134 Matching Annotations
  1. Last 7 days
    1. Los archivos .gitkeep que puedan encontrar dentro de algunas carpetas sirven para conservarlas vacías en Git y no requieren ninguna acción especial.

      descargué la plantilla y no me aparece ningún archivo .gitkeep. Sugiero verificar si existen y, en caso de que no, eliminar esto

  2. Nov 2026
    1. Relevancia del tema de investigación

      Agregaría una pequeña orientación al igual que las demás secciones, por ej: "por qué es importante estudiar el problema social seleccionado"

    1. Cómo trabajar

      creo que vale la pena aclarar/recordar que estos ejercicios se resuelven a mano. Como pasamos toda la unidad 2 en R, puede que no quede tan claro que volver a la unidad 1 implica volver al papel y lápiz

    2. si se plantea una dirección, evaluamos el extremo correspondiente

      sugiero: "si se plantea una dirección, usamos la prueba de una cola, evaluando el extremo correspondiente"

    1. input/data y output

      explicaría antes por qué generamos estas subcarpetas, cuál es su propósito y qué debería ir dentro de cada una, si no queda un poco en el aire la razón de hacerlo.

      no me explayaría tanto, solo mencionaría que ayudan a mantener un flujo de trabajo ordenado

    2. Extensiones: ¿Qué más se puede hacer con Quarto?

      no estoy seguro si incluir este punto, considero que ya es mucha información nueva. Tal vez podría hacerse un post para quienes estén más interesados en Quarto

    3. Anatomía de un .qmd

      dividiría la anatomía en dos puntos: YAML y cuerpo, y especificaría que dentro del cuerpo va todo el contenido de nuestro documento, es decir, texto y código

    4. La línea #| label: datos es una opción del bloque: le da un nombre. Las opciones se escriben al inicio del bloque con #| y controlan, por ejemplo, si el lector ve el código o solo el resultado.

      esto lo dejaría como un callout ya que no forma parte esencial de la anatomía de un qmd

  3. Oct 2026
    1. Ejercicio bivariada

      Daría una breve introducción a la sesión por escrito, algo tipo: "El objetivo de esta sesión es repasar y reforzar los contenidos de la segunda unidad en vista de la próxima evaluación. Para ello, se presentarán una serie de ejercicios similares a los que encontrarán en la prueba, los cuales tendrán que resolver de manera individual o en parejas"

    2. Cuando termines, comprueba los resultados de R. Se aceptan coma o punto decimal y redondeos razonables, sin separadores de miles. El código, el gráfico y las interpretaciones escritas se comparan con modelos, pero no se califican automáticamente.

      Creo que deberíamos aplicar la misma lógica de la preparación para la prueba 1, es decir, dar el solucionario mediante el ingreso de una contraseña. Si no, l_s estudiantes pueden ver la solución inmediatamente y la idea es que tengan un espacio para intentar resolver los ejercicios por cuenta propia

    3. ¿Qué coeficiente corresponde utilizar?

      me hace más sentido que el recuadro sobre la justificación del coeficiente venga después de su selección (la parte destacada)

    1. Primero carga la base. La dirección ya está escrita

      daría como pista que deben usar la función load, o si no puede generar problemas/confusiones y la idea es que no se queden pegados en estas cosas

    2. mujer: 0 = hombres, 1 = mujeres; satisf_dem: de muy insatisfecho (1) a muy satisfecho (4); conf_policia: de nada (1) a mucha confianza (7); riqueza: de menor (1) a mayor quintil (5).

      lo pasaría a una lista para que sea más facil de leer

    3. ¿elegirías Pearson, Spearman o Kendall? ¿Por qué?

      dejaría la respuesta la pregunta como desplegable para darle la posibilidad de responder a l_s estudiantes

    4. Trabajaremos con la Encuesta CEP 2026:

      haría un breve nexo de esta sección con la anterior, ya que recién de este punto se empezará a trabajar con código pero parece algo abrupto el cambio

    5. Recordemos las escalas de medición

      creo que esto quedaría mejor como el 1.1, ya que funciona como una introducción general para luego enfocarnos en asociaciones con ordinales

    6. Este resultado describe únicamente los cinco casos ficticios. No demuestra causalidad ni permite generalizar a una población

      se corta la franja vertical gris dentro del callout. Lo dejaría simplemente como texto. Lo mismo para los demás casos

    1. Pearson usa t, igual que en el práctico anterior. Spearman reporta S, la suma de las diferencias al cuadrado entre los rangos de ambas variables; por eso es un número muy grande que no se compara directamente con un valor crítico. Kendall, con exact = FALSE, usa una aproximación a la distribución normal (z).

      lo presentaría como una lista solamente para que sea más digerible visualmente

    2. mutate(across(everything(), ~ ifelse(.x < 0, NA, .x)))

      intentaría: 1) simplificar esta línea de código para que sea más inuitiva su lectura, o bien 2) explicar con un poco más de detalle qué hace, pues el comentario sólo menciona qué valores son casos perdidos pero no qué pasa con ellos

