Trabajo práctico N°2: Ciencias de Datos II
Mauro Iuvaro. Año 2021
Problema de investigación
El siguiente problema de investigación surge a partir de una política pública del gobierno de la Ciudad Autonóma de Buenos Aires. Específicamente, la promoción, según beneficios económicos, a empresas privadas que forman parte del Distrito de Artes, Audiovisual, Diseño y Tecnológico. La pregunta directriz es si en la zona donde se han establecido estos tres distritos incorpora a sus vecinas y vecinos en materia de puestos de trabajo, promoción a la producción artística y/o facilitadores a la enseñanza de talleres culturales. No obstante, si bien la pregunta es ambiciosa para ser desarrollada en esta instancia, creo que una primera observación podría generar las preguntas acertadas para comenzar a abordar más íntegramente la cuestión. Para ello indagaré en datos capaces de ser localizables y agrupados geográficamente como los espacios culturales, las actividades culturales desarrolladas por el gobierno porteño, escuelas y otras socioeconómicas. Al final del trabajo espero poder describir qué tipo de espacios culturales componen a esta comuna, dónde están localizados, qué lugar tienen las actividades culturales propias del gobierno porteño, cuál es la situación laboral y educativa de su población, entre otras.
Objetivo General:
Explorar la distribución geográfica de los espacios culturales que forman parte del distrito de Artes, Diseño y Tecnológico de la Comuna 4 y las características socioeconómicas de estas comuna.
Objetivos específicos
- Conocer la densidad y el tipo de espacios culturales de la comuna 4
- Identificar las actividades culturales que realiza el gobierno porteño en esa comuna
- Indagar en las características socioeconómicas de la población que compone a la comuna
- Visualizar la distribución de los establecimientos educativos tipo escuelas primarias y secundarias
Diseño metodológico
Poblacion:
Todos los espacios culturales que formen parte de la Comuna 4
Unidad de análisis
Cada uno de los espacios culturales que formen parte de la Comuna 4
Diseño
Exploratorio, transversa y descriptivo
Obtención de la información y su tratamiento posterior
La información será obtenida del portal de datos abiertos https://data.buenosaires.gob.ar/ y su tratamiento será mediante la herramienta software de uso libre RStudio.
Variables a utilizar
Las variables a utilizar serán: - Distribución de espacios culturales - Actividades culturales desarrolladas por el gobierno porteño - Educación segun jefes de hogares - Situación laboral de la población
library(data.table)
library(tidyverse)
library(osmdata)
library(ggmap)
library(ggrepel)
library(sf)
library(RColorBrewer)Se utilizarán librerías como tidyverse para facilitar el manejo de datos, osmdata, ggmap, sf para la obtención de datos georreferenciados, coordenadas y diseñar mapas de locación, data.table para aligerar los data sets cargados, ggrepel para facilitar la lectura de la información representada y RColorBrewer para ampliar la paleta de colores de R.
Minería de datos
comunas <- read_sf("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/comunas/CABA_comunas.geojson")
espacios <- read_sf("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/ministerio-de-cultura/espacios-culturales/espacios-culturales.geojson")
act.culturales <- read_sf("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/actividades-culturales/actividades-culturales-2019.geojson")
encuesta <- read.csv("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/direccion-general-de-estadisticas-y-censos/encuesta-anual-hogares/encuesta-anual-hogares-2019.csv")
distrito_tecnologico <- read_sf("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/empresas-distrito-tecnologico/empresas-distrito-tecnologico.geojson")
distrito_diseno <- read.csv("https://cdn.buenosaires.gob.ar/datosabiertos/datasets/empresas-del-distrito-del-diseno/empresas-del-distrito-del-diseno.csv")
distrito_artes <- read_sf("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/espacios-distritos-de-las-artes/espacios-del-distrito-de-las-artes.geojson")
barrios <- read_sf("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/barrios/barrios.geojson")Caja de coordenadas y mapa
# Caja coordenadas y mapa CABA
bbox <- as.numeric(st_bbox(comunas))
caba <- get_stamenmap(bbox = bbox, zoom = 13, crop = TRUE)
# Caja coordenadas y mapa Comuna 4
comuna4 <- comunas %>%
filter(COMUNAS==4)
bbox_comuna4 <- as.numeric(st_bbox(comuna4))
bbox_polygon <- getbb("Comuna 4, Ciudad Autónoma de Buenos Aires", format_out = "sf_polygon")
comuna4 <- get_stamenmap(bbox = bbox_comuna4, zoom = 16, crop = TRUE,
maptype = "toner-lite")Estética
t_mauro <- theme(plot.title = element_text(hjust = 0.5,
face= "bold",
size = 17,
vjust = 3),
plot.subtitle = element_text(hjust = 0.5,
face = "bold",
size = 15),
plot.caption = element_text(hjust = 0.5,
face = "bold",
size = 10),
legend.title = element_text(inherit.blank = TRUE,
face = "bold",
size = 10),
legend.text = element_text(face = "bold",
size = 10,
vjust = 1),
axis.text = element_text(face = "bold",
size = 10,
colour = "black"),
axis.title = element_text(face="bold",
size = 9,
colour = "black",
hjust = 1)). Sobre comunas, es una base de datos con información geográfica de la locación (perímetro y área) de las comunas de la Ciudad establecidas a partir de la Ley Orgánica de Comunas (Ley Nº 1777/2005).
