Show simple item record

dc.contributor.advisorBeltrán Gómez, Adam
dc.coverage.spatialColombiaspa
dc.creatorDulce Vanegas, Manuel Francisco
dc.date.accessioned2021-02-22T20:16:28Z
dc.date.available2021-02-22T20:16:28Z
dc.date.created2021
dc.identifier.urihttp://hdl.handle.net/20.500.12010/17598
dc.description.abstractLas Entidades Fiscalizadoras Superiores y en específico su ente rector, la Organización Internacional de las Entidades Fiscalizadoras Superiores INTOSAI, ha impulsado en los últimos 4 años iniciativas encaminadas al uso tecnologías y métodos en las Entidades Fiscalizadoras Superiores para sus procesos de vigilancia y fiscalización, que sean replicables y que tengan resultados tangibles en el contexto fiscal. En este sentido, la Contraloría General de la República de Colombia, viene fortaleciendo su infraestructura tecnológica y capacidades técnicas para mejorar y optimizar sus esfuerzos para vigilar los recursos de los colombianos, y aunque esta tarea no es sencilla ha logrado detectar patrones de aquellos contratistas que acaparan la contratación estatal logrando estar en diferentes sectores económicos sin probablemente tener la competencia técnica para cumplir el objeto contractual estipulado, estos contratistas se les conoce en el ámbito de la contraloría General como contratistas “multiobjeto”. En el presente artículo, se muestra la construcción de un conjunto de datos de 1.998 registros etiquetado por expertos, correspondiente a contratos del sector educativo con el cual se hicieron el entrenamiento y las pruebas sobre un clasificador automático construido para los objetos contractuales con el fin de detectar los presuntos contratistas “multiobjeto”. Adicionalmente, se encontró que el mejor algoritmo de clasificación fue Máquina de Soporte Vectorial Lineal con una exactitud de 84% el cual permitió finalmente listar por agrupamiento los presuntos contratistas multiobjetospa
dc.format.extent34 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad de Bogotá Jorge Tadeo Lozanospa
dc.sourceinstname:Universidad de Bogotá Jorge Tadeo Lozanospa
dc.sourcereponame:Expeditio Repositorio Institucional UJTLspa
dc.subjectMinería de textospa
dc.subjectAprendizaje de máquinaspa
dc.subjectContratación estatalspa
dc.subjectControl fiscalspa
dc.titleDetección de contratistas multiobjeto mediante text mining para focalizar el ejercicio del control y vigilancia fiscalspa
dc.type.localTrabajo de grado de maestríaspa
dc.subject.lembEntidades Fiscalizadoras Superioresspa
dc.subject.lembTecnología--Usospa
dc.subject.lembTecnología--Aspectos éticos y moralesspa
dc.subject.lembContratos administrativosspa
dc.subject.lembContratos públicosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.rights.localAbierto (Texto Completo)spa
dc.subject.keywordText miningspa
dc.subject.keywordMachine learningspa
dc.subject.keywordState’s procurementspa
dc.subject.keywordFiscal Control and Surveillancespa
dc.identifier.repourlhttp://expeditio.utadeo.edu.cospa
dc.creator.degreeMagíster en Ingeniería y Analítica de Datosspa
dc.publisher.programMaestría en Ingeniería y Analítica de Datosspa
dc.relation.referencesAlvarez-Jareño, J. A., Badal Valero, E., & Pavía, J. M. (2018). Aplicación de métodos estadísticos, económicos y de aprendizaje automático para la detección de la corrupción. Revista Internacional de Transparencia e Integridad, 9, 7. https://dialnet.unirioja.es/servlet/articulo?codigo=6977094spa
dc.relation.referencesAly M, (2005) Survey on Multiclass Classification Methods. Recuperado de: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.175.107&rep=rep1&type =pdfspa
dc.relation.referencesBologa, A.-R., Bologa, R., & Florea, A. (n.d.). 30 Big Data and Specific Analysis Methods for Insurance Fraud Detection Big Data and Specific Analysis Methods for Insurance Fraud Detection.spa
dc.relation.referencesC. F. Córdoba Larrarte y Contraloría General de la República, (2019) “Edición 356 de Revista Economía Colombiana - Océano.” Recuperado de: https://www.economiacolombiana.co/revista/oceano-393.spa
