Política, políticas y big data. Herramienta interactiva para políticas y campañas electorales usando grandes volúmenes de datos.

Abstract

El Índice que acá presentamos consiste en un análisis de componentes principales de características socioeconómicas. Con una interfaz interactiva y grandes volúmenes de datos públicos del INDEC podemos recorrer y analizar diversos patrones a través de la geografía Argentina que sirven como insumo tanto para la elaboración de políticas públicas como para e lanálisis electoral y el planeamiento de campañas.

Full text

Ponencia preparada para el XIV Congreso Nacional de Ciencia Política “La política en
incertidumbre. Reordenamientos globales, realineamientos domésticos y la cuestión de la
transparencia”, organizado por la Sociedad Argentina de Análisis Político y la
Universidad Nacional de San Martín, San Martín, 17 al 20 de julio de 2019
Política, políticas y big data
Herramienta interactiva para políticas y
campañas electorales usando grandes
volúmenes de datos
SIMPOSIO: Estudios electorales
Tecnología de Big data aplicado al análisis político
Juan Pablo Pilorget1y Juan Pablo Ruiz Nicolini2
1Universidad de Buenos Aires (UBA), Argentina
jpilorget@gmail.com
2Universidad Torcuato Di Tella (UTDT), Argentina
juan.ruiznicolini@mail.utdt.edu

Política, políticas y big data J.P. Pilorget & J.P. Ruiz Nicolini
Resumen El Índice Menta que acá presentamos consiste en un análisis de com-
ponentes principales de características socioeconómicas. Con una interfaz inter-
activa y grandes volúmenes de datos públicos del INDEC podemos recorrer y
analizar diversos patrones a través de la geografía Argentina que sirven como in-
sumo tanto para la elaboración de políticas públicas como para el análisis electoral
y el planeamiento de campañas.
Keywords: campañas electorales · políticas públicas · big data ·R language
2

J.P. Pilorget & J.P. Ruiz Nicolini Política, políticas y big data
Introducción
El propósito de este trabajo es presentar una nueva herramienta para el
análisis y exploración de información socioeconómica. Basada en datos
desagregados del Censo 2010 (INDEC, 2012) elaboramos un índice que
resume un gran volumen de información en un indicador al nivel de radio
censal para todo el territorio de Argentina.
La cada vez mayor disponibilidad de grandes volúmenes de datos,
sumado a la posibilidad de contar con tecnología e infraestructura ac-
cesible libremente para procesarlos, nos permite explotar la oportunidad
para desarrollar un instrumento fácil de usar y de utilidad para distintos
públicos.
Bajo este contexto, el instrumento en el que visibilizamos los datos
procura facilitar el análisis de las características socioeconómicas de la
población. Estas sirven tanto para las políticas públicas como para el aná-
lisis y estrategias electorales. Para el primero, como insumo para el diseño
y la evaluación de impacto, por ejemplo. Para el segundo, partiendo de la
premisa que existe una asociación entre nivel socioeconómico y compor-
tamiento electoral, para el planeamiento de campañas. En definitiva, para
la realización de diagnósticos más precisos y exhaustivos que sirvan para
un mejor entendimiento de cómo funciona la política y como diseñar las
políticas.
Un ejemplo de esto último puede verificarse en el creciente desarrollo
de áreas de evaluación de impacto. Tanto en la academia como en orga-
nizaciones no gubernamentales o incluso oficinas de gobierno. El trabajo
de Edo (2018), por ejemplo, analiza el impacto de la implementación del
3

