Evaluación de programas públicos mediante lógica difusa: el caso del Programa Hábitat

Lucio Flores Payán* y María Luisa García Batíz**

* Profesor del Centro de Enseñanza Técnica Industrial, Guadalajara, Jalisco [florespayan@hotmail.com].

** Investigadora de la Universidad de Guadalajara, sede en el Centro Universitario de Ciencias Económico Administrativas, Zapopan, Jalisco [maluisagarcia@hotmail.com].

Resumen

El objetivo del artículo es presentar una propuesta alternativa a la práctica común de evaluación, al ostentar una metodología basada en la teoría de la lógica difusa y sus aplicaciones. Los resultados obtenidos evidencian dos elementos prioritarios: el primero es el alcance en el impacto que el programa social Hábitat ha logrado en sus espacios de intervención; el segundo es la relevancia de utilizar la teoría de la lógica difusa para la comprehension de fenómenos de decisión política y aplicación práctica dirigida al bienestar y al interés social.

Palabras clave: fenómenos sociales, evaluación, programas públicos y sociales, lógica difusa, política pública.

Abstract

The main objective of this paper is to present a proposal an alternative to the common practice of evaluation by presenting a methodology based on fuzzy logic theory and its applications. The principal results show two priority items, the first of them is the extent to impact the program social Hábitat has achieved in their areas of intervention , the second is the relevance of using the theory of fuzzy logic to the comprehension phenomena of political and practical application addressed to the welfare and social interest.

Key words: social phenomena, evaluation, public and social programs, fuzzy logics, public policy.

INTRODUCCIÓN

La evaluación es una disciplina elemental que tiene relación con muchas actividades humanas y que intenta mejorar las condiciones y resultados del ámbito evaluado. Son variados los aspectos o elementos que pueden ser evaluados: se puede examinar la efectividad en relación con el costo, la confiabilidad, la eficiencia, la seguridad, la facilidad de uso o la confiabilidad del objeto evaluado, sea un bien, servicio, proyecto o política.¹

La evaluación de política pública —específicamente en cuanto a su orientación de política social— reviste gran importancia para los gobiernos y sociedades actuales a partir de la bondad de permitir confirmar el valor, la importancia y capacidad para la mejora del programa evaluado, así como el rendimiento de cuentas.

Actualmente existe una amplia variedad metodológica para el análisis y evaluación de programas sociales, sin embargo, la realidad social extremadamente compleja requiere de un pensamiento más fuerte y de poderosos instrumentos analíticos capaces de comprenderla. Por ello, la implementación de elementos alternativos como es el caso de la teoría de la lógica difusa y sus aplicaciones, pueden ser útiles para tratar fenómenos sociales porque proveen de una comprehensión abstracta y al mismo tiempo instrumentos prácticos con los cuales reducir los aspectos de incertidumbre y vaguedad de las decisiones del pensamiento humano, y así orientar o, aún más, redirigir la intervención social para mejorar la visión analítica en la evaluación de programas sociales.

El presente documento encuentra el sustento principal en la idea de presentar una innovadora forma de contribuir al conocimiento y entendimiento de la realidad social, entendiendo esta realidad como estructura general o marco de referencia en la cual se sitúa la evaluación de política pública y su particularidad de programas sociales a partir de la implementación del enfoque de la lógica difusa. Con esta finalidad se conceptualiza y contextualiza la lógica difusa y se definen sus alcances y aplicaciones al análisis social; se destacan ejemplos en los que se aplica la lógica difusa al conocimiento social, para introducir a las representaciones de los conjuntos difusos y sus expresiones matemáticas, para finalizar se muestran aplicaciones de la lógica difusa en la investigación social y se introduce al involucramiento de la teoría de la lógica difusa en la evaluación de política y programas públicos al presentar algunos de los beneficios del uso de esta teoría en la evaluación, demostrándolo con los resultados obtenidos en la aplicación empírica realizada al objeto de estudio: el Programa social Hábitat.

LA LÓGICA DIFUSA COMO ENFOQUE PARA EL ANÁLISIS DE FENÓMENOS SOCIALES

Elementos para la construcción teórica

El estudio de fenómenos sociales, y en específico el análisis y evaluación de políticas y programas públicos, ha encontrado una elemental distinción, la de ser multidimensional y totalmente dinámico, pocas y cada vez menos veces explicado de forma estática y unidimensional.

