Valuación masiva de la tierra urbana mediante inteligencia artificial. El caso de la ciudad de San Francisco, Córdoba, Argentina | Mass appraisal of urban land value using artificial intelligence. The case of San Francisco city, Córdoba, Argentina

Fil: Carranza, Juan Pablo. Universidad Siglo 21. Secretaría de Investigación; Argentina.

Fil: Piumetto, Mario Andrés. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Centro de Estudios Territoriales (CET); Argentina.

Fil: Salomón, Micael Jeremías. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.

Fil: Monzani, Federico. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Economía y Finanzas; Argentina.

Fil: Montenegro, Marcos Gaspar. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Economía y Finanzas; Argentina.

Fil: Córdoba, Mariano Augusto. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.

Fil: Córdoba, Mariano Augusto. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Centro Científico Tecnológico (CCT Córdoba). Unidad de Fitopatología y Modelización Agrícola; Argentina.

Fil: Córdoba, Mariano Augusto. Instituto Nacional de Tecnología Agropecuaria (INTA). Unidad de Fitopatología y Modelización Agrícola; Argentina.

El mercado inmobiliario desempeña un papel importante en la economía y la sociedad, por lo tanto, la desactualización de las valuaciones catastrales, en particular del suelo urbano, tiene efectos nocivos sobre las políticas públicas impositivas, territoriales y de vivienda, como en la estabilidad del sistema financiero. Por tal motivo, los catastros afrontan el desafío de desarrollar valuaciones masivas de una jurisdicción con el fin de proveer datos actualizados y de calidad, de manera rápida y eficiente. Dado el avance tecnológico, la generación de grandes volúmenes de información y los progresos asociados a las ciencias de la computación. Los resultados obtenidos permiten resaltar la ventaja de la capacidad predictiva en la estimación del valor del suelo urbano mediante la aplicación de una técnica algorítmica de aprendizaje automático, conocida como Random Forest, en combinación con una técnica geo-estadística llamada Kriging Ordinario para el tratamiento de los residuos frente a un método econométrico clásico, regresión lineal.

info:eu-repo/semantics/publishedVersion

Fil: Carranza, Juan Pablo. Universidad Siglo 21. Secretaría de Investigación; Argentina.

Fil: Piumetto, Mario Andrés. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Centro de Estudios Territoriales (CET); Argentina.

Fil: Salomón, Micael Jeremías. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.

Fil: Monzani, Federico. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Economía y Finanzas; Argentina.

Fil: Montenegro, Marcos Gaspar. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Economía y Finanzas; Argentina.

Fil: Córdoba, Mariano Augusto. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.

Fil: Córdoba, Mariano Augusto. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Centro Científico Tecnológico (CCT Córdoba). Unidad de Fitopatología y Modelización Agrícola; Argentina.

Fil: Córdoba, Mariano Augusto. Instituto Nacional de Tecnología Agropecuaria (INTA). Unidad de Fitopatología y Modelización Agrícola; Argentina.