1. Introducción

La intención de este breve informe es presentar el potencial que tienen los Sistemas de Información Geográfica (SIG) como herramientas metodológicas del análisis espacial en el marco de la planificación cultural. La información generada de estos análisis puede ser un recurso clave para el ordenamiento territorial por parte de organismos de planificación que buscan lograr situaciones que mejoren la justicia socioespacial de la población. Sin embargo, para lograr una eficiente planificación es necesario descomponerla en acciones como las i) Diagnóstico, y ii) Propuesta para su posterior gestión. Para ello fines es necesario la aplicación de un diseño sustentado por conocimientos y métodos científicos para su desarrollo.

2. Ordenamiento Territorial

2.1 Componente Planificación Territorial

2.1.1 Diagnóstico

Como identificación del problema me cerniré sobre la distribución espacial de los espacios culturales en la Ciudad Autónoma de Buenos Aires (CABA). Este punto está motivado por identificar y visualizar la concentración de la oferta cultural en clave de oportunidades u obstáculos que signifiquen como acceso para la población. De forma complementaria observo al componente demográfico-poblacional como factor central sobre la formación del medio construido (la ubicación de los elementos, en este caso espacios culturales, que se encuentren sobre la superficie terrestre y la vinculación entre ellos). A modo de abordaje desagrego este problema en forma de objetivos específicos:

- Identificar y analizar la distribución geográfica de los espacios culturales en el territorio de CABA.

- Conocer si existe una relación entre las características sociodemográficas de la población y la concentración cultural según las comunas de CABA

- Indagar en el tipo y función de aquellos espacios culturales distribuidos en la Ciudad y analizar qué tipo de cultura es la ofertada

En lo que refiere al ámbito teórico, trabajaré desde la perspectiva de la sociología cultural urbana. Ella retoma la dimensión del territorio en tanto lugar donde se definen formas de sociabilidad, percibir y asignación de significados, a la conexión entre la ciudad y las producciones culturales y a la planificación cultural urbana en tanto retoma la importancia de intervenciones y formas de regulación vinculadas con el sector cultural de la ciudad. Complementaria a esta corriente se encuentra la perspectiva geográfica de Agnew (1987) en relación al lugar, entendiendo la localidad como i) espacio absoluto identificable mediante coordenadas geográficas, ii) los efectos de los procesos económicos, políticos y culturales que se dan en ellos, y iii) los sentidos simbólicos generados a partir de las experiencias individuales y colectivas en aquella localización. Creo que ambas perspectivas son útiles para comenzar a interpretar este problema de forma conceptual.

Como criterio de inclusión sobre los espacios culturales retomo, en parte, la propuesta de Zarlenga (2019), como aquellas salas de teatro, centros culturales, clubes de música y milongas en vivo como un tipo específico de organización cultural urbana, caracterizada por programas actividades y eventos en un espacio determinado. En suma a ello también considero relevante incluir aquellos otros lugares que operan de mediación cultural como bibliotecas, librerías, sala de cine, ferias y lugares históricos. Retomando el Informe anual (2019), del Observatorio Cultural de la Universidad Nacional de General Sarmiento, los espacios culturales son lugares que crean y ponen en valor bienes culturales así como fomentadores en la circulación de estos.

2. 1. 2 Integración espacial para el diagnóstico

El diagnóstico integrado corresponde a la síntesis geográfica que se hace operativa al integrar los diagnósticos individuales de tres componentes; modelo territorial, análisis de problemáticas, análisis de potencialidades. Sobre el primero se incluyen la ubicación y jerarquía de centros, en el segundo presenta aquellos elementos que son negativos para el funcionamiento del sistema, y en el último puede abarcar características de los componentes del medio constituido para determinar qué elementos pueden potenciar a solucionar el problema.

Para focalizar en estos tres componentes me valdré de algunos conceptos fundamentales del análisis espacial como la localización, distribución, asociación e interacción; Síntesis conceptual que tiene operatividad en un diagnóstico espacial integrado.

2. 1. 3 Análisis espacial

Retomando el primer objetivo referido a la distribución espacial de los espacios culturales según los componentes demográficos y de medio constituido en el territorio de CABA, calculé la distribución de espacios culturales según cada 1000 habitantes. El resultado es el siguiente

# Librerias
library(tidyverse)
# Simple Features
library(sf)
# Visualización
library(leaflet)
# Especializada para el trabajo con datos espaciales

# Datos

#Comunas; Vamos a trabajar con dos data set espaciales. Primero con los datos espaciales del INDEC, polígonos simples ya que posteriormente haremos un analisis con el paquete SpatialDependence (spdep), y este se topará con un error con las de Buenos Aires Data que son geometrías complejas multipartes. Segundo con los de la Comuna porque incluye el dato del área