La probabilidad y la estadística durante decenas de años han sido los principales elementos a los que recurre el investigador social para la estratificación y formalización del razonamiento y del conocimiento que implica la intervención para la mejora de la realidad social. Estos elementos, como herramientas de la investigación social, hacen posible obtener respuestas desde una visión global, general y consensual de los problemas de investigación, asimismo permiten entender el comportamiento en condiciones de normalidad y probabilidad de ocurrencia de un suceso o acontecimiento en torno de un elemento central o inicial del comportamiento de la realidad estudiada; sin embargo, con estos instrumentos no se obtienen respuestas bajo condiciones de heterogeneidad, anómalas e irregulares (condiciones de no normalidad) que siempre se encuentran existentes; es decir, no ofrecen respuestas que conduzcan a una racionalidad proveniente de formas de explicación dinámicas que son imposibles de considerar como estáticas.

Una visión permeada de aproximaciones, difícilmente satisface las ansias de respuestas exactas de observadores de la complejidad y lo no homogéneo, que son necesarias para actuar mejor. Por ello, se explora la conceptualización del término complejidad, del cual se hace mención desde la misma perspectiva que establece García, quien menciona que:

La complejidad de un sistema no está solamente determinada por la heterogeneidad de los elementos (o subsistemas) que lo componen y cuya naturaleza los sitúa normalmente dentro del dominio de diversas ramas de la ciencia y la tecnología. Además de la heterogeneidad la característica determinante de un sistema complejo es la interdefinibilidad y mutua dependencia de las funciones que cumplen dichos elementos dentro del sistema total. Esta característica excluye la posibilidad de obtener un análisis de un sistema complejo por la simple adición de estudios sectoriales correspondientes a cada uno de los elementos.³

En realidad esta complejidad se encuentra no tanto en el propio objeto de estudio, sino en la forma como éste es observado. Cada forma de análisis nace de una reflexión que comprende ampliamente la imposibilidad de satisfacer los alcances infinitos de correspondencia e interdependencia entre los elementos del sistema estudiado con los elementos del entorno; estos últimos, siempre infinitamente mayores.⁴

En consecuencia, es implacable la necesidad de una variante en la forma de observar la realidad social, misma que se encuentra permeada por fenómenos heterogéneos, por comportamientos cambiantes —no solamente en tiempo y espacio sino que también en su propia lógica de comportamiento—, que son prácticamente impredecibles y siempre irrepetibles: "la realidad en sus más diversas manifestaciones, aparece en el nuevo contexto, construida por fluctuaciones, iteraciones, borrosidad, turbulencias o torbellinos, catástrofes, fractales, bifurcaciones, actores extraños, etcétera".⁵

Estas externalidades en el conocimiento de la realidad social son motivo para emprender la búsqueda de formas de observación distintas y para aplicarlas en la investigación social, teorías y prácticas que proporcionen directrices de política y pautas de intervención, sustentadas social y culturalmente, además de tecnologías, metodologías, métodos y técnicas adecuadas que hagan posible contemplar la vaguedad, subjetividad, incertidumbre y lo excesivamente cambiante de los fenómenos analizados. Nos referimos a teorías convenientemente apoyadas con conocimientos e instrumentos de otras disciplinas que puedan ser trasladados y aplicados al estudio de lo social.

De acuerdo con Amuzurrutia, es necesario hacer una verdadera reflexión sobre el significado que se asigna al número en las conjeturas estadísticas. En virtud de la necesidad de hacer más explícita la intervención del científico o investigador, es fundamental encontrar elementos que faciliten la construcción de argumentos que propicien una continuidad verdaderamente objetiva y racional en las inferencias de cada investigación.⁶

Por ello, la propuesta que se presenta en este trabajo puntualiza que para fines de observación, comprensión y explicación de los procesos evaluativos de políticas y programas sociales como elemento característico de la complejidad de la realidad social, sea utilizada la teoría de la lógica difusa, misma que mediante sus funciones de pertenencia, su aritmética difusa y el establecimiento de los cortes difusos (que son explicados posteriormente), hagan posible construcciones de certeza creciente bajo explicaciones operacionalizadas de tal forma que se logren certezas prolongadas en las condiciones heterogéneas del fenómeno analizado.

