género – Escuela De Datos http://es.schoolofdata.org evidencia es poder Fri, 11 May 2018 16:06:00 +0000 es hourly 1 https://wordpress.org/?v=5.3.2 114974193 ¿Cómo sería una visualización de datos feminista? http://es.schoolofdata.org/2018/05/11/como-seria-una-visualizacion-de-datos-feminista/ http://es.schoolofdata.org/2018/05/11/como-seria-una-visualizacion-de-datos-feminista/#respond Fri, 11 May 2018 16:04:41 +0000 http://es.schoolofdata.org/?p=2513 Ante el peligro de que  la visualización de datos se use como una herramienta para la desinformación y la exclusión, Catherine D’Ignazio reflexiona sobre qué podemos aprender del feminismo para hacer mejores representaciones visuales con datos.

Mientras las visualizaciones de datos se vuelven más populares y se van creando nuevas herramientas para crearlas, menos personas están pensando de manera crítica acerca de la política y la ética de las dinámicas de representación. Esto, combinado a un público general asustado por los datos y las gráficas, conlleva que las visualizaciones de datos ejerzan una gran cantidad de poder retórico. A pesar de que de manera racional sabemos que las visualizaciones de datos no representan “el universo completo”, nos olvidamos de ello y aceptamos cualquier gráfico como un hecho porque es generalizado, científico y parece presentar un punto de vista experto y neutral.

¿Cuál es el problema de esto? La teoría feminista nos diría que el problema es que todo conocimiento es situado socialmente, y que las perspectivas de los grupos oprimidos, incluyendo a las mujeres, a las minorías y a otros grupos son excluidas sistemáticamente del conocimiento “general”.

La corriente de la cartografía crítica nos diría que los mapas son espacios de poder y que producen mundos que están íntimamente ligados a ese poder. Como Denis Wood y John Krygier explican, la elección sobre qué poner en un mapa “…trae a la superficie el problema del conocimiento, de una manera ineludible así como pasa con el simbolismo, la generalización y la clasificación”. Hasta que reconozcamos ese poder de inclusión y exclusión, y desarrollemos un lenguaje visual para ello, debemos reconocer que la visualización de datos puede ser otra herramienta poderosa y defectuosa para la opresión.

¿Puedo decir esto más claro? Donna Haraway —en su influyente ensayo sobre Conocimientos situados— ofrece una brillante crítica no sólo a la representación visual, sino al privilegio extremo y perverso de los ojos sobre los cuerpos que han dominado el pensamiento occidental. Es evidente al leer esta cita en voz alta, que funciona también como una pieza de performance:

Los ojos han sido utilizados para significar una perversa capacidad, refinada hasta la perfección en la historia de la ciencia —relacionada con el militarismo, el capitalismo, el colonialismo y la supremacía masculina— para distanciar al sujeto conocedor de todos y de todo, en interés del poder sin trabas. Los instrumentos de visualización… han compuesto estos significados de descorporalización.  Las tecnologías de visualización parecen no tener límites… La vista en esta fiesta tecnológica se ha convertido en glotonería incontenible. .. Y como truco divino, este ojo viola al mundo para egendrar monstruos tecnológicos.

— Donna Haraway en “Conocimientos situados: La cuestión científica en el feminismo y el privilegio de la perspectiva parcial” (1995)

Ver el mundo por completo es una fantasía que Michel DeCerteau llama “el ojo totalizante” y a la que Donna Haraway llamó “el truco divino”. ¿Acaso no es ésta la premisa retórica y promesa seductora de la visualización de datos? ¿Ver desde la perspectiva de ninguna persona o cuerpo? Nuestro apetito por dichas perspectivas es feroz y glotón, como dice Haraway.

Existen maneras de representar el mundo de una manera más responsable. Existen maneras de “situar” la visualización de datos y localizarla en cuerpos y geografías concretas. Los cartógrafos críticos, los indígenas mapeadores y otras comunidades han experimentado por años con estos métodos y podemos aprender de ellos.

 

Tip 1  Inventa formas de representar los datos faltantes, la incertidumbre y los métodos que fallan.

Mientras que las visualizaciones —sobre todo las populares y públicas— son una gran manera de presentar mundos completamente contenidos, no son tan buenas para presentar sus limitaciones.¿Cuáles son los lugares que la visualización no incluye o a los que no pudo llegar? ¿Podemos incluirlos en la visualización?  ¿Cómo presentamos los datos que nos hacen falta? Andy Kirk tiene una muy buena charla sobre el diseño de la nada, en la cual explica cómo los diseñadores toman decisiones a la hora de representar la incertidumbre, incluir valores ceros, nulos y en blanco. ¿Podemos empujar a qué más diseñadores tomen estos métodos en consideración? ¿Podemos pedir que nuestros conjuntos de datos señalen también aquello que dejaron fuera?

Mapa para no indicar, 1967 por el colectivo de artistas Art&Language. El mapa enseña solo a Iowa y Kentucky y luego procede a listar todo aquello que no está representado en él. Forma parte de la Tate Collection.

Más allá de escribir “datos no disponibles”, ¿Cómo profundizamos en la procedencia de los datos como un nuevo campo de la visualización, similar al trabajo de verificación de datos? ¿Podemos recolectar y representar los datos que no se han recopilado antes?  ¿Podemos encontrar a la población que fue excluida de la recolección de datos? ¿Podemos localizar las fallas en el instrumento de recolección de datos que todos asumían que funcionaba a la perfección? ¿Podemos examinar críticamente los métodos de un estudio en lugar de aceptar que el CSV, JSON ola API están como están y ya? Todas estas parecen tareas que van más allá del trabajo del visualizador de datos. Alguien más antes de ellos en el proceso de datos, el DataPipeline, debería hacer ese trabajo de investigación nada sexy de la antropología de datos. Pero si los visualizadores no asumen esta responsabilidad ¿Quién la asume?

Tip 2 Haz referencia a la ‘economía de los materiales’ detrás de los datos

Aparte de la procedencia de los datos, también necesitamos preguntar sobre la economía de los materiales detrás de este proceso de recolección de datos ¿Cuáles eran las condiciones que hicieron una visualización de datos posible? ¿Quién pagó por esta visualización? ¿Quién recolectó los datos? ¿Cuál es el trabajo detrás de escenas y bajo qué condiciones se produjo esta visualización?

Por ejemplo, en el Laboratorio Público de Tecnología y Ciencia Abierta tenemos esta técnica de mapeo en la que cuelgas una cámara a un barrilete o globo para obtener imágenes espaciales. Uno de los efectos secundarios de este método que algunas comunidades han adoptado es que la cámara también captura la imagen de las personas que participan en el mapeo. Estos son los cuerpos de los recolectores de datos, frecuentemente ausentes de las representaciones finales.

Foto tomada de un artículo de Eymund Diegal del Laboratorio Público sobre mapeo de aguas residuales en el Canal Gowanus. Noten a las personas en botes haciendo el mapeo y el cordón del globo que une la cámara y la imagen de regreso a quienes recolectan los datos.

Comúnmente, las visualizaciones de datos citan a las fuentes en una pequeña leyenda, pero se podría hacer más. ¿Qué tal si problematizamos visualmente la procedencia de los datos? ¿Los intereses detrás de la producción de un conjunto de datos particular? ¿Los tomadores de decisiones de estos datos? Un archivo CSV usualmente no tiene referencia a ninguno de estos elementos materiales más humanos que también son esenciales para que entendamos el dónde, por qué y cómo de los datos.

Tal vez una manera de resolver este problema sería tener metadatos mucho más robustos y de manera intencional priorizar el despliegue visual de esos metadatos. La meta de dicha visualización sería mostrar no sólo lo que los datos “dicen” sino cómo los datos se conectan con personas, sistemas y estructuras de poder y producción en el mundo más amplio.

