Establecimientos educativos bonaerenses de la Región Metropolitana de Buenos Aires
Melina Agustina Polo - polo.melina23@gmail.com
20 de agosto de 2020
1 Introducción
El presente trabajo se enmarca en las materias Introducción a la Ciencia de Datos y Ciencia de Datos Geográfica del curso de posgrado en Big Data e Inteligencia Territorial de FLACSO. Se trabaja con la distribución espacial de los establecimientos educativos de la Provincia de Buenos Aires localizados en la Región Metropolitana de Buenos Aires (RMBA). El análisis se centrará en el sector de gestión y la matrícula de los establecimientos educativos, con el objetivo de realizar una primera descripción de su distribución en el territorio mencionado.
1.1 Llamando a las librerías
library(readxl)
library(tidyverse)## -- Attaching packages --------------------------------------------------------------------------- tidyverse 1.3.0 --## v ggplot2 3.3.1 v purrr 0.3.4
## v tibble 3.0.1 v dplyr 1.0.0
## v tidyr 1.1.0 v stringr 1.4.0
## v readr 1.3.1 v forcats 0.5.0## -- Conflicts ------------------------------------------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library (sf) ## Linking to GEOS 3.8.0, GDAL 3.0.4, PROJ 6.3.1library (kableExtra) ##
## Attaching package: 'kableExtra'## The following object is masked from 'package:dplyr':
##
## group_rowslibrary (knitr)1.2 Abriendo el archivo
La base de establecimientos educativos se encuentra disponible en el catálogo de datos abiertos de la Provincia de Buenos Aires. Para poder ser abordada y que tenga compatibilidad con el dataset de la Región Metropolitana de Buenos Aires debieron hacerse una serie de ajustes. En este sentido, la dimensión más significativa es que la base de establecimientos educativos de la Provincia cataloga como partidos a la región de Islas de los municipios de San Fernando, Tigre, Campana y Zárate. El link para acceder al dataset de establecimientos educativos de la Provincia de Buenos Aires es: https://catalogo.datos.gba.gob.ar/dataset/establecimientos-educativos
establecimientos <- read_excel (path = "~/establecimientos.xlsx")1.3 Primera vista
Primero, se identifican las variables del dataset y el tipo de datos que contiene cada una de ellas.
names (establecimientos)## [1] "clave_provincial" "cue"
## [3] "anexo" "sede_axo_ext"
## [5] "region_educativa" "area"
## [7] "nombre_establecimiento" "dirección_calle"
## [9] "dirección_nro." "partido"
## [11] "caracteristica_telefonica" "teléfono"
## [13] "código_postal" "email"
## [15] "paraje" "localidad"
## [17] "distrito" "tipo_organizacion"
## [19] "ubicacion" "sector_de_gestion"
## [21] "dependencia" "subvencion"
## [23] "modalidad" "nivel"
## [25] "matricula2017" "latitud"
## [27] "longitud"str (establecimientos)## tibble [18,252 x 27] (S3: tbl_df/tbl/data.frame)
## $ clave_provincial : chr [1:18252] "0001BS0026" "0001BS0037" "0001BS0054" "0001BS0055" ...
## $ cue : chr [1:18252] "617698" "617709" "617726" "617727" ...
## $ anexo : chr [1:18252] "0" "0" "0" "0" ...
## $ sede_axo_ext : chr [1:18252] "SEDE" "SEDE" "SEDE" "SEDE" ...
## $ region_educativa : chr [1:18252] "1" "1" "1" "1" ...
## $ area : chr [1:18252] "INTERIOR" "INTERIOR" "INTERIOR" "INTERIOR" ...
## $ nombre_establecimiento : chr [1:18252] "ESC. SECUNDARIA BASICA Nº26" "ESC. SECUNDARIA BASICA Nº37" "ESC. SECUNDARIA BASICA Nº54" "ESC. SECUNDARIA BASICA Nº55" ...
## $ dirección_calle : chr [1:18252] "CAMINO CENTENARIO 13 E/ 511 Y 512" "131 Y 642 ESTACION ARANA" "526 BIS Y 16." "42 E/ 12 Y 13" ...
