Resumen de Caracterización de la ruralidad utilizando métodos de inteligencia computacional en clasificación

Natalia Gómez Requena, María Luisa Rodero Cosano, César Hervás Martínez

• português

  Actualmente hay un amplio debate acerca del significado de ruralidad y las variables que permiten la clasificación de un área geográfica como rural. Países como España, en los que existen diferentes grados de ruralidad, requieren estudios más detallados que permitan optimizar la asignación de recursos públicos orientados a reducir la desigualdad entre las zonas rurales y urbanas (Prieto-Lara y Ocaña-Riola, 2010).

  Tradicionalmente se han utilizado índices simples, basados fundamentalmente en la densidad de la población, para definir una determinada zona como rural (OECD 2010; Eurostat 2011b). El problema de estos índices radica en la dificultad para describir un concepto tan complejo como la ruralidad en base a una única variable (OcañaRiola y Sánchez-Cantalejo, 2005).

  Por otro lado, con el objeto de captar la complejidad de la ruralidad, diversos investigadores han propuesto índices de ruralidad multidimensionales que contemplan, entre otras, variables demográficas, económicas o de accesibilidad (Cloke , 1977; Ballas et. al., 2003; Bogdanov et. al., 2008; Prieto-Lara y Ocaña-Riola, 2010;

  Camaioni et al., 2013; Mountrakis, et. al.,2005; Pizzoli, 2014), pero sin determinar en qué medida influye cada una de las mismas.

  En este contexto, el presente trabajo tiene como objetivo la determinación de las variables, o conjuntos de variables, más relevantes para la caracterización de las zonas rurales, empleando para ello diversos métodos de inteligencia computacional de clasificación nominal. Dichos métodos se aplican sobre datos desagregados a nivel NUTS3 con el fin de determinar la importancia de dichas variables en el contexto español

• English

  Nowadays, there is a wide debate about the meaning of rurality and the variables which allow classifying a geographic area as rural. Countries such as Spain, where there are different degrees of rurality, require more detailed researches in order to optimize the distribution of public resources. This will allow closing the gap on inequalities between rural and urban areas (Prieto-Lara & Ocaña-Riola , 2010).

  Traditionally, indexes based on population density have been used to define an area as rural (OECD 2010;

  Eurostat 2011b). The problem of those indexes is the difficultly to describe such as a complex concept as rurality with a single variable (Ocaña-Riola & Sánchez-Cantalejo, 2005).

  On the other hand, some researchers have proposed multidimensional rurality indexes which include, among others, demographic, economic or accessibility variables in order to understand the complexity of the meaning of rurality (Cloke , 1977; Ballas et. al., 2003; Bogdanov et. al., 2008; Prieto-Lara & Ocaña-Riola, 2010; Camaioni et al., 2013; Mountrakis, et. al.,2005; Pizzoli, 2014). But neither of those researches has determined the effect that each of those variables has over rurality.

  In this context, the aim of this paper is the identification of the key variables, or set of variables, which characterize rural areas through computational intelligence methods of nominal classification. NUTS3 data have selected as analysis in order to determine the importance of these variables in the Spanish context.