Estado de conectividad de barrios populares en San Luis capital
Lucila Didier
2025-08-14
Derechos digitales en San Luis
Distribución geográfica de la conectividad a internet en barrios populares de la zona oeste de San Luis
El presente trabajo se enmarca dentro del proyecto de investigación Desigualdades en torno al acceso y a la participación en derechos comunicacionales y digitales en organizaciones sociales de la provincia de San Luis del cual formo parte como docente investigadora, aunado a la Red Argentina de Investigadores e Investigadoras en Comunicación y Cultura con Enfoque de Derechos (RAICCED) y vinculado a mi proyecto de investigación personal “De la periferia al centro” estado de conectividad de los barrios populares de zona oeste de San Luis 2020-2027. Para realizarlo se descagaron datos de INDEC, RENABAP y la web del Ministerio de Ciencia y Tecnología de San Luis.
Barrios populares: ¿conectados?
El gobierno de San Luis ha venido desarrollando e implementando una política de inclusión digital desde fines de los ’90 cuyo objetivo central fue la conexión a internet gratuito de todos los habitantes de la provincia. Esta política se conoce como Autopista de la Información y lleva más de dos décadas siendo implementada por el Ministerio de Ciencia y Tecnología provincial, en alianza con gobiernos extranjeros (Ministerio de Industria de Canadá) y en cooperación con el polo tecnológico provincial de la Universidad de La Punta. Para poder llevar a cabo dicho objetivo se planteó un lema político: “De la periferia al centro” que buscaba comenzar con la conexión de las zonas más alejadas de los grandes centros urbanos de la provincia, menos pobladas y generalmente rurales. El motivo de ello fue que el mercado privado de internet no llegaba a cubrir esta demanda puesto que no generaba un lucro la conectividad de reducidos números de clientes. Frente a eso, se dispuso comenzar desde afuera dejando para el último los centros urbanos más poblados que tenían ofertas de conectividad de variadas carcaterísticas. Sin embargo, cuando se analiza con mayor detenimiento el trazado urbano de la ciudad capital de San Luis pueden observarse zonas que funcionan como periferias dentro del centro: barrios que, por sus características socioeconómicas, quedan segregados del trazado urbano y con una marcada desigualdad en el acceso y goce de ciertos derechos vinculados a la vida en las ciudades. Considerando el acceso a internet como un derecho humano, y comprendiendo la importancia del rol del Estado como garante, sobre todo en un Estado provincial cuya política de inclusión digital ha sido bandera por más de dos décadas, cabe preguntarnos ¿cuál es el nivel de conexión a internet de los barrios populares de la zona oesta e la ciudad de San Luis (República, 9 de julio y Quinto Centenario)?.
Para poder responder a este interrogante se realizará un análisis de datos geográficos mediante el uso de las librerías tidverse(); sf(), osm(); leaflet(), tidygeocoder(), ggmap() y osrm().
Lo primero que vamos a hacer es levantar nuestra base de datos de Renabap, que contiene no solo la ubicación geográfica de los barrios populares de Argentina sino también otras variables sociodemográficas que podrian ayudar a comprobar la hipótesis de que, aunque en San luis, muchos de estos barrios se encuentran emplazados en el centro o en cercanías al centro de la ciudad, funcionan como periferias sociosegregadas. Algunos de estos indicadores podrían ser: registro dominial de las viviendias, posibilidades de conexión a la energía eléctrica y a la red de gas, entre otras.