## $ dirección_nro. : chr [1:18252] "S/N" "S/N" "S/N" "S/N" ...
## $ partido : chr [1:18252] "La Plata" "La Plata" "La Plata" "La Plata" ...
## $ caracteristica_telefonica: chr [1:18252] "221" "221" "221" "221" ...
## $ teléfono : chr [1:18252] "471-7033" "491-0874" "422-1885" "4250374/4834879" ...
## $ código_postal : chr [1:18252] "1901" "1909" "1900" "1900" ...
## $ email : chr [1:18252] "ESB26LP@YAHOO.COM.AR" "SECUNDARIABASICA37@GMAIL.COM" "ESB54LAPLATA@YAHOO.COM.AR" "MARCELA00_MM@HOTMAIL.COM" ...
## $ paraje : chr [1:18252] NA "ARANA" NA NA ...
## $ localidad : chr [1:18252] "RINGUELET" "LA PLATA" "LA PLATA" "LA PLATA" ...
## $ distrito : chr [1:18252] "La Plata" "La Plata" "La Plata" "La Plata" ...
## $ tipo_organizacion : chr [1:18252] "ESCUELA SECUNDARIA BÁSICA" "ESCUELA SECUNDARIA BÁSICA" "ESCUELA SECUNDARIA BÁSICA" "ESCUELA SECUNDARIA BÁSICA" ...
## $ ubicacion : chr [1:18252] "Urbano" "Rural Disperso" "Urbano" "Urbano" ...
## $ sector_de_gestion : chr [1:18252] "Estatal" "Estatal" "Estatal" "Estatal" ...
## $ dependencia : chr [1:18252] "Oficial" "Oficial" "Oficial" "Oficial" ...
## $ subvencion : chr [1:18252] "Oficial" "Oficial" "Oficial" "Oficial" ...
## $ modalidad : chr [1:18252] "Educación Común" "Educación Común" "Educación Común" "Educación Común" ...
## $ nivel : chr [1:18252] "Nivel Secundario" "Nivel Secundario" "Nivel Secundario" "Nivel Secundario" ...
## $ matricula2017 : chr [1:18252] "147" "177" "99" "115" ...
## $ latitud : chr [1:18252] "-34.888514" "-34.998077" "-34.904243" "-34.914486" ...
## $ longitud : chr [1:18252] "-57.998292" "-57.89021" "-57.983735" "-57.963272" ...1.4 Seleccionando variables y tranformando los datos
Como el propósito del trabajo es analizar a los establecimientos educativos en la Región Metropolitana de la Provincia de Buenos Aires, se deben seleccionar los partidos correspondientes a esta Región. Para ello, se transforma la variable partido a factor, para luego identificar las categorías de dicha variable.
establecimientos$partido <- as.factor (establecimientos$partido)
class(establecimientos$partido)## [1] "factor"levels (establecimientos$partido)## [1] "Adolfo Alsina" "Adolfo Gonzales Chaves" "Alberti"
## [4] "Almirante Brown" "Arrecifes" "Avellaneda"
## [7] "Ayacucho" "Azul" "Bahía Blanca"
## [10] "Balcarce" "Baradero" "Benito Juárez"
## [13] "Berazategui" "Berisso" "Bolivar"
## [16] "Bragado" "Brandsen" "Campana"
## [19] "Cañuelas" "Capitán Sarmiento" "Carlos Casares"
## [22] "Carlos Tejedor" "Carmen de Areco" "Castelli"
## [25] "Chacabuco" "Chascomús" "Chivilcoy"
## [28] "Colón" "Coronel Dorrego" "Coronel Pringles"
## [31] "Coronel Rosales" "Coronel Suárez" "Daireaux"
## [34] "Dolores" "Ensenada" "Escobar"
## [37] "Esteban Echeverría" "Exaltación de la Cruz" "Ezeiza"
## [40] "Florencio Varela" "Florentino Ameghino" "General Alvarado"
## [43] "General Alvear" "General Arenales" "General Guido"
## [46] "General La Madrid" "General Las Heras" "General Lavalle"
## [49] "General Madariaga" "General Paz" "General Pinto"
## [52] "General Pueyrredón" "General Rodríguez" "General San Martín"
## [55] "General