Qué muestra este mapa

Un mapa de las 52 comunas de la Región Metropolitana con un slider de año (2018-2024). Al pasar el mouse sobre una comuna se ve:

  1. si la comuna está administrada por un SLEP (y cuál) o por el municipio (DAEM o Corporación);
  2. los ingresos en educación (SINIM, Ingreso Total Percibido);
  3. la deuda flotante devengada (Contraloría);
  4. los puntajes SIMCE de 4° básico y 2° medio, o “No hubo SIMCE ese año” en 2019-2021.
  5. la matrícula total y en establecimientos públicos (Mineduc).

Todo sale de la planilla única (planilla_unica_RM_2018_2024.xlsx), que debe estar en la misma carpeta que este archivo. Los polígonos vienen de chilemapas.

Paquetes

Instalar una sola vez desde la consola (no dentro del Rmd, para que no se reinstale cada vez que tejes el documento):

install.packages(c("readxl", "dplyr", "sf", "plotly", "htmlwidgets", "stringi", "chilemapas"))

library(readxl)
library(dplyr)
library(sf)
library(plotly)
library(htmlwidgets)
library(chilemapas)

`%||%` <- function(a, b) if (is.null(a)) b else a

Paso 1: datos de la planilla única

base <- read_excel("planilla_unica_RM_2018_2024.xlsx", sheet = "Base RM 2018-2024")

# Chequeo: 52 comunas x 7 años = 364 filas
dplyr::count(base, año)
## # A tibble: 7 × 2
##     año     n
##   <dbl> <int>
## 1  2018    52
## 2  2019    52
## 3  2020    52
## 4  2021    52
## 5  2022    52
## 6  2023    52
## 7  2024    52

Paso 2: polígonos de las comunas (chilemapas)

Se usan los polígonos de chilemapas en vez de los de sinimr: traen las 52 comunas de la RM y no dependen de que el SINIM responda. Se dejan en latitud/longitud, que es lo que plotly espera para calcular bien la proporción del mapa.

normalizar <- function(x) {
  x <- toupper(stringi::stri_trans_general(x, "Latin-ASCII"))
  gsub("[^A-Z]", "", x)            # "TIL TIL" == "TILTIL", "SAN JOSÉ" == "SANJOSE"
}

geo_rm <- mapa_comunas %>%
  filter(codigo_region == "13") %>%
  left_join(codigos_territoriales %>% select(codigo_comuna, nombre_comuna),
            by = "codigo_comuna") %>%
  mutate(comuna_norm = normalizar(nombre_comuna)) %>%
  st_as_sf() %>%
  # Latitud/longitud (WGS84) a propósito: plotly corrige la proporción del mapa
  # asumiendo grados. Si se proyecta a UTM (metros), esa corrección lo achata.
  st_transform(4326)

nrow(geo_rm)   # debe ser 52
## [1] 52

Paso 3: texto del hover (a, b, c, d)

fmt_millones <- function(x) {
  # Montos bajo $1 millón se muestran en pesos (ej. los $10.000 de deuda flotante
  # que traen algunos SLEP), para no mostrar "$0 millones".
  case_when(
    is.na(x) ~ NA_character_,
    abs(x) < 1e6 ~ paste0("$", format(round(x), big.mark = ".", decimal.mark = ",",
                                      scientific = FALSE, trim = TRUE)),
    TRUE ~ paste0("$", format(round(x / 1e6), big.mark = ".", decimal.mark = ",",
                              scientific = FALSE, trim = TRUE), " millones")
  )
}

