Code
rfc <- read.csv("https://datos.cultura.gob.ar/dataset/d47cf8e9-e338-4e8e-ba30-09d3e11f26f1/resource/054e7cfb-9add-4a46-a68b-ef0bd26df391/download/rfc_personas_datos_abiertos.csv", encoding = "latin1")Conocer para gestionar: por qué utilizar datos abiertos para la gestión cultural
¿Cómo podemos usar R y datos abiertos para analizar proyectos de gestión cultural?
Un aspecto fundamental a la hora de pensar en cualquier proyecto de gestión cultural es conocer a nuestros interlocutores, de modo que se pueda re-diseñar e ir ajustando los objetivos del proyecto de acuerdo a los diferentes targets.
R puede ser un gran aliado en esta tarea ayudándonos a visualizar y comprender la información que tengamos disponible y es por ello que en este post nos proponemos compartir algunas ideas de cómo hacerlo explorando diferentes librerías y recursos.
Los datos públicos abiertos en este contexto son una primera herramienta fundamental, no solo desde el punto de vista de la transparencia en la gestión sino como herramienta para los gestores culturales, interesados en diferentes industrias culturales.
En marzo de 2021 el Ministerio de Cultura de la Nación creó un sistema de ventanilla única para la inscripción y gestión para sus convocatorias llamado Registro Federal de Cultura (RFC). De esta manera personas residentes en Argentina podían postularse de manera directa a becas, concursos y subsidios a través de la plataforma en línea. Los datos de estos postulantes fueron disponibilizados en el portal de datos abiertos del Ministerio de Cultura de la Nación permitiéndonos explorar y conocer quienes fueron los interlocutores de esta cartera en entre 2021 y 2023.
Asimismo a partir de Noviembre de 2023 el Instituto Nacional de Estadística y Censos publicó una serie de informes los resultados definitivos del Censo Poblacional 2022. Gracias a que el diseño del Registro Federal de Cultura retoma algunas de las preguntas realizadas en el Cneso (ya que son contemporáneos en su proceso de formulación), nos facilita la comparabilidad entre la muestra (el Registro) y la población general.
En este post el indicador de identidad de género en función de dos líneas de trabajo centrales del RFC como el federalismo y trabajo cultural, y así poder observar si existen diferencias entre parámetros poblacionales y aquellos que logró el RFC como herramienta de comunicación con su comunidad.
Advertencia
Es importante entender que debido a las temporalidades y formas de recolección el RFC no representativo de todo el universo de interlocutores del Ministerio de Cultura ya que existen convocatorias y áreas que quedan por fuera de esta ventanilla única como museos, institutos y entidades autárquicas, cuyas convocatorias se realizan a través de otros canales directos con estas instituciones que preceden a la creación del Ministerio de Cultura.
Por sus características el RFC tampoco es representativo del universo de actores culturales de argentina sino solo de aquellos
Preparando nuestra caja de herramientas
Comenzamos por cargar las librerías que estaremos usando a lo largo de nuestro trabajo.
Las librerías que estaremos usando son:
tidyverse: para la manipulación de datos janitor: para el orden y limpieza de las tablas gt: para creación de tablas html gtExtras: una extensión de para gt leaflet: para creación de mapas
Y las extensiones de ggplot elementalist: un paquete en su fase experimental ggtext: para agregar texto en ggplot
Bajamos la base del RFC del portal de Datos abiertos.