. Sobre los espacios culturales, es un “listado de espacios culturales públicos, privados e independientes localizados en la Ciudad de Buenos Aires. Incluye bares, bibliotecas, calesitas, centros culturales, disquerías, espacios de exhibición, espacios de formación, espacios escénico, espacios ferial, librerías, monumentos y lugares históricos y salas de cine.”
. Las actividades culturales es un listado de todas las actividades organizadas por el Ministerio de Cultura de la Ciudad
. La encuesta anual de hogares (EAH) es realizada por la DGEyC en todo el territorio de la Ciudad de Buenos Aires. El objetivo es relevar las características demográficas de los habitantes de la Ciudad, así como también obtener datos sobre su nivel educativo, salud y situación laboral. La muestra está diseñada de manera tal que los resultados de la encuesta permiten una representatividad del total de la Ciudad y de cada una de sus Comunas.
. Sobre los distritos, refieren a empresas del distrito de las artes, diseño y tecnológico radicadas en la Comuna 4
. Barrios refiere a la información geográfica sobre los barrios de la Ciudad de Buenos Aires ## Acercamiento
Tratamiento de los datos
Para conocer la concentración de actividades culturales que realiza el gobierno porteño en la Comuna 4 primero necesitamos generar una coropleta
Las coropletas son mapas de densidad según cantidad de datos en un área Para realizarla debemos integrar ambos data sets al data set de COMUNAS. Aquí los datos están agregados ya que no nos interesa discriminar por disciplina, tipo de espacio, etc.
actividades2019 <- act.culturales %>%
group_by(comuna) %>%
summarise(actividades=n()) %>%
arrange(desc(actividades))
espacios_agrupados <- espacios %>%
group_by(COMUNA) %>%
summarise(espacios=n()) %>%
arrange(desc(espacios))
view(actividades2019)
view(espacios_agrupados)
View(comunas)Si quiero joinear la base de datos según la variable COMUNAS deberé homologar el nombre de su variable así como la información que la contiene
espacios_agrupados <- rename(espacios_agrupados, comuna=COMUNA)
comunas <- rename(comunas, comuna=COMUNAS)
#CAMBIO DE NOMBRE
actividades2019 <- actividades2019 %>%
mutate(comuna=case_when(comuna== "COMUNA 1"~"1",
comuna== "COMUNA 2"~"2",
comuna== "COMUNA 3"~"3",
comuna== "COMUNA 4"~"4",
comuna== "COMUNA 5"~"5",
comuna== "COMUNA 6"~"6",
comuna== "COMUNA 7"~"7",
comuna== "COMUNA 8"~"8",
comuna== "COMUNA 9"~"9",
comuna== "COMUNA 10"~"10",
comuna== "COMUNA 11"~"11",
comuna== "COMUNA 12"~"12",
comuna== "COMUNA 13"~"13",
comuna== "COMUNA 14"~"14",
comuna== "COMUNA 15"~"15"))
espacios_agrupados <- espacios_agrupados %>%
mutate(comuna=case_when(comuna=="COMUNA 01"~"1",
comuna== "COMUNA 02"~"2",
comuna== "COMUNA 03"~"3",
comuna== "COMUNA 04"~"4",
comuna== "COMUNA 05"~"5",
comuna== "COMUNA 06"~"6",
comuna== "COMUNA 07"~"7",
comuna== "COMUNA 08"~"8",
comuna== "COMUNA 09"~"9",
comuna== "COMUNA 10"~"10",
comuna== "COMUNA 11"~"11",
comuna== "COMUNA 12"~"12",
comuna== "COMUNA 13"~"13",
comuna== "COMUNA 14"~"14",
comuna== "COMUNA 15"~"15"))
