R y datos censales: sistematización reproducible con el paquete `ARcenso`

Andrea Gomez Vargas

Seminario de Ciencia Abierta

2025-07-03

`ARcenso`

Con el apoyo del Programa de Personas Campeonas de rOpenSci, cohorte 2023–2024, este proyecto está encabezado por Andrea Gómez Vargas, como de desarrolladora principal, junto a Emanuel Ciardullo como co-desarrollador y Luis D. Verde como mentor.

Se trata de una iniciativa ciudadanía, que surgió a partir de nuestra experiencia profesional con datos censales en el Instituto Nacional de Estadística y Censos de Argentina (INDEC).

¿Cuál es la `propuesta`?

Generar un paquete que permita disponer de los datos oficiales de los censos nacionales de población en Argentina provenientes del INDEC desde 1970 hasta 2022, homogeneizados, ordenados y listos para usar.

Objetivo

Disponibilidad: de excel a tablas ordenadas en R

¿Por qué?

`Análisis históricos y memoria digital`

Actualmente los resultados históricos censales de 1970, 1980, 1991, 2001, 2010 y 2022 están disponibles en distintos formatos a través de libros físicos, PDFs, archivos en formato excel o en REDATAM, sin contar con un sistema o formato unificado que permita trabajar con los datos de estos seis periodos censales como base de datos.

`Importancia de los datos censales`

Es una herramienta clave para entender las caracteristicas y necesidades de la población.
Proporcionan datos esenciales para la planificación y el desarrollo de las políticas públicas.
Planificación social y económica
Investigación académica y estudios sociales
Investigaciones de mercado y mucho más…

`R`

R es una herramienta orientada al trabajo estadístico y análisis de datos.
Es un software libre y de código abierto, lo que facilita la colaboración y reproducibilidad.
Existen otros paquetes de datos censales desarrollados en R (por ejemplo, censobr para Brasil), lo que crea un ecosistema que favorece la interoperabilidad y el aprendizaje compartido.

Proceso de trabajo

¿Cómo empezar? `pregunta - problema`

Antes de las funciones: `Marco conceptual`

Principios `FAIR`

Localizable (Findable):

Datos censales centralizados que abarcan seis periodos censales nacionales (1970–2022)

Accesible (Accessible):

Conjuntos de datos censales públicos, homogenizados, disponibles en formatos abiertos y acompañados de documentación y metadatos completos.

Interoperable (Interoperable):

Tablas ordenadas (formato tidy) y bien estructuradas que permiten una integración sencilla con otros conjuntos de datos.

Reutilizable (Reusable):

Incluye descripciones detalladas de variables, codificación estandarizada, licencias abiertas y estructuras de datos reproducibles que facilitan su uso a largo plazo y la comparación entre estudios.

Estructura y temas de los datos censales según la `ONU`

Temas del Censo Núcleo: Variables esenciales (ej.: edad, sexo, población)

Núcleo derivado: Variables calculadas (ej.: tasas de fecundidad)

Adicionales: Temas específicos del país (ej.: religión)

Unidades Conceptuales Población: Personas individuales

Vivienda: Unidades habitacionales físicas

Hogar: Personas que comparten una vivienda

Cobertura Geográfica

Nacional: Total del país

Jurisdicciones: (23 provincias de Argentina y la Ciudad Autónoma de Buenos Aires)

Problema

Lluvia de excels y `formatos no estandarizados`

Fabrica de excels - `trabajo en escala`

Año censal	Alcance nacional	Alcance jurisdiccional	Total
1970	21	312	333
1980	60	1176	1236

+1500 excels por los censos de 1970 y 1980

¿Cómo nos organizamos?

`Flujo de trabajo`

Descarga: Automatización del proceso de recopilación de tablas censales desde fuentes oficiales mediante web scraping.
Selección: Listado, clasificación y extracción de archivos y metadatos relevantes (año censal, nivel geográfico, temáticas).
Transformación: Conversión de tablas de Excel en conjuntos de datos ordenados (tidy) y estandarizados utilizando R base.
Desarrollo de funciones: Creación de funciones en R para acceder, manipular y visualizar los datos de forma eficiente.
Creación del paquete: Integración de los conjuntos de datos y funciones en el paquete ARcenso para facilitar su uso.
Control de versiones: Uso de Git y GitHub para el seguimiento de cambios y la gestión de versiones y colaboraciones.

