Introducción

Con el objetivo de estudiar la explotación labotal infantil en la ciudad de Bogotá para comprender los factores que arraigan esta debido a la falta de medidas efectivas de protección, la pobreza y desigualdad socioeconómica en las localidad de esta ciudad, se realizó un análisis exploración de la base de datos públicada el 16 de febrero del 2023 por la Alcaldía de Bogotá, en la página Niñas, niños y adolescentes que participan en actividades económicas, Portal Único del Estado Colombiano, único punto de acceso digital del ciudadano a todos los trámites, servicios, información pública y ejercicios de participación, colaboración y control social que ofrecen las entidades del Estado. Además los factores que arraigan esta condición fue extraida del DANE Estadísticas de censo de Bogotá.

Base de datos

A continuación se presenta la base de datos sumnisistrada por Alcaldía de Bogotá-datos abiertos, que contienen información acerca de la explotación laboral infantil en la ciudad de Bogotá segmentada por localidad.

Tabla 1: Casos de explotación laboral infantil segmentado por año y localidades
Año Localidad Caso de niños Caso de niñas Casos totales
2013 USAQUEN 0 0 0
2013 CHAPINERO 0 0 0
2013 SANTA FE 0 0 0
2013 SAN CRISTOBAL 0 0 0
2013 USME 356 172 528
2013 TUNJUELITO 0 0 0
2013 BOSA 2 1 3
2013 KENNEDY 0 0 0
2013 FONTIBON 0 0 0
2013 ENGATIVA 0 0 0
2013 SUBA 0 0 0
2013 BARRIOS UNIDOS 0 0 0
2013 TEUSAQUILLO 0 0 0
2013 LOS MARTIRES 0 0 0
2013 ANTONIO NARIÑO 0 0 0
2013 PUENTE ARANDA 0 0 0
2013 CANDELARIA 13 18 31
2013 RAFAEL URIBE URIBE 0 0 0
2013 CIUDAD BOLIVAR 3 23 26
2013 SUMAPAZ 0 0 0
2014 USAQUEN 353 89 442
2014 CHAPINERO 25 120 145
2014 SANTA FE 166 46 212
2014 SAN CRISTOBAL 377 132 509
2014 USME 46 569 615
2014 TUNJUELITO 55 205 260
2014 BOSA 292 322 614
2014 KENNEDY 257 163 420
2014 FONTIBON 192 201 393
2014 ENGATIVA 209 133 342
2014 SUBA 228 147 375
2014 BARRIOS UNIDOS 30 47 77
2014 TEUSAQUILLO 37 68 105
2014 LOS MARTIRES 115 34 149
2014 ANTONIO NARIÑO 72 79 151
2014 PUENTE ARANDA 58 21 79
2014 CANDELARIA 8 52 60
2014 RAFAEL URIBE URIBE 3 272 275
2014 CIUDAD BOLIVAR 32 589 621
2014 SUMAPAZ 60 19 79
2015 USAQUEN 32 141 173
2015 CHAPINERO 164 57 221
2015 SANTA FE 45 390 435
2015 SAN CRISTOBAL 207 264 471
2015 USME 303 715 1018
2015 TUNJUELITO 11 294 305
2015 BOSA 242 656 898
2015 KENNEDY 329 297 626
2015 FONTIBON 186 155 341
2015 ENGATIVA 19 306 325
2015 SUBA 27 77 104
2015 BARRIOS UNIDOS 7 246 253
2015 TEUSAQUILLO 89 122 211
2015 LOS MARTIRES 118 93 211
2015 ANTONIO NARIÑO 168 81 249
2015 PUENTE ARANDA 20 119 139
2015 CANDELARIA 49 37 86
2015 RAFAEL URIBE URIBE 108 542 650
2015 CIUDAD BOLIVAR 857 458 1315
2015 SUMAPAZ 7 85 92
2016 USAQUEN 1 85 86
2016 CHAPINERO 33 11 44
2016 SANTA FE 8 51 59
2016 SAN CRISTOBAL 114 97 211
2016 USME 22 135 157
2016 TUNJUELITO 28 38 66
2016 BOSA 0 200 200
2016 KENNEDY 43 97 140
2016 FONTIBON 35 29 64
2016 ENGATIVA 40 118 158
2016 SUBA 143 37 180
2016 BARRIOS UNIDOS 27 35 62
2016 TEUSAQUILLO 0 26 26
2016 LOS MARTIRES 61 33 94
2016 ANTONIO NARIÑO 40 48 88
2016 PUENTE ARANDA 27 23 50
2016 CANDELARIA 17 6 23
2016 RAFAEL URIBE URIBE 36 27 63
2016 CIUDAD BOLIVAR 23 133 156
2016 SUMAPAZ 8 3 11
