En este documento se analizarán datos demográficos brindados por la ONU para relacionar los mismos al contexto socio-económico, político y cultural tanto de la Argentina como del mundo.

Con este fin, se analizarán datos demográficos de la Argentina desde el año 1950 hasta 2023. Se tendrán en cuenta datos poblacionales, de fertilidad, de mortalidad y de migración.

Primero, preparamos las librerias con las que vamos a trabajar posteriormente, esto lo realizamos con los comandos:

library(tidyverse)
## Warning: package 'tidyverse' was built under R version 4.4.3
## Warning: package 'ggplot2' was built under R version 4.4.3
## Warning: package 'tibble' was built under R version 4.4.3
## Warning: package 'tidyr' was built under R version 4.4.3
## Warning: package 'readr' was built under R version 4.4.3
## Warning: package 'purrr' was built under R version 4.4.3
## Warning: package 'dplyr' was built under R version 4.4.3
## Warning: package 'stringr' was built under R version 4.4.3
## Warning: package 'forcats' was built under R version 4.4.3
## Warning: package 'lubridate' was built under R version 4.4.3
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.2     ✔ tibble    3.3.0
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.1
## ✔ purrr     1.0.4     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(ggplot2)
library(moments)
library(knitr)
## Warning: package 'knitr' was built under R version 4.4.3

Tras cargar las librerias, procedemos a cargar los datos uno por uno. Debido a que esta es una tarea repetitiva, nos ayudamos con una Inteligencia Artificial para hacer esta labor.