Para arrancar le damos un vistazo inicial a los datos
Code
glimpse(rfc)Rows: 150,694
Columns: 19
$ id <int> 1, 2, 3, 4, 5, 6, 7,…
$ provincia_de_residencia <chr> "BUENOS AIRES", "BUE…
$ departamento_de_residencia <chr> "25 de Mayo", "25 de…
$ localidad_de_residencia <chr> "25 de Mayo", "25 de…
$ identidad_de_genero <chr> "Mujer", "Mujer", "V…
$ fecha_nacimiento <chr> "1954-01-19", "1983-…
$ descendiente_de_pueblo_indigena <chr> "No", "No", "No", "N…
$ pueblo_indigena <chr> "No corresponde", "N…
$ afrodescendiente <chr> "No", "No", "No", "N…
$ area_principal <chr> "Gestión Cultural", …
$ items_area_principal <chr> "Gestión Cultural Pú…
$ materia_prima_principal_area_principal_artesanias <chr> "No corresponde", "N…
$ especialidad_y_u_oficio_area_principal_artesanias <chr> "No corresponde", "N…
$ genero_area_principal_editorial <chr> "No corresponde", ""…
$ disciplinas_area_principal_escenicas <chr> "No corresponde", "N…
$ rol_principal <chr> "Gestión", "Escritor…
$ rol_secundario <chr> "Otro", "Escritor/a"…
$ porcentaje_de_ingresos_actividad_cultural <chr> "0 a 25 %", "0 a 25 …
$ fecha_alta <chr> "2023-05-22 09:50:39…En el periodo 2021-2023 el Ministerio vemos que interactuó con más de 150 mil personas a lo largo y ancho del país. También vemos que nos proporciona 18 variables con información sobre el lugar de residencia, sexo, pertenencia a minorías étnicas (afro e indigena), así como áreas de participación cultural y el rol que cumple la persona dentro de ese área, entre otras.
Transformaciones
Antes de iniciar el análisis hacemos algunas transformaciones y creamos variables auxiliares que nos permitirán trabajar con los datos:
Regionalización: unimos las provincias en regiones según lugar de residencia de las personas.
Codificamos los nombres de las provincias para su mapeo en una coropleta de acuerdo a la variable in1 que propone el Instituto Geográfico Nacional en sus bases de goedesia con límites provinciales.
Edad: calculamos en función de la fecha de nacimiento.
Género: agrupamos el género de acuerdo a las categorías de análisis propuestas en Censo poblacional 2022 en su informe.
Core de trabajadores culturales: identificamos el segmento de personas que percibían ingresos en 70% de su actividad cultural al momento de su inscripción.
Code
# Creaamos unos vectores auxiliares para las regiones.
# Regiones
NOA <- c('CATAMARCA','JUJUY','LA RIOJA','SALTA','SANTIAGO DEL ESTERO','TUCUMAN')
NEA <- c('CORRIENTES', 'FORMOSA','CHACO','MISIONES')
CUYO <- c('MENDOZA','SAN LUIS', 'SAN JUAN')
PATAGONIA <- c('RIO NEGRO','NEUQUEN','CHUBUT','SANTA CRUZ','TIERRA DEL FUEGO','LA PAMPA')
CENTRO <- c('CORDOBA','ENTRE RIOS', 'SANTA FE')
rfc <- rfc |>
mutate(
fecha_nacimiento_como_fecha = as.Date(fecha_nacimiento,"%Y-%m-%d"),
fecha_nacimiento_como_fecha =
if_else(is.na(fecha_nacimiento_como_fecha),as.Date(fecha_nacimiento,"%d/%m/%Y"),fecha_nacimiento_como_fecha),
edad_exacta = year(today()) - year(fecha_nacimiento_como_fecha),
cisgenero = case_when(
identidad_de_genero %in% c("Mujer","Varón") ~ "Varón y mujer",
identidad_de_genero %in% c("Mujer trans","Varón trans","No binaria","Otras identidades") ~ "No se identifica con el sexo registrado al nacer",
identidad_de_genero == "Prefiero no decirlo" ~ "Prefiere no contestar",
NA ~ "Ignorado"),
region = case_when(
provincia_de_residencia == 'Capital Federal (C.A.B.A.)' ~ "C.A.B.A",
provincia_de_residencia %in% 'BUENOS AIRES' ~ "BS.AS.",
provincia_de_residencia %in% CENTRO ~ "Centro",
provincia_de_residencia %in% CUYO ~ "Cuyo",
provincia_de_residencia %in% NEA ~ "NEA",
provincia_de_residencia %in% NOA ~ "NOA",
provincia_de_residencia %in% PATAGONIA ~ "PATAGONIA",
TRUE ~ "Sin especificar"),
in1 = case_when(
provincia_de_residencia == "BUENOS AIRES" ~ "06",
provincia_de_residencia == "Capital Federal (C.A.B.A.)" ~ "02",
provincia_de_residencia == "CATAMARCA" ~ "10",
provincia_de_residencia == "CHACO" ~ "22",
provincia_de_residencia == "CHUBUT" ~ "26",
provincia_de_residencia == "CORDOBA" ~ "14",
provincia_de_residencia == "CORRIENTES" ~ "18",
provincia_de_residencia == "ENTRE RIOS" ~ "30",
provincia_de_residencia == "FORMOSA" ~ "34",
provincia_de_residencia == "JUJUY" ~ "38",
provincia_de_residencia == "LA PAMPA" ~ "42",
provincia_de_residencia == "LA RIOJA" ~ "46",
provincia_de_residencia == "MENDOZA" ~ "50",