# Comunas de cada SLEP (para avisar que ingresos y deuda son del SLEP completo)
comunas_por_slep <- base %>%
  filter(!is.na(slep)) %>%
  distinct(slep, comuna) %>%
  group_by(slep) %>%
  summarise(comunas_slep = paste(sort(comuna), collapse = ", "), .groups = "drop")

anios_sin_simce <- c(2019, 2020, 2021)   # 2020-2021 sin aplicación; 2019 excluido (problemas de validez)

datos <- base %>%
  left_join(comunas_por_slep, by = "slep") %>%
  mutate(
    es_slep = !is.na(slep),
    es_corporacion = grepl("^Corporaci", modalidad_administrativa),
    # ---- a) Administración ----
    grupo = case_when(
      es_slep        ~ "SLEP",
      es_corporacion ~ "Municipal: Corporación",
      TRUE           ~ "Municipal: DAEM"
    ),
    txt_admin = case_when(
      es_slep & grepl("transici", modalidad_administrativa) ~
        paste0("SLEP ", slep, " (año de traspaso)"),
      es_slep        ~ paste0("SLEP ", slep),
      es_corporacion ~ "Sin SLEP · Corporación Municipal",
      TRUE           ~ "Sin SLEP · DAEM"
    ),
    nota_slep = case_when(
      es_slep & grepl("transici", modalidad_administrativa) ~
        "<i>Año de traspaso: ingresos municipales parciales (antes del traspaso)</i><br>",
      es_slep ~ paste0("<i>Ingresos y deuda corresponden al SLEP completo<br>(", comunas_slep, ")</i><br>"),
      TRUE ~ ""),
    # ---- b) Ingresos ----
    txt_ingreso = coalesce(fmt_millones(ingreso_total_educ_pesos), "Sin dato reportado"),
    # ---- c) Deuda flotante ----
    txt_deuda = case_when(
      !is.na(deuda_flotante_educ_devengado) ~ fmt_millones(deuda_flotante_educ_devengado),
      es_corporacion ~ "No registrada (Corporación: fuera de la base de Contraloría)",
      grepl("sin deuda", modalidad_administrativa) ~ "Sin deuda flotante registrada",
      TRUE ~ "Sin dato"
    ),
    # ---- d) SIMCE ----
    txt_simce = ifelse(
      año %in% anios_sin_simce,
      "No hubo SIMCE ese año",
      paste0("4° básico: Lectura ", coalesce(as.character(simce_4basico_lectura), "s/d"),
             " · Matemática ", coalesce(as.character(simce_4basico_matematica), "s/d"), "<br>",
             "2° medio: Lectura ", coalesce(as.character(simce_2medio_lectura), "s/d"),
             " · Matemática ", coalesce(as.character(simce_2medio_matematica), "s/d"))
    ),
    # ---- e) Matrícula (Mineduc) ----
    txt_matricula = paste0(format(matricula_publica, big.mark = ".", decimal.mark = ",", trim = TRUE),
                           " en establecimientos públicos (",
                           format(matricula_total, big.mark = ".", decimal.mark = ",", trim = TRUE),
                           " en total)"),
    # ---- Advertencias 2023 para SLEP (ver Nota metodológica) ----
    txt_ingreso = ifelse(es_slep & año == 2023 & !is.na(ingreso_total_educ_pesos),
                         paste0(txt_ingreso, " <i>(presupuesto vigente)</i>"), txt_ingreso),
    txt_deuda = ifelse(es_slep & año == 2023 & !is.na(deuda_flotante_educ_devengado),
                       paste0(txt_deuda, " <i>(ejecución a agosto)</i>"), txt_deuda),
    hover = paste0(
      "<b>", comuna, "</b> · ", año, "<br>",
      "<b>Administración:</b> ", txt_admin, "<br>",
      nota_slep,
      "<b>Matrícula:</b> ", txt_matricula, "<br>",
      "<b>Ingresos en educación:</b> ", txt_ingreso, "<br>",
      "<b>Deuda flotante:</b> ", txt_deuda, "<br>",
      "<b>SIMCE</b><br>", txt_simce
    ),
    comuna_norm = normalizar(comuna)
  )

Paso 4: cruce con los polígonos

Si alguna comuna de la planilla no encuentra su polígono, el código se detiene y dice cuál (así no vuelven a “faltar comunas” sin que nos demos cuenta).