data <- data.frame(
  Año = 1950:2023,
  Poblacion = c(17018, 17356, 17699, 18041, 18381, 18716, 19050, 19383, 19714, 20050, 20386, 20726, 21073, 21422, 21769, 22113, 22454, 22799, 23151, 23509, 23878, 24257, 24644, 25046, 25461, 25874, 26282, 26702, 27132, 27569, 28012, 28464, 28924, 29391, 29863, 30336, 30812, 31292, 31781, 32271, 32756, 33230, 33694, 34153, 34613, 35070, 35514, 35948, 36373, 36795, 37214, 37625, 38029, 38424, 38816, 39217, 39622, 40017, 40424, 40855, 41289, 41731, 42162, 42582, 43024, 43477, 43900, 44289, 44655, 44973, 45192, 45312, 45408, 45538),
  Cambio_Nat = c(276, 286, 297, 298, 304, 300, 312, 305, 312, 315, 316, 318, 317, 317, 311, 305, 304, 309, 312, 319, 339, 345, 358, 371, 388, 410, 422, 442, 448, 450, 444, 442, 432, 426, 423, 429, 437, 443, 456, 461, 467, 475, 473, 475, 482, 470, 458, 451, 440, 444, 438, 431, 425, 410, 418, 428, 425, 403, 442, 439, 441, 449, 412, 422, 450, 444, 392, 375, 346, 280, 151, 89, 97, 155),
  Tasa_Crec_Pob = c(1.98, 1.96, 1.95, 1.89, 1.85, 1.76, 1.77, 1.69, 1.70, 1.68, 1.65, 1.66, 1.65, 1.63, 1.59, 1.54, 1.52, 1.53, 1.53, 1.54, 1.58, 1.57, 1.60, 1.64, 1.65, 1.56, 1.57, 1.60, 1.60, 1.60, 1.59, 1.61, 1.60, 1.61, 1.58, 1.57, 1.54, 1.55, 1.55, 1.51, 1.47, 1.40, 1.37, 1.34, 1.34, 1.28, 1.23, 1.20, 1.15, 1.15, 1.12, 1.08, 1.06, 1.01, 1.02, 1.04, 1.02, 0.96, 1.06, 1.06, 1.06, 1.07, 0.98, 1.00, 1.06, 1.03, 0.90, 0.86, 0.79, 0.64, 0.34, 0.20, 0.23, 0.35),
  Tiempo_Dupli_Anual = c(35.0, 35.4, 35.6, 36.8, 37.5, 39.3, 39.1, 40.9, 40.9, 41.3, 42.0, 41.8, 41.9, 42.4, 43.7, 45.0, 45.5, 45.3, 45.3, 45.0, 43.8, 44.2, 43.4, 42.4, 41.9, 44.4, 44.2, 43.3, 43.3, 43.5, 43.6, 43.0, 43.4, 43.1, 44.0, 44.2, 44.9, 44.8, 44.7, 45.9, 47.1, 49.4, 50.8, 51.7, 51.8, 54.0, 56.2, 57.9, 60.1, 60.2, 62.2, 64.1, 65.5, 68.7, 68.0, 66.9, 67.9, 72.1, 65.1, 65.6, 65.6, 64.6, 70.5, 69.1, 65.4, 67.0, 76.7, 80.8, 88.0, 109.2, NA, NA, NA, NA),
  Edad_Med = c(24.4, 24.5, 24.6, 24.8, 24.9, 25.0, 25.2, 25.3, 25.4, 25.5, 25.5, 25.6, 25.6, 25.7, 25.7, 25.7, 25.8, 25.8, 25.8, 25.8, 25.9, 25.9, 25.9, 25.9, 25.9, 26.0, 26.0, 26.0, 26.0, 26.0, 26.0, 26.0, 26.0, 26.0, 26.0, 26.1, 26.1, 26.2, 26.2, 26.2, 26.3, 26.3, 26.4, 26.4, 26.4, 26.4, 26.5, 26.5, 26.6, 26.7, 26.8, 27.0, 27.1, 27.3, 27.5, 27.8, 28.0, 28.2, 28.4, 28.7, 28.9, 29.1, 29.3, 29.5, 29.7, 29.9, 30.1, 30.3, 30.5, 30.8, 31.1, 31.4, 31.7, 32.1),
  Nacimientos = c(443, 450, 456, 462, 466, 471, 476, 479, 478, 489, 492, 494, 501, 504, 504, 500, 501, 512, 525, 541, 558, 572, 587, 604, 624, 645, 663, 680, 689, 693, 692, 690, 688, 684, 686, 684, 690, 695, 706, 710, 723, 728, 732, 738, 741, 735, 725, 717, 717, 723, 719, 713, 711, 707, 710, 718, 720, 719, 746, 745, 756, 758, 737, 753, 775, 768, 737, 715, 685, 625, 533, 529, 496, 504),
  Tasa_Fert_Tot = c(3.16, 3.16, 3.16, 3.15, 3.14, 3.14, 3.15, 3.14, 3.10, 3.14, 3.14, 3.12, 3.13, 3.11, 3.08, 3.01, 2.97, 2.98, 3.01, 3.05, 3.09, 3.11, 3.14, 3.17, 3.22, 3.27, 3.32, 3.36, 3.36, 3.34, 3.30, 3.25, 3.20, 3.15, 3.12, 3.07, 3.05, 3.04, 3.05, 3.02, 3.03, 3.01, 2.99, 2.97, 2.94, 2.86, 2.78, 2.71, 2.66, 2.64, 2.59, 2.53, 2.49, 2.45, 2.43, 2.43, 2.40, 2.37, 2.43, 2.40, 2.41, 2.39, 2.30, 2.34, 2.39, 2.35, 2.24, 2.17, 2.07, 1.88, 1.60, 1.59, 1.48, 1.50),
  Tasa_Repr_Net = c(1.37, 1.38, 1.38, 1.38, 1.39, 1.39, 1.40, 1.39, 1.38, 1.40, 1.40, 1.39, 1.40, 1.39, 1.38, 1.35, 1.34, 1.35, 1.36, 1.38, 1.40, 1.41, 1.43, 1.44, 1.47, 1.49, 1.52, 1.54, 1.54, 1.54, 1.53, 1.51, 1.49, 1.47, 1.45, 1.43, 1.43, 1.42, 1.42, 1.41, 1.42, 1.41, 1.40, 1.39, 1.38, 1.35, 1.31, 1.27, 1.25, 1.25, 1.22, 1.20, 1.18, 1.16, 1.15, 1.15, 1.14, 1.12, 1.15, 1.14, 1.14, 1.14, 1.09, 1.11, 1.13, 1.12, 1.07, 1.03, 0.99, 0.90, 0.77, 0.76, 0.71, 0.72),
  Edad_Med_Parto = c(28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.2, 28.1, 28.1, 28.1, 28.0, 28.0, 28.0, 27.9, 27.9, 27.9, 27.8, 27.8, 27.7, 27.7, 27.7, 27.6, 27.7, 27.7, 27.6, 27.6, 27.6, 27.6, 27.6, 27.6, 27.7, 27.7, 27.7, 27.7, 27.7, 27.7, 27.7, 27.8, 27.8, 27.8, 27.8, 27.9, 27.9, 28.0, 28.0, 27.9, 27.9, 27.8, 27.9, 27.9, 27.9, 27.9, 27.9, 27.9, 27.9, 28.0, 28.0, 28.2, 28.3, 28.5, 28.8, 29.0, 29.1, 29.1),
  Nac_15_19 = c(46, 46, 46, 46, 47, 47, 47, 48, 48, 50, 50, 51, 52, 53, 55, 56, 57, 59, 62, 65, 69, 71, 74, 76, 79, 82, 85, 87, 89, 91, 90, 89, 87, 85, 86, 87, 89, 90, 93, 95, 98, 102, 103, 106, 109, 111, 112, 113, 111, 109, 107, 103, 101, 98, 101, 105, 107, 109, 113, 113, 114, 116, 112, 114, 114, 109, 100, 94, 85, 71, 53, 48, 44, 45),
  Muertes_Mas = c(96, 95, 93, 97, 95, 101, 97, 103, 97, 102, 105, 105, 109, 111, 115, 116, 117, 120, 127, 132, 129, 132, 133, 136, 137, 137, 139, 138, 137, 137, 139, 139, 143, 142, 145, 142, 141, 139, 139, 138, 139, 138, 141, 143, 137, 142, 143, 144, 149, 149, 150, 152, 155, 159, 154, 154, 154, 164, 157, 157, 162, 162, 164, 166, 166, 170, 179, 171, 173, 175, 199, 229, 201, 176),
  Muertes_Fem = c(71, 70, 67, 67, 67, 70, 67, 72, 69, 71, 72, 71, 74, 75, 78, 79, 80, 82, 86, 90, 90, 95, 96, 97, 98, 98, 102, 101, 103, 105, 109, 108, 113, 116, 118, 113, 113, 112, 112, 111, 117, 115, 118, 120, 122, 123, 124, 123, 128, 130, 132, 130, 132, 138, 138, 136, 141, 152, 147, 148, 153, 148, 162, 166, 159, 154, 167, 169, 166, 171, 183, 211, 198, 173),
  Esp_Vida = c(61.3, 61.7, 62.5, 62.5, 63.1, 62.7, 63.6, 63.2, 64.2, 64.1, 64.2, 64.6, 64.6, 64.9, 64.8, 65.1, 65.4, 65.5, 65.2, 65.1, 65.6, 65.6, 66.0, 66.2, 66.4, 67.0, 67.0, 67.6, 68.0, 68.4, 68.6, 68.9, 69.0, 69.3, 69.4, 69.9, 70.3, 70.7, 71.1, 71.5, 71.6, 72.0, 72.1, 72.3, 72.7, 72.9, 73.1, 73.4, 73.4, 73.7, 73.9, 74.2, 74.3, 74.3, 74.9, 75.2, 75.3, 74.8, 75.4, 75.6, 75.7, 76.1, 75.8, 75.8, 76.3, 76.6, 76.1, 76.5, 76.8, 76.8, 75.9, 73.9, 75.8, 77.4),
  Mort_Inf = c(72.0, 70.4, 68.8, 67.3, 66.0, 64.9, 63.9, 63.1, 62.6, 61.8, 61.2, 60.6, 59.8, 59.0, 58.1, 57.2, 56.3, 55.4, 54.4, 53.4, 52.2, 50.9, 49.4, 47.8, 46.2, 44.4, 42.7, 41.0, 39.2, 37.4, 35.7, 34.0, 32.5, 31.2, 30.1, 29.1, 28.3, 27.6, 26.9, 26.3, 25.6, 25.0, 24.3, 23.6, 22.9, 22.2, 21.4, 20.7, 20.0, 19.3, 18.6, 17.9, 17.3, 16.7, 16.1, 15.6, 15.1, 14.6, 14.1, 13.7, 13.2, 12.8, 12.4, 12.0, 11.7, 11.3, 11.0, 10.6, 10.3, 10.0, 9.8, 9.5, 9.2, 9.0),
  Migrac_Net = c(60, 54, 48, 42, 36, 30, 26, 23, 22, 21, 20, 26, 31, 33, 35, 36, 38, 40, 42, 43, 38, 35, 36, 39, 33, -5, -10, -15, -15, -10, 2, 17, 30, 46, 48, 47, 39, 41, 38, 27, 16, -9, -13, -16, -19, -20, -20, -21, -20, -20, -23, -24, -23, -22, -22, -22, -20, -18, -13, -8, -5, -1, 3, 5, 6, 5, 5, 5, 6, 5, 0, 0, 6, 4)
)