Viamonte" "General Villegas" "Gral. Belgrano"
## [58] "Guaminí" "Hipólito Yrigoyen" "Hurlingham"
## [61] "Islas Baradero" "Ituzaingó" "José C. Paz"
## [64] "Junín" "La Costa" "La Matanza"
## [67] "La Plata" "Lanús" "Laprida"
## [70] "Las Flores" "Leandro N. Alem" "Lezama"
## [73] "Lincoln" "Lobería" "Lobos"
## [76] "Lomas de Zamora" "Luján" "Magdalena"
## [79] "Maipú" "Malvinas Argentinas" "Mar Chiquita"
## [82] "Marcos Paz" "Mercedes" "Merlo"
## [85] "Monte" "Monte Hermoso" "Moreno"
## [88] "Morón" "Navarro" "Necochea"
## [91] "Nueve de Julio" "Olavarría" "Patagones"
## [94] "Pehuajó" "Pellegrini" "Pergamino"
## [97] "Pila" "Pilar" "Pinamar"
## [100] "Presidente Perón" "Puan" "Punta Indio"
## [103] "Quilmes" "Ramallo" "Rauch"
## [106] "Rivadavia" "Rojas" "Roque Pérez"
## [109] "Saavedra" "Saladillo" "Salliqueló"
## [112] "Salto" "San Andrés de Giles" "San Antonio de Areco"
## [115] "San Cayetano" "San Fernando" "San Isidro"
## [118] "San Miguel" "San Nicolás" "San Pedro"
## [121] "San Vicente" "Suipacha" "Tandil"
## [124] "Tapalqué" "Tigre" "Tordillo"
## [127] "Tornquist" "Trenque Lauquen" "Tres Arroyos"
## [130] "Tres de Febrero" "Tres Lomas" "Veinticinco de Mayo"
## [133] "Vicente López" "Villa Gesell" "Villarino"
## [136] "Zárate"En base al listado de partidos que componen a la Región Metropolitana de Buenos Aires, se genera un vector. El listado de partidos fue obtenido del Observatorio del Conurbano de la Universidad Nacional de General Sarmiento: http://observatorioconurbano.ungs.edu.ar/wp-content/uploads/308-Coronas-RMBA.jpg Luego, se seleccionan las variables y se filtran los partidos a partir del vector establecido para construir un nuevo dataset.
partidos_rmba <- c("Almirante Brown", "Avellaneda", "Berazategui", "Berisso", "Brandsen", "Campana", "Cañuelas", "Ensenada", "Escobar", "Esteban Echeverría", "Exaltación de la Cruz", "Ezeiza", "Florencio Varela", "General Las Heras", "General Rodríguez", "General San Martín", "Hurlingham", "Ituzaingó", "José C. Paz", "La Matanza", "La Plata", "Lanús", "Lomas de Zamora", "Luján", "Malvinas Argentinas", "Marcos Paz", "Merlo", "Moreno", "Morón", "Pilar", "Presidente Perón", "Quilmes", "San Fernando", "San Isidro", "San Miguel", "San Vicente", "Tigre", "Tres de Febrero", "Vicente López", "Zárate")
establecimientos_rmba <- select (establecimientos, cue, sede_axo_ext, area, region_educativa, nombre_establecimiento, partido, distrito, tipo_organizacion, sector_de_gestion, dependencia, modalidad, nivel, matricula2017, latitud, longitud)
establecimientos_rmba <- filter (establecimientos_rmba, partido %in% partidos_rmba)Es importante explicitar que el sistema educativo en la Provincia de Buenos Aires no se organiza por partidos, sino por regiones y distritos. Las regiones son divisiones territoriales que exceden a los municipios y, en muchos casos, contienen partidos que pertecen a la Región Metropolitana y partidos que la exceden. Por ejemplo, la Región 10 contiene a General La Heras, General Rodríguez, Luján, Marcos Paz, Cañuelas -pertenecientes a la RMBA-, Mercedes, Navarro, San Antonio de Giles y Suipacha -por fuera de la RMBA-.