  4. Sep 2026
    1. encuesta Meritocracia

      Armonizar el nombre de la encuesta en todo el libro (en el capítulo de Presentación aparece como Encuesta Panel Educación y Meritocracia)

    1. En las figuras se representará con color rojo las décimas asignadas al caso que no permiten hacerlo aprobar y en color azul las que sí lo hacen

      Si esto no se muestra, lo sacaría del párrafo

    2. El módulo experimental abre el cuestionario, antes de todos los demás módulos

      Si esto ocurre en la ola 1 y ola 2, lo dejaría debajo del título "Experimento"

    1. a quiénes se encuestó, cómo se definió la muestra, cómo se hizo el seguimiento longitudinal y qué limitaciones tiene la información

      Lo presentaría según la estructura del capítulo. Por ejemplo: "En primer lugar, se detalla el carácter longitudinal de la encuesta, luego..."

    1. indica que reunimos los aportes de todas las personas

      añadiría entre paréntesis que esto representa una sumatoria, para quien quiera profundizar en detalles más técnicos

    2. el producto es negativo, porque las dos variables ubican al caso en lados opuestos de sus medias.

      creo que aquí sería provechoso añadir una imagen del plano cartesiano, así podría ser más fácil de explicar la idea de los promedios de ambas variables y sus signos respectivos

    3. En R, $ permite elegir una variable dentro de una base. Por ejemplo, datos$escolaridad significa “la variable escolaridad que está dentro de la base datos”.

      lo mismo que mi comentario de más arriba. Orientaciones de código las dejaría en un call out para que resalten un poco más

    4. La primera nos ayuda a pensar en la dirección de la asociación; la segunda, en su forma; y la tercera nos recuerda que algunos casos pueden alejarse bastante del patrón general.

      lo dejaría en una lista solamente para que sea más digerible visualmente

    5. La dirección del archivo oficial se asigna en el objeto url_casen. Luego load() abre la base directamente desde Internet. Podemos leer <- como “guardar como”

      estos tips/explicaciones de código las dejaría en un call out

    1. Interpretación

      Agregaría un punto 6 solamente en este ejercicio para repasar los tipos de errores a partir de los resultados. Por ejemplo: Si a partir de los resultados se planteara que no existen diferencias significativas entre graduados universitarios y graduados de institutos, ¿qué tipo de error sería (I o II)?

    2. Ejercicio de inferencia 1: medias

      creo que sería mejor separar el ejercicio del promedio poblacional al de diferencia de medias para mayor claridad. Tal vez dar el enunciado general y después separar # Ejercicio 1 y # Ejercicio 2

    3. No podemos dar un valor certero para el promedio poblacional, pero si un rango probable de valores

      esto no forma parte del ejercicio como tal sino que funciona más como un recordatorio, así que lo dejaría en un callout

  5. Aug 2026
    1. Hoy el objetivo es integrar estos aprendizajes

      Sugerencia "El objetivo de esta sesión es recurrir a estos aprendizajes e integrarlos en nuestro análisis de datos sociales, lo cual implica:"

    2. Síntesis

      Dar un poco más de detalle respecto a los contenidos vistos. Para ello, haría una lista, así es más fácil para l_s estudiantes identificar todo lo que han aprendido

    3. Es ésta una conclusión informativa para nuestra pregunta de investigación?

      me sumo a lo que menciona Kathy. Creo que para las preguntas de estimación sería mejor seguir los pasos que hemos realizado en prácticos anteriores y no meter lógica de hipótesis

    1. Con

      el mismo comentario respecto a estos callouts. Las preguntas las mantendría tal cual, pero contenidos y/o afirmaciones como en este caso los sacaría del callout

    2. alternative

      esto lo explicaría en el siguiente bloque de código cuando aparece todo dentro de t.test, aquí queda descontextualizado, lo que podría causar confusión

    3. E

      me da la impresión que el uso de estos callouts es orientar el práctico, pero esto es parte del ejercicio mismo. Por ello, sugiero sacar las hipótesis de los callouts

    1. Intervalos de confianza

      Creo que este es el punto bisagra del práctico. Aquí comienza a verse contenido que no se ha enseñado en clases lectivas, por lo que sugiero hacer solo una introducción a IC, una sección más visual (una imagen incluso) y breve con tal de que la clase lectiva siguiente pueda ser retomado en profundidad

    2. x_values <- seq(-4,4,length=1000)

      explicaría brevemente qué hace la línea de código, así en caso de que alguien quisiera replicar el ejercicio facilite su reproducibilidad

  6. Jun 2026
    1. s.

      nevertheless, so far, we do not know how different combinations of these dimensions operate in people's minds and how prevalent are such combinations in populations. Several methods have adress these issues estimating how variables can agroup themselves being LCA the most recommended for this kind of approaches

    1. La elevación sistemática de las calificaciones

      aclarar la operacionalización de inflación de notas:

      -> se podría entender como inflación las notas superior a 40 pero esto es insuficiente, entonces nosotros ofrecemos 3 medidas para despejar esta hipótesis; 3 variables dependientes del estudio