2017 USAQUEN 43 154 197
2017 CHAPINERO 14 102 116
2017 SANTA FE 231 125 356
2017 SAN CRISTOBAL 103 157 260
2017 USME 131 380 511
2017 TUNJUELITO 28 358 386
2017 BOSA 300 264 564
2017 KENNEDY 130 468 598
2017 FONTIBON 117 139 256
2017 ENGATIVA 40 262 302
2017 SUBA 132 262 394
2017 BARRIOS UNIDOS 111 31 142
2017 TEUSAQUILLO 78 42 120
2017 LOS MARTIRES 210 75 285
2017 ANTONIO NARIÑO 221 73 294
2017 PUENTE ARANDA 121 99 220
2017 CANDELARIA 66 71 137
2017 RAFAEL URIBE URIBE 112 173 285
2017 CIUDAD BOLIVAR 96 310 406
2017 SUMAPAZ 0 0 0
2018 USAQUEN 189 92 281
2018 CHAPINERO 21 167 188
2018 SANTA FE 143 40 183
2018 SAN CRISTOBAL 76 40 116
2018 USME 219 325 544
2018 TUNJUELITO 137 204 341
2018 BOSA 159 461 620
2018 KENNEDY 242 244 486
2018 FONTIBON 24 138 162
2018 ENGATIVA 345 89 434
2018 SUBA 270 154 424
2018 BARRIOS UNIDOS 82 33 115
2018 TEUSAQUILLO 36 26 62
2018 LOS MARTIRES 122 60 182
2018 ANTONIO NARIÑO 79 75 154
2018 PUENTE ARANDA 32 149 181
2018 CANDELARIA 1 25 26
2018 RAFAEL URIBE URIBE 131 34 165
2018 CIUDAD BOLIVAR 192 392 584
2018 SUMAPAZ 0 0 0
2019 USAQUEN 123 56 179
2019 CHAPINERO 35 58 93
2019 SANTA FE 92 211 303
2019 SAN CRISTOBAL 212 259 471
2019 USME 221 402 623
2019 TUNJUELITO 23 422 445
2019 BOSA 575 208 783
2019 KENNEDY 375 410 785
2019 FONTIBON 71 18 89
2019 ENGATIVA 328 352 680
2019 SUBA 177 481 658
2019 BARRIOS UNIDOS 63 148 211
2019 TEUSAQUILLO 29 13 42
2019 LOS MARTIRES 38 263 301
2019 ANTONIO NARIÑO 157 174 331
2019 PUENTE ARANDA 87 37 124
2019 CANDELARIA 0 0 0
2019 RAFAEL URIBE URIBE 139 303 442
2019 CIUDAD BOLIVAR 376 174 550
2019 SUMAPAZ 0 0 0
2020 USAQUEN 86 35 121
2020 CHAPINERO 0 1 1
2020 SANTA FE 9 58 67
2020 SAN CRISTOBAL 214 76 290
2020 USME 156 328 484
2020 TUNJUELITO 48 55 103
2020 BOSA 385 129 514
2020 KENNEDY 225 303 528
2020 FONTIBON 18 70 88
2020 ENGATIVA 220 257 477
2020 SUBA 112 574 686
2020 BARRIOS UNIDOS 31 9 40
2020 TEUSAQUILLO 0 1 1
2020 LOS MARTIRES 0 104 104
2020 ANTONIO NARIÑO 132 95 227
2020 PUENTE ARANDA 32 138 170
2020 CANDELARIA 1 5 6
2020 RAFAEL URIBE URIBE 114 492 606
2020 CIUDAD BOLIVAR 565 148 713
2020 SUMAPAZ 0 0 0
2021 USAQUEN 159 168 327
2021 CHAPINERO 0 0 0
2021 SANTA FE 122 101 223
2021 SAN CRISTOBAL 207 315 522
2021 USME 303 473 776
2021 TUNJUELITO 107 199 306
2021 BOSA 214 485 699
2021 KENNEDY 110 555 665
2021 FONTIBON 136 63 199
2021 ENGATIVA 410 176 586
2021 SUBA 295 459 754
2021 BARRIOS UNIDOS 146 62 208
2021 TEUSAQUILLO 0 0 0
2021 LOS MARTIRES 125 187 312
2021 ANTONIO NARIÑO 52 232 284
2021 PUENTE ARANDA 152 160 312
2021 CANDELARIA 20 7 27
2021 RAFAEL URIBE URIBE 29 478 507
2021 CIUDAD BOLIVAR 167 626 793
2021 SUMAPAZ 0 0 0
2022 USAQUEN 31 468 499
2022 CHAPINERO 26 16 42
2022 SANTA FE 353 243 596
2022 SAN CRISTOBAL 52 526 578
2022 USME 251 507 758
2022 TUNJUELITO 175 477 652
2022 BOSA 491 581 1072
2022 KENNEDY 765 254 1019
2022 FONTIBON 48 355 403
2022 ENGATIVA 464 375 839
2022 SUBA 490 478 968
2022 BARRIOS UNIDOS 225 322 547
2022 TEUSAQUILLO 17 15 32
2022 LOS MARTIRES 152 449 601
2022 ANTONIO NARIÑO 169 287 456
2022 PUENTE ARANDA 161 272 433
2022 CANDELARIA 26 14 40
2022 RAFAEL URIBE URIBE 246 416 662
2022 CIUDAD BOLIVAR 33 1484 1517
2022 SUMAPAZ 0 0 0