## Reading layer `20231205_info_publica' from data source
## `C:\Users\Admin\Documents\Cs de datos\Ciencia de Datos- Flacso\Ciencia de Datos- Flacso\proyecto_final_csdatosgeo\data\renabap_ar.geojson'
## using driver `GeoJSON'
## Simple feature collection with 6467 features and 17 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -72.21879 ymin: -54.82011 xmax: -53.64201 ymax: -22.03908
## Geodetic CRS: WGS 84Vamos a explorar un poco nuestra base
## Simple feature collection with 6 features and 17 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -58.83383 ymin: -35.04589 xmax: -57.97773 ymax: -34.48037
## Geodetic CRS: WGS 84
## id_renabap nombre_barrio provincia departamento localidad
## 1 1 Monterrey I Buenos Aires Pilar Presidente Derqui
## 2 2 Malvinas II Buenos Aires La Plata José Melchor Romero
## 3 3 Ferroviario Buenos Aires La Plata Angel Etcheverry
## 4 4 La Favelita Buenos Aires La Plata Tolosa
## 5 5 Casaca Buenos Aires La Plata City Bell
## 6 6 La Güemes Buenos Aires La Plata Manuel B. Gonnet
## cantidad_viviendas_aproximadas cantidad_familias_aproximada
## 1 40 44
## 2 290 319
## 3 133 146
## 4 122 134
## 5 20 22
## 6 12 13
## decada_de_creacion anio_de_creacion
## 1 Década 1990 NA
## 2 Década 1990 NA
## 3 Década 2000 NA
## 4 Década 1970 NA
## 5 Década 2000 NA
## 6 Década 1970 NA
## energia_electrica
## 1 Conexión regular a la red con medidor prepago
## 2 Conexión irregular a la red
## 3 Conexión irregular a la red
## 4 Conexión irregular a la red
## 5 Conexión irregular a la red
## 6 Conexión irregular a la red
## efluentes_cloacales
## 1 Desagüe a cámara séptica y pozo ciego
## 2 Desagüe a cámara séptica y pozo ciego
## 3 Desagüe sólo a pozo negro/ciego u hoyo
## 4 Desagüe sólo a pozo negro/ciego u hoyo
## 5 Desagüe a cámara séptica y pozo ciego
## 6 Desagüe sólo a pozo negro/ciego u hoyo
## agua_corriente cocina calefaccion
## 1 Bomba de agua de pozo domiciliaria Gas en garrafa Sin Datos
## 2 Conexión irregular a la red de agua Gas en garrafa Leña o carbón
## 3 Conexión formal a la red de agua con factura Gas en garrafa Leña o carbón
## 4 Conexión irregular a la red de agua Gas en garrafa Energía eléctrica
## 5 Bomba de agua de pozo domiciliaria Gas en garrafa Sin Datos
## 6 Conexión irregular a la red de agua Gas en garrafa Energía eléctrica
## titulo_propiedad clasificacion_barrio superficie_m2
## 1 NO Asentamiento 11674
## 2 NO Asentamiento 98093
## 3 NO Asentamiento 75887
## 4 NO Asentamiento 36889
## 5 NO Asentamiento 25768
## 6 NO Asentamiento 3424
## geometry
## 1 MULTIPOLYGON (((-58.8335 -3...
## 2 MULTIPOLYGON (((-58.012 -34...
## 3 MULTIPOLYGON (((-58.0798 -3...
## 4 MULTIPOLYGON (((-57.97991 -...
## 5 MULTIPOLYGON (((-58.06297 -...
## 6 MULTIPOLYGON (((-58.04667 -...Como puede observarse se trata de un df geográfico, ya que contiene una columna geometry que nos da la geometría de los multipolígonos, en que están trazados los barrios. Per, además, nos aporta otros datos, muy valiosos para poder analizar las características sociodemográficas de los barrios. Algunas de estas variables son, por ejemplo: conexión regular a la red, energía eléctrica, agua corriente, cantidad de familias y de viviendas que hay y un dato relevante para cuando veamos la distribución de internet: superficie de los barrios.
Pero esta base tiene los datos de los barrios de todo el país, lo cual es irrelevante para nuestro análisis. por eso, antes de seguir explorando variables de interés vamos a filtrar solo los datos de la ciudad de San Luis.
Vamos a revisar la base con los barrios populares solo de San Luis capital.
