Resultados del Informe PISA (OCDE), a dos niveles: por país (2000-2025, 9 ciclos) y por Comunidad Autónoma española (2009-2025, 6 ciclos). PISA 2025 se publicó el 8 de septiembre de 2026, así que la serie llega hasta el ciclo más reciente disponible. Se añaden además dos tablas de contexto socioeconómico (pobreza y peso económico de la educación) para poder cruzarlas con los resultados: una por país (Banco Mundial) y otra por Comunidad Autónoma (INE).
Origen de los datos. La descarga directa del portal
de la OCDE
(oecd.org/en/data/datasets/pisa-2025-database.html y los
anexos del informe) devuelve error 403 (bloqueo de
robots), tanto con curl como con peticiones HTTP normales.
Los datos se reconstruyen en su lugar a partir de las tablas de
Wikipedia (inglesa y española) que citan como fuente los informes
oficiales de la OCDE y del Ministerio de Educación. Se ha comprobado que
España coincide exactamente entre las dos tablas (país
y CCAA), parseadas de forma independiente, lo que da confianza en la
transcripción. Detalle completo de esta limitación en la hoja
dataset de los metadatos y en la sección de fiabilidad más
abajo.
El documento tiene la misma estructura que el resto de documentos de selección de datasets de la asignatura, en dos partes independientes:
# nombres de los ficheros que se guardan en disco
filename <- "INFORME_PISA"
f_paises <- "pisa_paises_2000_2025.rds"
f_ccaa <- "pisa_ccaa_2009_2025.rds"
f_contexto_paises <- "contexto_paises.rds"
f_contexto_ccaa <- "contexto_ccaa.rds"# TRUE solo si falta alguno de los dos rds: evita volver a descargar/parsear en
# cada compilación. Para forzar la actualización (p. ej. cuando la OCDE publique
# PISA 2028), basta con borrar los dos rds de esta carpeta.
DESCARGAR_DATOS <- !file.exists(f_paises) || !file.exists(f_ccaa)
cat(if (DESCARGAR_DATOS) "No se encuentran los rds: se reconstruyen desde Wikipedia.\n"
else paste0("Se reutilizan ", f_paises, " y ", f_ccaa, " ya existentes ",
"(borrarlos para volver a generar).\n"))## Se reutilizan pisa_paises_2000_2025.rds y pisa_ccaa_2009_2025.rds ya existentes (borrarlos para volver a generar).## --- descarga del wikitexto fuente (sin curl: readLines(url()) directo) ---
url_en <- paste0("https://en.wikipedia.org/w/index.php?",
"title=Programme_for_International_Student_Assessment&action=raw")
url_es <- paste0("https://es.wikipedia.org/w/index.php?",
"title=Anexo:Resultados_del_Informe_PISA_en_Espa%C3%B1a_",
"por_Comunidades_Aut%C3%B3nomas&action=raw")
wiki_en <- readLines(url(url_en, "rb"), warn = FALSE, encoding = "UTF-8")
wiki_es <- readLines(url(url_es, "rb"), warn = FALSE, encoding = "UTF-8")## --- funciones auxiliares de parseo de tablas wiki -------------------------
# localiza el rango de una sección delimitada por un encabezado que cumple
# `patron` y el siguiente encabezado de nivel `nivel` o superior (no hardcodea
# números de línea: sigue funcionando si Wikipedia reordena el artículo)
extraer_seccion <- function(lineas, patron, nivel = "==") {
ini <- grep(patron, lineas)[1]
post <- grep(paste0("^", nivel), lineas)
fin_candidatos <- post[post > ini]
fin <- if (length(fin_candidatos) > 0) fin_candidatos[1] - 1 else length(lineas)
lineas[ini:fin]
}
# nombre de país a partir de {{flagcountry|Pais}} resto-de-texto ; el resto
# (regiones/ciudades como "B-S-J-G{{efn...}}" o "Shanghai") se conserva entre
# paréntesis para no perder que es una sub-muestra, no el país completo
clean_country <- function(x) {
x <- trimws(x)
m <- regmatches(x, regexec("^\\{\\{flag(?:country)?\\|([^}|]+)", x))[[1]]
pais <- if (length(m) >= 2) trimws(m[2]) else trimws(sub("^\\{\\{.*\\|", "", x))
resto <- sub("^\\{\\{flag(?:country)?\\|[^}]*\\}\\}", "", x)
resto <- gsub("\\{\\{efn[^}]*\\}\\}", "", resto)
resto <- gsub("\\{\\{efn[^|]*\\|[^}]*", "", resto)
resto <- gsub("\\[\\[|\\]\\]", "", resto)
resto <- gsub("^-", "", resto)
resto <- trimws(resto)
if (nchar(resto) > 0 && !grepl("^\\{\\{efn", resto)) paste0(pais, " (", resto, ")") else pais
}
# nombre de país/región a partir de un wikilink [[destino|mostrado]] o [[destino]]
clean_country_link <- function(x) {
x <- trimws(x)
m <- regmatches(x, regexec("\\[\\[(.*?)\\]\\]", x, perl = TRUE))[[1]]
pais <- if (length(m) >= 2) { partes <- strsplit(m[2], "\\|")[[1]]; partes[length(partes)] } else x
gsub("\\*+$", "", trimws(pais))
}
# puntuación numérica; admite el formato data-sort-value=NNN.N|NNN de la fila
# "International Average"
clean_score <- function(x) {
x <- trimws(x)
if (grepl("data-sort-value", x)) x <- sub(".*\\|", "", x)
x <- gsub("[^0-9.]", "", x)
if (x == "") return(NA_real_)
as.numeric(x)
}## --- 1. serie histórica por país, 2000-2022 --------------------------------
## tabla "Rankings comparison 2000-2022": una sub-tabla por asignatura, con dos
## columnas (puntuación, puesto) por cada ciclo
seg_hist <- extraer_seccion(wiki_en, "===Rankings comparison 2000")
subject_headers <- list(
list(pattern = "\\| Mathematics", subject = "mathematics",
years = c(2022, 2018, 2015, 2012, 2009, 2006, 2003, 2000)),
list(pattern = "\\| Science", subject = "science",
years = c(2022, 2018, 2015, 2012, 2009, 2006)),
list(pattern = "\\| Reading", subject = "reading",
years = c(2022, 2018, 2015, 2012, 2009, 2006, 2003, 2000))
)
resultados_hist <- list(); current_subject <- NA; current_years <- NULL
i <- 1; n <- length(seg_hist)
while (i <= n) {
ln <- seg_hist[i]
matched <- FALSE
for (h in subject_headers) {
if (grepl(h$pattern, ln) && grepl("^! colspan", ln)) {
current_subject <- h$subject; current_years <- h$years; matched <- TRUE; break
}
}
if (matched) { i <- i + 1; next }
if (grepl("^\\|\\}", ln)) { current_subject <- NA; i <- i + 1; next }
if (!is.na(current_subject) && grepl("^\\|-", ln)) {
fields <- character(0); i <- i + 1
while (i <= n && !grepl("^\\|-", seg_hist[i]) && !grepl("^\\|\\}", seg_hist[i]) && !grepl("^!", seg_hist[i])) {
if (grepl("^\\|", seg_hist[i])) fields <- c(fields, sub("^\\|", "", seg_hist[i]))
i <- i + 1
}
if (length(fields) >= 1) {
country_raw <- fields[1]
if (!grepl("International Average", country_raw) && nchar(trimws(country_raw)) > 0 &&
