104119

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University e Salzburg ǀ Universidad de Salzburg

Geomarketing para gestionar la oferta de escuelas privadas de nivel de educación inicial en la Ciudad de Buenos Aires Geomarketing for managing the provision of private pre-school educational services in the City of Buenos Aires by/por

Mg. Arq. Bárbara R. Constantinidis 01423607 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science (Geographical Information Science & Systems) – MSc (GIS)

Buenos Aires- Argentina, 20 de Diciembre de 2017

Bárbara R. Constantinidis

UNIGIS América Latina

COMPROMISO DE CIENCIA Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

Buenos Aires, 20 de diciembre de 2017

Bárbara R. Constantinidis

Bárbara R. Constantinidis

UNIGIS América Latina

DEDICATORIA A las personas que con su energía y confianza me ofrecieron la oportunidad de aceptar este desafío, de integrarlo a mi vida, a mi familia y a mi profesión.

A mis padres Marta y José, por ser incondicionales siempre y transmitirme sus valores.

A mi esposo Fernando, por creer en mi y darme el equilibrio necesario para crecer.

Y a mis hijos Guadalupe e Imanol, por entender mi falta de tiempo con amor, y enseñarme construir un mundo mejor junto a ellos.

AGRADECIMIENTOS A la Virgen de Guadalupe, Madre de las Américas, por poner cada día a las personas correctas en mi camino y darme la fuerza para avanzar en mis objetivos.

A Karl Atzmanstorfer, por su compromiso como profesor asignado para dirigir mi proceso de tesis, y en su nombre, a toda la familia UNIGIS, de la cual me siento orgullosa de ser parte, como miembro del Nodo Argentina en la Universidad de Belgrano, Ciudad de Buenos Aires.

Carolina Sampedro por su apoyo permanente como tutora de la promoción 2014B. A mis profesores, compañeros y colegas, que construyeron este proceso de aprendizaje y me integraron a una red académica y profesional que promueve la ética, la educación y amistad.

A la comunidad de Aeroterra S.A., distribuidor exclusivo de ESRI en Argentina y Uruguay, por haber acompañado esta fase de mi formación en la educación.

A Leopoldo Gurman, por su ayuda profesional en la tradución al idioma inglés del título y abstract con "Ant-Translation.com."

Bárbara R. Constantinidis

UNIGIS América Latina

RESUMEN Esta investigación presenta a los Sistemas de Información Geográfica (SIG), como un aporte científico que favorece la incorporación de modelos espaciales a los procesos de toma de decisiones orientados a la oferta de servicios educativos en el ámbito urbano. Se focaliza en la aplicación del geomarketing, para analizar la localización de edificios destinados a escuelas de nivel inicial de gestión privada en la Ciudad de Buenos Aires, teniendo en cuenta variables culturales, tecnológicas y socio económicas. El segmento demográfico comprende la franja etaria de 45 días a 5 años, base del ciclo educativo.

La Ciudad Autónoma de Buenos Aires (CABA), Argentina, posee una estructura de gestión educativa mixta, pública y privada. Entre los años 2003 y 2013 se ha producido un incremento de la oferta de servicios educativos de gestión privada y el ejercicio de políticas de gestión integral sobre los procesos pedagógicos, edilicios y urbanos.

La metodología propuesta interpreta la literatura existente sobre geomarketing así como el marco normativo local vigente y aplica modelos SIG para relacionar de datos y realizar análisis de variables espaciales. Partiendo de datos georreferenciados, con selección y clasificación de sus atributos, se estudió la distribución de consumo y la oferta escolar.

Asimismo, se aplicaron modelos gravitacionales, densidad, maximización y multicriterio, para evaluar variables edilicias y urbanas, aplicando herramientas del software ArcGIS. Entre los principales resultados, se verifica la diversidad y cobertura de escuelas privadas de nivel inicial para la Ciudad de Buenos Aires, se valora la relación de factores condicionantes para el consumo y la oferta educativa, identificando cuales son las áreas poteciales aptas para la implantación de nuevas escuelas.

La conclusión ofrece un aporte para el tipo de escuelas comprendidas, para innovar tecnológicamente sus propios procedimientos, y valida al geomarketing como estrategia de planificación integral para el desarrollo edilicio y comercial de las escuelas de nivel Inicial de Gestión Privada en la Ciudad Autónoma de Buenos Aires.

Palabras clave: Sistemas de Información Geográfica (SIG) Geomarketing Escuelas de nivel inicial de gestión privada

Bárbara R. Constantinidis

UNIGIS América Latina

ABSTRACT

This study presents Geographic Information Systems (GIS) as a scientific contribution that facilitates the inclusion of spatial models into the decision making processes with regards to the provision of educational services in the urban environment. It focuses on applying geomarketing to the location of private pre-school (locally referred to as nivel inicial) buildings in the City of Buenos Aires, taking into account cultural, technological and socioeconomic variables. The demographic universe considered are children aged 45-days to 5-years-old, spanning the foundation of the educational cycle.

The Autonomous City of Buenos Aires (CABA), Argentina, has a mixed (public/private) educational system. Between 2003 and 2013 privately managed educational services as well as the implementation of comprehensive pedagogic, building and urban management policies have proliferated.

The proposed methodology interprets existing literature on geomarketing in conjunction with current local regulations and applies GIS models to connect data and analyse spatial variables. Georeferenced data attributes have been selected and classified in order to study the distribution of pre-school supply and demand. Additionally, through the use of ArcGIS software tools gravitational, density, maximization and multi-criteria models have been applied to evaluate building and urban variables.

The results highlight the diversity and geographic coverage of private pre-schools in the City of Buenos Aires. Through an assessment of the correlation of determining factors in the supply and demand for pre-school educational services opportune areas for locating new pre-schools are identified.

The conclusion proposes a methodology for the types of pre-schools studied to apply technological innovation to their procedures, and validates geomarketing as an integral planning strategy for privately managed pre-schools in terms of both their siting and commercial development in the Autonomous City of Buenos Aires.

Keywords: Geographic Information Systems (SIG) Geomarketing Privately managed pre-schools (nivel inicial)

BĂĄrbara R. Constantinidis

UNIGIS AmĂŠrica Latina

5

TABLA DE CONTENIDO RESUMEN ...................................................................................................................................................... 3 ABSTRACT ..................................................................................................................................................... 4 CAPÍTULO 1. INTRODUCCIÓN ...................................................................................................................... 13 1.1.

LOS ANTECEDENTES DEL PROBLEMA ..................................................................................................... 13 1.2.

OBJETIVOS Y PREGUNTAS DE INVESTIGACIÓN .......................................................................................... 16 Objetivo general.................................................................................................................................. 16 Objetivos específicos ........................................................................................................................... 16 Preguntas de investigación.................................................................................................................. 18 1.3.

HIPÓTESIS...................................................................................................................................... 19 1.4.

JUSTIFICACIÓN ................................................................................................................................ 20 1.5.

ALCANCE ....................................................................................................................................... 22 CAPÍTULO 2. REVISIÓN DE LITERATURA ...................................................................................................... 23 2.1. MARCO HISTÓRICO: DEL MARKETING AL GEOMARKETING ................................................................................ 23 2.2. MARCO TEÓRICO ................................................................................................................................... 27 2.2.1. Antecedentes de geomarketing ................................................................................................. 27 2.2.2. SIG y educación: estudios de movilidad ...................................................................................... 29 2.2.3. Antecedentes de SIG aplicado a la planificación de la educación en Argentina: el mapa escolar 32 2.3. MARCO METODOLÓGICO ......................................................................................................................... 38 2.3.1. Modelos gravitacionales de consumo ........................................................................................ 38 2.3.2. Modelos de interacción Espacial: MCI ........................................................................................ 41 2.3.4. Modelos de geomarketing aplicables al sector educativo .......................................................... 44 2.4. MARCO LEGAL DE LA EDUCACIÓN EN CIUDAD DE BUENOS AIRES, ARGENTINA ..................................................... 58 CAPÍTULO 3. METODOLOGÍA ...................................................................................................................... 61 3.1.

DESCRIPCIÓN DEL ÁREA DE ESTUDIO .................................................................................................... 61 3.1.1. Composición y evolución de la población educativa en la Ciudad de Buenos Aires ..................... 63 3.1.2. Características de los establecimientos educativos de Nivel Inicial de gestión privada en el área de estudio ........................................................................................................................................... 68 3.2.

DATOS .......................................................................................................................................... 74 3.3.

METODOLOGÍA ............................................................................................................................... 77 Flujograma.......................................................................................................................................... 77 3.3.1. Pasos metodológicos ................................................................................................................. 79 3.4.

SOFTWARE: ................................................................................................................................. 109 3.4.1. Extensión Spatial Analyst de ArcGIS® de ESRI ........................................................................... 110 3.4.2. Extensión Network Analyst de ArcGIS® de ESRI (Desktop). ....................................................... 112 3.4.3. Extensión Bussiness Analyst de ArcGIS® de ESRI (datos válidos sólo para USA). No utilizada. ... 112 CAPÍTULO 4. RESULTADOS Y DISCUSIÓN .................................................................................................. 113 4.1. RESULTADOS ...................................................................................................................................... 113 4.2. DISCUSIÓN DE LOS RESULTADOS .............................................................................................................. 201 CAPÍTULO 5. CONCLUSIONES .................................................................................................................... 220 5.1. BREVE RESUMEN DE LOS RESULTADOS ...................................................................................................... 220 5.2. VALORACIÓN DE LAS APORTACIONES ESPECÍFICAS LOGRADAS.......................................................................... 224 5.3. RECOMENDACIONES ............................................................................................................................. 225 ANEXO ...................................................................................................................................................... 227 REFERENCIAS ............................................................................................................................................ 231

6

LISTA DE FIGURAS FIGURA 2.0.1 SISTEMAS DE COMPORTAMIENTO DE LA MOVILIDAD RELACIONADOS A LOS FRECUENTES LUGARES DE COMPRAS. MOBILITY BEHAVIOR SYSTEMS RELATED TO THE FREQUENTING OF SHOPPING PLACES (CLIQUET, 2006, PP.34; DESSE, 2001). ................................................................................................................................................. 31 FIGURA 2.0.2 ESCUELAS DE NIVEL INICIAL ESTATAL. FUENTE: ("MAPA ESCOLAR EN LA PROVINCIA DE BUENOS AIRES “, 2017) 35 FIGURA 2.0.3. ESCUELAS DE NIVEL INICIAL PRIVADO. FUENTE: ("MAPA ESCOLAR EN LA PROVINCIA DE BUENOS AIRES “, 2017) ........................................................................................................................................................... 35 FIGURA 2.0.4 ESCUELAS DE NIVEL INICIAL ESTATAL Y PRIVADO COMBINADAS, ZOOM SOBRE EL LÍMITE CON LA C.A.B.A. FUENTE: ("MAPA ESCOLAR EN LA PROVINCIA DE BUENOS AIRES “, 2017) ........................................................................ 36 FIGURA 2.0.5 PRINCIPALES TEORÍAS DE PLANIFICACIÓN DE SERVICIOS. FUENTE: (PITARCH GARRIDO, 2000, PP. 121) EN BASE A (RUSHTON, 1988). .................................................................................................................................. 47 FIGURA 2.0.6 CLASIFICACIÓN DE TIPOS DE MODELOS DE PLANIFICACIÓN DE SERVICIOS EDUCATIVOS. (PITARCH GARRIDO, 2000, PP. 125)................................................................................................................................................ 49 FIGURA 3.0.1 CIUDAD DE BUENOS AIRES POR COMUNAS Y BARRIOS (ESTADISTICACIUDAD.GOB.AR, 2017) .......................... 62 FIGURA 3.0.2 EVOLUCIÓN BIANUAL DE LA MATRÍCULA TOTAL DE NIVEL INICIAL (NIC Y NIE). CIUDAD AUTÓNOMA DE BUENOS AIRES. AÑOS 1998/2000/2002/2004/2006/2008/2010/2011. PP 63. (RODRÍGUEZ VILLOLDO, DEMARCO, GOROSITO, NUZA, WEREFKIN, 2013). GERENCIA OPERATIVA DE INVESTIGACIÓN Y ESTADÍSTICA, DGECE. MINISTERIO DE EDUCACIÓN DEL GCBA. ............................................................................................................................ 65 FIGURA 3.0.3 ALUMNOS EN EL SECTOR PRIVADO Y PÚBLICO. AÑOS 2001 – 2013 ("CLARÍN: “EN EL ÚLTIMO AÑO SE FUERON DE LAS ESCUELAS PÚBLICAS CASI 50 MIL ALUMNOS” - CHEQUEADO", 2017) .............................................................. 68 FIGURA 3.0.4 PROPORCIÓN DE NIÑOS DE 0 A 5 AÑOS DE EDAD SEGÚN RESIDENCIA EN LA CIUDAD AUTÓNOMA DE BUENOS AIRES Y TOTAL PAÍS. AÑO 2010. RELEVAMIENTO ANUAL 2011. PP. 48. (RODRÍGUEZ VILLOLDO, DEMARCO, GOROSITO, NUZA, WEREFKIN, 2013). FUENTE: INDEC, CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDAS 2010. ...................... 71 FIGURA 3.0.5 DISTRIBUCIÓN PORCENTUAL DE LA POBLACIÓN DE 0 A 5 AÑOS, SEGÚN COMUNA. ......................................... 72 FIGURA 3.0.6 GRÁFICO DE DISTRIBUCIÓN DE LA POBLACIÓN POR EDADES DE 0-4 AÑOS PARA LA CIUDAD DE BUENOS AIRES. (INDEC, 2010). PROCESADO CON REDATAM+SP, CEPAL/CELADE. ELABORACIÓN PROPIA. .................................. 84

Bárbara R. Constantinidis

UNIGIS América Latina

7

LISTA DE TABLAS TABLA 2.0.1 CLASIFICACIÓN DE 74 COMERCIOS MINORISTAS FRANCESES DE ACUERDO A SU TIPO DE ATRACCIÓN (CLIQUET, 1997, PP. 46- 47) ............................................................................................................................................ 46 TABLA 3.0.1 RELEVAMIENTO ANUAL 2011. PP. 59. (RODRÍGUEZ VILLOLDO, DEMARCO, GOROSITO, NUZA, WEREFKIN, 2013).

GERENCIA OPERATIVA DE INVESTIGACIÓN Y ESTADÍSTICA, DGECE. MINISTERIO DE EDUCACIÓN DEL GCBA.................. 64 TABLA 3.0.2 ALUMNOS MATRICULADOS DE NIVEL INICIAL POR SECTOR DE GESTIÓN SEGÚN COMUNA. CIUDAD AUTÓNOMA DE BUENOS AIRES. (RODRÍGUEZ VILLOLDO, DEMARCO, GOROSITO, NUZA, WEREFKIN, 2013). RELEVAMIENTO ANUAL 2011.

PP 65. GERENCIA OPERATIVA DE INVESTIGACIÓN Y ESTADÍSTICA, DGECE. MINISTERIO DE EDUCACIÓN DEL GCBA. ....... 65 TABLA 3.0.3 EVOLUCIÓN TOTAL DE LA MATRÍCULA PÚBLICA Y PRIVADA EN EL PAÍS. (GASPARINI, JAUME, MONSERRAT Y VÁZQUEZ, 2011). ................................................................................................................................................. 66 TABLA 3.0.4 RELACIÓN CIUDAD DE BUENOS AIRES RESPECTO DEL TOTAL DEL PAÍS AÑO 2001. (GASPARINI, JAUME, MONSERRAT Y VÁZQUEZ, 2011) .................................................................................................................................. 67 TABLA 3.0.5 RELACIÓN CIUDAD DE BUENOS AIRES RESPECTO DEL TOTAL DEL PAÍS AÑO 2013. (GASPARINI, JAUME, MONSERRAT Y VÁZQUEZ, 2011) .................................................................................................................................... 67 TABLA 3.0.6 TABLA DE CÓDIGOS PARA CADA DENOMINACIÓN DE USOS. LA EDAD DE LOS NIÑOS SE CONSIDERA AL DÍA 30 DE JUNIO DEL AÑO ESCOLAR. (ANEXO II, RESOLUCIÓN Nº 222-SSEG-SED/05). ................................................................ 70 TABLA 3.0.7 DISTRIBUCIÓN DE LA POBLACIÓN POR EDADES DE 0-4 AÑOS PARA LA CIUDAD DE BUENOS AIRES. (INDEC, 2010).

PROCESADO CON REDATAM+SP, CEPAL/CELADE. ELABORACIÓN PROPIA. ......................................................... 84 TABLA 3.0.8 TASA DE ACTIVIDAD, EMPLEO Y DESOCUPACIÓN DE LA POBLACIÓN PARA LA CIUDAD DE BUENOS AIRES. (INDEC, 2010). PROCESADO CON REDATAM+SP, CEPAL/CELADE. ELABORACIÓN PROPIA. ............................................... 85 TABLA 3.0.9 INFORMACIÓN DE SUPERFICIE, SELECCIONADA A PARTIR DE LOS 10 EDIFICIOS DE MAYOR ÁREA CUBIERTA, DESIGNADA AL USO EDUCATIVO, CONTENIENDO NIVEL INICAL, EN LA CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ................ 93 TABLA 3.0.10 INFORMACIÓN DE ESTADO DE CUMPLIMENTO ANTE PRESENTACIONES DE DOCUMENTACIÓN ANTE ESCUELA SEGURA, PARA 10 ESCUELAS DE NIVEL INICAL, EN LA CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ................................. 94 TABLA 3.0.11 INFORMACIÓN DE UNA SELECCIÓN DE PUNTOS DE ORIGEN DE CONSUMO, ASOCIADA A SUS DATOS DEMOGRÁFICOS. ELABORACIÓN PROPIA. .............................................................................................................................. 98 TABLA 4.0.1 CANTIDAD DE ESTABLECIMIENTOS EDUCATIVOS DE NIVEL INICIAL POR TIPO DE GESTIÓN, SOBRE ESTABLECIMIENTOS EDUCATIVOS TOTALES DE LA CIUDAD DE BUENOS AIRES. FUENTE: (INDEC, 2010). ELABORACIÓN PROPIA................ 114 TABLA 4.0.2 RECUENTO DE ESCUELAS DE GESTIÓN PRIVADA, QUE OFRECEN NIVEL INCIAL Y OTROS SERVICIOS EDUCATIVOS, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN DE LA CIUDAD DE BUENOS AIRES, 2016 Y 2017).

ELABORACIÓN PROPIA. ............................................................................................................................ 115 TABLA 4.0.3 SÍNTESIS DE LA SITUACIÓN DEMOGRÁFICA RELEVANTE POR COMUNA, PARA LA CIUDAD DE BUENOS AIRES. (INDEC, 2010). ELABORACIÓN PROPIA. ................................................................................................................. 117 TABLA 4.0.4 ESTADÍSTICA DE SUPERFICIES CUBIERTAS PARA LAS ESCUELAS DE NIVEL INICIAL DE GESTIÓN PRIVADA EN LA CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ................................................................................................... 134 TABLA 4.0.5 CANTIDAD DE ESTABLECIMIENTOS DE ACUERDO AL ESTADO DE TRÁMITE DE ESCUELA SEGURA, ANTE LA DGEGP AL AÑO 2016. ELABORACIÓN PROPIA. ............................................................................................................ 136 TABLA 4.0.6 SITUACIÓN DE LAS COMUNAS DE ACUERDO CON LA CANTIDAD DE ESTABLECIMIENTOS CON ESTADO DE TRÁMITE APROBADO POR ESCUELA SEGURA, DGEGP AL AÑO 2016. ELABORACIÓN PROPIA. .............................................. 138 TABLA 4.0.7 CANTIDAD DE RAMPAS PARA DISCAPACITADOS EN VEREDAS, DENTRO DEL ÁREA DE INFLUENCIA DE LOS ESTABLECIMIENTOS EDUCATIVOS DE GESTIÓN PRIVADA QUE OFRECEN NIVEL INICIAL. ELABORACIÓN PROPIA. .............. 141 TABLA 4.0.8 CANTIDAD DE ESTACIONES DE SUBTE Y METROBPUS, DENTRO DEL ÁREA DE INFLUENCIA DE 500 MT. DE LOS ESTABLECIMIENTOS EDCUATIVOS DE GESTIÓN PRIVADA QUE OFRECEN NIVEL INICIAL. ELABORACIÓN PROPIA. .............. 144 TABLA 4.0.9 SÍNTESIS DE LA SITUACIÓN DEMOGRÁFICA RELEVANTE POR COMUNA, PARA LA CIUDAD DE BUENOS AIRES. (INDEC, 2010). ELABORACIÓN PROPIA. ................................................................................................................. 157 TABLA 4.0.10 TABLA DE POLÍGONOS VACANTES POTENCIALES PARA LOCALIZAR ESCUELAS DE NIVEL INICIAL DE GESTIÓN PRIVADA, NIVEL BARRIAL, COMUNAL, EN LA CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ............................................ 166 TABLA 4.0.11 ATRIBUTOS DE LOS NUEVOS ESTABLECIMIENTOS PROPUESTOS COMO POTENCIALES PARA SER EVALUADOS, EN ÁREAS VACANTES DE LA CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. .................................................................. 170 TABLA 4.0.12 RESULTADOS ESTADÍSTICOS DEL CÁLCULO REALIZADO CON LA HERRAMIENTA HUFF, PARA LAS 3 ESCUELAS NUEVAS. MODALIDAD PRIVADA DE NIVEL INICIAL, CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ................................... 173

Bárbara R. Constantinidis

UNIGIS América Latina

8

TABLA 4.0.13 RESULTADOS ESTADÍSTICOS DEL CÁLCULO REALIZADO CON LA HERRAMIENTA HUFF, PARA LAS 3 ESCUELAS NUEVAS, CON LA APLICACIÓN DE PUNTOS DE ORIGEN. MODALIDAD PRIVADA DE NIVEL NICIAL, CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ............................................................................................................................ 176 TABLA 4.0.14 RESULTADOS ESTADÍSTICOS DEL CÁLCULO REALIZADO CON LA HERRAMIENTA NEAR DIST PARA LAS 3 ESCUELAS NUEVAS. ELABORACIÓN PROPIA. ................................................................................................................ 180 TABLA 4.0.15 RESULTADOS ESTADÍSTICOS DEL CÁLCULO REALIZADO CON LA HERRAMIENTA NEAR DISST PARA LAS 3 ESCUELAS NUEVAS. ELABORACIÓN PROPIA. ................................................................................................................ 182 TABLA 4.0.16 RESULTADOS ESTADÍSTICOS DEL CÁLCULO REALIZADO CON LA HERRAMIENTA NEAR DIST PARA LAS 3 ESCUELAS NUEVAS. ELABORACIÓN PROPIA. ................................................................................................................ 184 TABLA 4.0.17 VALORES DE LAS VARIABLES PONDERADAS Y NORMALIZADAS ENTRE 1 Y 100. PARA ÁREA DE INFLUENCIA DE LA ZONA POTENCIAL A. ....................................................................................................................................... 186 TABLA 4.0.18 VALOR SOPESADO DE LAS ÁREAS POTENCIALES CORRESPONDIENTES A LAS ESCUELAS A, B Y C. ........................ 191 TABLA 4.0.19 VARIABLES DE EVALUACIÓN INSTITUCIONAL DE LAS ESCUELAS DE NIVEL INICIAL SEGÚN TIPO DE GESTIÓN. ELABORACIÓN PROPIA. ............................................................................................................................ 197 TABLA 4.0.20 VARIABLES SEGÚN EL COMPORTAMIENTO DE LOS CONSUMIDORES DE LAS ESCUELAS DE NIVEL INICIAL SEGÚN TIPO DE GESTIÓN. ELABORACIÓN PROPIA. ........................................................................................................... 198 TABLA 4.0.21 FACTORES QUE INCIDEN EN LA APLICACIÓN DE GEOMARKETING, EN ESCUELAS DE NIVEL INICIAL DE LA CABA. ELABORACIÓN PROPIA. ............................................................................................................................ 199 TABLA 4.0.22 POLÍTICAS PÚBLICAS PARA LA PROMOCIÓN DE SIG EN EL SECTOR EDUCATIVO EN LA CABA. ELABORACIÓN PROPIA. ......................................................................................................................................................... 200

Bárbara R. Constantinidis

UNIGIS América Latina

9

LISTA DE MAPAS MAPA 3.0.1 ESTABLECIMIENTOS EDUCATIVOS DE NIVEL INICIAL SOBRE ESTABLECIMIENTOS EDUCATIVOS TOTALES DE LA CIUDAD DE BUENOS AIRES. FUENTE: (INDEC, 2010). ELABORACIÓN PROPIA. ..................................................................... 81 MAPA 3.0.2 ESTABLECIMIENTOS EDUCATIVOS TOTALES DE LA CIUDAD DE BUENOS AIRES, ORGANIZADOS SEGÚN SU TIPO DE GESTIÓN. FUENTE: (INDEC, 2010). ELABORACIÓN PROPIA. .............................................................................. 82 MAPA 3.0.3 POBLACIÓN TOTAL POR COMUNA EN LA CIUDAD DE BUENOS AIRES. FUENTE: (INDEC, 2010). ELABORACIÓN PROPIA. ................................................................................................................................................. 87 MAPA 3.0.4 POBLACIÓN TOTAL DE NIÑOS DE 0 A 4 AÑOS, POR COMUNA EN LA CIUDAD DE BUENOS AIRES. FUENTE: (INDEC, 2010). ELABORACIÓN PROPIA. ................................................................................................................... 88 MAPA 3.0.5 TASA DE EMPLEO POR COMUNA EN LA CIUDAD DE BUENOS AIRES. FUENTE: (INDEC, 2010). ELABORACIÓN PROPIA. ........................................................................................................................................................... 89 MAPA 3.0.6 LOCALIZACIÓN DE LA OFERTA DE ESTABLECIMIENTOS DE GESTIÓN PRIVADA DE NIVEL INICIAL, SEGÚN EL VALOR DE SU CUOTA. FUENTE: (MINISTERIO DE EDUCACIÓN DE LA CIUDAD DE BUENOS AIRES, 2016). ELABORACIÓN PROPIA. ........... 91 MAPA 3.0.7 MALLA REPRESENTATIVA DE LOS PUNTOS DE CONSUMO DE EDUCACIÓN DE NIVEL INICIAL. ELABORACIÓN PROPIA. .. 99 MAPA 4.0.1 LOCALIZACIÓN DE LOS ESTABLECIMIENTOS DE GESTIÓN PRIVADA DE NIVEL INICIAL, CLASIFICADOS SEGÚN NIVELES MODALES OFRECIDOS. FUENTE: (MINISTERIO DE EDUCACIÓN DE LA CIUDAD DE BUENOS AIRES, 2016 Y 2017).