Por otro lado, los distritos en general suelen coincidir con los límites territoriales de los partidos, pero si la base es filtrada por la variable distrito en lugar de partido, este filtrado nos brinda menos observaciones, por lo que se optó por filtrar mediante la variable partido. Asimismo, es importante distinguir que no siempre distrito y partido coinciden, por ejemplo, el municipio de La Matanza se constituye como una única región educativa, que contiene tres distritos en su interior.
2 Visualización
Para comenzar a analizar los datos, se procedió a su visualización. En primer lugar, la distribución de los establecimientos educativos bonarenses en la Región Metropolitana de Buenos Aires. A partir de esta primera visualización podemos identificar los partidos con mayor cantidad de establecimientos educativos: La Matanza, La Plata, Lomas de Zamora, Quilmes y Almirante Brown.
ggplot(data = establecimientos_rmba)+
geom_bar(mapping = aes (x=partido)) +
theme_minimal()+
labs (title = "Establecimientos educativos por partido",
x = "Partidos",
y = "Cantidad de establecimientos") +
coord_flip()
2.1 Sector de gestión
Luego, se visualiza la distribución de los establecimientos educativos en relación al tipo de gestión, donde se puede ver que predomina claramente la gestión estatal. Específicamente, se trata de 6389 establecimientos de gestión estatal y 4499 establecimientos de gestión privada.
ggplot(data = establecimientos_rmba) +
geom_bar(mapping = aes(x=sector_de_gestion)) +
theme_minimal()+
labs (title = "Gestión de los establecimientos educativos",
x = "Sector de Gestión",
y = "Cantidad de establecimientos")
table(establecimientos_rmba$sector_de_gestion)##
## Estatal Privado
## 6386 4499A continuación, se visualiza la variable sector de gestión en cada partido. A partir de ello, se puede identificar que los establecimientos educativos en Vicente López, San Isidro y San Miguel presentan una mayor predominancia de la gestión privada, mientras que los municipios de General Las Heras, Brandsen y Presidente Perón son los que presentan una mayor proporción de establecimientos de gestión estatal.
ggplot(data = establecimientos_rmba,
aes(x= partido, y= (sector_de_gestion),
fill=sector_de_gestion)) +
geom_bar(stat = "identity",position = "fill") +
theme_minimal()+
labs (title = "Sector de gestión según partido",
x = "Partidos",
y = "Sector de gestión") +
coord_flip()
Por último, se representa la cantidad de establecimientos educativos por partido según el tipo de gestión en un cuadro resumen.
resumen_establecimientos <- establecimientos_rmba %>%
group_by(partido, sector_de_gestion) %>%
summarise(cantidad = n ()) %>%
ungroup() %>%
spread(sector_de_gestion,
value = cantidad)## `summarise()` regrouping output by 'partido' (override with `.groups` argument)kable(resumen_establecimientos) %>%
kable_styling(bootstrap_options = "striped",
full_width = T,
position = "left")| partido | Estatal | Privado |
|---|---|---|
| Almirante Brown | 265 | 200 |
| Avellaneda | 221 | 117 |
| Berazategui | 200 | 123 |
| Berisso | 69 | 25 |
| Brandsen | 54 | 9 |
| Campana | 101 | 40 |
| Cañuelas | 87 | 18 |
| Ensenada | 47 | 10 |
| Escobar | 125 | 119 |
| Esteban Echeverría | 153 | 102 |
| Exaltación de la Cruz | 49 | 11 |
| Ezeiza | 102 | 45 |
| Florencio Varela | 222 | 109 |
| General Las Heras | 39 | 5 |
| General Rodríguez | 78 | 28 |
| General San Martín | 190 | 146 |
| Hurlingham | 104 | 63 |
| Ituzaingó | 76 | 91 |
| José C. Paz | 126 | 74 |
| La Matanza | 596 | 416 |
| La Plata | 403 | 293 |
| Lanús | 239 | 169 |
| Lomas de Zamora | 319 | 274 |
| Luján | 102 | 46 |
| Malvinas Argentinas | 134 | 123 |
| Marcos Paz | 57 | 16 |
| Merlo | 250 | 135 |
| Moreno | 277 | 160 |
| Morón | 183 | 154 |
| Pilar | 161 | 177 |
| Presidente Perón | 56 | 11 |
| Quilmes | 296 | 220 |
| San Fernando | 112 | 74 |
| San Isidro | 117 | 190 |
| San Miguel | 138 | 174 |
| San Vicente | 63 | 17 |
| Tigre | 192 | 178 |
| Tres de Febrero | 180 | 130 |
| Vicente López | 95 | 169 |
| Zárate | 108 | 38 |
2.2 Matrícula
La matrícula es la cantidad de alumnos registrados en un establecimiento a una fecha determinada, en este caso se trata de la matrícula del año 2017. Para analizarla, primero se observa la distribución de la misma en los diferentes partidos de la Región Metropolitana, y se distingue que los partidos con mayor matrícula son casi los mismos que los mencionados anteriormente como los partidos con mayor cantidad de establecimientos educativos: La Matanza, La Plata, Lomas de Zamora, Quilmes, Moreno, Merlo y Almirante Brown.
