QUE VULL ESTUDIAR

0. Objectiu de l’enquesta

Objectius de l’enquesta

  • Incentivar la consulta d’informació per a l’orientació i la reflexió de l’alumnat.

  • Disposar de dades de les seves preferències per tenir una aproximació a la demanda global d’estudis a fi de modular l’oferta educativa.

Accions i metodologia

  • Enviament d’enquesta per correu electrònic.

  • Recollida de dades via telemàtica a través de l’emplenament d’un formulari per part dels alumnes dels següents ensenyaments: 4t d’ESO, 2n de CFGB, 2n de CFGM i 2n de Batx.

Enquesta realitzada del XX de XX a XX de XX de XXXX.

1. Com és la mostra?

Distribució de la mostra

  • XXXXX alumnes d’ESO i XX de CFGB han emplenat l’enquesta.

  • XX són dones i XX són homes.

  • XX tenen 15 anys i XX tenen 16 anys.

  • XXX són centres públics i XX són privats (XX amb concert).

  • XX són instituts escoles.

Mostra el codi 
# 1. Descarregar dades geogràfiques dels municipis

# level = 4 → municipis
municipis <- geodata::gadm("ESP", level = 4, path = tempdir())


# 2. Convertir a sf i filtrar Catalunya
municipis_sf <- sf::st_as_sf(municipis)

municipis_cat <- municipis_sf %>%
  filter(NAME_1 == "Cataluña") %>%
  clean_names() # només Catalunya

rm(municipis,municipis_sf)


# 3. Llegir codis IDESCAT. Amb les dades geoespacials no tenim el codi del municipi, només tenim el nom.

codis_idescat_territorials <- read_delim("mpiscatalunya (3).csv", delim = ";", skip = 3) %>%
  select(1:4) %>%
  clean_names()

# 4. Normalitzar noms per unir
municipis_cat <- municipis_cat %>%
  rename(nom = name_4) %>%
  mutate(nom_clean = stri_trans_general(tolower(nom), "Latin-ASCII"))

codis_idescat_territorials <- codis_idescat_territorials %>%
  mutate(nom_clean = stri_trans_general(tolower(nom), "Latin-ASCII"))

# 5.Associa codis IDESCAT als municipis
municipis_cat <- municipis_cat %>%
  left_join(
    codis_idescat_territorials %>% select(nom_clean, codi),
    by = "nom_clean"
  )

# 6. Comptar respostes per municipi
Respostes_Mun <- Dades_Final %>%
  distinct(idalu_sidie, .keep_all = TRUE) %>%  # elimina duplicats
  group_by(codi_municipi_6) %>%
  summarise(n_alumnes = n()) %>%
  ungroup() %>%
  mutate(
    codi_municipi_6 = sprintf("%06d", as.numeric(codi_municipi_6))
  )



# 7.Unir respostes amb mapa
Mapa_Dades_Mun <- municipis_cat %>%
  left_join(
    Respostes_Mun,
    by = c("codi" = "codi_municipi_6")
  )

rm(codis_idescat_territorials)

# 8. Crear mapa estàtic
ggplot(Mapa_Dades_Mun) +
  geom_sf(aes(fill = n_alumnes), color = "white", size = 0.1) +
  scale_fill_gradient(
    low = "#F04A4A",   # vermell clar però visible
    high = "#8B0000",  # vermell fosc
    na.value = "grey90",
    trans = "sqrt"      # millora contrast si hi ha molts valors petits
  ) +
  theme_minimal() +
  labs(
    fill = "Nombre de respostes",
    title = "Mapa de respostes per municipi"
  ) +
  theme(
    axis.text = element_blank(),
    axis.ticks = element_blank()
  )

Figura 1. Mapes de color de la distribució territorial de la mostra per municipis i àmbits territorials.

