Palabras clave
evaluación cualitativa
conjuntos difusos
jerarquías lingüísticas
paneles de expertos
Cómo citar
##article.highlights##
- Trece indicadores del Programa Nacional Forestal (2012-2018) se evaluaron cualitativamente.
- Se evaluó el nivel de cumplimiento de los criterios: claridad, relevancia, monitoreo y adecuación.
- El cumplimiento de los criterios en los indicadores se evaluó apropiadamente usando lógica difusa.
- El indicador “Tasa de variación de la producción forestal maderable” tuvo la mejor evaluación.
Resumen
Introducción: La necesidad de indicadores de calidad es notoriamente reconocida por usuarios y proponentes en el tema de evaluación de políticas públicas. Los indicadores incluyen, de manera recurrente, atributos cualitativos para los cuales hay pocos estudios que evalúen el nivel de cumplimiento.
Objetivo: Aplicar un enfoque multigranular, basado en el modelo lingüístico difuso 2-tupla, a la evaluación de 13 indicadores del Programa Nacional Forestal, establecidos en el sistema de indicadores de la política social derivados del Plan Nacional de Desarrollo 2012-2018 de México.
Materiales y métodos: El método utiliza el modelo de representación lingüístico difuso 2-tupla y una extensión llamada jerarquías lingüísticas extendidas, diseñada para resolver problemas con información lingüística multigranular. El nivel de cumplimiento de los indicadores se evaluó con base en cuatro criterios: claridad, relevancia, monitoreo y adecuación.
Resultados y discusión: La estructura que se define en el proceso de evaluación de indicadores de política social corresponde de manera apropiada a la utilizada con el modelo lingüístico difuso 2-tupla. La evaluación resultó en una lista ordenada en la que el indicador “Tasa de variación de la producción forestal maderable” obtuvo la mejor calificación con un nivel de cumplimiento “muy alto”; otros 10 indicadores tuvieron el nivel de cumplimiento “alto” y los dos indicadores restantes se calificaron con un cumplimiento “medio”.
Conclusiones: El modelo lingüístico difuso 2-tupla permitió la evaluación apropiada del nivel de cumplimiento de los atributos deseables en los indicadores.
Citas
Banco Mundial. (2016). Evaluación de la calidad de indicadores de proyectos prioritarios. Retrieved from https://www.hacienda.morelos.gob.mx/images/docu_planeacion/evaluacion/EvaluacionesBancoMundial/Herramienta_para_Evaluar_la_Calidad_de_los_Indicadores.pdf
Carmona, C. J., González, P., Gacto, M. J., & del Jesus, M. J. (2012). Genetic lateral tuning for subgroup discovery with fuzzy rules using the algorithm NMEEF-SD. International Journal of Computational Intelligence Systems, 5(2), 355–367. doi: https://doi.org/10.1080/18756891.2012.685323
Chenoweth, J. (2008). A re-assessment of indicators of national water scarcity. Water International, 33(1), 5–18. doi: https://doi.org/10.1080/02508060801927994
Consejo Nacional de Evaluación de la Política Pública (CONEVAL). (2014). Metodología para la aprobación de indicadores de los programas sociales. Retrieved from https://www.coneval.org.mx/coordinacion/Documents/monitoreo/metodologia/Metodología para Aprobación de Indicadores 2014.pdf
De la Cuesta, G. M., Pardo, H. E., & Paredes, G. J. D. (2015). Identificación de indicadores relevantes del desempeño RSE mediante la utilización de técnicas multicriterio. INNOVAR, 25(55), 75–88. doi: https://doi.org/10.15446/innovar.v25n55.47197
Doukas, H., Tsiousi, A., Marinakis, V., & Psarras, J. (2014). Linguistic multi-criteria decision making for energy and environmental corporate policy. Information Sciences, 258, 328–338. doi: https://doi.org/10.1016/j.ins.2013.08.027
Espinilla, M., Liu, J., & Martínez, L. (2011). An extended hierarchical linguistic model for decision-making problems. Computational Intelligence, 27(3), 489–512. doi: https://doi.org/10.1111/j.1467-8640.2011.00385.x
Estrella, F. J., Espinilla, M., Herrera, F., & Martínez, L. (2014). FLINTSTONES: A fuzzy linguistic decision tools enhancement suite based on the 2-tuple linguistic model and extensions. Information Sciences, 280, 152–170. doi: https://doi.org/10.1016/j.ins.2014.04.049
Evans, A., Strezov, V., & Evans, T. J. (2009). Assessment of sustainability indicators for renewable energy technologies. Renewable and Sustainable Energy Reviews, 13(5), 1082–1088. doi: https://doi.org/10.1016/j.rser.2008.03.008
Gothwal, S., & Raj, T. (2019). A comparative study of multi-criteria decision-making approaches for prioritising the manufacturing systems. International Journal of Process Management and Benchmarking, 9(3), 277–299. doi: https://doi.org/10.1504/IJPMB.2019.100962
Guayanlema, V., Fernández, L., & Arias, K. (2017). Análisis de indicadores de desempeño energético del Ecuador. Enerlac, 1(2), 121–139. Retrieved from http://biblioteca.olade.org/opac-tmpl/Documentos/hm000684.pdf