Para el análisis de factores socioeconómicos y educativos que repercuten en la explotación laboral infantil en Bogotá se ultiza la siguiente base de datos, que contiene la información acerca de las variables para cada localidad de Bogotá.

Tabla 2: Factores socioeconómicos y educativos por localidad
Localidad Caso de niños Caso de niñas Casos totales Estratificación promedio Población Coeficientes de Gini Pobreza monetaria Deserción escolar
ANTONIO NARIÑO 169 287 456 3.4 82201 0.40649 7.26 2.86
BARRIOS UNIDOS 225 322 547 3.6 146876 0.47936 7.17 1.35
BOSA 491 581 1072 1.6 723029 0.40836 21.24 3.50
CANDELARIA 26 14 40 2.3 17877 0.56890 15.13 2.22
CHAPINERO 26 16 42 4.3 173353 0.51328 6.29 2.49
CIUDAD BOLIVAR 33 1484 1517 1.6 649834 0.41470 25.94 5.11
ENGATIVA 464 375 839 3.2 814100 0.43802 8.03 3.09
FONTIBON 48 355 403 3.2 393532 0.50502 8.46 3.26
KENNEDY 765 254 1019 2.7 1034838 0.46365 15.29 1.46
LOS MARTIRES 152 449 601 3.4 83426 0.45919 10.46 3.64
PUENTE ARANDA 161 272 433 3.5 253367 0.42107 10.27 2.41
RAFAEL URIBE URIBE 246 416 662 1.3 383960 0.43211 17.87 4.25
SAN CRISTOBAL 52 526 578 1.8 401060 0.68950 20.39 2.06
SANTA FE 353 243 596 1.8 107784 0.63151 23.15 2.28
SUBA 490 478 968 3.1 1252675 0.53585 10.10 4.15
SUMAPAZ 0 0 0 1.9 3584 0.42650 10.10 0.50
TEUSAQUILLO 17 15 32 3.6 167879 0.42551 3.06 2.10
TUNJUELITO 175 477 652 2.2 180158 0.48118 22.76 2.56
USAQUEN 31 468 499 3.9 571268 0.52945 6.92 2.21
USME 251 507 758 1.5 393366 0.45890 33.85 3.65

SERIES DE TIEMPO

En la Figura 1 podemos evidenciar que ha aumentado en los casos de explotación laboral infantil en Bogotá. Lo cual es alarmante, debido que la linea temporal tiene tendencia a aumentar con el paso de los años, evidenciandosé una vulneración a los derechos de los niños, niñas y adolescentes de esta ciudad. Esto nos hace reflexionar ¿será que las políticas que buscan favorecer a los niños y eliminar los casos de explotación laboral infantil son efectivas?

En la figura 2 se evidencia que las la explotación laboral en las niñas es mayor que la explotación laboral en los niños.

En la Figura 3 podemos evidenciar que las 5 localidades más afectadas en la explotación laboral infantil son: Ciudad bolívar, engativá, bosa, kennedy y suba. Sobre todo, es alarmente en la localidad de suba y ciudad bolívar debido a laza constante anual que presenta.

## ## ### CASOS DE EXPLOTACIÓN LABORAL POR LOCALIDADES EN LOS AÑOS 2020 - 2022

En la Figura 4 se evidencia que entre los años 2020 - 2022, las localidades con más explotación laboral infantil son ciudad bolivar (3023), suba (2408), bosa (2285), kennedy (2212) y usme (2018).

En la localidad de ciudad bolívar es alarmante la cantidad de casos de explotación laboral en las niñas que se refleja en la figura 5.