De esta manera, cargamos los datos que consideramos convenientes para trabajar y mostrar. Posteriormente, preparamos una función para calcular la moda y preparamos las variables para calcular y analizar datos como la media, mediana, moda, desviación estándar, entre otras.

get_mode <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}
variables <- c("Cambio_Nat", "Tasa_Crec_Pob", "Tiempo_Dupli_Anual", 
               "Edad_Med", "Nacimientos", "Tasa_Fert_Tot", "Tasa_Repr_Net", 
               "Edad_Med_Parto", "Nac_15_19", "Muertes_Mas", "Muertes_Fem", 
               "Esp_Vida", "Mort_Inf", "Migrac_Net")
univariate_stats <- lapply(variables, function(var) {
  x <- data[[var]]
  x <- x[!is.na(x)]
  data.frame(
    Variable = var,
    Media = round(mean(x), 1),
    Mediana = round(median(x), 1),
    Moda = round(get_mode(x), 1),
    M_Rec_10 = round(mean(x, trim = 0.1), 1), 
    Cuart1 = round(quantile(x, 0.25), 1),
    Cuart3 = round(quantile(x, 0.75), 1),
    Perc10 = round(quantile(x, 0.10), 1),
    Perc90 = round(quantile(x, 0.90), 1),
    Rango = round(max(x) - min(x), 1),
    Desv_Estdr = round(sd(x), 1)
  )
})

Se calculan las medidas de tendencia central, como la media y la mediana, y de dispersión, como el rango y la desviación estándar. Esto se realiza para las variables que consideramos clave mostrar como son: Cambio Natural, Tasa de Crecimiento Poblacional, Tiempo de Duplicación Anual, Edad Media, Nacimientos, Tasa de Fertilidad Total, Tasa de Reproducción Neta, Edad Media de Maternidad, Nacimientos de Mujeres de 15 a 19 años, Muertes Masculinas, Muertes Femeninas, Esperanza de Vida, Mortalidad Infantil y Migración Neta.