Política, políticas y big data J.P. Pilorget & J.P. Ruiz Nicolini
programa Asignación Universal por Hijo (AUH) sobre sobre la educa-
ción de la población afectada al programa. Estudios como éste encuentra
en las características sociodemográficas una clave para la estratificación
de la población, por ejemplo.
Por otro lado, como señalara Lodola (2013), la sociología electoral
Argentina entre la década del cincuenta y los ochenta del siglo pasado
centró su debate alrededor de análisis ecológicos sobre la composición
clasista de los votos. Trabajos como el de Smith (1972) y el debate entre
éste y Gino Germani en Desarrollo Económico (Smith, 1974); la recons-
trucción de y Susan Stokes (2009) a partir de una minucioso relevamiento
de la literatura o el trabajo de y Ernesto Calvo (2000) son todos ejemplos
del segundo tipo de investigaciones que incorporan las características so-
ciodemográficas como variables a la hora de esutdiar los procesos elec-
torales en Argentina.
El siguiente ejemplo, que forma parte de otro trabajo que presentamos
en el Congreso SAAP 20193, ilustra esta relación para un caso particular:
el porcentaje de votos de las dos listas principales para las elecciones ge-
nerales de diputado nacional 2017 y las características socioeconómicas
( % NBI) en circuitos electorales de la provincia de Tucumán.
Resulta evidente en la representación visual que existen tendencias
de asociación entre las variables analizadas. El gráfico permite ver varias
cosas al mismo tiempo. En primer lugar, cada uno de los puntos representa
un circuito electoral en la provincia. Y cada uno de estos es graficado con
3Inteligencia electoral: comportamiento y campañas (Pilorget y Ruiz Nicolini, 2019).
4

J.P. Pilorget & J.P. Ruiz Nicolini Política, políticas y big data
dos observaciones; una por cada lista seleccionada. A su vez, el tamaño
de los círculos refleja el peso electoral de cada uno de esos circuitos.
Las diferencias son notorias para los circuitos con mayor y menor por-
centaje de NBI4: los de mejores condiciones votaron en mayor proporción
por Cambiemos; y, a la inversa, los que están en peores condiciones vo-
taron en mayor proporción por la otra fuerza política. Por otro lado no se
aprecian diferencias sustantivas (nube de puntos) en circuitos alrededor
de un promedio de 10 % de NBI.
Figura 1: Socioeconomómico - Inteligencia Electoral: App interactiva para análisis sobre com-
portamiento electoral y campañas
4El rango de observaciones se encuentra en escala logarítmica para poder apreciar las diferen-
cias.
5

Política, políticas y big data J.P. Pilorget & J.P. Ruiz Nicolini
Si bien este ejercicio nos permite tener una impresión general sobre
la relación entre las variables, en este trabajo presentamos una alterna-
tiva para indagar sobre esta relación con mayor profundidad: a un nivel
más desagregado (radios censales al interior de los departamentos) y con
información geográfica que permite identificar además patrones en el te-
rritorio.
Este trabajo, sin embargo, no busca responder a ninguna pregunta y no
tiene una hipótesis. Por el contrario, pretende retroceder un paso en este
recorrido de la investigación empírica relacionada a las características
socioeconómicas de la población para profundizar en el desarrollo de una
herramienta que pueda ser de utilidad para futuras investigaciones.
Haciendo posible un análisis centralizado, de modo veloz y eficien-
te, la herramienta que acá presentamos brinda la posibilidad de explo-
rar grandes volúmenes de información socioeconómica. Un instrumento
útil para detectar patrones partiendo de las unidades geográficas más des-
agregadas y al mismo tiempo con una cobertura de todo el territorio de
Argentina.
Utilizando técnicas de visualización cartográfica y software de libre
disponibilidad construimos una aplicación interactiva que permite explo-
rar esta información desagregada al interior de los departamentos de todas
las provincias argentinas a través de un índice que facilita su interpreta-
ción.
Para la construcción del índice utilizamos una técnica exploratoria de
reducción de dimensionalidad (Análisis de Componentes Principales -
PCA, por sus siglas en inglés). El trabajo consistió en procesar datos para
6

J.P. Pilorget & J.P. Ruiz Nicolini Política, políticas y big data
una serie de variables típicamente analizadas en la literatura y descartar
información redundante, como se detalla a continuación.
1. Datos y metodología
La fuente de datos utilizados en el Índice Menta fueron los datos re-
levados por el Censo Nacional de Población, Hogares y Viviendas 2010
(INDEC, 2012). La base de datos final con la que trabajamos consta de
52,272 observaciones (radios censales con datos en los que se distribu-
ye toda la geografía Argentina). Estas agrupan información de más de
12 millones de hogares en los que se registró más de 41,4millones de
personas.
Utilizamos variables estructurales -como la calidad de materiales de
los hogares- y sociales -como el nivel de escolaridad alcanzado por el
jefe de hogar. Las variables construidas a partir de esta información son
las siguientes:
Porcentaje de hogares con jefe ocupado;
Porcentaje de hogares con al menos una Necesidad Básica Insatisfe-
cha (NBI);
Porcentaje de mujeres en el radio;
Porcentaje de hogares con jefe con secundario completo;
Porcentaje de viviendas con calidad de materiales deficiente;
Edad promedio del radio;
Edad mediana del radio.
7

