ORBITA

Turismo como motor del Desarrollo Sostenible e Inclusivo. El turismo puede ser potencialmente un motor de desarrollo mucho más sostenible e inclusivo en materia de género, facilitando la transición hacia una economía de bajo o incluso carbono cero. Entre 2006 y 2019, los ingresos generados por el turismo receptivo en Bolivia aumentaron a un ritmo superior al 10% anual, más del doble del ritmo de crecimiento del PIB global. Este proyecto pretende crear un Observatorio del Turismo de Bolivia – ORBITA – encargado de: recopilar datos y facilitar la investigación aplicada sobre el nexo entre turismo, género y desarrollo sostenible en Bolivia; crear alianzas para apoyar la recuperación y el crecimiento del sector; capacitar a las pequeñas y medianas empresas turísticas en las nuevas tecnologías digitales para la industria del turismo; y promover la igualdad de oportunidades para las mujeres en el sector.

Para más información, visite www.orbita.bo

Salarios dignos

El logro de los Objetivos de Desarrollo Sostenible para 2030 depende fundamentalmente de que todos los trabajadores de todo el mundo ganen un salario digno, no solo porque los ingresos laborales son la principal fuente de ingresos, si no la única, para la mayoría de las personas en el mundo, sino también porque las empresas y las sociedades prósperas dependen de ciudadanos libres de explotación e indigencia.

El concepto de salario digno se refiere a un salario que permitiría a una familia trabajadora típica vivir una vida modesta pero decente, incluyendo el acceso a una dieta nutritiva y una vivienda mínimamente aceptable. Un salario digno también debería ser suficiente para permitir que la familia viva unida, en lugar de que algunos miembros deban migrar y separarse para complementar los ingresos familiares.

En SDSN Bolivia creemos que los estándares de comparación de lo que es un salario digno, objetivos, estandarizados y ampliamente aceptados son el primer paso en un proceso a largo plazo hacia el logro de salarios que ayudarán a los trabajadores a salir de la pobreza. Por lo tanto, nos hemos asociado con Global Living Wage Coalition (https://www.globallivingwage.org/) para ayudar a calcular, publicar y actualizar los estándares de comparación de salario digno para diferentes lugares del mundo utilizando la Metodología de salario digno de Anker.

Nos enorgullece ser parte de la Red Anker de Investigación de Salarios Dignos. En los próximos años, realizaremos una serie de estudios de referencia de salarios dignos en América Latina y seremos responsables de actualizar sistemáticamente los estándares de comparación de salarios dignos. Estos estándares actualizados y ampliamente aceptados son importantes para ayudar a las partes interesadas a lo largo de las cadenas de suministro globales a negociar una distribución justa del valor generado para los consumidores finales, asegurando que todos los involucrados ganen al menos un salario digno.

Para obtener más información, visite https://www.globallivingwage.org/.

Inequalitrees

Inequalitrees – A Novel Look at Socio-Economic Inequalities using Machine Learning Techniques and Integrated Data Sources

SDSN Bolivia, la Universidad de Trento en Italia, el Instituto ifo en Alemania y el Instituto para el Desarrollo Humano en India obtuvieron una subvención de 1,5 millones de Euros para 4 años, de parte de la Fondazione Compagnia di San Paolo con el fin investigar los niveles, los impulsores y la distribución espacial de las desigualdades socioeconómicas injustas dentro y entre países, con especial atención a Bolivia, Alemania, India e Italia.

Adoptamos un enfoque multidimensional, interdisciplinario y transnacional, mediante el análisis de la desigualdad de oportunidades y la pobreza en tres resultados individuales clave (educación, ingresos y salud) en cuatro países (Bolivia, Alemania, India, Italia) e integrando contribuciones de economía, sociología, geografía e informática. Veremos cómo las diferentes condiciones socioeconómicas dan forma a las oportunidades de vida en los países, y mapearemos en detalle las variaciones en las desigualdades socioeconómicas nacionales. Una característica innovadora clave de nuestro proyecto consiste en la aplicación de técnicas de aprendizaje automático de vanguardia para integrar y analizar conjuntos de datos a gran escala de diversas fuentes, incluidas encuestas nacionales e internacionales, datos administrativos y de registro, así como datos extraídos de imágenes satelitales. La combinación de varias fuentes de datos y la aplicación del aprendizaje automático y los métodos de regresión espacial prometen un progreso significativo en la comprensión de las características ambientales e institucionales que contrarrestan la existencia de desigualdades socioeconómicas injustas.

Para obtener más información, visite el sitio web del proyecto: https://inequalitrees.eu/