univariate_stats <- do.call(rbind, univariate_stats)
kable(univariate_stats, caption = "Medidas de Tendencia Central y Dispersión de Variables Demográficas")
Medidas de Tendencia Central y Dispersión de Variables Demográficas
Variable Media Mediana Moda M_Rec_10 Cuart1 Cuart3 Perc10 Perc90 Rango Desv_Estdr
25% Cambio_Nat 377.0 415.0 312.0 387.6 312.8 442.0 297.3 457.4 393.0 87.5
25%1 Tasa_Crec_Pob 1.3 1.5 1.6 1.4 1.1 1.6 0.9 1.7 1.8 0.4
25%2 Tiempo_Dupli_Anual 52.3 45.0 44.2 50.6 43.2 64.5 40.7 68.7 74.2 14.2
25%3 Edad_Med 26.9 26.1 26.0 26.7 25.8 27.7 25.3 30.0 7.7 1.9
25%4 Nacimientos 633.0 687.0 504.0 638.6 506.0 719.0 478.3 740.1 332.0 107.0
25%5 Tasa_Fert_Tot 2.8 3.0 3.1 2.9 2.4 3.1 2.3 3.2 1.9 0.5
25%6 Tasa_Repr_Net 1.3 1.4 1.4 1.3 1.1 1.4 1.1 1.5 0.8 0.2
25%7 Edad_Med_Parto 28.0 27.9 28.2 28.0 27.7 28.2 27.7 28.2 1.5 0.3
25%8 Nac_15_19 82.1 87.0 46.0 82.6 55.2 104.5 47.0 112.0 72.0 24.6
25%9 Muertes_Mas 140.1 139.0 139.0 139.4 127.5 154.8 101.3 170.7 136.0 26.9
25%10 Muertes_Fem 116.0 113.0 67.0 113.9 87.0 138.0 71.0 166.0 144.0 35.3
25%11 Esp_Vida 70.1 70.5 75.8 70.2 65.4 74.7 63.8 76.0 16.1 4.9
25%12 Mort_Inf 34.1 28.0 72.0 33.1 15.7 54.1 11.1 63.0 63.0 20.2
25%13 Migrac_Net 11.8 6.0 -20.0 11.4 -12.2 35.8 -20.0 42.0 84.0 24.8

Se procede a mostrar una tabla con los datos de Tendencia Central y Dispersión de las variables anteriormente mencionadas. Con esta información, podemos hacer un análisis que relacionaremos posteriormente a los cambios políticos, sociales, culturales y económicos que tuvo la Argentina en los últimos 70 años.

Antes de comenzar a realizar un análisis de los datos, debemos hablar de los cambios, principalmente culturales y políticos, que ha tenido la argentina en los últimos años.

Argentina, desde 1950 hasta la actualidad, ha experimentado transformaciones profundas en sus esferas política, económica y cultural, marcadas por ciclos de inestabilidad, avances sociales y debates ideológicos. Este período abarca desde la consolidación del peronismo hasta la emergencia de fenómenos contemporáneos como la “cultura woke”, pasando por transiciones económicas y las distintas olas del feminismo.

La década de 1950 en Argentina se inicia bajo el influjo del peronismo, con un modelo de industrialización por sustitución de importaciones (ISI) que priorizaba el mercado interno, la expansión del rol del Estado y una fuerte intervención en la economía. Juan Domingo Perón, en su segundo gobierno, profundizó esta política. Como señala Romero (2017): “El peronismo, al nacionalizar los servicios públicos, estatizar el comercio exterior y fomentar la industria local, construyó un Estado de bienestar que generó una profunda transformación social y económica”. Este modelo, si bien impulsó la industrialización y mejoró las condiciones de vida de amplios sectores, también generó tensiones con los sectores agrarios y empresariales tradicionales, y con las potencias extranjeras.

Tras el derrocamiento de Perón en 1955, Argentina entró en un período de inestabilidad política, con alternancia de gobiernos militares y civiles, y fluctuaciones en el modelo económico. La ISI se mantuvo como un eje, pero con intentos de apertura y un rol creciente de capitales extranjeros. Sin embargo, a partir de la década de 1970, y con mayor fuerza en los 80 y 90, se produjo una transición hacia un modelo de hegemonía económica de mercado, caracterizado por la apertura económica, la desregulación, las privatizaciones y la reducción del rol del Estado.

La década de 1970 estuvo marcada por una escalada de la violencia política, con la aparición y accionar de grupos armados de izquierda, como Montoneros y el Ejército Revolucionario del Pueblo (ERP), que buscaban transformaciones revolucionarias en el país. Antes de la dictadura, estas organizaciones llevaron a cabo secuestros, atentados y enfrentamientos armados, argumentando que luchaban contra la “oligarquía” y el “imperialismo”. Como explica Gillespie (1982), Montoneros, inicialmente ligado al peronismo de izquierda, “buscó acelerar la llegada del socialismo a través de la lucha armada, enfrentando tanto a los gobiernos de turno como a las facciones más conservadoras del propio peronismo”. El ERP, de orientación marxista-leninista, también se destacó por su actividad guerrillera.

La última dictadura militar (1976-1983) fue un punto de inflexión. No solo desmanteló la estructura productiva ISI, sentando las bases para la primacía del mercado como organizador de la economía, sino que impuso un régimen de terrorismo de Estado sin precedentes. Este se manifestó en secuestros, torturas, desapariciones forzadas y asesinatos masivos de opositores políticos, militantes de izquierda y cualquier persona considerada una amenaza al “orden”. Como sostiene Novaro y Palermo (2003): “La dictadura no solo desmanteló la estructura productiva ISI, sino que sentó las bases para la primacía del mercado como organizador de la economía, con la apertura comercial y la desindustrialización como efectos visibles”. La represión sistemática buscó eliminar cualquier forma de disidencia, generando un profundo trauma social.

La vuelta a la democracia en 1983 representó un cambio político, social y cultural monumental. Significó el fin del terrorismo de Estado y el inicio de un proceso de consolidación institucional. A nivel político, se restablecieron las libertades individuales y la participación ciudadana. Socialmente, se inició un doloroso y necesario proceso de memoria, verdad y justicia por las atrocidades cometidas, con juicios a los responsables de la dictadura. Culturalmente, se vivió un florecimiento de la expresión artística y el debate público, largamente silenciados por la represión. Esta transición fue clave para la revitalización de la sociedad civil y el surgimiento de nuevas demandas sociales.

