Revista Ciencias Holguín

Ciencias Holguín / Revista trimestral / Volumen 25, No.3, julio-septiembre,   2019

Postulados y perspectivas para la gestión local de riesgos / Postulates and perspectives for the risks local management

Virginia Hardy-Casado (1), Carlos Vilariño-Corella(1), Osval Montesinos-López(2)

Contacto de los Autores

Correo:hardy@uho.edu.cu(1)

Instituciones: (1)Universidad de Holguín, (2)Universidad de Colima, México.

Este documento posee una licencia Creative Commons Reconocimiento - No Comercial 4.0 Internacional   1


Resumen 
El perfeccionamiento de la gestión local de riesgos demanda una revisión exhaustiva de los elementos que la caracterizan y la enriquecen desde diferentes postulados y perspectivas; el presente estudio asume ese reto. Mediante la revisión y el análisis de las fuentes bibliográficas relacionadas, combina métodos estadísticos como el análisis factorial y el de componentes principales con técnicas y herramientas como la tormenta de ideas, y matrices de consulta y concertación. Finalmente se logran identificar tres factores latentes asociados a las perspectivas estratégica, sistémica e integrada, las principales variables asociadas a cada uno de ellos, las relaciones que se establecen entre sus elementos, y las cualidades esenciales de la gestión local de riesgos.
Palabras clave: Gestión local; Riesgos; Desastres

Abstract
The perfecting of the local step of risks demands an exhaustive revision of the elements that they characterize her and they enrich from different postulates and perspectives. The present study assumes that challenge, by means of revision and the analysis of the bibliographic related sources, combining statistical methods like the factor analysis and the one belonging to principal components with techniques and tools like brainstorming, and the consultations to specialists and experts. The strategic, systemic and integrated perspectives, the principal variables correlated to each one as a result manage to identify three latent correlated factors themselves theirs, the relations that become established between the elements, and the essential attributes of the local step of risks.
Key words: Local management; Risks; Disaster.

Introducción
Los desastres son eventos naturales, socionaturales y antropogénicos que limitan el desarrollo, demandan recursos financieros y humanos que deben ser transferidos en función de su prevención, mitigación, respuesta y recaban la recuperación de los daños después de su impacto. En las últimas décadas el incremento en frecuencia, magnitud e intensidad de los riesgos de desastres ha provocado una alta preocupación por el tema a escala internacional, y demanda la revisión y actualización constante de sus fundamentos teóricos y metodológicos, en particular en el ámbito local.
La gestión de riesgos es un proceso planificado, concertado, participativo e integral de reducción de las condiciones de riesgos de desastres de una comunidad, de una región o de un país. Este proceso está ligado íntimamente a la búsqueda de su desarrollo sostenible y requiere la intervención integral de cada uno de los actores involucrados (Chuquisengo y Gamarra, 2001). Otros autores insisten que su principal atributo es el carácter procesual. (Banco Interamericano de Desarrollo, 2016).
La finalidad de este proceso social es la previsión, la reducción y el control permanente de los factores de riesgos de desastre en la sociedad, alineadas e integradas a las pautas de desarrollo humano, económico, ambiental y territorial (Lavell, 2011). La gestión de riesgos por procesos en (Narvaéz, Lavell y Pérez 2009), ofrece elementos que clarifican, organizan y estructuran las tecnologías para el ciclo completo de (prevención, mitigación, preparación, respuesta y recuperación) que se enriquecen en (PREDECAN, 2009), con las fases de dirección y coordinación, conocimiento, educación e información, planificación, asignación de recursos, ejecución y control.
Desde la construcción social de riesgos se reconoce que la interrelación dinámica y cambiante de amenazas y vulnerabilidades tiene una sedimentación básicamente sociológica. Por tanto, la dimensión social en los análisis de riesgos adquiere una posición jerárquica, aquí lo participativo resulta elemento clave. La participación es vista como la acción individual y comunal y por extensión al quehacer de las organizaciones e instituciones incluyendo a las gubernamentales, en procesos de información, consulta y concertación para la toma de decisiones. Otros autores (Teo et al.,2015) incluyen los elementos del empoderamiento y la equidad de género, en calidad de ejes transversales al ciclo de gestión de riesgos.
Se precisa, además, incidir de manera integral ante todos los factores y actores que intervienen en la generación de riesgos. Lo integral significa para (Cardona et al. 2010) incluir a los factores económicos, ambientales y sociales con enfoque holístico, mientras que para (Lavell et al. 2003) la integralidad se alcanza cuando se realiza una gestión con carácter correctivo y prospectivo, una planificación proactiva y reactiva y la adaptación planificada y anticipada. Ambas perspectivas se complementan y son asumidas por los autores de la presente investigación.
(Olcina, 2010), los aspectos estratégicos se abordan en con énfasis en las herramientas de la planeación y el ordenamiento territorial y a través del análisis de escenarios. Para otros autores (Cutter et al., 2010; Cardona y Carreño, 2011), la definición y uso de indicadores compuestos resulta vital para elevar la eficacia en la gestión.
El principal atributo de la gestión de riesgos es su contribución al desarrollo local (Bosomworth et al., 2016), que se expresa mediante la descentralización en la toma de decisiones, y sobre todo en la complementariedad entre los niveles de gobernanza (PREDECAN, 2009). Estos elementos se relacionan directamente con la gestión local de riesgos.
La gestión local de riesgos comprende un nivel territorial particular de intervención, los parámetros específicos que la definen se refieren a un proceso que es altamente participativo por parte de los actores sociales locales y apropiado por ellos, muchas veces en concertación y coordinación con actores externos de apoyo y técnicos. Esos actores sociales externos pueden ser integrantes de dependencias gubernamentales o de organismos independientes, como asociaciones civiles que tienen como propósito la reducción de riesgos y vulnerabilidades. (Lavell, Mansilla y Smith, 2004).
La diversidad de planteamientos sobre este tipo de gestión hace confusa la identificación de los elementos clave y las relaciones que se establecen entre ellos, de manera tal que permita su caracterización, lo que constituye el objetivo del presente artículo al encontrar en los fundamentos teóricos las regularidades necesarias para esclarecer este particular. La importancia de esta tarea radica en dotar a los directivos, decisores, gestores e investigadores relacionados con el tema de una propuesta que contribuye a clarificar perspectivas, cualidades y criterios que cualifiquen a la gestión de riesgos a desarrollar desde los territorios, ecosistemas, ciudades y comunidades.