Guillen, A., Badii, M. H., Garza, F., & Acuña, M. (2015). Descripción y uso de indicadores de crecimiento económico. International Journal of Good Conscience, 10(1), 138–156. Retrieved from http://www.spentamexico.org/v10-n1/A10.10(1)138-156.pdf
Herrera-Viedma, E., López-Herrera, A. G., Luque, M., & Porcel, C. (2007). A fuzzy linguistic IRS model based on a 2-tuple fuzzy linguistic approach. International Journal of Uncertainty, Fuzziness and Knowlege-Based Systems, 15(2), 225–250. doi: https://doi.org/10.1142/S0218488507004534
Herrera, F., Herrera-Viedma, E., & Martínez, L. (2000). A fusion approach for managing multi-granularity linguistic term sets in decision making. Fuzzy Sets and Systems, 114(1), 43–58. doi: https://doi.org/10.1016/S0165-0114(98)00093-1
Herrera, F., & Martínez, L. (2000). A 2-tuple fuzzy linguistic representation model for computing with words. IEEE Transactions on Fuzzy Systems, 8(6), 746–752. doi: https://doi.org/10.1109/91.890332
Herrera, F., & Martínez, L. (2001a). The 2-tuple linguistic computational model. advantages of its linguistic consistency. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 9(1), 33–48. doi: https://doi.org/10.1142/S0218488501000971
Herrera, F., & Martínez, L. (2001b). A model based on linguistic 2-tuples for dealing with multigranular hierarchical linguistic contexts in multi-expert decision-making. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 31(2), 227–234. doi: https://doi.org/10.1109/3477.915345
Kühnen, M., & Hahn, R. (2017). Indicators in social life cycle assessment: a review of frameworks, theories, and empirical experience. Journal of Industrial Ecology, 21(6), 1547–1565. doi: https://doi.org/10.1111/jiec.12663
Martínez, L., Rodríguez, R. M., & Herrera, F. (2015). The 2-tuple linguistic model. Computing with words in decision making. New York, USA: Springer. doi: https://doi.org/10.1007/978-3-319-24714-4
Mendel, J. M., Zadeh, L. A., Trillas, E., Yager, R., Lawry, J., Hagras, H., & Guadarrama, S. (2010). What computing with words means to me: Discussion forum. IEEE Computational Intelligence Magazine, 5(1), 20–26. doi: https://doi.org/10.1109/MCI.2009.934561
Montes, R., Sánchez, A. M., Villar, P., & Herrera, F. (2015). A web tool to support decision making in the housing market using hesitant fuzzy linguistic term sets. Applied Soft Computing Journal, 35, 949–957. doi: https://doi.org/10.1016/j.asoc.2015.01.030
Montignac, F., Mousseau, V., Bouyssou, D., Aloulou, M. A., Rousval, B., & Damart, S. (2015). An MCDA approach for evaluating hydrogen storage systems for future vehicles. In R. Bisdorff, L. C. Dias, P. Meyer, V. Mousseau, & M. Pirlot (Eds.), Evaluation and decision models with multiple criteria (pp. 501–532). Switzerland: Springer. doi: https://doi.org/10.1007/978-3-662-46816-6
Pei, Z., Ruan, D., Liu, J., & Xu, Y. (2009). Linguistic based intelligent information processing: Theory, mehtods, and applications. Amsterdam - Paris: Atlantis Press.
Pirlot, M., Teghem, J., Ulungu, D., Bulens, P., & Goffin, C. (2015). Choosing a cooling system for a power plant in Belgium. In R. Bisdorff, L. C. Dias, P. Meyer, V. Mousseau, & M. Pirlot (Eds.), Evaluation and decision models with multiple criteria (pp. 221–258). Switzerland: Springer. doi: https://doi.org/10.1007/978-3-662-46816-6
Rodríguez, R. M., & Martínez, L. (2013). An analysis of symbolic linguistic computing models in decision making. International Journal of General Systems, 42(1), 121–136. doi: https://doi.org/10.1080/03081079.2012.710442
Torres, A., & Tranchita, C. (2014). ¿Inferencia y razonamiento probabilístico o difuso? Revista de Ingeniería, 19, 158–166. Retrieved from https://ojsrevistaing.uniandes.edu.co/ojs/index.php/revista/article/view/450
Vignesh, S., Ali Elibaid, O. B., Mera, B., Arokiadoss, A. P., Muthukumar, K., Santhosh, M., & James, R. A. (2017). Assessment of pollution indicators and antibiotic resistant pattern on contaminated canned juice. In S. Vignesh & A. P. Arokiadoss (Eds.), Statistical approaches on multidisciplinary research (pp. 110–117). Surragh Publishers. doi: https://doi.org/10.5281/zenodo.262976
Wang, C. N., Yang, C.-Y., & Cheng, H.-C. (2019). A Fuzzy Multicriteria Decision-Making (MCDM) model for sustainable supplier evaluation and selection based on triple bottom line approaches in the garment industry. Processes, 7(7), 1–13. doi: https://doi.org/10.3390/pr7070400
Whitehead, J. (2017). Prioritizing sustainability indicators: Using materiality analysis to guide sustainability assessment and strategy. Bussiness Strategy and the Environment, 26(3), 399–412. doi: https://doi.org/10.1002/bse.1928
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2023 Revista Chapingo Serie Ciencias Forestales y del Ambiente