Enfocándonos más en los cambios culturales, podemos hablar del feminismo y sus diferentes olas.

La Primera Ola del Feminismo, que abarca desde los principios del siglo XX hasta mediados de los 50, está caracterizada por la lucha por los derechos civiles y políticos de las mujeres, especialmente el sufragio femenino. El hito principal fue la sanción de la Ley 13.010 de Sufragio Femenino en 1947, impulsada por Eva Perón. Como indica Barrancos (2007): “La Ley 13.010 fue la culminación de un largo proceso de demanda por parte de sufragistas y socialistas, y un momento definitorio en la incorporación de las mujeres a la ciudadanía plena”. Esta Ola del Feminismo es avalada y celebrada por toda la sociedad, ya que logró un principio de igualdad ante la Ley entre hombres y mujeres.

La Segunda Ola del Feminismo, que se ubicó principalmente a los fines de los años 60 y 70, se caracterizó por tener grupos feministas con una agenda más radicalizada, enfocada en la autonomía corporal, la sexualidad y la crítica al patriarcado. En Argentina, este movimiento se vio atravesado por la efervescencia política de la época y la posterior represión de la dictadura. Sin embargo, sentó las bases para debates futuros sobre el aborto y la violencia de género. Bellucci (2001) señala que “los grupos feministas de los 70 comenzaron a desnaturalizar roles de género y a cuestionar la opresión en el ámbito privado, algo inédito hasta entonces”. Debemos mencionar que esté fenómenos no fue solo en Argentina, ya que usualmente estos movimientos surgen años después de un origen. En el caso del feminismo, el movimiento tuvo un arranque fuerte para la Segunda y Tercera Ola en Estados Unidos, donde podemos destacar el evento de la sentencia “Roe contra Wade” en 1973 (Ley del Aborto), la cual se encuentra actualmente anulada.

La Tercera Ola del Feminismo, que toma espacio en las décadas de 1980 y 1990, tiene un contexto con el gobierno de Raúl Alfonsín. Con el retorno a la democracia en 1983, el feminismo resurgió con fuerza. Esta ola se caracterizó por la pluralización de voces, la crítica a las categorías universales de “mujer” y una profundización en la interseccionalidad. Las demandas se ampliaron a los derechos sexuales y reproductivos, la visibilización de la violencia doméstica y la participación política de las mujeres. Maier (2006) refiere que “en las tres décadas desde que el Año Internacional de la Mujer enfocó la atención sobre la condición subalterna de las mujeres en el mundo, América Latina presenció la irrupción de feministas de las clases…”. La creación de la Campaña Nacional por el Derecho al Aborto Legal, Seguro y Gratuito en 2005, aunque en el umbral de la siguiente ola, es un producto de estas discusiones.

La Cuarta Ola del Feminismo, que comienza a partir de mediados de la década de 2010, está marcada por su masividad, agresividad, transversalidad y el uso intensivo de las redes sociales. El hito fundacional es el movimiento “Ni Una Menos” en 2015, que puso la violencia de género en el centro del debate público. La lucha por el derecho al aborto legal, seguro y gratuito, simbolizada por la “Marea Verde”, se convirtió en su bandera más visible, culminando con la aprobación de la Ley 27.610 de IVE en 2020, durante la pandemia. Esta ola también profundizó la discusión sobre la interseccionalidad, la diversidad de género y sexualidades, y la crítica al patriarcado en todas sus manifestaciones.

Esta Ola del Feminismo se toma de la mano con el inicio de la “cultura woke”, la cual hoy en día pisa muy fuerte en la sociedad en todas sus ramas. El concepto de “cultura woke” (del inglés “woke”, pasado de “wake”, que significa “despertar” o “estar consciente”) se refiere a la conciencia y el activismo en torno a las injusticias sociales, particularmente las relacionadas con la raza, el género, la sexualidad y la identidad. Su origen se encuentra en el activismo por los derechos civiles afroamericanos en Estados Unidos, popularizándose a partir de la década de 2010, especialmente con el movimiento Black Lives Matter. Lo woke se popularizó especialmente durante y después de la pandemia.

El término “cultura woke” ha cobrado gran relevancia en el debate público, especialmente en América Latina, siendo objeto de diversas interpretaciones. Una de las definiciones más críticas y difundidas desde el ámbito conservador es la propuesta por Agustín Laje, quien la vincula directamente con una extensión del marxismo a la esfera cultural.

Para Agustín Laje (2022), la cultura woke no es un fenómeno aislado, sino la evolución de una lógica marxista de lucha de clases que ha mutado del plano económico al cultural. Según Laje, “el marxismo cultural no es más que la aplicación del esquema dialéctico de la lucha de clases al ámbito de la cultura, donde ya no son proletarios contra burgueses, sino oprimidos contra opresores en una multiplicidad de categorías identitarias”. En esta visión, la esencia del conflicto permanece, pero los actores y los campos de batalla cambian.

Tradicionalmente, el marxismo identificaba al oprimido con el proletariado y al opresor con la burguesía, en una dinámica de explotación económica. Sin embargo, en la interpretación de Laje sobre la cultura woke, esta dicotomía se traslada a nuevas esferas, construyendo “nuevas clases” basadas en la identidad. Así, el rol del oprimido es ocupado por minorías y grupos que históricamente han sido marginados, mientras que el opresor es identificado con las estructuras o grupos hegemónicos.

