carreras.org

Carreras en cifras

Tasas de graduación y abandono

Compara las tasas de graduación y abandono en las distintas carreras.

# Lectura de datos
tasas <- read.csv("data/tasasacademicas2015.csv", stringsAsFactors = F)
colnames(tasas) <-
  c("titulacion", 
    "tasaRendimiento", 
    "tasaExito", 
    "tasaAbandonoInicial", 
    "tasaEficiencia", 
    "tasaGraduacion", 
    "tasaAbandono")

# Dota de formato numérico. Los datos seguían la forma "34,40"
numericFormat <- function(input) as.numeric(sub(",",".", input, fixed=TRUE))
tasas$tasaExito <- numericFormat(tasas$tasaExito)
tasas$tasaGraduacion <- numericFormat(tasas$tasaGraduacion)
tasas$tasaAbandono <- numericFormat(tasas$tasaAbandono)

# Plotly
library(plotly)
p <- plot_ly(tasas, x = ~tasaGraduacion, y = ~tasaAbandono, text = ~titulacion)
htmlwidgets::saveWidget(p, "tasas.html")

Proporción de género en personal contratado

Se expone la proporción de género en el personal contratado. El personal se divide según colectivo y grupo dentro del colectivo.

 # Lectura de las tablas
 personal <- read.csv("data/201516PAScontratado.csv")
 colnames(personal) <-
     c("colectivo",
	"grupo",
	"genero",
	"efectivos")

 personal$nombrecolectivo <- paste(personal$colectivo, personal$grupo)
 personal <- personal[,3:5]

 # Une género para compararlo
 personalMujer <- personal[personal$genero == "Mujer", 2:3]
 personalHombre <- personal[personal$genero == "Hombre", 2:3]
 personalGenero <- cbind(personalMujer, personalHombre)[,1:3]

 colnames(personalGenero) <-
     c("mujeres", "colectivo", "hombres")

 # Gráfico
 library(plotly)
 p <- plot_ly(
        personalGenero, 
        x = ~mujeres, 
        y = ~hombres, 
        text = ~colectivo,
        size = ~(mujeres+hombres)*100,
        color = personalGenero$colectivo  #rainbow(length(personalGenero$colectivo))
        )

 htmlwidgets::saveWidget(p, "contratados.html")