Materiales y métodos
En el desarrollo de la investigación se utilizaron métodos teóricos y empíricos, técnicas y herramientas de trabajo grupal y matrices de consulta y consenso.
Se distinguen del nivel teórico: el histórico-lógico para valorar el desarrollo de los conceptos y fundamentaciones teóricas en las últimas décadas; el análisis y síntesis para el tratamiento y resumen de la información que permitió enriquecer el bagaje teórico y apropiarse de la lógica adecuada para la contrastación con otros métodos; y el de inducción-deducción, que permitió realizar generalizaciones y llegar a nuevas conclusiones acerca del objeto de investigación.
Del nivel empírico, se realizaron entrevistas a informantes clave, y una revisión profunda de la bibliografía especializada; se diagnosticaron diferentes aspectos de la gestión local presentes en las conceptualizaciones y postulados de la gestión de riesgos.
Se utilizaron métodos estadísticos descriptivos e inferencial, en particular, el análisis factorial exploratorio y comprobatorio, y el de componentes principales para identificar las características, los elementos esenciales y los nexos internos asociados a los tres factores latentes identificados.

El estudio bibliométrico para conocer el desarrollo del tratamiento del tema y su tendencia partió de la caracterización de los registros bibliográficos de artículos científicos relativos a la temática. A partir de indicadores bibliométricos se determinó el comportamiento de las publicaciones por años, los autores, las instituciones y los países con mayor productividad. La revisión de 125 registros de los últimos 50 años en las bases de datos ScienceDired, Springer y Scielo, permitió definir que es a partir de la década de los 90s del pasado siglo que se desarrolla la mayor producción científica en este campo. La tendencia resultante que se expresa a través del coeficiente de determinación R2 pronosticado fue del 75,7 % lo que indica un adecuado ajuste del modelo predictivo. (Figura 1)

1
Figura 1. Publicaciones sobre gestión local de riesgos en ScienceDired, Springer y Scielo 1977-2016. Fuente: de-Zayas y Hardy (2016)


Se realizó la selección de 73 conceptos y posturas epistemológicas para el análisis en el periodo comprendido entre 1996-2016. Las fuentes consultadas se corresponden con resultados de tesis doctorales, normas nacionales e internacionales, libros y artículos publicados en bases de datos indexadas Scopus, Scielo y publicaciones de organismos internacionales como la Estrategia Internacional para la Reducción de Desastres, el Programa de Naciones Unidas para el Desarrollo, Cruz Roja y Media Luna Roja y La Red Latinoamericana de Estudios de Desastres.