!grepl("^style=", country_raw)) {
country <- clean_country(country_raw); rest <- fields[-1]; n_years <- length(current_years)
if (length(rest) >= 2 * n_years) {
for (k in seq_len(n_years)) {
score <- clean_score(rest[(k - 1) * 2 + 1])
if (!is.na(score))
resultados_hist[[length(resultados_hist) + 1]] <- data.frame(
country = country, year = current_years[k], subject = current_subject,
score = score, stringsAsFactors = FALSE)
}
}
}
}
next
}
i <- i + 1
}
hist_2000_2022 <- bind_rows(resultados_hist)## --- 2. ranking mundial 2025 por país ---------------------------------------
## tabla de 3 sub-tablas lado a lado (Ciencias, Matemáticas, Lectura); el orden
## se lee de la cabecera en vez de suponerlo fijo
seg_2025 <- extraer_seccion(wiki_en, "=== PISA 2025 ranking summary ===")
orden_2025 <- tolower(str_extract(seg_2025[grepl('style="width:33%;"', seg_2025)],
"(Science|Mathematics|Reading)"))
parse_block_rank <- function(seg) {
out <- list(); i <- 1; n <- length(seg)
while (i <= n) {
if (grepl("^\\|-", seg[i])) {
fields <- character(0); i <- i + 1
while (i <= n && !grepl("^\\|-", seg[i]) && !grepl("^\\|\\}", seg[i])) {
if (grepl("^\\|", seg[i])) fields <- c(fields, sub("^\\|", "", seg[i]))
i <- i + 1
}
if (length(fields) == 3) {
rank <- suppressWarnings(as.integer(trimws(fields[1])))
country <- clean_country_link(fields[2])
score <- suppressWarnings(as.numeric(gsub("[^0-9.]", "", fields[3])))
if (!is.na(rank) && !is.na(score) && nchar(country) > 0)
out[[length(out) + 1]] <- data.frame(rank = rank, country = country, score = score,
stringsAsFactors = FALSE)
}
next
}
i <- i + 1
}
bind_rows(out)
}
inicios_2025 <- grep('^\\{\\| class="wikitable" style="width:100%; margin:0', seg_2025)
finales_2025 <- grep("^\\|\\}$", seg_2025)
usados <- rep(FALSE, length(finales_2025))
y2025_list <- list()
for (k in seq_along(inicios_2025)) {
ini <- inicios_2025[k]
cand <- finales_2025[finales_2025 > ini & !usados]
fin <- cand[1]
usados[which(finales_2025 == fin)[1]] <- TRUE
df <- parse_block_rank(seg_2025[ini:fin])
df$subject <- orden_2025[k]; df$year <- 2025
y2025_list[[k]] <- df
}
y2025 <- bind_rows(y2025_list) |> select(-rank)## --- 3. tabla final por país: unión 2000-2022 + 2025, en español -----------
# sub-muestras NO representativas del país completo (región/ciudad concreta en
# vez de la muestra nacional); Hong Kong y Macao NO están aquí: son economías
# PISA de pleno derecho, no una submuestra de China
entidades_parciales <- c(
"Argentina (CABA)", "Azerbaijan (Baku)", "B-S-J-Z (China)",
"China (B-S-J-G)", "China (B-S-J-Z)", "China (Shanghai)",
"Dushanbe (Tajikistan)", "Kurdistan Region (Iraq)",
"Ukrainian regions (17 of 27)"
)
# Wikipedia etiqueta 5 economías con un nombre DISTINTO solo en la tabla de PISA
# 2025 (nombre oficial actualizado) frente a las 8 tablas de ciclos anteriores
# (nombre antiguo): sin normalizar, cada una queda partida en dos "países" -su
# historia 2000-2022 por un lado y un único punto 2025 por otro-, justo en el
# ciclo más reciente. Se corrige AQUÍ, antes de construir pisa_paises, al nombre
# vigente/oficial; se documenta en la hoja `nombres_normalizados` de los metadatos.
nombres_normalizados <- c(
"Turkey" = "Türkiye", "Macau" = "Macao", "Hong Kong" = "Hong Kong",
"Hong Kong (China)" = "Hong Kong", "Macao (China)" = "Macao",
"Taiwan" = "Chinese Taipei", "Macedonia" = "North Macedonia"
)
pisa_paises_sin_iso <- bind_rows(hist_2000_2022, y2025) |>
rename(pais = country, anio = year, asignatura = subject, puntuacion = score) |>
mutate(
asignatura = recode(asignatura, mathematics = "matematicas", reading = "lectura", science = "ciencias"),
pais = coalesce(nombres_normalizados[pais], pais),
entidad_parcial = pais %in% entidades_parciales
)
## --- proceso AUXILIAR: tabla de equivalencias pais -> iso3c -----------------
## No se guarda como rds propio; su unico fin es anadir la columna `iso3c` a
## pisa_paises_2000_2025.rds para poder cruzarlo con cualquier fuente por pais
## (aqui, contexto_paises.rds del Banco Mundial) sin tener que repetir este
## trabajo de emparejamiento de nombres cada vez.
#
# pais "base" para las sub-muestras (entidad_parcial): la soberania real a la
# que pertenecen, salvo Hong Kong y Macao, que SI son economias propias
pais_base_especial <- c(
"Argentina (CABA)" = "Argentina", "Azerbaijan (Baku)" = "Azerbaijan",
"China (Shanghai)" = "China", "China (B-S-J-G)" = "China", "China (B-S-J-Z)" = "China",
"B-S-J-Z (China)" = "China", "Dushanbe (Tajikistan)" = "Tajikistan",
"Kurdistan Region (Iraq)" = "Iraq", "Ukrainian regions (17 of 27)" = "Ukraine"
)
crosswalk_iso3c <- tibble(pais = sort(unique(pisa_paises_sin_iso$pais))) |>
mutate(pais_base = coalesce(pais_base_especial[pais], pais),
iso3c = suppressWarnings(countrycode::countrycode(pais_base, "country.name", "iso3c")),
# Kosovo no tiene codigo ISO 3166-1 oficial (estatus disputado); se usa
# "XKX", el codigo de facto que emplean el Banco Mundial y otros organismos
iso3c = if_else(pais == "Kosovo", "XKX", iso3c))
sin_iso3c <- crosswalk_iso3c |> filter(is.na(iso3c)) |> pull(pais)
if (length(sin_iso3c) > 0) warning("Países sin iso3c en la tabla de equivalencias: ", paste(sin_iso3c, collapse = ", "))
pisa_paises <- pisa_paises_sin_iso |>
left_join(crosswalk_iso3c |> select(pais, iso3c), by = "pais") |>
select(pais, iso3c, anio, asignatura, puntuacion, entidad_parcial) |>
arrange(pais, asignatura, anio)
saveRDS(pisa_paises, f_paises)
cat("Fichero guardado:", f_paises, "-", nrow(pisa_paises), "filas,",
n_distinct(pisa_paises$pais), "países/entidades,",
sum(is.na(crosswalk_iso3c$iso3c)), "sin iso3c\n")## --- 4. resultados por Comunidad Autónoma, 2009-2025 -----------------------
## una sección "=== AAAA ===" por ciclo, con 3 sub-tablas (Lectura, Matemáticas,
## Ciencias) de filas región/puntuación, más filas de referencia en negrita
## (Media España / Media OCDE / Promedio UE)
cabeceras_anio <- grep("^=== (20[0-9]{2}) ===", wiki_es)
anios_wiki <- as.integer(str_extract(wiki_es[cabeceras_anio], "20[0-9]{2}"))
todas_cabeceras <- sort(c(cabeceras_anio, grep("^==[^=]", wiki_es)))