# ---- Chequeo de cruce: TODAS las comunas de la planilla deben tener polígono ----
sin_poligono <- setdiff(unique(datos$comuna_norm), geo_rm$comuna_norm)
if (length(sin_poligono) > 0) stop("Comunas sin polígono: ", paste(sin_poligono, collapse = ", "))

mapa <- geo_rm %>%
  select(comuna_norm, geometry) %>%
  inner_join(datos, by = "comuna_norm") %>%
  arrange(año, comuna)

Paso 5: el mapa con slider

colores <- c("SLEP" = "#2C5F6F",
             "Municipal: DAEM" = "#D9C9A3",
             "Municipal: Corporación" = "#A89A80")
anios <- sort(unique(mapa$año))
anio_inicial <- max(anios)

# ---- Un trazo por comuna y año (polígono relleno) ----
p <- plot_ly()
for (i in seq_len(nrow(mapa))) {
  fila <- mapa[i, ]
  p <- add_sf(p, data = fila,
              fillcolor = colores[[fila$grupo]],
              line = list(color = "white", width = 0.7),
              hoveron = "fills", hoverinfo = "text",
              name = fila$comuna, showlegend = FALSE,
              visible = fila$año == anio_inicial)
}
# Trazos "fantasma" solo para la leyenda: un punto diminuto en el centro del mapa
# (si llevan NA, plotly los descarta y la leyenda desaparece)
centro <- sf::st_coordinates(sf::st_centroid(sf::st_union(geo_rm)))
for (g in names(colores)) {
  p <- add_trace(p, type = "scatter", mode = "markers",
                 x = centro[1, "X"], y = centro[1, "Y"],
                 marker = list(color = colores[[g]], size = 0.1, symbol = "square"),
                 name = g, showlegend = TRUE, hoverinfo = "skip", visible = TRUE)
}

b <- plotly_build(p)

# FIX DEL HOVER: con hoveron = "fills", plotly solo muestra el texto si es UN string
# por trazo; si es un vector (uno por vértice, como lo arma add_sf) cae al nombre del
# trazo -- por eso antes salía la categoría en vez del detalle de la comuna.
n_poly <- nrow(mapa)
for (k in seq_len(n_poly)) {
  b$x$data[[k]]$text <- mapa$hover[k]
  b$x$data[[k]]$hovertext <- NULL
  b$x$data[[k]]$hovertemplate <- NULL
}

n_total <- length(b$x$data)
pasos <- lapply(anios, function(a) {
  vis <- c(mapa$año == a, rep(TRUE, n_total - n_poly))
  list(method = "update", label = as.character(a),
       args = list(list(visible = vis),
                   list(title = list(text = paste0("Región Metropolitana · ", a)))))
})

b$x$layout$sliders <- list(list(
  active = which(anios == anio_inicial) - 1,
  currentvalue = list(prefix = "Año: ", font = list(size = 14)),
  pad = list(t = 30),
  steps = pasos
))
b$x$layout$title <- list(text = paste0("Región Metropolitana · ", anio_inicial))
b$x$layout$legend <- list(orientation = "h", y = 1.0, x = 0, itemsizing = "constant",
                          itemclick = FALSE, itemdoubleclick = FALSE)
b$x$layout$margin <- list(t = 70)
b$x$layout$font <- list(family = "Titillium Web")
b$x$layout$hoverlabel <- list(bgcolor = "#FAF7F0", align = "left",
                              font = list(family = "Titillium Web", size = 12))
b$x$layout$xaxis <- modifyList(b$x$layout$xaxis %||% list(), list(visible = FALSE))
b$x$layout$yaxis <- modifyList(b$x$layout$yaxis %||% list(), list(visible = FALSE))
mapa_widget <- b

Paso 6: ficha al hacer clic

El hover muestra el resumen del año seleccionado. Al hacer clic en una comuna se abre, debajo del mapa, su ficha con toda la trayectoria 2018-2024 (con el año del slider destacado), y la comuna queda marcada con borde negro. En celular, donde casi no existe el hover, esta es la forma principal de leer el mapa.

