Anàlisi dels llocs Patrimoni de la Humanitat UNESCO
Mireia
2026-06-02
R Markdown
This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.
When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
Introducció
En aquest treball s’analitza la base de dades oficial dels llocs Patrimoni de la Humanitat de la UNESCO. Mitjançant l’ús de gràfics, mapes i tècniques d’anàlisi de text, s’analitzen diferents característiques dels llocs inscrits, com ara la seva distribució per regions i països, la situació dels llocs en perill i els termes més freqüents presents en les seves descripcions.
Exercici 1
En aquest apartat es realitza una exploració inicial de la base de dades i es creen diferents gràfics per analitzar la distribució dels llocs Patrimoni de la Humanitat.
Gràfic 1: Nombre de llocs Patrimoni per regió
library(readxl)## Warning: package 'readxl' was built under R version 4.5.3library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.5.3## Warning: package 'ggplot2' was built under R version 4.5.3## Warning: package 'tibble' was built under R version 4.5.3## Warning: package 'tidyr' was built under R version 4.5.3## Warning: package 'readr' was built under R version 4.5.3## Warning: package 'purrr' was built under R version 4.5.3## Warning: package 'dplyr' was built under R version 4.5.3## Warning: package 'stringr' was built under R version 4.5.3## Warning: package 'forcats' was built under R version 4.5.3## Warning: package 'lubridate' was built under R version 4.5.3## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.2.0 ✔ readr 2.2.0
## ✔ forcats 1.0.1 ✔ stringr 1.6.0
## ✔ ggplot2 4.0.2 ✔ tibble 3.3.1
## ✔ lubridate 1.9.5 ✔ tidyr 1.3.2
## ✔ purrr 1.2.1
## ── 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 errorsdades <- read_excel("whc-sites-2025.xlsx")
nrow(dades)## [1] 1248dades %>%
count(category)## # A tibble: 3 × 2
## category n
## <chr> <int>
## 1 Cultural 972
## 2 Mixed 41
## 3 Natural 235dades %>%
count(states_name_en, sort = TRUE)## # A tibble: 212 × 2
## states_name_en n
## <chr> <int>
## 1 China 59
## 2 Italy 54
## 3 France 47
## 4 Spain 46
## 5 Germany 44
## 6 India 43
## 7 Mexico 36
## 8 United Kingdom of Great Britain and Northern Ireland 32
## 9 Russian Federation 29
## 10 Iran (Islamic Republic of) 28
## # ℹ 202 more rowsdades %>%
count(date_inscribed)## # A tibble: 46 × 2
## date_inscribed n
## <dbl> <int>
## 1 1978 12
## 2 1979 45
## 3 1980 27
## 4 1981 26
## 5 1982 24
## 6 1983 29
## 7 1984 22
## 8 1985 30
## 9 1986 29
## 10 1987 41
## # ℹ 36 more rowsregions <- dades %>%
count(region_en, sort = TRUE)
graf.regions <- ggplot(head(regions, 10),
aes(x = reorder(region_en, n),
y = n)) +
geom_col() +
coord_flip() +
labs(title = "Nombre de llocs Patrimoni per regió",
x = "Regió",
y = "Nombre de llocs")
graf.regions
Aquest gràfic mostra les regions amb més llocs declarats Patrimoni de la Humanitat.
Gràfic 2: Top 10 països amb més llocs Patrimoni
paisos <- dades %>%
count(states_name_en, sort = TRUE)
graf.paisos <- ggplot(head(paisos, 10),
aes(x = reorder(states_name_en, n),
y = n)) +
geom_col() +
coord_flip() +
labs(title = "Top 10 països amb més llocs Patrimoni",
x = "País",
y = "Nombre de llocs")
graf.paisos
Aquest gràfic mostra els deu països amb més llocs declarats Patrimoni de la Humanitat.
Gràfic 3: Distribució dels llocs en perill
perill <- dades %>%
count(danger)
graf.perill <- ggplot(perill,
aes(x = factor(danger),
y = n)) +
geom_col() +
labs(title = "Distribució dels llocs Patrimoni en perill",
x = "Situació de perill",
y = "Nombre de llocs")
graf.perill
Aquest gràfic mostra la distribució dels llocs Patrimoni de la Humanitat segons si es troben o no en situació de perill.
Exercici 2
Mapa 1: Distribució mundial dels llocs
library(maps)## Warning: package 'maps' was built under R version 4.5.3##
## Adjuntando el paquete: 'maps'## The following object is masked from 'package:purrr':
##
## mapdades.mapa <- dades %>%
filter(!is.na(longitude),
!is.na(latitude))
ggplot() +
borders("world", fill = "white") +
geom_point(data = dades.mapa,
aes(x = longitude,
y = latitude),
color = "red",
size = 1) +
labs(title = "Distribució mundial dels llocs Patrimoni de la Humanitat",
x = "Longitud",
y = "Latitud")## Warning: `borders()` was deprecated in ggplot2 4.0.0.
## ℹ Please use `annotation_borders()` instead.
## This warning is displayed once per session.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
Aquest mapa mostra la distribució mundial dels llocs Patrimoni de la Humanitat.
Mapa 2: Llocs Patrimoni en perill
llocs.perill <- dades %>%
filter(danger == 1)
ggplot() +
borders("world", fill = "white") +
geom_point(data = llocs.perill,
aes(x = longitude,
y = latitude),
color = "blue",
size = 1) +
labs(title = "Llocs Patrimoni de la Humanitat en perill",
x = "Longitud",
y = "Latitud")
Aquest mapa mostra la localització dels llocs Patrimoni de la Humanitat que actualment es troben en situació de perill.
Exercici 3
Anàlisi de text
library(tidytext)## Warning: package 'tidytext' was built under R version 4.5.3textos <- dades %>%
select(short_description_en)
paraules <- textos %>%
tidytext::unnest_tokens(paraula,
short_description_en)
vacias <- tidytext::get_stopwords("en")
vacias <- vacias %>%
rename(paraula = word)
paraules2 <- paraules %>%
anti_join(vacias,
by = "paraula")
freq.paraules <- paraules2 %>%
count(paraula, sort = TRUE)
freq.paraules## # A tibble: 12,067 × 2
## paraula n
## <chr> <int>
## 1 p 2388
## 2 century 750
## 3 site 520
## 4 em 360
## 5 city 346
## 6 built 334
## 7 one 313
## 8 property 287
## 9 landscape 279
## 10 centuries 262
## # ℹ 12,057 more rowsParaules més freqüents
frequents <- freq.paraules %>%
top_n(5, n)
ggplot(frequents,
aes(x = paraula,
y = n,
fill = paraula)) +
geom_col(show.legend = FALSE) +
coord_flip() +
labs(title = "Paraules més freqüents als llocs UNESCO",
x = "Paraula",
y = "Freqüència")
Aquest gràfic mostra les paraules més repetides dins les descripcions breus dels llocs Patrimoni de la Humanitat.
Núvol de paraules
library(wordcloud2)## Warning: package 'wordcloud2' was built under R version 4.5.3wordcloud2(freq.paraules)Conclusions
L’anàlisi dels llocs Patrimoni de la Humanitat de la UNESCO ha permès observar la seva distribució per regions i països, així com identificar els llocs que es troben en situació de perill. Els mapes i gràfics han facilitat la visualització de la distribució geogràfica dels llocs, mentre que l’anàlisi de text ha permès detectar les paraules més freqüents utilitzades en les seves descripcions.