# el "año de Wikipedia" 2019 corresponde en realidad al ciclo PISA 2018 (la
# prueba se aplicó en 2018; la prensa española etiquetó la noticia por el año
# de publicación, diciembre de 2019). El resto de años coinciden.
anio_pisa_de <- function(aw) if (aw == 2019) 2018L else aw
orden_asignaturas_ccaa <- c("reading", "mathematics", "science")
clean_region <- function(x) {
x <- trimws(x)
m <- regmatches(x, gregexpr("\\[\\[(.*?)\\]\\]", x, perl = TRUE))[[1]]
if (length(m) == 0) return(list(region = NA_character_, aviso = FALSE))
ultimo <- m[length(m)]
inner <- sub("^\\[\\[", "", sub("\\]\\]$", "", ultimo))
partes <- strsplit(inner, "\\|")[[1]]
region <- trimws(partes[length(partes)])
resto <- sub(".*\\]\\]", "", x)
list(region = region, aviso = grepl("\\*", resto))
}
parse_subtabla_ccaa <- function(seg) {
out <- list(); i <- 1; n <- length(seg)
while (i <= n && !grepl("^\\{\\| ?border=0", seg[i])) i <- i + 1
i <- i + 1
while (i <= n && !grepl("^\\|\\}", seg[i])) {
if (grepl("^\\|-", seg[i])) {
fields <- character(0); i <- i + 1
while (i <= n && !grepl("^\\|-", seg[i]) && !grepl("^\\|\\}", seg[i])) {
if (grepl("^\\|", seg[i])) fields <- c(fields, sub("^\\|", "", seg[i]))
i <- i + 1
}
if (length(fields) == 3) {
region_field <- fields[2]; score_field <- trimws(fields[3])
es_ambito <- grepl("'''", region_field)
cr <- clean_region(region_field)
if (es_ambito) {
ambito_txt <- trimws(gsub("'''", "", region_field))
ambito <- case_when(grepl("OCDE", ambito_txt) ~ "OCDE",
grepl("Espa", ambito_txt) ~ "España",
grepl("UE", ambito_txt) ~ "UE",
TRUE ~ ambito_txt)
score <- as.numeric(gsub("[^0-9.]", "", gsub("'''", "", score_field)))
out[[length(out) + 1]] <- data.frame(region = ambito, ambito = "referencia", score = score,
aviso_exclusion = FALSE, stringsAsFactors = FALSE)
} else if (!is.na(cr$region)) {
score <- as.numeric(gsub("[^0-9.]", "", score_field))
if (!is.na(score))
out[[length(out) + 1]] <- data.frame(region = cr$region, ambito = "CCAA", score = score,
aviso_exclusion = cr$aviso, stringsAsFactors = FALSE)
}
}
next
}
i <- i + 1
}
bind_rows(out)
}
todo_ccaa <- list()
for (k in seq_along(cabeceras_anio)) {
ini <- cabeceras_anio[k]
fin <- todas_cabeceras[todas_cabeceras > ini][1] - 1
if (is.na(fin)) fin <- length(wiki_es)
seg <- wiki_es[ini:fin]
inicios <- grep("^\\{\\| ?border=0", seg)
finales <- grep("^\\|\\}$", seg)
usados_c <- rep(FALSE, length(finales))
for (j in seq_along(inicios)) {
if (j > length(orden_asignaturas_ccaa)) next
ii <- inicios[j]
cand <- finales[finales > ii & !usados_c]
fin_j <- cand[1]
usados_c[which(finales == fin_j)[1]] <- TRUE
df <- parse_subtabla_ccaa(seg[ii:fin_j])
if (nrow(df) > 0) {
df$subject <- orden_asignaturas_ccaa[j]
df$anio <- anio_pisa_de(anios_wiki[k])
todo_ccaa[[length(todo_ccaa) + 1]] <- df
}
}
}
pisa_ccaa <- bind_rows(todo_ccaa) |>
rename(asignatura = subject, puntuacion = score) |>
mutate(asignatura = recode(asignatura, mathematics = "matematicas", reading = "lectura", science = "ciencias")) |>
select(region, ambito, anio, asignatura, puntuacion, aviso_exclusion) |>
arrange(region, asignatura, anio)
saveRDS(pisa_ccaa, f_ccaa)
cat("Fichero guardado:", f_ccaa, "-", nrow(pisa_ccaa), "filas,",
n_distinct(pisa_ccaa$region[pisa_ccaa$ambito == "CCAA"]), "regiones\n")Para poder cruzar PISA con condiciones socioeconómicas se incorporan
cuatro indicadores más, ya identificados y validados en las carpetas
INE/ y WORLD_BANK/ de
SelecciónDatasetsProyecto:
No hay un indicador de “gasto en educación” aislado por
Comunidad Autónoma: el catálogo del INE ya generado no incluye
la Contabilidad Regional, y esta se obtiene aparte, directamente de
INEbase (ine.es), por un mecanismo distinto al resto del
proyecto (descarga directa de tablas, no la API ineapir que
usan los generadores de catálogo). Además, esa fuente no aísla
la rama “Educación”: la clasificación de 11 ramas de las
cuentas regionales la agrupa junto con administración pública, sanidad y
servicios sociales (rama O_Q); se documenta esta limitación
en los metadatos y no se presenta como si fuera gasto educativo
puro.
DESCARGAR_CONTEXTO <- !file.exists(f_contexto_paises) || !file.exists(f_contexto_ccaa)
cat(if (DESCARGAR_CONTEXTO) "No se encuentran los rds de contexto: se descargan del Banco Mundial y el INE.\n"
else paste0("Se reutilizan ", f_contexto_paises, " y ", f_contexto_ccaa, " ya existentes ",
"(borrarlos para volver a generar).\n"))## Se reutilizan contexto_paises.rds y contexto_ccaa.rds ya existentes (borrarlos para volver a generar).## --- contexto por país: Banco Mundial ---------------------------------------