# Las categorías de la variable comunas parece numérica, ¿pero lo es?
class(espacios$comuna)## [1] "NULL"class(actividades2019$comuna)## [1] "character"# Cambiamos a numéricas
espacios_agrupados$comuna <- as.numeric(espacios_agrupados$comuna)
actividades2019$comuna <- as.numeric(actividades2019$comuna)
#Le quitamos la geometría a cada uno para unirlos
espacios_agrupados <- st_drop_geometry(espacios_agrupados)
actividades2019 <- st_drop_geometry(actividades2019)
#Agrupamos nuevamente
# Ahora sí
comunas <- comunas %>%
left_join(espacios_agrupados, by="comuna")
comunas <- comunas %>%
left_join(actividades2019, by="comuna")COMUNA 4: Cultura en barrios
En esta instancia indagaremos más qué sucede en la Comuna 4, qué tipos de espacios hay, las actividades que mayormente realiza el gobierno porteño y el top 3 de lugares donde las realiza. Primero observemos la distribución espacial de los espacios culturales:
Grafiquemos
# Grafiquemos
#Espacios
ggmap(caba)+
geom_sf(data = comunas, aes(fill=espacios), inherit.aes = FALSE,
alpha=.6, color="black", size=.8)+
scale_fill_gradient(low = "#ffeda0", high = "#f03b20")+
geom_sf_label(data=comunas, aes(label = comuna), size=2.5, colour = "black", inherit.aes = FALSE)+
labs(title = "Cuadro N° 1: Densidad de espacios culturales",
subtitle = "Ciudad Autónoma de Buenos Aires",
fill="Cantidad de espacios",
caption = "Fuente: Elaboración propia en base a datos obtenidos de https://data.buenosaires.gob.ar/")+
theme_void()+
theme(plot.title = element_text(hjust = 0.5,
face= "bold",
size = 17,
vjust = 3),
plot.subtitle = element_text(hjust = 0.5,
face = "bold",
size = 15),
plot.caption = element_text(hjust = 0.5,
face = "bold",
size = 10),
legend.title = element_text(inherit.blank = TRUE,
face = "bold",
size = 10),
legend.text = element_text(face = "bold",
size = 10,
vjust = 1))
De estos podemos hacer varias observaciones: La primera es que la mayor cantidad de espacios culturales se encuentran en la Comuna 1, con los barrios de Retiro, San Nicolás, Puerto Madero, San Telmo, Monserrat y Constitución, con 988 espacios. Les sigue la Comuna 2 del barrio de Recoleta con 357, la Comuna 14 del barrio de Palermo con 313, y la Comuna 3 de los barrios Balvanera y San Cristóbal con 274 espacios. En segundo lugar, vemos que en aquellas comunas más alejadas como la 7, 8, 9, 10, 11 y 12 la concentración de espacios culturales es menor. Más allá de que esta falta podríamos atribuírselo a la calidad de la fuente de datos, cuya posible corrección es dudoso que haga una diferencia significativa del estado actual, ¿a qué se debe la falta de espacios culturales en estas comunas? Una primera respuesta podríamos buscarla en la Comuna 14. Ella refiere al barrio de Palermo, donde se encuentra el Distrito de Audiovisuales. Limítrofe a ella está la Comuna 2, ubicada en segundo lugar con mayor cantidad de espacios. En relación a esto, ¿dónde están los otros distritos y cuál será la cantidad de espacios culturales en sus respectivas comunas? En la Comuna 4, donde está el Distrito Tecnológico (Parque Patricios), Artes (La Boca) y Diseño(Barracas), hay 164 espacios culturales, casi la mitad de Palermo. Si estos clústeres son “áreas delimitadas territorialmente y orientadas temáticamente dentro de las que el gobierno de la ciudad concede diversos incentivos y beneficios fiscales a iniciativas privadas que inviertan capitales para el desarrollo y mejora de infraestructuras o inicien nuevos emprendimientos con impacto socio económico en los barrios donde se localizan” (Bayardo, 2016:165), ¿qué relación tendrán con las vecinas y vecinos de sus barrios? Y a todo esto, ¿qué tipos de espacios son?