LA LÓGICA DIFUSA Y SU CONCEPTUALIZACIÓN

Aproximaciones preliminares

La lógica difusa se basa en la relatividad de lo observado, permite describir y formalizar la realidad a partir de modelos flexibles, contemplando la subjetividad y la incertidumbre de las valoraciones del comportamiento humano.⁷

Sin embargo, se debe aclarar que las primeras —y en la actualidad las más precisas— aplicaciones de esta teoría, son con fines de racionalizar la toma de decisiones en el área del control y la ingeniería, aceptando el reto principal de lograr conmensurar y especificar aspectos que el pensamiento humano podría asignar a una variedad de valores numéricos y por tal razón, difícilmente cuantificables.

Zadeh, uno de los pioneros en la aplicación de esta teoría con su formalización matemática de los conjuntos difusos, considera además que "casi toda la lógica del razonamiento humano no es la lógica clásica de dos valores, o incluso de varios valores, sino una lógica de verdades difusas, de conjunciones difusas, de reglas de deducción difusas".⁸

Lo anterior se experimenta cotidianamente. Al referimos a cualquier percepción mencionamos infinidad de conjuntos difusos, es decir, conceptos que no tienen fronteras nítidamente definidas o exactas, características que difícilmente podría tener un solo valor numérico, como por ejemplo "delgado", "alto", "pertinente", "veloz", "lentamente", "viejo", "impactante", cualquier nombre de color "amarillo", "verde", "gris", "púrpura".

El término "difuso" como adjetivo de lógica, refiere a los grados de significancia o a valores en la medición de la incertidumbre de variables lingüísticas —posteriormente se explica con detalle este concepto—; para estas representaciones lingüísticas se establecen correspondencias con valores numéricos en un conjunto entre cero y uno, estos conjuntos en unión con las etiquetas lingüísticas forman pares con los cuales se construye una función matemática con su correspondiente dominio y contradominio, dicha función contiene los grados de significancia de las etiquetas lingüísticas mediante las cuales pueden crearse los conjuntos difusos listos para desarrollar operaciones aritméticas.

El modelo de inferencia difusa es una forma de representar conocimientos y datos inexactos en forma similar al pensamiento humano.⁹ El sistema de inferencia difusa es diseñado a partir de la correspondencia no lineal entre una o varias variables de entrada y una variable de salida; esto facilita una base desde la cual pueden tomarse decisiones o definir patrones que son representados por valores no exactos.

Representación de los conjuntos difusos

Expresiones matemáticas

La representación matemática de un conjunto difuso cuando X es una colección de objetos denotados por x, X={x₁, x₂, x₃...}, así un subconjunto difuso A en X es un conjunto de pares ordenados:

Donde µA: → [0,1] es la función de pertenencia, µA(x) es el grado de pertenencia de la variables x y U es el dominio de la aplicación, en términos difusos es lo referente al universo de estudio, es decir, mientras más cercano sea el valor de "A" a la unidad, mayor será la pertenencia del objeto x al conjunto A.

El rango de la función de pertenencia puede ser un conjunto de números reales no negativos, aunque sea práctica general que la función de pertenencia esté definida entre 0 y 1 como X µA(x) → [0,1].

Cuando el universo de estudio esté configurado de forma continua o discreta serán representados respectivamente por las siguientes ecuaciones:

Se denomina variable lingüística a aquella que puede tomar por valores términos del lenguaje natural, como edad, peso, altura, daño, capacidad, vulnerabilidad, pertinente, nada, poco, mucho, positivo, negativo, bueno, malo, etcétera, las cuales a su vez son las que hacen el papel de etiquetas en un conjunto difuso. En cada entrada del sistema difuso se ha de identificar la correspondiente etiqueta lingüística que define la salida informativa. Cada una de las "n" variables de entrada y la de salida han de repartirse en conjuntos difusos específicos. Así, podrán ser definidos diversos conjuntos difusos, todos distintos, en la variable de salida. Lo mismo se puede hacer con el resto de otras variables involucradas. Cada conjunto difuso debe llevar asociado a él una etiqueta lingüística.¹⁰

IMPLEMENTACIÓN DE LA LÓGICA DIFUSA Y SUS CONJUNTOS DIFUSOS EN LA INVESTIGACIÓN SOCIAL PARTICULARIZANDO EN LA EVALUACIÓN DE PROGRAMAS SOCIALES

De la abstracción a la practicidad

La implementación de los conjuntos difusos en las ciencias sociales en comparación con las aplicaciones en las ciencias de ingeniería y control ha sido realmente escasa; sin embargo, algunos investigadores sociales han comprendido lo elemental de crear sistemas difusos para el entendimiento de fenómenos sociales.

