Detección de grupos muy relacionados de personas usando Redes Complejas

INÉS CARIDI; PABLO GALLO; CARLOS SOMIGLIANA; CLAUDIO O. DORSO.

Buenos Aires

Congreso; V Congreso Latinoamericano de Antropología Forense: “Hacia la uniformización de la investigación antropológica forense en América Latina"; 2009

Asociación Latinoamericana de Antropología Forense (ALAF)

<!-- @page { margin: 0.79in } P { margin-bottom: 0.08in } --> Desarrollamos un método que ha sido concebido para contribuir al trabajo de determinar el destino de personas que fueron desaparecidas en la Provincia de Tucumán 1975-1983. El EAAF ha recopilado una base de datos con información en vida de las personas (atributos políticos, temporales...), y ha generado hipótesis de cómo relacionar esos atributos. La hipótesis fundamental es que grupos de personas cuyas desapariciones están estrechamente relacionadas fueron llevados al mismo CCD. Pero el problema de organizar la enorme cantidad de información para encaminar las búsquedas es complejo, y hay relaciones que no son evidentes de detectar. Identificamos a las personas como puntos de una red y establecimos conexiones entre ellos basadas en los atributos en vida de las personas, usando reglas para vincularlos. El punto de partida para definir esas reglas surge de la experiencia del EAAF acerca de cómo relacionar los atributos (ejemplo: vincular dos personas si tienen una fecha de desaparición cercana, una misma militancia política, etc), pero es posible evaluar otras reglas, así como variar los parámetros que estas involucran. Como hay información desconocida para algunas personas, entonces habrá conexiones que no pueden establecerse, la red es incompleta. Desarrollamos un método para tratar con la información faltante. El resultado que se obtiene es una estructura de clusters (grupos aislados de la red) de la que forman parte nodos con información incompleta. Además de los atributos en vida de las personas, usamos otra información disponible en este problema para determinar las mejores reglas para definir la red. Se trata de la información concerniente a las personas vistas en los diferentes CCD, y las personas que forman los “clusters o grupos de referencia”. Una buena regla debería ser consistente con esta información. Para las mejores reglas, asignamos una predicción acerca del destino que pudieron haber tenido las personas. Evaluamos la tasa de éxito de esta predicción.