La selección de los ítems o variables para el análisis parte de los elementos clave de las conceptualizaciones de la gestión propiamente dicha, los elementos característicos de lo local y del desarrollo local y de las acotaciones especificadas por estudiosos de riesgos de desastres. Vale destacar que no fueron incorporados los términos siguientes: preparación, prevención, mitigación, reducción, rehabilitación, recuperación y adaptación a riesgos por estar estrecha y directamente vinculadas al ciclo de reducción de riesgos de desastres, ampliamente aceptado por la comunidad científica, la presencia de estos términos rebasa el 85% en los 73 fundamentos teóricos analizados, por lo que se asumen como invariantes.
De esta manera, se identifican 22 variables como resultado del proceso de consenso en taller de lluvias de ideas con 15 especialistas. En la tabla 1 se presenta el nombre de cada una de ellas y la representación que se le asigna para su tratamiento estadístico. Queda así establecida una matriz de datos binarios -la presencia de la variable en la propuesta de cada autor asume el valor de 1 y su ausencia el valor de 0- con 73 individuos y 22 items.

Tabla 1.
Variables seleccionadas para el análisis de las conceptualizaciones de gestión local de riesgos


Representación

Sigla

Nombre de la variable

p1

PRO

Proceso

p2

PAR

Participación ciudadana

p3

ACT

Multiplicidad de actores locales

p4

REL

Relaciones, vínculos, sinergias

p5

EST

Estrategias, escenarios

p6

GOB

Gobernanza municipal, territorial

p7

INC

Información, comunicación

p8

SOS

Sostenibilidad

p9

CON

Concertación, negociación, conflictos

p10

AUT

Endogenicidad, autogestión, corresponsabilidad

p11

INT

Carácter integral

p12

POL

Políticas públicas

p13

CAP

Capacidades, recursos

p14

NOR

Normatividad, legalidad, jurídico, procedimiento

p15

CON

Conocimiento, saberes locales

p16

INN

Innovación social y tecnológica

p17

CUL

Cultura, idiosincracia

p18

FIN

Financiación, inversiones, presupuestos,transferencias

p19

PYP

Programas y proyectos

p20

PLA

Planificación, planeación

p21

SIST

Sistémico y eco-sistémico

p22

EYG

Equidad y género

Fuente: Elaboración propia

Para el tratamiento estadístico se selecciona al Análisis Factorial (AF) que es un método estadístico multivalente que permite identificar la estructura que subyace en una matriz de datos y analizar las interrelaciones entre variables sin exigir la distinción entre variables dependientes e independientes. A través del AF se puede tanto reducir el número de variables como identificar un conjunto de dimensiones o factores latentes a los cuales se asocian dichas variables; conforma una nueva matriz de datos que pueden representar con bajo nivel de distorsión al objeto estudiado. Se distinguen dos tipos de análisis factorial: el análisis factorial exploratorio (AFE) y el análisis factorial confirmatorio (AFC).
En la primera etapa generalmente no se tiene una clara noción de la estructura y de las relaciones entre los datos de la matriz obtenida, con el propósito de evaluar este fenómeno se adopta una postura puramente experimental y se aplican el Análisis factorial exploratorio (AFE) y el análisis de componentes principales (ACP). El AFE permite determinar el número mínimo de factores comunes capaces de reproducir, de un modo satisfactorio, las correlaciones observadas entre las variables y reconoce que cada ítem presenta una varianza compartida con otros ítems, llamada también varianza común o comunalidades, otra varianza no compartida propia de este ítem, y por último la varianza del error de medición de la variable.
En el ACP no se realizan distinciones entre la varianza específica y la compartida. Su objetivo es maximizar la varianza explicada; así, el factor que mejor explica la dimensión analizada (el que representa mayor variabilidad) se convierte en el primer componente principal y así sucesivamente. Se trata de una técnica que permite sintetizar la información y favorece la reducción de las dimensiones para encontrar componentes que expliquen la mayor parte de la varianza total.
Para este análisis se siguió la metodología propuesta por Ferrando y Anguiano-Carrasco (2010) que consiste en la realización de las siguientes etapas: análisis preliminar de adecuación de los datos; estimación del modelo; evaluación del ajuste y obtención de la solución transformada (rotación).