## SE.XPD.TOTL.GD.ZS: gasto público en educación, total (% del PIB)
## SI.POV.GINI: indice de Gini de desigualdad de ingresos (0-100)
## SI.DST.50MD: pobreza RELATIVA: % de poblacion por debajo del 50% de
## la renta mediana del propio pais (estandar tipo OCDE)
##
## Los tres son comparables ENTRE paises (condicion imprescindible aqui: el
## objetivo es comparar paises entre si, no solo seguir la tendencia de cada
## uno por separado). Gini mide DESIGUALDAD, no pobreza; pobreza_relativa_pct
## es el indicador de POBREZA en si mismo, con un umbral ("50% de la mediana")
## que se calcula igual en todos los paises. Comprobados con datos reales:
## Gini Noruega/Finlandia ~26-27, Espana ~33, Brasil/Sudafrica ~50-54;
## pobreza_relativa_pct Finlandia/Noruega ~7%, Espana ~15%, Brasil/Sudafrica
## ~20-21% (correlacion con Gini 0,84: relacionados pero no redundantes, 91 de
## 99 paises PISA con iso3c tienen dato en los dos).
options(timeout = max(60, getOption("timeout")))
wb_raw <- wb_data(indicator = c(gasto_educacion_pct_pib = "SE.XPD.TOTL.GD.ZS",
indice_gini = "SI.POV.GINI",
pobreza_relativa_pct = "SI.DST.50MD"),
start_date = 1970, end_date = 2025, return_wide = FALSE)
contexto_paises <- wb_raw |>
filter(!is.na(value)) |>
transmute(pais = country, iso3c, anio = as.integer(date),
indicador = indicator_id, valor = value) |>
mutate(indicador = recode(indicador, SE.XPD.TOTL.GD.ZS = "gasto_educacion_pct_pib",
SI.POV.GINI = "indice_gini", SI.DST.50MD = "pobreza_relativa_pct")) |>
arrange(pais, indicador, anio)
saveRDS(contexto_paises, f_contexto_paises)
cat("Fichero guardado:", f_contexto_paises, "-", nrow(contexto_paises), "filas,",
n_distinct(contexto_paises$pais), "países\n")## --- contexto por CCAA: INE (ECV + Contabilidad Regional) -------------------
# la ECV devuelve, por fila, un Nombre "<territorio>. Total. <concepto>. Base 2013."
# de donde extraemos territorio y concepto directamente (mas fiable que la lista
# de metadatos anidada, que usa variables distintas para "Total Nacional" y CCAA)
parse_ecv <- function(idTable) {
r <- get_data_table(idTable = idTable, unnest = TRUE, tip = "AM")
m <- str_match(r$Nombre, "^(.*?)\\. Total\\. (.*?)\\. Base 2013\\.")
r |> transmute(region = str_trim(m[, 2]), concepto = str_trim(m[, 3]),
anio = as.integer(Anyo), valor = Valor)
}
# 9963: Tasa de riesgo de pobreza por CCAA (ya en el catalogo INE.datasets.xlsx)
pobreza_ccaa <- parse_ecv(9963) |>
filter(concepto == "Tasa de riesgo de pobreza (renta del año anterior a la entrevista)") |>
transmute(region, anio, indicador = "pobreza_pct", valor)
# 60264: AROPE y sus 3 componentes por CCAA (ya en el catalogo INE.datasets.xlsx)
arope_codigos <- c(
"Tasa de riesgo de pobreza o exclusión social (indicador AROPE)" = "arope_pct",
"En riesgo de pobreza (renta año anterior a la entrevista)" = "arope_riesgo_pobreza_pct",
"Con carencia material y social severa" = "arope_carencia_material_pct",
"Viviendo en hogares con baja intensidad en el trabajo (de 0 a 64 años)" = "arope_baja_intensidad_trabajo_pct"
)
arope_ccaa <- parse_ecv(60264) |>
filter(concepto %in% names(arope_codigos)) |>
transmute(region, anio, indicador = recode(concepto, !!!arope_codigos), valor)
# 76923 (tpx de INEbase, fuera de la API/catalogo): PIB y VAB por rama de
# actividad y CCAA, Contabilidad Regional de España. La rama O_Q agrupa
# "Administración pública y defensa, seguridad social obligatoria, educación,
# actividades sanitarias y de servicios sociales" (no aisla educación sola).
# NombrePeriodo trae sufijos "(A)" avance/"(P)" provisional en los años más
# recientes: se limpian para quedarnos con el año.
cre_raw <- get_data_table(idTable = 76923, unnest = TRUE, tip = "AM")
peso_oq_ccaa <- cre_raw |>
filter(str_detect(Nombre, fixed("educación, actividades sanitarias")),
str_ends(Nombre, "Estructura porcentual")) |>
transmute(region = str_trim(str_extract(Nombre, "^.*?(?=, O_Q\\.)")),
anio = as.integer(str_extract(NombrePeriodo, "^[0-9]{4}")),
indicador = "peso_admin_edu_sanidad_pib_pct", valor = Valor)
pib_ccaa <- cre_raw |>
filter(str_detect(Nombre, fixed("PRODUCTO INTERIOR BRUTO A PRECIOS DE MERCADO")),
str_ends(Nombre, ", Valor")) |>
transmute(region = str_trim(str_extract(Nombre, "^.*?(?=, PRODUCTO)")),
anio = as.integer(str_extract(NombrePeriodo, "^[0-9]{4}")),
indicador = "pib_miles_eur", valor = Valor)
# "Total Nacional"/"TOTAL NACIONAL" -> "España", igual que en pisa_ccaa
contexto_ccaa <- bind_rows(pobreza_ccaa, arope_ccaa, peso_oq_ccaa, pib_ccaa) |>
mutate(region = if_else(region %in% c("Total Nacional", "TOTAL NACIONAL"), "España", region),
ambito = if_else(region == "España", "referencia", "CCAA")) |>
select(region, ambito, anio, indicador, valor) |>
arrange(region, indicador, anio)
saveRDS(contexto_ccaa, f_contexto_ccaa)
cat("Fichero guardado:", f_contexto_ccaa, "-", nrow(contexto_ccaa), "filas,",
n_distinct(contexto_ccaa$region[contexto_ccaa$ambito == "CCAA"]), "regiones,",
n_distinct(contexto_ccaa$indicador), "indicadores\n")Igual que EDGAR o CLIMA, esta fuente no tiene un catálogo
previo del que extraer la ficha: los metadatos se construyen en
este mismo documento y se guardan en un único fichero,
INFORME_PISA_metadatos.xlsx, con siete
hojas:
dataset — ficha general (fuente, limitación de acceso,
cobertura, tamaño de los cuatro ficheros, cobertura del cruce por
iso3c).entidades_especiales — qué países/entidades de
pisa_paises no son la muestra nacional
completa (sub-regiones, ciudades).nombres_normalizados — los 5 países que Wikipedia
etiqueta con un nombre distinto SOLO en la tabla de PISA 2025 frente al
resto de ciclos (p. ej. Turkey→Türkiye),
corregidos aquí para que la serie no se parta en dos.ciclos — correspondencia entre el año de aplicación
real de la prueba PISA y el año que a veces usa la prensa española (2018
→ “PISA 2019”).ccaa_geo — equivalencia entre el nombre de región usado
aquí (Wikipedia) y el ine.ccaa.name de
mapSpain, necesaria para los mapas coropléticos y para
cruzar con contexto_ccaa.contexto_indicadores — diccionario de los 6 indicadores
de contexto (fuente, ámbito país/CCAA, unidad, descripción y
advertencias de uso).contexto_fuentes — de dónde sale cada tabla de
contexto: el Banco Mundial vía wbstats (API, igual que el
resto del proyecto) y el INE vía ineapir, pero la
Contabilidad Regional (peso_admin_edu_sanidad_pib_pct,
pib_miles_eur) por descarga directa de
INEbase (tabla tpx=76923), fuera del catálogo ya
generado en INE/INE.datasets.xlsx.La columna iso3c de
pisa_paises (código ISO 3166-1 alfa-3) se
construye con un proceso auxiliar que no se guarda como fichero
propio: una tabla de equivalencias país→iso3c (vía el paquete
countrycode, con las 9 sub-muestras mapeadas a la soberanía
real y Kosovo forzado a XKX, el código de facto que usa
también el Banco Mundial). Su único fin es poder cruzar
pisa_paises con contexto_paises — o con
cualquier otra fuente por país— sin repetir el trabajo de emparejar
nombres cada vez.
