HOME | ÍNDICE POR TÍTULO | NORMAS PUBLICACIÓN 
Espacios. Vol. 37 (Nº 19) Año 2016. Pág. E-2
Johnny A. TAMAYO 1; Diego A. ESCOBAR 2; Carlos A.MONCADA 3
Recibido: 23/03/16 • Aprobado: 13/04/2016
2. Diagnóstico del plan de infraestructura escolar
3. Análisis prospectivo y elaboración de proyecciones
4. Metodología de priorización de sedes educativas a intervenir
RESUMEN: El diseño de los planes de infraestructura educativa en Colombia, tienen como fin la priorización de las instituciones educativas con el propósito de implementar acciones de intervención que atiendan las deficiencias infraestructurales, asegurando un sistema educativo de calidad, permanencia y cobertura que permita a los jóvenes una formación de alta calidad, garantizando así el derecho fundamental a la educación en el Departamento. Los planes deben tener una mirada prospectiva para poder determinar las necesidades de mejoramiento y ampliación de la infraestructura, así como fijar una estrategia que permita impulsar una plataforma informática capaz de responder a las necesidades de la comunidad, en la cual se visualice de manera gráfica y georeferenciada los resultados a nivel de las TIC, agroindustria e infraestructura de las sedes educativas del Departamento. Para ello se realizó una valoración metódica del servicio educativo para saber si el sistema cumple su cometido de acoger a toda la población y le ofrece, en forma eficiente, la educación que el estado considera adecuada. Las fuentes principales para la elaboración de este diagnóstico fueron los datos consignados en la base de datos SICIED 2012 y la información recolectada de los sistemas de información de la secretaria de educación de Huila. |
ABSTRACT: The design of educational infrastructure plans in Colombia, aim to prioritize educational institutions in order to implement intervention actions that address the infrastructural deficiencies, ensuring a quality education system, permanence and cover, enabling young people a high quality training, ensuring the fundamental right to education in the Department. Plans should have a prospective look to identify needs for improvement and expansion of infrastructure and set a strategy to promote a software platform capable of meet-ing the needs of the community in which it is displayed graphically and georeferenced level results ICT, agribusiness and infrastructure of educational offices of the Department. To do a methodical assessment of educational service was performed to see if the system does the job of welcoming all people and offers you efficiently, the education that the state considers appropriate. The main sources for making this diagnosis were the information in the database SICIED 2012 data and information collected from the information systems of the secretary of education of Huila. |
El Ministerio de Educación Colombiano tiene como uno de sus propósitos fortalecer la capacidad de las entidades educativas para planificar el desarrollo de su infraestructura escolar, de manera que esté acorde con las necesidades del servicio educativo y dar prioridad a las intervenciones que éste requiere en el corto, mediano y largo plazo. Para cumplir con este cometido se diseño un Plan de infraestructura Educativa para el Departamento de Huila, a partir de la priorización de las instituciones educativas según el estado de sus infraestructuras educativas.
El departamento del Huila se encuentra ubicado en el sur de la región Andina hace parte de la cuenca alta del río Magdalena, el cual nace en el Macizo Colombiano, lugar donde tiene origen la bifurcación de las cordilleras Central y Oriental. Tiene una extensión total de 19.890 km2 correspondiente al 1,7% del territorio Colombiano. El departamento cuenta con 37 municipios. Es importante evidenciar la localización de dicho departamento ya que sus características a nivel demográfico, climático y socio económico conlleva a una serie de características diversas en la priorización de necesidades de infraestructura educativa según este tipo de características.
Esta fase comprende una valoración metódica del servicio educativo en el departamento del Huila. Tiene como fin saber si el sistema cumple su cometido de acoger a toda la población y le ofrece, en forma eficiente, la educación que el estado considera adecuada. Las fuentes principales para la elaboración de este diagnóstico fueron los datos consignados en la base de datos SICIED Huila 2012 y la información recolectada de los sistemas de información de la secretaria de educación de Huila. A continuación se describen los componentes que se tuvieron en cuenta para la elaboración de un diagnóstico según la norma GTC 223 (guía para la elaboración de planes de infraestructura escolar).
