una persona, un punto (aplicaciones)

uk

En un post anterior hemos examinado la utilidad de un mapa de puntos y sus potenciales límites para el análisis social. El objetivo aquí consiste en examinar, un poco más a fondo, algunas de sus aplicaciones más allá del mapa de segregación étnica. En este entonces hemos mencionado que esta metodología podría ser fácilmente adaptada a otros fenómenos sociales. En este post exploraremos cómo utilizando algunos ejemplos que se concentran en dos áreas clave: el voto y la demografía.

 

un punto, un voto

 

En el momento que se puede asociar la localización de una persona en un mapa se hace evidente la potencial aplicación electoral del método. La existencia de zonas en las que se concentran puntos de un mismo color (electores o votos en un mismo partido) puede revelar enclaves electorales que, cuando analizadas vis a vis otras características demográficas, revelar condicionantes ecológicos de voto. Áreas hegemónicas o en disputa, nacionalización o regionalización de la presencia de ciertos partidos, zonas densas con voto muy concentrado espacialmente o dispersas, estas son algunas características que afectan los cálculos de partidos y electores, así como pueden determinar los costes relativos tanto para realizar una campaña electoral como para prestar servicios a la población.

En este post examinaremos el ejemplo del Congressional Dot Map conteniendo los votos en los partidos al congreso de Estados Unidos en las elecciones presidenciales del 2008. Siguiendo los mismos lineamientos del mapa de puntos étnico, este  mapa de puntos permite identificar dónde predomina el voto en el Partido Demócrata y Republicano, así como aquellas áreas en las que existe mayor disputa.

Fig. 1. Congress Dot Map, U.S. Presidential Elections, 2008 (2013)

PR2 - Congress

(Clique en la imagen)

El mapa del congreso americano se encuentra muy bien logrado en la medida que presenta dos características que añaden valor al mapa por situar los puntos en contextos específicos que ayudan la interpretación de los resultados. La primera consiste en que este gráfico permite superponer las fronteras de los distritos electorales sobre el mapa de puntos revelando el grado de hegemonía partidaria en cada uno de ellos. La segunda característica de destaque viene de que también permite visualizar la distribución étnica al interior de cada distrito electoral, reforzando su utilidad para entender la relación entre demografía y voto en el país.

La demografía del voto en EE.UU. es un tema clave en la organización de las disputas electorales. A diferencia de otros países, en este país resulta una práctica común cambiar las fronteras de los distritos con el propósito de obtener beneficios electorales. Esta práctica, conocida como gerrymandering, constituye un recurso estratégico para los partidos. La manipulación de fronteras de acuerdo con ciertos patrones anteriores de voto y determinadas características demográficas de los residentes puede ser clave para la victoria de un partido en estos distritos uninominales. Es justamente este aspecto que convierte este tipo de mapa en un instrumento particularmente interesante para revelar la lógica detrás de la organización administrativa de las elecciones.

No obstante, cabe señalar que el mapa podría ganar con un poco más de trabajo. Ayudaría mucho si esta visualización contuviera informaciones agregadas, como el total y el porcentaje de votos por partido en cada distrito o el grado de concentración o densidad espacial de los votantes. Dichas informaciones podrían ayudar en el desarrollo de hipótesis y la exploración de patrones entre voto en cierto partido y características espaciales de los distritos.

 

un punto, un puesto de trabajo

 

Otra aplicación de este método se puede observar en “Where are the Jobs? Employment in America 2010”. Utilizando datos de Longitudinal Employer Household Dynamics de la Oficina del Censo de EE.UU., Robert Manduca, un estudiante de doctorado en Sociología de la Universidad de Harvard, ha categorizado las profesiones en cuatro grandes sectores económicos: (a) manufactura y logística; (b) servicios profesionales; (c) sanidad, educación y administración pública; y (d) comercio, hostelería y otros servicios.

Fig. 2 Proyecto “Where are the Jobs?”