Font: Resultats de l’enquesta “Digue’ns què vols estudiar”. Dades extretes l’1 de juliol de 2026

Mostra el codi 
sstt <- st_read(
  "Àrees_Territorials_de_l’àmbit_educatiu_20260120.geojson",
  quiet = TRUE
) %>% 
  clean_names()





Respostes_sstt <- Dades_Final %>% 
  distinct(idalu_sidie, .keep_all = TRUE) %>%  # elimina duplicats
  group_by(codi_area_territorial) %>%
  summarise(n_alumnes = n()) %>%
  ungroup() %>%
  mutate(
    codi_area_territorial = sprintf("%04d", as.numeric(codi_area_territorial))
  ) %>% 
  rename(codi_servei_territorial = codi_area_territorial)

# 7.Unir respostes amb mapa
Mapa_Dades_SSTT <- sstt %>%
  left_join(
    Respostes_sstt,
    by = "codi_servei_territorial"
  )

# Crear mapa estàtic
ggplot(Mapa_Dades_SSTT) +
  geom_sf(aes(fill = n_alumnes), color = "white", size = 0.1) +
  scale_fill_gradient(
    low = "#F04A4A",   # vermell clar però visible
    high = "#8B0000",  # vermell fosc
    na.value = "grey90",
    trans = "sqrt"      # millora contrast si hi ha molts valors petits
  ) +
  theme_minimal() +
  labs(
    fill = "Nombre de respostes",
    title = "Mapa de respostes per Servei territorial"
  ) +
  theme(
    axis.text = element_blank(),
    axis.ticks = element_blank()
  )

Figura 2. Mapes de color de la distribució territorial de la mostra per municipis i àmbits territorials.

Font: Resultats de l’enquesta “Digue’ns què vols estudiar”. Dades extretes l’1 de juliol de 2026.

Distribució de la mostra per ST

Mostra el codi 
# Taxa de resposta
Taula_Recompte <- Dades_Final %>%
  distinct(idalu_sidie, sstt) %>%   # elimina duplicats
  group_by(sstt) %>%                # agrupa per SSTT
  summarise(n_alumnes = n()) %>%    # compta els alumnes únics
  arrange(desc(n_alumnes)) %>% 
  mutate(taxa_resposta = round(n_alumnes/sum(n_alumnes)*100,2))

Taula_Recompte <- Taula_Recompte %>%
  rename("Serveis territorials" = sstt,
         "Respostes "= n_alumnes,
         "Taxa de resposta" = taxa_resposta)

Taula_Recompte %>%
  kable("html", caption = "Taxa de resposta per SSTT") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Taxa de resposta per SSTT
Serveis territorials Respostes Taxa de resposta
MARESME - VALLÈS ORIENTAL 1690 14.83
VALLÈS OCCIDENTAL 1537 13.49
GIRONA 1509 13.24
BAIX LLOBREGAT 1348 11.83
CONSORCI D'EDUCACIÓ DE BARCELONA 1317 11.56
PENEDÈS 1080 9.48
TARRAGONA 748 6.56
CATALUNYA CENTRAL 648 5.69
LLEIDA 558 4.90
BARCELONÈS 438 3.84
TERRES DE L'EBRE 421 3.69
ALT PIRINEU I ARAN 100 0.88
NA 1 0.01

Figura 2. Comparativa de la taxa de resposta i la representativitat de cada àmbit territorial.​

Font: Resultats de l’enquesta “Digue’ns què vols estudiar”. Dades extretes l’1 de juliol de 2025.​

*La taxa de resposta és el resultat de: Respostes “QUEVULLESTUDIAR” / Alumnes de Catalunya * 100​

** Diferència = Percentatge de Respostes “QUEVULLESTUDIAR” - Percentatge Alumnes de Catalunya

2. Resultats

Digue’ns què vols estudiar

Mostra el codi 
Dades_Final_2 <- Dades_Final %>% 
 filter(!is.na(diguens_que_vols_estudiar_corregit)) %>%
  group_by(diguens_que_vols_estudiar_corregit) %>%
  summarise(
    alumnes_diferents = n_distinct(idalu),
    .groups = "drop"
  )

ggplot(Dades_Final_2, aes(
  y = reorder(
    str_wrap(diguens_que_vols_estudiar_corregit, width = 20),
    alumnes_diferents
  ),
  x = alumnes_diferents
)) +
  geom_col(fill = "#F04A4A") +
  geom_text(
    aes(label = alumnes_diferents),
    hjust = -0.5
  ) +
  scale_x_continuous(expand = expansion(mult = c(0, 0.15))) +
  labs(
    y = "",
    x = "Nombre d'alumnes",
    title = ""
  ) +
  theme_minimal()

Figura 3. Preferències d’estudi després de l’ESO i/o CFGB a Catalunya.​

Font: Resultats de l’enquesta “Digue’ns què vols estudiar”. Dades extretes l’1 de juliol de 2025.

