Skip to content

FACILITATOR-GUIDE.es.md

Latest commit

 

History

History
212 lines (177 loc) · 12.4 KB

FACILITATOR-GUIDE.es.md

File metadata and controls

212 lines (177 loc) · 12.4 KB
Raw

Guía para facilitadores — "Cómo mentir con mapas de calor"

Idioma: Español · English: FACILITATOR-GUIDE.md

Un taller práctico de 90 minutos para periodistas, voluntarios de datos cívicos, personas defensoras de la comunidad y estudiantes sobre por qué un mapa de calor de conteo crudo engaña y cómo la estadística espacial honesta — normalización por exposición, intervalos de confianza y puntos calientes con control de la tasa de falsos descubrimientos — lo corrige. Está construido sobre los datos sintéticos de Davis de nearmiss, una cuadrícula de calles con respuesta conocida, con un punto caliente plantado y un señuelo concurrido deliberado, para que quienes participan practiquen el razonamiento sin ningún dato real ni sensible.

Este módulo es la expresión en "modo enseñanza" del modelo de amenazas del proyecto T4 — un consumidor ingenuo que malinterpreta un mapa de conteo crudo como peligro (docs/THREAT-MODEL.md). Todo el arco del taller es la mitigación central de T4: hacer que la lectura honesta sea la lectura fácil.

Objetivos de aprendizaje

Al finalizar la sesión, quienes participan podrán:

  1. Explicar la mentira. Decir con precisión por qué un mapa de calor de conteo crudo (o de densidad de núcleo sin normalizar) apunta al lugar más concurrido y lo etiqueta erróneamente como el más peligroso.
  2. Normalizar por exposición. Calcular una tasa como reportes por unidad de exposición y explicar qué es el denominador y por qué cambia la clasificación.
  3. Leer la incertidumbre. Interpretar un intervalo de confianza del 95% sobre una tasa y usar los intervalos que se solapan para resistir la sobrelectura de diferencias pequeñas.
  4. Distinguir "caliente por peligroso" de "caliente por concurrido". Describir qué prueba el estadístico local Getis-Ord Gi* y por qué se ejecuta sobre la tasa, no sobre el conteo.
  5. Respetar las comparaciones múltiples. Explicar por qué se aplica una corrección de la tasa de falsos descubrimientos (FDR) de Benjamini-Hochberg y contra qué protege.
  6. Detectar el problema de la unidad de área modificable (MAUP). Mostrar cómo volver a trazar los límites de los segmentos puede fabricar o disolver un punto caliente "significativo", y nombrar las defensas (pre-registro, reporte de sensibilidad, conservar todo el conjunto de comparación).
  7. Aplicar las mitigaciones de T4 a un mapa o gráfico real que encuentren en la vida diaria: etiquetar el volumen como volumen; publicar tasas, intervalos y significancia; nombrar el sesgo.

Audiencia y requisitos previos

  • Audiencia: talleres de periodismo / datos cívicos / incidencia; no se asume formación estadística. Sirve desde estudiantes de grado hasta equipos de datos de redacciones.
  • Familiaridad con: leer una tabla; la idea de una tasa (p. ej. "por 1,000"). Algo de Python ayuda para el cuaderno de ejercicios pero no es obligatorio — la persona facilitadora puede conducir el cuaderno mientras el grupo razona en voz alta.
  • Tamaño del grupo: 4–30. Por encima de ~12, use grupos pequeños de 3–4 para los ejercicios.

Preparación (facilitador, antes de la sesión)

git clone https://github.com/ChelseaKR/nearmiss && cd nearmiss
python -m pip install -e ".[teaching]"   # stack de ejecución de Jupyter (extra aislado)
make teach                                # ejecuta los tres cuadernos en notebooks/_build/

Los cuadernos están en notebooks/teaching/. Son deterministas y sin conexión: sin RNG, sin red, sin datos reales. Puede presentarlos en vivo (celda por celda) o entregar las copias ya ejecutadas de notebooks/_build/. Si proyecta, el mapa de calor SVG del cuaderno 01 escala sin pérdida.