Política, políticas y big data J.P. Pilorget & J.P. Ruiz Nicolini
1.1. Metodología de construcción del índice
Siguiendo la metodología propuesta en Pilorget (2018), para la cons-
trucción de la información socio demográfica se tomó la identificación
de cada radio censal -la unidad más pequeña sobre la que se obtiene in-
formación en las bases de microdatos de los censos de población- y se
asignó a cada uno su correspondiente ID de departamento y provincia,
según el nomenclador del INDEC.
En base a esta información se realizó un PCA. Esta técnica estadís-
tica consiste en obtener la mayor cantidad de información posible de un
conjunto de datos construyendo variables latentes a partir de las variables
existentes en la que se observan correlaciones y reducir la dimensionali-
dad del fenómeno. Las componentes son combinaciones lineales de las
variables originales y se espera que solo unas pocas recojan la mayor par-
te de la variabilidad de los datos.
1.2. Dimensión principal y secundaria
Los resultados del PCA a partir de los datos seleccionados muestran
que entre las dos primeras componentes se puede explicar un 67 % de la
variabilidad, aproximadamente.
El análisis desarrollado nos permitió obtener dos índices, uno princi-
pal y otro secundario, donde se pueden apreciar características distintivas
de la población de cada radio censal de todos los departamentos al interior
de cada una de las provincias de Argentina.
El Índice Menta nos permite explorar la variación de las caracte-
rísticas socioeconómicas al mayor nivel de detalle posible (es decir, los
8

J.P. Pilorget & J.P. Ruiz Nicolini Política, políticas y big data
radios censales). Valores altos del índice se corresponden con mejores
condiciones socioeconómicas y valores bajos con peores.
La primera dimensión del PCA, esto es, el índice principal, explica ca-
si la mitad de la variabilidad total (47 %) del conjunto de datos y describe,
en una sola variable, las características socioeconómicas de la población
de cada radio censal.
Figura 2: Índice Menta - Primera Dimensión del PCA: explica el 47 % de la variabilidad
Esta dimensión principal del Índice Menta identifica con un valor
elevado a aquellos radios con bajo porcentaje de hogares con NBI y de
viviendas con materiales deficientes, alto porcentaje de hogares con je-
fatura con secundario completo, alta edad promedio y alto porcentaje de
9

Política, políticas y big data J.P. Pilorget & J.P. Ruiz Nicolini
mujeres. Esto también se condice con hogares de tamaño promedio más
pequeño.
La segunda dimensión, que explica alrededor de un 20 % de la va-
riablidad total, contempla principalmente las características de los radios
con bajo porcentaje de hogares con jefe ocupado.
Figura 3: Índice Menta - Segunda Dimensión del PCA: explica el 20 % de la variabilidad
Ambas componentes principales (que son graficadas de modo inde-
pendiente en la aplicación, pudiendo seleccionar cada una desde el menú,
como se verá más adelante) se caracterizan por tener sus cargas diferen-
10

J.P. Pilorget & J.P. Ruiz Nicolini Política, políticas y big data
ciadas (coeficientes positivos y negativos), por lo que se considera como
componentes de forma5.
2. App interactiva
Una vez calculados los valores del Índice Menta para cada uno de
los radios censales del país se volcó la información en una aplicación
interactiva desarrollada enteramente con el lenguaje de programación R.
El flujo de trabajo con este software sigue los principios de tidyverse
(Wickham, 2014). A través de la colección comentada de librerías de R
creadas por el equipo de RStudio para el trabajo de ciencia de datos6.
Varios paquetes de esta colección fueron de utilidad en nuestro flujo
de trabajo. Tanto para la lectura, procesamiento y escritura de información
(readr, dplyr), como para la confección de los gráficos (ggplot2).
Por otro lado, para el desarrollo de la plataforma interactiva se utili-
zó el paquete Shinny (explotando recursos como Leaflet yMapbox -
librerías para la cartografía interactiva).
La aplicación inicia con una visualización de un mapa de Argentina
y un menú desplegable que permite seleccionar el territorio a ser anali-
zado, seleccionando primero una provincia y luego un departamento. La
división cartográfica al interior de cada uno de los departamentos son los
5Cuando todos los coeficientes apuntan para un mismo lado se trata de componentes de tamaño;
es decir ordena las variables por su peso relativo.
6El suite tidyverse basa todas sus librerías en una misma filosofía, estructura de datos y
gramática común. Puede accederse al material en este vínculo https://www.tidyverse.
org/
11