Excluyendo Neiva, 36 municipios del departamento del Huila cuentan con un total de 5'621.522,93 metros cuadrados de construcción, Esto permite concluir que: Dada la gran cantidad de superficie libre y de circulación (73.65%) contra la de aulas (5.31%), las sedes educativas del Huila cuentan con suficiente área de expansión dentro de sus propios predios, en especial en las zonas rurales; el área total destinada a bibliotecas es baja (0.27%) y merece ser incrementada de forma sustancial; el bajo factor porcentual de áreas administrativas (0.46%) da cuenta de la necesidad de mejorar cuantitativa y cualitativamente las condiciones del personal docente y de apoyo a la educación; las áreas deportivas son cuantitativamente suficientes en las sedes educativas del Departamento.
En la Tabla 1 se observa que el municipio de La Argentina es el que presenta un mejor indicador de m2 por estudiante (271.28 m2/est), producto de las grandes áreas libres y de circulación (96.7 m2/est) con que cuentan sus sedes educativas. Contrariamente, Garzón tiene el peor indicador (11.69 m2/est) en virtud, muy probablemente, del alto número de la población estudiantil que atiende. Otros municipios con alta de-manda, tales como La Plata, Acevedo y Campoalegre presentan indicadores promedio del 26.62 m2/est, 28.82 m2/est y 24.02 m2/est, respectivamente. Municipios con baja demanda estudiantil y un bajo indicador de m2/est deben ser objeto de atención, tal como ocurre en Agrado (14.78 m2/est), Palestina (12.29 m2/est) y Yaguará (15.88 m2/est).
Tabla 1: Indicadores de m2 total de sedes educativas por estudiante por municipio. Fuente: elaboración propia.
Nombre municipio |
Subtotal m2 por municipio |
Alumnos por municipio |
m2 por estudiante |
Acevedo |
210,105.02 |
7,290.00 |
28,82 |
Agrado |
30.160,93 |
2.040,00 |
14,78 |
Aipe |
117.878,60 |
3.721,00 |
31,68 |
Algeciras |
220.313,69 |
4.921,00 |
44,77 |
Altamira |
20.236,47 |
817,00 |
24,77 |
Baraya |
106.764,01 |
1.527,00 |
69,92 |
Campoalegre |
146.302,59 |
6.093,00 |
24,01 |
Colombia |
70.843,43 |
1.436,00 |
49,33 |
Elias |
22.725,86 |
678,00 |
33,52 |
Garzón |
179.939,38 |
14.766,00 |
12,19 |
Gigante |
275.930,70 |
6.300,00 |
43,80 |
Guadalupe |
85.030,13 |
4.121,00 |
20,63 |
Hobo |
37.474,76 |
1.557,00 |
24,07 |
Iquira |
90.554,60 |
2.495,00 |
36,29 |
Isnos |
223.205,16 |
5.446,00 |
40,99 |
La argentina |
887.071,40 |
3.270,00 |
271,28 |
La plata |
372.575,17 |
13.900,00 |
26,80 |
Natagá |
49.731,84 |
1.497,00 |
33,22 |
Oporapa |
67.344,36 |
2.751,00 |
24,48 |
Paicol |
107.284,82 |
1.368,00 |
78,42 |
Palermo |
117.390,89 |
5.132,00 |
22,87 |
Palestina |
32.227,10 |
2.622,00 |
12,29 |
Pital |
77.435,60 |
3.100,00 |
24,98 |
Rivera |
354.470,20 |
4.233,00 |
83,74 |
Saladoblanco |
69.134,42 |
2.760,00 |
25,05 |
San agustín |
281.776,92 |
6.444,00 |
43,73 |
Santa maria |
57.990,42 |
2.375,00 |
24,42 |
Suaza |
95.609,38 |
4.121,00 |
23,20 |
Tarqui |
148.271,92 |
4.336,00 |
34,20 |
Tello |
49.756,84 |
2.650,00 |
18,78 |
Teruel |
36.032,74 |
1.674,00 |
21,52 |
Tesalia |
59.321,14 |
2.383,00 |
24,89 |
Timaná |
278.534,67 |
4.380,00 |
63,59 |
Villavieja |
36.866,08 |
1.203,00 |
30,65 |
Yaguará |
14.748,87 |
929,00 |
15,88 |
Según la Norma técnica colombiana NTC4595, los índices establecidos para los ambientes A que corresponden a los espacios como aulas, deben tener en promedio 1.9 m2/est. En la Figura 1 se observa que el municipio de Campoalegre se presenta la más baja relación de m2 de aula por estudiante: 1.35 m2 de aula por estudiante, seguido de cerca por Rivera (1.41 m2 de aula por estudiante) y Garzón (1.45 m2 de aula por estudiante).