Mostra el codi 
library(plotly)

# Preparar dades resumides
Dades_Flux <- Dades_Final %>%
  filter(!is.na(diguens_que_vols_estudiar_corregit) & !is.na(ensenyament)) %>%
  mutate(
    Categoria = case_when(
      str_starts(ensenyament, "ESO") ~ "ESO",
      str_starts(ensenyament, "CFPB") ~ "Grau Bàsic / CFPB",
      TRUE ~ "Altres"
    )
  ) %>%
  group_by(Categoria, diguens_que_vols_estudiar_corregit) %>%
  summarise(value = n(), .groups = "drop")

# Nodes únics
nodes <- unique(c(Dades_Flux$Categoria, Dades_Flux$diguens_que_vols_estudiar_corregit))

# Links amb índex base 0
links <- Dades_Flux %>%
  mutate(
    source = match(Categoria, nodes) - 1,
    target = match(diguens_que_vols_estudiar_corregit, nodes) - 1
  ) %>%
  select(source, target, value)

# Assignar colors moderns
# Nodes origen: tons vibrants, nodes destinació: tons pastel
node_colors <- c(
  "ESO" = "#1f77b4",
  "Grau Bàsic / CFPB" = "#ff7f0e",
  "Altres" = "#2ca02c"
)

# Per les opcions posteriors, tons pastel
dest_colors <- setNames(
  colorRampPalette(c("#aec7e8","#c5b0d5","#ffbb78","#98df8a","#ff9896"))(length(nodes) - 2),
  nodes[!(nodes %in% c("ESO","Grau Bàsic / CFPB","Altres"))]
)

all_node_colors <- c(node_colors, dest_colors)

# Sankey amb colors moderns
plot_ly(
  type = "sankey",
  orientation = "h",
  node = list(
    label = nodes,
    color = all_node_colors
  ),
  link = list(
    source = links$source,
    target = links$target,
    value = links$value,
    color = "rgba(100,100,100,0.08)"  # Flux semi-transparent gris elegant
  )
) %>%
  layout(
    title = list(
      text = "Flux d'alumnes: ESO / Grau Bàsic cap a opcions posteriors",
      x = 0.5,       # centra el títol
      xanchor = "center"
    ),
    font = list(size = 14),
    margin = list(t = 100)  # ✅ augmenta el marge superior
  )

Digue’ns què vols estudiar per Servei Territorial

Mostra el codi 
Dades_Final_st_2 <- Dades_Final %>% 
 filter(!is.na(diguens_que_vols_estudiar_corregit)) %>%
   group_by(sstt,diguens_que_vols_estudiar_corregit) %>%
  summarise(
    alumnes_diferents = n_distinct(idalu),
    .groups = "drop"
  )
 

# Llista de serveis territorials únics
sstt_list <- unique(Dades_Final_st_2$sstt)

# Crear gràfic per cada SSTT
for(s in sstt_list){
  
  gg <- Dades_Final_st_2 %>%
    filter(sstt == s) %>%
    ggplot(aes(
      y = reorder(str_wrap(diguens_que_vols_estudiar_corregit, width = 20), alumnes_diferents),
      x = alumnes_diferents
    )) +
    geom_col(fill = "#F04A4A") +
    geom_text(aes(label = alumnes_diferents), hjust = -0.5, size = 3) +
    scale_x_continuous(expand = expansion(mult = c(0, 0.2))) +
    labs(
      y = "",
      x = "Nombre d'alumnes",
      title = paste0("", s)
    ) +
    theme_minimal() +
    theme(
      axis.text.y = element_text(size = 9),
      plot.title = element_text(face = "bold")
    )
  
  print(gg)  # Això mostrarà un gràfic a la vegada
}

Figura 4. Preferències d’estudi després de l’ESO i/o CFGB.

Font: Resultats de l’enquesta “Digue’ns què vols estudiar”. ​

Dades extretes l’1 de juliol de 2025.​

           used  (Mb) gc trigger  (Mb) max used  (Mb)
Ncells  2935899 156.8    8154807 435.6  8154807 435.6
Vcells 13566677 103.6   34778042 265.4 34778039 265.4

