1 Exploració i visualitzavió de dades

En aquest apartat s’explora el conjunt de dades dels llocs declarats Patrimoni de la Humanitat per la UNESCO. L’objectiu és analitzar l’estructura general de les dades i representar visualment diferents aspectes rellevants, com ara la distribució per països, les categories de patrimoni i l’evolució temporal de les inscripcions.

1.1 Carrega de dades

Primer carreguem les llibreries necessàries i importem el fitxer descarregat de la UNESCO.

library(tidyverse)
library(readxl)

unesco <- read_excel("whc-sites-2025.xls")

1.2 Exploració inicial del conjunt de dades

A continuació, examinem l’estructura general del dataset.

str(unesco)
## tibble [1,248 × 49] (S3: tbl_df/tbl/data.frame)
##  $ unique_number       : num [1:1248] 230 234 1590 1563 111 ...
##  $ id_no               : num [1:1248] 208 211 569 570 102 179 188 191 193 194 ...
##  $ rev_bis             : chr [1:1248] "Rev" "Rev" "Bis" "ter" ...
##  $ name_en             : chr [1:1248] "Cultural Landscape and Archaeological Remains of the Bamiyan Valley" "Minaret and Archaeological Remains of Jam" "Historic Centres of Berat and Gjirokastra" "Butrint" ...
##  $ name_fr             : chr [1:1248] "Paysage culturel et vestiges archéologiques de la vallée de Bamiyan" "Minaret et vestiges archéologiques de Djam" "Centres historiques de Berat et de Gjirokastra" "Butrint" ...
##  $ name_es             : chr [1:1248] "Paisaje cultural y vestigios arqueológicos del Valle de Bamiyán" "Minarete y vestigios arqueológicos de Jam" "Ciudad Museo de Gjirokastra" "Butrinto" ...
##  $ name_ru             : chr [1:1248] "Культурный ландшафт и археологические находки в долине Бамиан" "Минарет и археологические объекты в Джеме" "Исторические центры Берата и Джирокастры" "Древний город Бутринт" ...
##  $ name_ar             : chr [1:1248] "المنظر الثقافي والبقايا الأثرية في وادي باميان" "مئذنة جام  وبقاياها الاثرية" "المركزان التاريخيان لبيرات وجيروكاسترا" "بوترنت" ...
##  $ name_zh             : chr [1:1248] "巴米扬山谷的文化景观和考古遗迹" "查姆回教寺院尖塔和考古遗址" NA "布特林特" ...
##  $ short_description_en: chr [1:1248] "<p>The cultural landscape and archaeological remains of the Bamiyan Valley represent the artistic and religious"| __truncated__ "<p>The 65m-tall Minaret of Jam is a graceful, soaring structure, dating back to the 12th century. Covered in el"| __truncated__ "<p>Berat and Gjirokastra are inscribed as rare examples of an architectural character typical of the Ottoman pe"| __truncated__ "<p>Inhabited since prehistoric times, Butrint has been the site of a Greek colony, a Roman city and a bishopric"| __truncated__ ...
##  $ short_description_fr: chr [1:1248] "<p>Le paysage culturel et les vestiges archéologiques de la vallée de Bamiyan illustrent les développements art"| __truncated__ "<p>Haut de 65m, le minaret de Djam est une construction gracieuse et élancée datant du XIIe siècle. Recouvert d"| __truncated__ "<p>Berat et Gjirokastra sont inscrites en tant que rares exemples d'un style architectural typique de la périod"| __truncated__ "<p>Habité depuis les temps préhistoriques, le site de Butrint fut successivement le siège d’une colonie grecque"| __truncated__ ...
##  $ short_description_es: chr [1:1248] "<p>Este sitio es un exponente de las creaciones artísticas y religiosas características de la antigua Bactriana"| __truncated__ "<p>Con sus 65 metros de altura, el minarete de Jam es una construcción esbelta y llena de gracia que data del s"| __truncated__ "<p>Situada en el valle del río Drinos, al sur de Albania, la histórica ciudad de Gjirokastra es uno de los raro"| __truncated__ "<p>Habitado desde tiempos prehistóricos, el sitio de Butrinto fue sucesivamente colonia griega, ciudad romana y"| __truncated__ ...
##  $ short_description_ru: chr [1:1248] "<p>Культурный ландшафт и археологические находки в долине Бамиан иллюстрируют развитие искусства и религии древ"| __truncated__ "<p>65-метровый минарет Джема – грациозное и как бы парящее в воздухе сооружение, построенное в XII в. Имеющий т"| __truncated__ "<p>Исторические центры Берата и Джирокастры являются добавлением городского центра Берата к центру Джирокастры,"| __truncated__ "<p>Бутринт был местом древнегреческой колонии, древнеримским городом и центром епископства. Вслед за периодом п"| __truncated__ ...