Nota de honestidad de datos para decir en voz alta: los datos de Davis son datos sintéticos de demostración, no reportes reales. El objetivo es el razonamiento, no Davis.

El plan de 90 minutos

Tiempo Segmento Qué sucede
0:00–0:10 Plantear la mentira Muestre un mapa de calor de conteo crudo sin leyenda. Pida al grupo que señale "la calle más peligrosa". Revele que es simplemente la más concurrida. Presente T4 en una línea: el mal uso más común de los hallazgos de este proyecto no es un ataque, es una lectura honesta pero equivocada.
0:10–0:30 Cuaderno 01 — El mapa ingenuo Ejecútelo en vivo. Deténgase en la figura de dos paneles: el señuelo seg-03 es el más brillante en el mapa de conteo crudo (izquierda) y se disuelve en el mapa normalizado por exposición (derecha); emerge el corredor plantado seg-06. Termine en la tabla ordenada publicada: el artefacto honesto es una tabla con tasas, intervalos y un grupo significativo marcado en texto, no una mancha de color.
0:30–0:55 Cuaderno 02 — Encuentra el señuelo (ejercicio) En grupos pequeños: ordenar por conteo crudo (Paso 1), calcular tasas + IC del 95% con la función real de la tubería (Paso 2), medir la caída de posición (Paso 3). Los grupos se comprometen a una respuesta antes de la celda de Solución. Puesta en común: ¿quién encontró seg-03? ¿Qué en la columna de exposición lo delató?
0:55–1:20 Cuaderno 03 — Rompe el IC Ejecute el grupo base, luego la división que fabrica un punto caliente en el limítrofe seg-05, luego la fusión que disuelve el corredor real seg-06. Enfatice: mismos reportes, misma estadística, tres "verdades". Resalte que el IC y la corrección FDR son reales pero no pueden salvarlo de una unidad de análisis manipulada.
1:20–1:30 Cierre — los valores por defecto honestos Repase las mitigaciones de T4 como una lista de verificación que el grupo pueda aplicar a cualquier mapa que encuentre la próxima semana. Asigne la consigna para llevar a casa.

¿Va con poco tiempo? Omita la demostración de fusión del cuaderno 03 (conserve la división). ¿Va con tiempo de sobra o es un grupo avanzado? Agregue las consignas de "amplíelo" más abajo.

Consignas de discusión (vinculadas al modelo de amenazas T4)

Cada consigna corresponde a una mitigación de T4 específica en docs/THREAT-MODEL.md. Úselas en las pausas entre segmentos.

  • Tras el cuaderno 01 — "Etiquetar el volumen como volumen". ¿Dónde ha visto un mapa de conteo crudo o "de calor" presentado como peligro, riesgo o delito? ¿Qué única etiqueta habría hecho de la lectura honesta la lectura fácil? (Mitigación: las superficies sin normalizar se etiquetan como intensidad de reportes, nunca como peligro; la etiqueta viaja con el artefacto.)
  • Tras el cuaderno 01 — "Publicar tasas, intervalos y significancia, no solo una superficie". ¿Por qué una tabla ordenada con intervalos es más difícil de capturar fuera de contexto que un mapa de color? ¿Qué le aporta eso a la versión honesta?
  • Tras el cuaderno 02 — "Nombrar el sesgo en la página". ¿Quién está sobre y subrepresentado en un conjunto de datos de casi-accidentes por colaboración abierta? Una tasa fija el denominador — ¿qué sigue sin arreglar? (Mitigación: cada informe declara quién está sobre/subrepresentado y qué efecto tiene en la conclusión.)
  • Tras el cuaderno 02 — "La tabla equivalente lleva las salvedades". Una persona usuaria de lector de pantalla nunca ve la mancha de color. ¿Qué debe contener la tabla para que llegue a la misma conclusión honesta?
  • Tras el cuaderno 03 — MAUP y los límites de la estadística. El intervalo de confianza y la corrección FDR son protecciones reales. Nombre algo contra lo que cada uno NO protege. (Respuesta: el IC atiende el ruido de muestreo, no una unidad elegida; el FDR atiende la suerte de comparaciones múltiples, no una unidad elegida después de ver los datos.)
  • Tras el cuaderno 03 — "Hacer que la versión honesta sea la citable". T4 "se detiene" en el recorte: una vez que alguien captura una superficie y le quita la leyenda, el proyecto no puede controlar el título. Si no puede evitar el mal uso, ¿cuál es el objetivo realista? (Respuesta: hacer que el artefacto honesto y etiquetado sea el más prominente y citable.)