Fig. 1: Indicadores de m2 de aula por estudiante por municipio. Fuente: elaboración propia.
Este tipo de datos permiten priorizar en estos municipios acciones tendientes a aumentar el área instalada de salones de clase. Sin embargo también se puede apreciar que el municipio que presenta la mayor relación de m2 de aula por estudiante es el municipio de Paicol (5.45 m2 de aula por estudiante), seguido de los municipios de Colombia y Villavieja (3.36 m2 de aula por estudiante y 3.01 m2 de aula por estudiante respectivamente).
De acuerdo a la NTC 4595 el índice promedio establecido para ambientes B, en este caso bibliotecas, debe ser de 2.3 m2/est. Con este valor como referencia, el panorama es preocupante, las sedes educativas de los municipios de Colombia (0.03 m2 de biblioteca por estudiante), Suaza (0.03 m2 de biblioteca por estudiante), La Argentina (0.04 m2 de biblioteca por estudiante), Campoalagre (0.05 m2 de biblioteca por estudiante), Garzón (0.06 m2 de biblioteca por estudiante) e Iquira (0.07 m2 de biblioteca por estudiante) necesitan prioridad en inversión para ampliación y dotación de bibliotecas para sus estudiantes. El promedio general de cada municipio no cumple con la norma estándar. La Figura 2 siguiente resume los indicadores de m2 de biblioteca por estudiante en los municipios del Departamento del Huila:
Fig. 2: Indicadores de m2 de biblioteca por estudiante por municipio. Fuente: elaboración propia.
Para ambientes C, en este caso laboratorios, la NTC 4595 determina como índice promedio de área por estudiante 2.52 m2/est. De la misma forma, el análisis de m2 de superficie de laboratorios por estudiante, revela por una parte, que a nivel departamental hay mayor superficie destinada a estos (59,560 m2) que a las bibliotecas (14,173 m2), sin embargo y a pesar de estas áreas ninguno de los municipios cumple con la norma técnica mínima establecida (Ver Figura 3). Sobresaliendo los municipios de Tesalia (1.44 m2 de laboratorio por estudiante) y Altamira (1.04 m2 de laboratorio por estudiante). Contrariamente, los municipios de Acevedo (0.24 m2 de laboratorio por estudiante) y Oporapa (0.26 m2 de laboratorio por estudiante) presentan un bajo indicador en este sentido.
Fig. 3: Indicadores de m2 de laboratorio por estudiante por municipio. Fuente: elaboración propia.
Según la NTC 4595 el índice para ambientes complementarios categoría correspondiente a los baños es de 3.9 m2/est. Así, las áreas de las unidades sanitarias son escasas y presentan serias deficiencias cualitativas. La Figura 4 permite concluir que La Argentina (0.13 m2 de baños por estudiante), Tarqui (0.14 m2 de baños por estudiante), Teruel (0.15 m2 de baños por estudiante), la Plata (0.15 m2 de baños por estudiante) y Garzón (0.16 m2 de baños por estudiante), presentan los menores índices de cobertura en unidades sanitarias para sus estudiantes.
Fig. 4: Indicadores de m2 de ambientes complementarios por estudiante por municipio. Fuente: elaboración propia.
El análisis comparativo del promedio general para el Departamento del Huila de los indicadores de m2 de aula por estudiante, m2 de biblioteca por estudiante, m2 de laboratorio por estudiante y de m2 de áreas de baños por estudiante con respecto a los m2 para estos ambientes establecido por la NTC 4595 (Ver Figura 5). Como se puede observar el promedio total del departamento con respecto a los m2 por aula por estudiante es de 1.99 superando el valor de referencia, sin embargo para los otros indicadores se encuentran muy por debajo de los valores límite señalados en la norma.