##  $ short_description_ar: chr [1:1248] "<p dir=\"rtl\">يمثّل المنظر الثقافي والبقايا الأثرية في وادي باميان التطوّر الفنيّ والدينيّ الذي ميّز (إمبراطورية) \"| __truncated__ "<p dir=\"rtl\">إن مئذنة جام بناء رشيق وممشوق؛ يبلغ ارتفاعها 65 متراً وتُرقى إلى القرن الثاني عشر. تغطيها زينة معقّ"| __truncated__ "<p dir=\"rtl\">يمثل المركزان التاريخيان لبيرات وجيروكاسترا (ألبانيا) امتداداً لمركز مدينة جيروكاسترا الذي سبق أن"| __truncated__ "<p dir=\"rtl\">إن موقع بوترنت الذي عرف استقراراً بشرياً منذ أيام ما قبل التاريخ كان على التوالي مقراً لمستوطنة إغر"| __truncated__ ...
##  $ short_description_zh: chr [1:1248] "<p>巴米扬山谷的文化景观和考古遗址向世人展示了从公元1世纪至13世纪期间以古代巴克特里亚文化为特征的艺术和宗教发展"| __truncated__ "<p>65米高的查姆尖塔庄严肃穆，高耸入云，其历史可追溯到公元12世纪。塔外砌烧制精巧的砖石, 顶部饰有蓝色釉面的琉璃瓦"| __truncated__ NA "<p>布特林特城史前就有人定居，先后为希腊殖民地、古罗马城市和主教辖区所在地。在拜占庭时期，这里曾一度非常繁荣，后"| __truncated__ ...
##  $ justification_en    : chr [1:1248] "<p><em>Criterion (i):</em> The Buddha statues and the cave art in Bamiyan Valley are an outstanding representat"| __truncated__ "<p><em>Criterion (ii):</em> The innovative architecture and decoration of the Minaret of Jam played a significa"| __truncated__ NA NA ...
##  $ justification_fr    : chr [1:1248] "<p><em>Critère (i):</em> Les statues de Bouddha et l’art rupestre de la vallée de Bamyan sont une représentatio"| __truncated__ "<p><em>Critère (ii)</em> : L'architecture et la décoration innovatrices du Minaret de Djam ont joué un rôle sig"| __truncated__ NA NA ...
##  $ date_inscribed      : num [1:1248] 2003 2002 2005 1992 1980 ...
##  $ secondary_dates     : chr [1:1248] NA NA "2008" "1999" ...
##  $ danger              : num [1:1248] 1 1 0 0 0 0 0 0 0 0 ...
##  $ date_end            : num [1:1248] NA NA NA 2005 NA ...
##  $ danger_list         : chr [1:1248] "Y 2003" "Y 2002" NA "P 1997-2005" ...
##  $ longitude           : num [1:1248] 67.83 64.52 20.14 20.02 4.79 ...
##  $ latitude            : num [1:1248] 34.8 34.4 40.1 39.7 35.8 ...
##  $ area_hectares       : num [1:1248] 158.9 70 58.9 NA 150 ...
##  $ C1                  : num [1:1248] 1 0 0 0 0 1 0 0 0 0 ...
##  $ C2                  : num [1:1248] 1 1 0 0 0 0 1 0 0 1 ...
##  $ C3                  : num [1:1248] 1 1 1 1 1 1 1 1 1 1 ...
##  $ C4                  : num [1:1248] 1 1 1 0 0 0 0 1 1 1 ...
##  $ C5                  : num [1:1248] 0 0 0 0 0 0 1 0 0 0 ...
##  $ C6                  : num [1:1248] 1 0 0 0 0 0 0 0 0 0 ...
##  $ N7                  : num [1:1248] 0 0 0 0 0 1 0 0 0 0 ...
##  $ N8                  : num [1:1248] 0 0 0 0 0 1 0 0 0 0 ...
##  $ N9                  : num [1:1248] 0 0 0 0 0 0 0 0 0 0 ...
##  $ N10                 : num [1:1248] 0 0 0 0 0 0 0 0 0 0 ...
##  $ criteria_txt        : chr [1:1248] "(i)(ii)(iii)(iv)(vi)" "(ii)(iii)(iv)" "(iii)(iv)" "(iii)" ...
##  $ category            : chr [1:1248] "Cultural" "Cultural" "Cultural" "Cultural" ...
##  $ category_short      : chr [1:1248] "C" "C" "C" "C" ...
##  $ states_name_en      : chr [1:1248] "Afghanistan" "Afghanistan" "Albania" "Albania" ...
##  $ states_name_fr      : chr [1:1248] "Afghanistan" "Afghanistan" "Albanie" "Albanie" ...
##  $ states_name_es      : chr [1:1248] "Afganistán" "Afganistán" "Albania" "Albania" ...
##  $ states_name_ru      : chr [1:1248] "Афганистан" "Афганистан" "Албания" "Албания" ...
##  $ states_name_ar      : chr [1:1248] "أفغانستان" "أفغانستان" "ألبانيا" "ألبانيا" ...
##  $ states_name_zh      : chr [1:1248] "阿富汗" "阿富汗" "阿尔巴尼亚" "阿尔巴尼亚" ...
##  $ region_en           : chr [1:1248] "Asia and the Pacific" "Asia and the Pacific" "Europe and North America" "Europe and North America" ...
##  $ region_fr           : chr [1:1248] "Asie et Pacifique" "Asie et Pacifique" "Europe et Amérique du Nord" "Europe et Amérique du Nord" ...
##  $ iso_code            : chr [1:1248] "af" "af" "al" "al" ...
##  $ udnp_code           : chr [1:1248] "afg" "afg" "alb" "alb" ...
##  $ transboundary       : num [1:1248] 0 0 0 0 0 0 0 0 0 0 ...
glimpse(unesco)
