Alianzas en las elecciones 2013
Bases: Agrupaciones políticas habilitadas para las PASO 2013 – Dirección Nacional Electoral
Integrantes: “The Viz Machine”
Tomás Crom -Periodista
Martín Alalú – Politólogo y Periodista
Mariano Estevez -Dataminer
Antonio Milanese -Politólogo
El proyecto consiste en una visualización de las alianzas entre los partidos que participaron en las elecciones a diputados nacionales en el 2013. El grafico muestra las distintas alianzas a nivel nacional (kirchnerismo, peronismo opositor, UCR-Socialismo, PRO y el Frente de Izquierda) y el modo y frecuencia en que sus partidos integrantes interactuaron.
El primer paso consistió en ordenar la base en pdf que publica la Dirección Nacional Electoral, y luego contar la cantidad de veces que dos partidos compartían una alianza en cualquier distrito, de modo que pudiese relacionarse a ambos partidos y establecer el peso (densidad) de dicha relación. Utilizaron Gephi para hacer la visualización y un algoritmo de clusterización para identificar las comunidades. Por último se utilizó Sigma JS para poder hacer las imágenes interactivas.
Herrarientas: Excel, Gephi, Sigma JS
El foursquare de la educación
Bases: establecimientos educativos / estadísticas educación
Integrantes:
Pablo Seibelt – Desarrollador de Software
Gissela Peralta – Programadora- comunicadora
Jorge Drot de Gourville – Analista Data Mining
Cristian D’agata – Analista Data Mining
Resumen: Se trata de una herramienta de crowdsourcing nutrida por la gente y hecha para la gente. La idea es que la herramienta funcione como una fuente de datos actualizada por los mismo interesados, de la misma manera en que funcionan aplicaciones y sistemas como Foursquare, Yelp, Guia Oleo, etc. El concepto, por ende, sería similar pero adaptado a escuelas públicas y privadas, permitiendo al usuario común evaluar las escuelas cercanas para elegir a cual enviar a sus hijos. Los datos anónimos y sumarizados estarían disponibles para cualquiera que quisiera utilizarlos para realizar análisis más detallados, de manera que sería una fuente de información para analistas de periodismo de datos. Un análisis que podría realizarse a priori, suponiendo un uso continuado de la herramienta, sería relacionar las inversiones realizadas en educación con un cambio en las puntuaciones de infraestructura a lo largo del tiempo.
Durante el Datafest se realizó un prototipo que puede verse en http://datafest.sicarul.com. En principio sólo funciona para capital federal. El resto de las funcionalidades quedan para una segunda etapa.
Análisis de datos de censos de estudiantes
Bases: Censos de la UBA, Censo Indec 2010. Complementarios: Cippec, ONU, BM.
Integrantes:
Natalia López – Periodista
Miguel Pol – Programador, consultor
Federico Belvedere – Ingeniero
Alejandro Gerardi – UBA, censo
Gabriel Latorre – investigador
Agustín Leoli – periodista digital, comunicador
Silvia pizano – investigadora
Inés Selvood – comunicadora / periodista digital
César PLanes – Director Censo UBA
Tamara Terciana – analista, programador
Luis Acosta – investigador
Aigul Safiullina – Periodista
Canasta inflacionaria
Bases: Indice barrial de precios
Integrantes:
Alejandro Baranek – Programador
Cristian Bertelegni – Programador
Maximiliano Mozetic – Economista
El Índice de la Canasta Básica releva 25 mil precios por mes en 7 ciudades del país. El proyecto buscó realizar una herramienta interactiva para mostrar la dinámica inflacionaria de la Canasta Básica y más específicamente qué productos de la canasta básica son los que más influyen en la inflación de un determinado mes, pudiendo filtrar por ciudad o por producto.
Se utilizó el lenguaje R para los procesamientos de datos y protipos y JavaScript d3, c3.. Tambien DataHub: http://datahub.io/dataset/ibp-ar
#AutovíaRuta14
El proyecto #AutovíaRuta14 aspira a mejorar la visualización de información referida a los accidentes ocurridos en el corredor vial de la Ruta Nacional 14 que une a la Argentina con sus socios del Mercosur.
La aplicación en desarrollo pretende generar un sistema de visualizaciones interactivas que aporten un mejor insumo para la toma de decisiones. Para ello se pretende visualizar:
· Cantidad de accidentes ocurridos en la Autovía (por año y por mes)
· Comparación con cantidad de accidentes anteriores a la construcción de la Autovia (2006)
· Flujo dinámico del tránsito
· “Temperatura” de los sectores de la ruta (en base a cantidad de accidentes ocurridos en cada uno de los 40 tramos de la Autovía).
· Cantidad de heridos y muertos por mes / año / tramo de la ruta
· Tipos de accidentes (Frontales, laterales, de atrás, otros) x mes y por año.
· Tipo de vehículo involucrado en accidente (Auto, camión)
Se generará a su vez aplicación mobile para geolocalizar accidentes en tiempo real. Este sistema de alertas estará disponible para dependencias de Policía y Gendarmería que controlan el corredor vial, Bomberos y Hospitales a la vera de la Autovía.
El modelo general que se aplique para la Autovía Ruta 14 será un modelo que replique en los 18 corredores viales del país.
El equipo realizó un hackatón para seguir trabajando en el proyecto.
Modelando sobre datos de la estadística educativa
Bases: Educación + CABA – Escuelas públicas vs privadas – Resultados de evaluación calidad educativa
Integrantes:
Nahuel Dikenstein
Augusto Gesualdi
Gastón Gadea
Matias Canovas
Resumen: Un análisis de datos estadísticos de educación para distinguir diferencias entre escuelas públicas y privadas. Una visualización estática de resultados para distinguir un tipo de escuela de otra. Se buscó identificar si existe una diferencia en la calidad educativa según el tipo de institución.
Herramientas: SAS, SPSS
Datafishing
Argentina – Siia, Minagri
Malvinas – Falkland Islands Gvt
Chile – Servicio Nacional de Pesca y Acuicultura:
Peru – Ministerio de la producción
Uruguay – Dirección Nacional de Recursos Acuáticos (DINARA)
Integrantes:
Tomas Cantinello
Miguel Angel Silva
Anais Dubois
Pablo Armas
Helge Holler
Franco Hechenveitner
Resumen: Por segundo año consecutivo se reunió un equipo en el Datafest para tratar los datos de las capturas pesqueras por país desde 1992 hasta 2013. El equipo realizó una visualización mostrando una comparativa entre el mercado de pesca que queda en el país y la exportación que se realiza. La pregunta que catapultó la investigación fue: ¿Por qué es tan caro el pescado en Argentina? ¿Cómo son las capturas en otros países?
Herramientas: Excels, CartoDB, Tabula, Google charts, Tableau Public, OpenRefine