establecimientos_rmba$matricula2017 <- as.numeric(establecimientos_rmba$matricula2017)
class(establecimientos_rmba$matricula2017) #Primero debemos convertirla en variable numérica.## [1] "numeric"options (scipen = 999)
ggplot(establecimientos_rmba)+
geom_bar(aes(x= reorder (partido, matricula2017),
weight=matricula2017))+
labs (title = "Establecimientos educativos según matrícula",
x = "Partidos",
y = "Matrícula")+
coord_flip()
Luego, se representa la matrícula en relación a los sectores de gestión, en donde se puede identificar que la matrícula en los establecimientos de gestión estatal es claramente superior a la matrícula acumulada en los establecimientos de gestión privada.
ggplot(establecimientos_rmba)+
geom_bar(aes(x= reorder(sector_de_gestion, matricula2017),
weight=matricula2017)) +
labs (title = "Matrícula según sector de gestión",
x = "Sector de Gestión",
y = "Matrícula")
Por último, se construye un cuadro resumen de la matrícula en los diferentes partidos bonaerenses de la Región Metropolitana según sector de gestión.
establecimientos_rmba$matricula2017[is.na(establecimientos_rmba$matricula2017)] <- 0
resumen_matricula <- establecimientos_rmba %>%
group_by(partido, sector_de_gestion) %>%
summarise(matricula2017 = sum (matricula2017)) %>%
ungroup() %>%
spread(sector_de_gestion,
value = matricula2017)## `summarise()` regrouping output by 'partido' (override with `.groups` argument)kable(resumen_matricula) %>%
kable_styling(bootstrap_options = "striped",
full_width = T,
position = "left")| partido | Estatal | Privado |
|---|---|---|
| Almirante Brown | 84413 | 55503 |
| Avellaneda | 57310 | 34534 |
| Berazategui | 57442 | 37758 |
| Berisso | 18618 | 5476 |
| Brandsen | 7667 | 1632 |
| Campana | 22430 | 7417 |
| Cañuelas | 15296 | 4402 |
| Ensenada | 11727 | 2443 |
| Escobar | 44283 | 26395 |
| Esteban Echeverría | 59261 | 26740 |
| Exaltación de la Cruz | 6847 | 2182 |
| Ezeiza | 39737 | 13188 |
| Florencio Varela | 84815 | 33467 |
| General Las Heras | 3133 | 1503 |
| General Rodríguez | 27847 | 7796 |
| General San Martín | 49565 | 41787 |
| Hurlingham | 25630 | 15769 |
| Ituzaingó | 22060 | 18043 |
| José C. Paz | 55063 | 23613 |
| La Matanza | 207302 | 124637 |
| La Plata | 111200 | 71453 |
| Lanús | 63352 | 43832 |
| Lomas de Zamora | 100433 | 78076 |
| Luján | 20437 | 9202 |
| Malvinas Argentinas | 45161 | 39504 |
| Marcos Paz | 13978 | 3769 |
| Merlo | 104346 | 38863 |
| Moreno | 103362 | 41999 |
| Morón | 41900 | 41398 |
| Pilar | 60403 | 41368 |
| Presidente Perón | 21785 | 5905 |
| Quilmes | 91180 | 56774 |
| San Fernando | 21695 | 19562 |
| San Isidro | 27264 | 44131 |
| San Miguel | 42888 | 42827 |
| San Vicente | 21353 | 2784 |
| Tigre | 60930 | 45166 |
| Tres de Febrero | 35262 | 34338 |
| Vicente López | 16600 | 36303 |
| Zárate | 25823 | 9180 |
3 Mapas
Para representar la localización geográfica de los establecimientos educativos de la Provincia de Buenos Aires pertenecientes a la Región Metropolitana, se utiliza un mapa de dicha Región. Este dataset fue obtenido del repositorio de Antonio Vazquez Brust y contiene los límites geográficos de los partidos que componen la RMBA con sus radios censales.
