Algunos consejos para los trabajos

Programación y manejo de datos con R
(Web del curso aquí)

En pocas palabras

Un trabajo final tiene una pregunta (o preguntas), unos datos y algunas respuestas (o resultados)


Primero veremos algunos consejos sobre cómo empezar el trabajo; después, la estructura del trabajo


Importante!!! los trabajos no tienen que estar perfectos, decentes sí. Y lo que voy a contar aquí son consejos, no normas

Antes de ponerte con el código …

  • Piensa qué quieres averiguar y qué sabes ya del tema (igual conviene leer algo antes de concretar)
  • Ponle un título provisional: ayuda bastante a ver qué quieres hacer
  • Cuenta tu idea al profesor antes de avanzar mucho
  • Después, monta la estructura del trabajo: crea los apartados vacíos y ve rellenándolos poco a poco
  • Título y resumen
  • Introducción
  • Datos
  • Análisis
  • Resultados
  • Conclusiones
  • Bibliografía

En la medida de lo posible, elige una pregunta, no un tema

  • Un tema: “El mercado de la vivienda”
  • Una pregunta: “¿Dónde ha subido más el alquiler desde 2015?”

Una buena pregunta te interesa, cabe en una frase y se puede tratar de responder con datos

¿Cómo acotar la pregunta?

  • Lo primero, mira qué datos hay: una pregunta que no se puede contestar con datos no nos sirve
  • Mejor una pregunta pequeña bien contestada que una grande a medias
  • … y tranquilo, la pregunta puede cambiar mientras trabajas

Si dudas entre dos ideas, igual, solo igual, conviene elegir la que tenga datos más fáciles de conseguir

Introducción: de qué trata el trabajo y por qué interesa

  • La pregunta y por qué interesa
  • Qué se sabe ya del tema (varios párrafos, con sus citas)
  • De dónde salen los datos y qué vas a hacer con ellos

Con una página suele bastar. Y un truco: es más fácil escribirla al final, cuando ya sabes qué has encontrado

Datos: ¿dónde encontrarlos?

  • There are a lot of data out there … por ejemplo, aquí tienes un listado amplio
  • Creo que mejor de organismos oficiales: INE, Eurostat, Banco Mundial …
    • Recuerda que muchos organismos oficiales tienen paquetes de R que facilitan la descarga de datos. Por ejemplo aquí
  • Si usas varias fuentes de datos y las unes, mejor que mejor


Búscalos pronto y, antes de decidirte, comprueba que puedes descargar los datos y cargarlos en R

¿Son fiables los datos? Míralos bien antes de decidirte

En el trabajo tendrás que contar todo sobre los datos: la fuente, qué es cada fila, qué variables usas y qué has limpiado o quitado, y por qué, …

De dónde vienen

  • Fíjate en quién publica los datos (mejor un organismo oficial o un autor conocido), si explica cómo se han obtenido y si están actualizados
  • Si los has visto en un periódico o en un blog, busca la fuente original
  • Lo mismo con lo que leas sobre el tema. Para leer, mejor Google Académico, la biblioteca, informes de organismos (INE, Banco de España, OCDE …) …

Qué hay dentro

  • ¿Qué es cada fila? un país, un año, una persona …
  • ¿Cuántos NA hay en las variables que vas a usar?
  • ¿En qué unidades están? euros o miles, porcentajes o tantos por uno …
  • Y guarda una copia en la carpeta del trabajo: los datos de una web pueden cambiar

Consejo: apunta de dónde sale cada dato y cada idea al encontrarlo, con su enlace, en un archivo aparte. Luego no te acordarás!!

Análisis: principales pasos

Tendrás que aplicar lo que vamos viendo (de R) en el curso o lo que ya sepas o vayas aprendiendo por ti mismo

  • Cargar los datos
  • Arreglarlos: filter(), mutate(), pivot_longer(), left_join() …
  • Resumirlos: group_by() y summarise(), …
  • Mostrarlos: gráficos, tablas, mapas, …

Algunos consejos:

  • Avanza paso a paso y mira cada resultado
  • Después de un left_join(), cuenta las filas
  • Siempre que puedas, compara algún resultado con una cifra que ya conozcas
  • Para comparar países o provincias, mejor porcentajes o valores por habitante
  • Si un paso no ayuda a responder la pregunta, igual sobra

Escribe código que se pueda leer

  • Nombres cortos e intuitivos: df_alquiler (good) df2_bueno_final (not good)
  • Un comentario corto en cada bloque explicando por qué haces lo que haces
  • Rutas relativas, no C:/Users/...
  • Borra lo que no uses

Si no sabes explicar una línea de tu código, párate a entenderla. También si viene de la IA!!!