provincia_de_residencia == "MISIONES" ~ "54",
provincia_de_residencia == "NEUQUEN" ~ "58",
provincia_de_residencia == "RIO NEGRO" ~ "62",
provincia_de_residencia == "SALTA" ~ "66",
provincia_de_residencia == "SAN JUAN" ~ "70",
provincia_de_residencia == "SAN LUIS" ~ "74",
provincia_de_residencia == "SANTA CRUZ" ~ "78",
provincia_de_residencia == "SANTA FE" ~ "82",
provincia_de_residencia == "SANTIAGO DEL ESTERO" ~ "86",
provincia_de_residencia == "TUCUMAN" ~ "90",
provincia_de_residencia == "TIERRA DEL FUEGO" ~ "94"),
trabajadores_vs_otros_interlocutores = ifelse(porcentaje_de_ingresos_actividad_cultural == "Más del 70%", "Cultura es principal ingreso","Otras fuentes de ingresos"))
rm(list=setdiff(ls(), "rfc"))Análisis
Comenzamos por revisar algunas características generales como la edad de los interlocutores. Para ello realizaremos unos gráficos de caja o boxplot. El gráfico de cajas nos permite observar de manera rápida la distribución intercuartiles de una variable numérica (como por ej. la edad) ayudándonos rápidamente a detectar valores extremos (outliers) representados por los puntos. La caja representa el Q1 hasta el Q3, marcando el Q2 (coincidente con la mediana) en la línea sólida. Adhicionalmente hemos agregado el valor del promedio (línea punteda) que como vemos difiere de la mediana en tan solo un año. En el CENSO nacional de población la mediana fue de 32 años, mostrando un leve envejecimiento en la región de Gran Buenos Aires y Pampeana (34 años).
Como podemos ver en el gráfico de cajas el 75% de los interlocutores del MCN tiene entre 29 y 49 años con una edad promedio de 39 años y una mediana de 37 años, es decir apenas 5 años por encima de la mediana poblacional. Así mismo en el análisis por región podemos ver como los interlocutores del MCN replican los movimientos poblacionales de este indicador mostrando un leve envejecimiento en CABA y Buenos Aires (40 y 37 años) respecto de las regiones del norte del país. (NOA y NEA con 35 y 34 años).
Para realizar el gráfico escogimos la librería plotly que nos permite facilmente contruir gráficos interactivos. Esta es una solución interesante para trabajar con etiquetas dinámicas o hacer zoom en algún punto del gráfico en particular.
Code
rfc |>
# introducimos un tope etario de 100 años de edad
group_by(edad_exacta) |>
plot_ly(y = ~edad_exacta,
name = "",
type = "box",
boxmean = T) |>
layout(title = list(text = "<b>Edad RFC<b>",
font = list(weight = "bold")),
yaxis = list(title = "Edad en años",
reversed = TRUE,
tickfont = list(weight = "bold")),
showlegend = FALSE,
paper_bgcolor = "#FFFFFF",
plot_bgcolor = "#FFFFFF",
margin = list(l = 50, r = 50, b = 50, t = 80))Code
rfc |>
# Hacer tope en los upper y lower fences que ya se ven arriba
filter(edad_exacta >= 7L & edad_exacta <= 100L) |>
select(edad_exacta, region) |>
plot_ly(x = ~edad_exacta, y = ~region, type = "box",
boxmean = T,
boxpoints = FALSE, # no mostrar los puntos
color = ~region, # para tener una tabla de colores diferente para cada una de las regiones
colors = c("#3ABAEB" , "#8F83BC" ,"#50B7B0" , "#F89522", "#FFD007", "#D5DF33" , "#ED3F8E" )) |>
layout(xaxis = list(title = "Edad en años",
tickfont = list(weight = "bold"),
showgrid = FALSE),
yaxis = list(title = "Región",
reversed = TRUE,
tickfont = list(weight = "bold")),
title = list(text = "Edad según región",
font = list(weight = "bold")),
showlegend = FALSE,
paper_bgcolor = "#FFFFFF",
plot_bgcolor = "#FFFFFF",
margin = list(l = 50, r = 50, b = 50, t = 80),
annotations = list(
list(xref = "paper", yref = "paper",
x = 0, y = -0.10,
text = "Se muestran casos entre 7 y 100 años",
showarrow = FALSE, #se utiliza para eliminar la flecha de la anotación
font = list(size = 12, color = "gray", family = "Encode Sans"))))Como vimos más arriba los datos abiertos del RFC nos indican la identidad de género de las personas pero no su sexo registrado al nacer, de modo que lamentablemente no podemos hacer comparativas con las pirámides poblacionales. Desde el punto de vista del análisis de la gestión como política cultural, introducir la identidad de género como variable constituyó un desafío técnico y teórico que se sustentó en la Ley 26.743 de Identidad de Género, sancionada en 2012 en la Argentina, y mediante la cual se evaluó la factibilidad de la medición de la identidad de género en el Censo 2022.