Tip 3 Haz que la disidencia sea posible

A pesar de que hay suficientes visualizaciones de datos “interactivas”, lo que en realidad significa interactividad es la capacidad de seleccionar algunos filtros y mover algunas barras o sliders para ver cómo la imagen se adapta y cambia. Estos pueden ser métodos poderosos para moverse dentro de un mundo contenido y restringido de imágenes y hechos estables. Pero como sabemos por ejemplos como las guerras de edición en Wikipedia, o las controversias de GoogleMaps, el mundo no está encuadrado de una manera tan conveniente en la que los “hechos” no se disputan o son siempre lo que parecen ser.

Una manera de resituar la visualización de datos es desestabilizarla al hacer posible el disenso.  ¿Como podemos idear formas en las que una audiencia pueda “responderle”a los datos?… ¿Para cuestionar los hechos que presenta? ¿Para presentar visiones y realidades alternativas? ¿Para combatir y socavar principios básicos de la existencia y recolección de esos datos?

¿Cómo hacer esto? A pesar de que la mayoría de personas que trabajan con datos son hombres blancos, podría ser tan simple como incluir a personas de diferentes contextos, con diferentes perspectivas, en la producción de la visualización.  Por ejemplo, el Insituto de Expediciones Geográficas de Detroit era un proyecto realizado en conjunto entre geógrafos académicos (liderados por hombres blancos privilegiados) y la juventud de diferentes sectores de la ciudad (liderados por Gwendolyn Warren, un activista negro de 19 años) a finales de 1960.

Tomado de  Notas de Campo III: Geografía de los niños de Detroit. por el Instrituto de Expediciones Geográficas, 1971. Warren y sus colegas usaban este mapa y los reportes generales para argumentar a favor de un programa de “planificación de negros”, que empoderaba a los ciudadanos de color para tomar decisiones sobre sus comunidades.

Para su tiempo, este mapa era avanzado tecnológicamente y un poco convencional (a nuestros ojos) en su uso de estrategias visuales. Lo que le da a este mapa disidencia es el titulo, formulado por la juventud negra haciendo el mapeo: “Donde los automovilistas atropellan a niños negros”; este no es un título neutral. El mapa pudo haberse llamado “Donde pasan los accidentes en el centro de Detroit” (y de esta manera, habría sido si la ciudad hubiera contratado a un consultor en cartografía para mapear esos mismos datos), pero desde el punto de vista de las familias negras cuyos hijos habían sido atropellados, era significativo que los niños eran negros, los automovilistas en su mayoría blancos y que los eventos se describían como “muertes” en vez de “accidentes”.

Uno puede construir disenso en el proceso de visualizar si incluye voces diversas en la creación, pero ¿Y en el producto final?

El proyecto ToxicSites.us crea un reporte sobre cada lugar contaminado en Estados Unidos e invita a que diferentes colaboradores añadan historias locales, imágenes y videos que documentan el sitio (y posiblemente contradigan los datos oficiales). El sitio también permite que campañas de activismo y programas ecológicos se organicen para limpiar estos lugares. Esta es una manera de “responder” a los datos, así como de pasar la conversación pública sobre lo que los datos dicen a la acción.

El sitio ToxicSites.us  presenta mapas, visualizaciones de datos e historias sobre los proyectos del programa Superfund, responsable por limpiar los lugares más contaminados de Estados Unidos. El proyecto busca responder a emergencias ambientales, fugas de petróleo y desastres naturales.   

Una visualización a menudo se produce con un enfoque desde arriba: un diseñador experto o un equipo con conocimientos especializados encuentra algunos datos, hace algo de su magia y presenta al mundo un artefacto con algunas maneras altamente recomendadas para verlo.

¿Podemos imaginar una forma alternativa de incluir más voces en la conversación? ¿Podríamos realizar la visualización de forma colectiva, inclusiva, con disidencia y contestación, a escala?

¿Qué más?

Estas son solo tres sugerencias de diseño que apuntan hacia la ética feminista y la conciencia sobre las políticas detrás de la visualización de datos. Me gustaría escuchar sobre otros aspectos de la visualización de datos que podamos repensar para hacerla más situada, más feminista, y sobretodo, más responsable. Haz tus comentarios o escríbeme en Twitter a @kanarinka para continuar la conversación.

Flattr this!

]]>
http://es.schoolofdata.org/2018/05/11/como-seria-una-visualizacion-de-datos-feminista/feed/ 0 2513
¿Qué implica la data de género? http://es.schoolofdata.org/2017/06/14/que-implica-la-data-de-genero/ http://es.schoolofdata.org/2017/06/14/que-implica-la-data-de-genero/#respond Wed, 14 Jun 2017 19:09:34 +0000 http://es.schoolofdata.org/?p=2071 Vivas Nos Queremos 8
En uno de los encuentros que tuvimos en Abrelatam 2016, a Majo Greloni (directora de Comunicación y Campañas Online en Wingu) y a mi nos motivó la curiosidad de identificar los desafíos sobre género y datos desde la diversidad que siempre caracteriza a este evento; fuimos voluntarias para conducir esta mesa y uno de los desafíos que se quedó rondando en mi cabeza tenía que ver con identificar qué se puede hacer con la poca data de género que tenemos para incidir en políticas públicas.

Entrando a una reflexión más profunda, me doy cuenta de que cuando empezamos una conversación sobre data de género, en la mayoría de los casos la primera puntualización que resalta es hablar sobre violencia de género y la ausencia de información que llega a ser una suerte de común denominador en Latinoamérica. Lo primero tiene que ver con que tendemos a limitar el tema de género al enfoque de violencia por el contexto urgente de nuestros países, y esa mirada es necesaria aunque no la única; lo segundo, un poco más preocupante, tiene que ver con la falta de datos de género, y si existen, la cuestionable calidad de los mismos.

Cuando hablamos de data de género no nos referimos meramente a un indicador enunciativo de hombres y mujeres dentro una base de datos: estamos hablando de todas las dimensiones que comprenden estos dos diferenciadores mayores, yendo a la construcción cultural y social más allá de lo biológicamente determinado. Esta construcción implica la comprensión de la vida de las mujeres y las disparidades, los desafíos políticos y legales que enfrentan y les impide avanzar; elementos que normalmente resultan ausentes de los datasets ante la falta del corte de género como componente primario de las bases de datos.

La perspectiva de género, en este sentido, alude no sólo al potencial de granularidad y calidad de datos y su consiguiente valor derivado del análisis, sino también a su potencial político, transformador de la realidad, es decir, una propuesta política que exige un compromiso a favor de la construcción de relaciones de igualdad de género. Sin buenos datos, nos perdemos de detalles cruciales que pueden cambiar disparidades y acortar caminos en los desafíos planteados; no podemos ver con precisión qué es lo que necesita ser modificado, si es que las soluciones planteadas funcionan o no, o si hay progreso en lo que estamos haciendo.

 

Desde cualquiera que sea nuestra rama de interés, la data de género implica no solamente una cuestión técnica que en definitiva tiene un peso importante y que determina la calidad de futuros análisis, al mismo tiempo hablamos de una cuestión basada en política y por lo tanto, la determinación de qué valores medir. En ese sentido, si consideramos que tenemos recursos limitados para la recolección de datos, la elección sobre qué medir, cómo medirlo y quién está midiendo puede profundizar una división inadecuada de datos y proporcionar datos sexistas o poco útiles.

No hay igualdad de género sin igualdad de datos

«Medimos lo que valoramos y si no es parte de la mentalidad que, por ejemplo, el trabajo no remunerado de las mujeres en el hogar tiene un valor económico además de otros beneficios y, por lo tanto, no medimos ese trabajo, entonces no podemos ver cómo las mujeres impulsan el desarrollo económico y productivo de los países», dice Emily Courey Pryor, directora de la iniciativa Data2X de la Fundación de las Naciones Unidas, cuyo objeto es mejorar la disponibilidad y el uso de los datos de género.

El vínculo entre los datos de género y el empoderamiento económico de las mujeres es un ejemplo enorme, y sin embargo es sólo una de las múltiples áreas en las que esta data es carente o inexistente.

