clasificación binaria. El clasificador de regresión logística utiliza una combinación ponderada de los rasgos de entrada (los términos en la matriz Tf-idf) y los pasa por una función sigmoide que transforma cualquier entrada de número real en un número entre 0 y 1. Posteriormente se calculan las ponderaciones de las combinaciones para reducir al mínimo la distancia entre el producto de la función y la especificación del usuario de la pertinencia de los documentos examinados. Después de esta fase, se aplicó la función resultante a todos los documentos que se descargaron (y también a los que no se examinaron), que se asociaron a una “puntuación de pertinencia”. Un umbral hizo posible clasificar todos los documentos que se descargaron y no se examinaron manualmente como “pertinentes”.
A través de este proceso iterativo, resultó posible revisar la bibliografía en pocos pasos y contar con las funciones disponibles directamente de la interfaz web Essence. Ello se debe a que la puntuación de pertinencia propuesta para los documentos no evaluados por el usuario se convierten en un filtro, lo que permite a los usuarios hacer una rápida identificación y examinar los documentos que probablemente sean de más interés y añadir ejemplos nuevos que podrían ayudar al algoritmo a identificar mejor aquellos que son pertinentes para el conjunto de los documentos utilizados en la fase de aprendizaje. Este proceso iterativo ayuda a los usuarios a filtrar los documentos de más interés y ayuda a mejorar la precisión del modelo, de manera que este puede hacer mejor predicciones sobre la pertinencia de un documento.
Para obtener una descripción completa de la aplicación del protocolo PRISMA y el enfoque metodológico para el examen estructural sistemático de la bibliografía, véase de Bruin y Holleman (2023)18.