Fig. 5: Comparación entre promedios totales en el Departamento del Huila y
valores de referencia según la norma NTC 4595. Fuente: elaboración propia.
De acuerdo a la información del promedio general relacionada por cada municipio se puede concluir que de los 35 municipios del Departamento del Huila, 27 (77%) cumplen con la NTC 4595 en cuanto a los índices establecidos para los ambientes A y correspondientes a 1.9 m2 de aula por estudiante (Agrado, Aipe, Altamira, Baraya, Colombia, Elías, Gigante, Guadalupe, Iquira, Isnos, La Argentina, Natagá, Oporapa, Paicol, Palermo, Palestina, Pital, San Agustín, Santa María, Sua-za, Tarqui, Tello, Teruel, Tesalia, Timaná, Villavieja y Yaguará).
En relación al índice promedio establecido para ambientes B (para este caso bibliotecas) y teniendo en cuenta que la relación es de 2.3 m2 por estudiante, ninguno de los 35 municipios del Departamento la cumple, sin embargo al analizar la información por cada sede se puede observar que 7 (20%) de los municipios cumple con la norma establecida para estos ambientes cuyo índice promedio es de 2.52 m2 por estudiante. Sin embargo al analizar la información por cada sede se puede observar que hay diferentes establecimientos que si cumplen con esta norma mínima.
El panorama general con respecto a los ambientes complementarios (correspondiente en este caso a las unidades sanitarias) no es el mejor ya que nuevamente ninguno de los 37 municipios cumple con la norma mínima establecida en 3.9 m2 por estudiante.
El método de priorización se basa en información recabada de la matriz del estado del riesgo y el nivel de deterioro de las instituciones educativas. La metodología propuesta parte del diseño de escenarios probables el cual genera una imagen a futuro de la priorización de Instituciones Educativas a ser intervenidas según unas variables priorizadas en la herramienta metodologíca, a través de una matriz de priorización de necesidades soportadas en criterio evaluados en la Encuesta de infraestructura educativa SICIED (Sistema Interactivo de Inventario de la Infraestructura educativa). La matriz de priorización es un instrumento que permite conocer el estado de riesgo y el nivel de deterioro de las sedes educativas establecidas en el diagnóstico de esta investigación. Por medio de un valor correspondiente a las seis variables de estudio contempladas, se indica el nivel de prioridad en el que la sede se encuentra.
Las variables de estudio se ordenan según su rango de importancia, teniendo en cuenta que la variable de riesgo es de carácter preponderante; las variables se clasifican de la siguiente manera: 1) Zona de riesgo; 2)
Estado de edificación general; 3) Alcantarillado; 4) Comunicaciones; 5) Vías de acceso; 6) Unidades sanitarias.
Zona de riesgo: Según lo estipulado por la encuesta SICIED se considera como zona de riesgo cualquiera que cumpla con alguna o varias de las siguientes características: zona inundable, zona de deslizamiento, zona receptora de deslizamiento, zona pantanosa o zona de relleno sanitario.
Estado de edificación general: Se contempla para este análisis las construcciones que estén catalogadas en el ítem de estado de la edificación general de la encuesta SICIED como malo o muy malo.
Alcantarillado: Se registran las sedes que no poseen alcantarillado como una determinante más de riesgo, considerando la gran importancia del servicio para el correcto desempeño de las actividades y el bienestar de alumnos y docentes.
Comunicaciones: Dentro de esta categoría se determina la conexión de internet como parámetro de evaluación de la sede.
Vías de acceso: A través de esta variable se destaca la dificultad que genera a estudiantes y docentes acceder a la sede por la mala condición en que se encuentra la vía.
Unidades sanitarias: Por medio del mal estado, o falta de esta determinante se de-fine si la sede requiere nuevas unidades sanitarias considerando la gran repercusión que tiene esta en el bienestar de alumnos y profesores.