Pasar por alto estas valoraciones contribuye a una cultura de invisibilidad; como el ejemplo expuesto por Courey existen otros tantos, relacionados por ejemplo a la edad reproductiva de las mujeres, que según la OMS, se define entre 15 y 49 años; y sin embargo las niñas menores de 15 años representan 2 millones de los 7,3 millones de embarazos de niñas menores cada año en los países en desarrollo, según UNFPA. Estos 2 millones de niñas no aparecen en las estadísticas y sin embargo están ahí.

La data de género, precisa y completa, abre la puerta a la identificación y consiguiente subsanación de estas brechas de datos, que a su vez se traducen en promoción de políticas efectivas para el cierre de brechas de desigualdad.

Con este panorama, conversando con Natália Mazzote (Co-Directora en Gênero e Número y Administradora de programas en Escola de Dados Brasil), concordamos que las varias implicaciones de los datos de género se convierten en un reto desde el punto de vista de la planificación estratégica: contamos con bases de datos e información sobre temas varios, como por ejemplo la empleabilidad en carreras universitarias tecnológicas, pero no contamos con información suficiente para medir, por ejemplo, la asimetría de género pues el recorte de datos de género se excluye o no se considera como importante dentro de estas recolecciones; a fin de cubrir esta brecha, el proceso al que normalmente recurrimos quienes trabajamos género desde distintas perspectivas, es el de crear una estructura propia recurriendo a fuentes alternas, especialistas en la materia y otros.

Esto implica un gran esfuerzo al momento de generar bases de datos y análisis como resultado de investigaciones, y poner este conjunto disponible para cualquier interesado; pero por momentos queda limitado al alcance local al no tener estándares internacionales que nos permitan tener una comparación macro de lo que está pasando a nivel regional.

 

Dos esfuerzos más visibles para subsanar la falta de estándares internacionales, mejorar la disponibilidad y el uso de los datos de género son:

  • Publicado en septiembre de 2015, los 16 indicadores globales «Listos para medir» (Ready to Measure) y monitorear los resultados para mujeres y niñas sobre los Objetivos de Género de los Objetivos de Desarrollo Sostenible (ODS), lanzados por la Organización de las Naciones Unidas con una nueva agenda de desarrollo sostenible y metas al 2030; los 17 objetivos que componen este compromiso han planteado un escenario más transversal para el tratamiento de las disparidades de género: la incorporación sistemática de una perspectiva de género en la implementación de la agenda global de trabajo, reflejada en la identificación de la meta 5 denominada “Igualdad de Género” y 11 ODS incluyen metas específicas desagregadas por género.

Impulsado por Data2x, quienes han identificado 28 brechas de datos en cinco ámbitos: salud, educación, oportunidades económicas, participación política y seguridad humana, ya cuentan con definiciones acordadas internacionalmente, que se elaboran a través de los instrumentos de recolección de datos disponibles, que ya cuentan con una cobertura relativamente amplia, que no tienen sesgos de género incorporados, y que están basados en las recomendaciones de ONU Mujeres, el Grupo Interinstitucional y de Expertos sobre Estadísticas de Género, el Grupo de Trabajo Abierto, los indicadores de los ODS y la actual lista de la Comisión de Estadística de las Naciones Unidas, incluyendo pero no limitado a la meta cinco sobre Igualdad de Género de los Objetivos de Desarrollo Sostenible. Están en la búsqueda de unir esfuerzos con otros socios, expertos y agencias nacionales para poner a prueba los indicadores “Listos para medir” y motivar el inicio de la recolección de datos de género.

  • Más reciente, de septiembre de 2016, la iniciativa emblemática “Haciendo que cada mujer y cada niña cuenten” (Making Every Woman and Girl Count) de ONU Mujeres. El programa de cinco años invertirá los recursos y la experiencia necesarios, centrándose en 12 países pioneros, para generar, priorizar y utilizar los datos de género. Ayudará a los países a formular políticas basadas en datos concretos y orientadas a aplicar plenamente los progresos logrados en relación con los objetivos de desarrollo sostenible (GDS).

 

En ambos casos existen objetivos claramente trazados, en búsqueda de resultados que ciertamente no veremos en el corto plazo, pero que significan un esfuerzo importante por trascender en la necesidad de mejores datos de género.

 

La labor continua y el rol desde sociedad civil

 

En el continuo ejercicio de demanda y generación de mejor data de género por parte de la ciudadanía hacia los gobiernos, vale la penar que como ejercicio recordemos y apliquemos los Principios Básicos para la Revolución de Datos para el Desarrollo Sostenible, presentado en el informe de la revolución de datos “Un mundo que cuenta” (A world that counts) de Naciones Unidas, para entender qué pedimos, cuáles las características que necesitamos y cómo lo pedimos:

  1. CALIDAD Y RELEVANCIA DE LOS DATOS: Lo había mencionado anteriormente, la invisibilización del corte de género deriva en un análisis de dataset sesgados, lo que limita la posibilidad de generar transformaciones.
  2. DESAGREGACIÓN DE DATOS: Se ha considerado al corte de género como omnipresente en las bases de datos, sabemos que se hizo, pero en algún punto alguien consideró que no eran importantes para el análisis; esta práctica invisibiliza realidades.
  3. OPORTUNIDAD DE DATOS: Los datos retrasados ​​son datos negados; la falta de datos desagregados y en el tiempo oportuno significan un dificultad mayor y una demora para la pertinente revisión de las políticas públicas.
  4. TRANSPARENCIA DE DATOS Y APERTURA: Todos los datos sobre cuestiones públicas y / o financiados por fondos públicos, incluidos los datos producidos por el sector privado, deberían hacerse públicos y «abiertos por defecto», con excepciones estrictas para las preocupaciones reales de seguridad o privacidad. En lo relacionado a género específicamente, la falta de transparencia y apertura de estos datos está generando poca precisión en la identificación de problemas y posibles soluciones, en lo que demandamos al aparato público.
  5. DATOS DE USABILIDAD Y CURACIÓN: La arquitectura de datos debe poner gran énfasis en el diseño centrado en el usuario y en interfaces amigables para el usuario, considerando que los usuarios frecuentes de estos datos, además de los organismos públicos, son organizaciones de sociedad civil. Datasets incomprensibles o información con componentes de complejidad innecesarios, como PDFs con contraseña, no facilitan el consumo de datos.
  6. PROTECCIÓN DE DATOS Y PRIVACIDAD: Es necesario elaborar normativa clara, políticas y marcos jurídicos sólidos que regulen la inclusión y la exclusión voluntaria, la extracción de datos, la reutilización con otros fines, la transferencia y la difusión. Los ciudadanos deberían poder comprender y controlar mejor sus propios datos y proteger a los productores de datos de las demandas de los gobiernos y de otros ataques.
  7. GOBIERNO DE LOS DATOS E INDEPENDENCIA: En la alternancia del poder político, muchas oficinas nacionales de estadística se ven afectadas en sus procesos y continuidad de acciones, las coloca en una posición de vulnerabilidad a la influencia de los grupos políticos y de interés. La calidad de los datos debe ser protegida y mejorada mediante el fortalecimiento y la garantía de que son funcionalmente autónomos, independientes de los ministerios sectoriales y de la influencia política.
  8. RECURSOS Y CAPACIDAD DE LOS DATOS: Una doble responsabilidad, por una parte requiere inversiones, por ejemplo, en capital humano, mejores tecnologías, infraestructura, datos geoespaciales y sistemas de gestión principalmente en sistemas gubernamentales; por otra debe desarrollarse la capacidad de ciencia de datos en los servidores públicos y organizaciones de sociedad civil para generar valor agregado a partir de datos, ello puede convertirse en un elemento complementario de calidad a las estadísticas oficiales.
  9. DERECHOS DE DATOS: Es la comprensión de que la revolución de los datos está estrechamente vinculada al ejercicio y resguardo de los derechos humanos, entre otros, el derecho a ser contados, el derecho a la identidad, el derecho a la privacidad ya la propiedad de los datos personales, el derecho al debido proceso, por nombrar algunos, pero que en esencia implican.