## id_renabap nombre_barrio provincia departamento
## Min. :2818 Length:13 Length:13 Length:13
## 1st Qu.:2821 Class :character Class :character Class :character
## Median :2825 Mode :character Mode :character Mode :character
## Mean :3357
## 3rd Qu.:2832
## Max. :6708
##
## localidad cantidad_viviendas_aproximadas cantidad_familias_aproximada
## Length:13 Min. : 8 Min. : 9.0
## Class :character 1st Qu.: 20 1st Qu.: 22.0
## Mode :character Median : 25 Median : 28.0
## Mean : 145 Mean : 159.5
## 3rd Qu.: 110 3rd Qu.: 121.0
## Max. :1200 Max. :1320.0
##
## decada_de_creacion anio_de_creacion energia_electrica efluentes_cloacales
## Length:13 Min. :2010 Length:13 Length:13
## Class :character 1st Qu.:2012 Class :character Class :character
## Mode :character Median :2013 Mode :character Mode :character
## Mean :2013
## 3rd Qu.:2014
## Max. :2015
## NA's :9
## agua_corriente cocina calefaccion titulo_propiedad
## Length:13 Length:13 Length:13 Length:13
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## clasificacion_barrio superficie_m2 geometry
## Length:13 Min. : 4606 MULTIPOLYGON :13
## Class :character 1st Qu.: 8540 epsg:4326 : 0
## Mode :character Median : 25174 +proj=long...: 0
## Mean : 126124
## 3rd Qu.: 36224
## Max. :1222794
## Podemos observar que se trata de una base que contiene las mismas 18 variables pero con solo 13 observaciones, de los 13 barrios registrados por Renabap. Si pensamos en el tamaño de estos barrios, observamos que hay uno que sobresale, con 1222749 m2, una gran distancia en comparación con el más pequeño, de tan solo 4606 m2. Esta diferencia también existe en la densidad poblacional, puesto que el mayor tiene una cantidad de viviendas aproximada de 1200, mientras que el más chico registra tan solo 8 familias. Por último, respecto a la cantidad de familias, el mayor arroja la suma de 1320 mientras que el menor tiene tan solo 9 familias. Esta base no nos da el número aproximado de personas, así que si bien el dato de viviendas y de familias es interesante no nos serviría si tuviéramos que saber exactamente cuánta gente hay. Para que un barrio sea categorizado como ‘popular’ por el Renabap debe estar compuesto por al menos ocho familias agrupadas o contiguas, y más de la mitad de sus habitantes deben carecer de título de propiedad del suelo y de acceso regular a dos o más servicios básicos (agua corriente, energía eléctrica con medidor o red cloacal.
Veamos ahora qué sucede con las conexiones a la energía eléctrica, clave para nuestra problemática (acceso a internet)
Resulta clave este dato: seis de los 13 barrios tienen una conexión irregular a la energía eléctrica, esto podría acarrear problemas en torno a sus posibilidad de conexión a internet, puesto que la electricidad conforma el medio asociado requerido para el uso de dispositivos de conexión. Veamos esta información graficada:
Otro de los criterios tienen que ver con el registro dominial de las propiedades, veamos estos datos para saber en qué situación están los barrios de San Luis.
## Simple feature collection with 1 feature and 2 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -66.4124 ymin: -33.32595 xmax: -66.30337 ymax: -33.28188
## Geodetic CRS: WGS 84
## # A tibble: 1 × 3
## titulo_propiedad conteo geometry
## <chr> <int> <MULTIPOLYGON [°]>
## 1 NO 13 (((-66.37178 -33.309, -66.3717 -33.30931, -66.37029 -…Tal comp uede observarse, en todos los barrios de San Luis, registrados como barrios populares, los habitantes NO poseen un título de la propiedad en la que viven.
Por último, abordemos otro de los criterios de Renabap, la conexión al agua corriente.