Vols cursar batxillerat el curs vinent? Quin?​

Mostra el codi 
# Taula Batx

Taula_Batx <- Dades_Final %>%
  distinct(
    idalu_sidie,
    vull_fer_el_batxillerat_al_meu_centre_en_una_de_les_modalitats_que_ofereix_com_a_continuitat_de_l_eso
  ) %>%
  group_by(
    vull_fer_el_batxillerat_al_meu_centre_en_una_de_les_modalitats_que_ofereix_com_a_continuitat_de_l_eso
  ) %>%
  summarise(n_alumnes = n(), .groups = "drop") %>%
  filter(!is.na(
    vull_fer_el_batxillerat_al_meu_centre_en_una_de_les_modalitats_que_ofereix_com_a_continuitat_de_l_eso
  )) %>%
  mutate(`%` = round(n_alumnes / 7000 * 100, 1)) %>%
  rename(
    "Vull fer batxillerat al meu centre" =
      vull_fer_el_batxillerat_al_meu_centre_en_una_de_les_modalitats_que_ofereix_com_a_continuitat_de_l_eso,
    "Alumnes" = n_alumnes
  )


Taula_Batx %>%
  kable("html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Vull fer batxillerat al meu centre Alumnes %
BATXLOE 2000 Batxillerat de ciències i tecnologia 2819 40.3
BATXLOE 3000 Batxillerat d'humanitats i ciències socials 2474 35.3
BATXLOE 4000 Batxillerat general 121 1.7
Mostra el codi 
# Taula Batx Arts

Taula_Batx_Arts <- Dades_Final %>%
  distinct(
    idalu_sidie,
    vull_fer_el_batxillerat_d_arts_o_cursar_qualsevol_altra_modalitat_en_un_altre_centre_educatiu
  ) %>%
  group_by(
    vull_fer_el_batxillerat_d_arts_o_cursar_qualsevol_altra_modalitat_en_un_altre_centre_educatiu
  ) %>%
  summarise(n_alumnes = n(), .groups = "drop") %>%
  filter(!is.na(
    vull_fer_el_batxillerat_d_arts_o_cursar_qualsevol_altra_modalitat_en_un_altre_centre_educatiu
  )) %>%
  mutate(`%` = round(n_alumnes / 7000 * 100, 1)) %>%
  rename(
    "Vull fer el batxillerat d'arts" =
      vull_fer_el_batxillerat_d_arts_o_cursar_qualsevol_altra_modalitat_en_un_altre_centre_educatiu,
    "Alumnes" = n_alumnes
  )


Taula_Batx_Arts %>%
  kable("html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Vull fer el batxillerat d'arts Alumnes %
BATXLOE 1002 Batxillerat d'arts (Via de música i arts escèniques) 152 2.2
BATXLOE 1001 Batxillerat d'arts (Via d'arts plàstiques, imatge i disseny) 275 3.9
BATXLOE 2000 Batxillerat de ciències i tecnologia 1334 19.1
BATXLOE 3000 Batxillerat d'humanitats i ciències socials 1205 17.2
BATXLOE 4000 Batxillerat general 92 1.3
Mostra el codi 
# Taula Dos Estudis

Taula_Dos_Estudis <- Dades_Final %>%
  distinct(
    idalu_sidie,
    vull_cursar_dos_estudis_el_batxillerat_i_un_altre_per_obtenir_una_doble_titulacio
  ) %>%
  group_by(
    vull_cursar_dos_estudis_el_batxillerat_i_un_altre_per_obtenir_una_doble_titulacio
  ) %>%
  summarise(n_alumnes = n(), .groups = "drop") %>%
  filter(!is.na(
    vull_cursar_dos_estudis_el_batxillerat_i_un_altre_per_obtenir_una_doble_titulacio
  )) %>%
  mutate(`%` = round(n_alumnes / 7000 * 100, 1)) %>%
  rename(
    "Vull cursar dos estudis, el batxillerat i un altre" =
      vull_cursar_dos_estudis_el_batxillerat_i_un_altre_per_obtenir_una_doble_titulacio,
    "Alumnes" = n_alumnes
  )

Taula_Dos_Estudis %>%
  kable("html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Vull cursar dos estudis, el batxillerat i un altre Alumnes %
Batxibac (batxillerat i baccalauréat) 237 3.4
Batxillerat internacional (batxillerat i batxillerat internacional) 486 6.9
CFAM Cicles d’arts plàstiques i disseny de grau mitjà 102 1.5
TEGM Cicles d’ensenyaments esportius de grau mitjà 283 4.0
Mostra el codi 
# Taula FP