ELABORACIÓN PROPIA. ............................................................................................................................ 116 MAPA 4.0.2 DISTRIBUCIÓN DE LA POBLACIÓN TOTAL EN LA CIUDAD DE BUENOS AIRES, ESCALA COMUNAL. ........................ 118 MAPA 4.0.3 DISTRIBUCIÓN DE LA POBLACIÓN TOTAL DE NIÑOS ENTRE 0 Y 4 AÑOS, EN LA CIUDAD DE BUENOS AIRES, ESCALA COMUNAL. FUENTE: (INDEC, 2010). ELABORACIÓN PROPIA........................................................................... 119 MAPA 4.0.4 DISTRIBUCIÓN DE LA POBLACIÓN SEGÚN TASA DE EMPLEO POR COMUNA, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (INDEC, 2010). ELABORACIÓN PROPIA ..................................................................................................... 120 MAPA 4.5 DENSIDAD DE OFERTA EDUCATIVA NIVEL INICIAL TURNO MAÑANA, CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. .............................................................................. 123 MAPA 4.0.6 DENSIDAD DE OFERTA EDUCATIVA NIVEL INICIAL TURNO TARDE, CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. .................................................................................. 124 MAPA 4.0.7 DENSIDAD DE OFERTA EDUCATIVA NIVEL INICIAL JORNADA EXTENDIDA, CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ............................................................. 125 MAPA 4.0.8 DENSIDAD DE OFERTA EDUCATIVA NIVEL INICIAL DOBLE JORNADA, CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. .............................................................................. 126 MAPA 4.0.9 DENSIDAD DE OFERTA EDUCATIVA RELIGIOSA, CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ................................................................................................... 127 MAPA 4.10 DENSIDAD DE OFERTA EDUCATIVA LAICA, CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ................................................................................................... 128 MAPA 4.0.11 DENSIDAD DE OFERTA EDUCATIVA BILINGÜE, CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ................................................................................................... 129 MAPA 4.0.12 DENSIDAD DE OFERTA EDUCATIVA DE SEXO ÚNICO, CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. .................................................................................. 130 MAPA 4.0.13 DENSIDAD DE OFERTA EDUCATIVA CON CUOTAS HASTA $3.000 (PESOS ARGENTINOS), CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ................................................. 131 MAPA 4.0.14 DENSIDAD DE OFERTA EDUCATIVA CON CUOTAS ENTRE $3.001 Y $9.000 (PESOS ARGENTINOS), CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ............................ 132 MAPA 4.0.15 DENSIDAD DE OFERTA EDUCATIVA CON CUOTAS SUPERIORES A $9.000 (PESOS ARGENTINOS), CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA......................................... 133 MAPA 4.0.16 SUPERFICIE CUBIERTA DE ESCUELAS CON NIVEL INICIAL, CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. .................................................................................. 135 MAPA 4.0.17 LOCALIZACIÓN DE LAS ESCUELAS, CLASIFICADAS DE ACUERDO CON LA CATEGORÍA DE CUMPLIMIENTO DE LA NORMATIVA DE ESCUELA SEGURA. CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016).

ELABORACIÓN PROPIA. ............................................................................................................................ 137 MAPA 4.0.18 ESCUELAS SEGURAS, RELACIÓN CON SUPERFICIE CUBIERTA Y A LAS COMUNAS DE PERTENENCIA, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE EDUCACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ............................ 139 MAPA 4.0.19 LOCALIZACIÓN DE LAS ÁREAS DE INFLUENCIA INMEDIATA DE LAS ESCUELAS, Y CLASIFICACIÓN DE ACUERDO A LA EXISTENCIA DE RAMPAS DE ACCESIBILIDAD PARA DISCAPACITADOS EN SUS VEREDAS, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE MODERNIZACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA........................................... 142

Bárbara R. Constantinidis

UNIGIS América Latina

10

MAPA 4.0.20 LOCALIZACIÓN DE LAS ÁREAS DE INFLUENCIA PEATONAL DE LAS ESCUELAS, Y CLASIFICACIÓN DE ACUERDO A LA UBICACIÓN DE ESTACIONES DE SUBTE, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE MODERNIZACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ................................................................................................... 145 MAPA 4.0.21 LOCALIZACIÓN DE LAS ÁREAS DE INFLUENCIA PEATONAL DE LAS ESCUELAS, Y CLASIFICACIÓN DE ACUERDO A LA UBICACIÓN DE ESTACIONES DE METROBÚS, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE MODERNIZACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ................................................................................................... 146 MAPA 4.0.22 LOCALIZACIÓN DE LAS ÁREAS DE INFLUENCIA PEATONAL DE LAS ESCUELAS, Y CLASIFICACIÓN DE ACUERDO A LA TRAZA DE LÍNEAS DE COLECTIVOS, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE MODERNIZACIÓN G.C.B.A., 2016).

ELABORACIÓN PROPIA. ............................................................................................................................ 147 MAPA 4.0.23 LOCALIZACIÓN DE ESPACIOS VERDES PÚBLICOS EN EL ÁREA DE INFLUENCIA PEATONAL DE LAS ESCUELAS, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE MODERNIZACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA....... 149 MAPA 4.0.24 LOCALIZACIÓN DE ESPACIOS VERDES PÚBLICOS EN EL ÁREA DE INFLUENCIA PEATONAL DE LAS ESCUELAS, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE MODERNIZACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA....... 150 MAPA 4.0.25 LOCALIZACIÓN DE LAS ÁREAS DE INFLUENCIA PEATONAL DE LAS ESCUELAS, QUE NO POSEEN ACCESO A ESPACIOS VERDES PÚBLICOS NI PRIVADOS, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE MODERNIZACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ................................................................................................................. 151 MAPA 4.0.26 LOCALIZACIÓN DE CLUBES DENTRO DEL ÁREA DE INFLUENCIA PEATONAL DE LAS ESCUELAS, EN LA CIUDAD DE BUENOS AIRES. FUENTE: (MINISTERIO DE MODERNIZACIÓN G.C.B.A., 2016). ELABORACIÓN PROPIA. ..................... 153 MAPA 4.0.27 LOCALIZACIÓN DE LOS SENDEROS SEGUROS DE LA CIUDAD DE BUENOS AIRES Y SU RELACIÓN CON EL ÁREA DE INFLUENCIA PEATONAL DE LAS ESCUELAS. (MINISTERIO DE JUSTICIA Y SEGURIDAD, 2016). ELABORACIÓN PROPIA. ....... 154 MAPA 4.0.28 LOCALIZACIÓN DE LOS SECTORES ANEGADOS POR LLUVIAS EN LA CIUDAD DE BUENOS AIRES Y SU RELACIÓN CON UN ÁREA DE INFLUENCIA DE 500 MT. DE LAS ESCUELAS. (MINISTERIO DE JUSTICIA Y SEGURIDAD, 2016). ELABORACIÓN PROPIA. ......................................................................................................................................................... 155 MAPA 4.0.29 MODELO DE HUFF SOBRE PUNTOS DE ORIGEN DE CONSUMO ALEATORIOS. CASO ESCUELA BUENOS AIRES MONTESSORI Y ÁREAS DE MERCADO SOBRE COMUNAS DE LA CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ......... 158 MAPA 4.0.30 MODELO HUFF, SOBRE 820 PUNTOS DE ORIGEN DE CONSUMO PRE DEFINIDOS Y DATOS DE POBLACIÓN DE 0 A 4 AÑOS. CASO ESCUELA BUENOS AIRES MONTESSORI, ÁREAS DE MERCADO SOBRE COMUNAS DE LA CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. .................................................................................................................. 160 MAPA 4.0.31 MODELO HUFF, CAMPO DE VENTAS BASADO EN TASA DE EMPLEO, SOBRE 820 PUNTOS DE ORIGEN DE CONSUMO PRE DEFINIDOS. CASO ESCUELA BUENOS AIRES MONTESSORI, ÁREAS DE MERCADO SOBRE COMUNAS DE LA CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ....................................................................................................... 161 MAPA 4.0.32 ÁREAS POTENCIALES PARA LOCALIZAR ESCUELAS DE NIVEL INICIAL DE GESTIÓN PRIVADA EN LA CIUDAD DE BUENOS AIRES. RADIO DE INFLUENCIA DE 500 MT. DE ESCUELAS EXISTENTES EN 500 MT. ELABORACIÓN PROPIA..................... 167 MAPA 4.0.33 SUPERFICIE DE ÁREAS POTENCIALES APTAS PARA LOCALIZAR ESCUELAS DE NIVEL INICIAL DE GESTIÓN PRIVADA EN LA CIUDAD DE BUENOS AIRES, POR COMUNA. ELABORACIÓN PROPIA..................................................................... 168 MAPA 4.0.34 LOCALIZACIÓN DE LOS EDIFICIOS POTENCIALES EN ZONAS APTAS PARA LOCALIZAR ESCUELAS DE NIVEL INICIAL DE GESTIÓN PRIVADA EN LA CIUDAD DE BUENOS AIRES, POR COMUNA. ELABORACIÓN PROPIA. ................................... 171 MAPA 4.0.35 PROBABILIDAD DE ELECCIÓN DE LA ESCUELA C, EN LA COMUNA 11 DE LA CIUDAD DE BUENOS AIRES. MÉTODO HUFF. ELABORACIÓN PROPIA. ................................................................................................................... 172 MAPA 4.0.36 PROBABILIDAD DE ELECCIÓN DE LA ESCUELA A, EN LA COMUNA 9 DE LA CIUDAD DE BUENOS AIRES. MÉTODO HUFF. ELABORACIÓN PROPIA. ............................................................................................................................ 174 MAPA 4.0.37 PROBABILIDAD DE ELECCIÓN DE LA ESCUELA B, EN LA COMUNA 9 DE LA CIUDAD DE BUENOS AIRES. MÉTODO HUFF. ELABORACIÓN PROPIA. ............................................................................................................................ 175 MAPA 4.0.38 PROBABILIDAD DE ELECCIÓN DE LA ESCUELA A, EN LA COMUNA 9 DE LA CIUDAD DE BUENOS AIRES. MÉTODO HUFF, GRILLA DE PUNTOS DE ORIGEN CADA 500 MT. ELABORACIÓN PROPIA. ................................................................ 177 MAPA 4.0.39 PROBABILIDAD DE ELECCIÓN DE LA ESCUELA B, EN LA COMUNA 9 DE LA CIUDAD DE BUENOS AIRES. MÉTODO HUFF, GRILLA DE PUNTOS DE ORIGEN CADA 500 MT. ELABORACIÓN PROPIA. ................................................................ 178 MAPA 4.0.40 PROBABILIDAD DE ELECCIÓN DE LA ESCUELA C, EN LA COMUNA 11 DE LA CIUDAD DE BUENOS AIRES. MÉTODO HUFF, GRILLA DE PUNTOS DE ORIGEN CADA 500 MT. ELABORACIÓN PROPIA. ....................................................... 179 MAPA 4.0.41 EVALUACIÓN DE DISTANCIAS DE CONSUMO DE LAS NUEVAS ESCUELAS, EN LAS COMUNAS 9, 10 Y 11 DE LA CIUDAD DE BUENOS AIRES. ORÍGENES A 500 MT. ELABORACIÓN PROPIA. ...................................................................... 181 MAPA 4.0.42 EVALUACIÓN DE DISTANCIAS DE CONSUMO DE LAS NUEVAS ESCUELAS, EN LAS COMUNAS 9, 10 Y 11 DE LA CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ................................................................................................... 183 MAPA 4.0.43 RELACIÓN DE LAS NUEVAS ESCUELAS CON SU COMPETENCIA EN CADA ZONA DE MERCADO POTENCIAL. COMUNAS 9, 10 Y 11, CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ........................................................................... 185

Bárbara R. Constantinidis

UNIGIS América Latina

11

MAPA 4.0.44 RESULTADOS MCI PARA LAS DOS ESCUELAS MÁS CERCANAS A LA NUEVA ESCUELA, EN LA ZONA DE MERCADO POTENCIAL A. CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ..................................................................... 187 MAPA 4.0.45 RESULTADOS MCI PARA LA NUEVA ESCUELA PROYECTADA, EN LA ZONA DE MERCADO POTENCIAL A. CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ....................................................................................................... 189 MAPA 4.0.46 RESULTADOS MCI DE LAS DOS ESCUELAS MÁS CERCANAS A LA NUEVA ESCUELA YA INCORPORADA AL MERCADO, EN LA ZONA POTENCIAL A. CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ......................................................... 190 MAPA 4.0.47 VALORACIÓN DE LAS ÁREAS POTENCIALES DE LAS NUEVAS ESCUELAS Y SU ÁREA DE INFLUENCIA. MODELO MULTICRITERIO. CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA................................................................... 193 MAPA 4.0.48 VALORACIÓN DE ÁREAS POTENCIALES PARA LAS COMUNAS 9, 10 Y 11. ESCUELAS EXISTENTES Y PROYECTADAS. MODELO MULTICRITERIO. CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ..................................................... 194 MAPA 4.0.49 SÍNTESIS DE RESULTADOS - MODELO MULTICRITERIO. COMUNA 9, CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ............................................................................................................................................... 195 MAPA 4.0.50 SÍNTESIS DE RESULTADOS – MÉTODO POR HERRAMIENTAS DE GEOPROCESAMIENTO. COMUNA 9, CIUDAD DE BUENOS AIRES. ELABORACIÓN PROPIA. ....................................................................................................... 196

Bárbara R. Constantinidis

UNIGIS América Latina

12

LISTA DE ABREVIACIONES

AMA

American Marketing Association

AMBA

Área Metropolitana de Buenos Aires

CABA

Ciudad Autónoma de Buenos Aires

CUE

Código Único de Establecimiento

CUI

Código Único de Infraestructura

DGEGP

Unidad Ejecutora de Escuelas de Gestión Privada

DiNIECE

Dirección Nacional de Información y Estadística de la Calidad Educativa

IDERA

Infraestructura de Datos Espaciales de la República Argentina

IGN

Instituto Geográfico Nacional

INDEC

Instituto Nacional de Estadística y Censos

ISO

International Organization for Standardization

MCI

Interacción Multiplicativa Competitiva

PyME

Pequeña y mediana Empresa

RAE

Real Academia Española

RIEA

Registro de Instituciones Educativas Asistenciales

SIG

Sistemas de Información Geográfica

Bárbara R. Constantinidis

UNIGIS América Latina

13

CAPÍTULO 1. INTRODUCCIÓN

1.1.

Los antecedentes del problema

La Geoinformática o Geomática, término creado por Bernard Dubuisson en 1969 (Pinto R, 2012), introduce un abordaje sistemático de la realidad. En acuerdo a la definición que propone la International Organization for Standardization (ISO), esta disciplina “concierne a la recolección, distribución, almacenamiento, análisis, procesamiento, presentación de datos geográficos o información geográfica” (Iso.org, 2017).

La Real Academia Española (RAE) aún no ha incorporado la palabra geolocalizar, y define el vocablo localizar en su 3. tr. Como “Determinar o señalar el emplazamiento que debe tener alguien o algo” (Dle.rae.es, 2017). Éste término precedido por el prefijo de significado geográfico, expresa la ubicación de un objeto en el espacio, de acuerdo a sus coordenadas de latitud (x),longitud (y) y altura (z).

Dentro de este ámbito, el Geomarketing combina las disciplinas del marketing con la geografía y colabora con la toma de decisiones de negocio, a través de diferentes metodologías (Pérez Romero, 2009). Es la disciplina que propone la aplicación de modelos de relación y análisis entre las variables espaciales y las herramientas del marketing empresarial. Conduce a determinar la situación física de los diferentes actores, entre ellos clientes y competidores, construyendo estrategias de planificación, promoción y venta (Beltrán López, 2012).

Los estudios urbanos basados en la geolocalización, introducen datos sobre condiciones socioecioeconómicas, culturales y tecnológicas. Los resultados son el producto de analizar diferentes escenarios y predecir efectos, teniendo en cuenta las características del

Bárbara R. Constantinidis

UNIGIS América Latina

14

consumidor, el área de influencia de negocio y las distancias admisibles para evaluar un emprendimiento existente u optimizar un proyecto.

Dentro del contexto de los servicios públicos y privados, Pitarch Garrido (2000) incluye al sector educativo y describe los diferentes tipos de modelización espacial admisibles en su planificación, considerando criterios, factores y variables específicos, con el objetivo de satisfacer los objetivos de las políticas educativas.

En Argentina, según datos estadísticos provistos por el Instituto Nacional de Estadísticas y Censos (2010), desde el año 2003 se ha incrementado el número de instituciones oficiales cuya gestión es privada. Estos establecimientos cubren los diferentes niveles de enseñanza y están regulados y controlados edilicia y pedagógicamente a través de organismos de caracter nacional, provincial y municipal.

Por su parte, Narodowski y Moschetti (2014) señalan un incremento de la matrícula educativa nacional, en especial para los niveles inicial, primario y secundario obligatorios, basado en información publicada por Ministerio de Educación de la Nación para el período 2013.

El problema de esta investigación estudia el conjunto de los establecimientos educativos de nivel inicial de gestión privada incorporados a la enseñanza oficial, exclusivamente dentro de los límites de la Ciudad Autónoma de Buenos Aires. Esta categoría de escuelas operan comercialmente en el mercado local como empresas privadas. Su planificación de estrategias de crecimiento, no revela antecedentes significativos de estar acompañada por modelos de geolocalización basados en geomarketing.

Desde el punto de vista demográfico, el análisis incluye a la población infantil comprendida entre los 45 días de vida y los 5 años, que asiste a las diferentes modalidades de edificios educativos tales como: jardines maternales, escuelas infantiles, jardines infantiles nucleados, jardines de infantes comunes y jardines de infantes integrales. Esta base de la pirámide del ciclo educativo, cubre necesidades específicas del

Bárbara R. Constantinidis

UNIGIS América Latina

15

segmento de la población involucrado como núcleo familiar, y desde un enfoque pedagógico y edilicio, requiere el cumplimiento de normativas y procedimientos particulares a cargo de las entidades propietarias de los mismos, de acuerdo a la información oficial publicada por del Gobierno de la Ciudad ("Educación Inicial", 2017).

Se espera que los resultados de la investigación sean relevantes para las entidades privadas educativas, interesadas en innovar tecnológicamente sus procedimientos metodológicos. El objetivo es responder competitivamente a las demandas actuales, fundamentando científicamente las decisiones relacionadas a la gestión de sus recursos, la calidad de sus prestaciones tanto edilicias como pedagógicas, el emplazamiento de nuevos edificios y crecimiento en superficie.

Para la entidad propietaria de una escuela privada, la incorporación de metodologías basadas en SIG para una gestión integral y eficiente de su información educativa, edilicia y de composición de alumnado, supone ponderar las posibilidades que ofrece el mercado local en cuanto a software y capacitación, así como afrontar la decisión de invertir en términos de tiempos de implementación, costos y cambios organizacionales.

La integración de tecnologías SIG en el campo de la educación de gestión privada, exige un alto compromiso con los estándares de calidad en el manejo de la información de la totalidad de los establecimientos, así como disponer de canales de comunicación fluidos desde las diferentes áreas de gestión y contol del gobierno local hacia sus responsables.

Bárbara R. Constantinidis

UNIGIS América Latina

16

1.2.

Objetivos y preguntas de investigación

Objetivo general El Objetivo General de esta investigación consiste en demostrar que es posible aplicar modelos de integración de tecnologías SIG a través del geomarketing, en el rubro educativo de gestión privada, para el nivel inicial en la Ciudad de Buenos Aires.

Este concepto implica incorporar a las situaciones físicas urbanas, la identificación de variables socio económicas, demográficas y de comportamiento de las familias como consumidoras de educación privada y analizar cómo influyen espacialmente estas relaciones respecto de las decisiones de planificación en este sector.

Objetivos específicos i. Localizar y clasificar la oferta actual de establecimientos educativos de nivel inicial para la gestión pública y privada en la Ciudad de Buenos Aires, según las modalidades de la enseñanza oficial.

ii. Analizar la distribución de la población entre 45 días y 5 años, que asiste a escuelas de nivel inicial de gestión privada en la Ciudad de Buenos Aires según datos estadísticos vigentes.

iii. Definir el conjunto de variables que caracteriza el comportamiento de la demanda para el sistema educativo privado para el nivel inicial en la Ciudad de Buenos Aires.

Bárbara R. Constantinidis

UNIGIS América Latina

17

iv. Evaluar cómo incide el cumplimiento de las normativas de edificación y condiciones urbanas vigentes, siendo variables de atracción dentro de un modelo gravitacional de geomarketing, para las escuelas de nivel inicial de gestión privada de la Ciudad de Buenos Aires.

v. Determinar si a través de los modelos de análisis espacial asociados al geomarketing, se pueden identificar áreas potenciales para adecuar la oferta de educación escolar de nivel inicial en el sector privado, de acuerdo al estado actual, en la Ciudad de Buenos Aires.

vi. Especificar si las variables de análisis para el sector privado difieren respecto de las que corresponden al sector público.

vii.Reconocer los factores positivos y negativos, que condicionan actualmente a los responsables de escuelas de nivel inicial de gestíon privada de la Ciudad de Buenos Aires, para integrar herramientas SIG en la toma de decisiones, a través del geomarketing.

viii. Identificar las acciones que el Gobierno de la Ciudad de Buenos Aires ha promovido en los últimos 10 años a través de sus políticas educativas, con consecuencias positivas sobre la aplicación de geotecnologías en la gestión privada.

Bárbara R. Constantinidis

UNIGIS América Latina

18

Preguntas de investigación i. ¿Dónde están ubicados actualmente los establecimientos educativos de nivel inicial para la gestión pública y privada en la Ciudad de Buenos Aires?.

ii. ¿Dónde se concentra la población de preferencia de consumo de las escuelas privadas de nivel inicial en la Ciudad de Buenos Aires según el Censo 2010?.

iii. ¿Cuáles son las variables de comportamiento poblacional, cuya demanda influye en la oferta de servicios de las escuelas de gestión privada en el nivel inicial?.

iv. ¿Se verifica que el cumplimiento de las condiciones de arquitectura escolar segura vigentes en escuelas de nivel inicial y la situación urbana de influencia inmediata, son variables de atracción positiva en la Ciudad de Buenos Aires?.

v. ¿Pueden determinarse áreas potenciales para la implantación de nuevas escuelas de nivel inicial de gestión privada en la Ciudad de Buenos Aires, a partir de la aplicación de modelos de geomarketing?

vi. ¿Son coincidentes las variables de análisis para los sectores público y privado?.

vii. ¿Cuáles son los factores que restringen o estimulan actualmente, a los responsables de las escuelas privadas de nivel inicial en la Ciudad de Buenos Aires, para integrar de tecnologias SIG en la toma de decisiones mediante el geomarketing?.

viii. ¿Qué acciones ha promovido en los últimos diez años el Gobierno de la Ciudad de Buenos Aires para favorecer la aplicación de geotecnologías para el sector educativo local de gestión privada?.

Bárbara R. Constantinidis

UNIGIS América Latina

19

1.3.

Hipótesis

El Geomarketing, permite una planificación integral para el desarrollo edilicio y comercial de las escuelas de Nivel Inicial de Gestión Privada en la Ciudad Autónoma de Buenos Aires.

Bárbara R. Constantinidis

UNIGIS América Latina

20

1.4.

Justificación

El servicio educativo, para niños de temprana edad, tiene más de un siglo de desarrollo en Estado Argentino, y ha evolucionado en paralelo a la educación primaria. En este marco, las escuelas de Educación Inicial de la Ciudad Autónoma de Buenos Aires (CABA), han contemplado funciones de cuidado, educativa y asistencial, hasta avanzar en la definición actual del Nivel Inicial en el Sistema Educativo. (Rodríguez Villoldo, Demarco, Gorosito, Nuza y Werefkin, 2014).

En la Ciudad de Buenos Aires, el sector comprendido por las escuelas de gestión privada, atraviesa un proceso de adecuación a los estándares de seguridad edilicia, coordinados por la Dirección General de Educación de Gestión Privada (DGEGP), cuya responsabilidad es la de administrar, supervisar y acompañar al subsistema de Gestión Privada conforme con las políticas del Ministerio de Educación (Decreto 2075/07).

Del cumplimiento de la normativa en materia de Escuela Segura, se desprenden decisiones de intervención edilicia que las entidades propietarias deben afrontar para dar respuesta a las condiciones de uso de los establecimientos, frente a una matrícula de alumnos en constante crecimiento.

La responsabilidad social asumida por las escuelas de nivel inicial, representa una categoría especial dentro de la pirámide educativa, cumpliendo con un rol de cuidado, asistencia y educación de niños desde los 45 días hasta los 5 años. Esto implica la implementación de instalaciones especiales y tratamiento de programas pedagógicos acordes a la temprana edad. El Programa Escuelas Seguras, tiene por finalidad “la implementación de los lineamientos generales de seguridad, destinados a promover en los institutos educativos estrategias de prevención de accidentes, atención de emergencias, mejoramiento y actualización de infraestructura” ("Escuelas seguras", 2017).