# Espacios en comuna 4
espacios_c4 <- espacios %>%
filter(COMUNA=="COMUNA 04")
# Tipos de espacios en Comuna 4. Miramos las categorías
unique(espacios_c4$FUNCION_SE)## [1] NA
## [2] "BAR, ESPACIO DE FORMACION"
## [3] "ESPACIO DE FORMACION"
## [4] "ESPACIO ESCENICO"
## [5] "GALERIA DE ARTE"
## [6] "BIBLIOTECA, ESPACIO ESCENICO"
## [7] "ESPACIO ESCENICO, ESPACIO DE FORMACION"
## [8] "BIBLIOTECA, ESPACIO DE FORMACION"
## [9] "BAR, GALERIA DE ARTE"
## [10] "BAR, ESPACIO DE FORMACION, GALERIA DE ARTE"
## [11] "BAR"
## [12] "ESPACIO DE FORMACIÓN"unique(espacios_c4$FUNCION_PR)## [1] "BIBLIOTECA" "ESPACIO FERIAL"
## [3] "CENTRO CULTURAL" "DISQUERIA"
## [5] "ESPACIO DE EXHIBICION" "CALESITA"
## [7] "ESPACIO ESCENICO" "LIBRERIA"
## [9] "MONUMENTOS Y LUGARES HISTORICOS" "ESPACIO DE FORMACION"
## [11] "BAR"# Nos quedamos con la segunda a fines de agregación
ggplot(espacios_c4 %>%
group_by(FUNCION_PR) %>%
summarise(cantidad=n()),
aes(fill=FUNCION_PR))+
geom_col(aes(x=reorder(FUNCION_PR, cantidad), y=cantidad), colour="black", size=.3)+
scale_fill_brewer(palette = "Paired")+
coord_flip()+theme_minimal()+
geom_text(aes(x=FUNCION_PR, y= cantidad, label = cantidad),
hjust=-.1)+
labs(title = "Cuadro N° 2: Cantidad espacios culturales en Comuna 4",
subtitle = "Segun tipo",
fill= "Tipo de espacio",
x="Tipo de espacio",
y="Cantidad",
caption = "Fuente: Elaboración propia en base a datos obtenidos de https://data.buenosaires.gob.ar/")+
t_mauro
En lo que respecta a la cantidad y tipo de espacios vemos que los espacios de exhibición superan en cantidad al resto. En total, registrados por esta fuente de datos, son 38: divididos en 23 museos y 15 galerías de arte. Aquí surge una pregunta: ¿cuán representativo es el efecto de estos espacios, mayormente privados, sobre la trama de regeneración urbana de esta comuna? ¿Qué calidad de empleo se promovería para la población local? La pretendida “inclusión social de ciertos sectores de la población y la revitalización urbana”, ¿qué alcances ciertos podrían tener? (Ídem, 168). Y retomando a Ulldemolins y Zarlenga, ¿acaso este diálogo entre los distritos de las artes, diseño y tecnología no esconde una dinámica instrumental? Sin embargo, podría ocurrir que en estos espacios se desarrolle una gran cantidad de actividades culturales desde el gobierno porteño. Es decir, que tenga convenios con estos espacios para que lo privado, luego del beneficio otorgado, se vincule con lo público de alguna manera. Apliquemos una suerte de variable control.
Para eso veamos la concentración de actividades culturales realizadas por el GCABA en el año 2019:
ggmap(caba)+
geom_sf(data = comunas, aes(fill=actividades), inherit.aes = FALSE,
alpha=.6, color="black", size=.8)+
scale_fill_gradient(low = "#ffeda0", high = "#f03b20")+
theme_void()+
geom_sf_label(data=comunas, aes(label = comuna), size=2.5, colour = "black", inherit.aes = FALSE)+
labs(title = "Cuadro N°3: Densidad de actividades culturales realizada por el gobierno porteño",
subtitle = "Año 2019. Ciudad Autónoma de Buenos Aires",
fill="Cantidad de actividades",
caption = "Fuente: Elaboración propia en base a datos obtenidos de https://data.buenosaires.gob.ar/")+
theme(plot.title = element_text(hjust = 0.5,
face= "bold",
size = 17,
vjust = 3),
plot.subtitle = element_text(hjust = 0.5,
face = "bold",
size = 15),
plot.caption = element_text(hjust = 0.5,
face = "bold",
size = 10),
legend.title = element_text(inherit.blank = TRUE,
face = "bold",
size = 10),
legend.text = element_text(face = "bold",
size = 10,
vjust = 1))
De las 15066 actividades realizadas en el 2019, el 23% (3337) tuvieron lugar en la comuna que estamos investigando. Veamos un poco más de cerca el top 3 de actividades según tipo en la Comuna 4:
# Actividades en comuna 4
actividades_c4 <- act.culturales %>%
filter(comuna=="COMUNA 4")
# Mapa
ggplot(actividades_c4 %>%
group_by(disciplina_artistica) %>%
summarise(cantidad=n()) %>%
arrange(desc(cantidad))%>%
head(3),
aes(fill=disciplina_artistica))+
geom_col(aes(x=disciplina_artistica, y=cantidad),
colour="black", size=.3)+
scale_fill_brewer(palette = "Set2")+
coord_flip()+ theme_minimal()+
geom_text(aes(x=disciplina_artistica, y= cantidad, label = cantidad),
hjust=-.2)+
labs(title = "Cuadro N°4: Top 3 de actividades culturales en Comuna 4",
subtitle = "Organizadas por el gobierno porteño en 2019",
fill="Tipo de actividades",
x="Tipo de actividades",
y="Cantidad",
caption = "Fuente: Elaboración propia en base a datos obtenidos de https://data.buenosaires.gob.ar/")+
annotate(geom = "text",
x="OTROS",
y=400,
label="Actividades de formación: Charlas, clases, workshop y seminarios.