Cabe resaltar que los resultados expuestos en la matriz en cada uno de los parámetros anteriormente citados por sede, fueron recopilados a partir de la información arrojada por la encuesta SICIED realizada en trabajo de campo (observar en la tabla de variables el numeral de la encuesta SICIED que corresponde a cada variable), o por de la base de datos del sistema en línea SIGHuila (www.sighuila.com). La matriz se genera mediante la tabulación del listado conformado por las 236 sedes definidas por el diagnóstico con sus respectivos códigos; paralelamente se observa si la sede cuenta con alguna de las variables previamente mencionadas, es decir, si se localiza en zona de riego, si el estado de edificación general es malo, si no posee alcantarillado etc., marcando el cumplimiento de la característica con el color especificado en la tabla de variables al inicio de la tabulación.
Posteriormente se presenta los datos que conciernen a la capacidad de estudiantes que puede albergar la sede según el área total cubierta del espacio educativo y el índice establecido por la norma por cada estudiante, del cual se determina el porcentaje de ocupación y la capacidad real del establecimiento. Por último se realiza la sumatoria de variables que afectan de manera negativa la sede, siendo 6 el puntaje máximo en esta casilla (valor de prioridad), y los valores 4 y 5 a considerar, con el fin de definir el nivel de prioridad que se le debe dar a la sede educativa. Para mayor claridad en la interpretación de la matriz se presenta en la Figura 6 la forma de leer la herramienta: inicialmente se identifica el color de la variable, por medio del color se observa si la sede cumple o no cumple con el parámetro, posteriormente, se suma la totalidad de variables con que cuenta una sede en particular, finalmente, se obtiene el valor de prioridad de la sede, siendo 6 como el máximo valor.
Fig. 6: Se identifica el color de la variable.
Por medio del color se observa si la sede cumple o no cumple con el parámetro. Se suma la totalidad de variables con que cuenta la sede (Ver Figura 7).
Fig. 7: Suma de las variables.
El presente diseño y elaboración del Plan Maestro de Infraestructura escolar para el Departamento de Huila, arrojo una serie de datos de importante valor para la planificación de las intervenciones y las necesidades particulares de las instituciones educativas discriminadas por ambiente escolar. Dicho diagnóstico y priorización brinda al Departamento una serie de herramientas tanto metodológicas como informáticas del estado actual y posibles escenarios de acción con miras a la mejora en la calidad educativa.
Tomando como base el punto anterior se describe cada uno de los resultados arrojados en el desarrollo del presente plan maestro de infraestructura escolar.
Identificación de las necesidades en m2 de cada una de las instituciones educativas por ambiente escolar discriminado por municipio.
Definición de la matriz de priorización a partir de las siguientes variables: zona de riesgo, estado de edificación general, alcantarillado, comunicaciones, vías de acceso, unidades sanitarias.
Análisis por cruce matricula a partir de la matriz de riesgo y las necesidades de m2 por ambiente escolar.
Diseño y puesta en marcha de un aplicativo de consulta web basado en georeferenciación para cada una de las instituciones educativas en función de las variables descritas en la variable de priorización. http://www.sighuila.com, allí, se pudo generar un visor para la identificación de las instituciones educativas a nivel de localización y su estado según los criterios de priorización (http://www.sighuila.com/main/estadisticas_matriz/ ).
Fig. 8: Instituciones Educativas Georeferenciadas
Para el Departamento del Huila, en donde existe un gran número de edificaciones escolares, el diseño y puesta en marcha de este tipo de metodologías trae consigo la planificación a nivel de capacidad de la infraestructura y el uso adecuado de los recursos públicos que la financian; para ello es necesario contar con una serie de actualizaciones periódicas de las fichas técnicas de cada una de las instituciones por parte de equipos de expertos y así poder contar con un sistema veraz que lleve a buen término las planificaciones en las intervenciones.
Los autores expresan su agradecimiento a la Universidad de Caldas por su invaluable colaboración y apoyo para la ejecución de este artículo de investigación, así como a los estudiantes pertenecientes al Grupo de Investigación Environmental, Energy and Education Policy – E3P de la Facultad de Ingeniería y Arquitectura de la Universidad Nacional de Colombia – Sede Manizales, quienes se vincularon al mismo a través del semillero de investigación en Movilidad Sostenible.
Plan Nacional de Desarrollo Educativo 2006-2010. Ministerio de Educación Nacional. República de Colombia. Febrero de 2007.