 

Finalmente, como periodistas, investigadores y activistas las puertas están abiertas para replantearnos la perspectiva de nuestras causas y empezar a dar enfoque de datos a los temas de género: ello nos conduce a una discusión en un nivel más puntual y efectivo, trascendiendo más allá de lo mediático y empujando a la reflexión más objetiva que se enfoque justamente en subsanar aquellas disparidades invisibilizadas; los datos son la herramienta más concreta para incidir en políticas públicas.

 

 

Flattr this!

]]>
http://es.schoolofdata.org/2017/06/14/que-implica-la-data-de-genero/feed/ 0 2071
Cómo hacer visualizaciones de datos con Tableau http://es.schoolofdata.org/2016/12/29/como-hacer-visualizaciones-de-datos-con-tableau/ http://es.schoolofdata.org/2016/12/29/como-hacer-visualizaciones-de-datos-con-tableau/#respond Thu, 29 Dec 2016 21:56:14 +0000 https://es.schoolofdata.org/?p=1851 Mi incursión en Tableau surgió como una oportunidad. Hace dos años, trabajaba en una Organización No Gubernamental (ONG) en El Salvador especializada en el tema de mujeres. Mi exjefe estaba por comprar un software especializado en visualizar datos. Se me acercó y me preguntó: «¿Le interesaría aprenderlo?» Dudé. No mucho, pero dudé. Y, pese a las dificultades iniciales, acepté el reto y heme aquí intentando que la gente lo ame tanto como yo lo hago.

De ahí, cada que puedo recomiendo Tableau, una herramienta creada por tres entusiastas de los datos en la Universidad de Stanford, como un excelente aliado en visualización cuando carecemos de equipos multidisciplinarios (conformado por visualizadores, infografistas, diseñadores, entre otros), pues se sustenta en el concepto one man band para contar cierto tipo de temáticas con gráficos. ¡Ojo! Tiene una versión pagada, pero si trabajas en una universidad o lo utilizas para fines académicos puedes solicitar una copia GRATUITA para dos años y válida para ser instalada en dos computadoras acá: http://www.tableau.com/academic/students.

Por eso, hoy quiero compartir contigo cómo puedes hacer visualizaciones de mapas y gráficas que, en su momento, impactaron al funcionario salvadoreño con un set de datos que trabajé durante mi paso por dicho proyecto, enfocado en la problemática de mujeres salvadoreñas deportadas de México y Estados Unidos, un fenómeno que casi no había sido analizado ni comprendido del todo en mi país. Sin más, zambullámonos en el vasto y fascinante mundo de Tableau, ¿sí?

¡Bellísimo así!

Es lo primero que dirás al abrir la nueva versión de Tableau, pues su edición 10 ha apostado por una interfaz más intuitiva para quien se anime a explorar el noble arte de la visualización. Te lo digo yo porque vengo de donde asustan, ya que me tocó aprender a utilizarlo en su versión 7. Como puedes ver en el menú de la izquierda, puedes conectar tus bases desde un archivo (ya sea .xls, .csv, .tsv, entre otros) hasta aquellas que tengas trabajadas en un servidor (MySQL, Oracle Server, etcétera).

image00

 

 

¡Comencemos! Conectaremos mi archivo con la opción Conectar a un archivo > Excel. Buscaremos la base trabajada en mi computadora y Tableau se tomara unos momentos para procesarla. ¡Voilá! Tendremos una previsualización para que podamos revisar la data antes de trabajar con ella. Esta deberías verla de la siguiente forma:

image12

El trabajo de carpintería con una base de datos se vuelve fundamental, pues dicho set se encuentra preparado para ser leído por un programa de computadora como Tableau con el objetivo de que puedan realizarse todas las conexiones y relaciones necesarias para analizar datos que nos hagan ver más allá de lo evidente (Thunder, Thunder,Thundercats, ¡oooooooooooh!).

A ojo de buen cubero, puedes ver que Tableau automáticamente establecer una diferenciación entre aquellos valores que son textos y números; no puede establecer que los años, las latitudes y longitudes son variables que pueden trabajarse de forma diferenciada en el caso de una visualización.

Para cambiarlas, haz clic sobre el ícono Numeral (#) que aparece arriba de dichas categorías > Rol geográfico > Latitud/Longitud. Finalizado este paso, verás que ha cambiado el ícono Numeral (#) por un globo terráqueo. ¡Eso significa que funcionó! ¡Yey! De igual forma, sigue los mismos pasos para la variable Ano y cambíalo por una Cadena que nos servirá para analizar los años de forma continua.

image02

 

 

 

 

¡A trabajar! Demos clic en el recuadro naranja denominado Hoja 1 y sigamos el camino datero hacia nuestro canvas en blanco. Qué belleza, ¿no? Tableau establece una clara diferenciación entre cada aspecto clave de visualización (filtros, marcas, gráficos, hojas, dashboards, entre otros) y, además, simplifica el trabajo mediante el arrastre de variables hacia determinados campos o con solo darle doble clic a las medidas y dimensiones podemos verlas desplegadas en nuestro canvas.

image23

 

Comencemos con un mapa. Para desplegarlo, haz doble clic en Longitud y Latitud; te aparecerá un punto geográfico que localizará a El Salvador en un mapa de OpenStreet. Como necesitamos visibilizar a los 262 municipios del país para visibilizar la temática de las mujeres repatriadas, arrastremos las Medidas Departamento y Municipio hacia la opción Detalle del Menú Marcas. ¡Listo!

image21

¿Ves? Ya podemos ver cómo cambia nuestra forma de visualizar mapas. Gracias a Tableau, podemos estilizar colores y tamaños de los puntos con cantidades o tasas; arrastremos Municipio y Tasa por cada 100,000 habitantes a las opciones Color y Tamaño del menú Marca respectivamente. Así, podemos mostrar la gravedad, repitencia de un fenómeno u otra problemática nacional.

image16

 

 

Pero, ¿qué pasa si no deseas los colores y tamaños preestablecidos de Tableau? Tableau te ofrece la maravillosa ventaja de arreglarlos a tu gusto en las opciones del menú Marca. Acá, yo cambié un poco el tamaño y utilicé la paleta de color púrpura de la herramienta. Para modificarlo, hice lo siguiente: di clic a la opción Color del Menú Marca > Editar Colores > Seleccionar paleta de colores > Púrpura > Asignar Paleta > Aceptar. ¡Y me quedó así!

ya

 

¡Momento! ¡Falta algo! Exacto: limpiar la descripción emergente. Aún contempla la Latitud y Longitud, así como otras variables útiles para describir el fenómeno en cada localidad. Dado que nos interesa que la gente se familiarice y lo entienda de un vistazo, arrastremos las siguientes Medidas a la opción Descripción emergente (Tooltip) del Menú Marcas: Forma de repatriacion y Cantidad.

Por las demás variables, ¡tranquilo! Ya se encuentran contempladas en dicho apartado. Para limpiar la suciedad persistente en el Tooltip puedes editar y condensar la información a lo más importante. ¡Ojo! No abuses de la paleta de colores, pues tu historia puede difuminarse ante una paleta de colores infinita e innecesaria. Finalizada tu edición, dale clic a Aceptar. ¡Primera hoja lista!

Do the evolution!
Como la rola de Pearl Jam, esta herramienta te ayuda a ver cómo evoluciona un fenómeno con gráficas de líneas o áreas. Para ver este caso, hagamos lo siguiente. Agreguemos una nueva hoja a nuestro libro de trabajo, haciendo clic en el botón inferior derecho, ubicado cerca de la hoja Mapa. En ella, arrastraremos la dimension de los años y la medida Cantidad a los apartados de columnas y filas respectivamente. ¿Ves cómo se despliega ahora?

image13

 

 

 

 

 

 

 

 

Maticemos el grado de intensidad de la gráfica arrastrando la medida Cantidad en la opción Color del menú Marcas y editemos el color a púrpura. Así, daremos aire de familia a nuestra visualización. Ahora bien, para vislumbrar las cantidades, arrastremos la medida Cantidad al campo Etiqueta del menú Marca y así podrás ver cómo se presentó el fenómeno en general durante tres años.