pisa_paises <- readRDS(f_paises)
pisa_ccaa <- readRDS(f_ccaa)
contexto_paises <- readRDS(f_contexto_paises)
contexto_ccaa <- readRDS(f_contexto_ccaa)
entidades_parciales <- c(
"Argentina (CABA)", "Azerbaijan (Baku)", "B-S-J-Z (China)",
"China (B-S-J-G)", "China (B-S-J-Z)", "China (Shanghai)",
"Dushanbe (Tajikistan)", "Kurdistan Region (Iraq)",
"Ukrainian regions (17 of 27)"
)
desc_entidades <- tibble::tribble(
~pais, ~representativa, ~explicacion,
"Argentina (CABA)", "NO", "Ciudad Autónoma de Buenos Aires (muestra ampliada de una sola ciudad), no toda Argentina.",
"Azerbaijan (Baku)", "NO", "Solo la ciudad de Bakú fue evaluada en los ciclos en que aparece, no todo el país.",
"China (Shanghai)", "NO", "PISA 2009 y 2012: solo la ciudad de Shanghái, la región china con mejor resultado educativo.",
"China (B-S-J-G)", "NO", "PISA 2015: Pekín-Shanghái-Jiangsu-Guangdong, 4 provincias/municipios, no China continental.",
"China (B-S-J-Z)", "NO", "PISA 2018: Pekín-Shanghái-Jiangsu-Zhejiang, 4 provincias/municipios, no China continental.",
"B-S-J-Z (China)", "NO", "PISA 2022 y 2025: mismas 4 provincias/municipios que 'China (B-S-J-Z)' de 2018; no son series comparables entre sí como 'China' a secas.",
"Dushanbe (Tajikistan)", "NO", "Solo la capital, Dusambé.",
"Kurdistan Region (Iraq)", "NO", "Solo la región autónoma del Kurdistán iraquí, no todo Irak.",
"Ukrainian regions (17 of 27)", "NO", "PISA 2022: muestra reducida a 17 de las 27 regiones por la invasión rusa."
)
# Hong Kong y Macao YA NO llevan paréntesis en pisa_paises (se normalizaron en
# nombres_normalizados: eran economías de pleno derecho, no submuestras, y su
# única "rareza" era el nombre distinto en la tabla de PISA 2025; corregida esa
# rareza no necesitan fila propia aquí)
desc_nombres_normalizados <- tibble::tribble(
~nombre_wikipedia_original, ~nombre_usado_aqui, ~ciclos_con_nombre_original, ~nota,
"Turkey", "Türkiye", "2003-2022 (8 ciclos)", "Nombre oficial vigente desde 2022 (Türkiye); la tabla de PISA 2025 ya lo usaba, la comparativa 2000-2022 no.",
"Macau", "Macao", "2003-2022 (8 ciclos)", "Wikipedia usa 'Macau' en la comparativa histórica y 'Macao (China)' solo en la tabla de PISA 2025; se unifica en 'Macao'.",
"Hong Kong", "Hong Kong", "2000-2022 (9 ciclos)", "Wikipedia usa 'Hong Kong' en la comparativa histórica y 'Hong Kong (China)' solo en PISA 2025; se unifica sin el paréntesis.",
"Taiwan", "Chinese Taipei", "2006-2022 (6 ciclos)", "'Chinese Taipei' es la denominación oficial que usa la propia OCDE/PISA; la comparativa histórica de Wikipedia la simplificaba a 'Taiwan'.",
"Macedonia", "North Macedonia", "2000-2022 (4 ciclos)", "Nombre oficial del país desde el Acuerdo de Prespa (2019); la comparativa histórica conserva el nombre anterior a ese acuerdo."
)
desc_ciclos <- tibble::tribble(
~anio_pisa, ~anio_prensa_espanola, ~nota,
2000, "2000", "",
2003, "2003", "",
2006, "2006", "",
2009, "2009", "",
2012, "2012", "",
2015, "2015", "",
2018, "2019", "La prensa española etiquetó estos resultados por el año de PUBLICACIÓN (dic-2019); el ciclo internacional PISA es 2018 (año de aplicación de la prueba). El dataset usa siempre 2018.",
2022, "2022", "Ciclo aplicado en 2022 en vez de 2021: retraso de un año por la pandemia de COVID-19.",
2025, "2025", "Resultados publicados el 8 de septiembre de 2026."
)
desc_ccaa_geo <- tibble::tribble(
~region, ~ine_ccaa_name,
"Andalucía", "Andalucía",
"Aragón", "Aragón",
"Asturias", "Asturias, Principado de",
"Islas Baleares", "Balears, Illes",
"Islas Canarias", "Canarias",
"Cantabria", "Cantabria",
"Castilla-La Mancha", "Castilla - La Mancha",
"Castilla y León", "Castilla y León",
"Cataluña", "Cataluña",
"Ceuta", "Ceuta",
"Comunidad Valenciana", "Comunitat Valenciana",
"Extremadura", "Extremadura",
"Galicia", "Galicia",
"Comunidad de Madrid", "Madrid, Comunidad de",
"Melilla", "Melilla",
"Región de Murcia", "Murcia, Región de",
"Navarra", "Navarra, Comunidad Foral de",
"País Vasco", "País Vasco",
"La Rioja", "Rioja, La"
)
desc_contexto_indicadores <- tibble::tribble(
~indicador, ~ambito, ~fuente, ~unidad, ~comparable, ~descripcion,
"gasto_educacion_pct_pib", "pais", "Banco Mundial (SE.XPD.TOTL.GD.ZS)", "% del PIB", "SI",
"Gasto público total en educación (corriente + capital + transferencias), gobierno general. Ratio estandarizada por el Banco Mundial: comparable entre países (con la salvedad habitual de qué partidas cuenta cada país como gasto público).",
"indice_gini", "pais", "Banco Mundial (SI.POV.GINI)", "índice 0-100", "SI",
"Desigualdad de ingresos (0 = igualdad perfecta, 100 = desigualdad máxima). Diseñado explícitamente para comparar ENTRE países. Mide desigualdad de la DISTRIBUCIÓN, no pobreza en sí. Comprobado con datos reales: Noruega/Finlandia ~26-27, España ~33, Brasil/Sudáfrica ~50-54.",
"pobreza_relativa_pct", "pais", "Banco Mundial (SI.DST.50MD)", "% de población", "SI",
"Pobreza RELATIVA: % de población con renta por debajo del 50% de la renta mediana de su propio país (estándar tipo OCDE). El umbral se calcula igual en todos los países, así que es comparable entre ellos, y a diferencia del Gini mide pobreza propiamente, no desigualdad. Comprobado con datos reales: Finlandia/Noruega ~7%, España ~15%, Brasil/Sudáfrica ~20-21% (correlación con indice_gini = 0,84: relacionados pero no redundantes).",
"pobreza_pct", "CCAA", "INE, Encuesta de Condiciones de Vida (ECV)", "% de población", "SI",
"Tasa de riesgo de pobreza (renta del año anterior a la entrevista), sin alquiler imputado. Misma encuesta y el mismo umbral metodológico en las 19 CCAA: comparable entre regiones.",
"arope_pct", "CCAA", "INE, ECV", "% de población", "SI",
"Indicador AROPE: riesgo de pobreza o exclusión social (objetivo Europa 2030). Es el indicador oficial de la UE, más amplio que la sola tasa de pobreza monetaria. Misma metodología en las 19 CCAA.",
"arope_riesgo_pobreza_pct", "CCAA", "INE, ECV", "% de población", "SI",
"Componente de renta del AROPE (equivalente conceptualmente a pobreza_pct, calculado dentro de la serie AROPE). Misma metodología en las 19 CCAA.",
"arope_carencia_material_pct", "CCAA", "INE, ECV", "% de población", "SI",
"Componente de carencia material y social severa del AROPE (no poder afrontar ciertos gastos/bienes básicos). Misma metodología en las 19 CCAA.",
"arope_baja_intensidad_trabajo_pct", "CCAA", "INE, ECV", "% de población 0-64 años", "SI",
"Componente de baja intensidad de empleo en el hogar del AROPE. Misma metodología en las 19 CCAA.",
"peso_admin_edu_sanidad_pib_pct", "CCAA", "INE, Contabilidad Regional de España (CRE)", "% del PIB regional", "SI",
"Peso de la rama O_Q (Administración pública y defensa, seguridad social obligatoria, EDUCACIÓN, actividades sanitarias y de servicios sociales) sobre el PIB de la Comunidad Autónoma. Es una proporción (ya normalizada por el propio PIB regional), comparable entre CCAA. ADVERTENCIA APARTE: no aísla la educación; la CRE no desagrega esta rama en España.",
"pib_miles_eur", "CCAA", "INE, Contabilidad Regional de España (CRE)", "miles de euros", "NO",
"Producto Interior Bruto a precios de mercado de la Comunidad Autónoma (precios corrientes), en valor ABSOLUTO. NO comparable directamente entre CCAA para medir nivel de renta o riqueza: una región con más población da más PIB total sin ser más rica por habitante (Madrid > La Rioja por tamaño, no solo por productividad). Para comparar entre CCAA habría que dividir por población (PIB per cápita), no incluida aquí. Válido tal cual para seguir la evolución temporal de una misma CCAA. El INE marca los 1-2 últimos años como avance/provisional (sufijos '(A)'/'(P)' del periodo original); aquí solo se conserva el año."