Grafiquemos estos datos para visualizarlos mejor
Tal como se observa en el gráfico, las conexiones a la red de agua
corriente son mayoritariamente irregulares, como en el caso de la
energía eléctrica revisado previamente. Esto confirma el criterio
Renabap para los barrios de San Luis y sigue sosteniendo la hipótesis de
este informe de que hay barrios, ubicados dentro de los centros urbanos,
que funcionan como perifierias, segregadas de la ciudad y sin acceso a
servicios básicos.
Veamos ahora, de manera gráfica, las cantidades aproximadas de viviendas y de familias por cada barrio. Pero, antes de eso, diferenciemos con un 1 extra a uno de los dos barrios llamados Quinto Centenario.
Y ahora vamos a graficar por cantidad de familias, para ver si hay coincidencia entre mayor cantidad de viviendas y mayor cantidad de familias.
En ambos casos el barrio República arroja la mayor cantidad de casos: tiene 1200 viviendas y 1320 familias. En segundo lugar se encuentra el 9 de julio, con 242 viviendas y 266 familias. El barrio más pequeño es La Merced con 8 viviendas y 9 familias. ¿Y en relación a su tamaño? vamos a ver graficada la superficie.
Tal como puede observarse, el barrio que aparece graficado en celeste es
el República, el más grande de la ciudad. Los otros, incluido el 9 de
Julio (alargado pegado al República) no abarcan una gran superficie.
Pero todavía no sabemos ¿dónde se ubican? por eso vamos a superponer
estos barrios a una capa de mapa base de la ciudad de San Luis.
Veamos el mapa para ver que realmente se trata de la ciudad de San Luis
¡Si! efectivamente se trata de la ciudad de San luis, descarguemos ahora
un polígono administrativo de la ciudad para ver los límites.
## Simple feature collection with 3 features and 0 fields
## Geometry type: POLYGON
## Dimension: XY
## Bounding box: xmin: -66.41845 ymin: -33.37148 xmax: -66.25706 ymax: -33.23579
## Geodetic CRS: WGS 84
## geometry
## 1 POLYGON ((-66.41845 -33.370...
## 2 POLYGON ((-66.38718 -33.259...
## 3 POLYGON ((-66.3962 -33.3092...
En el mapa se observan dos polígonos o limitaciones, sería interesante
poder contactar con alguien de planeamiento urbana que nos arrojara luz
acerca de qué significan exactamente, pero vamos a superponerle el mapa
base para poder darnos una mejor idea.
Veamos ahora donde se ubican los barrios que estábamos analizando
previamente.
Es interesante porque hay ciertos barrios, como el 9 de Julio, que quedan fuera de este primer polígono, más pequeño, más irregular pero dentro del segundo. Para otro tipo de análisis podríamos pedirle que solo se quede con los polígonos de barrios que están dentro del polígono de la ciudad; sin embargo, nuestro problema a resolver es el estado de la conectividad en los barrios populares de la zona oeste y por ello debemos contemplar también al 9 de Julio. Más adelante, en un gráfico interactivo, podremos recorrer los barrios haciendo ‘zoom’ y veremos bien en detalle sus ubicaciones, tamaños y otras características. Ahora es momento de analizar nuestra variable principal internet.
Vamos a levantar la base de datos de contiene las antenas instaladas por el gobierno provincial en el marco de la política Autopista de la Información recordando que el lema de la política era De la periferia al centro. Nuestra hipótesis sostiene que, pese a estar dentro del éjido urbanos (salvo el 9 de Julio) y de estar relativamente cerca al centro urbano de la ciudad, hay barrios populares, registrados por Renabap, que se comportan como periferias ¿habrán sido contemplados como tales desde el diseño e implementación de la política? vamos a averiguarlo.