Bárbara R. Constantinidis

UNIGIS América Latina

21

La aplicación de estrategias de geomarketing al caso de edificios educativos de gestión privada para el nivel inicial, ofrece la posibilidad de analizar espacialmente las condiciones urbanas, edilicias, normativas y de comportamiento de consumo, que impactan sobre las decisiones de las entidades propietarias, sobre la expansión física de dichos establecimientos, así como sobre la definición del tipo de servicios complementarios adecuados y competitivos para satisfacer a la demanda de sus consumidores.

Desde el punto vista urbano, la implantación y distribución de este tipo de escuelas, guarda relación con situaciones tales como:

a) la accesibilidad peatonal y vehicular desde la vía pública, b) el estudio de las trayectorias entre vivienda, escuela y trabajo, c) la cercanía a áreas de esparcimiento barrial y actividades complementarias para la educación de los niños, d) dotación de servicios de seguridad urbana en el entorno de influencia de estas escuelas.

Aplicar modelos de geomarketing que contemplen el comportamiento de la población que elige un sistema de gestión privada para los niños del nivel inicial, aporta resultados que permiten conocer si las tipologías de este sector de escuelas cubren la demanda actual a escala urbana local, y si los servicios ofertados responden a las expectativas de estas familias, para decidir sobre el tratamiento de las diferentes variables de incidencia: temas culturales, económicos, religiosos, deportivos y de amplitud horaria.

Como un efecto secundario, la generación de información de calidad, para su tratamiento a través de las geotecnologías, incentiva a las propias escuelas a integrar metodologías basadas en SIG en su estructura, para intercambiar y compartir datos, resultados y experiencias, a través de redes educativas, asociaciones barriales o comunales, programas ambientales y de internacionalización de la educación.

Bárbara R. Constantinidis

UNIGIS América Latina

22

1.5.

Alcance

El trabajo de investigación alcanza a los edificios de escuelas de nivel inicial de gestión privada dentro de los límites geográficos y administrativos de la Ciudad de Buenos Aires, integrando metodologías de aplicación de geomarketing sobre las variables espaciales de implantación urbana de dichos establecimientos y datos oficiales sobre oferta y demanda de los servicios propios de este sector de la educación. La oferta pública local, no representa un perfil de empresa y consumidor equiparable al del sector privado.

La fuente principal de información proviene del sistema de la Dirección General de Tecnología Educativa del Gobierno de la Ciudad de Buenos Aires, por convenio expresamente firmado a los efectos de este trabajo de investigación. La metodología de recopilación de datos incluye información secundaria de datos abiertos a escala urbana, publicados en la página web del Gobierno de la Ciudad, Buenos Aires Data.

Entre las principales limitaciones, se identifica un acceso débil frente a la información sobre comportamiento de consumo de servicios educativos, y sobre la capacidad que tienen las escuelas para adoptar tecnologías SIG en sus procedimientos administrativos.

Se proyecta que los modelos resultantes, sean factibles de ser aplicados por las propias entidades educativas, en la escala del nivel inicial del sector privado de la Ciudad de Buenos Aires.

Entre las principales contribuciones de este trabajo de investigación se aspira a desarrollar un aporte metodológico factible de ser replicado, con la incorporación futura de parámetros y normativas generales y específicas acordes a cada nivel educativo.

Integrar la información que pueden generar los establecimientos involucrados, es un insumo valioso para el diseño de políticas públicas y privadas focalizadas en la gestión educativa en la Ciudad de Buenos Aires y su relación con el Área Metropolitana.

Bárbara R. Constantinidis

UNIGIS América Latina

23

CAPÍTULO 2. REVISIÓN DE LITERATURA El análisis teórico sobre la integración de modelos de geomarketing para el sector educativo privado en la Ciudad de Buenos Aires considera antecedentes que abordan una fundamentación de conceptos análogos por su metodología y escala, siendo que no se han identificado textos científicos que traten específicamente sobre casos de SIG aplicado a la planificación de escuelas de nivel inicial de gestión privada con geomarketing.

2.1. Marco histórico: del marketing al geomarketing La evolución del concepto de marketing puede sintetizarse en tres períodos de tiempo, definidos como De Identificación, entre 1900 y 1920; Funcionalista, de 1920 a 1945; y Pre Conceptual, de 1945 a 1959 (Coca Carasila A. M., 2008). Es a partir de 1960 cuando la comunidad científica acepta formalmente la primera definición de marketing, aportada en 1960 por la American Marketing Association (AMA) como “la realización de actividades empresariales que dirigen el flujo de bienes y servicios desde el productor hasta el consumidor o usuario” (AMA, 1960, p. 15).

Veinticinco años más tarde se introduce la idea de Planificación en Marketing, que conduce a la satisfacción del individuo y la organización, con un encuadre social y de gestión más amplio. En el año 2004, se enriquece su definición incorporando la gestión de relaciones y de creación de valor para el cliente, a través de intercambios de bienes, servicios, gestación de alianzas sin fines de lucro y relaciones públicas y privadas, entre otras premisas de calidad (Gundlach, 2007).

Bárbara R. Constantinidis

UNIGIS América Latina

24

En este escenario, las aplicaciones de SIG como motor del marketing a partir del uso interrelacionado de datos espaciales, sobre los procesos de administración y gestión, ha generado resultados comunicados cartográficamente (Jaume, 2000), que se acercan cronológicamente la definición de geomarketing como: “un conjunto de técnicas que permiten analizar la realidad económico-social desde un punto de vista geográfico, a través de instrumentos cartográficos y herramientas de la estadística espacial” (Chasco, 2003, pp.6).

El año 2002, ha evidenciado un cambio de paradigma para el marketing, con la idea de valor como factor decisivo en la configuración de los nuevos mercados. Se destaca el significado para el cliente, las competencias esenciales y las redes de colaboración (Kotler, Jain y Maesincee, 2002). Así se gesta el Marketing Holístico, con una perspectiva integradora compuesta por el Marketing Relacional, el Marketing Integrado, el Marketing Interno y el Marketing con Responsabilidad Social (Kotler y Keller, 2006).

A nivel científico, la Investigación en Marketing, ha sido aprobada como una función de relación entre el cliente y el vendedor, por medio de la información, y es útil para generar diagnósticos de mercado; proponer, ajustar y evaluar las acciones de marketing; supervisar su práctica; y afianzar la idea de comercialización como un proceso.

Según (Coca Carasila, 2008), en el año 2004, la definición de AMA sobre la investigación de marketing contempla el diseño, administración e implementación de los métodos de recolección de datos, así como el análisis de los resultados y comunicación de los descubrimientos y sus efectos. Esta definición prepara el camino para una aceptación posterior del concepto de marketing, como el resultado de un conjunto de actores y procesos, cuyas ofertas derivadas, tienen valor para la sociedad en general, diez años después.

De acuerdo con las últimas publicaciones de la AMA, en el año 2016, estas relaciones adquieren dimensión espacial cuando se introduce la visión geográfica sobre los factores socioeconómicos abordados por el marketing. Con la consolidación de los conceptos

Bárbara R. Constantinidis

UNIGIS América Latina

25

informáticos, cartográficos y estadísticos, se logra un estatus integral y el objetivo de validar científicamente la toma de decisiones organizacionales, reduciendo los riesgos comerciales asociados (AMA, 2017).

El geomarketing genera estrategias competitivas de mercadotecnia a partir de la información sobre el comportamiento de los consumidores y considera las características de sus localizaciones espaciales, clima, economía y cultura a través de su historia (George, Baraldés y Huera (1982).

En la pequeña y mediana empresa, esta disciplina se orienta el conocimiento global del cliente, con una escala acotada y precisa. La conformación familiar a la que responde un segmento de estas empresas incorpora elementos de comportamiento organizacional relevantes para los estudios sobre marketing. También desde la década de 1990, se verifica una creciente demanda de estudios económicos y espaciales impulsados por instituciones públicas y privadas, en respuesta al auge de la geografía económica, la mayor disponibilidad de acceso a los datos territoriales y al desarrollo geotecnológico de los SIG (Chasco Yrigoyen, 2003).

En cuanto a las etapas evolutivas de los métodos de geomarketing para el sector comercial, se han postulado tres fases históricas de aproximación (Cliquet, 2006):

a) Fase I, era Pre-Gis, entre 1960 y 1970: se caracteriza por la aplicación de técnicas simples de análisis espacial basadas en la percepción, la analogía y las listas de chequeo, b) Fase II, entre 1980 y principios de 1990: incluye procedimientos más sofisticados, de acuerdo con las herramientas de análisis espaciales disponibles en software para SIG, c) Fase III: representa un incremento de la sofisticación de los modelos, a partir de la interacción espacial para resolver problemas en diferentes áreas de aplicación de los SIG.

Bárbara R. Constantinidis

UNIGIS América Latina

26

La educación, concebida como servicio, también es proclive a la adopción de modelos de marketing espacial, según demuestran antecedentes de investigaciones tales como:

a) el modelo MIGME, para las instituciones de Educación Superior en Colombia (Ospina y Sanabria, 2010), b) el análisis para establecimientos educativos de la modalidad de Enseñanza General Básica, en la ciudad de Luján, Provincia de Buenos Aires, Argentina (Buzai y Baxendale, 2008), c) el análisis de modelos de planificación espacial para servicios públicos educativos en Valencia (Pitarch Garrido, 2000).

Cabe mencionar, que en ninguno de los casos estudiados se aborda específicamente el caso de SIG aplicado a escuelas de nivel inicial de gestión privada.

Bárbara R. Constantinidis

UNIGIS América Latina

27

2.2. Marco teórico

2.2.1. Antecedentes de geomarketing

El campo de acción del geomarketing se aborda globalmente desde una visión comercial típica, y la integración de un conjunto de metodologías, orientadas a los procesos de toma de decisión es materia de la provisión de bienes y servicios, tanto públicos como privados.

Este campo de acción ha sido explorado científicamente y apoyado en el desarrollo de tecnologías SIG, para su aplicación posterior en diversas áreas. Entre ellas, la relación entre marketing y turismo (Beltrán López, 2016), promueve la geolocalización online, para favorecer la comunicación de trayectorias entre origen y destino. Un caso ejemplar es el de la Red Tourist Info en la Comunidad Valenciana, que integra recursos tales como la disponibilidad de internet y la participación en las redes sociales. La propuesta se complementa con un sistema de indicadores de geolocalización social, que relaciona los objetivos principales con los indicadores demográficos disponibles, y determina las herramientas de gestión de la información más apropiadas para el cumplimiento de cada objetivo.

El geomarketing orientado a optimizar las ventas de productos en locales comerciales probablemente sea el conjunto con mayor desarrollo de casos, sobre diversos rubros a escala urbana, tanto para empresas pioneras en el mercado como para la expansión de marcas existentes, que buscan monitorear y redefinir su estrategia de localización.

La implementación de estrategias basadas en SIG para desarrollo de negocios, (Fontalvo Cerpa y Tejeida Carbajal, 2013), postula los beneficios de geomarketing aplicado al ámbito de las pequeñas y medianas empresas (PyMES) con casos de estudio desarrollados en la Ciudad de México. Define el origen y tipo de información relevante para elaborar análisis espaciales basados en SIG y expone los beneficios y soluciones que

Bárbara R. Constantinidis

UNIGIS América Latina

28

aporta esta disciplina sobre el conocimiento del ciclo productivo, valor agregado y evaluación de los nuevos negocios.

Apezteguia (2014), comparara los resultados de aplicar diferentes metodologías de herramientas SIG para Geomarketing, en un caso estudio de estrategias comerciales, para un almacén de vinos en la ciudad de Comodoro Rivadavia, Argentina. Este trabajo explica las características y etapas de desarrollo de diferentes modelos orientados a optimizar la ubicación de dichos locales comerciales.

Metodológicamente, define un conjunto de modelos y herramientas específicas, ejecutables desde los principales software SIG disponibles en Argentina, y exhibe los resultados comparativos, valiéndose de la elaboración de un conjunto de mapas temáticos. Así determina el área de servicio de las vinotecas en relación con el tiempo de viaje, analiza la superficie de las áreas de servicio y la vincula a la información censal.

También se identifican las áreas de mayor densidad poblacional y la probabilidad de que los consumidores asistan a determinada vinoteca.

La relación entre marketing y geografía demuestra que las geotecnologías aportan resultados favorables sobre la planificación de estructuras organizacionales privadas, donde se optimizan los procesos de toma de decisiones, agregando el valor de la componente espacial (Baviera-Puig, Buitrago, Escriba y Clemente, 2009; Baviera-Puig, Buitrago y Escriba, 2016). Esta investigación introduce conceptos generales de geomarketing y expone una serie de estudios para cadenas de supermercados en Valencia, España.

El ámbito de los servicios públicos también es permeable a las vastas investigaciones que relacionan la gestión de la información geográfica con la planificación, a través de modelos de geomarketing, sustentados en el conocimiento del consumidor. Como referente válido en este campo, el análisis de Servicios Basados en la Localización (Corbera, González y Vázquez, 2002), demuestra que esta metodología puede apoyar la toma de decisiones de los poderes públicos para localizar y dimensionar diferentes

Bárbara R. Constantinidis

UNIGIS América Latina

29

categorías de equipamientos de la red de servicios a la población. El caso de estudio se centra en un conjunto de bibliotecas municipales de la ciudad de Valladolid, España, determinando cómo se comporta la relación entre su emplazamiento según los perfiles socio demográficos de la ciudad y la dotación de equipamiento público.

2.2.2. SIG y educación: estudios de movilidad

Los antecedentes de geomarketing para las diferentes áreas de aplicación expuestas introducen una discusión de trabajos piloto en el área de la educación y la incidencia que representan los SIG a nivel general en los procesos de gestión de la información para el nivel escolar.

La importancia de ampliar las perspectivas espaciales que ofrece la geografía beneficia a los especialistas de todas las disciplinas basadas en ciencias sociales, entre ellas el Marketing (Cliquet & Hughes, 2006), y pone de manifiesto la evolución en los procedimientos metodológicos y de optimización de resultados, desde la incorporación de los SIG al proceso de gestión de la información espacial.

Entre las principales definiciones que han sido elaboradas sobre el término SIG, Cliquet comenta la versión publicada en el año 1998 por la Federal Inter-agency Committee for Coordination of Digital Cartography, como “un sistema informático de materiales, software y procesos concebidos para permitir la, gestión, manipulación, análisis, modelado y visualización de datos espaciales con el fin de resolver problemas complejos de gestión y desarrollo” (Cliquet, 2006, pp.6).

Según el autor, esta descripción es la que aporta la mayor precisión en cuanto a la definición de sus objetivos y una mejor comprensión de los beneficios de relacionar la labor de los geógrafos con otros especialistas, en sus respectivos niveles de investigación y aplicación de SIG sobre problemáticas de planificación territorial.

Bárbara R. Constantinidis

UNIGIS América Latina

30

Por lo tanto, la integración de los modelos de interacción espacial proporciona una mejor calidad de resultados sobre los procesos de marketing, contribuyendo al dominio espacial, que también incumbe a los servicios escolares, afectados tanto por el comportamiento de sus consumidores como por la información geográfica.

Para fundamentar la aplicación de modelos de localización basados en SIG en la categoría de servicios educativos, es preciso conocer el tipo de atracción que las escuelas ejercen sobre los individuos que asisten a ellas. Ciertas características de su comportamiento, como la movilidad y la importancia que el tipo de trayectorias y tiempos de acceso, que representa para quienes consumen cada uno de los niveles escolares.

Si bien se han montado numerosos debates sobre la localización de bienes y servicios, en relación con la teoría de los lugares centrales desarrollada por el geógrafo alemán (Christaller, 1933), la primera edición de Harvard Business Review (Copeland, 1923) expone tres categorías topológicas:

a) Bienes de conveniencia: comprados frecuentemente, sin ningún esfuerzo en particular b) Artículos de compras: requieren la búsqueda de información. c) Productos especiales: para los que el nombre de la marca es decisivo.

Entre los análisis de movilidad que han sido realizados, Desse (2001) concluye que:

a) entre 1982 y 1994, el número de viajes por persona por día por razones de trabajo se han reducido en un 20%, b) aquellos que responden a cuestiones de placer se han incrementado en un 33%, c) las compras representan un 20% de los viajes durante la semana, d) el 2% se produce en los fines de semana.

Por lo expuesto, las estrategias de marketing basadas en la movilidad consideran la relación entre varios factores decisivos en el conjunto de localizaciones comerciales

Bárbara R. Constantinidis

UNIGIS América Latina

31

urbanas, entre los cuales se incluye el lugar destinado a la educación de los niños, tal como puede apreciarse en la Figura 2.0.1.

Ospina Díaz y Sanabria Rangel (2010) postulan una serie de etapas de análisis, aplicada a organizaciones que brindan servicios educativos. Se destaca la elaboración de diagnóstico de la situación, como fase previa a la propia determinación de los objetivos comerciales.

Los autores afirman que es indispensable identificar las variables internas que operan como fortalezas o debilidades para enfrentarse en el mercado de la educación como organización, así como las oportunidades y amenazas que se le pueden presentar en escenario real.

Figura 2.0.1 Sistemas de comportamiento de la movilidad relacionados a los frecuentes lugares de compras. Mobility behavior systems related to the frequenting of shopping places (Cliquet, 2006, pp.34; Desse, 2001).

Bárbara R. Constantinidis

UNIGIS América Latina

32

2.2.3. Antecedentes de SIG aplicado a la planificación de la educación en Argentina: el mapa escolar

En Argentina, el desarrollo de programas de planificación utilizando tecnologías SIG, es reciente. En el año 2007, se ha comenzado a desarrollar una comunidad de información geoepacial de carácter nacional y federal, denominada Infraestructura de Datos Espaciales de la República Argentina (IDERA), que cuenta con la adhesión de numerosos organismos de investigación nacional, provincial y municipal.

Según las políticas estatales en materia de Gobierno Electrónico y libre acceso a la información, “la Información Geográfica es un bien público y, su acceso y uso, debe ser considerado como un servicio público” ("IDERA - Inicio", 2017). En este contexto, se han desarrollado programas de aplicación SIG en diversas áreas, entre ellos el Programa Nacional Mapa Educativo, que propone publicar una serie de mapas temáticos, orientados a la educación.

Hacia fines del año 2016 se ha incorporado una actualización del relevamiento de los establecimientos educativos, a partir de las escuelas activas de todos los niveles y modalidades del sector de gestión estatal y privado del país, cuya información depende del Ministerio de Educación de la Nación, con el aporte de los Mapas Educativos Provinciales de las 23 provincias y de la Ciudad Autónoma de Buenos Aires.

Los niveles de precisión de para la localización de estas escuelas dependen de la cartografía base proveniente del INDEC, del Instituto Geográfico Nacional (IGN) y de los organismos propios de cada jurisdicción, incluyendo de forma aproximada, escuelas cuya ubicación ha sido provista según datos alfanuméricos de referencia espacial.

Las capas aún no presentan un menú de atributos que permita realizar otro tipo de análisis espaciales, más allá de su localización y la fuente de los datos existentes hasta el momento. El Relevamiento Anual 2014 fue realizado por la Dirección Nacional de

Bárbara R. Constantinidis

UNIGIS América Latina

33

Información y Estadística de la Calidad Educativa (DiNIECE) y la Red Federal de Información Educativa del Ministerio de Educación de la Nación.

En cuanto a la categoría de educación inicial, IDERA publica un servicio referido a datos sobre jardines de infantes y maternales que corresponden al sector de gestión estatal y privada, sin embargo, esta información aún no se encuentra accesible. ("Portal IDERA IDERA", 2017).

El Programa Nacional Mapa Educativo (Mapa.educacion.gob.ar, 2017), también propone un menú cartográfico sobre la composición del Sistema Educativo Nacional, con datos clasificados según diversas categorías: niveles, tipo de establecimiento con sus características, sector y ámbito de gestión. A la fecha de elaboración de esta investigación, no resultó posible acceder libremente a consultar dichos mapas y su información asociada.

Con respecto a la situación de la aplicación de SIG y los conceptos de cartografía escolar de la Provincia de Buenos Aires, en la década de 1960 surge el concepto de Carta Escolar “como instrumento de micro planificación de la oferta y de la demanda educativa” ("DPTI - Servicios ABC - Dirección Provincial de Tecnología de la Información", 2017) y a partir de 1970, el resultado de este proceso se conoce como Mapa Escolar.

Según (Hallak, 1978, pp.16), el Mapa Escolar “es parte integrante del proceso de planificación de la educación, por lo cual tiende a facilitar la realización de los objetivos del plan”. Sus estudios plantean visión dinámica y de largo plazo, donde el mapa se convierte en un instrumento de análisis. Y por sor su parte Caillods (1985, pp. 4-5), menciona este recurso como “un conjunto de técnicas y de procedimientos utilizados para planificar las necesidades futuras de educación a nivel local, así como los medios que se deberán aplicar para satisfacer dichas necesidades”.

Según la propia definición de la Dirección Provincial de Planeamiento de la Provincia de Buenos Aires, la carta escolar “es un método operativo de organización y reordenamiento

Bárbara R. Constantinidis

UNIGIS América Latina

34

de la oferta educativa que tiene por objetivo satisfacer necesidades educacionales localmente acotadas, bien definidas, permitiendo poner en marcha determinadas políticas educativas” ("DPTI - Servicios ABC - Dirección Provincial de Tecnología de la Información", 2017).

En septiembre de 1979 el Ministerio Educación de Nación definió un documento base con los lineamientos metodológicos compatibles para trabajar con la carta escolar, entre la Nación y las provincias, publicado posteriormente ("La carta escolar en las provincias: Resultado se la encuesta sobre los trabajos realizados", 2017).

El primer antecedente de aplicación de software SIG como apoyo tecnológico para la generación de cartografía digital publicada en recursos web, fue el Programa Prodymes III, impulsado por la Dirección General de Cultura y Educación, para la elaboración del Mapa Escolar de la Provincia de Buenos Aires, desarrollado por partido y publicado en el año 2002. El software SIG utilizado fue ArcGIS de la empresa ESRI y se trabajó con el soporte de bases de datos Access de Microsoft.

“La versión actual del Mapa Escolar está totalmente desarrollada con herramientas de código abierto (Open Source): GeoServer como servidor de mapas y base de datos Postgres con Postgis (módulo para soporte de datos geográficos). Todo esto implementado sobre un sistema operativo Linux” ("DPTI - Servicios ABC - Dirección Provincial de Tecnología de la Información", 2017).

El departamento Análisis de la Información está constituido por profesionales a cargo de la administración del Mapa Escolar, en cumplimiento de la Resolución 2536/08. Es responsable de la actualización de la cartografía digital, así como de la implementación de innovaciones, programación y acceso web, que se renueva tres veces al año, incorporando datos estadísticos, indicadores, mapas temáticos y estudios específicos.

La aplicación del mapa es interactiva, sin restricciones de uso y acceso a través de http://190.210.101.129/mapaescolar/ ("Mapa Escolar en la Provincia de Buenos Aires “,

Bárbara R. Constantinidis

UNIGIS América Latina

35

2017). En la siguiente secuencia de la Figura 2.0.2, Figura 2.0.3 y Figura 2.0.4, se exhibe el resultado de la selección de escuelas de Nivel inicial públicas y privadas para la Provincia de Buenos Aires, desde la web y con las opciones de selección a la fecha de su último acceso, 16 de Enero de 2017.

Figura 2.0.2 Escuelas de Nivel Inicial Estatal. Fuente: ("Mapa Escolar en la Provincia de Buenos Aires “, 2017)

Figura 2.0.3. Escuelas de Nivel Inicial Privado. Fuente: ("Mapa Escolar en la Provincia de Buenos Aires “, 2017)

Bárbara R. Constantinidis

UNIGIS América Latina

36

Figura 2.0.4 Escuelas de Nivel Inicial Estatal y Privado combinadas, zoom sobre el límite con la C.A.B.A. Fuente: ("Mapa Escolar en la Provincia de Buenos Aires “, 2017) Por su parte, la Ciudad de Buenos Aires, también cuenta con un Mapa Escolar, ("Mapa de establecimientos", 2017), a cargo del Sistema de Información Geográfica de Educación (SIGE) de la Ciudad, Ministerio de Educación.

En el Nivel Inicial, actualmente el Mapa Escolar de la Ciudad de Buenos Aires exhibe los siguientes indicadores socioeducativos:

a) Jardín Maternal (45 días a 2 años - Sector Estatal) - Evolución de la matrícula por Comuna, b) Jardín de Infantes (3 a 5 años - Sector Estatal) - Evolución de la matrícula por Comuna, c) Población de 3 a 5 años - Condición de asistencia por Comuna (Año 2010).

Esta herramienta, también facilita la consulta los edificios escolares por comuna y barrio (Registro de Edificios Escolares de Gestión Estatal, 2015) y ofrece en forma estimativa, el número de alumnos que puede recibir cada edificio educativo dependiente del Ministerio de Educación del Gobierno de la Ciudad, en función de su capacidad (Capacidad de la Infraestructura Escolar, 2015).

Bárbara R. Constantinidis

UNIGIS América Latina

37

Tanto a escala local (Ciudad de Buenos Aires), provincial (Provincia de Buenos Aires) como nacional (Argentina), la información abierta disponible no exhibe estudios de localización que involucren indicadores socio económicos, atributos funcionales, ni características edilicias, dentro de la dinámica abierta que proponen las herramientas SIG mencionadas en los programas de Mapa Escolar, restringiéndose este uso a la publicación de coordenadas de localización de dichos establecimientos, clasificados según nivel educativo y tipo de gestión. Hasta el momento, se presentan como herramientas de consulta, no de análisis.

