### Informe PISA y contexto socioeconómico, por país y por Comunidad Autónoma ```{r} # nombres con los que se guardaron los ficheros del dataset 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" # tablas que devuelve aedv_incluir_dataset() al incluir este análisis en la memoria tablas_exportadas <- c("pisa_paises", "pisa_ccaa", "contexto_paises", "contexto_ccaa") ``` ```{r} # el resto de hojas del xlsx (entidades_especiales, nombres_normalizados, ciclos, # ccaa_geo, contexto_indicadores, contexto_fuentes) documentan el detalle de cada # aviso/normalización; no se repiten aquí, este análisis se limita a describir # cada tabla, su tamaño de serie y la validación global de requisitos AEDV ficha <- read.xlsx(paste0(filename, "_metadatos.xlsx"), sheet = "dataset") pisa_paises <- readRDS(f_paises) |> as_tibble() pisa_ccaa <- readRDS(f_ccaa) |> as_tibble() contexto_paises <- readRDS(f_contexto_paises) |> as_tibble() contexto_ccaa <- readRDS(f_contexto_ccaa) |> as_tibble() ``` **metadatos**
```{r} knitr::kable(ficha) ```
#### `pisa_paises_2000_2025.rds` *País × 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`). ```{r} pisa_paises |> print(n=5) ``` **Tamaño de serie**: nº de los 9 ciclos posibles (2000-2025, trienal con huecos) con dato, por país. ```{r} pisa_paises |> filter(!entidad_parcial) |> group_by(asignatura) |> summarise(n_paises = n_distinct(pais), P25 = quantile(as.integer(table(pais)), 0.25), P50 = median(as.integer(table(pais))), P100 = max(table(pais)), .groups = "drop") |> knitr::kable() ``` #### `pisa_ccaa_2009_2025.rds` *Región × 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. ```{r} pisa_ccaa |> print(n=5) ``` **Tamaño de serie**: nº de los 6 ciclos posibles (2009-2025) con dato, por región. ```{r} pisa_ccaa |> filter(ambito == "CCAA") |> group_by(asignatura) |> summarise(n_regiones = n_distinct(region), P25 = quantile(as.integer(table(region)), 0.25), P50 = median(as.integer(table(region))), P100 = max(table(region)), .groups = "drop") |> knitr::kable() ``` #### `contexto_paises.rds` *País × 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. ```{r} contexto_paises |> print(n=5) ``` **Tamaño de serie**: nº de años con dato por país, y periodo cubierto. ```{r} contexto_paises |> group_by(indicador) |> summarise(n_paises = n_distinct(pais), anio_min = min(anio), anio_max = max(anio), P25 = quantile(as.integer(table(pais)), 0.25), P50 = median(as.integer(table(pais))), .groups = "drop") |> knitr::kable() ``` #### `contexto_ccaa.rds` *Región × 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). ```{r} contexto_ccaa |> print(n=5) ``` **Tamaño de serie**: nº de años con dato por región (panel completo: todas las regiones tienen el mismo nº de años en cada indicador). ```{r} contexto_ccaa |> filter(ambito == "CCAA") |> group_by(indicador) |> summarise(n_regiones = n_distinct(region), anio_min = min(anio), anio_max = max(anio), n_anios = n_distinct(anio), .groups = "drop") |> knitr::kable() ``` #### Validación global de requisitos AEDV 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 2009. Cobertura geográfica completa de España; tamaño de serie corto pero suficiente para comparar CCAA en un ciclo dado. - **`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`. - **Fiabilidad de la fuente**: la descarga oficial de la OCDE está bloqueada (403) y se reconstruye de Wikipedia, verificado cruzando España entre dos parseos independientes; la Contabilidad Regional del INE se obtuvo por un mecanismo distinto al resto del proyecto (descarga directa de INEbase, no la API/catálogo ya generado). Ambas limitaciones están documentadas en los metadatos, no ocultan datos. - **0 valores `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.