Por ejemplo, Gil Quesada aplica los conjuntos difusos a la medición (evaluación) escolar, para ello elabora un examen con una serie de ítems puntuados según una valoración continua (de O a 1). Con esta aplicación difusa, accede al cálculo de una serie de nuevos índices, como son: 1) el índice de suficiencia nítida: % de alumnos del grupo que obtienen una puntuación superior al punto de corte nítido; 2) el índice de suficiencia difusa: probabilidad de que un alumno supere el examen si consideramos la función de pertenencia como función de probabilidad; 3) el índice de borrosidad: porcentaje de alumnos del grupo que están nítidamente clasificados.¹¹

En las conclusiones de esta investigación se hace explícita la elevada potencialidad de la teoría de la lógica difusa para establecer las zonas de corte difusos, misma que hace posible resolver las paradojas ligadas a la visión de lógica clásica. El diseño y tratamiento que se le da a los ítems de los cuestionarios aplicados son bajo las condiciones de la lógica difusa, lo que deriva en adecuados instrumentos analíticos para las valoraciones finales de los datos obtenidos. Argumenta el autor constatar la potencialidad analítica de las relaciones difusas y la potencialidad de los métodos sin la necesidad de complejos programas informáticos.

De igual forma, Morales aplica la teoría de conjuntos difusos para medir la pobreza en México mediante tres dimensiones: pobreza monetaria, pobreza no monetaria de bienes privados; y pobreza no monetaria de bienes públicos. Emplear estas tres dimensiones facilita construir una membrecía conjunta, con la cual es posible clasificar la pobreza latente y no pobreza, lo cual se lleva a cabo para los tres tipos de pobreza oficial empleados en México, para las zonas urbanas, rurales, y para el total de hogares y de individuos en México para el periodo 1994-2006. Además, se calculan intervalos de confianza para cada estimación, con lo que es posible establecer si se presentaron cambios estadísticamente significativos a través del tiempo.¹²

Estas son sencillamente algunas de las aplicaciones realizadas que comprueban la potencialidad de la lógica difusa para la disminución de elementos que propician vaguedad en el dato pues según Zadeh, lo difuso es algo inherente en el conocimiento humano, no algo omisible de la realidad como si fuera defecto; y que por lo tanto debe ser un componente esencial en cualquier teoría social.¹³

De esta manera, la propuesta que se plantea es el uso de la lógica difusa como un enfoque mediante el cual se pueda aproximar a la realidad que experimenta el proceso de evaluación de políticas y programas sociales.

CASO DE ESTUDIO: EVALUACIÓN AL PROGRAMA SOCIAL HÁBITAT MEDIANTE EL MODELO BASADO EN LÓGICA DIFUSA

Para la evaluación del Programa Hábitat se propone la construcción de un índice que determine el impacto que se haya logrado en los polígonos de aplicación, el índice es construido a partir de la adaptación del modelo teórico y su aplicación empírica establecido por Dagum y Costa.¹⁴

Para la evaluación del programa se consideran tres etapas fundamentales, la primera de ellas es la identificación de la población objetivo de análisis, posteriormente la determinación de los indicadores o atributos mediante los cuales se evalúa el impacto del programa y son mostrados en el Cuadro 1, finalmente se determina el indicador de impacto mediante el enfoque de conjuntos difusos, donde se propondrá un índice de impacto como función de los "n" indicadores.

El índice de impacto se construye a partir de los siguientes elementos: un primer conjunto:

El cual representa la población objetivo de análisis, que para el presente trabajo indican los polígonos donde ha intervenido el Programa Hábitat.

Un vector de orden "k" que representa los atributos o indicadores mediante los que se evaluará el impacto, en este caso son los indicadores de cambio mencionados en el Cuadro 1:

Un tercer conjunto "Z" que representa el conjunto difuso "impacto", el cual refiere al impacto del programa, de tal forma que cualquier miembro de A ∈ Z representa un grado de impacto, en al menos uno de los ( k ) indicadores de ( X ).