También visitas, recorridos y encuentros",
colour="black")+
t_mauro
El top 3 de tipo de actividades culturales organizadas por GCABA en la comuna con ¾ de los distritos son conciertos musicales (646), talleres de formación como charla, clase, workshop, seminario (580) y funciones de artes escénicas (539). Sumémosle a la variable de control la dimensión de “tipo de establecimiento”, para saber dónde tenían lugar. Quizás tengan lugar en los museos o galerías de arte…
#Mapa
ggplot(actividades_c4 %>%
group_by(establecimiento) %>%
summarise(cantidad=n()) %>%
arrange(desc(cantidad))%>%
head(3),
aes(fill=establecimiento))+
geom_col(aes(x=establecimiento, y=cantidad),
colour="black", size=.3)+
scale_fill_brewer(palette = "Set2")+
theme_minimal()+
geom_text(aes(x=establecimiento, y= cantidad, label = cantidad),
vjust=-.2)+
labs(title = "Cuadro N°5: Top 3 de actividades culturales en Comuna 4",
subtitle = "Según establecimiento, realizadas por el gobierno porteño en 2019",
fill="Tipo de actividades",
x="Tipo de actividades",
y="Cantidad",
caption = "Fuente: Elaboración propia en base a datos obtenidos de https://data.buenosaires.gob.ar/")+
t_mauro
Pero no. En el año 2019, en la Usina del Arte tuvieron lugar casi el 100 % de los conciertos musicales (615) como de los talleres de formación (577), y al menos 1/3 de las funciones de artes escénicas (218). ¿Cuántas actividades contabiliza en total la Usina del Arte en el año 2019? En total suman 2510, es decir, el 75% (3337) del total de las actividades de la Comuna 4. Es decir que la mayor cantidad de la oferta cultural pública proviene de un solo espacio. A estos sumamos que dicha oferta no está conectada con las supuestas inversiones de capitales privados en la zona facilitadas por el gobierno en cuestión. ¿Materializan los distritos aquella estrategia discursivamente proteccionista de lo urbanístico y lo comunitario en los vecinos del barrio de La Boca y Barracas cuando hay apenas 10 espacios de formación y 30 galerías de arte y museos? El segundo lugar donde mayormente tienen lugar las actividades culturales organizadas por el GCABA es en el Espacio Cultural del Sur. Según la definición en su página web: “Una postal de estilo colonial en pleno Balvanera. El patio adoquinado es el centro del espacio, rodeado de caballerizas originales y árboles centenarios, es cuna de titiriteros, espectáculos de teatro, música y proyecciones de cine (…) La intención fue la de generar un espacio para que la comunidad se encuentre con su cultura y participe de la misma”. Su top 3 de actividades en el 2019 fueron: Funciones de artes escénicas, mayormente títeres (186), funciones musicales de tipo peña y rioplatense (38), y exposición de artes visuales sobre corporalidades (14). En tercer lugar, está el espacio Teatro de la Ribera. Su top 3 de actividades en el 2019 fueron: Funciones de artes escénicas, entre títeres y teatro tradicional (115), talleres de sastrería, zapatería teatral e introducción al teatro de sombras (45) y visitas y recorridos, cuya información sobre qué se trataba no es clara,3 (5). ¿Cuánto de estas actividades culturales que ha desarrollado el gobierno porteño tienen un diálogo con los distritos de Arte, Tecnología y Diseño? Realmente pareciera que ninguna.
Distritos y población
Si tomamos como variable la política pública de promoción al desarrollo de empresas mediante beneficios fiscales, y una de sus dimensiones, la generación de actividades gratuitas por el gobierno porteño en estos espacios para facilitar el acceso a la población, entonces no pareciera que hubiese una relación de inversión para la población local.