## Reading layer `antes_san_luis_provincia' from data source
## `C:\Users\Admin\Documents\Cs de datos\Ciencia de Datos- Flacso\Ciencia de Datos- Flacso\proyecto_final_csdatosgeo\data\antes_san_luis_provincia.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 935 features and 7 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -67.15136 ymin: -35.72736 xmax: -64.96775 ymax: -31.88944
## Geodetic CRS: WGS 84Exploremos un poco la base
## Simple feature collection with 6 features and 7 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -66.32572 ymin: -33.32662 xmax: -66.22575 ymax: -33.21888
## Geodetic CRS: WGS 84
## Alta altura dispstv Localdd nombre Potenci Tipo
## 1 42,907 9 24 Juana Koslay GobSL-JK-08 29 Aruba
## 2 41,640 9 38 Potrero de los Funes GobSL-PF-08 1 Aruba
## 3 41,640 9 36 San Luis GobSL-SL-44 18 6 velas
## 4 41,640 9 66 San Luis WiFi3.0-SL-106 33 Aruba
## 5 42,991 9 35 San Luis WiFi3.0-SL-211 33 Aruba
## 6 43,615 9 73 San Luis WiFi3.0-SL-231 33 Aruba
## geometry
## 1 POINT (-66.22846 -33.26068)
## 2 POINT (-66.22575 -33.21888)
## 3 POINT (-66.29795 -33.29441)
## 4 POINT (-66.30772 -33.3195)
## 5 POINT (-66.30988 -33.32662)
## 6 POINT (-66.32572 -33.26469)Podemos observar que se trata de un df geográfico,con points ue corresponden a cada una de las antenas. Tenemos un Id de las antenas, la localidad donde están instaladas y datos técnicos como su potencia que nos podrían servir para hacer un análisis aproximado de su radio de cobertura. Veamos estos puntos graficamente
De entrada podemos observar una concentración de puntos en algunas zonas
de la ciudad y rápidamente, recordando los gráficos previos, podemos
suponer que no se trata de las zonas que estamos analizando. Pero
superpongamos capas para un mejor análisis.
En este mapa, que aún no nos da las precisiones que estamos buscando ya podemos suponer que nuestra hipótesis se confirma: la concetración de antenas en la zona céntrica y norte de la ciudad es mucho mayor a la existente en la zona oeste, que es la seleccionada para nuestro análisis. Son solo cinco antenas para los barrios Quinto Centenario, Quinto Centenario 1, 9 de Julio, República, Pescadores y el barrio 1ro de Mayo, que no está catalogado como popular pero colinda con el República.
¿Qué podríamos mejorar para seguir confirmando la hipótesis? recortar solo la zona oeste de la ciudad para ver en detalle los barrios de interés, crear un mapa interactivo para poder hacer zoom en las zonas deseadas. Pero antes vamos a levantar otras bases de datos que se corresponden con los últimos datos publicados en la web sobre las antenas de las empresas Claro, Movistar y Personal. No tenemos la seguridad de que no se hayan instalado nuevas, porque solo hemos podido acceder a esos datos; sin embargo, podrían ser un buen indicio para el análisis de la conectividad. Tendremos que tener en cuenta que no contamos, por ahora, con los datos de las empresas privadas locales como Megacable, CTV y Carolina Cable Color ni tampoco con los datos de DirectTV o Movistar Fibra.