Lecturas
Para conocer más acerca de los debates técnicos que implicó este proceso el INDEC lanzó el documento “Nuevas realidades, nuevas demandas. Desafíos para la medición de la identidad de género en el Censo de Población” el cual puede leerse en línea aquí
El RFC retoma las categorías elaboradas por INDEC permitiéndonos realizar una comparación con el Censo Nacional.
Las personas que no se identifican con el sexo asignado al nacer casi se quintuplican entre los interlocutores del RFC (0.4% vs. 1.95%), es decir que a través de sus convocatorias el RFC logra un sesgo comunicacional positivo respecto de este segmento. Este universo de personas cisgénero del RFC tiene sin embargo una composición muy diferente a la distribución poblacional con un claro protagonismo de personas no binarias (69.14%)
Code
rfc |>
group_by(cisgenero) |>
summarise(N = n_distinct(id)) |>
mutate(porcentaje_gral = round(N/nrow(rfc)*100,2)) |>
adorn_totals() |>
gt() |>
tab_header(md("**Identificación con el sexo al nacer**")) |>
cols_label(cisgenero = "RFC",
porcentaje_gral = "%") |>
tab_source_note("Registro Federal de Cultura")| Identificación con el sexo al nacer | ||
|---|---|---|
| RFC | N | % |
| No se identifica con el sexo registrado al nacer | 2939 | 1.95 |
| Prefiere no contestar | 1697 | 1.13 |
| Varón y mujer | 146058 | 96.92 |
| Total | 150694 | 100.00 |
| Registro Federal de Cultura | ||
Code
rfc |>
filter(cisgenero == 'No se identifica con el sexo registrado al nacer') |>
group_by(identidad_de_genero) |>
summarise(N = n_distinct(id)) |>
mutate(
porcentaje_gral = round(N/nrow(rfc)*100,2),
porcentaje_cis = round(N/sum(N)*100,2)) |>
gt() |>
tab_header(md("**Identidad de género**")) |>
cols_label(identidad_de_genero = "",
porcentaje_gral = "Población",
porcentaje_cis = "Cisgénero") |>
tab_footnote("Personas que no se identifican con el sexo registrado al nacer") |>
tab_source_note("Registro Federal de Cultura")| Identidad de género | |||
| N | Población | Cisgénero | |
|---|---|---|---|
| Mujer trans | 204 | 0.14 | 6.94 |
| No binaria | 2032 | 1.35 | 69.14 |
| Otras identidades | 431 | 0.29 | 14.66 |
| Varón trans | 272 | 0.18 | 9.25 |
| Registro Federal de Cultura | |||
| Personas que no se identifican con el sexo registrado al nacer | |||
Code
# tamaño del agujero de la dona
hsize <- 4
rfc |>
filter(cisgenero == 'No se identifica con el sexo registrado al nacer') |>
group_by(identidad_de_genero) |>
summarise(N = n_distinct(id)) |>
mutate(
porcentaje_gral = round(N/nrow(rfc)*100,2),
porcentaje_cis = round(N/sum(N)*100,2)) |>
ggplot(aes(x = hsize,
y = porcentaje_cis,
fill = identidad_de_genero)) +
guides(fill = guide_legend(title = "Identidad de género"))+
geom_col()+
coord_polar(theta = "y") +
xlim(c(0.2, hsize + 0.5))+
geom_label(
aes(label = paste(porcentaje_cis,"%")),
position = position_stack(vjust = 0.5),
color = "white",
show.legend = FALSE)+
hrbrthemes::scale_fill_ipsum()+
theme(legend.position = "right",
text = element_text(family='sans', color='black'),
panel.background = element_rect(fill = "white"),
panel.grid = element_blank(),
axis.title = element_blank(),
axis.ticks = element_blank(),
axis.text = element_blank(),
) +
scale_fill_manual(values = c("#9284be","#ffce00", "#b4beba","#ef5350")) 
Nuevas identidades
Asimismo y siguiendo el análisis de este segmento de persona cisgénero, el RFC obtiene una mayor interacción con el grupo de 30 a 44 años, esto plantea una diferencia importante respecto de la distribución etarea poblacional de este grupo donde a nivel poblacional la edad muestra una distribución más homogénea.