En la figura 6 podemos analizar que en la zona oeste de la ciudad de Bogotá está concentrada los casos de explotación laboral infantil.

CASOS DE EXPLOTACIÓN LABORAL AJUSTADAS POR CADA 100 MIL HABITANTES

Para un mayor entendimiento de los casos de explotación laboral en Bogotá por localidades, realizamos un ajuste mediante el metodo indirecto.

\(\text{Tasas por cada 100mil niños}=\frac{\text{Casos de explotación }_i}{\text{Población de niños }_i}\)

donde, \(i\) son las localidades de la ciudad de Bogotá.

Niños

Al analizar los casos por cada 100 mil niños en la ciudad de Bogotá por localidades, podemos evidenciar que Santa Fé, antonio nariño y los mártires son las 3 localidades con mas casos de explotación laboral infantil.

Tabla 3. Casos de niños por cada 100 mil niños del 2020 - 2022
Localidad Casos de niños Casos por cada 100 mil niños
14 SANTA FE 484 45
1 ANTONIO NARIÑO 353 43
10 LOS MARTIRES 277 33
2 BARRIOS UNIDOS 402 27
4 CANDELARIA 47 26
18 TUNJUELITO 330 18
20 USME 710 18
3 BOSA 1090 15
11 PUENTE ARANDA 345 14
7 ENGATIVA 1094 13
6 CIUDAD BOLIVAR 765 12
13 SAN CRISTOBAL 473 12
9 KENNEDY 1100 11
12 RAFAEL URIBE URIBE 389 10
15 SUBA 897 7
8 FONTIBON 202 5
19 USAQUEN 276 5
5 CHAPINERO 26 1
17 TEUSAQUILLO 17 1
16 SUMAPAZ 0 0

Niñas

Al analizar los casos por cada 100 mil niñas en la ciudad de Bogotá por localidades, podemos evidenciar que los mártires, antonio nariño y tunjuelito son las 3 localidades con mas casos de explotación laboral infantil.

Tabla 4. Casos de niños por cada 100 mil niños del 2020 - 2022
Localidad Casos de niñas Casos por cada 100 mil niñas
10 LOS MARTIRES 740 89
1 ANTONIO NARIÑO 614 75
18 TUNJUELITO 731 41
14 SANTA FE 402 37
12 RAFAEL URIBE URIBE 1386 36
6 CIUDAD BOLIVAR 2258 35
20 USME 1308 33
2 BARRIOS UNIDOS 393 27
13 SAN CRISTOBAL 917 23
11 PUENTE ARANDA 570 22
3 BOSA 1195 17
4 CANDELARIA 26 15
8 FONTIBON 488 12
15 SUBA 1511 12
19 USAQUEN 671 12
9 KENNEDY 1112 11
7 ENGATIVA 808 10
5 CHAPINERO 17 1
17 TEUSAQUILLO 16 1
16 SUMAPAZ 0 0

Total

Al analizar los casos por cada 100 mil niños y niñas en la ciudad de Bogotá por localidades, podemos evidenciar que los mártires, antonio nariño y santa fé son las 3 localidades con mas casos de explotación laboral infantil por cada 100 mil niños.

Tabla 5. Casos por cada 100 mil niños de2 2020 - 2022
Localidad Casos Casos por cada 100 mil niños y niñas
10 LOS MARTIRES 1017 122
1 ANTONIO NARIÑO 967 118
14 SANTA FE 886 82
18 TUNJUELITO 1061 59
2 BARRIOS UNIDOS 795 54
20 USME 2018 51
6 CIUDAD BOLIVAR 3023 47
12 RAFAEL URIBE URIBE 1775 46
4 CANDELARIA 73 41
11 PUENTE ARANDA 915 36
13 SAN CRISTOBAL 1390 35
3 BOSA 2285 32
7 ENGATIVA 1902 23
9 KENNEDY 2212 21
15 SUBA 2408 19
8 FONTIBON 690 18
19 USAQUEN 947 17
5 CHAPINERO 43 2
17 TEUSAQUILLO 33 2
16 SUMAPAZ 0 0

MODELAMIENTO DE LOS FACTORES SOCIOECONOMICOS Y EDUCATIVOS

Para analizar a fondo los factores socioeconómicos y educativos que influyen a la explotación la boral por localidades realizamos un modelo de regresión geograficamente ponderado de Poisson para con la finalidad de entender la correlación entre los factores y la explotación laboral infantil.