## Reading layer `claro_4g_radiobases' from data source
## `C:\Users\Admin\Documents\Cs de datos\Ciencia de Datos- Flacso\Ciencia de Datos- Flacso\proyecto_final_csdatosgeo\data\claro_4g_radiobases.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 2246 features and 0 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -73.0285 ymin: -54.8339 xmax: -55.52393 ymax: -22.50773
## CRS: NA## Reading layer `claro_2g_3g_radiobases' from data source
## `C:\Users\Admin\Documents\Cs de datos\Ciencia de Datos- Flacso\Ciencia de Datos- Flacso\proyecto_final_csdatosgeo\data\claro_2g_3g_radiobases.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 4313 features and 0 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -72.3347 ymin: -64.2544 xmax: -53.7331 ymax: -22.05
## CRS: NA## Simple feature collection with 6 features and 0 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -62.1592 ymin: -38.7356 xmax: -57.8992 ymax: -34.6472
## CRS: NA
## geometry
## 1 POINT (-58.3531 -34.8333)
## 2 POINT (-58.3503 -34.6472)
## 3 POINT (-62.1592 -38.7356)
## 4 POINT (-57.8992 -34.8781)
## 5 POINT (-57.9094 -34.8925)
## 6 POINT (-57.9197 -34.915)## Simple feature collection with 6 features and 0 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -66.87944 ymin: -38.00833 xmax: -57.75 ymax: -30.04434
## CRS: NA
## geometry
## 1 POINT (-66.87944 -30.04434)
## 2 POINT (-58.81834 -34.66577)
## 3 POINT (-61.48877 -31.25144)
## 4 POINT (-58.00006 -34.95089)
## 5 POINT (-58.5069 -34.6986)
## 6 POINT (-57.75 -38.00833)Ambas bases de Claro tienen una sola columna (points) de las ubicaciones de las antenas en cuestión, pero no arrojan otros datos del tipo Id, potencia o altura. La base de antenas 4g registra 2246 observaciones mientras que la de antenas 2g y 3g contiene 4313. Veamos ahora qué ocurre con las otras empresas.
## Reading layer `personal_4g_radio_bases' from data source
## `C:\Users\Admin\Documents\Cs de datos\Ciencia de Datos- Flacso\Ciencia de Datos- Flacso\proyecto_final_csdatosgeo\data\personal_4g_radio_bases.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 3376 features and 0 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -71.64833 ymin: -54.80496 xmax: 58.51133 ymax: 34.6475
## CRS: NA## Reading layer `personal_2g_3g_radio_bases' from data source
## `C:\Users\Admin\Documents\Cs de datos\Ciencia de Datos- Flacso\Ciencia de Datos- Flacso\proyecto_final_csdatosgeo\data\personal_2g_3g_radio_bases.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 6446 features and 0 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -73.0283 ymin: -54.8339 xmax: -53.6503 ymax: -22.0494
## CRS: NA## [1] 6446 1## [1] 3376 1Las bases de la empresa Personal también cuenta con solo una variable (ubicación de la antena). La base correspondiente a 2 y 3g registra 6446 antenas mientras que la de 4g registra 3376.
## Reading layer `movistar_4g_radio_bases' from data source
## `C:\Users\Admin\Documents\Cs de datos\Ciencia de Datos- Flacso\Ciencia de Datos- Flacso\proyecto_final_csdatosgeo\data\movistar_4g_radio_bases.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 3798 features and 0 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -72.7912 ymin: -64.2413 xmax: -55.74688 ymax: -24.16634
## CRS: NA## Reading layer `movistar_2g_3g_radio_bases' from data source
## `C:\Users\Admin\Documents\Cs de datos\Ciencia de Datos- Flacso\Ciencia de Datos- Flacso\proyecto_final_csdatosgeo\data\movistar_2g_3g_radio_bases.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 5236 features and 0 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -73.0283 ymin: -63.3953 xmax: -53.6503 ymax: -22.0494
## CRS: NA## Classes 'sf' and 'data.frame': 5236 obs. of 1 variable:
## $ geometry:sfc_POINT of length 5236; first list element: 'XY' num -59.2 -34.6
## - attr(*, "sf_column")= chr "geometry"
## - attr(*, "agr")= Factor w/ 3 levels "constant","aggregate",..:
## ..- attr(*, "names")= chr(0)## Classes 'sf' and 'data.frame': 3798 obs. of 1 variable:
## $ geometry:sfc_POINT of length 3798; first list element: 'XY' num -67.6 -39
## - attr(*, "sf_column")= chr "geometry"
## - attr(*, "agr")= Factor w/ 3 levels "constant","aggregate",..:
## ..- attr(*, "names")= chr(0)Por último, Movistar tiene una base de iguales carcaterísticas con un total de 5236 antenas de 2 y 3 g y un total de 3798 antenas de 4g. Cabe destacar que en el último tiempo la empresa estuvo ampliando la zona de cobertura de fibra óptica para instalaciones de internet fija, de conocerse esos datos podrían ser un aporte clave para etse análisis.