Miremos ahora dónde están los espacios culturales que forman parte de los distritos y la Usina del Arte. Para ello debemos trabajar con los dat set de los distritos, ya que luego de observarlos comprobamos que el distrito_diseno no tiene una caja de coordenadas como los otros dos, sino que tiene las variables de longitud y latitud.
#D DISENO
distrito_diseno <- distrito_diseno %>%
filter(!is.na(lat), !is.na(long)) %>%
st_as_sf(coords = c("long", "lat"), crs = 4326)
#Delimitemos según los límites de la comuna
distrito_artes <- st_intersection(distrito_artes, bbox_polygon)
distrito_diseno <- st_intersection(distrito_diseno, bbox_polygon)
distrito_tecnologico <- st_intersection(distrito_tecnologico, bbox_polygon)
#Asigno nombres
distrito_artes <- distrito_artes %>%
mutate(distrito="Distrito Artes") %>%
group_by(distrito) %>%
summarise(cantidad=n())
distrito_diseno <- distrito_diseno %>%
mutate(distrito="Distrito Diseño") %>%
group_by(distrito) %>%
summarise(cantidad=n())
distrito_tecnologico <- distrito_tecnologico %>%
mutate(distrito="Distrito Tecnológico") %>%
group_by(distrito) %>%
summarise(cantidad=n())
#Uno distritos
distritos <- bind_rows(distrito_tecnologico, distrito_artes, distrito_diseno)Ahora miremos el espacio:
# Primero debemos generar los barrios para que grafiquen la delimitación administrativa
b_c4 <- barrios %>%
filter(comuna==4)
#Incorporarmos la Usina del arte
usina_arte <- espacios_c4%>%
filter(ESTABLECIM=="USINA DEL ARTE")
ggmap(comuna4)+
geom_sf(data = b_c4, color="#2418e1", fill=NA, inherit.aes = FALSE, size=1.4)+
geom_sf(data = bbox_polygon, inherit.aes = FALSE, color="red", fill=NA, size=2)+
scale_fill_gradient(low="#f7fcb9", high="#addd8e")+
geom_sf(data = distritos, inherit.aes = FALSE)+
geom_sf(data = usina_arte, inherit.aes = FALSE, color="magenta", shape=4, stroke=2, size=3)+
geom_label_repel(data=distritos,aes(label=distrito, geometry=geometry),
stat = "sf_coordinates",
inherit.aes = FALSE,
size=2.5,
min.segment.length = 0,
segment.colour = "black")+
geom_label_repel(data=b_c4,aes(label=barrio, geometry=geometry),
stat = "sf_coordinates",
inherit.aes = FALSE,
size=2.5,
min.segment.length = -1,
force = 1,
segment.colour = "blue",
color="red")+
geom_label_repel(data=usina_arte,aes(label=ESTABLECIM, geometry=geometry),
stat = "sf_coordinates",
inherit.aes = FALSE,
size=2.5,
min.segment.length = 0,
segment.colour = "magenta")+
labs(title = "Cuadro N°6: Disposición de los 3 distritos en la Comuna 4",
subtitle = "Arte, Diseño y Tecnológico")+
theme_void()+
theme(plot.title = element_text(hjust = 0.5,
face= "bold",
size = 17,
vjust = 3),
plot.subtitle = element_text(hjust = 0.5,
face = "bold",
size = 15),
plot.caption = element_text(hjust = 0.5,
face = "bold",
size = 10))
Por un lado vemos que la distribución espacial de cada uno de los distritos está delimitado barrialmente. Por otro lado vemos que la Usina del Arte, en el barrio de la Boca. Como exploración, generemos un mapa según la distribución de las escuelas, ya que es interesante conocer en qué barrio están mayormente en relación a estos espacios culturales:
# Creo objeto
bbox_escuelas<- opq(bbox_comuna4) %>%
add_osm_feature(key = "amenity", value = "college") %>%
osmdata_sf()
#Creo objeto
escuelas <- bbox_escuelas$osm_points
#Intercepto
escuelas<- st_intersection(escuelas, bbox_polygon)
#Arreglo nombres
escuelas <- escuelas %>%
mutate_if(is.character, iconv, from="UTF-8", to="latin1" )
#Elijo variables y cambio nombre luego
escuelas <- escuelas %>%
select(name, geometry)
escuelas <- rename(escuelas, escuelas=name)
b_c4 <- st_join(b_c4, escuelas)
#escuelas
escuelas <- b_c4 %>%
select(barrio, escuelas, geometry) %>%
group_by(barrio) %>%
summarise(escuelas=n())ggmap(comuna4)+
geom_sf(data = escuelas, aes(fill=escuelas), inherit.aes=FALSE, alpha=.6)+
geom_sf(data = b_c4, color="#2418e1", fill=NA, inherit.aes = FALSE, size=1.4)+
geom_sf(data = bbox_polygon, inherit.aes = FALSE, color="red", fill=NA, size=2)+
scale_fill_gradient(low="#f7fcb9", high="#addd8e")+
geom_sf(data = distritos, inherit.aes = FALSE)+
geom_sf(data = usina_arte, inherit.aes = FALSE, color="magenta", shape=4, stroke=2, size=3)+
geom_label_repel(data=distritos,aes(label=distrito, geometry=geometry),
stat = "sf_coordinates",
inherit.aes = FALSE,
size=2.5,
min.segment.length = -1,
segment.colour = "black")+
