Análisis espacial de las unidades educativas del milenio en el Ecuador y su cobertura en zonas de pobreza.

• Navas Ruilova, Gustavo Ernesto ^[1] ; Llerena Paz, Robinson ^[1] ; Vaca, Fernando ^[1]
  1. [1] Universidad Politécnica Salesiana

     Universidad Politécnica Salesiana

     Cuenca, Ecuador

     
• Localización: La Granja: Revista de Ciencias de la Vida, ISSN-e 1390-8596, ISSN 1390-3799, Vol. 30, Nº. 2, 2020, págs. 121-133
• Idioma: español
• Títulos paralelos:
  • Análise espacial das unidades educacionais do milênio no Equador e sua cobertura nas zonas de pobreza
  • Spatial Analysis of Education Millennium Units in Ecuador and Its Coverage Over Poverty Areas
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Uno de los parámetros que más influyen en la pobreza es la mala calidad en la educación. El estudio sistemático de la pobreza es fundamental para mejorar la aplicación de planes y proyectos. En el Ecuador, a partir del año del 2005 inicia el “Proyecto para mejorar las condiciones de escolaridad, el acceso y la cobertura de la educación” en zonas de alto índice de pobreza a través del Gobierno Nacional (Ministerio de Educación, 2016). Este estudio realiza un análisis espacial de dicho proyecto gubernamental del Ecuador mediante el uso del software libre. Dicho análisis se fundamenta en la existencia de las instituciones educativas públicas denominadas “Unidades Educativas del Milenio” (UEM), cuyo fin es mejorar la calidad académica, satisfacer la demanda estudiantil rural y atender a sectores históricamente relegados, partiendo de 57 unidades educativas operativas en el año 2016 y utilizando técnicas de análisis espacial estadístico, apoyados en una base de datos relacional robusta como es el caso de PostgreSQL, con el fin de determinar cuál es su área de afectación a la población, creando varios tipos de coberturas para identificar las parroquias y el porcentaje de pobreza que es atendido por este proyecto educacional, logrando determinar que existe un 77% y el 96% de UEM, en zonas de extrema pobreza.

     

  • English

    One of the most influence parameters in poverty is the poor quality of education. The systematic study of poverty is essential to improve the implementation of plans and projects. Since 2005, Ecuador began the “Project to improve education conditions, schooling access and coverage of education" on high poverty areas through the National Government (Ministry of Education 2016). This study performs a Spatial Analysis of the above governmental project of Ecuador by the use of free software. This analysis is based in the existence of public educational institutions called "Millennium Educational Units", whose purpose is to improve academic quality, meet rural student demand and serve historically relegated sectors.  It is sought using statistical spatial analysis techniques, supported by a robust relational database such as PostgreSQL for determining their ​​impact area on the population by creating various types of coverage to identify the parishes and the poverty percentage that is being benefited by this educational project, managed to determine that there is a percentage between 77% and 96% of UEM, located in areas of extreme poverty.

  • português

    Um dos parâmetros que mais influenciam na pobreza é a má qualidade da educação. O estudo sistemático da pobreza é fundamental para melhorar a aplicação de planos e projetos.

    No Equador, a partir do ano de 2005, o “Projeto para melhorar as condições de escolaridade, acesso e cobertura educacional” começou em áreas com altos índices de pobreza através do Governo Nacional Este estudo realiza uma análise espacial do referido projeto governamental do Equador através do uso de software livre. Essas análises baseiam-se na existência de instituições públicas de ensino denominadas "Unidades de Educação do Milênio" (UEM), cujo objetivo é melhorar a qualidade acadêmica, atender à demanda de estudantes rurais e setores historicamente desprotegidos, a partir de 57 unidades educativas operacionais no ano 2016 e usando técnicas estatísticas de análise espacial, com suporte de um banco de dados robusto, como o PostgreSQL, para determinar a área de impacto na população,  para identificar a localização e porcentagens de pobreza atendidos pelo projeto educacional, e determinar que existem  entre 77% e 96% UEM em áreas de extrema pobreza.