De esta forma, X_ik = M_z (x_k (α_i)) distinguirá el grado de pertenencia al conjunto difuso (Z) del polígono ( i ) con respecto al atributo ( k ) tal que 0 ≤ X_ik ≤ 1, así:

Después de especificar la forma de cálculo para el grado de pertenencia de cada atributo ( k ) del polígono analizado ( i ), el siguiente paso consiste en realizar una agregación de esos valores para la determinación de la función de pertenencia M_Z (A_i) de cada polígono al conjunto difuso (Z), lo que indica el nivel de impacto de cada polígono como función ponderada de los (K) atributos, es decir expresa un concepto relativo de impacto y la función se define por:

es la frecuencia relativa representada por la muestra del polígono a_i y w_i es el peso adjunto del atributo ( k ) y nuevamente 0 ≤ M_Z (α_i) ≤ 1 , y:

Finalmente el grado o tasa de impacto del total de los polígonos evaluados se calcula como una media ponderada de las funciones individuales de cada polígono perteneciente al conjunto difuso (Z)

Mediante la utilización de la lógica difusa en este modelo teórico, es posible también encontrar los valores de impacto del k- énesimo indicador en el impacto total. Del índice de impacto difuso (5) y de los pesos correspondientes a cada atributo (2), la contribución absoluta del atributo ( k ) al índice de impacto queda definido como:

Especificando el índice de impacto unidimensional del k - ésimo atributo para el l-ésimo grupo como:

Especificaciones para las calificaciones del grado de impacto

Los parámetros que son introducidos a los sistemas de inferencia difusa para la calificación del indicador evaluado, parten de las siguientes consideraciones empíricas:

• un tiempo inicial ( t₁ );

]]> • un tiempo final ( t₂ );

• una población de viviendas/polígono con el servicio inicial ( V_si );

• una población de viviendas/polígono con el servicio final ( V_sf );

• una población de viviendas/polígonos total en t₁ ( V_t );

• tres casos posibles: 1) indicador igual a negativo ( - ), 2) indicador igual a cero ( 0 ), 3) indicador igual positivo ( + );

para el caso 1 y 3 el desarrollo en ecuaciones:

Donde: m = incremento de viviendas en el t₂

De lo anterior se concluye para los tres casos:

En todos los casos podrá existir un impacto del Programa Hábitat en los polígonos de intervención, a partir de la descripción anterior es que se asignan los parámetros para la calificación del valor de indicador como variable de entrada al sistema de inferencia difusa en un rango de [0.3 1], comenzando con los valores negativos en 0.3, pasando por el valor de 0 en 0.5 hasta los valores positivos en 1.

APLICACIÓN DEL MODELO TEÓRICO BASADO EN LÓGICA DIFUSA PARA EL CÁLCULO DEL ÍNDICE DE IMPACTO

La implementación del modelo de lógica difusa descrito anteriormente permitió: a) medir el nivel relativo de impacto en cada polígono estudiado; b) estimar un índice promedio de impacto de toda la población de polígonos; y c) medir los impactos que se generaron correspondiente a cada indicador, esto a partir de la integración de valores difusos que se calculan con respecto a un indicador de entrada en un conjunto difuso de salida.

Mediante la ecuación (1) del modelo y empleando (2) como ponderador W_k se determina la función de pertenencia μ_z (α_i) del conjunto de indicadores por cada polígono al conjunto "impacto", es decir, el nivel de impacto relativo de cada polígono. Posteriormente se calcula el índice de impacto promedio de la población total utilizando (4). Para calcular los impactos por atributo se utiliza (5). Para obtener el índice de impacto del k - ésimo atributo para el l - ésimo grupo se utiliza (7).

De esta forma el índice de impacto para la totalidad de la población en estudio en donde intervino el programa Habitad es de \iz = 0.364093498, lo que significa que de las variaciones entre los impactos por cada polígono permitieron al programa impactar en un 36.4% como porcentaje de cambio positivo o mejora en los polígonos. El Cuadro 2 muestra el índice de impacto para cada polígono, y su clasificación mediante seis etiquetas lingüísticas: "muy malo", "malo", "regular", "bueno", "muy bueno", "excelente".¹⁵

Las etiquetas lingüísticas fueron calculadas para los valores de los resultados de los sistemas de inferencia difusa a partir del análisis y desarrollo de ecuaciones que se presentan anteriormente. La Gráfica 1 muestra el porcentaje de polígonos que se encuentran en cada etiqueta lingüística relacionada al tipo de impacto que se provocó en ellos.