)
desc_contexto_fuentes <- tibble::tribble(
~tabla, ~mecanismo, ~detalle,
"contexto_paises", "API (wbstats::wb_data)", "Mismo mecanismo que el resto del proyecto (Banco Mundial). Indicadores SE.XPD.TOTL.GD.ZS, SI.POV.GINI y SI.DST.50MD, ya identificados en WORLD_BANK/wb.datasets.xlsx.",
"contexto_ccaa (pobreza/AROPE)", "API (ineapir::get_data_table)", "Mismo mecanismo que el resto del proyecto (INE). idTable 9963 y 60264, ya identificados en INE/INE.datasets.xlsx.",
"contexto_ccaa (peso_admin_edu_sanidad_pib_pct, pib_miles_eur)", "Descarga directa de INEbase (ineapir::get_data_table con idTable=76923, el 'tpx' de la tabla PC-Axis)", "La Contabilidad Regional de España NO aparece en la lista de 112 operaciones que expone la API del INE (comprobado en vivo): es un producto de INEbase fuera del catálogo ya generado por INE_TableDatasetGeneration.Rmd. Se accede por el mismo paquete ineapir pero indicando directamente el identificador de tabla localizado en la web (ine.es), no a través de una operación catalogada."
)
n_con_iso3c <- pisa_paises |> distinct(pais, iso3c) |> summarise(sum(!is.na(iso3c))) |> pull()
n_paises_total <- n_distinct(pisa_paises$pais)
n_cruzan_contexto <- pisa_paises |> distinct(iso3c) |> filter(!is.na(iso3c)) |>
semi_join(contexto_paises |> distinct(iso3c), by = "iso3c") |> nrow()
ficha <- tibble(
Campo = c("Fuente", "Limitacion_de_acceso", "URL_original_OCDE", "URL_reconstruccion",
"Fecha_de_generacion",
"Fichero_paises", "Paises_N_filas", "Paises_N_entidades", "Paises_N_entidades_parciales",
"Paises_ciclos", "Paises_Freq", "Paises_N_con_iso3c", "Paises_N_que_cruzan_con_contexto",
"Fichero_ccaa", "CCAA_N_filas", "CCAA_N_regiones", "CCAA_ciclos", "CCAA_Freq",
"Fichero_contexto_paises", "ContextoPaises_N_filas", "ContextoPaises_N_paises",
"Fichero_contexto_ccaa", "ContextoCCAA_N_filas", "ContextoCCAA_N_indicadores"),
Valor = c(
"OCDE (Programme for International Student Assessment)",
"Descarga directa de oecd.org bloqueada (HTTP 403, filtro anti-robots); reconstruido de Wikipedia",
"https://www.oecd.org/en/data/datasets/pisa-2025-database.html",
paste("en.wikipedia.org/wiki/Programme_for_International_Student_Assessment;",
"es.wikipedia.org/wiki/Anexo:Resultados_del_Informe_PISA_en_España_por_Comunidades_Autónomas"),
as.character(Sys.Date()),
f_paises, as.character(nrow(pisa_paises)), as.character(n_distinct(pisa_paises$pais)),
as.character(sum(pisa_paises$entidad_parcial[!duplicated(pisa_paises$pais)])),
paste(sort(unique(pisa_paises$anio)), collapse = ", "),
"trienal con huecos (no todos los países en todos los ciclos; ver P25 de longitud de serie en el análisis)",
paste0(n_con_iso3c, " de ", n_paises_total),
paste0(n_cruzan_contexto, " (iso3c presente también en contexto_paises)"),
f_ccaa, as.character(nrow(pisa_ccaa)), as.character(n_distinct(pisa_ccaa$region[pisa_ccaa$ambito == "CCAA"])),
paste(sort(unique(pisa_ccaa$anio)), collapse = ", "),
"trienal desde 2009 (España no desagregaba por CCAA en 2000/2003/2006)",
f_contexto_paises, as.character(nrow(contexto_paises)), as.character(n_distinct(contexto_paises$pais)),
f_contexto_ccaa, as.character(nrow(contexto_ccaa)), as.character(n_distinct(contexto_ccaa$indicador))
)
)
# comprobación: toda entidad marcada como parcial en el rds tiene descripción, y
# viceversa no debe faltar ninguna región de pisa_ccaa en el mapeo geográfico, ni
# ningún indicador de contexto en su diccionario, ni ningún país sin iso3c
faltan_desc <- setdiff(entidades_parciales, desc_entidades$pais[desc_entidades$representativa == "NO"])
faltan_geo <- setdiff(pisa_ccaa$region[pisa_ccaa$ambito == "CCAA"], desc_ccaa_geo$region)
faltan_geo_ctx <- setdiff(contexto_ccaa$region[contexto_ccaa$ambito == "CCAA"], desc_ccaa_geo$ine_ccaa_name)
faltan_ind <- setdiff(unique(c(contexto_paises$indicador, contexto_ccaa$indicador)), desc_contexto_indicadores$indicador)
sin_iso3c <- pisa_paises |> distinct(pais, iso3c) |> filter(is.na(iso3c)) |> pull(pais)
if (length(faltan_desc) > 0) warning("Entidades parciales sin descripción: ", paste(faltan_desc, collapse = ", "))
if (length(faltan_geo) > 0) warning("Regiones CCAA sin equivalencia mapSpain: ", paste(faltan_geo, collapse = ", "))
if (length(faltan_geo_ctx) > 0) warning("Regiones de contexto_ccaa sin equivalencia ccaa_geo: ", paste(faltan_geo_ctx, collapse = ", "))
if (length(faltan_ind) > 0) warning("Indicadores de contexto sin descripción: ", paste(faltan_ind, collapse = ", "))
if (length(sin_iso3c) > 0) warning("Países sin iso3c: ", paste(sin_iso3c, collapse = ", "))
write.xlsx(list(dataset = ficha, entidades_especiales = desc_entidades,
nombres_normalizados = desc_nombres_normalizados,
ciclos = desc_ciclos, ccaa_geo = desc_ccaa_geo,
contexto_indicadores = desc_contexto_indicadores,
contexto_fuentes = desc_contexto_fuentes),
file = paste0(filename, "_metadatos.xlsx"), overwrite = TRUE)
cat("Fichero guardado:", paste0(filename, "_metadatos.xlsx"),
"- hojas: dataset, entidades_especiales, nombres_normalizados, ciclos, ccaa_geo,",