Vamos ahora a graficar estas antenas para ver su ubicación geográfica. Primero, tenemos que extraer las coordenadas para poder graficar usando geom_point()
Con el gráfico anterior, que sirve solo a modo de prueba, verificamos que las antenas se grafican bien y que sus coordenadas fueron debidamente extraídas. Procedemos ahora con las otras empresas.
En el mapa previo podemos ver todas las capas de las empresas de
telefonía móvil superpuestas pero es muy difícil poder identificar algún
patrón espacial dado que algunas está superpuestas o demasiado pequeñas.
Probemos un facetado:
El gráfico previo demuestra, con mayor claridad, que Claro y Movistar tienen una mayor cantidad de antenas 4g instaladas en la ciudad de San Luis, mientras que la presencia de Personal es menor. En cualqueiera de los tres casos la presencia de antenas en la zona oeste es menor en comparación con otras zonas de la ciudad, tal como sucede con las antenas provinciales. Examinemos ahora las antenas 2g y 3g.
En este mapa puede observarse que Personal que no tenía mayoría de antenas 4g instaladas tiene mayor presencia de antenas 2 y 3 g que Claro pero por debajo de Movistar y que, tal como sucede en los casos de antenas 4g y de antenas provinciales, la presencia en la zona oeste es reducida, lo cual indice directamente en sus posibilidades de4 conectividad. En el siguiente Mapa de densidad se grafica esta diferencia de presencia de las antenas. Aunque, por el número total de observaciones, no se visualiza del todo bien, el mapa permite visualizar que la zona oeste no está ‘coloreada’ lo que significa un menor nivel de antenas.
Podríamos probar graficando con stat_density2d() para ver si la
visualización resulta mejor:
Este gráfico nos devuleve una imagen más clara de la situación. Podemos
observar, el rojo, una concentración de antenas en la zona céntrica de
la ciudad que se desplaza hacia la zona norte y sur. Por el contrario,
si desviamos la mirada a la zona oeste nos damos cuenta que la densidad
disminuye y se concetra en la zona límite entre los barrios República y
1ro de Mayo, en cercanías a las avenidas Quinto Centenario y Camino a
Pescadores.
El mapa anterior, interactivo, permite tener un panorama de las conexiones a internet de todo el país y, principalmente, de la ciudad de San Luis, foco de este trabajo. En el mapa, creado con leaflet() es posible visualizar la distribución de las antenas provistas por la Autopista de la Información, en color verde y con su nombre al hacer click sobre ellas. Si bien este trabajo está centrado en la zona oeste de la ciudad capital resulta interesante advertir que parte del territorio provincial no tiene otro tipo de conexión que no sea la provista por el Estado, lo cual enfatiza la necesidad de que los Estados intervengan en la oferta de conectividad y que este no quede relegada solo a los avatares del mercado. Además de las antenas de la AUI se pueden visualizar las antenas 2g, 3g y 4g de las empresas Claro, Movistar y Personal. Volviendo a nuestra hipótesis inicial que afirmaba que la zona oeste de San Luis se comporta como una periferia dentro del centro urbano cuyo estado de conectividad a internet es bajo, podemos concluir que está confirmada. Solamente cinco antenas de la AUI dan conexión a cinco barrios, cuatro de los cuales se corresponden con barrios populares registrados por Renabap. Las posibilidades de acceder a internet de calidad en esas condiciones se ven afectadas debido a la saturación de las antenas. Las empresas de telefonía móvil relevadas, si bien tienen presencia en la zona, también registran una densidad menor respecto a otras zonas de la ciudad. Estos datos podrían servir de insumo para evaluar y repensar la implementación de la política de inclusión digital en vistas a garantizar que el derecho a internet sea una realidad para los pobladores del oeste.