Política, políticas y big data J.P. Pilorget & J.P. Ruiz Nicolini
radios censales. Los archivos con las geometrías para todo el país están
disponibles en el sitio web del INDEC 7.
Figura 4: Mapa interactivo que permite explorar los valores del Índice Menta
La figura 5 nos sirve para ilustrar las características del funcionamien-
to de la aplicación. En ella se observa un mapa con el polígono de la Co-
muna 1 y su división interna en radios censales. Un total de 329 radios
sobre los 3,555 en los que se divide la C.A.B.A. (9,2%).
7Unidades Geoestadísticas - Cartografía y códigos geográficos del Sistema Estadístico Nacio-
nal https://www.indec.gob.ar/codgeo.asp
12

J.P. Pilorget & J.P. Ruiz Nicolini Política, políticas y big data
Figura 5: Ciudad de Buenos Aires - Comuna 1 - Radio
En el extremo inferior izquierdo se grafica el rango de valores obser-
vados del Índice Menta en ese territorio (de un rango posible que varía
entre un mínimo de 0y un máximo de 5). Los rangos se relacionan a su
vez con una paleta de colores con la que se rellenan los radios censales.
El mapa posibilita además desplegar un globo (popup) con informa-
ción resumida sobre el radio censal en cuestión. Estos son: identificado-
res únicos (fracción y radio censal, según el nomenclador del INDEC) y
cantidad de personas registradas.
La Figura 5 tiene representados entonces los valores del Índice Menta
para todos los radios censales de la Comuna 1, el equivalente a un depar-
tamento en la Ciudad Autónoma de Buenos Aires (C.A.B.A.). El globo,
que se despliega al hacer click sobre cada uno de ellos, resume la informa-
ción para la Fracción 1 y Radio 1 ubicada en la zona de Retiro e incluye
13

Política, políticas y big data J.P. Pilorget & J.P. Ruiz Nicolini
barrios populares como el barrio Carlos Mugica (conocido anteriormente
como Villa 31).
Rápidamente se puede observar el contraste con el radio contiguo (co-
nocido popularmente como Barrio Norte) por el color representado en
el mapa. Cuanto más oscuro, mayor el valor del Índice Menta repre-
sentando un mejor nivel socioeconómico de este territorio. Al contrario,
cuando es más claro peores son las condiciones socioeconómicas: tales
los casos de los radios costeros, con el Barrio Carlos Mugica antes men-
cionado y el Barrio Rodrigo Bueno hacia el este (lindante a Puerto Ma-
dero).
Si nos trasladamos a la provincia de Tucumán (Figura 6) y en su in-
terior al departamento Capital -San Miguel de Tucumán-, podemos ob-
servar que la variación del Índice Menta va de un rango mínimo entre
0−0,5a un rango superior entre 3,4−4,0. Si lo comparamos con la
Figura 5 notamos que el mínimo de la Comuna 1 (en el barrio de Retiro
- Barrio Carlos Mugica) arrancaba en valores similares a los del cuarto
rango en el caso de Tucumán.
Un último elemento de utilidad encontramos en los filtros de niveles
del Índice Menta (en el extremo inferior del menú desplegable). Pode-
mos allí establecer valores dentro del rango que se imprime al seleccionar
cada distrito y el resultado será presentar solo aquellos radios que cum-
plen la condición. Así, por ejemplo, si queremos ver geográficamente
como se distribuye la clase media de la capital tucumana (asumiendo que
los valores medianos del índice indican ese segmento socioeconómico de
la población) seleccionamos uno de los rangos (2−2,5).
14

J.P. Pilorget & J.P. Ruiz Nicolini Política, políticas y big data
Figura 6: Tucumán: Radios censales de la ciudad de San Miguel de Tucumán
Figura 7: Tucumán: Radios censales de la ciudad de San Miguel de Tucumán (rango mediano del
Índice Menta).
15