Consigna para llevar a casa. Traiga un mapa de calor real de las noticias o del tablero de una agencia. Responda: (a) ¿son conteos o una tasa? (b) ¿cuál es el denominador, o falta uno? (c) ¿qué tendría que saber para confiar en el "punto caliente"?

Clave de respuestas

Cuaderno 01 — El mapa ingenuo.

  • Calle "peor" por conteo crudo: seg-03, "3rd St (B–C)" — simplemente tiene la mayor cantidad de reportes (12 rebases cercanos + 5 peligros de superficie + 3 escombros = 20).
  • Calle peor normalizada por exposición: seg-06, "5th St (C–D)" — el punto caliente plantado (poca exposición, tasa alta).
  • Por qué se invierte: el denominador de exposición de seg-03 (8,000 viajes) es ~27× el del punto caliente (300), así que su tasa (2.50 /1,000) queda muy por debajo de la de seg-06 (20.0 /1,000). Es exactamente el comportamiento que fija tests/test_hotspot.py::test_busy_decoy_has_most_raw_reports_but_low_rate.

Cuaderno 02 — Encuentra el señuelo.

  • El señuelo es seg-03, "3rd St (B–C)": encabeza la clasificación por conteo crudo pero es el que más cae, hasta cerca del fondo de la clasificación por tasa; no está entre los tres primeros por tasa y no se marca como grupo Gi* significativo.
  • El verdadero punto caliente es seg-06, "5th St (C–D)": la tasa más alta y el centro del único grupo significativo.
  • Dígale al grupo que la celda de revelación afirma estos hechos contra la tubería, así que la respuesta no es la opinión del facilitador — es el mismo código que controla las pruebas del proyecto.

Cuaderno 03 — Rompe el IC.

  • Puntos calientes significativos base: seg-02, seg-06, seg-07, seg-10 (el corredor de 5th St y sus calles transversales). seg-05 es limítrofe: su valor p bilateral crudo es ~0.029 (menor a 0.05), pero el FDR lo retiene correctamente.
  • Fabricar (dividir): cortar seg-05 en dos bloques en el mismo lugar hace que ambas mitades crucen a "significativo" — un punto caliente conjurado puramente por la re-segmentación, sin ningún reporte nuevo.
  • Disolver (fusionar): fusionar el corredor real (seg-02/05/06/07/10) en un solo bloque promediado deja cero segmentos significativos — Gi* necesita vecinos de tasa alta para detectar un grupo, y la fusión los borra.
  • Defensas: pre-registrar la segmentación; reportar la sensibilidad a la unidad; conservar todo el conjunto de comparación (descartar segmentos "aburridos" reduce m y afloja el umbral FDR); anclar la significancia a los reportes, no a la geometría.

Ideas erróneas comunes que corregir.

  • "Un número más grande significa más peligro". Solo después de dividir por la exposición.
  • "La significancia estadística significa que es real". La significancia depende de la unidad elegida y del conjunto de pruebas; una estrella Gi* que sobrevive solo a una segmentación dibujada a mano es un artefacto MAUP.
  • "Un intervalo de confianza me dice que el mapa es correcto". Cuantifica el ruido de muestreo para una segmentación fija; no dice nada sobre un denominador manipulado ni un límite manipulado.

Amplíelo (para sesiones más largas o avanzadas)

  • Pida al grupo cambiar fdr_alpha o la banda de Gi* (gi_band_m) en config/davis-demo.toml y predecir, luego observar, el efecto en el conjunto significativo.
  • Apunte insumos reales a los mismos cuadernos vía docs/REAL-DATA.md y discuta qué se rompe cuando desaparece la respuesta conocida.
  • Compare con los otros cuadernos de reproducibilidad del proyecto en notebooks/ y make reproduce.

Lecturas adicionales (en este repositorio)