 

 

 

 

 

 

 

 

 

 

 

Si eres curioso como yo, notarás que al pasar el cursor sobre los puntos, verás que la Descripción emergente no tiene lo que necesitamos. Por eso, arrastraremos las siguientes variables a Descripción emergente: Departamento y Forma de repatriacion. Nuevamente, condensemos y editemos para resaltar lo importante. Así, tendremos un before and after espectacultar. Maravilloso, ¿verdad?

image07

 

 

 

 

 

 

 

 

 

 

 

Entre el mapa y el gráfico, ¿notaste elementos comunes que pueden servir para filtros? Yo también. Sazonemos nuestras hojas con ellos para que sean aplicables en un dashboard. Arrastremos las dimensiones Departamento y Forma de repatriación al campo Filtros, ubicado arriba del menú Marca. Seleccionemos todas sus variables y apliquémoslas a ambas hojas. Para el caso de los años, solo se lo aplicaremos al mapa, dado que ya contamos con un gráfico que muestra la evolución en el tiempo.

image10

 

 

 

 

 

 

 

 

 

 

 

image06

 

 

 

 

 

 

 

 

 

 

 

image04

 

 

 

 

 

 

 

 

 

 

 

¿Y si hacemos un muñeco?

¡Llegó el momento! Creemos un dashboard. Este es un elemento que contendrá nuestras hojas y otros elementos de interés para nuestra visualización. Accedamos a él con el botón Nuevo dashboard, ubicado cerca del botón Nueva hoja. ¡Voilá! Un canvas con la posibilidad de visibilizar el fenómeno de mujeres repatriadas a El Salvador. Arrastremos nuestras dos hojas para que nos queden así:

image11

 

 

 

 

 

 

 

 

 

 

 

Ordenemos la casa. Coloquemos la cantidad de tasas como valor flotante. Para hacerlo, haremos clic derecho sobre la flecha desplegable hacia abajo del contenedor de tasas y seleccionaremos la opción Flotante. Deshágamonos de las leyendas de colores de los municipios haciendo clic en la X que aparece en su contenedor. Finalizado esto, convoquemos los filtros a escena. Haremos clic sobre la flecha negra desplegable en el contenedor de la hoja Mapa y seleccionaremos la opción Filtro > Ano, Forma de repatriación y Departamento. Estos aparecerán de la siguiente forma:

image18

 

 

 

 

 

 

 

 

 

 

 

¡Yo sé! Aún no se ve lindo nuestro dashboard. Coloquemos dos filas imaginarias arriba de nuestro mapa. ¿Cómo? Utilicemos la opción Objetos > En blanco para colocarlas en el dashboard. Al principio, nos saldrán fuera de lugar, pero podemos arrastrarlas para acomodarlas en lo más alto de nuestra visualización. Una vez posicionadas, necesitamos redactar un titular y un indicador que guié a nuestro usuario a darse un vueltín por nuestra visualización.

Hagámoslo realidad haciendo clic en la opción Texto del Menú Objetos. Posteriormente, posicionemos el titular en la primera fila y el indicador en la siguiente. Terminado esto, elimina la fila del titular y despliega el titular en toda la fila; con el indicador ocurre lo contrario, dado que deberás arrastrar los filtros posterior a él. Acómodalos y obtendrás como resultado lo siguiente:

image01

 

 

 

 

 

 

 

 

Prescindamos del titular del Mapa. Haremos clic sobre la flecha desplegable del contenedor Mapa y le quitaremos el cheque a la opción Título. ¡Se fue, se fue! Ahora, pulamos el títular de nuestra gráfica. ¿Cómo? Hagamos clic sobre su titular y redactemos: Cantidad de mujeres repatriadas en. Finalizado eso, haremos clic en Insertar y coloquemos las siguientes variables en nuestro titular: ATTR(Departamento) – ATTR(Forma de repatriacion). Así, le daremos interactividad una vez el usuario se valga de los filtros para analizar la información. image14

 

 

 

 

 

 

 

 

 

 

 

 

image08

 

 

 

 

 

 

 

 

 

 

 

Ah, ¡lo olvidaba! También, puedes formatear el título para darle el mismo realce que al titular de nuestro dashboard. ¡Ojo! Siempre, siempre, siempre cita la fuente de dónde obtuviste la información, dado que eso te será de mucha utilidad para respaldar de dónde fue extraída y qué otras consideraciones tomaste en cuenta al momento de analizar la data, como el caso de las tasas.

 

¿Con quién se queda el Tableau?

Supongamos que ya tenemos nuestra visualización como la queremos. Acá, solo nos queda publicarlo en línea. Para eso, Tableau nos pide que elaboremos un extracto de nuestra información como respaldo. ¡Manos a la obra! Iremos a la barra de Menús > Datos > Extraer Datos. Acá, aparecerá un menú donde podremos añadir todas las variables clave que se extraerán de tu data.

image25

 

 

 

 

 

 

 

 

 

 

 

 

Haremos clic a la opción Añadir y seleccionaremos Año. A continuación, aparecerá una ventana emergente donde estarán todos los años. Escogélos todos y daremos clic en el botón Aceptar. Seguiremos el mismo procedimiento para el resto de variables; finalizado este procedimiento, crearemos el extracto dando clic en el botón Extracto.

image19

 

 

 

 

 

 

 

 

 

 

 

image03

 

 

 

 

 

 

 

 

 

 

 

image19

 

 

 

 

 

 

 

 

 

 

 

¡Ya casi, ya casi! Ahora vamos a la opción Servidor de la barra de menú. Escogeremos Tableau Public > Guardar en Tableau Public como… En cuanto hagamos eso, nos aparecerá una ventana donde ingresaremos nuestro correo electrónico y nuestra clave para acceder a nuestra cuenta. Si no cuentas con una, ¡tranquilo! Esta herramienta te permite crearla durante este proceso.

image17

 

 

 

 

 

 

 

 

 

 

 

 

image15

 

 

 

 

 

 

 

 

 

 

 

 

image05

 

 

 

 

 

 

 

 

 

 

 

Tan pronto como ingresemos nuestros datos, nos pedirá que redactemos el nombre de nuestra visualización. En este caso, le puse Mujeres repatriadas en El Salvador. Damos clic al botón Guardar. La herramienta procesará… ¡Voilá! ¡Nuestro Tableau aparecerá desplegado en nuestro perfil público de Tableau, donde podemos editarle detalles, como una breve descripción, qué tipo de formatos autorizamos a la herramienta para que la gente pueda descargar, entre otras utilidades.

image20

 

 

 

 

 

 

 

 

 

 

 

¿Tableau o no Tableau? ¡Esa es la cuestión!

Mi recomendación es que apuestes por Tableau. Y, si tu medio de comunicación u organización puede adquirirlo, mucho que mejor, pues una clara diferencia entre la versión gratuita y la versión pagada es que tienes mejor cobertura de seguridad, acceso al servidor pagado (con mejor seguridad que el público) y mayor lectura de líneas de registro y formato de apertura de ciertos archivos.

Sumado a eso, concuerdo con Ojo Público (2016) al garantizarte que la creación de filtros permite que los usuarios consulten y obtengan resultados personalizados en datos. Y, sobre todo, el hecho de que no se necesita saber programación para usarla, pues, al descubrir que algunas de sus funcionalidades provienen de herramientas como Excel, la cosa pinta mucho que mejor.