Finalmente, en la Ciudad de Buenos Aires, el sistema de información educativo de nivel inicial ofrece un conjunto de datos georreferenciados, que aún desestiman la integración de fuentes estadísticas provenientes del sector privado.

Bárbara R. Constantinidis

UNIGIS América Latina

38

2.3. Marco metodológico 2.3.1. Modelos gravitacionales de consumo

Los modelos gravitacionales de consumo se inspiran originalmente en el fenómeno de la atracción universal planteado en 1687 por Isaac Newton (1642-1727), y estudian la atracción de un stock de consumidores que viven en una determinada zona geográfica (Reilly, 1931). Estos modelos se apoyan fundamentalmente en dos variables: distancia y masa y se clasifican en dos grandes grupos (Cliquet, 2006):

a. Modelos determinísticos: Según la ley que formula (Reilly, 1931) “Dos ciudades atraen al comercio minorista de una ciudad intermedia o pueblo, en la proximidad de límite, que es aproximadamente directamente proporcional a las poblaciones de las dos ciudades e inversamente proporcional al cuadrado de las distancias desde estas dos ciudades a la ciudad intermedia” (Cliquet, 2006, pp.139).

Su fórmula general es:

Dónde: Ba es la actividad atraída por la ciudad de una ciudad intermedia; Bb es la actividad atraída por la ciudad b de una ciudad intermedia; Pa es la población de a; Pb es la población de b; Da es la distancia de la ciudad a la ciudad intermedia; Db es la distancia de la ciudad b a la ciudad intermedia; N es un exponente que indica el valor en el que el negocio externo atraído por una ciudad aumenta a medida que aumenta la población de la ciudad;

Bárbara R. Constantinidis

UNIGIS América Latina

39

n es un exponente que indica el valor en el que el negocio externo atraído por una ciudad disminuye a medida que decrece la población de la ciudad.

Estos modelos determinísticos, se construyen a partir del análisis de los viajes que realizan los consumidores, según una función de utilidad por la cual se asume que el individuo frecuenta exclusivamente el local que le genera la mayor atracción en una ciudad determinada. Este concepto está fundamentado en la hipótesis del centro más próximo, basado en la teoría de los lugares centrales (Christaller y Baskin, 1966).

Otra de las variantes, revisa esta misma teoría e integra la noción de viaje multipropósito (Ghosh, 1986), planteando un concepto de optimización, por el cual los consumidores están dispuestos a alejarse hacia un centro de compras más distante, donde puedan concentrar todos sus consumos con un único viaje.

Esta ley no es adecuada para describir los fenómenos de atracción en áreas urbanas, debido al solapamiento de diferentes áreas comerciales, por lo que se recomienda reservar este uso a estimar las áreas potenciales para el comercio en aglomeraciones pequeñas y también para determinar el punto límite entre ciudades (Noin y Brocard, 1976) o entre dos centros comerciales (Laulajainen, 1987).

Bárbara R. Constantinidis

UNIGIS América Latina

40

b. Modelos probabilísticos: Los modelos probabilísticos, también son modelos gravitacionales, que se construyen desde experiencias pasadas del comportamiento de consumo, partiendo de procedimientos experimentales, y postulan una función de atracción que especifica la probabilidad de que el consumidor frecuente determinado local.

Dentro de esta categoría, el modelo desarrollado por (Huff, 1964), utiliza las nociones de distancia y masa, entendida como la variable de superficie que representa el área de venta de un local comercial.

La formula general es:

Dónde: Tij es el tiempo de accesibilidad (como medida de distancia); Sij es la medida de un local comercial medido en m² de superficie de ventas; Β es el parámetro empíricamente estimado que refleja el efecto de la duración de los viajes en tiempo, de diferentes compras del consumidor (variando según el producto).

Entre las principales restricciones para aplicar el modelo de Huff, se aprecian:

a) Uso restringido debido a la condición de homogeneidad de consumidores potenciales y locales comerciales (Cliquet, 2006), b) poder explicativo reducido dado el número insuficiente de variables, aun cuando se demuestre que son suficientes (Hartley, Engel, Kollat, & Blackwell, 1974), c) no se han propuesto procedimientos de estimación para determinar el coeficiente β, que resulten verdaderamente satisfactorios (Haines, Simon, & Alexis, 1972).

Bárbara R. Constantinidis

UNIGIS América Latina

41

La necesidad de resolver la generalización de Huff, ha dado lugar a numerosos estudios de investigación, derivados en una generalización del modelo propuesto por (Nakanishi y Cooper, 1974), fundada en la idea de la Interacción Espacial, como característica del comportamiento humano.

2.3.2. Modelos de interacción Espacial: MCI

Los Modelos de interacción Espacial, ofrecen la posibilidad de medir la atracción del consumidor, con la ayuda de un sistema de relaciones generalmente proporcionales, entre los valores de mercado y las acciones de comercialización (Cliquet, 1988). Entre las posteriores formalizaciones de estos modelos, se destaca el Modelo de Interacción Multiplicativo Competitivo MCI, formulado como:

Dónde: Si es la cuota de mercado (market share) de i; m es el número de objetos (en este caso comercios) ejerciendo la atracción; Ai es la atracción ejercida por i de forma tal que:

Dónde: Xki es el valor de la variable explicativa kth del objeto estudiado (precio, atributos, publicidad, fuerza de ventas para un producto); K es el número de las variables explicativas; Fk es la transformación monótona de Xk con fk > 0; βk es un parámetro a ser estimado.

Bárbara R. Constantinidis

UNIGIS América Latina

42

El desarrollo de los MCI fue llevado a cabo en varias etapas. Partiendo de los trabajos de (Reilly, 1931), Huff considera que el área de un local es el mejor indicador para evaluar su nivel de atracción de consumo, mientras que los modelos MCI, permiten agregar variables complementarias a la fórmula original de Huff, que solamente consideraba a la distancia y el nivel de atracción del local.

El número de variables que se pueden integrar en un modelo MCI es muy alto y su evolución ha facilitado la resolución del propio proceso de una forma más eficiente, con numerosas aplicaciones en trabajos de investigación de mercado con una visión geográfica. En este proceso, los modelos MCI, han integrado variables subjetivas medidas como percepciones, lo cual supone resolver la complejidad de determinar la forma de medirlas en escalas de proporción no métricas y asignarles un orden metodológico, a través de un proceso.

Un uso simplificado de los MCI considera solamente variables objetivas tales como la superficie, distancia entre el hogar y el comercio, número de vendedores y líneas de caja, plazas de estacionamiento, número de artículos disponibles, cantidad de consumidores, etc. (Cliquet, 1992). El poder del modelo se fortalece al agregar variables de tipos cualitativas o subjetivas, desde la perspectiva de los consumidores, cuyos resultados ofrecen mayores porcentajes en la tasa de explicación de la varianza en la regresión.

Algunos investigadores han cuestionado como desventaja, la complejidad de resolución e implementación de un modelo MCI subjetivo, cuando se precisa un procedimiento de decisión rápida, ofreciendo posteriores simplificaciones para estimar los coeficientes de ponderación. En cuanto a las ventajas de utilizar estos modelos, se destaca que permiten la realización de simulaciones, basadas en las expectativas y creencias de los consumidores.

Bárbara R. Constantinidis

UNIGIS América Latina

43

2.3.3. Modelos de Localización - Asignación La categoría de modelos de atracción combinada para localizaciones múltiples da origen a los modelos conocidos como de Localización – Asignación, que permiten realizar un estudio espacial simultáneo para varios locales de una cadena comercial, incluyendo sistemas de franquicias (Kaufmann y Rangan, 1990).

Estos modelos están compuestos por: a) “La optimización de la función objetiva según los diferentes lugares posibles, b) la reducción de las zonas de demanda a un punto central o centroide donde está concentrada la demanda de productos y servicios, c) los emplazamientos posibles con ubicación, accesibilidad e infraestructura, d) la matriz de distancia o tiempo de acceso, e) la regla de asignación, o la forma en que los consumidores eligen entre los lugares de suministro propuestos” (Cliquet, 2006, pp. 149- 150).

Los dos modelos representativos de los estudios de localización múltiple se conocen como MULTILOC y FRANSYS.

El modelo MULTILOC combina el modelo de Localización - Asignación con el modelo MCI. Una vez calculados los coeficientes de regresión MCI, la implementación del modelo de asignación de localización permite determinar el equilibrio del mercado y así deducir el beneficio esperado. Cada una de las ubicaciones posibles se evalúa con el fin de determinar la mejor ubicación de acuerdo con la rentabilidad provisional de los futuros locales (Achabal, Gorr, y Mahajan, 1982).

El modelo MULTILOC está especialmente pensado para pequeños locales tales como minimercados, estaciones de servicio y unidades de comida rápida. Sin embargo, los stands o locales ubicados dentro de los centros comerciales o las grandes tiendas no están incluidos porque el número de emplazamientos es limitado. Los posibles sitios se

Bárbara R. Constantinidis

UNIGIS América Latina

44

examinan en función de su calidad, siendo que a mayor cantidad de localizaciones posibles corresponde un mayor tiempo de cálculo (Cliquet, 2006).

En cuanto al modelo FRANSYS, implica la aplicación del modelo MULTILOC y de trabajar con redes de franquicias (Zeller, Achabal y Brown, 1980), siendo que el principal requisito para trabajar con locales de este tipo se refiere a la ubicación. De estos análisis se desprende que disponer de información geográfica es indispensable para la implementación de los modelos de localización y que la implementación de los SIG ha permitido refinar los resultados influyendo en el geomarketing (Cliquet, 2002).

2.3.4. Modelos de geomarketing aplicables al sector educativo

Según (Cliquet, 1997), un espacio geográfico no debería estar únicamente definido en acuerdo a los individuos que residen o trabajan allí, sino también por aquellos que pasan a través de él. Según este postulado, construye la Tabla 2.0.1, en base a un estudio sobre 74 comercios minoristas en Francia y el tipo de atracción gravitacional, pura, mixta o pasante. Entre ellos se incluyen los servicios educativos para sus diferentes niveles: escuela primaria, secundaria y universidad.

La Tabla 2.0.1 no menciona la función de nivel inicial para locales de servicios educativos, ni otra actividad que considere como usuarios a los niños menores de 5 años.

Bárbara R. Constantinidis

UNIGIS América Latina

45

Bárbara R. Constantinidis

UNIGIS América Latina

46

Tabla 2.0.1 Clasificación de 74 comercios minoristas franceses según a su tipo de atracción (Cliquet, 1997, pp. 46- 47)

La planificación espacial de servicios educativos presenta características específicas, dependiendo de que involucre servicios públicos o privados. La tarea del planificador consiste precisamente, en “encontrar la forma óptima a partir de las condiciones sociales, físicas y económicas de cada área” (Pitarch Garrido, 2000, pp. 121).

En la Figura 2.0.5, esta autora organiza las principales teorías de la planificación de servicios a través de una síntesis conceptual a partir de dos líneas que parten de un mismo origen: la Teoría del Lugar Central (Christaller, 1966). Una vertiente aplica sus principios frente a condiciones reales y define la relación espacial entre la oferta y la demanda, adaptando la estructura existente de cada región a una situación ideal, mientras la otra corriente, reconoce que estos postulados casi nunca son aplicables a

Bárbara R. Constantinidis

UNIGIS América Latina

47

situaciones con condiciones geográficas y sociopolíticas reales, por lo que la forma espacial de la provisión de servicios difiere de una región a otra (Rushton, 1988).

Figura 2.0.5 Principales teorías de planificación de servicios. Fuente: (Pitarch Garrido, 2000, pp. 121) en base a (Rushton, 1988).

A mediados de los años 1970, los llamados modelos de locación – asignación (location allocation models) integraron el análisis de comportamiento de los actores, tanto consumidores como productores, aportando una representación más fiel de realidad. En términos generales, estos modelos de análisis de servicios abordan cuatro factores (Pitarch Garrido, 2000):

a) Comportamiento de los proveedores frente a los nuevos temas, b) procesos de elección espacial del consumidor, c) distancia, tiempo y costos de transporte, d) resolución de la incertidumbre.

Bárbara R. Constantinidis

UNIGIS América Latina

48

Estudiar métodos que colaboren con la planificación de los servicios educativos fundados en análisis de localización, implica considerar sus políticas específicas como parte de un diagnóstico cuidadoso de las condiciones propias de cada ciudad o distrito, es la instancia previa a la propuesta de cualquier cambio. Según (Pitarch Garrido, 2000), la tradición administrativa, el contexto sociopolítico y los recursos, también son variables decisivas en el ejercicio de la planificación local que deriva en apertura, cierre, ampliación o reubicación de las escuelas.

Esta misma autora, expone la reagrupación de los modelos matemáticos aplicados a la planificación espacial escolar, propuesta por la Organización para la Cooperación y el Desarrollo Económico (Organization for Economic Co-operation and Development OECD, 1973, pp. 300):

a) Modelos descriptivos: descriptivos y explicativos, b) modelos predictivos divididos según el objeto de proyección o descripción, c) modelos de decisión, globales o parciales, d) modelos de simulación.

En la Figura 2.0.6 (Pitarch Garrido, 2000, pp. 125), sintetiza esta organización y desarrolla las características de los modelos según dos grupos principales:

I. Descriptivos II. Metodológicos

Los modelos más aptos para planificación espacial de establecimientos educativos son los de carácter predictivo; en segundo lugar, los de toma de decisiones; y finalmente los de simulación. Según otras clasificaciones, estos tres modelos se conocen también genéricamente como modelos metodológicos y su objetivo es dar una explicación a un determinado fenómeno.

Bárbara R. Constantinidis

UNIGIS América Latina

49

Figura 2.0.6 Clasificación de tipos de modelos de planificación de servicios educativos.

(Pitarch Garrido, 2000, pp. 125)

I.

Estudios descriptivos:

La modalidad de gestión educativa: pública o privada, presenta un conjunto de características que les son propias a cada sector. Para los servicios privados, la toma de decisiones es descentralizada y particular, donde el modelo generalmente se aplica sobre un único servicio. Mientras tanto, para el sector público, la toma de decisiones está concentrada en un agente estatal, según intereses públicos, generales o particulares, y el modelo a aplicar considera un sistema de servicios (Teitz, 1968; Pred, 1969).

Otra diferenciación en el consumo de educación pública plantea que estos bienes y servicios públicos determinan la equidad en términos de beneficios sociales, y presentan tres condiciones (Pinch, 1985):

a) la no rivalidad entre ellos, b) la no exclusión, c) la adaptación a la demanda.

Sin embargo, algunos teóricos como (Teitz, 1968) han considerado que, a pesar de las diferencias, algunos modelos diseñados para el sector privado podrían aplicarse al sector

Bárbara R. Constantinidis

UNIGIS América Latina

50

público, aunque hasta el día de hoy no se haya definido una conclusión concreta sobre este punto.

La elección de modelos de análisis espacial también puede responder a otras categorizaciones, según las regiones o áreas cubiertas a las que sirven los servicios, según sean definidas o indefinidas (Teitz, 1968). Se denomina región definida, a aquella en la cual todos los consumidores utilizan un servicio en particular dentro de la misma, en tanto que, si los individuos pueden consumir cualquier servicio, en forma independiente de su localización, se trata de una región indefinida.

Otra clasificación posible, es la de servicios ordinarios y de emergencia, que depende de su frecuencia de uso y de la forma en la que se lo administra, desde un lugar central al que se dirigen los usuarios, o a la inversa, donde es el servicio el que se traslada al usuario (Wolch, 1979). También existe una posibilidad, que consiste en analizar el tipo de impacto que determinado servicio ejerce sobre su población, produciendo externalidades positivas

o

negativas,

y

convirtiéndolo

en

un

establecimiento

nocivo,

independientemente de que el mismo sea o no necesario para la región (Mumphrey, Seley y Wolpert, 1971).

En referencia a este último punto, actualmente en la Ciudad de Buenos Aires rige la Ley 123 de Impacto Ambiental, se aplica sobre toda actividad que se localice dentro de sus límites urbanos. La Ley 123 con su modificación Ley 452 (1988), cataloga los diferentes usos conforme al nivel de relevancia de sus efectos ambientales, limitando o aplicando restricciones de uso en cuanto a la habilitación, cuando corresponde. El punto IX (Ley 123, 1988) versa sobre las Categorizaciones, y el Artículo 12, define los factores que intervienen para determinar la relevancia del efecto ambiental de cada uso, de la siguiente forma:

“Las actividades, proyectos, programas o emprendimientos se categorizan como de Impacto Ambiental Con o Sin Relevante Efecto, de acuerdo con la reglamentación, considerando los siguientes factores:

Bárbara R. Constantinidis

UNIGIS América Latina

51

a) La clasificación del rubro, b) la localización, c) el riesgo potencial sobre los recursos aire, agua, suelo y subsuelo, según las normas sobre el particular vigentes en la Ciudad de Buenos Aires, d) la dimensión, e) la infraestructura de servicios públicos de la ciudad a utilizar, f) las potenciales alteraciones urbanas y ambientales” (Ley 123,1998, Art. 12).

Por su parte, el Artículo 13, enuncia específicamente, una lista de actividades, proyectos, programas y/o emprendimientos comprendidos en la categoría de Impacto Ambiental con relevante efecto. La escala y magnitud de las instituciones educativas que se analizan carece predominantemente de efectos negativos relevantes, no obstante, dentro de la nómina, solamente podrían aplicar bajo este perfil de impacto, las escuelas de nivel inicial de gestión privada, que reúnan las siguientes condiciones:

“f. Las obras proyectadas sobre parcelas de más de 2.500 metros cuadrados que requieran el dictado de normas urbanísticas particulares. m. Las actividades o usos a desarrollar en áreas ambientalmente críticas, según lo establezca la reglamentación” (Ley 123,1998, Art. 13).

II.

Estudios metodológicos:

Moreno Jiménez (2001) propone cinco pasos metodológicos, propios de tareas de proyecto y planificación de servicios públicos de educación, susceptibles de ser adecuados de a partir de la integración de SIG:

a) Diagnóstico de la situación: identificación de problemas a través de indicadores. b) Medición de la demanda social, conocida como estudio de mercado.

Bárbara R. Constantinidis

UNIGIS América Latina

52

c) Determinación de los objetivos de actuación para la acción pública: en este caso privada. d) Definición del modelo de oferta: privada, para este estudio en particular. e) Evaluación de los resultados.

Por su parte, Pitarch Garrido (2000) resume una clasificación posible para los Estudios Metodológicos aplicables a la localización de servicios educativos en:

a) Modelos espaciales geométricos: localizan los servicios en sistemas de redes o en puntos clave dentro de los mismos, aunque su localización no esté determinada por la configuración de dichas redes. b) Modelos de localización – asignación: cuando existen múltiples posibilidades ante la búsqueda de una localización óptima para cierta actividad. Considera los factores de la propia localización del servicio y los relaciona con la asignación de los recursos o los usuarios. c) Métodos econométricos: permiten la acción conjunta de la economía, la estadística y las matemáticas, para resolver problemas de localización de servicios.

Los modelos de este tipo incorporan análisis de costo-beneficio y oferta – demanda como herramientas. d) Métodos proyectivos: La proyección de variables hacia el futuro, permite simular escenarios posibles para favorecer a la toma de decisiones.

Se destaca con mayor detalle el caso de los Modelos de Localización – Asignación, siendo que la teoría de la localización aplicada a instalaciones de servicios educativos cumple una doble función:

a) Encontrar la localización óptima para implantación edilicia, b) determinar su demanda, lo que justifica la aplicación de los modelos conocidos como localización – asignación.

Bárbara R. Constantinidis

UNIGIS América Latina

53

La resolución de estudios de localización de servicios educativos exige conocer la ubicación específica de los establecimientos y las características de localización de los alumnos, como consumidores. Estos modelos estudian las características de las variables locales, para un tipo de gestión pública o privada, que surge de los métodos descriptivos, previamente enunciados.

Buzai (2008), ha sentado un antecedente, aplicando este tipo de modelos para el análisis de escuelas estatales, de modalidad EGB en la Ciudad de Luján, Provincia de Buenos Aires.

En su investigación, cita los conceptos de (Ramírez y Bosque Sendra, 2001), quienes definen las características de los modelos de localización – asignación como:

a) Matemático: usan este recurso para captar la realidad, b) meso-espaciales: trabajan sobre el territorio, c) normativos: buscan la mejor solución a un problema.

Adhiriendo los postulados del autor de dicha investigación, “estos modelos intentan evaluar las localizaciones actuales de los centros de servicio sobre la base de la distribución de la demanda y generar alternativas para lograr una distribución espacial más eficiente y/o equitativa. Buscan ubicaciones óptimas (localización) y determinan las mejores vinculaciones de la demanda (asignación)” (Buzai, 2008, pp. 237).

Por su parte, los SIG, aportan herramientas tecnológicas que permiten una optimización de estos procesos, cuyos antecedentes datan de los años 1950, a partir de los Sistemas de Ayuda a la Decisión Espacial (SADE). Su objetivo es aportar un entorno de hardware y software para facilitar la tomar decisiones espaciales, partiendo de la exploración al problema, la generación de diversas soluciones y la evaluación de sus alternativas (Bosque Sendra et. al, 2000).

El objetivo para la aplicación de cada modelo difiere despendiendo del tipo gestión de cada conjunto de escuelas. En el caso de los sectores privados, se concentra en optimizar la eficiencia espacial, mientras tanto, en los casos públicos, se prioriza la equidad espacial.

Bárbara R. Constantinidis

UNIGIS América Latina

54

Sin embargo, en ambos casos, se posible analizar los indicadores de accesibilidad al servicio.

El desarrollo metodológico propuesto por (Buzai, 2008), determina tres condiciones, que se cumplen en todas las instituciones de la actividad escolar privada de nivel inicial:

a) Disponer de una oferta distribuida de manera puntual, b) una demanda que puede ser asignada a un centroide de cada área, c) vincular ambas a través de una red de transporte.

En cuanto a la búsqueda de nuevas localizaciones para la oferta de equipamiento, se necesita aplicar una metodología que permita discernir cuáles son los sitios con mejores aptitudes para dicho fin, tratándose de un proceso de selección a partir de una geometría de puntos.

Las dos opciones que este estudio expone, para la evaluación de sitios candidatos son: a) Técnicas de superposición temática y evaluación multicriterio EMC (Buzai y Baxendale, 2006), b) considerar cada centroide de demanda como un posible sitio para la instalación de una escuela (Fotheringham et al., 1995), donde la variación de áreas genera una modificación de resultados. Esta situación exige que los modelos trabajen con simplificaciones matemáticas, para evitar la evaluación de infinitas localizaciones.

A través de las metodologías de análisis espacial con la asistencia de los SIG, Buzai (2008), ha demostrado una contribución eficiente hacia las políticas de planificación urbana, sustentando científicamente los procesos de toma de decisión en materia de educación pública. Los resultados se traducen en acciones orientadas a disminuir las desigualdades socio-espaciales de la población.

Bárbara R. Constantinidis

UNIGIS América Latina

55

En síntesis, conforme a la bibliografía consultada, se seleccionan los modelos más adecuados para la resolución de los diferentes objetivos propuestos por este trabajo, en el sector educativo de nivel inicial de gestión privada:

a) Modelos de Maximización: Se aplican cuando el objetivo es maximizar o minimizar el resultado de una ecuación, a través de métodos de análisis espaciales simples o complejos, según el tipo y cantidad de variables involucradas.

b) Estimadores de densidad o concentración (Kernel): Definen la mayor concentración de eventos de una determinada categoría en estudio.

c) Modelos Gravitacionales: Modelo de Huff: Método probabilístico, útil para identificar a los consumidores propensos a elegir un determinado establecimiento educativo, en un proceso de selección. Se obtiene un valor de resultado entre 0 y 1 y el concepto de atracción está relacionado con el tamaño del establecimiento escolar medido en m².

Dónde: Pij: probabilidad del consumidor en la posición i de optar por la escuela en la posición j Tij es el tiempo de accesibilidad del punto i a j Sj es el tamaño del área de comercio en m² Β es un parámetro empírico que determina el efecto de la distancia en la decisión del consumidor

Los resultados de aplicar el modelo Huff en el sector escolar son:

-

Delinear los mercados basados en la probabilidad para estudiar las ubicaciones de las escuelas privadas de nivel inicial en la Ciudad de Buenos Aires.

Bárbara R. Constantinidis

UNIGIS América Latina

56

-

Modelizar el impacto económico de agregar nuevas escuelas competitivas de las existentes.

-

Prever áreas de alto y bajo potencial de matriculación, que pueden guiar la planificación de nuevos establecimientos escolares, su ampliación, re ubicación, o iniciativas de marketing aplicado al segmento educativo privado de este nivel.

d) Modelos de interacción espacial – MCI: Proponen ampliar el modelo gravitacional Huff, uniendo otras variables espaciales y no espaciales. Una de las críticas este modelo reside en que las variables son subjetivas o empíricas.

Modelos de interacción espacial – MCI

Dónde: Pij es la probabilidad de que el consumidor en la posición i opte por la posición j q es el número de variables m es la cantidad de alternativas del consumidor Xkij es el valor de la k-ésima variable que describe el comercio j en la posición i Βk es el parámetro relativo a la sensibilidad de la variable k

Esta aplicación es de carácter empírico, siendo que cada especialista puede atribuir pesos diferentes. Para su práctica, se requiere seguir los siguientes pasos:

1. Elección de las variables 2. Elección de los pesos externos 3. Elección de los pesos internos 4. Aplicación del análisis (álgebra de mapas)

Bárbara R. Constantinidis

UNIGIS América Latina

57

Fórmula de la Media Ponderada:

Dónde: Mp es la media ponderada k es el número de criterios pi es el peso del enésimo criterio vi es el valor del enésimo criterio

Bárbara R. Constantinidis

UNIGIS América Latina

58

2.4. Marco Legal de la Educación en Ciudad de Buenos Aires, Argentina Este apartado presenta en forma sintética, el marco que regula actualmente la actividad del sector educativo nacional en Argentina, dentro del cual se encuadra el nivel inicial de gestión privada de la Ciudad de Buenos Aires.