rmba<- st_read("https://t.co/F2Afo12she?amp=1")## Reading layer `RMBA' from data source `https://t.co/F2Afo12she?amp=1' using driver `GeoJSON'
## Simple feature collection with 15122 features and 8 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: -59.37685 ymin: -35.42203 xmax: -57.70947 ymax: -33.80567
## geographic CRS: WGS 84ggplot() +
geom_sf(data= rmba)+
labs(title = "Mapa de Región Metropolitana de Buenos Aires") +
theme_void()
3.1 Establecimientos educativos en el mapa
El dataset de establecimientos educativos no es un dataset espacial, pero contiene las columnas de longitud y latitud, por lo cual es posible convertirlo en un dataset espacial. Esto permite representarlo en conjunto con el dataset de los límites geográficos de la RMBA.
establecimientos_rmba <- establecimientos_rmba %>%
filter(!is.na (latitud), !is.na (longitud)) %>%
st_as_sf(coords = c("longitud", "latitud"), crs = 4326)
ggplot() +
geom_sf(data = rmba) +
geom_sf (data = establecimientos_rmba,
color = "blue", alpha = .3) +
labs(title = "Mapa de establecimientos educativos de la PBA en la RMBA")+
theme_void()
Como primera observación, se puede decir que los puntos azules que representan a los establecimientos se concentran rodeando la Ciudad Autónoma de Buenos Aires, y se encuentran menos concentrados a mayor distancia de la misma. Asimismo, al norte de la Ciudad Autónoma de Buenos Aires podemos encontrar un espacio cuadrado que se encuentra en blanco, es decir sin establecimientos en su territorio. Se trata de la localidad de Campo de Mayo.
3.2 Establecimientos educativos en el mapa según partidos
Para visualizar la distribución de los establecimientos en el mapa según los partidos de la RMBA, se agrupan los datos por partido para limpiar los límites de los radios censales. A continuación, se visualizan los establecimientos en este nuevo mapa que solo presenta los límites de los partidos.
rmba_partidos <- rmba %>%
rename("partido" = "DEPTO") %>%
group_by(partido) %>%
summarise (PERSONAS = sum(PERSONAS),
HOGARES = sum(HOGARES),
VIVIENDAS = sum(VIVIENDAS),
VIV_HABIT = sum(VIV_HABIT)) %>%
ungroup ()## `summarise()` ungrouping output (override with `.groups` argument)ggplot() +
geom_sf(data = rmba_partidos)+
geom_sf(data=establecimientos_rmba, aes(color=partido)) +
labs(title = "Mapa de establecimientos educativos según partido") +
theme_void()
Este nuevo mapa permite identificar que la mayor concentración de establecimientos educativos se da en la 1° y 2° Corona de la RMBA. Sin embargo, también es posible visualizar una gran concentración de establecimientos en el partido de La Plata, correspondiente a la 3° Corona de la RMBA.