geom_label_repel(data=escuelas,aes(label=barrio, geometry=geometry),
stat = "sf_coordinates",
inherit.aes = FALSE,
size=2.5,
min.segment.length = 2,
segment.colour = "blue",
color="red")+
geom_label_repel(data=usina_arte,aes(label=ESTABLECIM, geometry=geometry),
stat = "sf_coordinates",
inherit.aes = FALSE,
size=2.5,
min.segment.length = 0,
segment.colour = "magenta")+
labs(title = "Cuadro N°7: Densidad de escuelas en la Comuna 4",
subtitle = "Con distritos de Arte, Diseño y Tecnológico",
fill="Cantidad de escuelas")+
theme_void()+
theme(plot.title = element_text(hjust = 0.5,
face= "bold",
size = 17,
vjust = 3),
plot.subtitle = element_text(hjust = 0.5,
face = "bold",
size = 15),
plot.caption = element_text(hjust = 0.5,
face = "bold",
size = 10),
legend.title = element_text(inherit.blank = TRUE,
face = "bold",
size = 10),
legend.text = element_text(face = "bold",
size = 10,
vjust = 1))
Vemos que la mayor cantidad de escuelas está en el Distrito de las Artes, en el barrio de La Boca Sin embargo, aun estamos lejos de inferir algun tipo de explicación de la ecología urbana que relacione distribución de escuelas y espacios de arte. En un principio podríamos conjeturar que allí sucede algo. Podríamos sugerir a La Boca como centro turístico, deportivo con la estadio. Pero lo importante es retomar la pregunta de investigación, ¿qué relación existe entre los distritos y la ecología urbana? Tomemos unas últimas variables, como la situación laboral de la población que compone la comuna así como el nivel educativo de jefes y jefas de hogares. Los datos fueron obtenidos de la Encuesta Anual de Hogares en el año 2019. Si bien no es un censo, el n de la muestra de la Comuna 4 supera las 1200 personas.
#Encuesta
#Estado ocupacional de la poblacion encuestada en Comuna 4
encuesta <- read.csv("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/direccion-general-de-estadisticas-y-censos/encuesta-anual-hogares/encuesta-anual-hogares-2019.csv")
#Serie estado ocupacional:
pea_desocupados <- encuesta %>%
filter(comuna==4) %>%
select(estado_ocupacional) %>%
group_by(estado_ocupacional) %>%
summarise(cantidad=n())
#grafiquemos
ggplot(pea_desocupados,
aes(x=estado_ocupacional, y=cantidad, fill=estado_ocupacional))+
geom_col(color="black")+
scale_fill_brewer(palette = "Set2")+
geom_text(aes(label=cantidad),
vjust=-0.1)+
labs(title = "Cuadro N°8: Situación laboral de población",
subtitle = "Comuna 4. Año 2019",
x="Estado ocupacional",
y="Cantidad",
fill="Estado",
caption = "Datos obtenidos de la Encuesta Anual de Hogares. Año 2019")+
theme_minimal()+
t_mauro
#Educacion segun jefe de hogar y género
jefes_educacion <- encuesta %>%
filter(comuna==4 & parentesco_jefe=="Jefe")%>%
mutate(nivel_max_educativo=case_when(nivel_max_educativo %in% c("EGB (1° a 9° año)", "Primario comun", "Primario") ~ "Primario", TRUE~nivel_max_educativo)) %>%
select(nivel_max_educativo) %>%
group_by(nivel_max_educativo) %>%
summarise(cantidad=n())
#grafiquemos
ggplot(jefes_educacion %>% filter (!cantidad==3),
aes(x=nivel_max_educativo, y=cantidad, fill=nivel_max_educativo))+
geom_col(color="black")+
scale_fill_brewer(palette = "Set2")+
coord_flip()+
labs(title = " Cuadro N°9: Máximo nivel educativo según jefes de hogares",
subtitle = "Comuna 4. Año 2019",
x="Estado ocupacional",
y="Cantidad",
fill="Estado",
caption = "Datos obtenidos de la Encuesta Anual de Hogares. Año 2019")+
theme_minimal()+
t_mauro
Respecto a la información recién visualizada podemos observar lo siguiente: El Cuadro N°8 muestra que si bien son muy pocas las personas desocupadas, las inactivas casi equiparan a los ocupados. En vistas de una población que no logra incorporarse al mercado laboral, ¿podrían operar estos espacios como lugares que brinden oportunidades laborales? Esta pregunta se complementa al ver el Cuadro N°9, donde vemos que la mayoría de jefes y jefas de hogares sólo tienen el primario terminado, y en menor cantidad el secundario. Con ello otra pregunta, ¿brindarán estos espacios privados talleres de formación gratuitos (o de bajos costos) para la adquisición de técnicas y conocimientos compatibles con el desarrollo de la actividad laboral que hay en estas empresas? Recordemos que la mayoría son museos y espacios de exhibición como galerías, propios de un circuito cultural que generalmente incorpora poco personal y cualificado laboralmente.