# ---- Ficha al hacer clic: trayectoria 2018-2024 de la comuna ----
fichas_df <- datos %>%
  arrange(comuna, año) %>%
  transmute(
    comuna, anio = año,
    admin = txt_admin,
    matricula = format(matricula_publica, big.mark = ".", decimal.mark = ",", trim = TRUE),
    ingreso = txt_ingreso,
    deuda = txt_deuda,
    simce4 = ifelse(año %in% anios_sin_simce, "No hubo SIMCE",
                    paste0("L ", coalesce(as.character(simce_4basico_lectura), "s/d"),
                           " · M ", coalesce(as.character(simce_4basico_matematica), "s/d"))),
    simce2 = ifelse(año %in% anios_sin_simce, "No hubo SIMCE",
                    paste0("L ", coalesce(as.character(simce_2medio_lectura), "s/d"),
                           " · M ", coalesce(as.character(simce_2medio_matematica), "s/d"))),
    nota = gsub("<br>", " ", gsub("</?i>", "", nota_slep))
  )
fichas <- lapply(split(fichas_df, fichas_df$comuna), function(d)
  lapply(seq_len(nrow(d)), function(i) as.list(d[i, ])))

# Qué comuna corresponde a cada trazo (los trazos de leyenda quedan sin comuna)
trace_comuna <- c(as.list(mapa$comuna), rep(list(NULL), length(mapa_widget$x$data) - n_poly))

js_ficha <- "
function(el, x, data) {
  var gd = el;
  var panel = document.createElement('div');
  panel.style.cssText = 'font-family:\"Titillium Web\",sans-serif;font-size:13px;margin:12px 0 4px;' +
    'padding:12px 14px;border:1px solid #D9D2C3;border-radius:6px;background:#FAF7F0;overflow-x:auto;';
  panel.innerHTML = '<span style=\"color:#666\">Haz clic en una comuna para ver su ficha 2018-2024.</span>';
  el.parentNode.insertBefore(panel, el.nextSibling);

  var sel = null, previos = [];
  function anioActual() {
    var s = gd._fullLayout.sliders[0]; return String(s.steps[s.active].label);
  }
  function resaltar(com) {
    if (previos.length) Plotly.restyle(gd, {'line.width': 0.7, 'line.color': 'white'}, previos);
    var idx = [];
    data.trace_comuna.forEach(function(c, i) { if (c === com) idx.push(i); });
    Plotly.restyle(gd, {'line.width': 3, 'line.color': '#1F1F1F'}, idx);
    previos = idx;
  }
  function render() {
    if (!sel) return;
    var filas = data.fichas[sel], a = anioActual();
    var nota = filas.map(function(r){return r.nota;}).filter(function(n){return n;}).pop() || '';
    var h = '<div style=\"display:flex;justify-content:space-between;align-items:baseline\">' +
      '<b style=\"font-size:16px;color:#2C5F6F\">' + sel + '</b>' +
      '<a href=\"#\" class=\"cerrar-ficha\" style=\"color:#888;text-decoration:none\">✕ cerrar</a></div>';
    if (nota) h += '<div style=\"color:#666;margin:2px 0 8px\"><i>' + nota + '</i></div>';
    h += '<table style=\"border-collapse:collapse;width:100%;min-width:640px\"><thead><tr style=\"text-align:left;border-bottom:2px solid #2C5F6F\">' +
      '<th style=\"padding:4px 6px\">Año</th><th style=\"padding:4px 6px\">Administración</th>' +
      '<th style=\"padding:4px 6px\">Matrícula pública</th><th style=\"padding:4px 6px\">Ingresos educación</th><th style=\"padding:4px 6px\">Deuda flotante</th>' +
      '<th style=\"padding:4px 6px\">SIMCE 4° básico</th><th style=\"padding:4px 6px\">SIMCE 2° medio</th></tr></thead><tbody>';
    filas.forEach(function(r) {
      var act = String(r.anio) === a;
      h += '<tr style=\"border-bottom:1px solid #E5DFD3;' + (act ? 'background:#E3ECEE;font-weight:600' : '') + '\">' +
        '<td style=\"padding:4px 6px\">' + r.anio + '</td><td style=\"padding:4px 6px\">' + r.admin + '</td>' +
        '<td style=\"padding:4px 6px\">' + r.matricula + '</td><td style=\"padding:4px 6px\">' + r.ingreso + '</td><td style=\"padding:4px 6px\">' + r.deuda + '</td>' +
        '<td style=\"padding:4px 6px\">' + r.simce4 + '</td><td style=\"padding:4px 6px\">' + r.simce2 + '</td></tr>';
    });
    panel.innerHTML = h + '</tbody></table>';
    panel.querySelector('.cerrar-ficha').onclick = function(e) {
      e.preventDefault(); sel = null;
      if (previos.length) Plotly.restyle(gd, {'line.width': 0.7, 'line.color': 'white'}, previos);
      previos = [];
      panel.innerHTML = '<span style=\"color:#666\">Haz clic en una comuna para ver su ficha 2018-2024.</span>';
    };
  }
  gd.on('plotly_click', function(ev) {
    var com = data.trace_comuna[ev.points[0].curveNumber];
    if (!com) return;
    sel = com; resaltar(com); render();
  });
  gd.on('plotly_sliderchange', function() { setTimeout(render, 50); });
}"