Code
rfc |>
# Replicamos los tramos etáreos
mutate(edad_grupos =
factor(case_when(
edad_exacta <18 ~ "Hasta 17 años",
edad_exacta <30 ~ "18 a 29 años",
edad_exacta <45 ~ "30 a 44 años",
edad_exacta >44 ~ "45 años y más"),
levels = c("Hasta 17 años","18 a 29 años","30 a 44 años","45 años y más"),
ordered = T)
) |>
group_by(edad_grupos,cisgenero) |>
summarise(N = n_distinct(id)) |>
mutate(porcentaje_gral = round(N/nrow(rfc)*100,2)) |>
filter(cisgenero == "No se identifica con el sexo registrado al nacer") |>
select(-c(cisgenero,N)) |>
# Creamos un gráfico
ggplot(aes(
x = edad_grupos,
y = porcentaje_gral,
fill = edad_grupos)
) +
geom_col(fill = c("#B3A4A0","#958986","#7A706E","#5D5554"), color = "#bfb8d6") +
labs(x = "Grupos de edad",
y = "Porcentaje sobre la población general",
title = "Interlocutores RFC que no se identifica con el sexo registrado\nal nacer según grupo de edad") +
# Etiquetas de valor
geom_text(
aes(label = porcentaje_gral),
colour="white",
position = position_stack(vjust = 0.5),
fontface = "bold"
)+
# theme base
ggthemes::theme_clean()+
# especificaciones de theme
theme(
# Color y tamaño del título
plot.title = element_text(
colour='#2897d4',
face = "plain",
size= 18,
margin = margin(0, 0, 20, 0)),
plot.title.position = "plot",
# Color y tipo de líneas
panel.grid.major.y = element_line(
colour = "#9284be",
linetype = "dashed"),
# Redondeo de fondo de panel del gráfico
panel.background = elementalist::element_rect_round(
fill = "#bfb8d6",
color = "#bfb8d6"),
# Cajas alrededor de los títulos de los ejes x e y con bordes redondeados
axis.title.x =
ggtext::element_textbox(
linetype = 1,r = grid::unit(10, "pt"),
padding = margin(5, 10, 5, 10),
margin = ggplot2::margin(10, 0, 0, 0),"cm"),
axis.title.y =
ggtext::element_textbox(
linetype = 1,
r = grid::unit(10, "pt"),
padding = margin(5, 10, 5, 10),
margin = ggplot2::margin(0, 0, 10, 0),
orientation = "left-rotated")
)
¿Qué sucede desde el punto de vista del federalismo respecto de esta población? En este punto vemos que los interlocutores cisgénero del RFC se distribuyen con un sesgo más federal respecto de los valores poblacionales del CENSO. Si bien la Ciudad de Buenos Aires, provincia de Buenos Aires, Córdoba, Santa fe y Mendoza, siguen atrayendo la mayor cantidad de interlocutores se observan diferencias superiores a los 5 puntos porcentuales sobre todo en la capital del país.