¡Eso sí! “Sobre advertencia, no hay engaño”. Actualmente, la mayoría de información sobre esta herramienta se encuentra en inglés, su foro de atención al usuario se tarda un poco (¡o un siglo!) en responder y algunos gráficos, como el mapa de relleno, dejan mucho que desear cuando son regiones o naciones foráneas a Estados Unidos…

Aun así, es una herramienta que promete mucho en su nueva actualización, a la que vale la pena acercarse por facilitarte un poco más las cosas a la hora de visibilizarse historias con datos, así como el grado de interactividad que le brinda al usuario y, si ya con esto no logro convencerte, te reto a que la pruebes y nos compartas qué te parece y que no debajo de esta publicación o en nuestro Twitter (@EscueladeDatos). Cheers!

Flattr this!

]]>
http://es.schoolofdata.org/2016/12/29/como-hacer-visualizaciones-de-datos-con-tableau/feed/ 0 1851
Cómo empezar a armar tu base de datos sobre feminicidio http://es.schoolofdata.org/2016/12/08/como-empezar-a-armar-tu-base-de-datos-sobre-feminicidio/ http://es.schoolofdata.org/2016/12/08/como-empezar-a-armar-tu-base-de-datos-sobre-feminicidio/#respond Thu, 08 Dec 2016 17:27:53 +0000 https://es.schoolofdata.org/?p=1867 El Observatorio de Igualdad de Género de América Latina y El Caribe dispone de datos de feminicidio de fuentes oficiales de 18 países latinoamericanos. Bolivia no es uno de ellos, pues aunque la ley 348 para Garantizar a las Mujeres una Vida Libre de Violencia fue promulgada en 2013, los datos que se publican se remiten a información general por parte de la Policía, y en el mejor de los casos, valiosas investigaciones de ONGs cuya base de datos no es abierta y se publican datos condensados a travé de informes.

Ante la urgencia de la creciente oleada de crímenes, algunas organizaciones de sociedad civil como “Cuántas Más” en Bolivia, ven como urgente la necesidad de armar una base de datos recopilando los hechos que además se encuentre abierta al público para que puedan ser consultados por investigadores, periodistas, o cualquier persona que tenga interés de hacer algo más con datos registrados y sistematizados; si en tu país no dispones de fuentes oficiales, aquí te damos algunos criterios que debes considerar para armar la base de datos.

image00

 

 

 

 

  1. Diferencia entre datos primarios y datos secundarios. Datos primarios son aquellos que se obtienen a través de una recopilación de datos propia, como la observación de procesos, una encuesta o una entrevista. Los datos secundarios por otra parte son datos que otros ya han recopilado y han puesto a disposición pública. Si estás planeando hacer una recopilación de casos, lo más probable es que recurras a este segundo grupo, con base en estudios, estadísticas de otras organizaciones, o publicaciones de prensa.
  2. Cuando recopiles datos propios considera que estos pueden ser cuantitativos o cualitativos. Los datos cuantitativos se caracterizan por su enfoque estandarizado y tienen como objetivo verificar, confirmando o refutando, diversas relaciones e hipótesis basadas en números. Los datos cualitativos ofrecen un enfoque abierto y sirven para recoger información que no se pueda representar mediante cifras pero puede dar una mejor comprensión de una cuestión.
  3. Algunas veces, los datos pueden estar publicados en sitios web pero no existe un link de descarga. En ese caso, te sugiero utilizar una herramienta para la extracción de datos fácil de usar que tiene como objetivo obtener datos de forma estructurada de cualquier sitio web; se trata de import.io y puedes consultar este tutorial para aprender a usarlo.
  4. Es importante conocer las otras organizaciones que trabajan en la recepción de denuncias de violencia de género o que proveen servicios legales; estas organizaciones también pueden proveer datos fuente de órganos descentralizados, por ejemplo, de carácter municipal, servicios de atención a la salud, el sistema de justicia penal y prestadores de servicios sociales, por nombrar algunos.
  5. Si vas a obtener tus datos desde información publicada en prensa, trata de cotejar adicionalmente con uno o dos medios; de esta forma garantizas la verificación de los datos publicados y el aumento de aquella información que algún medio no pudo obtener.
  6. Saca provecho de Google Alerts, un servicio de Google que te permite recibir alertas a tu email cuando el buscador indexa nueva información relacionada con las palabras clave de búsqueda. Con esta herramienta puedes automatizar el proceso de búsqueda o actualizar los resultados de una búsqueda de tu interés a lo largo del tiempo, hasta que decidas eliminar la alerta; programa por ejemplo las palabras feminicidio o mujer asesinada.
  7. Identifica todos los criterios relevantes para tu primer análisis: nombres, edades, y locaciones suelen ser datos que comúnmente identificamos; sin embargo, la riqueza para análisis de tu base de datos puede estar en los datos que no siempre consideramos como el número de hijos sobrevivientes al hecho, la relación de la víctima con el victimario, el estado del caso y si es que ha obtenido sentencia, el tipo de agresión que se produjo, si es que hubo una denuncia de violencia previa. La granularidad es importante.
  8. Documenta el proceso, es importante explicar los pasos que seguiste para que las personas interesadas en la base de datos tengan los argumentos completos de tu trabajo. Aquí puedes encontrar algunas opciones para realizar este paso.
  9. Finalmente escoge la mejor manera de mostrarlos, dependiendo del volumen y el contenido de tu base de datos puedes optar de mostrarlos, por ejemplo, en una línea de tiempo o un mapa. Solo recuerda publicarlos con el enlace de descarga.

Adicionalmente, si te interesa indagar más profundo, CEPAL lanza un curso cada año de introducción sobre estadística e indicadores de género que a la fecha va en su sexta versión. Debes estar atento al lanzamiento de la próxima convocatoria.

Flattr this!

]]>
http://es.schoolofdata.org/2016/12/08/como-empezar-a-armar-tu-base-de-datos-sobre-feminicidio/feed/ 0 1867
Datos contra feminicidios: estudios de caso http://es.schoolofdata.org/2016/05/05/datos-contra-feminicidios-estudios-de-caso/ http://es.schoolofdata.org/2016/05/05/datos-contra-feminicidios-estudios-de-caso/#respond Thu, 05 May 2016 23:50:24 +0000 http://es.schoolofdata.scoda.okfn.org/?p=1356 Niñas en peligro
Vivas Nos Queremos

CC by Gibran Mena NC-SA

Claudia Quiroz Romero era una estudiante de 16 años en el departamento de Cochabamba, Bolivia. Fue violada y estrangulada por al menos un hombre, un miércoles de fiesta religiosa en 2015. Los agricultores comunitarios encontraron su cuerpo tirado en la milpa.

La menor de edad perdió la vida como parte del escenario de violencia contra mujeres en ese país, pero está lejos de ser la única niña afectada. De acuerdo con datos obtenidos y sistematizados por la plataforma Cuántas Más, 16 de 29 menores huérfanos por feminicidio (desde el inicio de la plataforma en 2013) relatan cómo “papi mató a mami”.

En Ciudad Juárez, los cuerpos sin vida de las hermanas Cinthia Ruiz Salazar y Daysi Fabiola Morales Salazar fueron halladas una mañana sobre la cama de su madre, con agudos cortes en todo el cuerpo y signos de violación. El padre de una de ellas es autor confeso del asesinato. De acuerdo con informes publicados por la prensa local, dijo haberse “vengado” de que una de las niñas “provocara” su rompimiento con la madre de ésta.

Estos datos NO son parte de ninguna base publicada por agencia gubernamental alguna, boliviana ni mexicana. Son parte de las bases abiertas, con varios años y miles de registros, construidas a fuerza de sistematización y a partir de publicaciones periodísticas, informes policiales y solicitudes de información por las plataformas Cuántas Más en Bolivia y el Programa de Monitoreo e Investigación de Red Mesa de Mujeres (RMM), en Ciudad Juárez, México.

¿Cómo pueden los datos abiertos hacer contribuciones específicas para el alivio de violencia de género en Latinoamérica?