Análisis factorial exploratorio
.
Una matriz de datos para un análisis factorial es idónea cuando pueda dar respuesta a condiciones como la parsimonia y la interpretabilidad teórica. La factibilidad del procedimiento se calcula generalmente mediante las pruebas Kaiser-Myer-Olkin (KMO) que analiza los coeficientes de correlación entre las variables siendo mejor cuando resulte cercano a 1y la prueba de esfericidad de Barlett, a través de la cual podemos evaluar si el modelo es significativo y aceptamos la hipótesis nula, es decir, se puede aplicar el análisis factorial si p-valor<0,05.
La primera prueba arroja un resultado del KMO de 0.53, y la segunda, la prueba de esfericidad de Barlett resulta con un Ji-cuadrado de 6809.621, df= 231 con un nivel de significancia menor a 0.0001, por lo que se concluye que la muestra es adecuada bajo el segundo criterio, pero no bajo el primero. Sin embargo, es importante resaltar que el KMO fue creado para variables continuas, por ello cuando se aplica para variables binarias -como es este caso- muchas veces no resulta significativa ya que la matriz de correlación de variables binarias no es tan fuerte como la resultante de variables continuas, por ello a pesar de que no es significativo el KMO, se considera que es razonable hacer un análisis factorial exploratorio o confirmatorio con estos datos. Se establece el valor de 0.30 para incluir un elemento en un factor y un eigenvaluede autovalor 1.00 para retener el factor.
El menor número de factores necesario para maximizar la explicación de esa varianza se corresponde con los factores latentes y determina el total de elementos a extraer.  Existen diversos criterios para determinar el número de factores a conservar, algunos de los más utilizados son: los juicios de valor del investigador partiendo de la idea previa y el conocimiento acumulado a partir del bagaje teórico-metodológico y la regla de Kaiser, que calcula los valores propios de la matriz de correlaciones R y toma como número de factores el número de valores propios superiores a la unidad. En la práctica el número de factores responde a la relación n/3 o n/5, donde n es el número de variables. Teniendo en cuenta lo planteado se decide realizar la exploración con diferente número de factores 3, 4, 5, 6 y 7 utilizando los métodos Varimax y Oblimix. Se sugiere que el número mínimo de ítems que debe configurar un factor debe ser mayor de tres, ya que con un número más reducido es claro que matemáticamente encontraremos un número de factores cercano al número de variables.

Resultados
Como resultado de los análisis efectuados se confirma que: se cumplen las condiciones antes especificadas para el caso de 3 factores latentes. La distribución de las variables de acuerdo a la rotación con método el Varimax resulta más pertinente desde el punto de vista teórico que con Oblimix, por lo que se selecciona el primero para la siguiente fase del procedimiento. Se logra un modelo factorial donde se representa el dominio de estudio que explica el 54.3% de la varianza total, garantizando que cada uno de los factores tenga suficientes ítems para lograr una buena consistencia interna.
Como resultado de la rotación con tres factores se obtiene la matriz de componentes rotados. Para interpretarlos, se examinan las saturaciones que muestran cada uno de los ítems que los configuran y se seleccionan aquellos que exhiben valores superiores a 0,32. De ahí se desprende que el ítem p8 (sostenibilidad) no responde al criterio de selección pre-establecido y es eliminado. Los restantes 21 items se rotaron en búsqueda de aquellos, cuyos valores de los estadísticos no resultaran pertinentes a la descripción del modelo. Como resultado se identifica que los ítems p20 asociado al factor 1 y p1 perteneciente al factor 3 alcanzan valores de la proporción P(>|z|) elevados (P20=0.113 y P1= 0.221) superiores a 0.05 por lo que se realiza su eliminación en el factor correspondiente.
Finalmente se realizó una nueva rotación Varimax para los 19 items resultantes cuyos estimadores se presentan en la tabla 2.