Política, políticas y big data J.P. Pilorget & J.P. Ruiz Nicolini
Por último, la aplicación permite también explorar los indicadores
desde una tabla con la totalidad de las observaciones para todo el país,
con la posibilidad adicional de filtrar por determinados valores de interés,
tal como se detalla en el ejemplo de la Figura 8. En esta tabla se selec-
cionaron 6comunas de la C.A.B.A. y un rango alto del Índice Menta
que representa el nivel socioeconómico de los radios censales (entre 4y
5puntos).
Figura 8: Tabulado - Índice Menta por radio censal
El resultado muestra que únicamente cuatro radios censales (todos al
interior de la Comuna 2) se encuentran dentro de ese rango de valores.
Resulta importante señalar que al contar la cantidad de radios censales
al interior de las 6comunas seleccionadas (1, 15, 11, 12, 2 y 3), el total
asciende a 1,463. Esto significa que solamente un 0,07 % de los radios
en los distritos seleccionados alcanzan un valor del Índice Menta que
corresponde a un nivel socioeconómico alto (entre 4 y 5 puntos).
16

J.P. Pilorget & J.P. Ruiz Nicolini Política, políticas y big data
3. Conclusión
La bibliografía en Ciencia Política que analiza la relación entre la
competencia electoral y las características socioeconómicas de la pobla-
ción no es nueva. Como se reseñó brevemente a modo de ilustración,
abundan los trabajos que ponen el foco sobre estas variables. La herra-
mienta que acá presentamos tiene como objetivo construir a este desarro-
llo bajo el entendido de que sirve como un insumo eficiente para la pro-
fundización de estos análisis. Aprovechando la posibilidad de acceder a
grandes volúmenes de datos, la capacidad tecnológica para procesarlos y
recursos de muy fácil acceso, pudimos crear una aplicación que ayuda a
analizarlos de modo rápido y eficiente.
Acceso a la App
Se puede acceder a la aplicación Socioeconómico en:
http://socioeconomico.mentacomunicacion.com.ar/
17

Bibliografía
María Edo. CEDLAS » el impacto de la AUH en la educación: más allá
de la asistencia escolar. 2018. URL https://bit.ly/2XVGwPG.
INDEC. Censo nacional de población, hogares y viviendas
2010: censo del Bicentenario. Resultados definitivos. 2012.
URL https://www.indec.gob.ar/ftp/cuadros/poblacion/
censo2010_tomo1.pdf.
Germán Lodola. El votante argentino. Revista SAAP. Publicación de
Ciencia Política de la Sociedad Argentina de Análisis Político, 7(2):
379–388, 2013.
Juan Pablo Pilorget. Estructura sociodemográfica del voto en argentina -
un enfoque desde la minería de datos. 2018. URL https://bit.ly/
2IIaLDr.
Peter H. Smith. The social base of peronism. The Hispanic Ame-
rican Historical Review, 52(1):55–73, 1972. ISSN 0018-2168.
https://doi.org/10.2307/2512142. URL https://www.jstor.org/
stable/2512142.
Peter H. Smith. Las elecciones argentinas de 1946 y las inferencias eco-
lógicas. Desarrollo Económico, 14(54):385–398, 1974. ISSN 0046-
001X. https://doi.org/10.2307/3466278. URL https://www.jstor.
org/stable/3466278.
Hadley Wickham. Tidy data. Journal of Statistical Software, 59(10):
1–23, 2014. URL https://www.jstatsoft.org/article/view/
v059i10/v59i10.pdf.

J.P. Pilorget & J.P. Ruiz Nicolini Política, políticas y big data
Edward Gibson y Ernesto Calvo. Federalism and low-maintenance cons-
tituencies: Territorial dimensions of economic reform in argentina. Stu-
dies in Comparative International Development, 35(3):32–55, 2000.
ISSN 1936-6167. https://doi.org/10.1007/BF02699765. URL https:
//doi.org/10.1007/BF02699765.
Noam Lupu y Susan Stokes. The social bases of political parties in ar-
gentina, 1912–2003. Latin American Research Review, 44(1):58–87,
2009. URL www.noamlupu.com/social_bases.pdf.
19