3.3 Establecimientos según sector de gestión y área en el mapa
3.3.1 Establecimientos según sector de gestión
Al diferenciar los establecimientos según gestión en el mapa, es posible identificar que la gestión privada se concentra sobre todo en las coronas 1 y 2, así como también en el sector de la corona 3 correspondiente a La Plata.
ggplot() +
geom_sf(data = rmba_partidos)+
geom_sf(data=establecimientos_rmba, aes(color=sector_de_gestion)) +
labs(title = "Mapa de establecimientos de según sector de gestión")+
theme_void()
3.3.2 Establecimientos según área
Además, si bien los establecimientos de gestión pública presentan, al igual que los establecimientos de gestión privada, una mayor concentración en las áreas más cercanas a la Ciudad Autónoma de Buenos Aires, los primeros tienen mayor presencia en el área que se extiende más allá del conurbano, es decir en aquellos establecimientos localizados en el área denominada interior.
ggplot() +
geom_sf(data = rmba_partidos)+
geom_sf(data=establecimientos_rmba, aes(color=area))+
labs(title = "Mapa de establecimientos según área")+
theme_void()
3.4 Coropletas
3.4.1 Establecimientos educativos según partido
Para poder representar la gran cantidad de establecimientos educativos que encontramos en el dataset, es pertinente realizar mapas coropléticos.
establecimientos_partidos_rmba<- establecimientos_rmba %>%
filter(!is.na(partido)) %>%
group_by(partido) %>%
summarise(cantidad = n())## `summarise()` ungrouping output (override with `.groups` argument) establecimientos_partidos_rmba <- establecimientos_partidos_rmba %>%
st_set_geometry(NULL)
rmba_partidos <- rmba_partidos %>%
left_join(establecimientos_partidos_rmba, by="partido")ggplot() +
geom_sf (data = rmba_partidos, aes(fill= cantidad)) +
geom_sf_text(data= rmba_partidos, aes(label = partido), size=1, colour = "black") +
labs(title = "Establecimientos educativos por partido",
subtitle = "Total de establecimientos",
fill = "Cantidad",
y="",
x="") +
scale_color_viridis_c(direction = -1) +
theme_void()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Al representar la información en un mapa coroplético, se puede observar claramente que los partidos con mayor cantidad de establecimientos educativos son La Matanza y La Plata, como se ha identificado en el apartado de visualización de la información. Además, este mapa permite observar, al igual que en el mapa de puntos, que la mayor cantidad de establecimientos se presentan alrededor de la Ciudad Autónoma de Buenos Aires, pero con variaciones en los diferentes partidos.
3.4.2 Sector de gestión en mapas coropléticos
A través de los mapas coropléticos según sector de gestión es posible comprobar, una vez más, que los establecimientos de gestión privada se concentran en el área conurbana y tienen una presencia muy acotada en el área interior. Como se ha señalado, en el área denominada interior predomina la presencia de establecimientos educativos de gestión estatal.
rmba_partidos <- rmba_partidos %>%
left_join(resumen_establecimientos, by="partido")
ggplot() +
geom_sf (data = rmba_partidos, aes(fill= Estatal))+
geom_sf_text(data= rmba_partidos, aes(label = partido), size=0.9, colour = "black") +
labs(title = "Establecimientos de gestión estatal",
x="",
y="") +
scale_color_viridis_c(direction = -1) +
theme_void()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
ggplot() +
geom_sf (data = rmba_partidos, aes(fill= Privado))+
geom_sf_text(data= rmba_partidos, aes(label = partido), size=0.9, colour = "black") +
labs(title = "Establecimientos de gestión privada",
x="",
y="") +
scale_color_viridis_c(direction = -1) +
theme_void()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
3.4.3 Matrícula según sector de gestión
Al representar en el mapa la matrícula según el sector de gestión, nuevamente los municipios de La Matanza y La Plata se distinguen al poseer una matrícula superior al resto de los partidos. En particular, el segundo mapa permite observar una coloración más uniforme en la 1° y 2° corona de la RMBA de la matrícula de los establecimientos de gestión privada, lo cual da cuenta de una matrícula similar para este sector de gestión en los partidos de esta parte de la RMBA.