# https://www.indec.gob.ar/indec/web/Institucional-Indec-Codgeo
comunas <- st_read("C:/Users/User/Documents/pxdptodatosok.shp")

#Espacios culturales           
espacios <- read_sf("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/ministerio-de-cultura/espacios-culturales/espacios-culturales.geojson")

#Censo 2010: 
censo <- read_sf("https://cdn.buenosaires.gob.ar/datosabiertos/datasets/informacion-censal-por-radio/caba_radios_censales.geojson")

#Avenida Rivadavia, con la que trabajaremos luego
rivadavia <- st_read('https://bitsandbricks.github.io/data/avenida_rivadavia.geojson')



# 1 Tomaremos la cantidad de espacios culturales segun comunas

# 1.1 Calculo cantidad de espacios culturales por Comuna

espxcom <- espacios %>%
  group_by(COMUNA) %>%
  summarise(c_espacios=n()) %>%
  filter(!COMUNA=="COMUNA 5") %>%  # Hay un error en el data set que figura multiplicada la Comuna 5
  rename(comuna=COMUNA) %>% 
  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)) %>% 
  st_set_geometry(NULL) # Le quitamos la geometría porque no me interesa sus coordenadas absolutas 



# 1.2 Incorporamos las unidades espaciales-administrativas y calculamos su area y posteriormente sus km2

comunas <- comunas %>% 
  filter(codpcia == "02") %>%
  mutate(comuna = as.numeric(substr(link,3, 5), .keep ="unused")) %>% 
  mutate(pob=as.numeric(personas), .keep="unused") %>% 
    select(comuna, pob)


# Trabajamos con las areas y los km2
comunas <- comunas %>% 
 mutate(area=as.numeric(st_area(comunas)),
         km2=area*0.0001) %>% 
  select(-area)


# 1.3 Unimos los data set en uno solo para hacer mapas coropleticos. Para ello crearemos un nuevo objeto


comunas <- comunas %>% 
  left_join(espxcom, by = "comuna") %>%  
  mutate(prop_espacios_cada1000 = round(1000*c_espacios/pob), # redondeamos 
                  habxkm2 = round(pob/km2))  %>% 
  select(comuna, pob, km2, habxkm2, c_espacios, prop_espacios_cada1000) # ordenamos las columnas


# Incorporamos los centroides al dataset pero con las columnas de lat y long ya que despues sera requeridas
comunas_centroides <- comunas %>%
  st_centroid()

long_lat <- comunas_centroides %>%
  st_coordinates()

long_lat <- as.data.frame(long_lat)

comunas <- comunas %>%
  bind_cols(long_lat)


rm(comunas_centroides)


# Mapa uno
# (Para chusmear distintass layers de mapas# https://leaflet-extras.github.io/leaflet-providers/preview/)
# Para chusmear experiencias con Leaflet
# https://rstudio.github.io/leaflet/
# https://www.jla-data.net/eng/leaflet-markers-in-r/
# https://www.jla-data.net/eng/leaflet-in-r-tips-and-tricks/
# https://kumulonimb.us/post/leaflet-r/

# Para Leaflet debo crear 
# Creo paleta junto con los contenedores de valores
bins <- c(0, 1, 2, 3, 4, 5)

paleta_cuanti <- colorBin("PuBu", domain = comunas$prop_espacios_cada1000, bins = bins) # Paleta cuantitativa 



mapa1 <- leaflet(espacios) %>%
  addProviderTiles("CartoDB.DarkMatter") %>% 
  addPolygons(data= comunas, fillColor = ~paleta_cuanti(prop_espacios_cada1000), # ~ liguilla es para referenciar en leaflet
              weight = 2.5, 
              opacity = 1, 
              color = "black",
              dashArray = "3", 
              fillOpacity =.8,
              label= paste("COMUNA", comunas$comuna),
              labelOptions = labelOptions(
                style = list(
                  "color" = "#FFFFF3",
                  "font-family" = "Roboto",
                  "font-weight" = "bold",
                  "box-shadow" = "3px 3px rgba(0,0,0,0.25)",
                  "font-size" = "12px",
                  "background-color" = "#566270",
                  "border-color" = "rgba(0,0,0,0.5)"))) %>% 
  addCircleMarkers(weight = 3,
                   radius = 4, # size of the dots
                    fillOpacity = .7, # alpha of the dots
                    stroke = FALSE, # no outline
                    color = "red", 
                    popup = paste("<b>TIPO DE ESPACIO:</b>", espacios$FUNCION_PRINCIPAL, "<br>",
                                  "<b>NOMBRE:</b>", espacios$ESTABLECIMIENTO, "<br>",
                                  "<b>Dirección:</b>", espacios$DIRECCION),
                    # Crea los nombres
                    clusterOptions = markerClusterOptions()) %>% 
  addPolylines(data = rivadavia,
                color="red",
                 weight = 3,
               opacity=1) %>%  # Dibujar avenida rivadavia 
  addLegend(data=comunas, pal = paleta_cuanti, values = ~prop_espacios_cada1000, opacity = 0.7, title = "Proporcion de espacios cada 1000 habitantes",
            position = "bottomright")
mapa1 # Proporción de espacios culturales cada 1000 persona