Sistema de Información Regional (SIR). Gobernación del Huila. Departamento Administrativo de Planeación. 2012.
Censo Nacional de Población. DANE. 2005.
Plan de Desarrollo de Neiva 2012 – 2015. "Unidos para mejorar". Departamento del Huila. Alcaldía municipal.
Batty, M., Accessibility: in search of a unified theory, doi: 10.1068/b3602ed, Environment and Planning B: Planning and Design, 36, pp. 191-194, (2009).
Botero, R., Murillo, J. y Jaramillo, C., Decision strategies for evaluating pedestrian accessibility, http://www.scielo.org.co/, ISSN: 0012-7353, Revista Dyna, 78 (168), pp. 28-35 (2011).
Burkey, M., Decomposing geographic accessibility into component parts: methods and an application to hospitals, doi: 10.1007/s00168-010-0415-3, Annals of Regional science, 48 (3), pp. 783 – 800 (2012).
Callejas-Cuervo, M., Valero-Bustos, H. y Alarcón-Aldana, A., Agentes de software como herramienta para medir la calidad de servicio prestado en un sistema de transporte público colectivo urbano, doi: 10.4067/S0718-07642014000500020, Información tecnológica, 25(5), 147-154 (2014).
Cardona, L.F., Tras la pista de una ciudad universitaria, (en la web: http://historico.cartauniversitaria.unal.edu.co/ediciones/38/14carta.html, acceso: 4 de agosto 2015), Agencia de noticias Universidad Nacional de Colombia, Unimedios, Colombia (2008).
Escobar, D. y García, F., Territorial Accessibility Analysis as a Key Variable for Diagnosis of Urban Mobility: A Case Study Manizales (Colombia), doi:10.1016/j.sbspro.2012.06.1114, Procedia - Social and Behavioral Sciences, 48 (0), pp. 1385-1394, (2012).
Escobar D., García F. y Tolosa R., Análisis de Accesibilidad Territorial a Nivel Regional, 1ª Edición, Universidad Nacional de Colombia. Facultad de Ingeniería y Arquitectura, Manizales, Colombia (2013).
Escobar, D., García, F. y Tolosa, R., Diagnóstico de la Movilidad urbana de Manizales, 1ª Edición, Universidad Nacional de Colombia. Facultad de Ingeniería y Arquitectura, Manizales, Colombia (2012).
Escobar, D.A.; Tapasco, O.A. y Giraldo, J.A., Medición de Desempeño del Sistema de Transporte Cable Aéreo de la Ciudad de Manizales en Colombia, usando Tres Enfoques: Analítico, Simulado y de Accesibilidad Urbana, doi: 10.4067/S0718-07642015000600020. Inf. Tecnol. [online]. 26(6), 199-210 (2015).
Gómez, M.L., Nuevo Sistema de Transporte, sin muchos cambios, http://www.lapatria.com/manizales/nuevo-sistema-de-transporte-sin-muchos-cambios-46574:; Periódico La Patria, Manizales (2013).
Gutiérrez, A. I., Qué es la movilidad?. Elementos para (re) construir las definiciones básicas del campo del transporte, http://revistas.unal.edu.co/index.php/bitacora/art...#sthash.H4mSOEQg.dpuf, ISSN: 2027-145X, Rev. Bitácora Urbano Territorial, 21(2), 61-74 (2012).
Gómez, M. y Barredor, J.I. Sistemas de información geográfica y evaluación multicriterio en la ordenación del territorio, 2a Edición, 279, Ra-Ma Editorial, Madrid, España (2005).
Halden, D., The use and abuse of accessibility measures in UK passenger transport planning, doi:10.1016/j.rtbm.2011.05.001, Transportation Business & Management, 2, 12-19, (2011).
Higgs, G., Langford, M. y Fry, R., Investigating variations in the provision of digital services in public libraries using network-based GIS models, doi:10.1016/j.lisr.2012.09.002, Library & Information Science Research, 35 (1), 24-32, (2013).
Jones, P., Developing and applying interactive visual tools to enhance stakeholder engagement in accessibility planning for mobility disadvantaged groups, doi:10.1016/j.rtbm.2011.08.001, Transportation Business & Management, 2, 29-41, (2011).
