Show simple item record

dc.creatorDulce Vanegas, Manuel Francisco
dc.creatorBeltrán Gómez, Adam
dc.date.accessioned2021-09-03T17:21:51Z
dc.date.available2021-09-03T17:21:51Z
dc.date.created2021-04-05
dc.identifier.citationDulce Vanegas, M. F., & Beltrán Gómez, A. (2021). Detección de contratistas multiobjeto mediante minería de textos para focalizar el ejercicio del control y vigilancia fiscal. Revista Mutis, 11(1), 48-64. https://doi.org/10.21789/22561498.1732
dc.identifier.otherhttps://revistas.utadeo.edu.co/index.php/mutis/issue/view/140
dc.identifier.otherhttps://doi.org/10.21789/22561498.1732
dc.identifier.urihttp://hdl.handle.net/20.500.12010/21575
dc.description.abstractLas entidades fiscalizadoras superiores, y en específico su ente rector, la Organización Internacional de las Entidades Fiscalizadoras Superiores (INTOSAI), han impulsado en los últimos cuatro años iniciativas encaminadas al uso de tecnologías y métodos para sus procesos de vigilancia y fiscalización que sean replicables y que generen 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 con mirar a mejorar y optimizar sus esfuerzos en cuanto a la vigilancia de los recursos de los colombianos. Aunque dicha tarea no es sencilla, esta entidad ha logrado detectar patrones de aquellos contratistas que acaparan la contratación estatal, logrando estar en diferentes sectores económicos sin tener probablemente la competencia técnica para cumplir el objeto contractual estipulado. A estos 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, que corresponden a contratos del sector educativo en Colombia. Con este instrumento se llevó a cabo el entrenamiento y las pruebas sobre un clasificador automático construido para los objetos contractuales a fin de detectar 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 de este tipo.spa
dc.format.extent17 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad de Bogotá Jorge Tadeo Lozanospa
dc.rightsCopyright (c) 2021 Revista Mutis
dc.sourceExpeditio Repositorio Institucional UJTL
dc.subjectAprendizaje De Máquinaspa
dc.subjectMinería De Textospa
dc.subjectContratación Estatalspa
dc.titleDetección de contratistas multiobjeto mediante minería de textos para focalizar el ejercicio del control y vigilancia fiscalspa
dc.subject.lembCiencias naturalesspa
dc.subject.lembMinería de datosspa
dc.subject.lembAdjudicación de contratosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.type.hasversioninfo:eu-repo/semantics/publishedVersion
dc.rights.localAbierto (Texto Completo)spa
dc.subject.keywordText Miningspa
dc.subject.keywordMachine Learningspa
dc.subject.keywordState’s Procurementspa
dc.identifier.doi10.21789/22561498.1732
dc.description.hashtag#MineríaDeTextospa
dc.description.abstractenglishSupreme audit institutions, and specifically its governing body, the International Organization of Supreme Audit Institutions (intosai), have promoted during the last four years a series of initiatives in the fiscal context aimed at the use of technologies and methods that are replicable and generate tangible results, thus reinforcing the sur-veillance and auditing processes carried out by supreme audit institutions. In this sense, the Comptroller General of the Republic of Colombia has been strengthening its technological infrastructure and technical capacities in order to improve and optimize its efforts in the monitoring of the resources of Colombian citizens. Although this task is not an easy one, this entity has managed to detect patterns of contractors who monopolize state con-tracting and are inserted into different economic sectors, without probably having the technical competence to fulfill stipulated contractual deeds. These subjects are known in the field of the General Comptroller’s office as “multi-object” contractors. This article explains the construction of a data set of 1,998 records labeled by experts that correspond to education sector contracts. Training and tests were carried out with this tool on an automatic classifier built for the contractual objects in order to detect suspected “multi-object” contractors. It was found that the best classification algorithm was the “Linear Vector Support Machine,” with an accuracy of 84%, which will eventually find presumed multi-object contractors by grouping.spa
dc.type.driverinfo:eu-repo/semantics/article
dc.type.coarhttp://purl.org/coar/resource_type/c_6501spa


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record