Introducción

El Índice de Desarrollo Humano (IDH) se creó para hacer hincapié en que la ampliación de las oportunidades de las personas debería ser el criterio más importante para evaluar los resultados en materia de desarrollo. El crecimiento económico es un medio que contribuye a ese proceso, pero no es un objetivo en sí mismo.

El IDH mide el progreso conseguido por un país en tres dimensiones básicas del desarrollo humano: disfrutar de una vida larga y saludable, acceso a educación y nivel de vida digno.
  • Librerias y paquetes
setwd("~/paola 6to semestre/eamj1130")
library(pacman) 
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc","readr", "knitr","DT","dplyr", "ggplot2","plotly", "gganimate","gifski","scales")
library(hpackedbubble)
## Warning: package 'hpackedbubble' was built under R version 4.0.4
## 
## Attaching package: 'hpackedbubble'
## The following object is masked from 'package:datasets':
## 
##     CO2
library(gplots)
## Warning: package 'gplots' was built under R version 4.0.4
## 
## Attaching package: 'gplots'
## The following object is masked from 'package:stats':
## 
##     lowess
library(psych)
## Warning: package 'psych' was built under R version 4.0.4
## 
## Attaching package: 'psych'
## The following objects are masked from 'package:scales':
## 
##     alpha, rescale
## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha
library(GGally)
## Warning: package 'GGally' was built under R version 4.0.4
## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2
library(car)
## Warning: package 'car' was built under R version 4.0.4
## Loading required package: carData
## 
## Attaching package: 'car'
## The following object is masked from 'package:psych':
## 
##     logit
## The following object is masked from 'package:dplyr':
## 
##     recode
library(gvlma)
library(strucchange)
## Warning: package 'strucchange' was built under R version 4.0.4
## Loading required package: zoo
## Warning: package 'zoo' was built under R version 4.0.4
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric
## Loading required package: sandwich
## Warning: package 'sandwich' was built under R version 4.0.4
#library(tidyverse)
#library(hexbin)
library(xtable)
## Warning: package 'xtable' was built under R version 4.0.4
library(extrafont)
## Registering fonts with R
library(normtest)
library("readxl")
mydata <- read_excel(file.choose(), sheet = 1)
head(mydata,n=20L)
## # A tibble: 20 x 7
##    PAIS    ANO   IDH    CF   PPC SALUD  EDUC
##    <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1 ARG    2000 0.77      0  8224   696   377
##  2 ARG    2001 0.775     0  7776   670   376
##  3 ARG    2002 0.77      0  6854   526   275
##  4 ARG    2003 0.775     0  7380   526   261
##  5 ARG    2004 0.775     0  7962   557   278
##  6 ARG    2005 0.777     0  8578   654   331
##  7 ARG    2006 0.801     0  9175   694   379
##  8 ARG    2007 0.806     0  9902   754   442
##  9 ARG    2008 0.81      1 10201   782   494
## 10 ARG    2009 0.81      1  9502   856   526
## 11 ARG    2010 0.818     1 10386   894   521
## 12 ARG    2013 0.823     1 10883   914   576
## 13 ARG    2012 0.823     1 10650   895   569
## 14 ARG    2013 0.824     1 10785    14   586
## 15 ARG    2014 0.825     1 10399   857   558
## 16 ARG    2015 0.828     0 10568   924   610
## 17 ARG    2016 0.828     0 10239   773   571
## 18 ARG    2017 0.832     0 10404   785   573
## 19 ARG    2018 0.83      0 10044   758   553
## 20 COL    2000 0.662     0  4858   277   171
pais =  mydata$PAIS
ppc =  mydata$PPC
x = mydata[c(3,6,7)]
pairs.panels(x,gap=0,method="pearson",lm=FALSE,hist.col="gray")

library(readr)
educacion <- read_xlsx("educacion.xlsx")

Población de 3 años y más por entidad federativa según condición de asistencia escolar, 2020.

Gráfica de asistencia escolar

library(ggplot2)
Entidad <- educacion$Entidad
Numero <- educacion$Asiste
datos <- data.frame(Entidad, Numero)
educacion <- ggplot(educacion, aes( y=Numero, x=Entidad)) +
  geom_bar(position="dodge", stat="identity", fill= "Yellow")+
  labs(x="Entidad Federativa", y="Asiste", title="Asistencia escolar por entidad 2020") +
  theme(axis.text.x = element_text(angle=90, hjust=1),axis.text.y =element_text(size = 6))
 
library(plotly)
ggplotly(educacion)
library(readr)
educacion <- read_xlsx("edunoasist.xlsx")

Gráfica de inasistencia escolar

library(ggplot2)
Entidad <- educacion$Entidad
Numero <- educacion$Noasiste
datos <- data.frame(Entidad, Numero)
educacion <- ggplot(educacion, aes( y=Numero, x=Entidad)) +
  geom_bar(position="dodge", stat="identity", fill= "skyblue")+
  labs(x="Entidad Federativa", y="No Asiste", title="No asistencia escolar por entidad 2020") +
  theme(axis.text.x = element_text(angle=90, hjust=1),axis.text.y =element_text(size = 6))
 
library(plotly)
ggplotly(educacion)

Conclusión

En conclusión, las medidas de confinamiento adoptadas como respuesta al COVID-19 interrumpieron la enseñanza convencional con el cierre a nivel nacional de las escuelas en la mayoría de los países, que se prolongó por lo menos 10 semanas en la mayoría de ellos. Por ello, que la comunidad educativa emprendió iniciativas importantes para mantener la continuidad del aprendizaje durante este periodo, los niños y los estudiantes tuvieron que depender más de sus propios recursos para seguir aprendiendo a distancia a través de Internet, la televisión o la radio. Los docentes también tuvieron que adaptarse a los nuevos conceptos pedagógicos y modos de impartir la enseñanza, para los cuales no recibieron capacitación. En particular, los aprendices de los grupos más marginados, que no tienen acceso a recursos de aprendizaje digital o que carecen de fortaleza y colaboración para aprender por su cuenta, corrieron el riesgo de quedar rezagados.