dc.relation.referencesContraloría General de la República, (2018) “Plan Estratégico Cgr 2018 - 2022.Pdf.” p. 23.spa
dc.relation.referencesGiraldo. L, Dulce. M, Giraldo. L Parra. J, Cotrino. Y, y Tafur. J, “BIG DATA - ANÁLISIS DE CASO EN LA CONTRALORÍA DE BOGOTÁ CON LA ENTREGA DE BONOS,” J. Chem. Inf. Model., (2018).spa
dc.relation.referencesINTOSAI (s.f.) Organización Internacional de Entidades Fiscalizadoras Superiores (INTOSAI) Recuperado de: https://www.intosai.org/es/que-hacemosspa
dc.relation.referencesRennie, J. D. M., & Rifkin, R. (2001). Improving Multiclass Text Classification with the Support Vector Machine. Massachusetts Institute of Technology AI Memo 2001- 026.spa
dc.relation.referencesHsu, B. M. (2020). Comparison of supervised classification models on textual data. Mathematics. https://doi.org/10.3390/MATH8050851spa
dc.relation.referencesJ. García, J. M. Molina, A. Berlanga, M. A. Patricio, Á. L. Bustamante, and W. R. Padilla (2018). Ciencia de datos Técnicas analíticas y aprendizaje estadístico. Alfaomega, p. 445.spa
dc.relation.referencesMargit. K, Sylvain. R, Nejib. G, Dodaro. L,Ballesteros. M et al (2020) xInternational Journal of government auditing Recuperado de: https://www.intosai.org/fileadmin/downloads/about_us/IJGA_Issues/2020/EN_2020 _v47n1.pdf, Pag. 5.spa
dc.relation.referencesOthman, R., Aris, N. A., Mardziyah, A., Zainan, N., & Amin, N. M. (2015). Fraud Detection and Prevention Methods in the Malaysian Public Sector: Accountants’ and Internal Auditors’ Perceptions. Procedia Economics and Finance, 28(April), 59–67. https://doi.org/10.1016/s2212-5671(15)01082-5spa
dc.relation.referencesR. Wirth,(2000) CRISP-DM : Towards a Standard Process Model for Data Mining, Proc. Fourth Int. Conf. Pract. Appl. Knowl. Discov. Data Min., no. 24959, pp. 1-2, 2000, doi: 10.1.1.198.5133.spa
dc.relation.referencesS. Li, (2018) Multi-class Text ClassificatiScikit-Learn on with Recuperado de: https://towardsdatascience.com/multi-class-text-classification-with-scikit-learn12f1e60e0a9fspa
dc.relation.referencesSong, Y. Y., & Lu, Y. (2015). Decision tree methods: applications for classification and prediction. Shanghai Archives of Psychiatry, 27(2), 130–135. https://doi.org/10.11919/j.issn.1002-0829.215044spa
dc.description.hashtag#DetecciónContratistasMultiobjetoMedianteTextMiningspa
dc.description.hashtag#DetecciónContratistasMultiobjetoMedianteTextMiningEjercicioControlVigilanciafiscalspa
dc.description.abstractenglishThe Supreme Audit Institutions and specifically its governing body, the International Organization of Supreme Audit Institutions INTOSAI, has promoted in the last 4 years initiatives aimed at the use of technologies and methods in the Supreme Audit Institutions for their surveillance and audit processes, which are replicable and have tangible results in the fiscal context. In this sense, the Comptroller General of the Republic of Colombia has been strengthening its technological infrastructure and technical capacities to improve and optimize its efforts to monitor the resources of Colombians, and although this task is not easy, it has managed to detect patterns of those contractors that They monopolize state contracting, managing to be in different economic sectors without probably having the technical competence to fulfill the stipulated contractual object. These contractors are known in the field of the General Comptroller's office as “multi-object” contractors. In this article, the construction of a data set of 1,998 records labeled by experts is shown, corresponding to education sector contracts with which training and tests were carried out on an automatic classifier built for the contractual objects in order to detect suspected “multi-object” contractors. In addition, it was found that the best classification algorithm was the Linear Vector Support Machine with an accuracy of 84% which will eventually find, by grouping, the presumed multi-object contractors.spa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record