Kastenholz, E., Eusébio, C., Figueiredo, E. y Lima, J., Accessibility as Competitive Advantage of a Tourism Destination: The Case of Lousã, in Field Guide to Case Study Research in Tourism, Hospitality and Leisure (Advances in Culture, Tourism and Hospitality Research, Volume 6, K.F. Hyde, C. Ryan and A.G. Woodside (ed.), doi: 10.1108/S1871-3173(2012)0000006023, Emerald Group Publishing Limited, 369-385, (2012).
Kotavaara, O., Antikainen, H. y Rusanen, J., Population change and accessibility by road and rail networks: GIS and statistical approach to Finland 1970–2007, doi:10.1016/j.jtrangeo.2010.10.013 Journal of Transport Geography, 19 (4), 926-935, (2011).
López, E., Gutierrez, J. y Gómez, G., Measuring regional cohesion effects of large-scale transport infrastructure investment: an accessibility approach, doi: 10.1080/09654310701814629, European Planning Studies, 16 (2), 277–301, (2008).
Mackinnon, D., Pirie, G. y Gather, M., Transport and economic development. In R. Knowles, J. Shaw, & I. Docherty, Editors, Transport Geographies: Mobilities, Flows and Spaces (10-28). Blackwell Publishers, Oxford, (2008).
MCV, Informe de Calidad de Vida Manizales 2015, http://manizalescomovamos.org/wp-content/uploads/2015/07/Informe-completo-2015.pdf; Manizales Como Vamos, Manizales (2015).
Moreno, A., En torno a los conceptos de equidad, justicia e igualdad espacial, http://www.biblioteca.unlpam.edu.ar/pubpdf/huellas/n11a09moreno.pdf; ISSN 0329-0573, Rev, Huellas, 11, 133-142, (2007).
Moreno, A. y Angulo, J. V., Desequilibrios y reequilibrios intrametropolitanos: principios de evaluación y metodología de análisis, https://www.uam.es/personal_pdi/filoyletras/juvian/publicaciones.htm, ISSN: 1133-4762 Ciudad y Territorio Estudios Territoriales, 41(160), 233 (2009).
Morris, J., Dumble, P. y Wigan, M., Accessibility indicators in transport planning, doi:10.1016/0191-2607(79)90012-8, Transportation Research, A, 13, 91-109, (1978).
Sailer, K., Marmot A. y Penn, A., Spatial Configuration, Organisational Change and Academic Networks. ASNA 2012 – Conference for 'Applied Social Network Analysis', Zürich, Suiza 4 a 7 Septiembre (2012).
Sheller, MB. y Urry, J., The City and the Car, doi: 10.1111/1468-2427.00276, International Journal of Urban and Regional Research, 24(4), 737-757, (2000).
Shen, G., Measuring Accessibility of Housing to Public–community Facilities Using Geographical Information Systems, doi: 10.1111/1467-940X.00056, Review of Urban & Regional Development Studies 14(3), 235-255 (2002).
Vega, A., A multi-modal approach to sustainable accessibility in Galway, doi: 10.1080/20429843.2011.9727923, Regional Insights, 2(2), 15-17, (2011).
Venegas, F. R. y Rojas, R. I, Teoría y Práctica del Ordenamiento y Manejo Sustentable del Territorio: Tijuana-Rosarito-Tecate, Baja California, México, doi:10.1612/inf.tecnol.4077it.08, Información tecnológica, 20(3), 73-87 (2009).
Zhang, H. y Gao, Z., Bilevel programming model and solution method for mixed transportation network design problem, doi: 10.1007/s11424-009-9177-3, Journal of Systems Science and Complexity, 22 (3), 446-459, (2009).
1. Facultad de Ingeniería y Arquitectura, Universidad Nacional de Colombia - Sede Manizales. (e-mail: jatamayoar@unal.edu.co)
2. Facultad de Ingeniería y Arquitectura, Universidad Nacional de Colombia - Sede Manizales. (e-mail: daescobarga@unal.edu.co)
3. Facultad de Ingeniería, Universidad Nacional de Colombia - Sede Bogotá. (e-mail: camoncadaar@unal.edu.co)