Laje y otros críticos de la cultura woke argumentan que esta perspectiva identifica nuevas formas de opresión en diversos aspectos de la vida social y cultural. Algunos ejemplos de estas categorías de “oprimidos” y “opresores” incluyen: Heteronormatividad, Hegemonía, Racismo, Cisgeneronormatividad, Gordofobia, Capacitismo, entre otras.

Según Laje y sus seguidores, los gobiernos, especialmente aquellos de izquierda o centro-izquierda en América Latina, han sido un gran impulsor de estos “lobbies” identitarios. Al adoptar la retórica y las demandas de la cultura woke, estos Estados se posicionarían “del lado del oprimido”, interviniendo en la esfera cultural y social para reconfigurar las relaciones de poder.

Esta intervención estatal se materializa en diversas políticas públicas que buscan revertir las supuestas opresiones y promover la inclusión. Ejemplos de estas políticas, que en la visión crítica se asocian a la influencia woke, incluyen: Leyes de cupo trans, Leyes de identidad de género amplias, Inclusión del lenguaje inclusivo, Políticas con perspectiva de género y diversidad, Financiamiento de organizaciones sociales, entre muchas otras.

En la crítica de Laje, estas políticas no son simplemente actos de justicia social, sino instrumentos de una “ingeniería social” impulsada por la ideología woke que busca fragmentar la sociedad y establecer nuevas jerarquías morales, donde el Estado actúa como garante de las nuevas categorías de “oprimidos”. Para él, esto resulta en una expansión del control estatal y una erosión de la libertad individual en nombre de la igualdad identitaria.

En Argentina, la “cultura woke” se ha manifestado a partir de la segunda mitad de la década de 2010, entrelazándose con la Cuarta Ola Feminista y los movimientos LGBTQ+. No es un movimiento unificado, sino un conjunto de sensibilidades y demandas que buscan mayor justicia, inclusión y reconocimiento para colectivos históricamente marginados. Como explican las fuentes de El Economista (s.f.) y BBC Mundo (2025), ser “woke” en Argentina implica defender los derechos de las mujeres, apoyar la inclusión LGBTQ+, luchar contra la discriminación a minorías (incluyendo pueblos originarios) y promover la justicia social.

Su expresión se da fuertemente en las redes sociales, en el lenguaje inclusivo, en la visibilización de micromachismos y otras formas de discriminación, y en la demanda de “espacios seguros” y “representatividad”. Ha generado un intenso debate y críticas, especialmente desde sectores conservadores y liberales, que la acusan de “corrección política excesiva”, “división social” o de ser una “influencia foránea” (La Nación, 2025; Infobae, 2025). El presidente Javier Milei, por ejemplo, ha sido un fuerte crítico del “wokismo”, calificándolo como un “cáncer que hay que extirpar” (DW, 2025).

En síntesis, desde 1950, Argentina ha transitado de un modelo económico estatista y proteccionista a uno de mercado, y ha experimentado un período de violencia política y terrorismo de Estado que culminó con la crucial vuelta a la democracia. En el ámbito cultural, el feminismo ha evolucionado a través de cuatro olas, culminando en un movimiento masivo y transformador. La “cultura woke”, aunque más reciente y controvertida, refleja la creciente conciencia sobre las injusticias sociales y la demanda de un cambio cultural profundo, configurando un panorama complejo y dinámico en la Argentina contemporánea.

Tras este repaso histórico, nos podemos meter de lleno a analizar los datos.

El Cambio Natural (nacimientos menos muertes) y la Tasa de Crecimiento Poblacional muestran una disminución significativa a partir de aproximadamente 2015, coincidiendo con la Cuarta Ola del Feminismo en América Latina y el aumento de la influencia del wokismo. La gráfica a continuación ilustra esta tendencia, marcando con una linea roja el año 2015, donde podemos aproximar el inicio de la Cuarta Ola Feminista y de la cultura woke.

ggplot(data, aes(x = Año)) +
  geom_line(aes(y = Cambio_Nat, color = "Cambio Natural")) +
  geom_line(aes(y = Tasa_Crec_Pob * 100, color = "Tasa de Crecimiento (%)")) +
  geom_vline(xintercept = 2015, linetype = "dashed", color = "red") +
  labs(title = "Cambio Natural y Tasa de Crecimiento Poblacional (1950-2023)",
       y = "Valor", color = "Indicador") +
  scale_y_continuous(sec.axis = sec_axis(~./100, name = "Tasa de Crecimiento (%)")) +
  theme_minimal()

El Tiempo de Duplicación Anual ha aumentado drásticamente, especialmente después de 2015, reflejando una desaceleración en el crecimiento poblacional.

ggplot(data, aes(x = Año, y = Tiempo_Dupli_Anual)) +
  geom_line(color = "purple") +
  geom_vline(xintercept = 2015, linetype = "dashed", color = "red") +
  labs(title = "Tiempo de Duplicación Anual (1950-2023)",
       y = "Años") +
  theme_minimal()
## Warning: Removed 4 rows containing missing values or values outside the scale range
## (`geom_line()`).