Dos mujeres, Raisa Valda Ampuero, responsable de estrategia digital de la plataforma sobre feminicidios Cuántas Más, e Itzel González, coordinadora del Programa de Monitoreo e Investigación de Red Mesa de Mujeres (RMM), relatan cómo hacen día con día bases de datos con propósitos de incidencia estratégicos y efectivos para combatir esta terrible realidad.

Su labor se ha beneficiado de alta granularidad en los datos, al detallar geolocalización del feminicidio, autor o presunto autor, relación autor-asesinada, sociodemográficos de la mujer en cuestión, entre otros detalles. La consistencia de los datos, es decir, el levantamiento de datos que puedan ser provistos en todos o la mayoría de los casos, a través del tiempo, es también un factor decisivo para el éxito de las plataformas.

Con ello, Cuántas Más publica sus bases de datos abiertos completas de 2013 a la fecha en su sitio, mientras que Red Mesa se encuentra aún en el proceso de completar sus bases y ha preferido no hacerlas aún públicas.

Screen Shot 2016-05-05 at 6.53.16 PMEn ambos casos, las organizaciones que levantan y analizan datos seleccionaron los campos de sus bases teniendo a la vista tres objetivos primarios:

a)La nutrición de propuestas específicas para alocación de recursos públicos. Es decir, dichas organizaciones van a exigir presupuesto público que sea adecuado a la gravedad de situaciones por área geoespacial (departamento, colonia, etc.)

b) La elaboración de propuestas para programas públicos que resuelvan las problemáticas específicas que los datos evidencian, por ejemplo, en Bolivia, que la mayoría de los autores de feminicidios son pareja de las mujeres asesinadas.

c) La generación de impacto que sea de beneficio para organizaciones que combaten violencias contra mujeres en campo, y que son las que proveen gran parte de la información que alimenta las bases de datos, con el trabajo directo en sitios aledaños a los feminicidios.

¿Cuántas Más?, Bolivia

12045781_1642902455963478_1245370178522629950_oRaisa, abogada de formación y activista en internet, relata cómo la generación de una base de datos les ha permitidio a ella, junto con Marcelo Lazarte e Ida Peñaranda, articular esfuerzos con organizaciones feministas que trabajan en campo –exigiendo en los centros policiacos información detallada de feminicidios– para con esta información exigir a su vez alocación de recursos públicos  para los departamentos donde mayor violencia contra las mujeres existe. Su labor empezó en 2015, originalmente con un financiamiento de la organización internacional Hivos, el cual agotó ya su plazo de cobertura.

¿Cómo comenzó el trabajo de Cuántas Más?

En marzo de 2013, con la Ley 348, se incorpora delito de feminicidio en Bolivia. Hasta entonces, se les conocía como “delitos pasionales” o “delitos de honor”. La mayoría de los feminicidos que ocurrieron en 2013 siguieron tipificándose como simple asesinato, homicidio culposo… cualquier otra cosa, pero no feminicidio.

En Bolivia hay colectivas como Mujeres Creando, las Feministas Callejeras, la coordinadora de la mujer en Cochabamba. El trabajo inicial de ellos es en la calle, pero en 2014 empezó a crecer su acción digital.

En 2015 tuvimos dos casos muy sonados: uno es feminicidio, el caso de Andrea Álvarez,  que fue un hito en el internet boliviano porque la madre es activista de Mujeres Creando y activó a este grupo humano dentro de las redes.

Fue una guerra entre quienes apoyaban a la víctima o al presunto victimario. Otro caso no es ya feminicidio, sino la violación de una ciudadana norteamericana [Renee Gurley] en Samaipata.

Decidió exponer su caso públicamente en Facebook para ganar atención porque su proceso se estaba dilatando, y existía la posibilidad de que dos de los imputados accedieran a cargos públicos sin haber terminado el proceso.

Todos estos temas abrieron la discusión en internet de la activación de estos colectivos que ya tienen mucha acción en calle y que trasladaron también su accionar a las redes.

Justamente ese fue el desafío de Cuántas Más en 2016. El año pasado y 2014, fue el año de recolección. Casi no teníamos gente y nadie sabía trabajar bases de datos. El año pasado tuvimos el acelerador de periodismo de datos y a partir de eso tuvimos un aprendizaje.

Antes de eso lo hacíamos por intuición. Se lanza la ley y empezamos a tabular por puro instinto. El periodismo de datos nos sonaba de lejos.

¿Cuáles son las fuentes de sus datos?

La data que hemos logrado sacar ha sido de colectivos que nos han provisto de algún material, también desde los medios que han publicado las noticias. Son insumos que nos han ido llegando desde varias fuentes que hemos ido recopilando nosotros, desde los medios. A partir de eso hemos generado las tablas, con los criterios que íbamos a publicar inicialmente. En algunos casos no están del todo completos. Se nos hace difícil acceder a la información porque hay que ir a requerimiento, a provincia.

67173_1695311050722618_3893831368754744579_n¿Qué tipo de datos requieren para sus bases?

Para nosotros era importante no solamente decir que “fulanita” murió y la mató el esposo, sino que murió en qué provincia, si podíamos geolocalizar, circunstancias, causas nombres de los presuntos autores, edades de las víctimas y acusados. Hasta aquí lo que hemos descubierto es que los mayores victimarios  son los esposos.

También el estado del caso, si está en sentencia, en investigación si se ejecutó la sentencia y la tercera parte es el número de los hijos. Más allá de la muerte de la mujer, quiénes más se ven afectados por estos hechos.

 

¿Cómo se articulan grupos feministas de base con organizaciones que trabajan con datos sobre feminicidio?

Nosotros estamos aprendiendo, nos estamos capacitando y el objetivo es retribuir el acercamiento que tienen estos colectivos con Cuántas Más y empezar a educar con bases de datos. Estos colectivos empiezan su trabajo en las calles, y es el lugar donde hay que hacerlo, porque las víctimas se acercan por esas referencias, no por intenet, pero han descubierto que se pueden hacer muchas cosas por internet. El desafío es educar, porqué es importante, para qué sirve y cómo se puede utilizar.

Por otro lado, hay un tema muy fuerte de asignación presupuestaria .Con la ley vinieron instituciones de resguardo para mujeres, de prevención de delitos.

Asignan a diestra y siniestra sin saber… Cochabamba necesita muchos recursos. El problema es la asignación del presupuesto. Si una víctima necesita una investigación es muy costoso, debería ser gratuito por ley. Es terrible, un proceso de revictimización

Con las bases ofrecemos esto: si uno tiene la información de lo que está ocurriendo se puede segmentar por departamentos, en este caso Cochabamba, la ciudad donde yo vivo, donde hay a razón de un feminicido cada diez días.

Está también el tema de justicia porque es un tema complejo. La hacinación en las cárceles es súper fuerte. Para este tipo de delitos hay que saber quiénes y porqué son procesados judicialmente.

 

Programa de Monitoreo e investigación de Red Mesa de Mujeres

6 copyEn 2010 comenzó el Programa de Monitoreo e Investigación de Red Mesa de Mujeres (RMM), una organización ciudadana que se originó en Ciudad Juárez para combatir la normalización de la violencia tras el hallazgo de 8 cadáveres  en “Campo Algodonero”.

Itzel González, coordinadora del programa, comparte cómo su organización articula el trabajo de activistas de campo para monitorear la efectividad de programas gubernamentales contra la violencia y proponer nuevos programas modelados por los datos de campo que reúnen.

 

¿Cómo funciona el programa de monitoreo?

Somos 11 personas trabajando en este proyecto. Se trata de tener un registro de los casos de violencia, posteriormente se amplía para incluir datos e información de otros tipos de delito que se cometen en la ciudad por razones de género. Tenemos una base con 48 indicadores.

Capturamos los datos sociodemográficos de las mujeres que fueron vícimas de feminicidio para ir generando un perfil de quiénes eran estas mujeres y en dónde vivían.