Tabla 2. Estimadores estadísticos de las 19 variables finales.


Factor

Variable

Estimate

Std.Err

z-value

P(>|z|)

Std.lv

Std.all

F1

p16

0.933

0.278

3.362

0.001

0.933

0.682

p3

-0.527

0.179

-1.824

0.068

-0.327

-0.311

p14

0.946

0.335

2.826

0.005

0.946

0.687

p11

0.537

0.217

2.468

0.014

0.537

0.473

p19

0.872

0.281

3.1

0.002

0.872

0.657

p18

0.707

0.231

3.063

0.002

0.707

0.577

p7

0.71

0.222

3.192

0.001

0.71

0.579

p12

0.777

0.248

3.134

0.002

0.777

0.613

p22

0.995

0.4

2.484

0.013

0.995

0.705

F2

p10

0.448

0.262

1.711

0.087

0.448

0.409

p5

0.569

0.219

2.594

0.009

0.569

0.495

p13

0.724

0.305

2.376

0.017

0.724

0.587

p15

0.702

0.298

2.358

0.018

0.702

0.574

p17

0.429

0.241

1.777

0.076

0.429

0.394

F3

p4

0.616

0.246

2.505

0.012

0.616

0.524

p9

0.543

0.254

2.14

0.032

0.543

0.477

p2

1.191

0.454

2.623

0.009

1.191

0.766

p6

0.49

0.212

2.309

0.021

0.49

0.44

p21

0.510

0.188

1.599

0.11

0.510

0.28

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Fuente: Elaboración propia con software libre R-13

Las pruebas de validación que muestran la confiabilidad de los resultados obtenidos en el ACP, son los valores referidos a las comunalidades, ya que permite establecer qué porcentaje de la varianza se explica, y si ésta tiene un nivel importante de representación. Para el caso de este estudio, todos los valores de las comunalidades resultan cercanos o superiores a 0.500 (valor mínimo exigido), por lo que se validan los valores extraídos de las 19 variables consideradas.
En la figura 2 se muestran las relaciones entre los indicadores y factores a tres del modelo de análisis factorial confirmatorio. Al primer peso de cada factor se le ha fijado el valor de 1 para su identificación. Partiendo de que son tres los factores se analizan 42 parámetros (16 pesos, 3 covarianzas o correlaciones entre factores, 19 umbrales y 3 varianzas factoriales) los que se estiman con 149 grados de libertad. Como las variables son categoriales se requiere la determinación de los umbrales para clasificar sus respuestas, siendo suficiente establecer un umbral para cada variable. (Kismiantini et al.,2014)
La interpretación de los tres componentes principales, se realiza con el uso simultáneo de los siguientes conceptos: los coeficientes de correlación, entre cada variable original y cada una de las componentes obtenidas (denominadas cargas factoriales) cuyo valor fuera mayor a 0.5, y la matriz de correlaciones entre las variables originales y la rotación de los factores.
Para asignar el nombre o etiqueta a la componente principal, se procede al análisis que permitiera detectar cuáles son las variables originales que están más correlacionadas; el proceso de agrupación de las variables originales en torno a la componente, no solo facilita su interpretación, sino que también permite determinar el nombre de la componente.
En este caso, el primer factor o componente incluye variables como: innovación, actores locales, normativo-jurídico, carácter integral, programas y proyectos, financiación, información y comunicación, políticas, y equidad y género. Este factor exhibe la mayor proporción de la varianza explicativa. Siendo las variables innovación, normativo-jurídico y equidad y género las que alcanzan las mayores cargas factoriales. Desde la perspectiva teórica los autores consideran que la variable carácter integral puede servir de pivote para nombrar a este factor de esta manera la primera componente se denomina integral-innovativa.
El segundo factor resultante agrupa a las variables autogestión, estrategias, capacidades, saberes y tradiciones y cultura, siendo los ítems capacidades y recursos, y conocimientos los de mayor peso factorial. De ahí que se denomine al factor como estratégico-resiliente. En torno a la componente tres se aglomeran las variables: sistemas, relaciones, gobernabilidad, participación y concertación. Este factor se denomina como sistémico-participativo. Finalmente, la representación gráfica del AF y del ACP se exhibe en la figura 3.