Lo primero en observar es la alta concentración de espacios en la Comuna 1. Si contemplamos que allí está la zona del “microcentro porteño”, que atraviesa los barrios de Puerto Madero, San Telmo, San Telmo, Monserrat y San Nicolás, era algo factible de esperar esta concentración. Pero hay que advertir que la distribución no tiene una expansión homogénea hacia el resto de la ciudad, sino que sigue una línea desde el este y centro de la ciudad hacia el norte y noroeste; puntualmente concentrándose en las comunas 2, 3, 14 y 15 siguiendo una línea por el norte de la ciudad. Si tomamos Avenida Rivadavia como la “divisoria simbólica” del norte y el sur de la Ciudad, observamos que en este ocurre todo lo contrario, que allí la distribución de espacios culturales cada 1000 habitantes es muchísimo menor que al norte. Asimismo vemos que pareciera formarse una medialuna de escasa oferta cultural desde la región sur de la ciudad, siguiendo por el oeste hasta el noroeste donde la proporción de espacios culturales es de 1 cada 1000 habitantes. ¿Podríamos sugerir que la oferta cultural es menor en aquellas zonas residenciales en comparación a aquellas donde la cantidad de locales comerciales es mayor? ¿Ante qué tipo de oferta cultural nos encontraríamos si está localizada mayormente en estos lugares?

# Diseñamos otra paleta que separe por quintiles 

bins2 <- c(0, 87, 120, 136, 215, 294)

paleta_cuanti2 <- colorBin("YlOrRd", domain = comunas$habxkm2, bins = bins2)





mapa2 <- leaflet() %>%
  addProviderTiles("CartoDB.DarkMatter") %>% 
  addPolygons(data= comunas, fillColor = ~paleta_cuanti(prop_espacios_cada1000), 
              weight = 2.5, 
              opacity = 1, 
              color = "black",
              dashArray = "3", 
              fillOpacity =.8,
              label= paste("COMUNA", comunas$comuna),
              labelOptions = labelOptions(
                style = list(
                  "color" = "#FFFFF3",
                  "font-family" = "Roboto",
                  "font-weight" = "bold",
                  "box-shadow" = "3px 3px rgba(0,0,0,0.25)",
                  "font-size" = "12px",
                  "background-color" = "#566270",
                  "border-color" = "rgba(0,0,0,0.5)"))) %>% 
  addCircleMarkers(data= comunas,
                   lng = comunas$X,
                   lat=comunas$Y,
                   weight = 3,
                   stroke = FALSE, fillOpacity = 0.9,
                   radius = ~log(habxkm2)*2, # size of the dots
                   color = ~paleta_cuanti2(habxkm2),
                   label= paste("HAB x KM2: ", comunas$habxkm2),
                   labelOptions = labelOptions(
                     style = list(
                       "color"="#FFFFFF8D",
                       "fon-weight"="bold",
                       "background-color" = "#B54646",
                       "border-color" = "rgba(0,0,0,0.5)",
                       "box-shadow" = "3px 3px rgba(0,0,0,0.25)",
                       "font-family" ="sans-serif",
                       "font-size" = "10px"))) %>% 
   addLegend(data=comunas, pal = paleta_cuanti, values = ~prop_espacios_cada1000, opacity = 0.7, 
            title = "Proporcion de espacios cada 1000 habitantes",
            position = "bottomright", group = "Prop") %>% 
  addLegend(data=comunas, pal = paleta_cuanti2, values = ~habxkm2, 
            opacity = .7, title="Habitantes por km2", position = "topright", group = "Hab") %>%  
  addLayersControl(overlayGroups = c("Hab","Prop"),
                   options = layersControlOptions(collapsed = FALSE))

mapa2 # Proporción de espacios culturales cada 1000 persona y cantidad de personas según km2