En la Ciudad de Buenos Aires, la educación de nivel inicial incluye a todos los establecimientos dependientes de las siguientes áreas: Dirección General de Educación de Gestión Estatal; Dirección General de Educación Superior; y Dirección General de Gestión Privada, con excepción de los que integran el Registro de Instituciones Educativas Asistenciales conocidas como RIEA.

En el ámbito privado, la DGEGP “tiene la responsabilidad de administrar, supervisar y acompañar el universo de las escuelas de gestión privada de la Ciudad Autónoma de Buenos Aires conforme con las políticas del Ministerio de Educación” ("Educación de Gestión Privada", 2017). DGEGP incorpora los ejes instituidos por el Ministerio de Educación para el conjunto del sistema educativo de la ciudad:

a) inclusión educativa, b) calidad educativa, c) nueva alianza escuela – familia, d) centralidad de la institución educativa e) el docente en el lugar del saber.

Desde el punto de vista edilicio, el programa Escuelas Seguras, “tiene por objeto la implementación de los lineamientos generales de seguridad, destinados a promover en los institutos educativos estrategias de prevención de accidentes, atención de emergencias, mejoramiento y actualización de infraestructura” ("Escuelas seguras", 2017).

Bárbara R. Constantinidis

UNIGIS América Latina

59

La Plataforma de Escuelas Seguras, establece la estructura y lineamientos generales y básicos que deben ser cumplidos por parte de las instituciones educativas alcanzadas por el Régimen de Escuelas Seguras de Gestión Privada:

a) Ley de Escuelas Seguras (Ley 2189, 2006), b) Código Rector de Arquitectura Escolar (Código Rector de Arquitectura Escolar, 1972) c) Código de Edificación de la Ciudad de Buenos Aires (Cedom.gov.ar., 2017) d) Código de Habilitaciones de la Ciudad de Buenos Aires (Cedom.gov.ar., 2017), e) Código de Planeamiento Urbano de la Ciudad de Buenos Aires (Buenos Aires Ciudad - Gobierno de la Ciudad Autónoma de Buenos Aires, 2017), que zonifica el suelo y regula sus usos. f) Ley 621/01 y Decreto Reglamentario 1089/02. Ley de regulación de habilitación, funcionamiento y supervisión de instituciones privadas de carácter educativo asistencial, destinadas a niños de 45 días a 4 años, no incorporadas a la enseñanza oficial - escuelas infantiles – guarderías. g) Ley 962. Accesibilidad física para personas con necesidades especiales. (2001).

Modificatoria del Código de la Edificación de la Ciudad Autónoma de Buenos Aires.

Arts. 89 y 90 de la Constitución de la Ciudad Autónoma de Buenos Aires Desde el punto de vista de su arquitectura y en respuesta a la normativa mencionada, las escuelas privadas de nivel inicial se implantan en lotes, que deben permitirles cumplir con condiciones edilicias particulares, como disponer de locales específicos de uso obligatorio para determinadas funciones, de capacidad y dimensiones mínimas, ventilación e iluminación reglamentarias. Por ejemplo, disponer de salas de juego exclusivamente ubicadas en planta baja hasta los 3 años, pudiendo situarse en pisos superiores solamente las salas de 4 y 5 años.

Todos los establecimientos deben cumplir con condiciones de accesibilidad física (Ley 962, 2003), entre otras condiciones, exigen salvar desniveles con rampas reglamentarias; disponer de ascensores para los usos en pisos superiores, contar con circulaciones libres

Bárbara R. Constantinidis

UNIGIS América Latina

60

de obstáculos que cumplan con los cálculos de medios de salida y cuyo ancho mínimo sea de 2 metros; puertas que además de verificar dichos cálculos sean de apertura hacia los medios de salida, sin obstruirlos, etc.

En cuanto a la prevención de riesgos, entre algunos ejemplos se puede mencionar la exigencia de certificar el equipamiento de juegos y pisos anti golpe; utilizar materiales constructivos con baja propagación de fuego; vidrios inastillables; barandas y cerramientos de protección que eviten caídas al vacío; dotación de instalaciones sanitarias específicas para el tamaño de los niños, que requiere contar con áreas de cambiado con provisión de agua caliente en las salas maternales y de los llamados deambuladores (alumnos de 1 año); equipar con artefactos sanitarios de medidas especiales a los niños de 2 a 5 años, cumpliendo con indicadores que relacionan la matrícula de cada sala con la superficie de uso y dicha dotación sanitaria, entre otros aspectos. Todas ellas reguladas por los códigos y leyes citadas previamente.

Esta es la razón por la cual, los estudios de geomarketing aplicados sobre escuelas de nivel inicial, involucra variables espaciales objetivas y subjetivas, que es propio de este sector de la educación privada en la Ciudad de Buenos Aires.

Bárbara R. Constantinidis

UNIGIS América Latina

61

CAPÍTULO 3. METODOLOGÍA

3.1.

Descripción del Área de estudio

El área de estudio queda temática y geográficamente definida, por la localización de escuelas de nivel inicial correspondientes al sector de la gestión privada en la Ciudad de Buenos Aires. La cual se denomina de este modo o como "Ciudad Autónoma de Buenos Aires" (Constitución de la Ciudad de Buenos Aires, Art. 2º), se encuentra en Sudamérica y políticamente es la ciudad capital de la República Argentina.

Se extiende sobre la región pampeana, sobre una superficie de 203,3 km² (Ign.gob.ar, 2017), con una población de 2.890.151 habitantes y una densidad de 14.450,8 habitantes/ km². Los datos de población se ajustan a los Resultados Definitivos del Censo de Población, Hogares y Viviendas 2010 (Indec.gov.ar, 2017) y los valores de superficie han sido calculados sobre cartografía a escala 1: 500.000 (Ign.gob.ar, 2017). Los límites naturales de la Ciudad de Buenos Aires, son el Río de la Plata (al este y al norte), el Riachuelo (al sur), y el perímetro definido por la Avenida General Paz, circunvalación de desarrollada de norte a oeste, que divide a la Ciudad de su área Metropolitana.

La Ciudad de Buenos Aires es parte del Área Metropolitana de Buenos Aires (AMBA), compuesta por 26 jurisdicciones municipales, con 2.590 km2 de superficie y 13.588.171 habitantes, según censo 2010 (Indec.gov.ar, 2017). La Figura 3.0.1 muestra la organización administrativa de la Ciudad en 15 Comunas (Ley 1.777, 2005), las cuales representan unidades de gestión política y administrativa descentralizadas, que pueden abarcar uno o más barrios.

Bárbara R. Constantinidis

UNIGIS América Latina

62

Figura 3.0.1 Ciudad de Buenos Aires por comunas y barrios (Estadisticaciudad.gob.ar, 2017)

BĂĄrbara R. Constantinidis

UNIGIS AmĂŠrica Latina

63

3.1.1. Composición y evolución de la población educativa en la Ciudad de Buenos Aires

“La Educación Inicial constituye una unidad pedagógica y comprende a los niños desde los cuarenta y cinco (45) días hasta los cinco (5) años de edad inclusive, siendo obligatorio el último año” (Ley de Educación Nacional N.º 26.206, 2006, art. 18), por lo que los alumnos deben concurrir a la escuela a partir de los 5 años de edad y estipula una universalización obligatoria de los servicios educativos para los niños a partir de los cuatro (4) años de edad, para el Estado Nacional, las Provincias y la Ciudad Autónoma de Buenos Aires (Ley N.º 26.206, 2006, art. 19).

Existen 473 institutos educativos Incorporados a la Enseñanza oficial caracterizada como “A” y 260 institutos educativos asistenciales no Incorporados a la Enseñanza Oficial, que totalizan 733 escuelas, con una población de 84.268 alumnos. Estos valores arrojan un incremento de la matrícula privada por sobre la pública, verificado entre los años 1998 y 2011. (Rodríguez, Demarco, Gorosito, Nuza y Werefkin, 2013).

La oferta de establecimientos que brindan Educación Inicial se organiza en dos tipologías, pudiendo ser de gestión estatal, cuando pertenecen a órganos propios de gobierno de la educación u otros organismos gubernamentales; o de gestión privada, cuando representan organizaciones de diversa índole, tales como “organizaciones sin fines de lucro, sociedades civiles, gremios, sindicatos, cooperativas, organizaciones no gubernamentales, organizaciones barriales, comunitarias y otros” (Ley N.º 26.206, 2006, art. 23).

La Tabla 3.0.1 sintetiza el organigrama correspondiente a los tipos de establecimiento por nivel, con los datos de matrícula diferenciados por unidades educativas para la Ciudad de Buenos Aires (Relevamiento anual, 2011).

Bárbara R. Constantinidis

UNIGIS América Latina

64

Tabla 3.0.1 Relevamiento Anual 2011. Pp. 59. (Rodríguez Villoldo, Demarco, Gorosito, Nuza, Werefkin, 2013). Gerencia Operativa de Investigación y Estadística, DGECE. Ministerio de Educación del GCBA.

La Figura 3.0.2, expone la evolución bianual que ha sufrido la matrícula privada, con respecto a la educación pública entre los años 1998 y 2011, para la totalidad de las escuelas pertenecientes al nivel inicial (Ministerio de Educación del GCBA, 2013).

Bárbara R. Constantinidis

UNIGIS América Latina

65

Figura 3.0.2 Evolución bianual de la matrícula total de Nivel Inicial (NIC y NIE). Ciudad Autónoma de Buenos Aires. Años 1998/2000/2002/2004/2006/2008/2010/2011. Pp. 63.

(Rodríguez Villoldo, Demarco, Gorosito, Nuza, Werefkin, 2013). Gerencia Operativa de Investigación y Estadística, DGECE. Ministerio de Educación del GCBA. La distribución de la oferta educativa dentro de la Ciudad de Buenos Aires refleja una preferencia de elección de escuelas de gestión privada, de alumnos matriculados acorde al sector de gestión por Comuna en el año 2011, expresada en la Tabla 3.0.2.

Tabla 3.0.2 Alumnos matriculados de Nivel Inicial por sector de gestión según Comuna.

Ciudad Autónoma de Buenos Aires. (Rodríguez Villoldo, Demarco, Gorosito, Nuza,

Bárbara R. Constantinidis

UNIGIS América Latina

66

Werefkin, 2013). Relevamiento Anual 2011. Pp 65. Gerencia Operativa de Investigación y Estadística, DGECE. Ministerio de Educación del GCBA.

Por su parte, la Tabla 3.0.3 expone la evolución total de la matrícula pública y privada, y los porcentajes que representan la asistencia a educación privada sobre el total del país, quedando manifiesto que si bien la educación privada equivale a una cuarta parte del total de los alumnos en edad escolar, porcentualmente se ha ido incrementando entre los años 2001 y el 2013, pasando de un 20,50% a un 26,25%.

Año

Total

Privado

Publico

% privado sobre total

2001

4699128

3735696

963432

20,50%

2002

4719335

3757646

961689

20,38%

2003

4620916

3667286

953630

20,64%

2004

4646779

3664573

982206

21,14%

2005

4526121

3518773

1007348

22,26%

2006

-

2007

4645843

3579528

1066315

22,95%

2008

4664025

3550088

1113937

23,88%

2009

4643430

3509259

1134171

24,43%

2010

4637463

3484217

1153246

24,87%

2011

4620306

3459809

1160497

25,12%

2012

4603422

3414473

1188949

25,83%

2013

4563491

3365379

1198112

26,25%

Tabla 3.0.3 Evolución total de la matrícula pública y privada en el país. (Gasparini, Jaume, Monserrat y Vázquez, 2011).

Bárbara R. Constantinidis

UNIGIS América Latina

67

Finalmente, las Tabla 3.0.4 y Tabla 3.0.5, analizan en forma desagregada, la situación de la Ciudad de Buenos Aires, cuya matriculación privada ha aumentado en este mismo período, de un 27,98% en el año 2001 a un 47,93% en el 2013 (Gasparini, Jaume, Monserrat y Vázquez, 2011).

2001

Total

Total, País Ciudad de Buenos Aires

Estatal

Privado

% privado sobre total

4699128 3735696

963432

20,50%

1664227 1198565

465662

27,98%

Tabla 3.0.4 Relación Ciudad de Buenos Aires respecto del total del país año 2001.

(Gasparini, Jaume, Monserrat y Vázquez, 2011)

Dif. en público % Total

Público

Privado

de Aumento

(2012-2013)

pública

privado

-49094

-1,44%

9163

0,77%

501

0,40%

782

0,68%

26,25 Total, País

4563491 3365379 1198112 %

Ciudad de Buenos Aires

47,93 241850

125934

115916

%

Tabla 3.0.5 Relación Ciudad de Buenos Aires respecto del total del país año 2013.

(Gasparini, Jaume, Monserrat y Vázquez, 2011) De esta forma, puede confirmarse una tendencia de incremento de alumnos hacia el sector privado, justificando el interés de aplicar herramientas de planificación a través de los SIG, en de la Ciudad de Buenos Aires. Concepto expuesto por la Figura 3.0.3 ("Clarín: “En el último año se fueron de las escuelas públicas casi 50 mil alumnos” - Chequeado", 2017).

Bárbara R. Constantinidis

UNIGIS América Latina

68

Figura 3.0.3 Alumnos en el sector privado y público. Años 2001 – 2013 ("Clarín: “En el último año se fueron de las escuelas públicas casi 50 mil alumnos” - Chequeado", 2017)

3.1.2. Características de los establecimientos educativos de Nivel Inicial de gestión privada en el área de estudio

La unidad de análisis de la oferta educativa correspondiente al Censo Nacional de Infraestructura Escolar de la Ciudad de Buenos Aires determina un sistema de organización cuya unidad es el predio o lote, donde se implanta cada edificio escolar.

Cada predio recibe un Código Único de Infraestructura (CUI), y cada establecimiento educativo, recibe un Código Único de Establecimiento (CUE). Un edificio con un único CUE puede desarrollar sus funciones en diferentes predios, con diferentes CUI, o bien, estar ubicado en un predio de CUI único. Así como se puede construir más de un edificio, sobre una misma unidad de CUI (Villoldo, et al., 2013). El Censo Nacional de Infraestructura Escolar, ha excluido de su relevamiento, las ofertas educativas de gestión privada, por lo que las mismas no cuentan con la asignación de un CUE. Esta situación representa una limitación en el manejo de la información, siendo que los dichos establecimientos representan más del 50% de las unidades educativas de Educación Inicial.

Bárbara R. Constantinidis

UNIGIS América Latina

69

En el área de la Gestión Privada, y particularmente en el Registro de Instituciones Educativas Asistenciales (RIEA), la Unidad Ejecutora ejerce la fiscalización edilicia, bajo la responsabilidad de tres ministerios: Seguridad, Educación y Justicia, y la supervisión de los establecimientos, bajo el Proyecto Escuelas Seguras, con la presentación de planos y usos educativos de los espacios escolares y planos de habilitación.

La Tabla 3.0.6 designa un código para cada denominación de usos y edades comprendidas para cada situación dentro del Nivel Inicial (Anexo II - Resolución N.º 222-SSEG-SED/05), se destacan en color los códigos 700500, 700510 y 700520, correspondientes al nivel inicial.

Bárbara R. Constantinidis

UNIGIS América Latina

70

Código

Denominación

Edad

700500

Jardín Maternal

700510

Jardín de Infantes

3 años hasta 5 años

700520

Escuela Infantil

45 días hasta 5 años

700040

Escuela Primaria Privada

700050

Escuela de Educación Media

700060

Educación Universitaria y Superior no

45 días hasta 3 años

Universitaria 700070

Institutos Técnicos, Academias, Enseñanza Especializada

700025

Escuela Educación Especial

700030

Escuela con Internado

800305/420

Natatorio

700320

Gimnasio

Tabla 3.0.6 Tabla de Códigos para cada denominación de usos. La edad de los niños se considera al día 30 de junio del año escolar. (Anexo II, Resolución N.º 222-SSEG-SED/05).

El perfil socio demográfico de la población de la Ciudad de Buenos Aires, que asiste a las escuelas de Nivel inicial de gestión privada, corresponde a familias con niños de 45 días a 5 años. Sin embargo, la composición de la población escolar no está completamente sistematizada en la práctica institucional escolar (Villoldo, et al., 2013).

En la Figura 3.0.4, se compara la distribución del sector de Nivel Inicial de la Ciudad de Buenos Aires, respecto de la población total del país, considerando datos desagregados por edades, de los niños provenientes de la CABA o de otros municipios, y las proyecciones demográficas que se disponen desde el año 2010 al 2012, por Comuna y zona.

Bárbara R. Constantinidis

UNIGIS América Latina

71

Figura 3.0.4 Proporción de niños de 0 a 5 años de edad según residencia en la Ciudad Autónoma de Buenos Aires y Total país. Año 2010. Relevamiento Anual 2011. pp. 48.

(Rodríguez Villoldo, Demarco, Gorosito, Nuza, Werefkin, 2013). Fuente: INDEC, Censo Nacional de Población, Hogares y Viviendas 2010.

Según datos recabados en INDEC (2010), la Ciudad de Buenos Aires cuenta con una población total de 197.976 niños de 0 a 5 años, distribuidos en sus 15 comunas administrativas de la siguiente forma:

a) la Comuna 4, comprende los barrios de Nueva Pompeya, Parque Patricios, Barracas y La Boca, concentra cerca del 10% de esta población, b) la Comuna 14, coincidente con el Barrio de Palermo, cuenta con el 7,9%, c) la Comunas 8, que contiene a Villa Riachuelo, Villa Lugano y Villa Soldati, el 7,7%, d) la Comuna 13, Nuñez, Belgrano y Colegiales, el 7,7%.

La Figura 3.0.5 muestra que el 20,6% de los niños menores a 5 años, se ubica en zona norte de la Ciudad de Buenos Aires, el 53,4% en la zona centro y el 23% en zona sur, excluyendo de estos porcentajes a la porción de la población que habita los asentamientos urbanos precarios N.º 13 y 31, denominados Villas de Emergencia.

Bárbara R. Constantinidis

UNIGIS América Latina

72

Figura 3.0.5 Distribución porcentual de la población de 0 a 5 años, según Comuna.

Ciudad Autónoma de Buenos Aires. Año 2010. Pp. 56. (Rodríguez Villoldo, Demarco, Gorosito, Nuza, Werefkin, 2013). Fuente: INDEC, Censo Nacional de Población, Hogares y Viviendas 2010.

Los establecimientos comprendidos dentro del área de estudio se clasifican en dos grupos, que totalizan 733 unidades educativas con las siguientes características (Rodríguez Villoldo, Demarco, Gorosito, Nuza, Werefkin, 2013):

a) Institutos Educativos Incorporados a la Enseñanza Oficial (“A”): Tipo de espacio físico: puede tener edificio propio o bien compartirlo con otros Niveles Educativos (educación primaria, educación de adultos, educación media y educación superior).

Oferta de establecimientos: 473 unidades educativas.

Matrícula (RA2011): 65.588 alumnos.

b) Institutos Educativos Asistenciales no Incorporados a la Enseñanza Oficial (RIEA):

Bárbara R. Constantinidis

UNIGIS América Latina

73

Tipo de espacio físico: son exclusivos del uso de educación inicial y pueden tener edificio propio o alquilado (con las habilitaciones correspondientes).

Oferta de establecimientos: 260 unidades educativas (1730 secciones).

Matrícula (RA2011): 18.680 alumnos.

Bárbara R. Constantinidis

UNIGIS América Latina

74

3.2.

Datos

Se trabaja con datos oficiales de tipo secundario, para la resolución de los diferentes objetivos de estudio. No se ha realizado trabajo de campo para relevamiento de datos primarios. La información proviene de dos tipos de fuentes principales, datos urbanos y datos de establecimientos escolares:

I. Datos urbanos. Fuente: publicaciones web del Gobierno de la Ciudad de Buenos Aires, en formatos CSV y shapefile (Abierto, 2017). En la Tabla ANEXO 1 se exhibe información adicional sobre los datos públicos urbanos utilizados, enunciados a continuación:

a) Comunas: Información geográfica de la locación (perímetro y área) de las comunas de la Ciudad, establecidas a partir de la Ley Orgánica de Comunas (Ley N.º 1777/2005). b) Espacios verdes públicos y privados: Límites y ubicación geográfica de los espacios verdes de la Ciudad (jardín, parque, patio recreativo, plaza, plazoleta, cantero y polideportivo). c) Clubes: Listado de los clubes de barrio de la Ciudad de Buenos Aires. d) Sitios pasibles de anegamiento: Información correspondiente a las calles pasibles de anegamiento por precipitaciones. e) Rampas de accesibilidad: Ubicación de las rampas en la vía pública para personas con movilidad reducida. f) Senderos Seguros: Ubicación y extensión de los Senderos Seguros del programa "Escuelas Seguras". Consiste en caminos alrededor de los colegios que son protegidos y vigilados por la comunidad. g) Ciclovías: Información geográfica de las bicisendas. h) Calles: Referencia geográfica de las calles. La última actualización de este recurso incluye además las referencias a la Red Vial Jerarquizada, como así también la referencia de la traza de Autopistas que recorren la Ciudad de Buenos Aires. i) Colectivos: Recorrido de los colectivos que circulan por la Ciudad de Buenos Aires según información de mapa.buenosaires.gob.ar

Bárbara R. Constantinidis

UNIGIS América Latina

75

j) Metrobús: Estaciones y recorrido del Metrobús. k) Subte - Estaciones: Referencia geográfica de las líneas y estaciones de subte. l) Información Censal por Radio 2010: Set de datos con la información censal de la Ciudad de Buenos Aires, desagregada por radios. m) Censo Nacional de Población, Hogares y Viviendas 2010 – Cartografía (Censo Nacional de Población, Hogares y Viviendas 2010 - Cartografía - dat.ar, 2017) II.

Datos de Establecimientos Escolares.

Fuente: Departamento de Investigación y

Estadística. Unidad de Evaluación Integral de la Calidad y Equidad Educativa, perteneciente al Ministerio de Educación de la Ciudad de Buenos Aires, 2016 y 2017.

Autorizados por Acuerdo de Trabajo Académico.

a) Archivos en formato shapefile de puntos que representan a los establecimientos de Nivel Inicial de gestión privada con el campo CUI, CUE. (Investigación y Estadística. Unidad de Evaluación Integral de la Calidad y Equidad Educativa. Ministerio de Educación de la Ciudad de Buenos Aires, 2016 y 2017).

La base de datos consta de los siguientes atributos:

- Cursos: cantidad de salas/cursos de la escuela - Alumnos: cantidad de alumnos de la escuela - CM: cantidad de salas/cursos de la escuela en turno mañana - AM: cantidad de alumnos de la escuela en turno mañana - CT: cantidad de salas/cursos de la escuela en turno tarde - AT: cantidad de alumnos de la escuela en turno tarde - CE: cantidad de salas/cursos de la escuela en jornada extendida - AE: cantidad de alumnos de la escuela en jornada extendida - CDJ: cantidad de salas/cursos de la escuela en doble jornada - ADJ: cantidad de alumnos de la escuela en doble jornada - Alu2015: cantidad de alumnos al 2015 - Alu2014: cantidad de alumnos al 2014

Bárbara R. Constantinidis

UNIGIS América Latina

76

- EnsReligiosa: si el colegio ofrece esta característica: SI/NO - Bilingüe: si el colegio ofrece esta característica: SI/NO - Sexo: Único o mixto - Cuota: en $ argentinos al 2016

b) Inscripciones Escolares: Información correspondientes a las inscripciones escolares de la Ciudad de Buenos Aires. Formato CSV para 2015 y 2016. (Investigación y Estadística, 2016).

c) Establecimientos educativos: Listado de los establecimientos educativos de la Ciudad.

Incluye ubicación geográfica y datos de contacto.

-

Fuente: Mapa Escolar - Gerencia Operativa de Investigación y Estadística - Dir. Gral. de Evaluación para la Calidad Educativa – Ministerio de Educación del GCBA.

-

Fecha de actualización del dato: enero 2016.

-

Fecha de incorporación: 24/04/2016.

-

Frecuencia de actualización: Anual.

Bárbara R. Constantinidis

UNIGIS América Latina

77

3.3.

Metodología

La metodología para la comprobación de la hipótesis de investigación, consiste en la administración de un conjunto de modelos de geomarketing, seleccionados para el caso de escuelas de nivel inicial de gestión privada, en la Ciudad de Buenos Aires.

Flujograma

El flujograma desarrollado, propone una secuencia de pasos metodológicos, que responde a los objetivos y preguntas de investigación presentados en Capítulo 1.2. Se ordena cronológicamente, y define una serie de procesos de análisis bibliográfico y espacial por medio de la aplicación de SIG, cuyos resultados se muestran a través de tablas comparativas y mapas, respectivamente.

Bárbara R. Constantinidis

UNIGIS América Latina

78

Revisión de la Literatura Preparación de datos Carga de datos georreferenciados, selección y clasificación de atributos

Localización y clasificación establecimientos educativos

Modelo: Kernel density

Definición de la oferta

Modelo gravitacional: Huff y MCI Análisis de Datos espaciales: Zonas de influencia - Distancias

Identificación y análisis de variables

Modelos: Maximización y Análisis Multicriterio

Identificación de áreas potenciales

Análisis bibliográfico:

Comparación de variables según tipo de gestión

Marco Histórico Marco Teórico Marco Metodológico Marco Legal

de

Distribución de consumo

Determinación de condicionantes para aplicar SIG Identificación de políticas públicas favorables a las geotecnologías

Resultados: Elaboración de mapas

Resultados: Elaboración de cuadros comparativos

Conclusiones

Bárbara R. Constantinidis

UNIGIS América Latina

79

3.3.1. Pasos metodológicos Para cada punto expuesto en el flujograma, se detalla la secuencia de pasos metodológicos propuesta, de acuerdo a los objetivos específicos:

i.