mapa_widget <- htmlwidgets::onRender(mapa_widget, js_ficha,
                                     data = list(fichas = fichas, trace_comuna = trace_comuna))
mapa_widget

Paso 7: exportar solo el mapa (para WordPress)

Igual que con la línea de tiempo: genera un .html autocontenido con la fuente Titillium Web.

mapa_web <- htmlwidgets::prependContent(
  mapa_widget,
  htmltools::tags$link(
    rel = "stylesheet",
    href = "https://fonts.googleapis.com/css2?family=Titillium+Web:wght@400;600&display=swap"
  )
)
htmlwidgets::saveWidget(mapa_web, "mapa_slep_rm.html", selfcontained = TRUE)

Nota metodológica

Unidad de análisis y período

El mapa presenta las 52 comunas de la Región Metropolitana entre 2018 y 2024. Para cada comuna y año se informa quién administra la educación pública, sus ingresos y su deuda flotante en educación, y los resultados SIMCE. Las cifras monetarias están en pesos nominales de cada año (sin corrección monetaria), por lo que no deben compararse entre años sin deflactar.

Administración de la educación pública

La pertenencia de cada comuna a un Servicio Local de Educación Pública (SLEP) sigue las fechas de traspaso de la Ley N° 21.040: el SLEP Barrancas (Cerro Navia, Lo Prado y Pudahuel) inicia el 1 de marzo de 2018 y el SLEP Gabriela Mistral (La Granja, Macul y San Joaquín) el 1 de enero de 2020. 2018 se trata como año de traspaso de Barrancas. Para las comunas que siguen bajo administración municipal, la distinción entre DAEM y Corporación Municipal se toma de la dependencia que el Ministerio de Educación asigna a los establecimientos de cada comuna (bases de matrícula): se clasifica como Corporación la comuna donde la mayor parte de la matrícula municipal está en establecimientos de una Corporación. Esta clasificación corrigió la inferencia inicial hecha desde la base de Contraloría en Macul y San Joaquín (2018-2019) y en Quinta Normal, que registran un área de Educación en su contabilidad municipal pero administran sus establecimientos mediante una Corporación.

Ingresos en educación

  • Comunas con administración municipal: Sistema Nacional de Información Municipal (SINIM), indicador IEDU016 “Ingresos Educación (Ingreso Total Percibido)”, en miles de pesos nominales, convertidos a pesos.
  • SLEP: Dirección de Presupuestos (DIPRES), serie histórica de ejecución presupuestaria 2019-2023 de cada servicio (Partida 09, capítulos 18 y 24), Programa 02 (Servicio Educativo). No se incluye el Programa 01 (gastos administrativos del servicio).
  • 2023 en los SLEP: la serie de DIPRES se publicó en septiembre de 2023, por lo que para ese año se usa el presupuesto vigente (decretos tramitados a agosto) y no la ejecución.
  • 2018 en Barrancas: corresponde a los ingresos municipales parciales informados al SINIM antes del traspaso.