Se aprecia que para el tipo de impacto "muy malo" se ubicó 8.43% de los polígonos donde intervino el programa, mientras que en el extremo el impacto en su etiqueta lingüística "excelente" se encuentra el 13.08% de los polígonos intervenidos.

Asimismo, con el fin de identificar las principales dimensiones y rubros en donde el Programa Hábitat ha impactado con mayor o menor intensidad, se estima un índice de impacto por indicador. En el Cuadro 3 se muestran los resultados para cada indicador y su contribución relativa al impacto total.

Se aprecia que el valor más alto del índice de impacto se encuentra para el indicador 2, que representa los proyectos dirigidos al mejoramiento del sistema de drenaje de las viviendas, lo cual significa que en los polígonos intervenidos han desarrollado cambios positivos con mayor grado en este rubro, mientras que el menor valor se sitúa para el indicador 4.

El modelo posibilita una descomposición para el índice de impacto de manera multidimensional, de esta forma se desarrollaron los siguiente grupos: 1) las ocho regiones que conforman la República Mexicana, calculando el índice de impacto por indicador y el de impacto total por región; 2) de acuerdo con el porcentaje del presupuesto total del programa asignado a cada polígono, en las dimensiones de presupuesto federal y total. El Cuadro 4 muestra los resultados de la descomposición multidimensional por regiones y el promedio del porcentaje del presupuesto total del programa asignado a cada región.

Se muestra que el mayor impacto del programa ocurrió en la zona del suroeste y que el porcentaje del presupuesto total asignado a esta región se encuentra en la tercera ubicación, después del mayor porcentaje asignado a la región oriente y noroeste, mientras que la región centro sur fue la que tuvo menor impacto en los ocho indicadores medidos y para la cual el presupuesto asignado tanto federal como total fue el menor de las ocho regiones.

Son congruentes los resultados presentados en el Cuadro 5 comparados con el índice de impacto total por indicador mostrado en el Cuadro 6, se aprecia que el mayor número de valores de impacto alto se encuentran para el indicador 2, con la excepción de las regiones Noroeste, Centro Sur y Sureste, donde el impacto mayor se efectuó en el indicador 5, 3 y 7 respectivamente, los impactos más bajos congruentemente aparecen para el indicador 4 con la excepción de la región suroeste donde el impacto menor fue para el indicador 7.

En la descomposición del índice de impacto de forma multidimensional, se pudieron generar seis grupos de acuerdo con el presupuesto proporcionado por el programa, cada grupo está referido al porcentaje del presupuesto total y federal del programa, es decir, el porcentaje del presupuesto del programa que fue asignado a cada polígono, por ejemplo, en el grupo 1 se encuentran los polígonos que recibieron menos de un 3% del total del presupuesto del programa, el Cuadro 6 muestra el resultado del índice de impacto por cada uno de estos grupos así como su contribución absoluta y relativa.

Aunque las variaciones en el índice de impacto por cada grupo de la tabla anterior son mínimos, se aprecia que para el grupo de polígonos que recibió el mayor porcentaje de presupuesto el impacto fue menor, y el impacto mayor se encuentra en el grupo con una asignación de recursos del 0.61 a 0.9 % del total del presupuesto del programa.

CONCLUSIONES

La evaluación del Programa Hábitat a partir de los elementos propuestos y de las formas establecidas en la metodología, distinguió los siguientes hallazgos: en términos lingüísticos el impacto del programa resulto ser bueno, esto a partir de una gama de alternativas que la metodología basada en la lógica difusa facultaba asignar, es decir, el valor del indicador de impacto para la totalidad de la población en estudio en donde intervino el Programa Habitad es de μz = 0.364093498, este valor cuantitativamente indica que de las variaciones posibles entre los impactos por cada polígono evaluado permitieron al programa impactar en un 36.4% como porcentaje de cambio positivo o mejora en los polígonos.