"contexto_indicadores, contexto_fuentes\n")## Fichero guardado: INFORME_PISA_metadatos.xlsx - hojas: dataset, entidades_especiales, nombres_normalizados, ciclos, ccaa_geo, contexto_indicadores, contexto_fuentescat("Entidades sin descripcion:", length(faltan_desc), "| regiones CCAA sin mapeo geografico:", length(faltan_geo),
"| regiones contexto sin mapeo:", length(faltan_geo_ctx), "| indicadores sin descripcion:", length(faltan_ind),
"| paises sin iso3c:", length(sin_iso3c), "\n")## Entidades sin descripcion: 0 | regiones CCAA sin mapeo geografico: 0 | regiones contexto sin mapeo: 0 | indicadores sin descripcion: 0 | paises sin iso3c: 0Una vez guardados en disco los metadatos (fichero xlsx) y los datos (los dos ficheros RDS), iniciamos el proceso de análisis. A partir de aquí el documento se compila solo con los ficheros ya guardados en disco; no se usa ningún objeto de las secciones anteriores. Es a propósito: es la parte que se incorpora a la memoria del proyecto personal (ver la última sección, Incorporación del dataset a la memoria), así que tiene que poder ejecutarse sola (lo único que se repite de lo definido antes son los nombres de fichero).
metadatos
| Campo | Valor |
|---|---|
| Fuente | OCDE (Programme for International Student Assessment) |
| Limitacion_de_acceso | Descarga directa de oecd.org bloqueada (HTTP 403, filtro anti-robots); reconstruido de Wikipedia |
| URL_original_OCDE | https://www.oecd.org/en/data/datasets/pisa-2025-database.html |
| URL_reconstruccion | en.wikipedia.org/wiki/Programme_for_International_Student_Assessment; es.wikipedia.org/wiki/Anexo:Resultados_del_Informe_PISA_en_España_por_Comunidades_Autónomas |
| Fecha_de_generacion | 2026-10-08 |
| Fichero_paises | pisa_paises_2000_2025.rds |
| Paises_N_filas | 1637 |
| Paises_N_entidades | 105 |
| Paises_N_entidades_parciales | 9 |
| Paises_ciclos | 2000, 2003, 2006, 2009, 2012, 2015, 2018, 2022, 2025 |
| Paises_Freq | trienal con huecos (no todos los países en todos los ciclos; ver P25 de longitud de serie en el análisis) |
| Paises_N_con_iso3c | 105 de 105 |
| Paises_N_que_cruzan_con_contexto | 98 (iso3c presente también en contexto_paises) |
| Fichero_ccaa | pisa_ccaa_2009_2025.rds |
| CCAA_N_filas | 366 |
| CCAA_N_regiones | 19 |
| CCAA_ciclos | 2009, 2012, 2015, 2018, 2022, 2025 |
| CCAA_Freq | trienal desde 2009 (España no desagregaba por CCAA en 2000/2003/2006) |
| Fichero_contexto_paises | contexto_paises.rds |
| ContextoPaises_N_filas | 9944 |
| ContextoPaises_N_paises | 205 |
| Fichero_contexto_ccaa | contexto_ccaa.rds |
| ContextoCCAA_N_filas | 2320 |
| ContextoCCAA_N_indicadores | 7 |
pisa_paises_2000_2025.rdsPaís × asignatura × ciclo. Columnas:
pais · iso3c · anio · asignatura · puntuacion · entidad_parcial.
iso3c viene de un proceso auxiliar (no guardado como
fichero propio, ver metadatos) que de paso permitió corregir 5 países
que Wikipedia partía en dos series por un cambio de nombre solo en la
tabla de PISA 2025 (nombres_normalizados);
entidad_parcial marca 9 sub-muestras no representativas del
país completo (entidades_especiales).
## # A tibble: 1,637 × 6
## pais iso3c anio asignatura puntuacion entidad_parcial
## <chr> <chr> <dbl> <chr> <dbl> <lgl>
## 1 Albania ALB 2009 ciencias 391 FALSE
## 2 Albania ALB 2012 ciencias 397 FALSE
## 3 Albania ALB 2015 ciencias 427 FALSE
## 4 Albania ALB 2018 ciencias 417 FALSE
## 5 Albania ALB 2022 ciencias 376 FALSE
## # ℹ 1,632 more rowsTamaño de serie: nº de los 9 ciclos posibles (2000-2025, trienal con huecos) con dato, por país.
| asignatura | n_paises | P25 | P50 | P100 |
|---|---|---|---|---|
| ciencias | 96 | 3 | 7 | 7 |
| lectura | 96 | 3 | 7 | 9 |
| matematicas | 96 | 3 | 7 | 9 |
pisa_ccaa_2009_2025.rdsRegión × asignatura × ciclo. Columnas:
region · ambito · anio · asignatura · puntuacion · aviso_exclusion.
España no desagrega por CCAA antes de 2009. aviso_exclusion
marca 2 regiones en 2025 (Murcia, Cataluña) con alto porcentaje de
alumnado excluido de la muestra.
## # A tibble: 366 × 6
## region ambito anio asignatura puntuacion aviso_exclusion
## <chr> <chr> <int> <chr> <dbl> <lgl>
## 1 Andalucía CCAA 2009 ciencias 469 FALSE
## 2 Andalucía CCAA 2012 ciencias 486 FALSE
## 3 Andalucía CCAA 2015 ciencias 473 FALSE
## 4 Andalucía CCAA 2018 ciencias 471 FALSE
## 5 Andalucía CCAA 2022 ciencias 473 FALSE
## # ℹ 361 more rowsTamaño de serie: nº de los 6 ciclos posibles (2009-2025) con dato, por región.
| asignatura | n_regiones | P25 | P50 | P100 |
|---|---|---|---|---|
| ciencias | 19 | 5.5 | 6 | 6 |
| lectura | 19 | 5.5 | 6 | 6 |
| matematicas | 19 | 5.5 | 6 | 6 |
contexto_paises.rdsPaís × indicador × año, Banco Mundial. Columnas:
pais · iso3c · anio · indicador · valor. Tres indicadores,
todos comparables entre países (columna
comparable de la hoja contexto_indicadores,
imprescindible al elegir un índice de contexto: no vale cualquiera,
tiene que poder compararse entre regiones):
gasto_educacion_pct_pib, indice_gini
(desigualdad de ingresos) y pobreza_relativa_pct (% por
debajo del 50% de la renta mediana del propio país). Gini y pobreza
relativa, aunque correlacionados (0,84), no son lo mismo: uno mide
desigualdad, el otro pobreza.