Deuda flotante

  • Comunas con DAEM: Contraloría General de la República, ejecución presupuestaria municipal, área Educación, subtítulo 34.07 “Deuda Flotante”, monto devengado.
  • Corporaciones municipales: no se registran en esa base, por lo que su deuda flotante figura como no registrada (no equivale a deuda cero).
  • SLEP: DIPRES, misma serie histórica, subtítulo 34.07, monto ejecutado. Gabriela Mistral no registra deuda flotante en 2020, su primer año de funcionamiento.
  • 2023 en los SLEP: se usa la ejecución acumulada a agosto de 2023, por lo que es un dato parcial. Se descartó el presupuesto vigente de ese año porque la Ley de Presupuestos asigna a la deuda flotante un monto simbólico ($10.000) que no refleja la deuda real. Dado que la deuda flotante se paga principalmente en los primeros meses del año, la ejecución a agosto debiese aproximarse al total anual.

Matrícula

Bases de “Resumen de matrícula por establecimiento” del Centro de Estudios del Ministerio de Educación, agregadas por comuna. Se informa la matrícula total (todas las dependencias) y la matrícula pública, que suma los establecimientos municipales (DAEM y Corporación) y los de SLEP. No incluye los establecimientos de administración delegada.

SIMCE

Promedios comunales publicados por la Agencia de Calidad de la Educación para 4° básico y 2° medio, en Lectura y Matemática. Corresponden a todos los establecimientos de la comuna, no solo a los de administración pública. En 2020 y 2021 no se aplicó la prueba y en 2019 los resultados se excluyen por problemas de comparabilidad, por lo que en esos tres años no se informa puntaje.

Consideraciones para la lectura

  • Escala de los SLEP: sus ingresos y deuda corresponden al servicio completo y se repiten en cada una de sus tres comunas. No son comparables directamente con los de una comuna individual.
  • Cambio de fuente: antes del traspaso, ingresos y deuda provienen de fuentes municipales (SINIM y Contraloría); después, de DIPRES. Parte de la variación en el año de traspaso puede deberse al cambio de registro y no a un cambio en los recursos.
  • Datos faltantes: Calera de Tango, Isla de Maipo y San José de Maipo no informan ingresos al SINIM en el período. En 2024 no hay ingresos ni deuda de los SLEP, porque la serie de DIPRES utilizada llega a 2023.
  • Cobertura: los SLEP que inician en 2025 (Del Pino, Los Libertadores, Santa Corina y Santa Rosa) y en 2026 (Los Parques y Santiago Centro) quedan fuera del período.

Fuentes

  • Agencia de Calidad de la Educación. Resultados SIMCE 2018, 2022, 2023 y 2024, bases comunales.
  • Contraloría General de la República. Ejecución presupuestaria municipal, ejercicios 2018-2024.
  • Dirección de Presupuestos. Serie histórica 2019-2023, información de ejecución presupuestaria, Servicio Local de Educación Barrancas (Partida 09, Capítulo 18, Programa 02). https://www.dipres.gob.cl/597/articles-319086_doc_pdf.pdf
  • Dirección de Presupuestos. Serie histórica 2019-2023, información de ejecución presupuestaria, Servicio Local de Educación Gabriela Mistral (Partida 09, Capítulo 24, Programa 02). https://www.dipres.gob.cl/597/articles-319096_doc_pdf.pdf
  • Sistema Nacional de Información Municipal (SINIM). Datos municipales, área Educación, 2018-2024.
  • Centro de Estudios, Ministerio de Educación. Resumen de matrícula por establecimiento educacional, 2018-2024. Datos abiertos Mineduc.
  • Polígonos comunales: paquete chilemapas (R).