Es muy importante ubicar la colonia donde tenían su domicilio pero también la zona donde su cuerpo fue localizado, con el fin de generar, en el futuro, este proceso de generar mapas o geolocalización de los casos de feminicidio.

¿De dónde provienen los datos?

5 copyNuestra información la obtenemos de medios periodísticos pero también en solicitudes de información. Como no está tipificado muchas veces, en medios no te lo dicen y en solicitudes de información tampoco lo llaman feminicidio.

Si tenemos suerte de que en la nota diga dónde vivía esta mujer y dónde fue localizada, la forma en que fue asesinada. Esos detalles nos aportan información. Para nosotras es muy valioso par apoder ir mapeando los distintos tipos de feminicido que están ocurriendo.

En las solicitudes de información pedimos los registros que tiene la Fiscalía General sobre la cantidad de mujeres asesinadas que ha habido de 2010 a 2015. El tipo de delitos que se presentó con mayor frecuencia en ese año en contra de mujeres. También desglosamos nuestras solicitudes por delito.  Violaciones, hostigamiento sexual, homicidio (así clasificado en el código).

Una vez que la tenemos hacemos un vaciado de esos datos, unas pequeñas tablitas, unas grafiquitas muy sencillas y las traducimos a mensajes visuales en redes, y hacemos estas comparaciones de violaciones entre años, hacemos ese trabajo de visualización a través de los números.

¿A dónde van esos datos?

“Nosotras participamos en diferentes espacios, tanto a nivel local como estatal En  el estatal en el Consejo de la Ley del Derecho de las Mujeres a una vida libre de violencia, desde donde hacemos un monitoreo de esta ley, qué resultados está teniendo a un nivel local. Estos datos nos permiten contrastar con la realidad y la expectativa.

Nos están diciendo que en 2015 implementaron tantas campañas de la violencia intrafamiliar, y estoy viendo que hubo un incremento por ese tipo de delito en el sector de justicia, a ver qué está pasando.

Esta acción se replica a nivel de Ciudad Juárez.

Participamos en el consejo del Insituto de la mujer juarense.  Es información que también acompañamos de otros indicadores, por ejemplo información cualitativa que nos proporciona la Red de Defensoras Comunitarias que está trabajando en campo, en estas colonias, así como los datos de los acompañamientos de nuestro módulo en el Centro de Justicia.

Con esa información, generamos las propuestas para llevarlas a instancias municipales: “se preferiría que fuera la campaña de atención a mujeres en cuanto a relaciones productivas”, por ejemplo. Hay algunas mujeres que están en la inmediatez de sus necesidades más básicas.

En los últimos tres años se han estado generando programas tanto a nivel federal como a nivel estatal, que después se vinculan con los municipios. Estos programas segregan por zonas la ciudad. Entonces hacen todo un diagnóstico de esta zona donde aparentemente hay índices altos de violencia social, y a esas zonas dirigen los recursos y estrategias de prevención.

Si durante este tiempo se invirtió en estas zonas catalogadas como vulnerables, quisiéramos ver con datos y números de feminicidio y otros tipos de violencia, y poder hacer un balance entre los recursos, las acciones que se desarrollan y la violencia en esas zonas, contrastar esa información.

Por otra parte, conocer dónde las mujeres fueron asesinadas nos da información relacionada con el tipo de asesinato. Usamos las categorías de Julia Monárrez, una socióloga que ha contribuido mucho en cuestiones de análisis teórico, pero también ha construido una extensa base de datos de feminicidios.

Las categorías incluyen el feminicidio íntimo,  sistémico, feminicido por ocupaciones estigmatizadas, esas categorías las tomamos en cuenta para determinar qué tipo de asesinato fue perpretado.

¿Cómo se articula su trabajo con organizaciones de base de defensa de la mujer?

Olga Márquez, por ejemplo,  tiene 20 años de trabajo en la comunidad, vive en el norponiente de Ciudad Juárez, una de las zonas con mayor rezago en cuanto a infraestructura, pero ha tenido históricamente niveles altos de organización comunitaria a través de organizaciones civiles y eclesiales de base.

Se formó en temas de derechos humanos de las mujeres. Es el principal enlace con la comunidad. Nos dice que fue a la comunidad de Granjero y vio que hay una enorme cantidad de chicas que muy jóvenes tienen dos o tres hijos, pero no acceso a servicios de salud ni educación.

¿Cómo ha sido su proceso de aprendizaje?

Sergio Ariza, [capacitador de la organización SocialTIC A.C.], nos asesoró a trasladar a Google Sheets con un formulario específico y completo para ir llenando esta base de datos.

Nos ahorra tiempo, es práctico y podemos generar que las chicas de servicio social puedan meter información de una manera más simple. Antes había que cuidar que si el espacio de más, con las lista desplegables agarras el nombre de la colonia y les pones los numeritos la edad de la chica.

Otra cosa que nos ha ayudado muchísimo a eficientar este trabajo ha sido contar con un pequeño protocolo donde ahí viene toda la serie de pasos que alguna persona tendría que seguir si quisiera colaborar con el llenado esta base de datos y la quisiera conocer. En ese documento puede encontrar esta información. Lo sacamos en noviembre del año pasado y lo hemos estado utilizando con las personas que vienen, estudiantes de servicio social.

Era una cuestión poco práctica que cada vez que venía una estudiante tener que explicarle el objetivo, deja tú del programa, sino de la base de datos. Tenerle que enseñar a hacer el llenado, era un poquito engorroso, porque les toma tiempo agarrarle a la onda de las base de datos. Con el formato y el protocolo ha sido mucho más sencillo para nosotros.

¿Cuánto tiempo le ahorra?

En una semana, hasta 5 horas. Tiene tantos indicadores que la anterior base les tomaba ese tiempo. El objetivo es contar con información actualizada y que nos pueda ser de utilidad a la hora estar en la mesa, con instancias de gobierno de cualquier nivel, pero particularmente del orden local, para con esa información hacer nuestras propuestas de Incidencia.

Flattr this!

]]>
http://es.schoolofdata.org/2016/05/05/datos-contra-feminicidios-estudios-de-caso/feed/ 0 1356
Chicas Poderosas México http://es.schoolofdata.org/2014/02/17/chicas-poderosas-mexico/ http://es.schoolofdata.org/2014/02/17/chicas-poderosas-mexico/#respond Mon, 17 Feb 2014 05:09:32 +0000 http://es.schoolofdata.okfn.org/?p=719 El 8, 9 y 10 de febrero, Escuela de Datos y SocialTIC formaron parte de un acontecimiento especial: la llegada de Chicas Poderosas a México. Con más de 70 periodistas, diseñadorxs y programadorxs reunidos en el CIDE y en la Embajada de Estados Unidos en México, el periodismo de datos local recibió un empujón amistoso con talleres en distintos temas, pláticas llenas de sabiduría periodística, y muchos ejemplos de herramientas y proyectos para inspirar.

Escuela y SocialTIC dieron una charla y un taller de limpieza+visualización de datos con Open Refine y Google Fusion Tables.

Si no pudiste asistir al taller pero quieres «vivirlo», te recomendamos este hangout de un taller similar que dimos en el pasado. También tenemos una guía práctica para hacer mapas con Google Fusion Tables.

Durante el taller, compilamos las herramientas y los ejemplos de proyectos de periodismo de investigación, datos y visualizaciones que podrían inspirarte a darle creatividad a tus historias. Aquí están (y planeamos agregar más información conforme vayamos encontrando casos y herramientas nuevas).

Finalmente, les compartimos un Storify con narraciones y reflexiones de lo sucedido en Chicas Poderosas México.

Screen Shot 2014-02-18 at 09.27.29

«El secreto para salir adelante es comenzar», y en México comenzamos. ¿Ya hay grupos de Chicas Poderosas en tu país?

Flattr this!

]]>
http://es.schoolofdata.org/2014/02/17/chicas-poderosas-mexico/feed/ 0 719