Examining the Appraisers' Role in Redlining through Historical Appraisal Narratives
Este estudio utiliza el Procesamiento de Lenguaje Natural y los Sistemas de Información Geográfica para demostrar cómo los sesgos raciales subjetivos en las narrativas de las tasaciones de la HOLC de la década de 1930 institucionalizaron el redlining, creando disparidades económicas perdurables y desigualdad de riqueza en las comunidades anteriormente afectadas por el redlining que persisten en las evaluaciones inmobiliarias contemporáneas.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
La tinta invisible del pasado
Imagina que estás tratando de entender por qué algunos vecindarios en una ciudad están prosperando con nuevas cafeterías y parques, mientras que otros, a solo unos kilómetros de distancia, parecen estancados en el tiempo, luchando con lotes vacíos y valores de vivienda más bajos. ¿Es solo mala suerte? ¿O hay una historia oculta escrita en las mismas calles? Esta pregunta se sitúa en la intersección de la historia, la economía y la informática. Para entenderlo, necesitamos saber tres cosas: el Redlining (o exclusión mediante mapas de riesgo), que fue una práctica de la década de 1930 donde los bancos trazaban líneas en los mapas para marcar ciertos vecindarios como "riesgosos" para los préstamos, a menudo basándose en quién vivía allí en lugar de en la calidad de las casas; las Tasaciones (Appraisals), que son los informes oficiales que los expertos escriben para decidir cuánto vale una casa o un vecindario; y el Procesamiento de Lenguaje Natural (NLP), un tipo de inteligencia artificial que permite a las computadoras leer y comprender el texto humano, detectando patrones en las palabras que los humanos podrían pasar por alto. ¿Por qué es esto importante? Porque la forma en que valoramos nuestras casas hoy construye nuestra riqueza futura. Si las reglas para valorar las viviendas fueron escritas con sesgos en el pasado, ese sesgo podría seguir escondido en el sistema, moldeando silenciosamente quién se enriquece y quién se queda atrás.
El trabajo de detective: Descubriendo palabras ocultas
En este estudio, una investigadora llamada Linda Loubert actúa como una detective digital, buscando pistas en miles de documentos antiguos y polvorientos de la década de 1930. Está investigando una pregunta específica: ¿Ayudaron realmente las palabras que usaban los tasadores para describir los vecindarios a crear las brechas económicas injustas que vemos hoy?
En la década de 1930, un grupo gubernamental llamado Home Owners' Loan Corporation (HOLC) envió tasadores para calificar los vecindarios de la A (las zonas "verdes" más destacadas) a la D (las zonas "rojas" más deficientes). Estas calificaciones decidían quién podía obtener una hipoteca y quién no. Pero los tasadores no solo daban una letra de calificación; tenían que escribir una historia explicando el porqué. Completaban formularios con una sección llamada "Influencias Perjudiciales" (Detrimental Influences), donde enumeraban lo que consideraban que estaba mal en un vecindario.
Loubert recopiló más de 7,000 de estos formularios antiguos. No podía leerlos todos uno por uno, así que utilizó un programa de computadora superinteligente llamado RoBERTa (un tipo de IA) para leerlos por ella. Piensa en RoBERTa como un bibliotecario robot que puede escanear miles de libros en un segundo y decirte: "Oye, en estos 500 libros la palabra 'raza' aparece mucho, y en esos 200 siguen hablando de 'edificios viejos'".
La computadora clasificó los comentarios de los tasadores en categorías como "Preocupaciones de raza y clase", "Proximidad a la industria", "Infraestructura envejecida" y "Riesgos ambientales". Luego, Loubert comparó estas palabras antiguas con la apariencia de esos vecindarios hoy en día. Creó una "Puntuación de Resiliencia al Redlining" (RRS) para cada zona, que es como una boleta de calificaciones que mide qué tan bien le va a un vecindario actualmente en términos de ingresos, educación y valores de la vivienda.
Lo que revelan las pistas
Los resultados fueron sorprendentes. El estudio encontró que las palabras que los tasadores escribieron en la década de 1930 todavía están vinculadas a cómo les va a los vecindarios hoy.
Primero, las "calificaciones" en sí importan. Los vecindarios que fueron calificados con "D" (rojo) en aquel entonces siguen rindiendo peor hoy que aquellos calificados con "A" (verde). Pero aquí está el giro: las palabras que escribieron los tasadores importaron significativamente, aunque no tanto como las calificaciones más bajas.
Cuando la computadora analizó la sección de "Influencias Perjudiciales", encontró que los vecindarios descritos con lenguaje negativo sobre raza y clase (como mencionar "infiltración de negros" o "grupos raciales incompatibles") o proximidad a la industria (estar cerca de fábricas) terminaron con puntuaciones de resiliencia mucho más bajas hoy. De hecho, el impacto negativo de escribir sobre la "proximidad a la industria" fue casi tan trascendental como la penalización por recibir una calificación de "B", aunque la penalización por una calificación de "D" fue aproximadamente 2.7 veces mayor que la de esas palabras específicas.
El estudio sugiere que los tasadores no solo estaban describiendo el vecindario; estaban construyendo una trampa. Usaron el lenguaje para convertir sentimientos subjetivos sobre raza y clase en reglas gubernamentales oficiales. Por ejemplo, si un tasador escribía que un vecindario tenía "elementos indeseables", esa frase se convertía en una razón para denegar préstamos. A lo largo de las décadas, esa falta de dinero significó que esos vecindarios no pudieran reparar sus techos o construir nuevas escuelas, lo que llevó a la pobreza que vemos hoy.
La investigación también analizó si esto se trataba solo de las calificaciones oficiales o si la historia que contaban los tasadores era la verdadera culpable. La respuesta es compleja. Las calificaciones establecían las reglas, pero las palabras de los tasadores proporcionaban el "andamiaje" que sostenía esas reglas. Cuando el estudio analizó las palabras sin considerar las calificaciones, el lenguaje negativo predijo fuertemente una menor riqueza. Sin embargo, cuando el estudio incluyó las calificaciones oficiales en el mismo análisis, el efecto independiente de las palabras se volvió mucho menor para algunas categorías. Esto sugiere que el sesgo no estaba solo en la calificación final, sino que estaba integrado en el lenguaje mismo utilizado para justificarla, aunque las calificaciones mismas cargaban con el mayor peso en los resultados a largo plazo.
El panorama general
Este artículo no afirma que el redlining sea la única razón de la desigualdad actual, pero demuestra que la forma en que los tasadores escribieron sobre los vecindarios en la década de 1930 ayudó a consolidar esas desigualdades. Es como si un profesor escribiera una nota en la boleta de un estudiante diciendo: "Este estudiante no es inteligente debido a su origen", y luego, durante los próximos 90 años, cada profesor posterior se negara a darle la oportunidad de aprender, simplemente debido a esa vieja nota.
El estudio muestra que las líneas "rojas" en los mapas antiguos no eran solo líneas; eran historias escritas con tinta sesgada. Y desafortunadamente, esas historias todavía resuenan en nuestras ciudades hoy, impidiendo que algunos vecindarios crezcan mientras otros florecen. La investigación sugiere que para solucionar estos problemas, no podemos limitarnos a mirar los números; tenemos que entender las palabras que usamos para describir nuestras comunidades, porque esas palabras tienen el poder de moldear nuestro futuro.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.