The number pad

Como parte de las actividades de Converciencia , fui parte de un Taller de Datos que buscaba compartir herramientas y métodos de análisis de datos. En el taller que impartí nos enfocamos a dos métodos que a mi gusto son muy útiles a la hora de analizar gran cantidad de datos: Análisis Factorial (PCA) y Análisis Cluster. Como ejemplo de Análisis Factorial, utilizamos los datos de la evaluación de graduandos del Ministerio de Educación  de Guatemala.  Esta evaluación es administrada a todos los estudiantes que se gradúan de nivel medio. Es una evaluación que mide competencias en matemática y lenguaje. Dentro de los datos tomados por el Ministerio de Educación, se encuentra una serie de variables que miden diversos aspectos de cada uno de los estudiantes. Se tiene al rededor de 200 variables que miden desde el tipo de vivienda, la localidad donde viven, la educación de los padres, y otros factores que pudieran influir en el rendimiento de los alumnos. Con esto realizamos u

Many people say we are in the information era, but it seems that we are passed this. Nowadays, information is within everyone's reach, about everything and as much as we want. Data is not the issue anymore, at least most of the time. The real issue is  how to analyze the data.  It seems that having information is not the problem now, but actually having too much  data. One of the places in which we can find too much data are social networks. The richness of social networks is that they are a continuous flow of interesting data, what I like to call social data .  Social data is so rich as you can extract information from it in so many ways. One is to analyze what people express over a specific topic on social media. To this end, I developed  a way to identify the most important ideas found on a stream of user comments. Basically an algorithmic summary tool.  With a data set of a few tens of user comments, it is easy to grasp the general feelings and thoughts that