## Rows: 1,248
## Columns: 49
## $ unique_number        <dbl> 230, 234, 1590, 1563, 111, 198, 209, 212, 214, 21…
## $ id_no                <dbl> 208, 211, 569, 570, 102, 179, 188, 191, 193, 194,…
## $ rev_bis              <chr> "Rev", "Rev", "Bis", "ter", NA, NA, NA, NA, NA, N…
## $ name_en              <chr> "Cultural Landscape and Archaeological Remains of…
## $ name_fr              <chr> "Paysage culturel et vestiges archéologiques de l…
## $ name_es              <chr> "Paisaje cultural y vestigios arqueológicos del V…
## $ name_ru              <chr> "Культурный ландшафт и археологические находки в …
## $ name_ar              <chr> "المنظر الثقافي والبقايا الأثرية في وادي باميان",…
## $ name_zh              <chr> "巴米扬山谷的文化景观和考古遗迹", "查姆回教寺院尖…
## $ short_description_en <chr> "<p>The cultural landscape and archaeological rem…
## $ short_description_fr <chr> "<p>Le paysage culturel et les vestiges archéolog…
## $ short_description_es <chr> "<p>Este sitio es un exponente de las creaciones …
## $ short_description_ru <chr> "<p>Культурный ландшафт и археологические находки…
## $ short_description_ar <chr> "<p dir=\"rtl\">يمثّل المنظر الثقافي والبقايا الأث…
## $ short_description_zh <chr> "<p>巴米扬山谷的文化景观和考古遗址向世人展示了从…
## $ justification_en     <chr> "<p><em>Criterion (i):</em> The Buddha statues an…
## $ justification_fr     <chr> "<p><em>Critère (i):</em> Les statues de Bouddha …
## $ date_inscribed       <dbl> 2003, 2002, 2005, 1992, 1980, 1982, 1982, 1982, 1…
## $ secondary_dates      <chr> NA, NA, "2008", "1999", NA, NA, NA, NA, NA, NA, N…
## $ danger               <dbl> 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ date_end             <dbl> NA, NA, NA, 2005, NA, NA, NA, NA, 2006, NA, NA, N…
## $ danger_list          <chr> "Y 2003", "Y 2002", NA, "P 1997-2005", NA, NA, NA…
## $ longitude            <dbl> 67.825250, 64.515889, 20.140833, 20.020950, 4.786…
## $ latitude             <dbl> 34.846940, 34.396417, 40.074167, 39.745732, 35.81…
## $ area_hectares        <dbl> 158.9265, 70.0000, 58.9000, NA, 150.0000, 7200000…
## $ C1                   <dbl> 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ C2                   <dbl> 1, 1, 0, 0, 0, 0, 1, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0…
## $ C3                   <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 0, 0, 1…
## $ C4                   <dbl> 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 0…
## $ C5                   <dbl> 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0…
## $ C6                   <dbl> 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ N7                   <dbl> 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0…
## $ N8                   <dbl> 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0…
## $ N9                   <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ N10                  <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0…
## $ criteria_txt         <chr> "(i)(ii)(iii)(iv)(vi)", "(ii)(iii)(iv)", "(iii)(i…
## $ category             <chr> "Cultural", "Cultural", "Cultural", "Cultural", "…
## $ category_short       <chr> "C", "C", "C", "C", "C", "C/N", "C", "C", "C", "C…
## $ states_name_en       <chr> "Afghanistan", "Afghanistan", "Albania", "Albania…
## $ states_name_fr       <chr> "Afghanistan", "Afghanistan", "Albanie", "Albanie…
## $ states_name_es       <chr> "Afganistán", "Afganistán", "Albania", "Albania",…
## $ states_name_ru       <chr> "Афганистан", "Афганистан", "Албания", "Албания",…
## $ states_name_ar       <chr> "أفغانستان", "أفغانستان", "ألبانيا", "ألبانيا", "…
## $ states_name_zh       <chr> "阿富汗", "阿富汗", "阿尔巴尼亚", "阿尔巴尼亚", "…
## $ region_en            <chr> "Asia and the Pacific", "Asia and the Pacific", "…
## $ region_fr            <chr> "Asie et Pacifique", "Asie et Pacifique", "Europe…
## $ iso_code             <chr> "af", "af", "al", "al", "dz", "dz", "dz", "dz", "…
## $ udnp_code            <chr> "afg", "afg", "alb", "alb", "dza", "dza", "dza", …
## $ transboundary        <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…

