La presente investigación tiene como propósito analizar las transformaciones socioeconómicas y territoriales que puedan ser parte de un proceso de gentrificación a partir de la implementación de la política de desarrollo urbano en 2016 conocida antes como “Sociedad de Actuación por Cooperación Tacubaya” (SAC Tacubaya) ahora nombrada “Regeneración Tacubaya” en el barrio de Tacubaya, Ciudad de México (CDMX). El periodo de estudio comprende del año 2010-2021, esto para realizar un análisis ex ante y ex post de esta política. El trabajo es efectuado con la teoría de la renta del suelo y el enfoque de los cambios vecinales que permite explicar los procesos de gentrificación de zonas y/o barrios. La metodología empleada para el desarrollo de la investigación es de carácter cuantitativo y cualitativo, donde se empleó un índice de transformación socio espacial, un modelo de Machine Learning (Random Forest), técnicas de interpolación y análisis de imágenes. La información usada proviene de los Censos de Población y Vivienda del 2010 y 2020, recorridos virtuales por el barrio usando Google Maps y recolección de datos sobre el mercado inmobiliario de la zona de estudio, todo esto a nivel manzana urbana. El resultado de la investigación evidencia un proceso de gentrificación moderado en algunas manzanas del barrio. Además, el modelo de Machine Learning identifica variables del mercado inmobiliario que contribuyen al proceso de gentrificación en Tacubaya.
The present research aims to analyze the socio-economic and territorial transformations that may be part of a gentrification process starting with the implementation of the 2016 urban development policy formerly known as "Sociedad de Actuación por Cooperación Tacubaya" (SAC Tacubaya) currently named "Regeneración Tacubaya" in the neighborhood of Tacubaya, Mexico City (CDMX). The 2010-2021 period was chosen to perform an ex-ante and ex-post analysis of this policy. The work is conducted under the theory of land rent and the neighborhood changes approach that allow explaining the gentrification processes of areas and neighborhoods. The methodology used was quantitative and qualitative with the implementation of a socio-spatial transformation index, a Machine Learning model (Random Forest), interpolation techniques, and image analysis. The information used comes from the 2010 and 2020 Population and Housing Censuses, virtual tours of the neighborhood using Google Maps, and data collection on the real estate market in the study area, all at the urban block level. The result of the research shows a moderate gentrification process in some blocks of the neighborhood. In addition, the Machine Learning model identifies the real estate market variables that contribute to the gentrification process in Tacubaya.