gestion_rmba<- establecimientos_rmba %>%
filter(!is.na(sector_de_gestion)) %>%
group_by(partido, sector_de_gestion) %>%
summarise(cantidad = n())## `summarise()` regrouping output by 'partido' (override with `.groups` argument)rmba_partidos <- rmba_partidos %>%
left_join(resumen_matricula, by="partido")
ggplot() +
geom_sf (data = rmba_partidos, aes(fill= Estatal.y))+
geom_sf_text(data= rmba_partidos, aes(label = partido), size=0.9, colour = "black") +
labs(title = "Matrícula de gestión estatal",
fill = "Cantidad",
y="",
x="")+
scale_color_viridis_c(direction = -1) +
theme_void()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
ggplot() +
geom_sf (data = rmba_partidos, aes(fill= Privado.y))+
geom_sf_text(data= rmba_partidos, aes(label = partido), size=0.9, colour = "black") +
labs(title = "Matrícula de gestión privada",
fill = "Cantidad",
y="",
x="")+
scale_color_viridis_c(direction = -1) +
theme_void()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
3.5 Niveles y modalidades
Una dimensión sumamente interesante para abordar, pero que queda fuera de este análisis, son las variables de nivel y modalidad de los establecimientos educativos. Al observar las categorías de las variables nivel y modalidad se identificar que, en ambos casos, existe un error en la categorización que es complejo de subsanar, pero que puede ser objeto de otra instancia de análisis para complejizar las observaciones hechas en este trabajo.
La descripción de los establecimientos educativos por niveles y modalidades se ve limitada debido a la disposición y estructura de los datos, ya que los mismos no presentan los niveles y modalidades dispuestos por la Ley N°13688 de Educación de la Provincia de Buenos Aires. Esta Ley establece que los niveles educativos son: Nivel Inicial, Nivel Primario, Nivel Secundario y Nivel Superior. Mientras que las modalidades son Educación Artística; Educación Física; Educación Intercultural; Educación Ambiental; Educación Técnico-Profesional; Educación Especial; Educación Permanente de Jóvenes, Adultos, Adultos Mayores y Formación Profesional; y Psicología Comunitaria y Pedagogía Social.
establecimientos_rmba$nivel <- as.factor (establecimientos_rmba$nivel)
levels (establecimientos_rmba$nivel)## [1] ".." "Formación Integral"
## [3] "Formación Laboral" "Formación Profesional"
## [5] "Nivel Inicial" "Nivel Medio"
## [7] "Nivel Primario" "Nivel Secundario"
## [9] "Plan Fines (Trayectos y Deudores)"establecimientos_rmba$modalidad <- as.factor (establecimientos_rmba$modalidad)
levels (establecimientos_rmba$modalidad)## [1] ".." "Educación Común"
## [3] "Modalidad de Jóvenes y Adultos" "Modalidad Especial"
## [5] "Modalidad Técnico Profesional"4 Conclusiones
A partir de los diversos gráficos y mapas elaborados, es posible afirmar que la mayor cantidad de establecimientos, tanto de gestión estatal como de gestión privada, se encuentran en los partidos bonaerenses más cercanos a la Ciudad Autónoma de Buenos Aires. Además, la mayor concentración de la matrícula también se presenta en esta delimitación territorial. De esta manera, es posible decir que la mayor concentración de establecimientos y matrícula se encuentra en la 1° y 2° corona de la Región Metropolitana de Buenos Aires, en la denominada área del conurbano. Asimismo, es importante destacar también que el municipio de La Plata -capital de la Provincia- es la excepción de la 3° corona, ya que presenta una cantidad de establecimientos y matrícula significativa.
En línea con el párrafo anterior, es importante destacar que, a medida que los partidos se encuentran más alejados de la Ciudad Autónoma de Buenos Aires, disminuye la matrícula y la cantidad de establecimientos.
Finalmente, es importante remarcar que cuanto más se alejan los establecimientos educativos de la Ciudad Autónoma de Buenos Aires, la gestión de los mismos es predominantemente estatal. En este sentido, prevalece ampliamente la gestión estatal en los establecimientos ubicados en el área del interior del territorio analizado.