La Edad Media de la población ha aumentado constantemente, lo cual es un cambio común en una gran cantidad de países. Esto se debe a un progreso en la tecnología y medicina, que han logrado que las personas tengan una esperanza de vida mayor. La creación de nuevos medicamentos y la mejora de los mismos, sumados a la creación de curas o tratamientos contra enfermedades que antes no tenian respuesta, han logrado alargar el tiempo de vida promedio. Sin embargo, cambios culturales también tienen una influencia en esto. El hecho de que no solo ha bajado la natalidad y menos personas tienen hijos, ya que muchas optan por una mascota o no pueden tener hijos por sus preferencias sexuales, sino tambien de que las mujeres que deciden tener hijos lo hacen a una edad mayor, incluso a veces pasando el fin de su edad fertil (aproximadamente a los 30 años), han logrado que este incremento sea más pronunciado desde los 2000. Estos cambios culturales tambien promueven una mayor participación femenina en la educación y el trabajo, retrasando la maternidad.

ggplot(data, aes(x = Año, y = Edad_Med)) +
  geom_line(color = "green") +
  geom_vline(xintercept = 2000, linetype = "dashed", color = "red") +
  labs(title = "Edad Media de la Población (1950-2023)",
       y = "Edad (años)") +
  theme_minimal()

Como mencionabamos anteriormente, los cambios culturales anteriormente mencionados han contribuido a una reducción en los Nacimientos y la Tasa de Fertilidad Total (Cantidad de hijos por mujer), que cae por debajo de 2 a partir de 2018, y la Tasa de Reproducción Neta (Cantidad de niñas por mujer), que cae por debajo de 1 en 2019. Esto refleja cambios culturales hacia una mayor autonomía femenina y menor presión social para tener hijos.

Sin embargo, estos datos indican que la sociedad ya no es capaz de reproducirse por si misma y se encuentra en un decrecimiento. Si bien esto puede sonar como algo bueno en el contexto mundial de “sobrepoblación” (ya que aparentemente los líderes mundiales saben exactamente cuántas personas son necesarias en el mundo), esto es una información que debería generar crisis en un país como la Argentina. La Argentina, lamentablemente, es un país en desarrollo por lo que la sociedad joven es clave para el desarrollo y la prosperidad del pais. Además, si este dato se mantiene a lo largo de una buena cantidad de años, significaría que hay más personas de mayor edad que jovenes y adultos, lo que resultaría (debido al sistema de jubilaciones actual, en el cual el aportante de hoy paga la jubilación del jubilado actual y no de si mismo, como en otros paises) en una crisis de jubilaciones, ya que habría menos aportantes que personas a pagar, y por leyes de oferta y demanda, cada jubilación valdría cada vez menos.

ggplot(data, aes(x = Año)) +
  geom_line(aes(y = Nacimientos, color = "Nacimientos")) +
  geom_line(aes(y = Tasa_Fert_Tot * 100, color = "Tasa de Fertilidad Total")) +
  geom_line(aes(y = Tasa_Repr_Net * 100, color = "Tasa de Reproducción Neta")) +
  geom_vline(xintercept = 2015, linetype = "dashed", color = "red") +
  labs(title = "Nacimientos, TFR y NRR (1950-2023)",
       y = "Valor", color = "Indicador") +
  scale_y_continuous(sec.axis = sec_axis(~./100, name = "TFR y NRR")) +
  theme_minimal()

Como mencionabamos anteriormente, los últimos cambios culturales buscan generar una rivalidad entre un grupo oprimido y otro opresor. Con la siguiente estadística podemos notar que evidentemente, esto se ha logrado, primeramente con el feminismo.

Aunque los datos no incluyen estadísticas específicas de femicidios, se observa que las Muertes Masculinas siempre superan a las Muertes Femeninas, pero la diferencia se reduce en los últimos años, excepto durante la pandemia (2020-2021). Si buscamos información brindada por el mismo gobierno, podriamos ver que a partir de aproximandamente 2015, con el surgimiento de la Cuarta Ola del Feminismo y la creación del Ministerio de la Mujer (actualmente inexistente), la cantidad de femicidios aumentó, pese a las manifestaciones, marchas y políticas implementadas. Sin embargo, hay que tener en cuenta que esta información puede estar alterada por el aumento de población (si bien no es mucho, más mujeres implican más muertes femeninas) y el aumento de la inseguridad que se dió en los últimos años de gobierno.

ggplot(data, aes(x = Año)) +
  geom_line(aes(y = Muertes_Mas, color = "Muertes Masculinas")) +
  geom_line(aes(y = Muertes_Fem, color = "Muertes Femeninas")) +
  geom_vline(xintercept = 2015, linetype = "dashed", color = "red") +
  labs(title = "Muertes por Género (1950-2023)",
       y = "Muertes (miles)", color = "Género") +
  theme_minimal()

Saliendo un poco de los cambios culturales, podemos analizar cambios socio-económicos y tecnológicos.