Taula_FP <- Dades_Final %>%
  distinct(idalu_sidie, formacio_professional_m_agradaria_estudiar_un_cicle_formatiu_de_formacio_professional_de_grau_mitja) %>%   # elimina duplicats
  group_by(formacio_professional_m_agradaria_estudiar_un_cicle_formatiu_de_formacio_professional_de_grau_mitja) %>%                # agrupa per SSTT
  summarise(n_alumnes = n(), .groups = "drop") %>% 
  filter(!is.na(`formacio_professional_m_agradaria_estudiar_un_cicle_formatiu_de_formacio_professional_de_grau_mitja`)) %>% 
  mutate(`%` = round(n_alumnes / sum(n_alumnes)*100, 1)) %>%
  rename("Grau mitjà" = formacio_professional_m_agradaria_estudiar_un_cicle_formatiu_de_formacio_professional_de_grau_mitja,
         "Alumnes" = n_alumnes) %>%
  arrange(desc(Alumnes)) %>%
  slice_head(n = 3)

Taula_FP %>%
  kable("html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Grau mitjà Alumnes %
CFPM 1601 - Cures auxiliars d'infermeria 807 18.0
CFPM IC10 - Sistemes microinformàtics i xarxes 471 10.5
CFPM AG10 - Gestió administrativa 452 10.1
Mostra el codi 
# Taula Artspl

Taula_Artspl <- Dades_Final %>%
  distinct(idalu_sidie, arts_plastiques_i_disseny_m_agradaria_estudiar_un_cicle_formatiu_d_arts_plastiques_i_disseny_de_grau_mitja) %>%   # elimina duplicats
  group_by(arts_plastiques_i_disseny_m_agradaria_estudiar_un_cicle_formatiu_d_arts_plastiques_i_disseny_de_grau_mitja) %>%                # agrupa per SSTT
  summarise(n_alumnes = n()) %>%   # compta els alumnes únics
  filter(!is.na(`arts_plastiques_i_disseny_m_agradaria_estudiar_un_cicle_formatiu_d_arts_plastiques_i_disseny_de_grau_mitja`)) %>%
  mutate("%"= round(n_alumnes/sum(n_alumnes)*100,1)) %>% 
  rename("Arts plàstiques i disseny" = arts_plastiques_i_disseny_m_agradaria_estudiar_un_cicle_formatiu_d_arts_plastiques_i_disseny_de_grau_mitja,
         "Alumnes" = n_alumnes) %>%
  arrange(desc(Alumnes)) %>%
  slice_head(n = 3)

Taula_Artspl %>%
  kable("html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Arts plàstiques i disseny Alumnes %
CFAM CG11 - Assistència prod.gràfic interactiu (Assis.creació i producció de videojocs) 30 13.0
CFAM CG10 - Assistència al producte gràfic interactiu 26 11.3
CFAM CG20 - Assistència al producte gràfic imprès 25 10.8
Mostra el codi 
# Taula Artses

Taula_Artses <- Dades_Final %>%
  distinct(idalu_sidie, arts_esceniques_m_agradaria_estudiar_un_cicle_formatiu_d_arts_esceniques_de_grau_mitja) %>%   # elimina duplicats
  group_by(arts_esceniques_m_agradaria_estudiar_un_cicle_formatiu_d_arts_esceniques_de_grau_mitja) %>%                # agrupa per SSTT
  summarise(n_alumnes = n()) %>%   # compta els alumnes únics
  filter(!is.na(`arts_esceniques_m_agradaria_estudiar_un_cicle_formatiu_d_arts_esceniques_de_grau_mitja`)) %>%
  mutate("%"= round(n_alumnes/sum(n_alumnes)*100,1)) %>% 
  rename("Arts escèniques" = arts_esceniques_m_agradaria_estudiar_un_cicle_formatiu_d_arts_esceniques_de_grau_mitja,
         "Alumnes" = n_alumnes) %>%
  arrange(desc(Alumnes)) %>%
  slice_head(n = 3)

Taula_Artses %>%
  kable("html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Arts escèniques Alumnes %
ESCM DA10 - Tècniques de dansa urbana 46 59.7
ESCM CI10 - Tècnic o tècnica d'Animació en Circ 31 40.3
Mostra el codi 
# Taula Esp