Code
cisgenero_provincia_censo <- readxl::read_xlsx("c2022_tp_genero_c1.xlsx")|>
mutate(percent = round(percent*100,2))
rfc |>
filter(cisgenero == "No se identifica con el sexo registrado al nacer") |>
tabyl(in1) |>
mutate(percent = round(percent*100,2)) |>
left_join(cisgenero_provincia_censo,by = "in1",suffix = (suffix = c("_RFC", "_CENSO"))) |>
select(provincia,percent_RFC,percent_CENSO) |>
mutate("Diferencia en pp" = percent_CENSO-percent_RFC) |>
gt() |>
cols_label(provincia = "Provincia",
percent_RFC = "RFC",
percent_CENSO = "CENSO") |>
tab_header(md("**Personas que no se identifican con el sexo <br> registrado al nacer según provincia de residencia**")) | Personas que no se identifican con el sexo registrado al nacer según provincia de residencia |
|||
|---|---|---|---|
| Provincia | RFC | CENSO | Diferencia en pp |
| Ciudad de Buenos Aires | 25.18 | 10.08 | -15.10 |
| Buenos Aires | 27.63 | 38.37 | 10.74 |
| Catamarca | 0.82 | 0.62 | -0.20 |
| Córdoba | 11.16 | 6.37 | -4.79 |
| Corrientes | 1.12 | 3.73 | 2.61 |
| Chaco | 2.21 | 1.21 | -1.00 |
| Chubut | 1.63 | 0.88 | -0.75 |
| Entre Ríos | 1.91 | 2.82 | 0.91 |
| Formosa | 0.48 | 0.86 | 0.38 |
| Jujuy | 1.53 | 3.20 | 1.67 |
| La Pampa | 0.41 | 0.39 | -0.02 |
| La Rioja | 0.61 | 0.68 | 0.07 |
| Mendoza | 3.61 | 5.51 | 1.90 |
| Misiones | 1.50 | 1.67 | 0.17 |
| Neuquén | 1.60 | 1.64 | 0.04 |
| Río Negro | 2.79 | 1.19 | -1.60 |
| Salta | 1.77 | 2.76 | 0.99 |
| San Juan | 1.12 | 1.86 | 0.74 |
| San Luis | 0.99 | 1.28 | 0.29 |
| Santa Cruz | 0.44 | 0.99 | 0.55 |
| Santa Fe | 7.42 | 6.49 | -0.93 |
| Santiago del Estero | 0.68 | 1.89 | 1.21 |
| Tucumán | 3.13 | 4.63 | 1.50 |
| Tierra del Fuego | 0.27 | 0.85 | 0.58 |
Code
leaflet(datos_mapa) |>
setView(-60,-40, zoom = 4) |>
addProviderTiles("MapBox", options = providerTileOptions(
id = "mapbox.light",
accessToken = Sys.getenv('MAPBOX_ACCESS_TOKEN'))) |>
addPolygons(
fillColor = ~pal(percent_CENSO),
weight = 2,
opacity = 1,
color = "white",
dashArray = "3",
fillOpacity = 0.7,
highlightOptions = highlightOptions(
weight = 5,
color = "#666",
dashArray = "",
fillOpacity = 0.7,
bringToFront = TRUE),
label = label_CENSO,
labelOptions = labelOptions(
style = list("font-weight" = "normal", padding = "3px 8px"),
textsize = "15px",
direction = "auto")) |>
addLegend(pal = pal,
values = ~percent_CENSO,
opacity = 0.7,
title = "CENSO",
position = "bottomright")
leaflet(datos_mapa) |>
setView(-60,-40, zoom = 4) |>
addProviderTiles("MapBox", options = providerTileOptions(
id = "mapbox.light",
accessToken = Sys.getenv('MAPBOX_ACCESS_TOKEN'))) |>
addPolygons(
fillColor = ~pal(percent_RFC),
weight = 2,
opacity = 1,
color = "white",
dashArray = "3",
fillOpacity = 0.7,
highlightOptions = highlightOptions(
weight = 5,
color = "#666",
dashArray = "",
fillOpacity = 0.7,
bringToFront = TRUE),
label = label_RFC,
labelOptions = labelOptions(
style = list("font-weight" = "normal", padding = "3px 8px"),
textsize = "15px",
direction = "auto")) |>
addLegend(pal = pal,
values = ~percent_RFC,
opacity = 0.7,
title = "RFC",
position = "bottomright")