PR2 - Jobs

(Clique en la imagen)

Como los mapas de segregación étnica o patrones de voto, esta visualización revela la concentración espacial de empleos según sector económico, sugiriendo una asociación entre características étnicas, de ingreso, voto y el sector económico en el que se encuentran ocupados. En particular, llaman la atención cómo la estructura económica de cada ciudad se ve plasmada en la distribución espacial de las profesiones, así como un patrón de concentración del empleo en servicios profesionales, educación, sanidad y gobierno en las zonas más centrales, mientras que la manufactura se relega a zonas periféricas o suburbanas de las grandes ciudades.

La segregación espacial con base en el sector económico puede revelar divisiones importante de clase o status asociadas al espacio urbano. Otros mapas, como el de City Science relativo a Melbourne  o un ejemplo publicado en el New Zeland Herald caminan en este mismo sentido, permitiendo visualizar dónde residen las personas con mayores ingresos y el grado de segregación espacial en términos de clase.

Este tipo de gráfico, además de identificar zonas más pobres y más ricas, nos brinda una rápida visualización de la organización económica de las ciudades como un todo. Si combinado con otras categorías demográficas como edad, etnicidad o profesión, nos permitiría establecer posibles asociaciones entre características demográficas y la incidencia de pobreza o desigualdad en el espacio. Un ejemplo sencillo de esto se encuentra en el mismo caso de Melbourne, dónde el área entre Southbank y Carlton se caracteriza por un predominio de inmigrantes asiáticos jóvenes y pobres (en su mayoría chinos).

 

Un paso adelante: exploradores de datos demográficos

 

Como hemos podido ver, los ejemplos de mapas de puntos utilizando datos demográficos son varios e incluyen otras informaciones sobre los hogares, así como la inmigración. No obstante, su carácter predominantemente experimental y unidimensional (una variable a la vez) limita su capacidad de servir como instrumentos de exploración y descubierta y, por tanto, su aplicación en otros ámbitos, en particular en los negocios y en potenciales aplicaciones científicas.

Nos gustaría llamar la atención aquí para algunas experiencias que dan un paso más allá hacia aplicaciones más desarrolladas de exploración de datos. Dichos ejemplos despuntan como pioneros y seguramente establecerán las bases para la visualización de bases de datos demográficas multidimensionales. El núcleo de estos portales se encuentra en el hecho de que permiten la exploración simultánea de más de una variable en paneles comparativos.

Dos ejemplos merecen mención por las características que encierran: el Social Explorer de la compañía de mismo nombre y el Synthetic Microdata Household Viewer de la organización RTI. El énfasis de estas aplicaciones se deposita en su utilidad como herramienta y no tanto en el contenido que despliega. El Social Explorer es quizás el más logrado desde el punto de vista tanto de las funcionalidades como la cantidad de datos disponible a los usuarios. Incluye tres tipos de mapas (área, símbolos proporcionales y puntos) y datos de encuestas y censos desde 1790. Las dimensiones cubiertas (en distintas escalas que van desde los estados hasta las cuadras) incluyen datos de hogares, ingresos, coste de vivienda, mercado laboral, crimen, emisiones de carbono, entre muchas otras.

Fig. 3. Proyecto “Social Explorer” (2007-2016)

PR2 -Social Explorer

(Clique en la imagen)

El potencial de uso de este tipo de herramientas es enorme, dado que constituyen plataformas pensadas específicamente para la comparación y análisis exploratorio de datos en distintas escalas de resolución. Su gran limitación está en el hecho de que se limitan a emplear mapas para el análisis de datos y no incluyen otros tipos de visualización. La inclusión de gráfico como scatterplots, histogramas, radar charts, y correlation plots convertiría dichas aplicaciones en herramientas de extrema utilidad como instrumentos de investigación y desarrollo de conocimiento. Más allá de simples portales de visualización, podrían ofrecer plataformas útiles para académicos, formuladores de políticas públicas, partidos políticos y empresas.

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s