Las nuevas tecnologías aplicadas a los modelos tradicionales de la educación han obligado en muchos casos a tener que formularse nuevos paradigmas, demostrando que hay otra forma de enseñar que es distinta a la que estábamos socialmente acostumbrados. Con el advenimiento de la Pandemia se han incorporado como ayuda de enseñanza las plataformas virtuales, las cuales han demostrado ser una herramienta poderosa, pero en este caso también lo son los entornos vivos, virtuales e inmersivos.

En este documento presentamos la técnica de Principal Component Analysis (PCA). Es parte de la serie de documentos sobre machine learning. Es parte del contenido del curso “Métodos de Machine Learning para Economistas” de la Maestría en Economía de la UCEMA.

Pablo Gerchunoff, Martín Rapetti y Gonzalo de León, publicaron una monografía referida a un tema importante, aportaron una perspectiva que ayuda a entender, y plantearon una propuesta de solución al problema. Una valiosa combinación infrecuente, por lo cual merece que se le preste atención. Este trabajo está dividido en 4 partes. En la primera sintetizo el contenido de su trabajo, resaltando algunas aseveraciones que me parecen particularmente importantes; en la segunda planteo un par de observaciones; en la tercera sintetizo una incógnita, y en la cuarta formulo mi propia propuesta.

El trabajo estudia el fideicomiso como herramienta transformadora para los fines del Estado, analizando las diversas opiniones sobre la materia para, a partir de ellas, profundizar con la investigación y brindar un documento que aporte valor con una visión integral del tema. Se focaliza en el objetivo primordial de este tipo de fideicomisos que es la satisfacción del interés público a través de la implementación de las políticas. Luego, se exponen los antecedentes históricos del fideicomiso público, las críticas infundadas y el uso en algunos países de la región.

Este paper constituye una versión editada y extendida de la disertación que he realizado el lunes 14 de diciembre en la Academia Nacional de Educación. Alemania, Inglaterra, Francia, Irlanda, Italia y tantos otros países. ¿Puede el mundo entero estar equivocado? ¿Puede ser que mantener las escuelas abiertas, hasta el último día que las condiciones lo permitan, aún en el pico de la segunda ola de contagios en Europa, muestre irresponsabilidad o impericia de tantos gobiernos en forma independiente? ¿Puede tamaño error haber sido cometido por tantos países?

Populism is no longer considered a disease of the developing world. In recent decades it has spread throughout Europe and North America, while maintaining its grip on its historical stronghold, Latin America. Populism now represents the biggest threat to the survival of liberal democracy. However, confusion about what it means prevails, even among academics. Unlike communism, which attacked democracy frontally and sometimes violently, populism works from within by appealing to negative emotions that weaken society’s cultural antibodies.

This paper intends to illustrate theoretical bases for positive factors as well as major problems associated with UCT and CCT programs. It is important to highlight that there is diverse empirical evidence regarding support schemes and their effects on schooling, health and nutrition. However, literature regarding the allocation of child benefit transfers between household members is rather limited. This paper provides a theoretical explanation of how conventional child benefit programs may have transmission problems, which may prove to be counterproductive in terms of social welfare.

Los incentivos y los desincentivos ocupan un lugar central en la explicación de la conducta humana, según los economistas. Como bien dijo Adam Smith en La riqueza de las naciones, no es la benevolencia del carnicero lo que nos proporciona el alimento, sino que a raíz de prestarnos ese servicio, viven él y su familia. ¿Aplicamos los economistas lo que predicamos, en nuestra vida profesional?

La agilidad nace en los comienzos del siglo XXI como respuesta evolutiva a reiterados fracasos y frustraciones generados por la rigidez de los modelos de gestión tradicionales en la industria del software, los cuales, apoyados en paradigmas de organización industrial y mecanicista, intentaban gestionar proyectos de alcance fijo en un mundo que cambia velozmente dentro de un contexto de alta complejidad.

Los modelos de aprendizaje automático (machine learning) supervisados de clasificación mediante particiones binarias recursivas, también llamados "árboles de decisión" se encuentran entre los más utilizados en la ciencia de datos, no sólo por su interpretabilidad y su performance sino también por ser la base de los modelos más potentes utilizados en la actualidad: los ensambles de árboles de decisión.