  7. Apr 2026
  8. Mar 2026
  9. Jan 2026
  10. milenio-nudos.github.io milenio-nudos.github.io
    1. latent mean scores of General and Specialized DSE country distribution are explored

      como no trabajamos con las medias latentes, creo que es suficiente con dar la explicación en la parte de resultados, como ya lo está. Aquí mencionaría explícitamente lo que sí mostraremos

    2. nuanced pattern

      contaría esto de otra forma con tal de enfatizar que las desigualdades de género persisten en entornos digitales, y así no aludir a una matización de las disparidades

    1. gráficos comparativos

      creo que habría que especificar si se refiere a gráficos comparativos por países o entre estudios (2019 - 2025) porque son análisis distintos

  11. Dec 2025
    1. Conclusion

      Muy buena la conclusión. Solamente dos comentarios: 1.- me hace un poco de ruido definir como neutralización de clase el hecho de que estas condiciones objetivas no logren predecir pension mjp. Siguiendo la idea, me referiría más bien a un patrón generalizado de creencias entre clases 2.- En el párrafo de trabajos futuros mencionaría integrar nuevas mediciones de meritocracia (Castillo et al., 2023) en los estudios, pues se podrían develar otras configuraciones de creencias entre mjp y merit que la escala actual no permite observar

    2. Meritocracy

      El apartado es claro y autoexplicativo, bien. Solo tengo dos comentarios generales: 1.- Creo necesario explicitar vínculo entre meritocracia y pensiones (la relevancia de estudiar esta relación, así como investigaciones previas que respalden lo dicho), porque hasta ahora no se menciona nada sobre el objeto de estudio, por lo que se pierde un poco con el relato general. 2.- Gran parte del párrafo de medición se dedica a explicar la distinción entre percepciones y preferencias meritocráticas. Sin embargo, este marco no es utilizado en el paper, por lo que a mi parecer queda en el aire, e implícitamente pareciera que nos estamos pisando la cola. Pienso que sí hay que mencionarlo como una de las nuevas maneras para medir creencias meritocráticas, pero le daría más espacio a presentar estudios que usen la misma medición que estamos utilizando ahora. Por ej: estudio pionero, evolución de la medición (cambios en fraseos, categorías de respuestas, etc).

    1. The impact of migration on social cohesion will be smaller in countries with better governance levels

      Se podría escribir un último párrafo breve respecto a esta hipótesis de interacción, con tal de que se despeje su carácter explotario, y así también dar espacio a justificar porqué se decidió moderar por nivel de gobernanza y no por desigualdad, por ejemplo

    2. What is social cohesion?

      En este apartado aclararía la distinción entre confianza y cohesión social, ya que se suelen entender como sinónimos. En la misma línea, señalaría que elementos como la desigualdad y el bienestar son consecuencias de la cohesión social y no condiciones constitutivas como tal (citar Schiefer & van der Noll, 2017).

  12. Nov 2025
  13. Oct 2025
  14. Sep 2025
    1. la migración influye en la pérdidad de identidad

      aquí se supone que se está hablando de la percepción de desempleo debido a migrantes, pero se empieza a hablar de pérdida de identidad.

    2. Por su parte, quienes se ubican en una posición intermedia —ni de acuerdo ni en desacuerdo— muestran una evolución similar a la de los grupos en desacuerdo, con niveles relativamente altos hasta 2019, una disminución marcada a partir de 2022 y una posición intermedia entre los otros dos grupos en la comparación final de 2023.

      esta es la interpretación de la figura que sigue abajo, pero los dos párrafos siguientes abajo de la figura interpretan el mismo gráfico

    3. la potencial amenaza que representa para el acceso al trabajo

      se supone que está hablando de la asociación entre la seguridad subjetiva y la percepción de pérdida de identidad debido a migrantes. No hay nada que permita establecer relaciones con acceso a trabajo

    4. la percepción de seguridad pública, la Figure 4.7

      entiendo que aquí se está hablando del gráfico de abajo, pero se linkea el gráfico de arriba.

      hay que corregir los labels de los gráficos y cómo se están citando en el texto, pues hay una desconfiguración con las enumeraciones de las figuras, y eso causa confusión

    5. otros estudios recientes

      sugiero linkear algún estudio que respalde estos hallazgos, pensando en alguien que no se maneje en estos temas y necesite corroborar esta afirmación

    6. construido a partir de la frecuencia de peleas callejeras, asaltos y tráfico de drogas en el barrio del encuestado

      pasar el resumen de la construcción de los índices al gráfico del apartado 1

    7. Cohesión Horizontal: Seguridad

      corregir la sección de los títulos acorde a la estructuración de Andreas en el issue: 1.- medición de seguridad; 2.- seguridad y migración; 3.- seguridad y migración en el tiempo

    8. el cual fue construido mediante el promedio calculado de dos indicadores:

      como los indicadores se presentan antes que este cruce, sugiero que esta pincelada refiriéndose a su construcción se mencione en la figure 4.1

    9. seguridad se percibe

      creo que puede confundir hablar de percepción en seguridad objetiva, pues más que relacionarse a la sensación de seguridad, es la vivencia de hechos que vulneran o resguardan la seguridad (peleas callejeras, asaltos, etc).

  15. Aug 2025
  16. Jan 2025