Analizamos las claves del bienestar financiero y transformamos imágenes satelitales con inteligencia artificial
El 7 de agosto, María de la Cruz Muradás, directora general adjunta de Investigación, dio la bienvenida a una edición más del Coloquio de Investigación INEGI, espacio dedicado a difundir los proyectos de investigación desarrollados dentro del Instituto.
En esta ocasión, Adriana Pérez, investigadora J, presentó el proyecto Factores que conducen al bienestar financiero de la población adulta en México, cuyo objetivo es identificar los componentes sociodemográficos, económicos, conductuales, psicológicos y de conocimiento financiero asociados al bienestar financiero de este sector poblacional, utilizando los microdatos de la Encuesta Nacional sobre Salud Financiera (ENSAFI) 2023.
Durante su exposición, además de mostrar la estrategia analítica y el Índice de Bienestar Financiero General (IBGF), dio a conocer los principales hallazgos del proyecto, entre ellos, que el bienestar financiero responde a múltiples dimensiones y no exclusivamente al ingreso, que los factores de inclusión financiera, ahorro y endeudamiento presentan mayor contribución incremental que las condiciones de inserción laboral, y que persisten diferencias asociadas al sexo y a condiciones de vulnerabilidad económica.
Al dar su comentario a la presentación, César Ovalle, subdirector de Diseño Conceptual de Encuestas Especiales B, mencionó que esta información enriquecerá el marco conceptual de la ENSAFI, facilitando un desglose más preciso de las temáticas del cuestionario.
Para la segunda exposición, Alejandro Coronado, coordinador de Investigación en Ciencia de Datos, presentó el proyecto Modelos de súper resolución aplicados a imágenes satelitales de mediana resolución. Este proyecto exploró el uso de algoritmos de inteligencia artificial para incrementar el nivel de detalle espacial de las imágenes gratuitas de Sentinel-2 y generar versiones sintéticas de mayor resolución sin incurrir en costos adicionales; para ello, se construyó un conjunto de datos de referencia con cobertura nacional y un flujo de trabajo automatizado con el que se probaron modelos de difusión latente.
Entre las conclusiones obtenidas están que la súper resolución generativa produce un detalle plausible, no fiel y que el SEN2SR supera a la interpolación con significancia (87 % en zonas urbanas).
Por su parte, Víctor López, director de Tratamiento de Imágenes, señaló que, aunque la súper resolución ofrece resultados más nítidos, estos deben tomarse con cautela y considerarse únicamente como una herramienta de apoyo. Explicó que los modelos pueden generar una gran estética visual que no necesariamente refleja la realidad. Por ello, instó a continuar con la investigación para garantizar nuestro mandato de generar información veraz.
Si te perdiste la transmisión en vivo, da clic aquí.