Método multicriterio neutrosófico para la evaluación de la niñez robada mediante trabajo infantil en Riobamba

Contenido principal del artículo

Janeth Ximena Iglesias Quintana
Jackeline Del Cisne Llanga Córdova
Doménica Zulema Oleas Falconi

Resumen

El trabajo infantil en la ciudad de Riobamba es una problemática que afecta profundamente el desarrollo y el bienestar de los niños. La realidad del trabajo infantil es alarmante ya que numerosos niños y niñas son privados de su infancia y obligados a trabajar en condiciones precarias y peligrosas para poder sustentarse día a día. La presente investigación propone el desarrollo de un método multicriterio neutrosófico para la evaluación de la niñez robada mediante trabajo infantil en Riobamba. El método propuesto basa su funcionamiento mediante un enfoque multicriterio para la evaluación. Los resultados se presentan a partir del desarrollo de un ejemplo ilustrativo. Se pudo constatar en la investigación que la pobreza y la falta de acceso a la educación y explotación laboral son las principales causas del trabajo infantil en Riobamba, además se identificaron aspectos negativos en la salud, la educación y el desarrollo de los niños y niñas. Es necesario integrar políticas que promuevan el acceso universal a la educación así como medidas de protección social y apoyo a las familias riobambeñas en situación de vulnerabilidad con el fin de erradicar el trabajo infantil y garantizar el bienestar de los niños y niñas de la ciudad.

##plugins.themes.bootstrap3.displayStats.downloads##

##plugins.themes.bootstrap3.displayStats.noStats##

Detalles del artículo

Cómo citar
Método multicriterio neutrosófico para la evaluación de la niñez robada mediante trabajo infantil en Riobamba. (2024). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 33, 76-85. https://fs.unm.edu/NCML2/index.php/112/article/view/551
Sección
Articulos

Cómo citar

Método multicriterio neutrosófico para la evaluación de la niñez robada mediante trabajo infantil en Riobamba. (2024). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 33, 76-85. https://fs.unm.edu/NCML2/index.php/112/article/view/551