Y para trabajar más cómodo:

  • Quizás sea mejor empezar a trabajar el código en scripts y, al principio, poner en el .qmd solo el texto; los chunks, para el final
  • Si trabajas ya con el .qmd renderiza a menudo (si alguna sección tarda mucho en ejecutarse pon #| eval: false en su chunk)

Resultados: un gráfico, una idea

  • Mejor pocos gráficos y cuidados que muchos hechos deprisa: elige los que ayudan a responder la pregunta
  • Cada gráfico debería contar una cosa; si cuenta tres, igual son tres gráficos
  • Un título que diga lo que se ve, ejes con nombre y unidades, y la fuente en el caption
  • Categorías ordenadas por su valor (fct_reorder()); si hay muchas, puedes destacar unas pocas o usar facet_wrap()
  • Debajo de cada gráfico, dos o tres frases: qué se ve, qué tiene que ver con tu pregunta y si algo te ha sorprendido

Por ejemplo …

Así, no

Sin título, sin unidades y sin fuente. Las marcas, en orden alfabético y que casi no se leen

Mejor así

El título dice la idea, las barras van ordenadas y Honda destaca. Y con unidades y fuente

¿Y las tablas y los mapas?

  • Una tabla, si importan las cifras exactas (pocas filas y pocos decimales)
  • Un mapa, si el lugar importa; si no, igual basta con un gráfico de barras
  • No hace falta usar todo lo visto en clase
  • Las tablas y los mapas, al igual que los gráficos, hay que comentarlos

Siempre puedes poner una sección al final de extras o “tomas falsas” con gráficos que no aportan mucho, pero que te han parecido curiosos, o simplemente bonitos

Conclusiones: vuelve a la pregunta e intenta responderla

  • La respuesta, en 3 o 4 frases
  • Lo que no has podido averiguar …
  • … y qué harías con más tiempo o más datos
  • Cuidado con decir “causa” o “demuestra”: casi siempre solo vemos relaciones

“Con estos datos no se puede saber …” también es una conclusión

Y el resumen, lo último: 4 o 5 frases con la pregunta, los datos y la respuesta

Bibliografía: cita todo lo que has usado

  • Todo lo que has usado: los datos (fuente y enlace), lo que has leído, los paquetes que no hemos visto en clase y las ideas y el código de otros (blogs, artículos, otros trabajos)
  • La IA también, si la has usado: di para qué
  • Cita en el texto, donde usas el dato o la idea, y pon la lista completa al final (con el mismo formato en todas)
  • Puedes inspirarte en otros trabajos (los de otros años están aquí), PERO di de dónde sale cada cosa: copiar sin citar es plagio, aunque cambies algunas palabras

En Quarto, las referencias van en un fichero .bib (bibliography: referencias.bib en el YAML) y se citan con @clave. Para saber cómo citar un paquete de R: citation("paquete")

Antes de entregar: repásalo con calma, no el último día

  • ¿Se renderiza entero, sin errores?
  • ¿Funciona en otro ordenador? (rutas relativas y datos incluidos)
  • ¿Cargas todos los paquetes al principio? ¿Has quitado los install.packages()?
  • ¿Cada gráfico tiene título, fuente y comentario?
  • ¿Están citados los datos y lo que has leído?
  • ¿Quedan warnings o mensajes en el documento?
  • ¿Has pasado el corrector ortográfico?
  • ¿Lo ha leído otra persona y lo ha entendido?

Good Luck con los trabajos!!!! 🍀 💪

Y si te atascas, pregunta pronto: en clase o en tutorías


Si quieres inspirarte, aquí tienes los trabajos de otros años

Parte de estos consejos sale del vídeo Cómo plantear trabajos académicos, de las Bibliotecas de la UNED