Etapas `disponibilidad del dato`

Stage	Census years	Geographic level
1	1970	Nivel Nacional y 24 jurisdicciones
	1980	Nivel Nacional
2	1991 and 2001	Nivel Nacional
3	2010	Nivel Nacional
4	2022	Nivel Nacional
5	1980 and 1991	24 jurisdicciones
6	2001 and 2010	24 jurisdicciones
7	2022	24 jurisdicciones

`{ARcenso}` 📦

¿Cómo usarlo?

Instalación

# install.packages("remotes")
remotes::install_github("SoyAndrea/arcenso")

Activación del paquete

library(arcenso)

Principales funciones

`get_census()`

Obtener tablas por año o temática censal

get_census(year = 1970, 
           topic = "CONDICIONES HABITACIONALES", 
           geolvl = "Total del país")
#> $c70_total_del_pais_poblacion_c18
#>                   regimen_de_tenencia hogares personas  cuartos
#> 1                         Propietario 3553250 13778700 11197900
#> 2            Inquilino o arrendatario 1380950  4692800  3305350
#> 3 Ocupante en relación de dependencia  353300  1402500   880050
#> 4                   Ocupante gratuito  575650  2271150  1196500
#> 5                    En otro carácter  192950   816350   419800
#> 
#> $c70_total_del_pais_poblacion_c20
#>     tama?o_hogar                     regimen_tenencia hogares
#> 1   De 1 persona                                Total  615900
#> 2   De 1 persona                          Propietario  255900
#> 3   De 1 persona             Inquilino o arrendatario  199350
#> 4   De 1 persona Ocupante con relación de dependencia   52600
#> 5   De 1 persona                    Ocupante gratuito   82100
#> 6   De 1 persona                                 Otro   25950
#> 7  De 2 personas                                Total 1125250
#> 8  De 2 personas                          Propietario  652950
#> 9  De 2 personas             Inquilino o arrendatario  302400
#> 10 De 2 personas Ocupante con relación de dependencia   49250
#> 11 De 2 personas                    Ocupante gratuito   91300
#> 12 De 2 personas                                 Otro   29350
#> 13 De 3 personas                                Total 1230600
#> 14 De 3 personas                          Propietario  744800
#> 15 De 3 personas             Inquilino o arrendatario  290650
#> 16 De 3 personas Ocupante con relación de dependencia   62150
#> 17 De 3 personas                    Ocupante gratuito  103200
#> 18 De 3 personas                                 Otro   29800
#> 19 De 4 personas                                Total 1255000
#> 20 De 4 personas                          Propietario  787900
#> 21 De 4 personas             Inquilino o arrendatario  266000
#> 22 De 4 personas Ocupante con relación de dependencia   65650
#> 23 De 4 personas                    Ocupante gratuito  102850
#> 24 De 4 personas                                 Otro   32600
#> 25 De 5 personas                                Total  818550
#> 26 De 5 personas                          Propietario  516100
#> 27 De 5 personas             Inquilino o arrendatario  157500
#> 28 De 5 personas Ocupante con relación de dependencia   48200
#> 29 De 5 personas                    Ocupante gratuito   71550
#> 30 De 5 personas                                 Otro   25200
#> 31 De 6 personas                                Total  443250
#> 32 De 6 personas                          Propietario  272000
#> 33 De 6 personas             Inquilino o arrendatario   80000
#> 34 De 6 personas Ocupante con relación de dependencia   29000
#> 35 De 6 personas                    Ocupante gratuito   45750
#> 36 De 6 personas                                 Otro   16500
#> 37 De 7 personas                                Total  276750
#> 38 De 7 personas                          Propietario  163400
#> 39 De 7 personas             Inquilino o arrendatario   44950
#> 40 De 7 personas Ocupante con relación de dependencia   19950
#> 41 De 7 personas                    Ocupante gratuito   35200
#> 42 De 7 personas                                 Otro   13250
#> 43 De 8 personas                                Total  121450
#> 44 De 8 personas                          Propietario   70600
#> 45 De 8 personas             Inquilino o arrendatario   18250
#> 46 De 8 personas Ocupante con relación de dependencia   10050
#> 47 De 8 personas                    Ocupante gratuito   16250
#> 48 De 8 personas                                 Otro    6300
#> 49 De 9 personas                                Total   76000
#> 50 De 9 personas                          Propietario   40950
#> 51 De 9 personas             Inquilino o arrendatario    9400
#> 52 De 9 personas Ocupante con relación de dependencia    7150
#> 53 De 9 personas                    Ocupante gratuito   12900
#> 54 De 9 personas                                 Otro    5600
#> 55   De 10 y más                                Total   93350
#> 56   De 10 y más                          Propietario   48650
#> 57   De 10 y más             Inquilino o arrendatario   12450
#> 58   De 10 y más Ocupante con relación de dependencia    9300
#> 59   De 10 y más                    Ocupante gratuito   14550
#> 60   De 10 y más                                 Otro    8400