Es de relevancia mencionar que la etiqueta de impacto "BUENO" del impacto del programa en los polígonos de intervención, proviene directamente de la metodología implementada y no de juicios de valor, es decir, la estructura metodológica que se construyó para la evaluación de impacto, consistía en direccionar el índice de impacto calculado hacia una calificación del mismo y este es uno de los beneficios directos que aportó la propuesta metodológica de este trabajo.

Se comprueba que la teoría de la lógica difusa y su aplicación matemática de los conjuntos difusos, son de gran utilidad para la comprehension de fenómenos de decisión política y aplicación práctica dirigida al bienestar y al interés social; asimismo, se comprueba que la metodología y procedimiento elegidos son los adecuados para arribar a conclusiones significativas en este campo de estudio de la política social desde la lógica difusa; por lo que, en síntesis, se propone la generalización de su adopción desde los más altos estándares académicos, del rigor científico de estas formas de realizar evaluación de impacto, de su integración transdisciplinaria en nuevos lenguajes del conocimiento económico social y cultural, y especialmente de sus aplicaciones para aumentar el grado de certeza en las decisiones y realizaciones de política social; así como para evaluar el desempeño y redireccionar acontecimientos de interés político para la gestión pública.

Entonces, la teoría de conjuntos difusos resulta ser un instrumento útil no sólo para medir sino también para aplicar y evaluar la política pública.

NOTAS

¹ Stufflebeam y Shinkfield, 2007; citado por Grupo Interagencial de Desarrollo Rural, 2009, p. 5.         [ Links ]

² Luis Miguel Uharte Poza, Política social en Venezuela: ¿un nuevo paradigma?, Universidad Complutense de Madrid, 2009, p. 19.         [ Links ]

³ Rolando García, From Planning to Evaluation. A System Approach to agricultural development, Projects, IFAD report , núm. 0341, 2009, p. 22.         [ Links ]

⁴ José A. Amuzurrutia, "Lógica difusa y redes neuronales aplicadas a las ciencias sociales", Estudios sobre las culturas contemporáneas, diciembre, año/vol. XII, núm. 024, Universidad de Colima, 2006, p. 121.         [ Links ]

⁵ Frederic Munne, "Entre el individuo y la sociedad", Revista Interamericana de Psicología, Barcelona, PPU, 1995, p. 1.         [ Links ]

⁶ José A. Amuzurrutia, "Lógica difusa y redes neuronales aplicadas a las ciencias sociales", op. cit., pp. 10-13.

⁷ Pablo S. García y Luisa I. Lazzari, "La evaluación de la calidad en la universidad", Cuadernos de CIMBAGE, núm. 003, Buenos Aires, Universidad de Buenos Aires, 2000, pp. 83-84.         [ Links ]

⁸ Lotfi A. Zadeh, "Conjuntos borrosos", Department of Electrical Engineering and Electronics Research Laboratory, University of California, Berkeley, California, E. Renedo y S. Guadarrama, traducido del artículo "Fuzzy Sets", publicado en 1965, pp. 3-27.         [ Links ]

⁹ J. Jang, E. Mizutani y C. Sun, Neurofuzzy and soft computing: A computional approach to learning and machine intelligence, Nueva York, Printece Hall, 1997, pp. 73-74.         [ Links ]

¹⁰ Pablo S. García y Luisa I. Lazzari, "La evaluación de la calidad en la universidad", op. cit., p. 85.

¹¹ Xavier Gil Quesada, La teoría de los conjuntos borrosos en la medición escolar, Universidad de Barcelona, Departamento de Métodos de Investigación y Diagnóstico en Educación, 1990, pp. 1-936.         [ Links ]

¹² M.A. Morales Ramos, "La teoría de conjuntos difusos como una opción para medir la pobreza: el caso mexicano", El Trimestre Económico, vol. LXXV (3), núm. 299, julio-septiembre, México, Fondo de Cultura Económica, 2008, pp. 641-662.         [ Links ]

¹³ Lotfi A. Zadeh, "Conjuntos borrosos", op. cit., p. 22.

¹⁴ Camilo Dagum y Michele Costa, "Un método de aproximación a la medición de la pobreza", en C. Dagum, G. Ferrari (eds.), Distribución del ingreso y la riqueza, la desigualdad y la pobreza, Berlín, Springer Verlag, 2004, pp. 272-284.         [ Links ]

¹⁵ Para el cálculo del rango de estas etiquetas lingüísticas se utilizó a- cortes, a partir de la desviación estándar.