Calidad de los datos

Nota sobre la calidad de los datos

eleccionesdb es un proyecto de integración de resultados electorales procedentes de múltiples fuentes oficiales, organismos autonómicos y portales de datos abiertos. A pesar del esfuerzo sistemático de validación, depuración y estandarización, la base de datos puede contener errores.

Estos errores tienen dos orígenes posibles:

• Errores en la fuente original. Los datos publicados por organismos oficiales no están exentos de errores de transcripción, agregación o codificación. En algunos casos las propias fuentes presentan inconsistencias internas (por ejemplo, totales provinciales que no coinciden con la suma de municipios). Cuando esto ocurre, el dato se mantiene tal como aparece en la fuente, sin corrección, salvo que exista una alternativa documental fiable.

• Errores introducidos en el procesamiento. Las operaciones de normalización, unificación de codificaciones territoriales y asignación de identificadores pueden generar errores no detectados por las validaciones actuales.

Los datos se ofrecen tal cual (as is), sin garantía de exactitud o exhaustividad. El proyecto no asume responsabilidad por análisis, conclusiones o decisiones basadas exclusivamente en estos datos.

Si detectas un error o una inconsistencia, por favor abre un issue en el repositorio:

Incidencias conocidas

A continuación se documentan 33 grupos de incidencias detectados en 32 elecciones, con un total de 4.253 territorios afectados en algún grado. Estas incidencias han sido identificadas de forma automática a partir de los datos finales, o documentadas manualmente.

Resumen

Detalle por tipo de incidencia

Votos > censo

La suma de votos válidos y abstenciones supera el censo INE. Puede indicar un error en el censo publicado, en los totales de participación, o en la fuente original.

13 elecciones afectadas · 4.123 territorios con incidencia en total

Votos nulos > votos válidos

El número de votos nulos supera al total de votos válidos, lo cual es aritméticamente posible, pero probablemente indica un error en la fuente original o en el proceso de integración.

20 elecciones afectadas · 130 territorios con incidencia en total

Aviso: secciones censales con código de 4 dígitos

En España, el código de sección censal tiene habitualmente 3 dígitos (p. ej. 001, 042). Sin embargo, existen casos puntuales —concentrados en elecciones autonómicas antiguas y en algunas convocatorias de los años 80 y 90— en los que el código de sección tiene 4 dígitos (p. ej. 1170, 001A, 001B).

Para cumplir con la restricción de integridad de la base de datos, que requiere que todos los códigos de sección tengan la misma longitud, las secciones con código de 3 dígitos están rellenas con un cero por la izquierda (001 → 0001). Las secciones que ya tenían 4 dígitos se almacenan tal como aparecen en la fuente original.

En total se han identificado 209 secciones con código de 4 dígitos en 8 CCAA y 10 años distintos. La práctica totalidad corresponden a elecciones autonómicas.

Nota metodológica

Las incidencias aquí documentadas no implican necesariamente que los datos de una elección sean inválidos o inutilizables. En muchos casos:

• La incidencia afecta a un número reducido de territorios (a menudo secciones censales con censos muy pequeños o con errores de publicación puntuales).
• La magnitud del error es lo suficientemente pequeña como para no afectar a conclusiones agregadas a nivel municipal, provincial o autonómico.
• La propia fuente oficial contiene la inconsistencia y no existe una publicación alternativa fiable que permita corregirla.

El objetivo de esta página es precisamente mejorar la transparencia del proyecto: que cualquier usuario pueda conocer de antemano las limitaciones del dato antes de usarlo en un análisis.

Mantenimiento

Esta página se genera automáticamente a partir de dos fuentes:

1. Incidencias automáticas — detectadas al ejecutar el pipeline sobre tablas-finales/hechos/info.rds. Se regeneran con cada actualización de datos.

2. Incidencias manuales — mantenidas en docs-site/data/diagnosticos/incidencias_manual.csv. Este fichero se puede editar directamente para añadir incidencias que no pueden detectarse automáticamente (inconsistencias documentales, discrepancias entre publicaciones, etc.).

Estructura del CSV de incidencias manuales

tipo              # ID de máquina del tipo de incidencia
tipo_label        # Etiqueta legible
tipo_descripcion  # Descripción del tipo
eleccion_id       # ID numérico de la elección
eleccion          # Descripción de la elección
anio              # Año
tipo_eleccion     # G / A / L / E
n_casos           # Nº de territorios afectados en esta elección
nivel_territorial # Nivel de granularidad (municipio, sección, etc.)
peor_caso_territorio  # Nombre del territorio más afectado
peor_caso_valor       # Valor observado en ese territorio
peor_caso_esperado    # Valor esperado
fuente            # fuente_original / integracion
resoluble         # TRUE / FALSE
origen            # Siempre "manual" en este fichero
comentario        # Texto libre

Pasos para añadir una incidencia manual

1. Editar docs-site/data/diagnosticos/incidencias_manual.csv.
2. Añadir una fila con origen = "manual" y los campos correspondientes.
3. Ejecutar source("R/04-export/export-calidad.R") (o el target export_calidad en el pipeline).
4. Commitear docs-site/data/diagnosticos/incidencias_manual.csv y docs-site/content/calidad.md.