Si bien vemos que la densidad poblacional es mucho mayor en las comunas 6, 5, 3 y 2 (Caballito, Boedo, Almagro, San Cristóbal, Recoleta, Once, Balvanera), la Comuna 6 no corre la misma suerte con la oferta cultural, así tampoco la comuna 7, que es contigua y con solo un poco menos de densidad poblacional. ¡Ahí ya comienza la medialuna de escasa oferta cultural! Esta observación adquiere más fuerza cuando vemos la poca cantidad de personas en el microcentro, como así en la Comuna 14 (Palermo) y la 15 (Villa Crespo, Chacarita, Paternal, Parque Chas, Agronomía y Villa Ortúzar). Entonces, ¿qué sucede que en barrios más residenciales como Parque Chacabuco, Flores y hasta Belgrano, la densidad poblacional es mayor pero no así la concentración de espacios culturales? Tal vez esta distribución esté relacionada con otros factores de índole socioeconómico que se ubican geográficamente en el microcentro, Recoleta, Palermo, Almagro, Chacarita y Villa Crespo… A modo de conjetura decidí realizar un test de hipótesis asumiendo como posibilidad que la densidad poblacional afecta sobre la proporción de espacios culturales cada 1000 personas. De ella obtuve un p-valor de 0.514. En principio pareciera que no hay una relación entre ambas variables.

Discusión

Una nota de Juan Provéndola, en Página 12, traza una línea temporal de los últimos diez años para reflexionar sobre los cambios en el barrio de Almagro (Comuna 5). Entre ellos señala la aparición de centros culturales, teatros, milongas y salas de rock, y así también la emergencia de una nueva oferta gastronómica. Sumado a ello, este barrio (según Mercado Libre Inmuebles), fue el cuarto de los 48 barrios porteños con más visitas de viviendas para comprar o alquilar inmueble en el 2019. Concluye preguntándose si no será un proceso de gentrificación que se acentuará durante los próximos años, y hacia dónde seguirá creciendo; “quizás pasen de rosca la viejo-buen Almagro hasta convertirlo en otro barrio de diseño más”, (https://www.pagina12.com.ar/242331-almagro-un-barrio-vedette-para-la-era-de-la-gentrificacion).

A esta reflexión quiero sumarle la emergencia de las (costosas) propuestas gastronómicas que aparecieron los últimos años en Palermo, en Villa Crespo con el Mercat (https://www.mercatvillacrespo.com/) y ahora en Chacarita con el nuevo polo gastronómico (https://www.filo.news/comida/El-gueto-gastro-de-Chacarita-colaboracion-y-buenos-vecinos-20190516-0056.html). Así también es importante la aparición de los outlets de ropa en Villa Crespo, que “era un barrio de casas de clase media, talleres y depósitos. Pero hace cinco años, las grandes marcas de indumentaria empezaron a instalar sus outlets en las calles Aguirre y Gurruchaga.” (https://www.clarin.com/capital_federal/outlets-apenas-cuadras-Villa-Crespo_0_SyMB6O1ADXg.html), o en Palermo con los de Avenida Córdoba y Scalabrini Ortiz, y los de Juan B. Justo y Avenida Santa Fe (Distrito Arcos).

De forma paralela cercano a la zona, “en el corredor norte de la ciudad”, el Distrito Audiovisual. En el 2013, Francisco Cabrera, ex Ministro de Desarrollo Económico de la Ciudad, aseveraba: “Creemoss en la importancia del modelo de los distritos por la interacción que implica. En otra época había una auge de los parques industriales, pero hoy tener una política establecida dentro del tejido urbano revaloriza a los diferentes barrios que forman parte de la ciudad”. Enrique Avogadro, hoy Ministro de Cultura, agregó: “Se da una interacción muy rica entre los actores de las empresas y los que viven en el lugar. Esto ayuda al crecimiento del modelo de distrito”. (https://www.buenosaires.gob.ar/noticias/la-ciudad-recibio-las-nuevas-empresas-del-distrito-audiovisual)

La aparición de nuevas empresas ligadas a la industria audiovisual, una emergente oferta gastronómica costosa, las intenciones de cada vez más personas en mudarse hacia estos barrios, ¿qué implicancia tendrá sobre la valorización de las propiedades? ¿Acaso la escasa densidad poblacional en estos barrios no será a causa de ello? Y con esto, ¿cuál es la cantidad y el tipo de oferta cultural ofertada por la zona? ¿Quiénes son les beneficiares de que la oferta cultural se agrupe en estas comunas?

Próximo apartado:

Para continuar con estas preguntas creo necesario conocer cómo se comporta nuestra variable en el territorio de la CABA, porque hasta ahora hemos solo visto un mapa coroplético según la proporción de espacios cada 1000 habitantes, pero también podemos conocer si este tipo de distribución espacial que asumen las ubicaciones de los espacios culturales son aleatorias o no. Para ello podemos aplicar algunas herramientas de la geoestadística para precisar esta exploración

Bibliografía