Mostrar el registro sencillo del ítem
La pandemia y la intensidad de cercanía en las diferentes ocupaciones: Un análisis espacial
dc.rights.license | https://creativecommons.org/licenses/by-sa/2.5/ar/ | es_AR |
dc.contributor.advisor | Goytía, Cynthia | es_Ar |
dc.contributor.author | Vargas, Facundo Javier | es_AR |
dc.coverage.spatial | Argentina | es_AR |
dc.date.accessioned | 2022-09-23T17:22:29Z | |
dc.date.available | 2022-09-23T17:22:29Z | |
dc.date.issued | 2020 | |
dc.identifier.uri | https://repositorio.utdt.edu/handle/20.500.13098/11293 | |
dc.description.abstract | En el presente trabajo se propone identificar, a partir de un índice de proximidad, las zonas distribuidas en la Ciudad de Buenos Aires que se caracterizan por tener un alto grado de contacto tanto entre empleados, como entre clientes y empleados y entre clientes entre sí. Esto permitiría evaluar los riesgos de transmisión del COVID-19 asociados con dichos empleos que son más contactos intensivos, por ende, aumentan la probabilidad de transmisión del virus. La metodología de trabajo consistió en sintetizar diversas fuentes de información disponible, realizando un minucioso proceso de limpieza de datos y georreferenciación de estos, dando como resultado un mapa dasimétrico que permite en primer lugar identificar zonas acotadas en la superficie de la ciudad denominadas “Hot Spots” en donde el índice presenta valores altos, indicando la presencia de establecimientos con alto grado de contacto. Asimismo, en este análisis se contrastaron estos “Hot Spots” con las redes de transporte de pasajero tanto de subterráneos como de trenes. Como principal conclusión, los resultados obtenidos se consideran muy relevantes y pertinentes a la hora de la toma de decisiones, especialmente en una situación excepcional como es esta pandemia. | es_AR |
dc.description.abstract | The following study will analyse the areas of Buenos Aires city that have a high level of contagion between employees and clients, between employees itself and between clients itself. This will be measured with a 'proximity index' and it will allow to evaluate the probability of transmission of the virus. The research methodology implemented started with the collection of diverse information sources available through a detailed process of data cleaning and data geolocation. Thus, a dasymetric map was developed. Firstly, the dasymetric map allowed the identification of limited areas on the surface of the city (called "Hot Spots"); in the "Hot Spots", the index shows high values, which means that there are establishments with high level of contagion. Secondly, with the dasymetric map, it was possible to establish the limits of these zones to do a better analysis. Likewise, on this study, these "Hot Spots" were evaluated against both the underground network and the train network. The main conclusion is that the results are considered as extremely relevant and important for the decision-making process, especially on an exceptional situation like the current pandemic. | es_AR |
dc.format.extent | 50 p. | es_AR |
dc.format.medium | application/pdf | es_AR |
dc.language | spa | es_AR |
dc.rights | info:eu-repo/semantics/openAccess | es_AR |
dc.subject | Coronavirus | es_AR |
dc.subject | Pandemia | es_AR |
dc.subject | Contacto | es_AR |
dc.subject | Transmisión Directa | es_AR |
dc.subject | Transmisión Indirecta | es_AR |
dc.subject | Ambiente de trabajo | es_AR |
dc.title | La pandemia y la intensidad de cercanía en las diferentes ocupaciones: Un análisis espacial | es_AR |
dc.type | info:eu-repo/semantics/masterThesis | es_AR |
dcterms.description.tableOfContents | ABSTRACT 3; INTRODUCCIÓN 4; MARCO CONTEXTUAL 8; Figura 1: Casos Acumulados COVID-19 Argentina . 9; Cuadro 1: Fases del Aislamiento social obligatorio 10; MARCO TEÓRICO 13; Antecedentes . 13; Limitaciones de la información . 15; Descripción del área de estudio . 16; Figura 2: Ciudad Autónoma de Buenos Aires. 17; Figura 3: Actividades Económicas 18; Figura 4: Red de subterráneos . 19; Cuadro 2: Viajes promedio diario 2019 20; Cuadro 3: Viajes promedio diario 2020 20; Figura 5: Código de planeamiento urbano 21; METODOLOGÍA DE TRABAJO 23; Cuadro 4: Caracterización de los Hot Spot . 24; Bases de datos . 24; Cuadro 5: Escalas de intensidad 25; Aplicación metodología 26; Estimación de los índices 26; RESULTADOS Y ANÁLISIS 29; Cuadro 6: Índice de Proximidad-Principales actividades 30; Figura 6: Índice de Proximidad por barrio 32; Figura 7: Clasificación del Índice de Proximidad por barrio 33; Figura 8: Índice de Proximidad . 34; Cuadro 7: Clasificación . 34; Figura 9: Hot Spots . 35; Figura 10: Zona Avenida Avellaneda . 36; Figura 11: Zona Retiro 36; Figura 12: Once . 37; Figura 13: Avenida Cabildo 37; Figura 14: Av. Castañares . 38; Figura 15: líneas de subte e índice de proximidad 38; Figura 16: Área de influencia un kilometro 40; Figura 17: líneas de ferrocarril e índice de proximidad 41; Figura 18: líneas de ferrocarril y subterráneo e índice de proximidad 42; REFLEXIONES FINALES. 43; ANEXO . 45; BIBLIOGRAFÍA . 48 | es_AR |
thesis.degree.name | Maestría en Economía Urbana | es_Ar |
thesis.degree.grantor | Universidad Torcuato Di Tella | es_Ar |
thesis.degree.grantor | Escuela de Gobierno | es_Ar |
dc.subject.keyword | Proximidad | es_AR |
dc.subject.keyword | Contactos intensivos | es_AR |
dc.subject.keyword | Transmisión del Virus | es_AR |
dc.subject.keyword | Covid-19 | es_AR |
dc.type.version | info:eu-repo/semantics/acceptedVersion | es_AR |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Maestría en Economía Urbana
Tesis y trabajos finales desde 2007