Taula_Esp <- Dades_Final %>%
  distinct(idalu_sidie, ensenyaments_esportius_m_agradaria_estudiar_un_cicle_formatiu_d_esports_de_grau_mitja) %>%   # elimina duplicats
  group_by(ensenyaments_esportius_m_agradaria_estudiar_un_cicle_formatiu_d_esports_de_grau_mitja) %>%                # agrupa per SSTT
  summarise(n_alumnes = n()) %>%   # compta els alumnes únics
  filter(!is.na(`ensenyaments_esportius_m_agradaria_estudiar_un_cicle_formatiu_d_esports_de_grau_mitja`)) %>%
  mutate("%"= round(n_alumnes/sum(n_alumnes)*100,1)) %>% 
  rename("Esenyaments esportius" = ensenyaments_esportius_m_agradaria_estudiar_un_cicle_formatiu_d_esports_de_grau_mitja,
         "Alumnes" = n_alumnes) %>%
  arrange(desc(Alumnes)) %>%
  slice_head(n = 3)

Taula_Esp  %>%
  kable("html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Esenyaments esportius Alumnes %
TEGM 8201 - Tècnic d'esport en futbol 246 46.3
TEGM 8102 - Tècnic d'esport en alta muntanya 42 7.9
TEGM 8501 - Tècnic d'esport en basquetbol 25 4.7
Mostra el codi 
# Taula PFI

Taula_PFI <- Dades_Final %>%
  distinct(idalu_sidie, programes_de_formacio_i_insercio_m_agradaria_estudiar_un_pfi) %>%   # elimina duplicats
  group_by(programes_de_formacio_i_insercio_m_agradaria_estudiar_un_pfi) %>%                # agrupa per SSTT
  summarise(n_alumnes = n()) %>%   # compta els alumnes únics
   filter(!is.na(`programes_de_formacio_i_insercio_m_agradaria_estudiar_un_pfi`)) %>%
  mutate("%"= round(n_alumnes/sum(n_alumnes)*100,1)) %>% 
  rename("Programes de formació i inserció" = programes_de_formacio_i_insercio_m_agradaria_estudiar_un_pfi,
         "Alumnes" = n_alumnes) %>%
  arrange(desc(Alumnes)) %>%
  slice_head(n = 3)

Taula_PFI  %>%
  kable("html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Programes de formació i inserció Alumnes %
PFI AE01 - Auxiliar d'activitats esportives 27 11.8
PFI SA01 - Auxiliar en centres sanitaris 17 7.5
PFI EE01 - Auxiliar de muntatges d'instal·lacions electrotècniques en edificis 11 4.8
Mostra el codi 
# Taula MD

Taula_MD <- Dades_Final %>%
  distinct(idalu_sidie, graus_professionals_de_musica_i_de_dansa_m_agradaria_estudiar_un_grau_professional_de_musica_o_dansa) %>%   # elimina duplicats
  group_by(graus_professionals_de_musica_i_de_dansa_m_agradaria_estudiar_un_grau_professional_de_musica_o_dansa) %>%                # agrupa per SSTT
  summarise(n_alumnes = n()) %>% 
  filter(!is.na(`graus_professionals_de_musica_i_de_dansa_m_agradaria_estudiar_un_grau_professional_de_musica_o_dansa`)) %>% 
  mutate("%"= round(n_alumnes/sum(n_alumnes)*100,1)) %>% 
  rename("Música i Dansa" = graus_professionals_de_musica_i_de_dansa_m_agradaria_estudiar_un_grau_professional_de_musica_o_dansa,
         "Alumnes" = n_alumnes) %>%
  arrange(desc(Alumnes)) %>%
  slice_head(n = 3)

Taula_MD  %>%
  kable("html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Música i Dansa Alumnes %
DANSGM 8001 - Dansa clàssica 18 17.1
MUSIGM 0219 - Piano 16 15.2
DANSGM 8003 - Dansa espanyola 11 10.5

Figures 5. Preferències en la modalitat de l’ensenyament escollit a Catalunya. ​

Font: Resultats de l’enquesta “Digue’ns què vols estudiar”. Dades extretes l’1 de juliol de 2025.​

*Els percentatges de cada opció es calculen sobre el total d’alumnes que tenen intenció de cursar-la. Es tracta d’una pregunta amb opció multiresposta.

Què has tingut en compte per triar els estudis?​

Figura 6. Aspectes que més han influït en la tria dels estudis després de l’ESO i/o el CFGB a Catalunya.​

Font: Resultats de l’enquesta “Digue’ns què vols estudiar”. ​

Dades extretes l’1 de juliol de 2025.​

Què has tingut en compte per triar els estudis?​ (ST)

Figura 7. Aspectes que més han influït en la tria dels estudis després de l’ESO i/o el CFGB​.

Font: Resultats de l’enquesta “Digue’ns què vols estudiar”. ​

Dades extretes l’1 de juliol de 2025.​