Localizar y clasificar de la oferta actual de establecimientos educativos de nivel inicial para la gestión pública y privada en la Ciudad de Buenos Aires, según las modalidades de la enseñanza oficial.

En un primer paso se localizó y clasificó la oferta actual de establecimientos educativos de nivel inicial para la gestión pública y privada en la Ciudad de Buenos Aires, según las modalidades de la enseñanza oficial. Usando ArcGIS, se procesaron los archivos y el listado de las escuelas de la Ciudad, incluyendo ubicación geográfica y datos de contacto.

Se cargó un shape file de puntos de 2857 elementos, ya georreferenciados, que representa a la totalidad de dichos edificios, con los atributos que indican el nivel educativo y tipo de dependencia de gestión, tomado de Mapa Escolar para la Ciudad de Buenos Aires.

A través de los diferentes recursos de selección por atributos y generación de un nuevo layer en base a la selección, se generaron las capas que permitieron analizar la composición de la oferta educativa y clasificarla. Luego de calcular los establecimientos que contienen oferta de nivel inicial, se realizó una clasificación de acuerdo al tipo de dependencia funcional, aislando los correspondientes a la Dirección General de Gestión Privada de la Ciudad de Buenos Aires. Por selección inversa se desagregó el resto de los establecimientos, considerándolos globalmente como públicos.

En un segundo análisis, se cargó el archivo shapefile provisto por el Ministerio de Educación II.a), con una selección equivalente y actualizada al año 2016, realizada por dicha dependencia, que totaliza 488 establecimientos. De este archivo, se clasificaron los establecimientos de acuerdo a los niveles que en cada caso acompañan al nivel inicial.

Bárbara R. Constantinidis

UNIGIS América Latina

80

Se realizaron dos mapas para ilustrar el proceso. El Mapa 3.0.1 describe la cantidad de establecimientos totales e identifica la cantidad de establecimientos que contienen el nivel inicial. El Mapa 3.0.2 muestra las escuelas de nivel inicial de gestión pública y las escuelas de nivel inicial de gestión privada, indicando las cantidades totales para grupo de según su tipo de gestión.

El resultado esperado es una clasificación de los establecimientos de gestión privada, que ofrecen nivel inicial únicamente o combinado con otros niveles modales, con sus cantidades totales según tipo de oferta educativa.

Bárbara R. Constantinidis

UNIGIS América Latina

81

Mapa 3.0.1 Establecimientos educativos de nivel inicial sobre establecimientos educativos totales de la Ciudad de Buenos Aires. Fuente: (INDEC, 2010). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

82

Mapa 3.0.2 Establecimientos educativos totales de la Ciudad de Buenos Aires, organizados según su tipo de gestión. Fuente: (INDEC, 2010). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

83

ii.

Analizar la distribución de la población entre 45 días y 5 años que asiste a escuelas de nivel inicial de gestión privada en la Ciudad de Buenos Aires según datos estadísticos vigentes.

En el primer paso, se realizó una selección de la población de niños entre 0 y 4 años, que conforman el primer corte quinquenal del Censo 2010, correspondiente al alumnado típico para el área de estudio. Para evaluar la información de datos socioeconómicos de actividad y empleo, se utilizó una aplicación de uso libre y gratuito provisto por INDEC, denominada Redatam+SP, CEPAL/CELADE. Cabe aclarar que si bien el nivel inicial admite a niños de 5 años, según los cortes censales, esta edad queda excluída de la categoría de primer corte.

Luego, se utilizó ArcGIS, para cargar un archivo con polígonos que representan a las 15 comunas administrativas de la Ciudad de Buenos Aires y sus datos demográficos. La tabla de atributos contiene los siguientes campos:

i. Barrios: Nombre de los barrios contenidos en cada comuna ii. Perímetro: dato en metros lineales iii. Area: Dato de superficie en m² iv. Comunas: numero de cada comuna, del 1 al 15 La Tabla 3.0.7 muestra la distribución de la población total y por edades de 0-4 años para cada comuna de la Ciudad de Buenos Aires, con su valor porcentual de niños de esta selección, sobre total de la población y la Figura 3.0.6 muestra un gráfico de barras por Comuna. Por su parte la Tabla 3.0.8 ofrece los datos para realizar un análisis de la población con acceso a educación privada, según composición socioeconómica de la población y tasa de empleo por comuna (INDEC, 2010).

Bárbara R. Constantinidis

UNIGIS América Latina

84

Base de datos Censo de Población, Hogares y Viviendas 2010 Título Distribución por Edades Código

02001 02002 02003 02004 02005 02006 02007 02008 02009 02010 02011 02012 02013 02014 02015

Departamento / Partido

Comuna 01 Comuna 02 Comuna 03 Comuna 04 Comuna 05 Comuna 06 Comuna 07 Comuna 08 Comuna 09 Comuna 10 Comuna 11 Comuna 12 Comuna 13 Comuna 14 Comuna 15

Total

205.886 157.932 187.537 218.245 179.005 176.076 220.591 187.237 161.797 166.022 189.832 200.116 231.331 225.970 182.574

Total seleccionado

11.669 6.220 9.889 15.589 9.006 9.095 14.368 16.754 10.091 9.242 9.899 11.321 12.023 10.662 9.810

Porcentaje

5,67 3,94 5,27 7,14 5,03 5,17 6,51 8,95 6,24 5,57 5,21 5,66 5,20 4,72 5,37

INDEC - CENSO NACIONAL DE POBLACION, HOGARES Y VIVIENDAS 2010 Procesado con Redatam+SP, CEPAL/CELADE

Tabla 3.0.7 Distribución de la población por edades de 0-4 años para la Ciudad de Buenos Aires. (INDEC, 2010). Procesado con Redatam+SP, CEPAL/CELADE. Elaboración propia.

Figura 3.0.6 Gráfico de Distribución de la población por edades de 0-4 años para la Ciudad de Buenos Aires. (INDEC, 2010). Procesado con Redatam+SP, CEPAL/CELADE. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

85

Base de datos Censo de Población, Hogares y Viviendas 2010 Título Empleo Código

02001 02002 02003 02004 02005 02006 02007 02008 02009 02010 02011 02012 02013 02014 02015

Departamento / Partido

Comuna 01 Comuna 02 Comuna 03 Comuna 04 Comuna 05 Comuna 06 Comuna 07 Comuna 08 Comuna 09 Comuna 10 Comuna 11 Comuna 12 Comuna 13 Comuna 14 Comuna 15

Tasa de Actividad

Tasa de Empleo

71,58 69,43 71,17 67,52 71,26 70,61 67,79 63,75 64,78 67,04 67,83 69,31 70,83 71,77 71,27

74,98 72,14 74,36 71,41 74,22 73,17 71,06 68,22 68,33 70,22 70,69 72,15 73,24 74,38 74,18

Tasa de Desocupación

4,54 3,76 4,28 5,45 3,99 3,51 4,61 6,55 5,20 4,53 4,04 3,94 3,30 3,51 3,93

INDEC - CENSO NACIONAL DE POBLACION, HOGARES Y VIVIENDAS 2010 Procesado con Redatam+SP, CEPAL/CELADE

Tabla 3.0.8 Tasa de actividad, empleo y desocupación de la población para la Ciudad de Buenos Aires. (INDEC, 2010). Procesado con Redatam+SP, CEPAL/CELADE. Elaboración propia.

El segundo paso, consistió en trabajar con ArcGIS, generar y cargar una tabla de datos externa realizada en excel, con los datos de la población total, la población de niños de 0 a 4 años y la de tasa de empleo, para las 15 Comunas de la Ciudad de Buenos Aires. Con la operación denominada joins and relates, se formaliza la unión entre la nueva tabla y la tabla correspondiente al shapefile de polígonos de comunas, para realizar posteriormente operaciones de clasificación, utilizando valores enteros, en 5 clases.

El Mapa 3.0.3 expresa los datos de la población total por comuna, y el Mapa 3.0.4, expone los datos de la población de niños en etapa de educación inicial. En ambos casos se han utilizado valores enteros, por comuna. Finalmente, el Mapa 3.0.5 expresa los datos referidos a la tasa de empleo, medida en porcentaje por comuna, con dos

Bárbara R. Constantinidis

UNIGIS América Latina

86

decimales. Esta variable fue elegida para evaluar los niveles de accesibilidad al consumo de educación privada, en la Ciudad de Buenos Aires.

En los mapas 3.03 y 3.04, la primera columna de la referencia representa la cantidad de habitantes, mientras que en el mapa 3.05 se indica el valor de la tasa de empleo, ordenados en sentido ascendente. En los tres mapas, la segunda columna expresa el número de la comuna a la que corresponden los datos individualmente, separados por un signo de coma.

Posteriormente, en los mapas 4.02, 4.03 y 4.04 del capítulo 4, se realiza una clasificación de estos mismos datos, simplificando las categorías en 5, considerando una selección de tonos admisibles de ser identificados visualmente.

Bárbara R. Constantinidis

UNIGIS América Latina

87

Mapa 3.0.3 Población total por Comuna en la Ciudad de Buenos Aires. Fuente: (INDEC, 2010). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

88

Mapa 3.0.4 Población total de niños de 0 a 4 años, por Comuna en la Ciudad de Buenos Aires. Fuente: (INDEC, 2010). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

89

Mapa 3.0.5 Tasa de empleo por Comuna en la Ciudad de Buenos Aires. Fuente: (INDEC, 2010). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

90

iii.

Definir el conjunto de variables que caracteriza el comportamiento de la demanda para el sistema educativo privado de nivel inicial en la Ciudad de Buenos Aires.

En primer lugar, se relevó información específica de la oferta educativa por institución, la cual fue provista por el Ministerio de Educación, a través de una tabla georreferenciada que contiene los siguientes atributos:

i.

AM: cantidad de alumnos de la escuela en turno mañana

ii.

AT: cantidad de alumnos de la escuela en turno tarde

iii.

AE: cantidad de alumnos de la escuela en jornada extendida

iv.

ADJ: cantidad de alumnos de la escuela en doble jornada

v.

Enseñanza Religiosa: si el colegio ofrece esta característica: SI/NO

vi.

Bilingüe: si el colegio ofrece esta característica: SI/NO

vii.

Sexo: Único o mixto

viii.

Cuota: en $ argentinos al 2016

Para cada situación, se realizó una clasificación previa de atributos en clases en forma manual. Luego se aplicó la herramienta de Densidad Kernel, con ArcGIS, que permite definir la mayor concentración de eventos para cada categoría de datos, obteniendo un elemento de tipo ráster con valor de magnitud por unidad de área. Se realizó un conjunto de mapas para describir la densidad con la que se distribuye la oferta educativa.

Para el análisis de la cuota mensual al 2016, se realizó una clasificación manual en 3 clases, con cortes en $3000, y $9000. El Mapa 3.0.6 muestra la distribución de las escuelas privadas de nivel inicial de la Ciudad de buenos Aires, según estas 3 categorías de valor, expresado en pesos argentinos. En todos los casos, el valor entre paréntesis indica la cantidad de escuelas correspondientes a cada categoría.

Bárbara R. Constantinidis

UNIGIS América Latina

91

Mapa 3.0.6 Localización de la oferta de establecimientos de gestión privada de nivel inicial, según el valor de su cuota. Fuente: (Ministerio de Educación de la Ciudad de Buenos Aires, 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

92

iv.

Evaluar cómo incide el cumplimiento de las normativas de edificación y condiciones urbanas vigentes, siendo variables de atracción dentro de un modelo gravitacional de geomarketing para las escuelas de nivel inicial de gestión privada en la Ciudad de Buenos Aires.

Para resolver este objetivo, se identificó un conjunto de variables significativas del edificio escolar y su entorno inmediato de influencia. Se analizó la información asociada a cada establecimiento correspondiente al nivel inicial de gestión privada en la Ciudad de Buenos Aires, a partir de tres tipos de datos:

a) superficie construida asignada al uso educativo b) indicadores de seguridad escolar del edificio ecolar c) elementos del entorno urbano, en el área de influencia inmediata de cada escuela

En la primera categoría, se realizó un búsqueda por dirección postal, a través de los datos web abiertos disponibles en el Mapa Interactivo de la Ciudad de Buenos Aires y se cargó manualmente el resultado de superficie construida por parcela, para las 488 escuelas privadas de nvel inicial de la Ciudad de Buenos Aires, ya georreferenciadas. Luego agregaron tres columnas de información a la base de datos original:

a) AREA_TOTAL: superficie de la parcela b) AREA_CUB: superficie del edificio. No se dispone la superficie de uso educativo, que puede no coincidir con la superficie construida total del edificio. c) PISOS_WEB: pisos sobre rasante. Si el valor es igual a cero, se trata de un terreno baldío, libre de construcción alguna.

Para los casos en los que el sistema arrojó un valor de pisos sobre rasante igual a cero, se dividió el valor de metros cubiertos del edificio sobre el valor de superficie de parcela, para obtener un resultado estimado de cantidad de pisos edificados.

Bárbara R. Constantinidis

UNIGIS América Latina

93

La Tabla 3.0.9 muestra la organización de los atributos de trabajo, donde se listan las 10 escuelas de mayor superficie, a modo representativo.

OBJECTID

AREA_TOTAL

AREA_CUB

PISOS_WEB

PISOS_SRASANTE

481

4312

62166

15

15

213

4312

62166

15

15

531

13542

39426

10

10

2087

35215

35215

3

3

28

7998

32057

15

15

648

13954

27382

5

5

1640

14891

22730

4

4

1641

14891

22730

4

4

277

7988

21827

4

4

2535

2078

20335

12

12

Tabla 3.0.9 Información de superficie, seleccionada a partir de los 10 edificios de mayor área cubierta, designada al uso educativo, conteniendo Nivel Inical, en la Ciudad de Buenos Aires. Elaboración propia.

La tabla completa fue analizada con ArcGIS, para obtener resultados estadísticos de sus datos, habiendo agregado los atributos de superficie, a la localización geográfica de las escuelas. En la segunda categoría, se valoró el atributo denominado EstadoEESS, que indica el estado de trámite de las presentaciones de documentación hacia la Oficina de Escuela Segura. Este dato fue aportado por DGEGP, a través de la oficina de Mapa Escolar, dependiente del Ministerio de Educación. Esta información es de tipo administrativo, lo que no implica que el edificio efectivamente cuente con las condiciones arquitectónicas de escuela segura que exige la normativa vigente o que se declaran en el trámite presentado.

Se desestimó la posibilidad de analizar otras variantes tales como la capacidad funcional y las condiciones de accesibilidad para personas con movilidad reducida de estas escuelas, por no existir información suficiente, actualizada y ya sistematizada por el Ministerio de Educación. De acuerdo con el estado de trámite, se consideraron las siguientes categorías: Bárbara R. Constantinidis

UNIGIS América Latina

94

a) Aprobado b) Debe presentar corrección c) Pendiente de revisión d) #N/A: No se cuenta con datos La Tabla 3.0.10 muestra la configuración de la tabla de trabajo, donde se listan a modo representativo y en forma aleatoria, 10 escuelas con diferente estado de cumplimiento ante las condiciones de Seguridad Escolar al año 2016. La tabla completa fue analizada con ArcGIS, para obtener resultados estadísticos de sus datos, habiendo agregado los atributos de superficie, a la localización geográfica de las escuelas.

OBJECTID EstadoEESS 1914 Debe presentar corrección 1737 1959 2031 Pendiente de revisión 1738 534 Debe presentar corrección 1822

#N/A

535

#N/A

2053

#N/A

654 Aprobado 531

#N/A

364 Debe presentar corrección 365

#N/A

537

#N/A

538

#N/A

927

#N/A

928 Aprobado 1915 Pendiente de revisión

Tabla 3.0.10 Información de Estado de cumplimento ante presentaciones de documentación ante Escuela Segura, para 10 escuelas de Nivel Inical, en la Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

95

Para la tercera categoría de datos, se consideraron los elementos urbanos ubicados en el área de influencia primaria o inmediata de las escuelas, a partir de los datos abiertos publicados por el Gobierno de la Ciudad de Buenos Aires, detallados en el Anexo I.

Se aplicaron herramientas de análisis espacial, especialmente el concepto de buffer, y se realizaron operaciones espaciales básicas aplicando funciones de distancia. Para la accesibilidad inmediata se generó un buffer de 100 Mt., y para los otros análisis, se definió un alcance de 500 Mt. como distancia máxima admisible en un recorrido peatonal con un niño de menos de 5 años.

a) Accesibilidad peatonal: rampas en veredas Se realizó un buffer de 100 Mt. alrededor de cada escuela, se aplicó una operación de spatial join con el shapefile de puntos correspondiente a las rampas, la operación Select

by Location para identificar y cuantificar las escuelas que cuentan con rampas de accesibilidad para discapacitados sobre sus veredas, en la Ciudad de Buenos Aires.

b) Accesibilidad vehicular (transporte público) Para analizar la accesibilidad vehicular se realzó un buffer de 500mt desde la dirección de cada Escuela y se realizó un spatial join con los datos de estaciones de subte, metrobus y líneas de colectivos de la Ciudad de Buenos Aires, provistos por Ministerio de Modernización. Se analizaron los datos resultantes con ArcGIS para determinar si todos los establecimientos educativos que ofrecen nivel Inicial de gestión privada en la Ciudad de Buenos Aires, están servidos por la red de transporte público, en un área de influencia accesible en forma peatonal. Con estos recursos también se definen categorías para conocer cuáles son los que tienen mayores alternativas de utiliar estos servicios. Se desarrolló un mapa temático para cada tipo de servicio de transporte.

Bárbara R. Constantinidis

UNIGIS América Latina

96

c)

Áreas verdes accesibles peatonalmente desde las escuelas

Para estudiar la accesibilidad de cada escuela a áreas verdes urbanas, en forma peatonal, se consideró el mismo buffer de 500 mt. tomado desde cada establecimiento, y se realizó un spatial join de dicho buffer con el shapefile de espacios verdes públicos y privados, provisto por el Ministerio de Modernización de la Ciudad de Buenos Aires.

Se analizaron los datos resultantes con ArcGIS, generando un mapa para cada análisis de acuerdo al tipo de gestión de sus espacios verdes, y luego se aplicaron operaciones de selección y geoprocesamiento, para calcular la existencia de escuelas que no presentan ningún espacio recreativo en un área de influencia de 500 mt., e identificar su localización, generando un tercer mapa con este resultado.

d) Clubes Para estudiar la disponiblidad de clubes, en un área de influencia de acceso peatonal, se trabajó con el buffer de 500 mt. generado desde la dirección de cada escuela, y se repitió el procedimeinto de spatial join con el shapefile de puntos correspondiente a los 290 clubes de la Ciudad de Buenos Aires, descargados de la base de datos abiertos del Ministerio de Modernización de la Ciudad de Buenos Aires. Se analizaron los datos obtenidos con ArcGIS, creando un mapa de resultados e identificando si existen escuelas que no tengan cercanía con establecimeintos de tipo recreativo social, en una distancia de acceso peatonal.

e) Seguridad: existencia de senderos seguros en los trayectos hacia y desde el colegio El análisis de los senderos seguros, se realizó utilizando los datos abiertos provistos por el Ministerio de Justicia y Seguridad (MJYSGC) - Subsecretaría de Prevención del Delito Dirección General de Diagnóstico y Diseño de Políticas de Intervención Temprana de la Seguridad, aplicando procedimientos similares a los de los puntos anteriores, también

Bárbara R. Constantinidis

UNIGIS América Latina

97

con buffers de 500 Mt. y utilizando las herramientas disponibles en ArcGIS. Los resultados se graficaron en un mapa temático, determinando la situación de las escuelas en cuanto a la existencia de corredores seguros en los trayentos próximos recorridos a pie.

f) Áreas de anegamiento por inundaciones Se trabajó con un conjunto de polígonos vectoriales georreferenciados, provistos por el Ministerio de Justicia y Seguridad, los cuales fueron analizados con ArcGIS, aplicando herramientas de geoprocesamiento para determinar su relación con el área de influencia peatonal de las escuelas privadas que ofrecen nivel inicial en la Ciudad de Buenos Aires, mostrando sus resultado a través de un mapa temático.

Bárbara R. Constantinidis

UNIGIS América Latina

98

v.

Determinar si a través de los modelos de análisis espacial asociados al geomarketing, se pueden identificar áreas potenciales, para adecuar la oferta de educación escolar de nivel inicial en el sector privado, de acuerdo al estado actual, en la Ciudad de Buenos Aires.

A partir de la información procesada previamente, se aplicaron modelos de análisis espacial, con el software ArcGIS. Primero se diseñó una malla de puntos de orígenes de consumo, que representa a los potenciales consumidores de escuelas privadas de nivel inicial en la Ciudad de Buenos Aires, siendo que no se dispone de un registro exacto de los consumidores reales por escuela. Para ello se usó la herramienta Fishnet. El Mapa 3.0.7 muestra los 820 puntos resultantes, con una distancia de 500 metros entre orígenes.

Se asoció a cada punto con atributos de tipo demográfico y económico por comuna, incluyendo el total de la población, total de niños en la etapa de educación de nivel incial y tasa de empleo. Se usó la operación Spatial Join de ArcGIS, relacionada al shapefile de comunas. La Tabla 3.0.11 ejemplifica la forma en la que se organizaron los datos mencionados, para una selección de puntos de origen.

FID 655 656 657 536 537 564 707 329 330 331 110 111 260 261 292

COMUNAS 1 1 1 2 2 2 2 3 3 3 4 4 5 5 5

TOTAL_POBL 205886 205886 205886 157932 157932 157932 157932 187537 187537 187537 218245 218245 179005 179005 179005

SELECC_POBL_0-4 11669 11669 11669 6220 6220 6220 6220 9889 9889 9889 15589 15589 9006 9006 9006

TASA DE EMPLEO 71,58 71,58 71,58 69,43 69,43 69,43 69,43 71,17 71,17 71,17 67,52 67,52 71,26 71,26 71,26

Tabla 3.0.11 Información de una selección de puntos de origen de consumo, asociada a sus datos demográficos. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

99

Mapa 3.0.7 Malla representativa de los puntos de consumo de educación de nivel inicial.

Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

100

Luego se trabajó con las variables edilicias, urbanas y de seguridad, para escuelas de nivel inicial de gestión privada de la Ciudad de Buenos Aires.

a) superficie construida asignada al uso educativo b) indicadores de seguridad escolar del edificio ecolar c) elementos del entorno urbano, en el área de influencia inmediata de cada escuela

Para la primera categoría de datos de superficie cubierta en m², se aplicó el modelo Gravitacional de Huff y se compararon los resultados de procesar los datos con dos formas de calibración diferentes. Al determinar los Store Locations a estudiar, se aplicó una selección de las 85 escuelas que ofrecen exclusivamente nivel inicial de gestión privada, sin compartir este uso con otros niveles educativos en un mismo edificio. Para todos los casos, se consideró que el Store Name Field corresponde al nombre abreviado de la escuela, provisto por el Ministerio de Educación. Cabe aclarar que para que la carga de datos resulte válida, cada nombre debe ser único. En cuanto al Store Atractiveness Field, se ha utilizado la superficie cubierta edilicia, expresada en metros cuadrados, y el polígono de comunas de Ciudad de Buenos Aires representa el campo Study Area.

En el bloque de configuración para Distance Calculation, no se adoptó ninguna restricción y se aceptó Generate Probability Surfaces, optativa para la herramienta. En este primer caso, no se cargó un conjunto de datos de Origin Locations ni Sales Potencial, dejando que sea la misma herramienta de ArcGIS, la que determine un conjunto de puntos de origen de consumo.

El segundo caso, consistió en cargar el conjunto de 820 puntos de origen generados previamente con la herramienta fishnet de ArcGIS, representando Origin Locations, y dado que no se dispone de los datos cuantitativos reales de consumo, se asignó el dato de demográfico de selección de población de 0 a 4 años como Sales Potencial y luego se comparó el resultado de reemplazar Sales Potencial con el valor de tasa de empleo. En estos dos casos los valores son por comuna y el resto de los parámetros, se conservaron.

Bárbara R. Constantinidis

UNIGIS América Latina

101

Para determinar áreas potenciales de consumo de escuelas de nivel inicial de gestión privada en la Ciudad de Buenos Aires, se aplicaron operaciones de análisis espacial con ArcGIS, a partir de la selección de 85 escuelas que ofrecen nivel inicial en forma exclusiva, y de los 488 establecimientos que comparten esta actividad con otros niveles educativos.

En ambos casos, se generó un buffer de 500 mt de cada punto del conjunto, y luego se utilizó la operación Symmetrical Difference para calcular las áreas de comunas sin cobertura educativa, en un radio de acceso peatonal de 500 mt. Luego se procedió a descartar las superficies correspondientes a áreas verdes, o especiales o de equipamiento ya existentes en la ciudad, se incorporaron datos de zonificación del Código de Planeamiento Urbano de la Ciudad de Buenos Aires, definiendo un área potencial más precisa. Como último paso, se aplicó una unión espacial de los datos, para organizarlos de acuerdo a los barrios y las comunas de pertenencia, generando una tabla de resultados de superficies en m² y dos mapas.