1
Figura 3. Representación de los componentes asociados de la gestión local de riesgos.
Fuente: Elaboración propia
El resumen de los aportes de cada componente al constructo se refleja en la tabla 4.

Tabla 4. Denominación y aportes de cada factor a la gestión local de riesgos

 

Factor

Nombre

Cualidades esenciales de la  gestión local de riesgos  a  partir del análisis de los  factores  latentes

I

Integral-innovativo

Es aquella que agrupa a los actores locales de manera integral  a través de políticas,  programas  y proyectos apegados a la normatividad, que recaban de financiación y privilegian la innovación, la información y la equidad de género para la reducción de riesgos

II

Estratégico-resiliente

Se desarrolla mediante la implementación de estrategias y la identificación de escenarios de riesgos, considera como elementos importante a la autogestión, el desarrollo de recursos y capacidades, y de conocimientos y preservación de los elementos culturales para la reducción de riesgos

III

Sistémico-participativo

se expresa como el sistema de relaciones, sinergias, coordinaciones entre redes, organizaciones y gobiernos, que ubica en posición medular a la participación ciudadana mediante la concertación y la resolución de conflictos para la reducción de riesgos

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Fuente: Elaboración propia

Análisis factorial confirmatorio
Los métodos más utilizados en la literatura son el de los Mínimos Cuadrados Ordinarios (MCO) y el de Máxima Verosimilitud (MV) y se usa el test Chi-cuadrado de bondad de ajuste para evaluar la hipótesis falsa, aunque existen otros indicadores de bondad de ajuste que permiten evaluar el error de aproximación y el grado de ajuste del modelo cuando el tamaño de la muestra no resulta grande.
Siguiendo la recomendación de (Kismiantini et al., 2014), es viable el uso de tres índices adicionales tales como: el índice de ajuste comparativo (CFI, la raíz cuadrada del error medio cuadrático (RMSEA) y el residual de la raíz media cuadrática estandarizada (SRMR). Para los datos categóricos, recomienda utilizar la raíz cuadrada media ponderada (WRMR) en lugar del SRMR.
Si se tiene en consideración que el CFI obtenido es de 1,000≥0,95; la RMSEA calculada es de 0,000≤ 0,08 y se sostiene incluso dentro de los valores establecidos para un 90% de intervalo de confianza ya que alcanzó 0,051≤ 0,08 y que el WRMR resultó 0.878≥0,85; queda demostrado que el ajuste del modelo resulta bueno y adecuado.

Conclusiones
El resultado del análisis factorial y de componentes principales es coherente con valoraciones conceptuales y permite declarar como postulados relevantes: el primero asociado a la jerarquía en el factor integral-innovativo de los elementos normativos y jurídicos que permiten la institucionalidad de la gestión, la equidad y el género; y a la innovación como ente dinamizador de los procesos.
El segundo, se vincula a la perspectiva estratégica donde se privilegian los recursos y capacidades para absorber, resistir, rehabilitar y transformar el entorno. Estas capacidades están asociadas tanto a los medios de subsistencia como a los intangibles como el conocimiento, en consonancia con los nuevos modelos de gestión desde el enfoque de la resiliencia.
El tercero, privilegia y resalta el carácter sistémico de la gestión de riesgos y ubica a la participación ciudadana activa como elemento decisivo del proceso de gestión. El modelo resultante del análisis factorial y de componentes principales contribuye no solo a identificar los elementos clave y sus relaciones, sino sirve de insumo para concretar la modelación teórica y matemática de la gestión local de riesgos.