També podem consultar el nombre total de llocs inclosos a la base de dades.

nrow(unesco)
## [1] 1248

1.3 Països amb més llocs inscrits

Podem observar els 10 països amb més llocs inscrits com a Patrimoni de la Humanitat amb les dades extretes del dataset.

unesco %>%
  count(states_name_en, sort = TRUE)

1.4 Distribució per categories de patrimoni

La UNESCO classifica els llocs en patrimoni cultural, natural i mixt. Observem la distribució de les categories presents al dataset.

table(unesco$category)
## 
## Cultural    Mixed  Natural 
##      972       41      235

1.5 Evolució temporal de les inscripcions

També analitzem l’evolució temporal per any de les inscripcions del Patrimoni Mundial. En aquest cas la taula només mostra la relació entre any i registres.

unesco %>%
  count(date_inscribed)

2 Gràfics per representar les dades analitzades

2.1 Gràfic 1. Països amb més llocs Patrimoni de la Humanitat

Per identificar els països amb més llocs inscrits, fem un recompte dels registres agrupats per país:

top_paisos <- unesco %>%
  count(states_name_en, sort = TRUE) %>%
  slice_head(n = 10)

Representem gràficament els 10 països amb més llocs UNESCO a partir del gràfic següent:

ggplot(top_paisos, 
       aes(x = reorder(states_name_en, n),
           y = n)) + 
  geom_col(fill = "steelblue") + 
  coord_flip() + 
  labs(
    title = "Països amb més llocs Patrimoni de la Humanitat",
    x = "País",
    y = "Nombre de llocs"
  ) + 
  theme_minimal()

En el gràfic representat es mostren els deu països amb un major nombre de llocs inscrits a la llista del Patrimoni Mundial de la UNESCO. S’observa que la Xina i Itàlia són els països amb més espais reconeguts, seguits de França, Espanya i Alemanya. Aquest predomini es pot relacionar amb la gran riquesa històrica, cultural i patrimonial d’aquests territoris, així com amb les polítiques de protecció i conservació desenvolupades al llarg del temps.

