Predicción de redes de delincuencia organizada en Ecuador mediante sistema experto con lógica plitogénica neutrosófica

Noel Batista Hernández; Lissette Amelia  Alvarado Ajila; Lia Margarita de Mora; Alexander Vicente  Espinales Vera

doi:10.65598/rps.6248

Autores/as

Noel Batista Hernández Universidad Bolivariana del Ecuador
Lissette Amelia Alvarado Ajila Universidad Bolivariana del Ecuador https://orcid.org/0009-0006-7050-1451
Lia Margarita de Mora Universidad Bolivariana del Ecuador https://orcid.org/0009-0008-5867-8662
Alexander Vicente Espinales Vera Universidad Católica Santiago de Guayaquil https://orcid.org/0009-0000-3126-8323

DOI:

https://doi.org/10.65598/rps.6248

Palabras clave:

Lógica Plitogénica, Conjunto Plitogénico, Sistema Experto, Toma de Decisiones, Predicción

Resumen

Uno de los mayores problemas que existe en el mundo actual es la violencia. América Latina es uno de los continentes con mayor presencia de este flagelo a nivel mundial. Ecuador es un país donde la violencia delincuencial ha tenido un repunte preocupante. Entre las manifestaciones de violencia y criminalidad en el país se encuentran redes de delincuencia organizada, vinculadas al narcotráfico principalmente. Las causas de este problema en el Ecuador son múltiples, como la pobreza, la exclusión social, el abandono estatal para la ayuda a los sectores más vulnerables del país. También existen redes de delincuencias que imponen a ciertos sectores de la población vulnerables a delinquir. Este artículo propone un modelo lógico-matemático que se utilizará para la predicción y el estudio de las redes de delincuencia organizada. Específicamente se utiliza la lógica plitogénica, que extiende la lógica difusa, intuicionista difusa y neutrosófica a un contexto de multidimensionalidad. Esta herramienta permite el estudio de fenómenos reales de una manera más fidedigna, puesto que captura la ambigüedad, la indeterminación, la contradicción y la multidimensionalidad. Esta herramienta se combina con un sistema experto, lo cual permitirá extraer patrones de situaciones específicas y reglas para el análisis de posibles redes delincuenciales organizadas.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Atanassov, K. T., & Gargov, G. (2017). Intuitionistic fuzzy logics. Springer International Publishing. https://doi.org/10.1007/978-3-319-67892-5

Atanassov, K., & Gargov, G. (1998). Elements of intuitionistic fuzzy logic. Part I. Fuzzy Sets and Systems, 95(1), 39–52. https://doi.org/10.1016/S0165-0114(96)00326-0

Batista-Barallobre, A. R. (2025). Emergencia social en sistemas adaptativos complejos: una revisión sistemática desde la simulación basada en agentes. Maestro y Sociedad, 22(3), 2232–2245.

Batista-Hernández, N., Leyva-Vázquez, M. Y., & Batista-Barallobre, A. R. (2025). Thinking about complexity in Latin America: Contributions of Neutrosophy in dialogue with Edgar Morin. Neutrosophic Sets and Systems, 84(1), 24. https://digitalrepository.unm.edu/nss_journal/vol84/iss1/24

Campos, D. A. A., & Campos, L. M. A. (2023). Implementación de un sistema experto basado en reglas para mejorar la organización horaria al acceso del servicio de tutoría. Sciéndo Ingenium, 19, 63–68. https://doi.org/10.17268/sciendo.2023.010

Chavez, W. O., Ortega, F. P., Perez, J. K. V., Zuniga, E. J. D., & Rivera, A. R. P. (2021). Modelo ecológico de Bronfenbrenner aplicado a la pedagogía, modelación matemática para la toma de decisiones bajo incertidumbre: de la lógica difusa a la lógica plitogénica. Gallup.

Chávez, W. O., Rojas, E. P., Narváez, D. A. O. V., Añorga, C. M. G., Rivera, H. V. H., Navarro, E. L., Campos Barreto, A., & Calixto, H. A. (2025). Design thinking model based on plithogenic logic for the management of entrepreneurship and innovation in higher university education in Peru. Neutrosophic Sets and Systems, 84, 387–397.