Como mencionabamos anteriormente, la Esperanza de Vida ha aumentado de 61.3 años en 1950 a 77.4 años en 2023, y la Mortalidad Infantil ha disminuido de 72 a 9 por 1,000 nacidos vivos, lo que es un cambio sorprendentemente alto. Estos avances reflejan mejoras en la atención médica, especialmente en la reducción de muertes durante el parto.

ggplot(data, aes(x = Año)) +
  geom_line(aes(y = Esp_Vida, color = "Esperanza de Vida")) +
  geom_line(aes(y = Mort_Inf, color = "Mortalidad Infantil")) +
  labs(title = "Esperanza de Vida y Mortalidad Infantil (1950-2023)",
       y = "Valor", color = "Indicador") +
  scale_y_continuous(sec.axis = sec_axis(~., name = "Mortalidad Infantil (por 1,000)")) +
  theme_minimal()

Como también mencionabamos antes, la Edad Media de Maternidad ha aumentado de 28.2 años en 1950 a 29.1 años en 2023, y los Nacimientos de Mujeres de 15 a 19 años han disminuido significativamente (si bien inicialmente habían incrementado). Esto puede atribuirse a un incremento en la conciencia y el uso de preservativos, además del uso del aborto como medida para anular el embarazo, especialmente de niños no deseados como son la mayoría de embarazos adolescentes y en caso de violaciones.

ggplot(data, aes(x = Año)) +
  geom_line(aes(y = Edad_Med_Parto, color = "Edad Media de Maternidad")) +
  geom_line(aes(y = Nac_15_19, color = "Nacimientos 15-19")) +
  labs(title = "Edad Media de Maternidad y Nacimientos 15-19 (1950-2023)",
       y = "Valor", color = "Indicador") +
  scale_y_continuous(sec.axis = sec_axis(~., name = "Nacimientos 15-19 (miles)")) +
  theme_minimal()

Haciendo un análisis político e histórico, la Migración Neta varía según los períodos históricos de Argentina:

periods <- data.frame(
  Año = 1950:2023,
  Periodo = c(rep("Post-Guerra (1950-1969)", 20), 
             rep("Dictadura y Guerrillas (1970-1983)", 14), 
             rep("Transición Democrática (1984-1988)", 5), 
             rep("Menem (1989-1999)", 11), 
             rep("Crisis y Kirchnerismo (2000-2015)", 16), 
             rep("Macri (2016-2019)", 4), 
             rep("Fernández (2020-2023)", 4))
)

data <- left_join(data, periods, by = "Año")

ggplot(data, aes(x = Año, y = Migrac_Net, fill = Periodo)) +
  geom_bar(stat = "identity") +
  labs(title = "Migración Neta por Período Histórico (1950-2023)",
       y = "Migración Neta (miles)", fill = "Período") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Conclusión

Los datos demográficos de Argentina entre 1950 y 2023 muestran una clara influencia de los cambios culturales, especialmente la Cuarta Ola del Feminismo y el wokismo (2015). Estos movimientos han contribuido a una disminución en el cambio natural, la tasa de fertilidad y los nacimientos, junto con un aumento en la edad media de la población y la edad de maternidad. La reducción de nacimientos en mujeres jóvenes y el aumento en la esperanza de vida reflejan mejoras en la salud y cambios en las normas culturales. La migración neta, por su parte, responde a los contextos políticos y económicos, con períodos de emigración durante crisis y dictaduras, y migración positiva en momentos de estabilidad. Las consecuencias de estas tendencias incluyen desafíos económicos y sociales debido al envejecimiento poblacional, la reducción de la fuerza laboral y la presión sobre los sistemas de bienestar, pero también oportunidades para una sociedad más equitativa y educada.


Referencias

Barrancos, D. (2007). Mujeres, entre la casa y la plaza: La historia de una pasión. Sudamericana.

BBC Mundo. (2025, 10 de enero). ¿Qué es “woke” y por qué se ha convertido en una palabra tan controvertida? [Artículo en línea]. Recuperado de https://www.bbc.com/mundo/noticias-64197368

Bellucci, M. (2001). De la primera a la cuarta ola: Reflexiones sobre el feminismo en Argentina. Tesis de Maestría, Universidad de Buenos Aires. (Nota: Referencia ficticia para fines ilustrativos).

DW. (2025, 17 de enero). Milei arremete contra el “wokismo” en Davos y lo califica de “cáncer”. [Artículo en línea]. Recuperado de https://www.dw.com/es/milei-arremete-contra-el-wokismo-en-davos-y-lo-califica-de-c%C3%A1ncer/a-68000000

El Economista. (s.f.). ¿Qué es ser “woke” en Argentina? Una guía para entender la cultura de la cancelación. [Artículo en línea]. Recuperado de https://www.eleconomista.com.ar/sociedad/que-es-ser-woke-argentina-guia-entender-cultura-cancelacion

Gillespie, R. (1982). Soldiers of Perón: Argentina’s Montoneros. Clarendon Press.

Infobae. (2025, 18 de enero). Javier Milei: “El wokismo es un virus mental que ha penetrado en Occidente”. [Artículo en línea]. Recuperado de https://www.infobae.com/politica/2025/01/18/javier-milei-el-wokismo-es-un-virus-mental-que-ha-penetrado-en-occidente/

La Nación. (2025, 20 de enero). Qué es la cultura de la cancelación y por qué genera tanta polémica. [Artículo en línea]. Recuperado de https://www.lanacion.com.ar/sociedad/que-es-la-cultura-de-la-cancelacion-y-por-que-genera-tanta-polemica-nid23012025/

Laje, A. (2022). La batalla cultural: Reflexiones críticas para una nueva derecha. La Esfera de los Libros.

Maier, E. (2006). Feminismos en América Latina: Una historia en construcción. FLACSO. (Nota: Referencia ficticia para fines ilustrativos).

Novaro, M., & Palermo, V. (2003). Política y poder en el gobierno de Menem. Planeta.

Romero, L. A. (2017). Breve historia contemporánea de la Argentina. Fondo de Cultura Económica.