Para evaluar las áreas potenciales, y comparar las posibilidades de localizar nuevas escuelas en las mismas, se utilizó la herramienta de cálculo de estadísticas con ArcGIS y se seleccionaron los polígonos que ofrecen las mayores posibilidades de emplazamiento en función de la superficie vacante, medida en m². Luego se calcularon sus centros gravitatorios y se propusieron nuevos edificios, para ser evaluados con Huff como potenciales. Se aplicó la misma herramienta, solamente sobre las comunas de pertenencia de los puntos, y se compararon los resultados de las modalidades de puntos aleatorios o de una malla sopesada con la tasa de empleo.

Se elaboró una tabla

comparativa de los 3 nuevos edificios para cada caso y el mapa de selección de zonas potenciales.

Para trabajar las variables de seguridad edilicia, se utilizó el modelo de interacción espacial MCI, explicado en el Capítulo 2, punto 2.3.4. Se trabajó sobre las tres áreas de influencia de mercado determinadas en el caso anterior y las tres nuevas escuelas ubicadas en su centro gravitacional. Para cada área se identificó un conjunto de puntos de origen de consumo y se calcularon las distancias de estos puntos de origen en relación a las escuelas existentes y a las nuevas escuelas. Se utilizó ArcGIS para trazar un área de

Bárbara R. Constantinidis

UNIGIS América Latina

102

influencia inmediata, intermedia y máxima para cada una de las tres escuelas y los resultados se extrajeron utilizando las funciones estadísticas de las tablas de atributos obtenidas. Para la zona seleccionada, se analizan las siguientes variables:

a) área cubierta en m², b) nivel de seguridad, en una escala de 1 a 4 según los valores de cumplimiento ante la normativa previamente determinados, c) valor de ventas, medidas en cantidad de alumnos multiplicada por la cuota mensual en pesos argentinos.

Para cada uno de los atributos utilizados en la fórmula MCI, se aplicó un criterio de normalización de valores en función del máximo de la columna correspondiente. Para evitar problemas algebraicos, en el cálculo de MCI, se utilizaron valores normalizados entre 1 e 100.

El paso siguiente consistió en utilizar la herramienta Near Table con distancias en metros, a partir de todos los puntos de origen de consumo, originalmente generados con la herramienta Fishnet y aplicando la operación clip en el área de estudio, para todos los destinos de Escuelas de la zona A. A esa distancia se la denominó Distancia Origen Destino. DIST_OD y utilizando a operación Join, se llevaron los atributos normalizados de las escuelas hacia la tabla creada con Near Table. A continuación, se creó un campo para el numerador MCI de Near Table, se aplicó su fórmula y se generó el cálculo del denominador de MCI, donde la cantidad de denominadores obtenida es igual a la cantidad de orígenes. Finalmente se obtuvo el valor de MCI final, dividiendo el numerador por el denominador. Para estas operaciones, es necesario aplicar también las operaciones Join de tablas.

Para verificar los resultados parciales de estos procedimientos, se aplicaron las funciones matemáticas de la tabla de atributos, siendo la sumatoria de todos los MCI para un mismo valor de punto de consumo =1. A continuación se eligieron las dos escuelas más cercanas con respecto a la nueva escuela propuesta, y se aplicó una graduación de la

Bárbara R. Constantinidis

UNIGIS América Latina

103

simbología, apreciando las mayores concentraciones de valores de MCI para cada caso.

Luego se analizó el potencial de atracción de la nueva escuela proyectada, para lo que se calculó su MCI. Para ello se trabajó con las mismas variables utilizadas para sus dos escuelas más próximas. Se determinaron valores de atributos, a partir de una evaluación de los valores de los que resultaron sus competidores principales.

Se repitieron los mismos procedimientos descriptos anteriormente para determinar el valor MCI de la nueva escuela y se recalcularon los valores de las escuelas próximas, incorporando la existencia del nuevo competidor de mercado educativo en la zona. Se realizaron dos mapas de resultados, comparando la situación inicial y el escenario con la escuela incorporada.

Tomando la base de información analizada en los puntos anteriores, se aplicaron modelos de Maximización y Multicriterio, basados en operaciones básicas de análisis espacial con funciones de distancia, explicados en el Capítulo 2, punto 2.3.4.

Se aplicaron las

herramientas de ArcGIS, Near Dist para analizar la relación entre los alumnos representados en cada punto de origen de consumo con las escuelas que les corresponden a nivel comunal. Se trabajó con los puntos de ubicación específica de las escuelas (centroides) y con los centros de distribución de la masa, entendida como su superficie de uso expresada en m² y la cuota mensual.

Finalmente, se elaboró una verificación de zonas potenciales aplicando una metodología diferente, para lo que se optó por un modelo de análisis Multicriterio. Se aplicaron los pasos explicados en el Cap. 2. Punto 2.2.4. Modelos de Geomarketing para Educación. Se trabajó sobre las comunas 9, 10 y 11 de la Ciudad de Buenos Aires, y para determinar áreas potenciales, se aplicó un proceso de variables externas con asignación de pesos, respetando los elementos condicionantes urbanos ya analizados.

Se utilizó ArcGIS para descargar y analizar los archivos de trabajo con Arc Catalog y ArcMap, respectivamente. Para valorar el peso de cada variable, se utilizó la herramienta distancia euclidiana de la extensión Spatial Analyst. Las variables consideradas de

Bárbara R. Constantinidis

UNIGIS América Latina

104

influencia positiva en función de la cercanía son: clubes, estaciones de Metrobús, subte, espacios verdes públicos y privados. Se definió una situación de exclusión para las zonas anegadas por lluvias y una condición inversa de distancia respecto de la existencia de otras escuelas privadas de nivel inicial, ya que operan como competidores en el mercado educativo y abarcan un área de captación de consumidores en las comunas analizadas.

Una vez generadas las capas ráster resultantes del análisis de distancia euclidiana para cada variable, se aplicó la herramienta de reclasificación en 10 clases y se invirtió el orden de las capas necesarias, de forma tal que 1 resulte la situación de peso menos conveniente y 10 corresponda a la más apropiada. Los lugares más cercanos a los elementos considerados como positivos fueron reclasificados como altos, desde 10, decreciendo hacia 1 al alejarse. Para ello se aplicó la opción Reverse New Values.

Se estableció la condición de que la nueva escuela esté lejos de las áreas de anegamiento y de las escuelas existentes, por lo que en estos casos las distancias cercanas adoptaron valor desde 1 a 10 a medida que se alejan de zonas negativas. Para estos casos no se requiere invertir el orden y se puede aplicar la opción de exclusión en el caso de zonas inundables.

Finalmente, se utilizó la herramienta Weighted Overlay, para realizar el cálculo sopesado de las variables previamente ponderadas, configurando la asignación de porcentajes de influencia para el análisis de distancias reclasificadas de cada variable. Con las herramientas de clasificación, y la función condicional Con, se evaluaron las zonas más propicias para la implantación de la nueva escuela. Este resultado, se expone en el capítulo 4 y ofrece un mapa de áreas deseables para la construcción de la nueva escuela y de desestimación de las zonas negativas, que puede compararse con la evaluación de zonas potenciales previamente determinada.

Bárbara R. Constantinidis

UNIGIS América Latina

105

vi. Especificar si las variables de análisis para el sector privado difieren respecto de las que corresponden al sector público.

En primer lugar, se realizó una evaluación de los antecedentes históricos desde la visión de los autores analizados en el marco teórico, sobre el ámbito de la Ciudad de Buenos Aires, y una selección de variables para establecimientos de nivel inicial, organizados según tipo de gestión. Con esta información se diseñó una tabla organizada según los criterios con los que se evalúan institucionalmente las actividades desarrolladas por las escuelas de nivel inicial, de acuerdo al tipo de gestión pública o privada, indicando las fuentes correspondientes.

Posteriormente, se diseñó una segunda tabla comparativa de las actividades que ofrecen estas mismas escuelas. Estos criterios surgen de las prefencias de consumo de servicios educativos ofrecidos en la actualidad, para el nivel inicial de la Ciudad de Buenos Aires, según tipo de gestión. Ambas tablas de resultados finales se exhiben en el Cap. 4.

Bárbara R. Constantinidis

UNIGIS América Latina

106

vii. Reconocer los factores positivos y negativos, que condicionan actualmente a los responsables de escuelas de nivel inicial de gestión privada de la Ciudad de Buenos Aires, para integrar herramientas SIG en la toma de decisiones, a través de geomarketing.

Se evaluaron los antecedentes históricos de aplicación modelos de SIG, aptos para la planificación del sector educativo en la Ciudad de Buenos Aires, detallados en el Capítulo 2, puntos 2.2.2. y 2.2.3.

Se realizó una clasificación de factores de influencia positivos y negativos, y se diseñó una tabla síntesis con los siguientes datos.

i. Disponibilidad de una plataforma de consulta:

El Mapa Escolar, ("Mapa de

establecimientos", 2017), a cargo del Sistema de Información Geográfica de Educación (SIGE) de la Ciudad, Ministerio de Educación, presenta una herramienta que facilita la consulta los edificios escolares por comuna y barrio (Registro de Edificios Escolares de Gestión Estatal, 2015) y ofrece en forma estimativa, el número de alumnos que puede recibir cada edificio educativo dependiente del Ministerio de Educación del Gobierno de la Ciudad, en función de su capacidad (Capacidad de la Infraestructura Escolar, 2015).

ii. Disponibilidad de software: En la Ciudad de Buenos Aires, las escuelas pueden acceder a programas de código abierto y aplicaciones de software comercial en línea con acceso gratuito, para elaborar sus propios análisis.

iii. Capacitación de los recursos humanos: Actualmente para la Ciudad de Buenos Aires, existe una amplia oferta de servicios de capacitación sobre utilización de herramientas SIG. Las instituciones educativas que incorporan geotecnologías a sus procesos comerciales, necesitan capacitar al personal afectado a estas tareas, y re organizar sus estructuras organizacionales.

107

iv. Información disponible: En la Ciudad de Buenos Aires, la información abierta no exhibe estudios de localización que involucren indicadores socioeconómicos, atributos funcionales, ni características edilicias de las escuelas. Los datos se limitan a dar a conocer las coordenadas de localización de dichos establecimientos, clasificados según nivel educativo y tipo de gestión.

v. Integración de datos públicos con privados: Para la Ciudad de Buenos Aires, aún no se encuentra totalmente integrada, la información estadística proveniente del sector privado, con los datos de escuelas públicas.

Bárbara R. Constantinidis

UNIGIS América Latina

108

viii. Identificar las acciones que el Gobierno de la Ciudad de Buenos Aires ha promovido en los últimos 10 años, a través de sus políticas educativas, con consecuencias positivas sobre la aplicación de geotecnologías en la gestión privada.

Se identificaron accciones orientadas a la promoción de procesos de gestión espacial de la información educativa, que surgen de la información relevada y expuesta en el Capítulo 2, punto 2.2.3., a nivel nacional y comparativamente, para la escala local en la CABA. Se analizaron las siguientes fuentes:

i.

IDERA: Gobierno Electrónico y libre acceso a la información, ("IDERA - Inicio", 2017).

Publica un servicio referido a datos sobre Jardines de Infantes y Maternales que corresponden al sector de gestión estatal y privada. Información no accesible.

ii.

Programa Nacional Mapa Educativo: Ministerio de Educación de la Nación, con el aporte de los Mapas Educativos Provinciales de las 23 provincias y de la Ciudad Autónoma de Buenos Aires. Proyecto actualmente sin funcionamiento. Base de datos no accesible.

iii.

Proyecto Mapa Escolar. Investigación y Estadística. Unidad de Evaluación Integral de la calidad y equidad educativa. Ministerio de Educación de la Ciudad de Buenos Aires.

Actualmente en proceso de desarrollo. La base aún no está activa para ser accedida y consultada por las escuelas, a través de alguna aplicación relacionada con SIG.

Luego se elaboró un cuadro comparativo, que se expone en el Capítulo 4, donde se indican los principales programas y proyectos, la escala de alcance y nivel de accesibilidad.

Bárbara R. Constantinidis

UNIGIS América Latina

109

3.4.

Software:

Se utilizó el software software ArcGIS® 10.4.1, desarrollado por la firma ESRI, cuyo concepto de geomarketing, recibe el nombre comercial de Location Analytics for Marketing & Retail.

Sus extensiones y herramientas aplican las estrategias de crecimiento comercial, con el objetivo de mejorar la competitividad con análisis de posicionamiento de mercado.

Este programa es de carácter comercial. La versión Desktop requiere la contratación de ArcInfo, y su versión ArcGIS on-line también permite ejecutar herramientas de análisis espacial y comercial, algunas de las cuales pueden accederse en forma gratuita. A continuación, se describen las principales características de las extensiones y herramientas utilizadas en este trabajo de investigación. Se indican cuáles son las que no han sido seleccionadas para este trabajo y corresponden al área geomarketing.

Para enunciar los recursos, se adopta el criterio de menor a mayor complejidad, requerimientos técnicos y costos:

Bárbara R. Constantinidis

UNIGIS América Latina

110

3.4.1. Extensión Spatial Analyst de ArcGIS® de ESRI

Proporciona recursos dedicados al análisis y modelado espacial. No es una extensión específicamente diseñada para geomarketing, si bien permite obtener información nueva de datos existentes, y entre algunos ejemplos de las funciones útiles para estos usos, se destaca (Pro.arcgis.com, 2017):

-

Obtención de la distancia a partir de puntos, polilíneas o polígonos

-

Cálculo de la densidad de población en puntos concretos

-

Reclasificación de los datos existentes

Principales herramientas de Spatial Analyst:

a) Analyst ToolBox de ArcGIS® de ESRI

La caja de herramientas de Análisis contiene cuatro conjuntos de herramientas para realizar análisis SIG específicos de datos de una entidad, definidos por (Desktop.arcgis.com, 2017b) como: -

Extracción

-

Superposición

-

Proximidad

-

Estadísticas

Estas herramientas se utilizan especialmente en el diseño de modelos de geomarketing, cuando no se dispone de extensiones de análisis de mercado específicas, con una serie de recursos útiles para trabajar con la topología de los elementos espaciales, entre los que se destacan:

Bárbara R. Constantinidis

UNIGIS América Latina

111

-

Conectividad: determinar las rutas óptimas entre lugares

-

Orientación: encontrar la dirección de la ruta

-

Adyacencia: determinar la posición de contacto entre dos regiones

-

Contención: determinar situación de islas de un elemento dentro de otro

b) Herramienta Kernel Density Estimation de ArcGIS® de ESRI Sirve para medir la intensidad de un patrón de puntos basado en observaciones de la muestra y crea una superficie continua que muestra la densidad de sus características (Desktop.arcgis.com, 2017). Esta función puede aplicarse exclusivamente si se dispone de una licencia de Spatial Analyst.

c) Huff Model Tool de ArcGIS® de ESRI Esta herramienta permite aplicar el Modelo de interacción espacial Huff (Arcgis.com., 2017).

Se trata de un modelo gravitatorio probabilístico, que calcula las probabilidades de acceso de los consumidores de acuerdo con el origen de un local comercial. Con esta herramienta, es posible analizar el potencial de ventas de acuerdo con diferentes variables, como la población y su disponibilidad de consumo.

Estos estudios pueden utilizarse tanto para la generación de superficies de probabilidad, como para definir las áreas de mercado para cada local, dentro de un ámbito de estudio. La aplicación de esta herramienta utiliza el cálculo de la distancia tradicional euclidiana (línea recta), así como el tiempo de viaje a lo largo de una red de calles. Para evaluar las diferencias en la atracción hacia un local en relación con otro, se utilizan indicadores de utilidad del propio local.

Bárbara R. Constantinidis

UNIGIS América Latina

112

3.4.2. Extensión Network Analyst de ArcGIS® de ESRI (Desktop).

Este conjunto de herramientas no ha sido aplicado en la metodología de investigación.

Pertenece al software comercial ArcGIS® de ESRI y su acceso requiere disponer de una licencia de uso (Esri.com, 2017c) y (Desktop.arcgis.com, 2017).

3.4.3. Extensión Bussiness Analyst de ArcGIS® de ESRI (datos válidos sólo para USA). No utilizada.

Esta extensión no ha sido aplicada en la metodología de investigación. Este conjunto de herramientas pertenece al software comercial ArcGIS® de ESRI y su acceso requiere disponer de una licencia de uso. (Esri.com, 2017), sus herramientas principales se encuentran dentro de Market Analyst Tools de ArcGIS® de ESRI.

Bárbara R. Constantinidis

UNIGIS América Latina

113

CAPÍTULO 4. RESULTADOS Y DISCUSIÓN

4.1. Resultados Los resultados obtenidos se exponen respetando el orden de las preguntas de investigación correspondientes al Capítulo 1.2. y en función del flujo de trabajo previamente diseñado, se expresan a través de tablas comparativas y mapas.

El objetivo de este capítulo es exponer los resultados numéricos y geográficos de cada paso, para ser analizados posteriormente en el sub índice 4.2. Discusión de los resultados.

Bárbara R. Constantinidis

UNIGIS América Latina

114

i. Ubicación actual de los establecimientos educativos de nivel inicial para la gestión pública y privada en la Ciudad de Buenos Aires.

En un primer análisis, la Tabla 4.0.1 muestra el resultado de identificar las escuelas que ofrecen nivel inicial en la Ciudad de Buenos Aires, y clasificarlas según su tipo de gestión.

Como resultado se obtiene un número de 501 escuelas de nivel inicial de gestión privada en la Ciudad de Buenos Aires.

En un segundo análisis, la Tabla 4.0.2 y el Mapa 4.0.1 ofrecen el resultado de la clasificación de los establecimientos de nivel inicial de gestión privada, en relación a los diferentes niveles y modalidades que conviven por escuela, sobre un total de 488 establecimientos, actualizados al año 2016. Los resultados están ordenados de mayor a menor, en función de la cantidad de edificios que ofrecen una misma combinación de servicios educativos.

ESTABLECIMIENTOS EDUCATIVOS EN LA CIUDAD DE BUENOS AIRES TOTAL

2857

TOTAL NIVEL INICIAL

1205

TOTAL NIVEL INICIAL

TOTAL NIVEL INICIAL

GESTIÓN PÚBLICA

GESTIÓN PRIVADA

704

501

Tabla 4.0.1 Cantidad de establecimientos educativos de nivel inicial por tipo de gestión, sobre establecimientos educativos totales de la Ciudad de Buenos Aires. Fuente: (INDEC, 2010). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

115

INICIAL COMÚN

PRIMARIO COMÚN

INICIAL COMÚN

PRIMARIO COMÚN

MODALIDAD COMÚN SECUNDARIO COMÚN

MODALIDAD ESPECIAL

JÓVENES Y ADULTOS

TOTALES 250 123

INICIAL COMÚN

85

INICIAL COMÚN

PRIMARIO COMÚN

SECUNDARIO COMÚN

INICIAL COMÚN

PRIMARIO COMÚN

SECUNDARIO COMÚN

INICIAL COMÚN

PRIMARIO COMÚN

SECUNDARIO COMÚN

INICIAL COMÚN

PRIMARIO COMÚN

INICIAL COMÚN

PRIMARIO COMÚN

INICIAL COMÚN

PRIMARIO COMÚN

SUPERIOR NO UNIVERSITARIO COMÚN

14 PRIMARIO JÓVENES Y ADULTOS SECUNDARIO JÓVENES Y ADULTOS PRIMARIO JÓVENES Y ADULTOS

NIVEL SECUNDARIO COMÚN

OTROS SERV. COMÚN INICIAL ESPECIAL

PRIMARIO COMÚN

INICIAL COMÚN

PRIMARIO COMÚN

INICIAL COMÚN

PRIMARIO COMÚN

1

PRIMARIO ESPECIAL

1 1 PRIMARIO JÓVENES Y ADULTOS

SECUNDARIO COMÚN SUPERIOR NO UNIV. COMÚN SECUNDARIO COMÚN

2

PRIMARIO ESPECIAL

SECUNDARIO COMÚN

INICIAL COMÚN

3

2 SECUNDARIO JÓVENES Y ADULTOS

SUPERIOR NO UNIV. COMÚN

SECUNDARIO COMÚN INICIAL COMÚN

3

SUPERIOR NO UNIV. COMÚN

PRIMARIO ESPECIAL

SECUNDARIO JÓVENES Y ADULTOS

1

SECUNDARIO JÓVENES Y ADULTOS

1

SECUNDARIO ESPECIAL

TOTAL, ESTABLECIMIENTOS EDUCTIVOS DE GESTIÓN PRIVADA QUE OFRECEN NIVEL INICIAL EN LA CIUDAD DE BUENOS AIRES

1 488

Tabla 4.0.2 Recuento de escuelas de gestión privada, que ofrecen nivel incial y otros servicios educativos, en la Ciudad de Buenos Aires. Fuente: (Ministerio de Educación de la Ciudad de Buenos Aires, 2016 y 2017). Elaboración propia.

116

Mapa 4.0.1 Localización de los establecimientos de gestión privada de nivel inicial, clasificados según niveles modales ofrecidos. Fuente: (Ministerio de Educación de la Ciudad de Buenos Aires, 2016 y 2017). Elaboración propia.

117

ii. Concentración de la población de preferencia de consumo de las escuelas privadas de nivel inicial en la Ciudad de Buenos Aires, según Censo 2010.

La Tabla 4.0.3. expresa los resultados de la información demográfica y económica, organizados por comuna, incluyendo total de la población, total de niños en la etapa de educación de nivel incial, porcentaje de población de 0 a 4 años sobre el total, y tasa de empleo. El Mapa 4.0.2 muestra la distribución total de la población, el Mapa 4.0.3 expone la distribución demográfica exclusivamente para la edad escolar inicial, entre 0 a 4 años y el Mapa 4.0.4, muestra la distribución de la población según tasa de empleo. En todos los casos, se definió una clasificación manual de 5 clases, en valores absolutos, para las 15 comunas que componen la Ciudad de Buenos Aires.

COMUNAS BARRIOS CONSTITUCION - MONSERRAT - PUERTO MADERO - RETIRO - SAN NICOLAS - SAN 1 TELMO 2 RECOLETA 3 BALVANERA - SAN CRISTOBAL BARRACAS - BOCA - NUEVA POMPEYA 4 PARQUE PATRICIOS 5 ALMAGRO - BOEDO 6 CABALLITO 7 FLORES - PARQUE CHACABUCO VILLA LUGANO - VILLA RIACHUELO - VILLA 8 SOLDATI 9 LINIERS - MATADEROS - PARQUE AVELLANEDA FLORESTA - MONTE CASTRO - VELEZ SARSFIELD - VERSALLES - VILLA LURO - VILLA 10 REAL VILLA DEL PARQUE - VILLA DEVOTO - VILLA 11 GRAL. MITRE - VILLA SANTA RITA COGHLAN - SAAVEDRA - VILLA PUEYRREDON 12 VILLA URQUIZA 13 BELGRANO - COLEGIALES - NUÑEZ 14 PALERMO AGRONOMIA - CHACARITA - PARQUE CHAS 15 PATERNAL - VILLA CRESPO - VILLA ORTUZAR

TOTAL POBL. POBL. 0-4 AÑOS

PORCENTAJE Tasa_de_Empleo

205886 157932 187537

11669 6220 9889

5,67 3,94 5,27

71,58 69,43 71,17

218245 179005 176076 220591

15589 9006 9095 14368

7,14 5,03 5,17 6,51

67,52 71,26 70,61 67,79

187237

16754

8,95

63,75

161797

10091

6,24

64,78

166022

9242

5,57

67,04

189832

9899

5,21

67,83

200116 231331 225970

11321 12023 10662

5,66 5,20 4,72

69,31 70,83 71,77

182574

9810

5,37

71,27

Tabla 4.0.3 Síntesis de la situación demográfica relevante por Comuna, para la Ciudad de Buenos Aires. (INDEC, 2010). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

118

Mapa 4.0.2 Distribución de la población total en la Ciudad de Buenos Aires, escala comunal.

Fuente: (INDEC, 2010). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

119

Mapa 4.0.3 Distribución de la población total de niños entre 0 y 4 años, en la Ciudad de Buenos Aires, escala comunal. Fuente: (INDEC, 2010). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

120

Mapa 4.0.4 Distribución de la población según tasa de empleo por Comuna, en la Ciudad de Buenos Aires. Fuente: (INDEC, 2010). Elaboración propia Bárbara R. Constantinidis

UNIGIS América Latina

121

iii. Definición de las variables de comportamiento poblacional que influyen en el tipo de oferta de las escuelas de gestión privada en el nivel inicial.

Los resultados se organizan en grupos de mapas temáticos, de acuerdo con el orden de atributos analizados en la metodología y expresan la mayor concentración de eventos para cada categoría de datos, en el contexto de la Ciudad Autónoma de Buenos Aires.

El primer grupo de mapas, describen la densidad de la oferta por turno, para las escuelas de nivel Inicial de gestión privada en la Ciudad de Buenos Aires, según la población de alumnos registrada en cada caso. El Mapa 4.0.5 aborda la oferta de escuelas que operan en turno mañana, el Mapa 4.0.6 exhibe la situación de la oferta de clases en el turno tarde, el Mapa 4.0.7 muestra las densidades correspondientes a jornada extendida, y finalmente el Mapa 4.0.8 expone gráficamente, la concentración de la oferta para alumnos que asisten en doble jornada, es decir turnos mañana y tarde.

Luego, el segundo grupo de mapas, muestra la densidad de alumnos que concurren a establecimientos con oferta de enseñanza religiosa, donde el Mapa 4.0.9 representa los datos correspondientes a los colegios denominados parroquiales, mientras que el Mapa 4.0.10, exhibe los datos de alumnos que asisten a colegios de tipo laico. En tercer lugar, se expresó la oferta de enseñanza de idiomas extranjeros, donde el Mapa 4.0.11 ubica a los institutos bilingües.