Referencias Bibliográficas
Banco Interamericano de Desarrollo. (2016). Indicadores de riesgos de desastre y de gestión de riesgos. Programa para América Latina y el Caribe. División de Medio Ambiente. Recuperado de http://www.iadb.org/sds/env.
Bosomworth, K., Owen, C., y Curnin, S. (2016). Addressing challenges for future strategic level emergency management: reframing, networking and capacity building. Recuperado de https://www.researchgate.net/publication/280312081
Cardona, O., Bertoni, J., Gibbs, T. y Lavell, A. (2010). Entendimiento y gestión del riesgo asociado a las amenazas naturales: un enfoque científico integral para América Latina y El Caribe. Ciencia para una vida mejor: desarrollando programas científicos regionales en áreas prioritarias para América Latina y El Caribe. (2). ICSU - LAC / CONACYT. Río de Janeiro y Ciudad de México
Cardona, O. y Carreño, L. (2011). Updating the Indicators of Disaster Risk and Risk Management for the Americas. Journal of Integrated Disaster Risk Management.1(1). DOI 10.5595/idrim.2011.0014
Chuquisengo, O. y Gamarra, L. (2001). Propuesta metodológica para la gestión local de riesgo de desastre: Una experiencia práctica. Lima: Soluciones Prácticas. 
Cutter, S., Burton, C. and Emrich, C. (2010). Disaster Resilience Indicators for Benchmarking Baseline Conditions.Homeland Security and Emergency Management, 7(1). Recuperado de http://www.bepress.com/jhsem/vol7/iss1/51.
de-Zayas, M. y Hardy, V. (2016). Informe sobre estudio bibliométrico de la gestión local de riesgos. Centro de Información y Gestión Tecnológica. Ministerio de Ciencia, Tecnología y Medio Ambiente, Holguín, Cuba.
Ferrando, P. y Anguiano, C. (2010). El análisis factorial como técnica de investigación.
Kismiantini, Montesinos, O., García, J. y Franco, E. (2014).  Analyzing the Factors of Job Satisfaction in a Mexican Hospital with Binary Indicators by Confirmatory Factor Analysis. International Journal of Business and Management. Canadian Center of Science and Education.9, (8).
Lavell, A. (2003). Sobre la gestión del riesgo. Apuntes hacía una definición. Recuperado de http: //red-desastres.org/fileadmin/documentos/Documentos_Generales/A_llan_Lavell.pdf
Lavell, A. (2011). Desempacando la adaptación al cambio climático y la gestión del riesgo: Buscando las relaciones y diferencias: Una crítica y construcción conceptual y epistemológica. Proyecto UICN-FLACSO sobre Gestión del Riesgo y Adaptación al Cambio Climático. FLACSO-LA RED. Recuperado de http://www.desenredando.org
Lavell, A., Mansilla, E. y Smith, D. (2003). La gestión local del riesgo. Nociones y precisiones en torno al concepto y la práctica. Centro de Coordinación para la Prevención de los Desastres Naturales en América Central-PNUD. Recuperado de http: www.cepredenac.org
Narváez, L., Lavell, A. y Pérez, G. (2009). La gestión de riesgo de desastre: un enfoque basado en procesos. Recuperado de http://www.comunidadandina.org/predecan/doc/libros/PROCESOS_ok.pdf
Olcina, J. (2010). El tratamiento de los riesgos naturales en la planificación territorial de escala regional. Papeles de Geografía. 51-52, 223-234.
PREDECAN (2009). La gestión local del riesgo en una ciudad andina: Manizales, un caso integral, ilustrativo y evaluado. Experiencias significativas de desarrollo local frente a los riesgos de desastres. Comunidad Andina, Colombia. Recuperado de http://www.comunidadandina.org

Síntesis curricular de los Autores

1 Dra.C. Virginia Hardy-Casado hardy@uho.edu.cu. Ingeniera Electricista, Máster en Gestión de la ciencia e innovación, Profesora Auxiliar del Departamento de Desarrollo Local de la Facultad de Ciencias Empresariales y Administración en la Universidad de Holguín.
1 Dr.C. Carlos Vilariño-Corella cvilarino@uho.edu.cu. Ingeniero Industrial, Doctor en Gestión de la ciencia, tecnología y medio ambiente, Profesor Titular del Departamento de Desarrollo Local de la Facultad de Ciencias Empresariales y Administración en la Universidad de Holguín.


2 Dr.C. Osval Montesinos-López omontesinos@ucol.mx. Ingeniero Físico, Doctor en Ciencias Técnicas, Profesor investigador y docente de la Facultad de Telemática en la Universidad de Colima, México.

 

Institución de los autores
1 Universidad de Holguín
2 Universidad de Colima, México



Fecha de Recepción: 21 de febrero 2019
Fecha de Aprobación: 19 de junio 2019
Fecha de Publicación: 31 de julio 2019

Enlaces refback

  • No hay ningún enlace refback.