Conclusiones
De este primer acercamiento a la dinámica cultural de la Comuna 4 podemos extraer las siguientes observaciones
La asignación del rótulo de “Distrito” en un área no es sinónimo de mayor cantidad de espacios culturales. Ello lo vimos con la Comuna 14 y la 4, donde están los distritos de Audiovisuales, y Artes, Diseño y Tecnológico respectivamente.
El Top 3 de mayor cantidad de actividades que realiza el gobierno porteño en la Comuna 4 no es en ninguno de los espacios de los distritos, con otorgamiento de beneficios fiscales, sino en otros como la Usina del Arte.
En La Boca es donde están la mayor cantidad de escuelas con nivel primario y secundario, y donde está el Distrito de las Artes.
En Nueva Pompeya es mucho menor la cantidad de espacios culturales que hay
Las condiciones económicas y educativas de la población deben ser objeto de agenda pública para pensar políticas de mayor acceso al mercado laboral así como de formación en educación.
Ante todo ello, ¿qué rol podrían tener estas empresas privadas en la ecología urbana de las vecinas y vecinos de la Comuna 4? O de otra forma, ¿por qué deberían estas empresas de la producción cultural privada generar talleres gratuitos de formación como medios para la posterior integración laboral? Por un lado podríamos argumentar el reiterado argumento de la concesión sobre diversos incentivos y beneficios fiscales a iniciativas privadas, que es válido. Quizás como otro argumento podemos pensar qué concepción de cultura es la que moviliza a estos actores. Partamos de que la cultura es una fórmula contingente sobre cómo deben operar los sistemas de la sociedad. Aquí no me refiero a la cultura como forma de producción artística de una sociedad, sino a cómo construyen sus comunicaciones los sistemas. Más específicamente, qué incorpora y excluyen las comunicaciones sistémicas. Si el sistema económico incorporase una acepción de la cultura mayormente integradora de las personas en el mercado laboral, entonces las empresas privadas podrían tolerar un margen de “pérdidas” para formar a la población y luego integrarlas en el circuito laboral. Este hecho problematiza con la pregunta de si es el Estado el único actor que debe integrar en su agenda, y abordar los problemas de una sociedad. Quizás formar cultura también sea toma de decisiones en el sistema político que estimulen al sistema económico, y sus empresas, a generar estas acciones que integren mayormente a la población al mercado laboral. El debate por la ecología urbana debe integrar a la fórmula de contingencia de la cultura como forma de pensar cómo actuan las organizaciones de la sociedad.
Este trabajo es un primer acercamiento sobre el desarrollo educativo, de producción artística y cultural de la zona. Para alcanzar obsevaciones más integradoras de la cuestión faltarán más análisis que involucren una revisión de agenda pública, y más variables que nutran a la geografía territorial a la que estamos interpelando.
Bibliografía
Bayardo, R. (2016). Creatividad y políticas culturales públicas en la Ciudad de Buenos Aires a comienzos del siglo XXI, Etnografías Contemporáneas, 2 (3), pp. 160-174
Ulldemolins J. R. y Zarlenga I. M. (2014). Industrias, distritos, instituciones y escenas. Tipología de clústeres culturales en Barcelona. RES n.21 pp. 47-68