2.2 Gràfic 2. Distribució per categoria de patrimoni

Per representar la distribució dels llocs Patrimoni de la Humanitat segons la seva categoria, s’ha elaborat un gràfic de barres amb ggplot2. Aquest tipus de visualització permet comparar fàcilment el nombre de llocs classificats com a patrimoni cultural, natural o mixt.

ggplot(unesco, aes(x = category, fill = category)) +
  geom_bar() + 
  labs(
    title = "Distribució dels llocs UNESCO per categoria",
    x = "Categoria",
    y = "Nombre de llocs"
  ) + 
  theme_minimal()

En aquest gràfic veiem representada la distribució dels llocs UNESCO segons la seva categoria. Es pot observar clarament que el patrimoni cultural és la categoria predominant, amb una diferència molt notable respecte al patrimoni natural i mixt. Aquesta distribució reflecteix la importància del patrimoni històric, arquitectònic i arqueològic dins de la llista del Patrimoni Mundial.

2.3 Gràfic 3. Evolució temporal de les inscripcions

Per analitzar l’evolució de la Llista del Patrimoni Mundial al llarg del temps, s’ha elaborat un histograma que representa el nombre de llocs inscrits per any. Aquesta visualització permet observar els períodes en què es van produir més incorporacions a la llista de la UNESCO.

ggplot(unesco, aes(x = date_inscribed)) + 
  geom_histogram(
    binwidth = 5,
    fill = "darkgreen",
    color = "white"
  ) + 
  labs(
    title = "Evolució temporal de les inscripcions UNESCO",
    x = "Any d'inscripció",
    y = "Nombre de llocs"
  ) + 
  theme_minimal()

L’histograma mostra l’evolució temporal de les inscripcions de llocs Patrimoni Mundial a la UNESCO. Es pot apreciar un increment progressiu del nombre d’inscripcions especialment entre les dècades de 1990 i 2000, període en què la llista experimenta una expansió important. En els darrers anys, el ritme d’incorporacions sembla més estable, tot i que es continuen afegint nous llocs cada any.

3 Elaboració de mapes

En aquest apartat s’utilitzen les coordenades geogràfiques incloses al conjunt de dades de la UNESCO per representar visualment la distribució dels llocs Patrimoni de la Humanitat. Seguint els apunts, es treballa amb ggplot2 i maps, que permeten dibuixar mapes i afegir-hi punts a partir de la latitud i la longitud.

library(maps)

3.1 Mapa 1. Distribució dels llocs Patrimoni de la Humanitat

Aquest primer mapa mostra la distribució global dels llocs inscrits a la llista del Patrimoni Mundial. Cada punt representa un lloc UNESCO i permet observar en quines zones del món es concentren més espais reconeguts. Abans, però, s’han netejat les fileres amb coordenades buides.

unesco_mapa <- unesco %>%
  filter(!is.na(latitude),
         !is.na(longitude))

ggplot() + 
  borders("world", fill = "gray95", color = "gray70") + 
  geom_point(
    data = unesco_mapa,
    aes(x = longitude, y = latitude),
    color = "darkblue",
    size = 1,
    alpha = 0.5
  ) + 
  labs(
    title = "Distribució mundial dels llocs Patrimoni de la Humanitat",
    x = "Longitud",
    y = "Latitud"
  ) + 
theme_minimal()

El mapa mostra que els llocs Patrimoni de la Humanitat es distribueixen per tots els continents, però amb una concentració especialment visible a Europa i en algunes zones d’Àsia. Aquesta distribució pot estar relacionada tant amb la densitat de patrimoni històric reconegut com amb la capacitat institucional dels estats per documentar i presentar candidatures davant la UNESCO.