##    ***********************************************************************
##    *                       Package   GWmodel                             *
##    ***********************************************************************
##    Program starts at: 2023-06-14 11:44:43 
##    Call:
##    ggwr.basic(formula = casos ~ COEFICIENTE_DE_GINI + POBREZA_MONETARIA + 
##     DES_ESCOLAR + ESTRATO + NBI + POBLACION, data = SPDF, bw = bw.gwr, 
##     family = "poisson", kernel = "bisquare", adaptive = TRUE, 
##     dMat = DM)
## 
##    Dependent (y) variable:  casos
##    Independent variables:  COEFICIENTE_DE_GINI POBREZA_MONETARIA DES_ESCOLAR ESTRATO NBI POBLACION
##    Number of data points: 20
##    Used family: poisson
##    ***********************************************************************
##    *              Results of Generalized linear Regression               *
##    ***********************************************************************
## 
## Call:
## NULL
## 
## Deviance Residuals: 
##      Min        1Q    Median        3Q       Max  
## -1.00000  -0.17453   0.05712   0.26464   0.75776  
## 
## Coefficients:
##                       Estimate Std. Error z value Pr(>|z|)    
## Intercept            5.990e+00  8.030e-02  74.594  < 2e-16 ***
## COEFICIENTE_DE_GINI -8.581e-01  1.036e-01  -8.283  < 2e-16 ***
## POBREZA_MONETARIA    3.620e-02  1.538e-03  23.537  < 2e-16 ***
## DES_ESCOLAR          1.454e-01  8.197e-03  17.734  < 2e-16 ***
## ESTRATO             -2.454e-02  1.516e-02  -1.618  0.10568    
## NBI                 -1.514e-02  5.819e-03  -2.602  0.00926 ** 
## POBLACION            1.301e-06  2.064e-08  63.034  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for poisson family taken to be 1)
## 
##     Null deviance: 14501.4  on 19  degrees of freedom
## Residual deviance:  4145.3  on 13  degrees of freedom
## AIC: 4159.3
## 
## Number of Fisher Scoring iterations: 5
## 
## 
##  AICc:  4168.666
##  Pseudo R-square value:  0.7141424
##    ***********************************************************************
##    *          Results of Geographically Weighted Regression              *
##    ***********************************************************************
## 
##    *********************Model calibration information*********************
##    Kernel function: bisquare 
##    Adaptive bandwidth: 20 (number of nearest neighbours)
##    Regression points: the same locations as observations are used.
##    Distance metric: A distance matrix is specified for this model calibration.
## 
##    ************Summary of Generalized GWR coefficient estimates:**********
##                               Min.     1st Qu.      Median     3rd Qu.   Max.
##    Intercept            2.4556e+00  7.0081e+00  7.0276e+00  7.0388e+00 7.0558
##    COEFICIENTE_DE_GINI -1.4958e+00 -1.4524e+00 -1.4313e+00 -1.3993e+00 2.6101
##    POBREZA_MONETARIA    1.7485e-02  2.3377e-02  2.3820e-02  2.4190e-02 0.0349
##    DES_ESCOLAR          6.4666e-02  6.7085e-02  6.8360e-02  7.0547e-02 0.3652
##    ESTRATO             -1.5622e-01 -1.5152e-01 -1.5030e-01 -1.4620e-01 0.3516
##    NBI                  4.8104e-03  6.5045e-03  7.3746e-03  8.5173e-03 0.0341
##    POBLACION            1.2149e-06  1.2197e-06  1.2217e-06  1.2239e-06 0.0000
##    ************************Diagnostic information*************************
##    Number of data points: 20 
##    GW Deviance: 3358.549 
##    AIC : 3374.594 
##    AICc : 3387.781 
##    Pseudo R-square value:  0.7683982 
## 
##    ***********************************************************************
##    Program stops at: 2023-06-14 11:44:43

Con un \(R^2=76.84\%\), podemos definir que el modelo es significativamente bueno para poder dar una correlación a los casos de explotación laboral infantil con los facotes: pobreza monetaria, coeficiente de Gini (Medida de desigualdad en los ingresos), deserción escolar, NBI (Necesidades básicas insatisfechas) y población. Donde gracias a los resultados del modelos podemos decir que en general las variables coeficiente de gini y estratificación son inversamente proporcionales a los casos de explotación laboral infantil, es decir, a mayor cantidad de estas variables se evidenciará menor explotación laboral infantil; mientras que en las variables pobreza monetaria, deserción escolar, necesidades basicas insatisfechas y población es directamente proporcional a los casos de explotación laboral infantil, es decir, a mayor cantidad de estos factores se evidenciará mayor explotación laboral infantil.