`check_repository()`

Chequeo de tablas dispónibles por año o temática censal

check_repository(year = 1970, 
                 topic = "CONDICIONES HABITACIONALES", 
                 geolvl = "Total del país")
#>                            Archivo
#> 1 c70_total_del_pais_poblacion_c18
#> 2 c70_total_del_pais_poblacion_c20
#>                                                                                                      Titulo
#> 1    Cuadro 18. Total del país. Hogares particulares, personas y cuartos, por régimen de tenencia. Año 1970
#> 2 Cuadro 20. Total del país. Hogares particulares, por tamaño del hogar según régimen de tenencia. Año 1970

`arcenso()`

tablero de consulta

arcenso() # shinyapp consulta

Veamos un ejemplo práctico

Documentación

Próximos pasos y metas 💫

👣

mejorar la documentación
continuar con el roadmap por etapas y el proceso de clasificación, revisión y formateo.
lograr los estandares óptimos para llegar al peer-review de rOpenSci
sumar a mas usuarios a utilizar el paquete

Preguntas 😁

Comunidades de `R`

¿Qué son?

Una comunidad de usuarios es un espacio donde personas con intereses compartidos se conectan para aprender, colaborar y apoyarse mutuamente.

Gracias a la comunidad

La retroalimentación, colaboración y apoyo de comunidades de R como rOpenSci, LatinR, Rladies+ y R en Buenos Aires, así como al trabajo conjunto con colegas de distintas disciplinas como demógrafía, estadística y sociólogía, se construyó ARcenso.

La participación de la comunidad aportó:

Asistencia técnica para resolver desafíos de codificación y manejo de datos.
Validación: Garantía de la calidad y usabilidad de los datos.
Difusión: Promoción del uso y conocimiento del paquete.
Inspiración: Impulso para mejoras continuas y nuevas funcionalidades.

Aprendizajes creando `ARcenso`

Paciencia en los procesos: Desarrollar un paquete lleva tiempo, mejorar y actualizarlo también.
El valor de la organización: Tener una estructura clara para los archivos, scripts y versiones es fundamental.
Aprender haciendo (y equivocándose):
Muchas herramientas y conceptos se entienden realmente cuando se aplican en un proyecto concreto.
La comunidad como sostén y motor: Compartir dudas, recibir consejos y celebrar avances con otras personas usuarias de R hace que el camino sea más ameno.
La importancia de pensar en quienes lo van a usar: Documentar, nombrar con claridad y facilitar el acceso a los datos permite que el paquete sea útil no solo para quien lo creó, sino para muchas más personas.

R y datos censales: sistematización reproducible con el paquete ARcenso

ARcenso

¿Cuál es la propuesta?

Objetivo

¿Por qué?

Análisis históricos y memoria digital

Importancia de los datos censales

R

Proceso de trabajo

¿Cómo empezar? pregunta - problema

Antes de las funciones: Marco conceptual

Principios FAIR

Estructura y temas de los datos censales según la ONU