García-Benítez, S. R., & Martínez-Meneses, J. H. (2023). Sistema experto difuso para la calificación preliminar de proyectos de captura y almacenamiento de CO₂. Revista Internacional de Contaminación Ambiental, 39, 429–448. https://doi.org/10.20937/RICA.54019

Giannarou, L., & Zervas, E. (2020). Using Delphi technique to build consensus in health care research: Methodological considerations and applications. International Journal of Caring Sciences, 13(2), 125–132.

Instituto Nacional de Estadística y Censos. (2025). Indicadores de violencia y criminalidad en Ecuador. INEC.

Mardani, A., Streimikiene, D., Cavallaro, F., Loganathan, N., & Khoshnoudi, M. (2020). Carbon dioxide capture and storage technologies: A Delphi-based analysis for identifying and prioritizing barriers. Journal of Cleaner Production, 264, 121703. https://doi.org/10.1016/j.jclepro.2020.121703

Martin, N., Priya, R., & Smarandanche, F. (2025). Generalized plithogenic sets in multi-attribute decision making. En Neutrosophic and plithogenic inventory models for applied mathematics (pp. 519–546). IGI Global Scientific Publishing.

Paucar, J. M. P., Castillo, L. A. C., & Flores, D. F. C. (2022). Evaluación de delitos en redes sociales mediante coeficientes de correlación neutrosóficos. Neutrosophic Computing and Machine Learning, 22, 223–230.

Smarandanche, F. (2021). Introducción a la Lógica Plitogénica. Infinite Study.

Smarandanche, F. (2022). Introduction to Plithogenic Logic. Collected Papers. Volume X: On Neutrosophics, Plithogenics, Hypersoft Set, Hypergraphs, and other topics, 493.

Smarandanche, F. (2022). Plithogeny, plithogenic set, logic, probability and statistics: A short review. Journal of Computational and Cognitive Engineering, 1, 47–50. https://doi.org/10.47852/bonviewJCCE2202161

Smarandanche, F. (2024). Breve introducción a los conjuntos y la lógica neutrosófica estándar y no estándar. Neutrosophic Computing and Machine Learning, 35, 394–399.

Smarandanche, F., Leyva-Vázquez, M., Abdel Basset, M., Villardón, P. G., Viejó, F. G., Toledo, M. R., & Barzola, O. H. R. (2025). Aproximaciones neutrosóficas y plitogénicas en ciencia de datos y análisis multivariado: Contribuciones de la IX Reunión Iberoamericana de Biometría. Neutrosophic Computing and Machine Learning, 40, Prefacio–Prefacio.

Brayne, S. (2017). Big data surveillance: The case of policing. American Sociological Review, 82(5), 977–1008. https://doi.org/10.1177/0003122417725865

Chainey, S., & Ratcliffe, J. (2005). GIS and crime mapping. John Wiley & Sons. https://doi.org/10.1002/9781118685181

InSight Crime. (2023). Ecuador: País de tránsito a narco-estado. https://insightcrime.org/investigations/ecuador-pais-de-transito-a-narco-estado/

Krug, E. G., Dahlberg, L. L., Mercy, J. A., Zwi, A. B., & Lozano, R. (Eds.). (2002). World report on violence and health. World Health Organization. https://www.who.int/publications/i/item/9241545615

Ministerio del Interior del Ecuador. (2024). Plan de seguridad y orden público 2024-2025. Ministerio del Interior.

Muggah, R., & Tobón, K. A. (2018). Citizen security in Latin America: Facts and figures. Strategic Paper 33. Igarapé Institute. https://igarape.org.br/wp-content/uploads/2018/04/Citizen-Security-in-Latin-America-Facts-and-Figures.pdf

Organización Mundial de la Salud. (2021). Informe mundial sobre la prevención de la violencia. OMS. https://www.who.int/publications/i/item/9789241564625

Perry, W. L., McInnis, B., Price, C. C., Smith, S. C., & Hollywood, J. S. (2013). Predictive policing: The role of crime forecasting in law enforcement operations. RAND Corporation. https://doi.org/10.7249/RR233

Rudinac, S., Larson, M., & Hanjalic, A. (2022). Multimodal crime analysis via deep learning. IEEE Transactions on Multimedia, 24, 1542–1553. https://doi.org/10.1109/TMM.2021.3069890