## # A tibble: 9,944 × 5
## pais iso3c anio indicador valor
## <chr> <chr> <int> <chr> <dbl>
## 1 Afghanistan AFG 2010 gasto_educacion_pct_pib 3.48
## 2 Afghanistan AFG 2011 gasto_educacion_pct_pib 3.46
## 3 Afghanistan AFG 2012 gasto_educacion_pct_pib 2.60
## 4 Afghanistan AFG 2013 gasto_educacion_pct_pib 3.45
## 5 Afghanistan AFG 2014 gasto_educacion_pct_pib 3.70
## # ℹ 9,939 more rowsTamaño de serie: nº de años con dato por país, y periodo cubierto.
| indicador | n_paises | anio_min | anio_max | P25 | P50 |
|---|---|---|---|---|---|
| gasto_educacion_pct_pib | 203 | 1970 | 2025 | 18 | 26 |
| indice_gini | 171 | 1970 | 2025 | 4 | 9 |
| pobreza_relativa_pct | 171 | 1970 | 2025 | 4 | 9 |
contexto_ccaa.rdsRegión × indicador × año, INE (ECV + Contabilidad Regional).
Columnas: region · ambito · anio · indicador · valor. Seis
indicadores: pobreza, AROPE y sus 3 componentes, y peso de la rama
O_Q (administración pública + educación +
sanidad + servicios sociales — no aísla solo educación) y PIB regional
(detalle en contexto_indicadores). Al ser una misma
encuesta/ metodología aplicada uniformemente a las 19 CCAA, los 5
primeros indicadores sí son comparables entre regiones
sin más; pib_miles_eur no (es un valor
absoluto sin normalizar por población: compara tamaño, no nivel de
renta).
## # A tibble: 2,320 × 5
## region ambito anio indicador valor
## <chr> <chr> <int> <chr> <dbl>
## 1 Andalucía CCAA 2014 arope_baja_intensidad_trabajo_pct 27.4
## 2 Andalucía CCAA 2015 arope_baja_intensidad_trabajo_pct 24.3
## 3 Andalucía CCAA 2016 arope_baja_intensidad_trabajo_pct 23.9
## 4 Andalucía CCAA 2017 arope_baja_intensidad_trabajo_pct 22.8
## 5 Andalucía CCAA 2018 arope_baja_intensidad_trabajo_pct 19
## # ℹ 2,315 more rowsTamaño de serie: nº de años con dato por región (panel completo: todas las regiones tienen el mismo nº de años en cada indicador).
| indicador | n_regiones | anio_min | anio_max | n_anios |
|---|---|---|---|---|
| arope_baja_intensidad_trabajo_pct | 19 | 2014 | 2025 | 12 |
| arope_carencia_material_pct | 19 | 2014 | 2025 | 12 |
| arope_pct | 19 | 2014 | 2025 | 12 |
| arope_riesgo_pobreza_pct | 19 | 2014 | 2025 | 12 |
| peso_admin_edu_sanidad_pib_pct | 19 | 2000 | 2024 | 25 |
| pib_miles_eur | 19 | 2000 | 2024 | 25 |
| pobreza_pct | 19 | 2008 | 2025 | 18 |
Los 4 ficheros son complementarios pero de naturaleza distinta, así que se valoran en conjunto, no cada uno contra el umbral genérico de tamaño de serie del curso (pensado para frecuencias Y/Q/M/W/D regulares):
pisa_paises: frecuencia
trienal con huecos, no encaja en Y/Q/M/W/D. P25 ≈ 2-3
ciclos de 9 posibles — insuficiente para análisis de tendencia propio
(STL/ARIMA) salvo en el grupo reducido de países con los 9 ciclos
completos. Sí cumple sobradamente como dataset de comparación
transversal entre países o entre ciclos: 105 entidades, datos
hasta el ciclo más reciente (2025, publicado hace días).pisa_ccaa: mismo régimen trienal, 19
regiones, 6 ciclos posibles desde
contexto_paises y
contexto_ccaa: frecuencia anual
(Y), que sí es comparable al umbral del curso (P25 ≥ 10).
contexto_ccaa lo cumple holgadamente en 3 de sus 4
indicadores (pobreza: 18 años; peso educación/PIB: 25 años) y por poco
en AROPE (12 años); contexto_paises depende del indicador y
del país (el propio chunk anterior da el P25 exacto). Cobertura
geográfica: 20 áreas en contexto_ccaa (completa), variable
por país en contexto_paises.NA, 0 filas duplicadas en
los cuatro ficheros.Conclusión: el conjunto cumple los requisitos de AEDV para un proyecto de comparación entre países y entre Comunidades Autónomas, cruzando resultados educativos con contexto socioeconómico. No cumple el perfil de una serie temporal densa por país al estilo de los datasets anuales del curso — esa es una limitación de PISA en sí (trienal, con huecos), no de cómo se ha construido este dataset.
Al compilar este documento se ha generado el fichero
INFORME_PISA_analisis.Rmd: es la sección
Análisis del dataset de arriba, preparada para la sección
Comprensión de los datos de la memoria, con los títulos
al nivel de esa sección. Para incorporar el dataset a la memoria:
INFORME_PISA: pisa_paises_2000_2025.rds,
pisa_ccaa_2009_2025.rds, contexto_paises.rds,
contexto_ccaa.rds, INFORME_PISA_metadatos.xlsx
y INFORME_PISA_analisis.Rmd.utilidades.R (viene en la carpeta
ProyectoPersonal, junto al modelo de memoria) y que la
memoria lo carga en el chunk de librerías:
source("utilidades.R").```{r, results='asis', cache=FALSE}
pisa <- aedv_incluir_dataset("INFORME_PISA_analisis.Rmd")
# este dataset tiene 4 tablas: aedv_incluir_dataset() las devuelve en una lista
pisa_paises <- pisa$pisa_paises # resultados PISA por país, 2000-2025
pisa_ccaa <- pisa$pisa_ccaa # resultados PISA por Comunidad Autónoma, 2009-2025
contexto_paises <- pisa$contexto_paises # contexto socioeconómico por país
contexto_ccaa <- pisa$contexto_ccaa # contexto socioeconómico por Comunidad Autónoma
```Al compilar la memoria, el análisis aparece en el lugar del chunk y
los datos quedan en las tablas pisa_paises,
pisa_ccaa, contexto_paises y
contexto_ccaa (tibbles), con las que se sigue trabajando en
el resto de la memoria. Este dataset tiene 4 tablas:
aedv_incluir_dataset() las devuelve juntas en una lista, y
las líneas que siguen a la llamada las separan, cada una con su nombre.
Si incorporas varios datasets, pega un chunk por cada uno, con nombres
de tabla distintos. En un dataset auxiliar, que no tiene que cumplir los
requisitos de AEDV,
aedv_incluir_dataset("INFORME_PISA_analisis.Rmd", validacion = FALSE)
omite la validación.
El texto explicativo del dataset (qué mide, qué significa cada
variable y cada una de sus opciones…) se escribe en la memoria, antes o
después del chunk, no en INFORME_PISA_analisis.Rmd: ese
fichero se sustituye cada vez que se vuelve a generar.