3.2 Mapa 2. Distribució dels llocs segons la categoria patrimonial

El segon mapa diferencia els llocs segons la seva categoria: cultural, natural o mixta. Aquesta representació permet observar si els diferents tipus de patrimoni segueixen patrons geogràfics diferents.

ggplot() + 
  borders("world", fill = "gray95", color = "gray70") + 
  geom_point(
    data = unesco_mapa,
    aes(x = longitude, y = latitude, color = category), 
    size = 1.2,
    alpha = 0.6
  ) + 
  labs(
    title = "Distribució mundial dels llocs UNESCO per categoria",
    x = "Longitud",
    y = "Latitud",
    color = "Categoria"
  ) + 
  theme_minimal()

Aquest mapa permet observar que els llocs culturals són els més nombrosos i apareixen de manera molt estesa arreu del món. Els llocs naturals, en canvi, es distribueixen de manera més dispersa i sovint es localitzen en espais de gran valor paisatgístic o ecològic. Els llocs mixtos són menys freqüents, fet que coincideix amb la seva menor presència en el conjunt de dades.

4 Anàlisi de text del camp short description

En aquest apartat s’analitza el contingut textual del camp short_description_en, que conté una breu descripció en anglès de cada lloc declarat Patrimoni de la Humanitat. L’objectiu és identificar les paraules més freqüents i representar-les visualment mitjançant un gràfic i un núvol de paraules.

Per fer aquesta anàlisi s’utilitza el paquet tidytext, que permet dividir el text en paraules individuals, i el paquet wordcloud2, que permet generar núvols de paraules.

library(tidytext)
library(wordcloud2)

4.1 Preparació del text

Primer seleccionem el camp de descripció i eliminem els registres que no tenen text disponible.

descripcions <- unesco %>%
  select(short_description_en) %>%
  filter(!is.na(short_description_en))

A continuació, convertim les descripcions en paraules individuals. Aquest procés s’anomena tokenització i permet analitzar la freqüència de cada terme.

paraules <- descripcions %>%
  unnest_tokens(paraula, short_description_en)

4.2 Eliminació de paraules buides

Les paraules més freqüents en un text solen ser articles, preposicions o connectors, com ara the, and o of. Aquestes paraules no aporten gaire valor semàntic, per això les eliminem abans de fer l’anàlisi.

stopwords_en <- get_stopwords("en")

paraules_filtrades <- paraules %>%
  anti_join(stopwords_en, by = c("paraula" = "word"))

paraules_filtrades <- paraules_filtrades %>%
  filter(!paraula %in% c("p", "em", "also", "one"))

4.3 Càlcul de la freqüència de les paraules

Un cop eliminades les paraules buides, calculem quines són les paraules més repetides en les descripcions dels llocs UNESCO.

freq_paraules <- paraules_filtrades %>%
  count(paraula, sort = TRUE)

4.4 Gràfic de paraules més freüents

Per visualitzar millor els resultats, representem les 15 paraules més freqüents en un gràfic de barres.

paraules_top <- freq_paraules %>%
  slice_head(n = 15)

ggplot(paraules_top, 
       aes(x = reorder(paraula, n),
           y = n)) + 
  geom_col(fill = "steelblue") + 
  coord_flip() + 
  labs(
    title = "Paraules més freqüents a les descripcions dels llocs UNESCO",
    x = "Paraula",
    y = "Freqüència"
  ) + 
  theme_minimal()

El gràfic permet identificar els termes més recurrents en les descripcions dels llocs Patrimoni de la Humanitat. Aquests termes ajuden a observar quins conceptes apareixen amb més freqüència en la caracterització dels espais reconeguts per la UNESCO, com ara elements relacionats amb la història, la ciutat, el paisatge o la natura.

4.5 Núvol de paraules

Finalment, es genera un núvol de paraules per representar visualment els termes més freqüents. En aquest tipus de visualització, les paraules que apareixen més vegades es mostren amb una mida més gran.

wordcloud2(freq_paraules,
           size = 0.7)

El núvol de paraules mostra de manera visual els conceptes més presents en les descripcions dels llocs UNESCO. Aquesta representació permet detectar ràpidament els termes predominants i complementar la interpretació del gràfic de freqüències.