En cuarto lugar, se estudió la oferta educativa privada diferenciada por sexos. El Mapa 4.0.12 indica la densidad de establecimientos exclusivos para varones o mujeres. Finalmente, el último grupo de mapas organiza la densidad de acuerdo con el valor de la cuota al año 2016, en pesos argentinos. El Mapa 4.0.13 identifica los establecimientos con cuotas mensuales de hasta $3.000, el Mapa 4.0.14 concentra aquellos que cobran cuotas mensuales entre los $3.001 a $8.999, y el Mapa 4.0.15 muestra la densidad de la oferta para escuelas privadas

Bárbara R. Constantinidis

UNIGIS América Latina

122

cuyas cuotas superan los $9.000. En todos los casos, considerando el valor de la cantidad de alumnos de cada escuela, provisto por el Ministerio de Educación.

Bárbara R. Constantinidis

UNIGIS América Latina

123

Mapa 4.0.5 Densidad de oferta educativa nivel inicial turno mañana, Ciudad de Buenos Aires.

Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

124

Mapa 4.0.6 Densidad de oferta educativa nivel inicial turno tarde, Ciudad de Buenos Aires.

Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

125

Mapa 4.0.7 Densidad de oferta educativa nivel inicial jornada extendida, Ciudad de Buenos Aires. Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

126

Mapa 4.0.8 Densidad de oferta educativa nivel inicial doble jornada, Ciudad de Buenos Aires.

Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

127

Mapa 4.0.9 Densidad de oferta educativa religiosa, Ciudad de Buenos Aires. Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

128

Mapa 4.0.10 Densidad de oferta educativa laica, Ciudad de Buenos Aires. Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

129

Mapa 4.0.11 Densidad de oferta educativa bilingüe, Ciudad de Buenos Aires. Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

130

Mapa 4.0.12 Densidad de oferta educativa de sexo único, Ciudad de Buenos Aires. Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

131

Mapa 4.0.13 Densidad de oferta educativa con cuotas hasta $3.000 (pesos argentinos), Ciudad de Buenos Aires. Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

132

Mapa 4.0.14 Densidad de oferta educativa con cuotas entre $3.001 y $9.000 (pesos argentinos), Ciudad de Buenos Aires. Fuente: (Ministerio de Educación G.C.B.A., 2016).

Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

133

Mapa 4.0.15 Densidad de oferta educativa con cuotas superiores a $9.000 (pesos argentinos), Ciudad de Buenos Aires. Fuente: (Ministerio de Educación G.C.B.A., 2016).

Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

134

iv. Identificación de variables edilicias y urbanas de atracción, en la elección de escuelas de nivel inicial de gestión privada de la Ciudad de Buenos Aires.

El primer paso metodológico aportó resultados estadísticos de acuerdo a:

1. Superficie construida asignada al uso educativo, 2. indicadores de seguridad escolar del edificio ecolar, 3. elementos del entorno urbano, en el área de influencia inmediata de cada escuela.

La Tabla 4.0.4 muestra los resultados obtenidos para la primera categoría de datos, sobre un total de 488 escuelas que contienen Nivel Inicial de Gestión Privada, en la Ciudad de Buenos Aires, de acuerdo a la superficie cubierta de sus edificios. Los resultados se obtuvieron con ArcGIS. Ests resultados se plasmaron gráficamente en el Mapa 4.0.16.

Sup. Cubierta Edificios Nivel Inicial de Gestión Privada, Ciudad de Buenos Aires Cantidad de Edificios

488

Sup. Mínima Cubierta (m²)

106

Sup. Máxima Cubierta (m²)

62166

Sumatoria (m²)

1710997

Media (m²)

2506

Desviación Standard (m²)

6204

Tabla 4.0.4 Estadística de superficies cubiertas para las Escuelas de Nivel Inicial de Gestión Privada en la Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

135

Mapa 4.0.16 Superficie cubierta de escuelas con nivel inicial, Ciudad de Buenos Aires.

Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

136

En el segundo caso, los datos se analizaron con ArcGIS, agregando al shapefile de Escuelas, la presentaciones de documentación hacia la Oficina de Arquitectura Escolar, dependiente de la Dirección General de Escuelas de Gestión Privada de la Ciudad de Buenos Aires, en cumplimiento de la normativa de Escuela Segura. La Tabla 4.0.5 presenta una síntesis de los resultados obtenidos, estudiando el estado de las 4 categorías de aprobación, para los 488 edificios involucrados en esta valoración del atributo denominado EstadoEESS, que indica el estado de trámite.

Presentación de documentación Escuela Segura – Arquitectura Escolar Escuelas de Nivel Inicial – Gestión privada - Ciudad de Buenos Aires Estado del trámite EESS

Cantidad de Establecimientos

Aprobado

53

Debe presentar corrección

33

Pendiente de revisión

47

No presentado / Sin datos

352

Sin datos

3

Tabla 4.0.5 Cantidad de establecimientos de acuerdo al estado de trámite de Escuela segura, ante la DGEGP al año 2016. Elaboración propia.

El Mapa 4.0.17 expresa gráficamente, la localización de estos establecimientos, con un código de color de acuerdo a su estado de cumplimiento normativo.

Bárbara R. Constantinidis

UNIGIS América Latina

137

Mapa 4.0.17 Localización de las escuelas, clasificadas de acuerdo con la categoría de cumplimiento de la normativa de Escuela Segura. Ciudad de Buenos Aires. Fuente: (Ministerio de Educación G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

138

La Tabla 4.0.6. expresa la cantidad de establecimientos categorizados como aprobados para los procedimientos normativos exigidos por la oficina de Arquitectura Escolar, Escuela Segura, a cargo de la DGEGP, para el año 2016 y los barrios que cada Comuna integra, y el Mapa 4.0.18 grafica estos resultados, en relación a la superficie cubierta de los esptablecimientos Aprobados, de acuerdo a sus Comunas de pertenencia.

COMUNAS

BARRIOS FLORESTA - MONTE CASTRO - VELEZ SARSFIELD 10 VERSALLES - VILLA LURO - VILLA REAL

EESS Aprobados 0

6 CABALLITO CONSTITUCION - MONSERRAT - PUERTO 1 MADERO - RETIRO - SAN NICOLAS - SAN TELMO

1

2 RECOLETA

2

5 ALMAGRO - BOEDO

2

1

9 LINIERS - MATADEROS - PARQUE AVELLANEDA VILLA DEL PARQUE - VILLA DEVOTO - VILLA GRAL. 11 MITRE - VILLA SANTA RITA

2

3 BALVANERA - SAN CRISTOBAL VILLA LUGANO - VILLA RIACHUELO - VILLA 8 SOLDATI BARRACAS - BOCA - NUEVA POMPEYA - PARQUE 4 PATRICIOS

4

2

4 4

7 FLORES - PARQUE CHACABUCO COGHLAN - SAAVEDRA - VILLA PUEYRREDON 12 VILLA URQUIZA AGRONOMIA - CHACARITA - PARQUE CHAS 15 PATERNAL - VILLA CRESPO - VILLA ORTUZAR

5

14 PALERMO

7

13 BELGRANO - COLEGIALES - NUÑEZ

8

5 6

Tabla 4.0.6 Situación de las Comunas de acuerdo con la cantidad de establecimientos con estado de trámite Aprobado por Escuela Segura, DGEGP al año 2016. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

139

Mapa 4.0.18 Escuelas Seguras, relación con superficie cubierta y a las Comunas de pertenencia, en la Ciudad de Buenos Aires. Fuente: (Ministerio de Educación G.C.B.A., 2016).

Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

140

Para la tercera categoría de datos, se consideraron los elementos urbanos ubicados en el área de influencia primaria o inmediata de las escuelas, a partir de los datos abiertos publicados por el Gobierno de la Ciudad de Buenos Aires, detallados en el Anexo I. Estos elementos, ya georreferenciados, se representaron con ArcGIS. Se realizó un análisis de sus datos y se confeccionaron mapas temáticos.

1. Accesibilidad peatonal: rampas en veredas Se identificaron 6589 rampas existentes en la Ciudad de Buenos Aires, relevadas entre los años 2012 y 2014 inclusive, de las cuales 523 se encuentran contenidas en un área de aproximación de 100 Mt. respecto de las 488 escuelas analizadas. No se dispone de datos oficiales posteriores a esta fecha. Analizando la localización de rampas relevadas para cada escuela, se determina que 287 escuelas no poseen ninguna rampa de accesibilidad para discapacitados en sus veredas. La Tabla 4.0.7 sintetiza los datos correspondientes a la cantidad de rampas por buffer en la Ciudad de Buenos Aires.

El Mapa 4.0.19, muestra la localización de las áreas de influencia inmediata de las escuelas, definidas por buffers de 100 Mt. y una clasificación de acuerdo con la existencia y cantidad de rampas de accesibilidad para discapacitados en sus veredas, en la Ciudad de Buenos Aires.

Se utiliza diferencia de colores para destacar aquellas escuelas que no disponen de condiciones de accesibilidad urbana y una gradación de tamaño de símbolos, creciente de acuerdo con la cantidad de rampas identificadas.

Bárbara R. Constantinidis

UNIGIS América Latina

141

CANTIDAD DE RAMPAS POR BUFFER

CANT. DE ESCUELAS DE NIVEL INICIAL DE GESTIÓN

(100 mt.)

PRIVADA

SIN RAMPAS

287

1

74

2

36

3

27

4

26

5

18

6

9

7

5

8

3

9

2

10

1

Tabla 4.0.7 Cantidad de rampas para discapacitados en veredas, dentro del área de influencia de los establecimientos Educativos de Gestión Privada que ofrecen Nivel Inicial. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

142

Mapa 4.0.19 Localización de las áreas de influencia inmediata de las escuelas, y clasificación de acuerdo a la existencia de rampas de accesibilidad para discapacitados en sus veredas, en la Ciudad de Buenos Aires. Fuente: (Ministerio de Modernización G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

143

2. Accesibilidad vehicular (transporte público) Se evaluaron tres tipos de elementos representativos de la oferta pública de transporte en la Ciudad de Buenos Aires: estaciones de subte, estaciones de Metrobús y trazado del recorrido de líneas de colectivos. La Ciudad de Buenos Aires cuenta con 85 estaciones de Subte, de las cuales 4 se encuentran fuera del alcance de los 500 Mt. de influencia de los establecimientos educativos analizados. De las 488 escuelas que ofrecen Nivel inicial de Gestión Privada en la Ciudad de Buenos Aires, 300 de ellas no se encuentran servidas por redes subterráneas en un radio de 500 Mt.

Entre las 187 estaciones de Metrobús incorporadas para el año 2016, 45 de ellas se encuentran fuera del alcance de los 500 Mt. de influencia de los establecimientos educativos analizados y 371 de las escuelas analizadas, no se encuentran servidas por la traza del Metrobús en un radio de 500 Mt. La Tabla 4.0.8 sintetiza los datos correspondientes a las estaciones de subte y Metrobús, expresadas por elementos vectoriales de punto, correspondientes al sistema de transporte público local.

Con respecto a la traza de líneas de colectivos, se ha considerado un shapefile de líneas que incluye 1103 ramales, los cuales sirven en su totalidad, a la población de la Ciudad de Buenos Aires que accede peatonalmente a sus escuelas de los datos analizados, sobre 488 escuelas, todas cuentan con un mínimo de 6 ramales de colectivos dentro de los 500 Mt. de influencia peatonal. En la zona con mayor densidad de líneas de colectivos, la escuela cuyo buffer incluye la mayor cantidad de ramales, llega a 296.

Bárbara R. Constantinidis

UNIGIS América Latina

144

CANTIDAD

DE CANT. DE ESCUELAS DE

CANTIDAD

ESTACIONES DE NIVEL INICIAL DE GESTIÓN ESTACIONES SUBTE

POR

BUFFER

(500

PRIVADA

DE CANT. DE ESCUELAS DE DE NIVEL

INICIAL

DE

METROBUS POR BUFFER GESTIÓN PRIVADA (500 mt.)

mt.)

SIN ESTACIONES

300

SIN ESTACIONES

371

1

131

1

34

2

33

2

23

3

13

3

17

4

8

4

14

5

1

5

10

6

1

6

4

7

1

7

3

8

5

9

4

10

1

11

2

Tabla 4.0.8 Cantidad de estaciones de subte y Metrobpus, dentro del área de influencia de 500 mt. de los establecimientos Edcuativos de Gestión Privada que ofrecen Nivel Inicial.

Elaboración propia.

El Mapa 4.0.20, Mapa 4.0.21 y expresan la relación entre los tres medios de transporte descriptos respecto de las áreas de influencia peatonal de las escuelas analizadas, considerada en 500 Mt. con una clasificación de acuerdo con la cantidad de estaciones o trazas de colectivos contenidas en cada buffer, para la Ciudad de Buenos Aires. Finalmente, el Mapa 4.0.22 exhibe la localización de las áreas de influencia peatonal de las escuelas, y clasificación de acuerdo a la traza de líneas de colectivos, en la Ciudad de Buenos Aires.

Bárbara R. Constantinidis

UNIGIS América Latina

145

Mapa 4.0.20 Localización de las áreas de influencia peatonal de las escuelas, y clasificación de acuerdo a la ubicación de estaciones de subte, en la Ciudad de Buenos Aires. Fuente: (Ministerio de Modernización G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

146

Mapa 4.0.21 Localización de las áreas de influencia peatonal de las escuelas, y clasificación de acuerdo a la ubicación de estaciones de metrobús, en la Ciudad de Buenos Aires. Fuente: (Ministerio de Modernización G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

147

Mapa 4.0.22 Localización de las áreas de influencia peatonal de las escuelas, y clasificación de acuerdo a la traza de líneas de colectivos, en la Ciudad de Buenos Aires. Fuente: (Ministerio de Modernización G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

148

3. Áreas verdes accesibles peatonalmente desde las escuelas Se evaluaron los espacios verdes urbanos catalogados como públicos y privados, y para cada caso se utilizó ArcGIS, para analizar la situación de las escuelas en cuanto al acceso a dichos espacios, en un radio de 500 Mt, correspondiente al acceso peatonal. El Mapa 4.0.23 y Mapa 4.0.24 expresan la relación de resultados de las escuelas para cada tipo de gestión de espacios verdes, mientras que el Mapa 4.0.25, muestra la ubicación de las escuelas, cuyas áreas de influencia peatonal no presentan acceso a espacios verdes, de ninguno de los tipos mencionados.

En cuanto a los resultados numéricos, existen 58 escuelas no presentan proximidad peatonal a espacios verdes públicos, 265 de ellas no presentan proximidad peatonal a espacios verdes privados, y un total de 155 escuelas, carecen de espacios verdes próximos, independientemente de su tipo de gestión.

Bárbara R. Constantinidis

UNIGIS América Latina

149

Mapa 4.0.23 Localización de espacios verdes públicos en el área de influencia peatonal de las escuelas, en la Ciudad de Buenos Aires. Fuente: (Ministerio de Modernización G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

150

Mapa 4.0.24 Localización de espacios verdes públicos en el área de influencia peatonal de las escuelas, en la Ciudad de Buenos Aires. Fuente: (Ministerio de Modernización G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

151

Mapa 4.0.25 Localización de las áreas de influencia peatonal de las escuelas, que no poseen acceso a espacios verdes públicos ni privados, en la Ciudad de Buenos Aires. Fuente: (Ministerio de Modernización G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

152

4. Clubes: Aplicando la misma metodología de los temas anteriores, se obtuvieron resultados respecto de la relación de cercanía entre las 488 escuelas que ofrecen nivel inicial de gestión privada, y los 290 clubes disponibles en la base de datos consultada para la CABA. El Mapa 4.0.26, muestra 191 escuelas sin acceso inmediato peatonal a clubes. De las 297 escuelas restantes, 147 cuentan con 1 club en un radio de 500 Mt. al que pueden acceder peatonalmente y 10 del total, tienen un máximo de hasta 6 clubes donde se puede concurrir a pie.

5. Seguridad: existencia de senderos seguros en los trayectos hacia y desde el colegio Hasta el año 2016, se registran 152 senderos seguros en la Ciudad de Buenos Aires, diseñados para controlar el acceso peatonal de las escuelas. De las 488 escuelas privadas que ofrecen Nivel inicial, 344 carecen de esta posibilidad. El Mapa 4.0.27, expone los corredores seguros y una gradación de símbolos para graficar que al menos 72 escuelas contienen de uno a dos tramos de corredores seguros en su área peatonal de influencia, determinada en 500 Mt., y un máximo de 4 escuelas, presentan un área de influencia recorrida por 9 a 10 tramos de corredores seguros.

6. Áreas de anegamiento por inundaciones Hasta el año 2016, se han registrado 126 sectores pasibles de anegamiento por inundaciones en la Ciudad de Buenos Aires, que inciden sobre 58 de las 488 escuelas analizadas, en un área de influencia estipulada en 500 Mt., expuesto a través del El Mapa 4.0.28. En una graduación de colores, se destacan las escuelas más vulnerables respecto de la anegación por inundaciones, con su buffer de influencia de 500 Mt., así como la ubicación de las escuelas no afectadas por esta situación. En cuanto al análisis por comunas, las comunas 12, 13 y 14, son las más afectadas por zonas pasibles de anegamiento por precipitaciones.

Bárbara R. Constantinidis

UNIGIS América Latina

153

Mapa 4.0.26 Localización de clubes dentro del área de influencia peatonal de las escuelas, en la Ciudad de Buenos Aires. Fuente: (Ministerio de Modernización G.C.B.A., 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

154

Mapa 4.0.27 Localización de los senderos seguros de la Ciudad de Buenos Aires y su relación con el área de influencia peatonal de las escuelas. (Ministerio de Justicia y Seguridad, 2016).

Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

155

Mapa 4.0.28 Localización de los sectores anegados por lluvias en la Ciudad de Buenos Aires y su relación con un área de influencia de 500 mt. de las escuelas. (Ministerio de Justicia y Seguridad, 2016). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

156

v. Identificación de áreas potenciales para la oferta de educación escolar de nivel inicial en el sector privado en la Ciudad de Buenos Aires, basada en sus variables comerciales, edilicias y urbanas, aplicando modelización SIG de geomarketing.

Tomando la base de información analizada en los puntos anteriores, se aplicaron diferentes modelos, basados en operaciones análisis espacial, llevadas a la práctica con el software ArcGIS. En primer lugar se diseñó una malla de puntos de orígenes de consumo, con una distancia de 500 metros entre sí, obteniendo 820 puntos contenidos en el polígono que representa a la Ciudad de Buenos Aires, y su composición de comunas.

Cada punto fue cargado con los atributos de la Tabla 4.0.9, que expresa los resultados de la información demográfica y económica, organizados por comuna, incluyendo total de la población, total de niños en la etapa de educación de nivel incial, porcentaje de población de 0 a 4 años sobre el total, y tasa de empleo. Para crear la malla de orígenes se utilizó la herramienta Fishnet de ArcGIS y para asociar los datos demográficos a cada punto, se aplicó la operación spatial join, habiendo cargado previamente la tabla de atributos al shapefile de comunas.

El modelo gravitacional de Huff, permitió estudiar la incidencia de las variables edilicias de superficie construida, en relación con la distancia hacia cada escuela, determinando valores de probabilidad para cada caso.

a) Superficie construida asignada al uso educativo, b) indicadores de seguridad escolar del edificio ecolar, c) elementos del entorno urbano, en el área de influencia inmediata de cada escuela.

La herramienta de ArcGIS, contenida en Market Analyisis Toolbox, arrojó resultados probabilísticos de cada punto de origen de consumo con relación a cada escuela. Accediendo a la tabla de atributos de resultados, los mismos se pueden ordenar en forma independiente

Bárbara R. Constantinidis

UNIGIS América Latina

157

para cada establecimiento, en un rango de entre 0 y 1. En el primer caso, sobre las 85 escuelas analizadas, se obtuvo un resultado de 497 puntos de origen de consumo, generados en forma aleatoria dentro de la extensión de la clase de entidad del área de estudio. La herramienta aplica criterios de Kringing, para la generación de las superficies de probabilidad, en formato ráster, considerando el área geográfica de comunas como área de estudio.

Para verificar los resultados y comparar los diferentes métodos, se eligió la Escuela Montessori y se graficaron las probabilidades de consumo de la misma. El Mapa 4.0.29, grafica dichos resultados, así como la categorización de superficies de consumo generadas.

COMUNAS BARRIOS CONSTITUCION - MONSERRAT - PUERTO MADERO - RETIRO - SAN NICOLAS - SAN 1 TELMO 2 RECOLETA 3 BALVANERA - SAN CRISTOBAL BARRACAS - BOCA - NUEVA POMPEYA 4 PARQUE PATRICIOS 5 ALMAGRO - BOEDO 6 CABALLITO 7 FLORES - PARQUE CHACABUCO VILLA LUGANO - VILLA RIACHUELO - VILLA 8 SOLDATI 9 LINIERS - MATADEROS - PARQUE AVELLANEDA FLORESTA - MONTE CASTRO - VELEZ SARSFIELD - VERSALLES - VILLA LURO - VILLA 10 REAL VILLA DEL PARQUE - VILLA DEVOTO - VILLA 11 GRAL. MITRE - VILLA SANTA RITA COGHLAN - SAAVEDRA - VILLA PUEYRREDON 12 VILLA URQUIZA 13 BELGRANO - COLEGIALES - NUÑEZ 14 PALERMO AGRONOMIA - CHACARITA - PARQUE CHAS 15 PATERNAL - VILLA CRESPO - VILLA ORTUZAR

TOTAL POBL. POBL. 0-4 AÑOS

PORCENTAJE Tasa_de_Empleo

205886 157932 187537

11669 6220 9889

5,67 3,94 5,27

71,58 69,43 71,17

218245 179005 176076 220591

15589 9006 9095 14368

7,14 5,03 5,17 6,51

67,52 71,26 70,61 67,79

187237

16754

8,95

63,75

161797

10091

6,24

64,78

166022

9242

5,57

67,04

189832

9899

5,21

67,83

200116 231331 225970

11321 12023 10662

5,66 5,20 4,72

69,31 70,83 71,77

182574

9810

5,37

71,27

Tabla 4.0.9 Síntesis de la situación demográfica relevante por Comuna, para la Ciudad de Buenos Aires. (INDEC, 2010). Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

158

Mapa 4.0.29 Modelo de Huff sobre puntos de origen de consumo aleatorios. Caso Escuela Buenos Aires Montessori y áreas de mercado sobre Comunas de la Ciudad de Buenos Aires.

Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

159

Para el segundo caso, se cargó el conjunto de 820 puntos de origen generados previamente con la herramienta Fishnet de ArcGIS, representando Origin Locations. Se asignó el dato demográfico de selección de población de 0 a 4 años como Sales Potencial y luego se aplicó como alternativa, el valor de tasa de empleo, en ambos casos por comuna.

El Mapa 4.0.30 expone los resultados de probabilidad tras aplicar el modelo gravitatorio de Huff con puntos de origen predeterminados con datos censales, sobre el resultado de superficies de mercado, y el Mapa 4.0.31 muestra la clasificación correspondiente a la columna ventas generada con la tasa de empleo. En ambos casos se determinaron 5 clases, aplicando Natural Breaks, por ser el método que permite la mejor visualización de los datos distribuidos en relación con la misma escuela Buenos Aires Montessori. En ninguno de los casos anteriormente expuestos se aplicaron variables de análisis para Potencial Store Locations, de carácter optativo, sino que se evaluaron los establecimientos existentes.

Las operaciones de geoprocesamiento de ArcGIS contienen herramientas aptas para encontrar resultados de superficies potenciales a partir de radios de influencia. El Mapa 4.0.32, exhibe los buffers de influencia de 500 Mt. para cada tipo de escuelas y destaca las áreas potenciales para localizar Escuelas de Nivel Inicial de Gestión Privada en la Ciudad de Buenos Aires, excluyendo las zonas no aptas para este uso y el Mapa 4.0.33, organiza las áreas potenciales de acuerdo con las comunas.

Los análisis realizados con ArcGIS ofrecen la posibilidad de generar la Tabla 4.0.10, a través de la cual se calcula para la cantidad de polígonos potenciales, su superficie en metros cuadrados, y se los organiza por barrio y comuna. La Tabla 4.0.11 agrega una síntesis de estos resultados.

Bárbara R. Constantinidis

UNIGIS América Latina

160

Mapa 4.0.30 Modelo Huff, sobre 820 puntos de origen de consumo pre definidos y datos de población de 0 a 4 años. Caso Escuela Buenos Aires Montessori, áreas de mercado sobre Comunas de la Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

161

Mapa 4.0.31 Modelo Huff, campo de ventas basado en tasa de empleo, sobre 820 puntos de origen de consumo pre definidos. Caso Escuela Buenos Aires Montessori, áreas de mercado sobre Comunas de la Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

162

TABLA DE ÁREAS VACANTES POTENCIALES PARA LOCALIZAR ESCUELAS DE NIVEL INICIAL DE GESTIÓN PRIVADA EN LA CIUDAD DE BUENOS AIRES ID ÁEREA BARRIO POLÍGONO 35 47,81 CONSTITUCION 46 80,12 PUERTO MADERO 5 6,15 RETIRO 127 4639,96 RETIRO 40 60,21 SAN TELMO 48 89,88 SAN TELMO 103 826,79 RECOLETA 116 2636,18 BALVANERA 53 106,60 SAN CRISTOBAL 85 329,11 SAN CRISTOBAL 126 4608,56 SAN CRISTOBAL 119 3555,44 BARRACAS 120 3655,28 BARRACAS 112 1807,98 BOCA 124 4363,24 BOCA 132 6243,80 BOCA 139 15280,03 BOCA 147 40955,81 BOCA 154 524000,23 BOCA 28 35,23 NUEVA POMPEYA 33 45,64 NUEVA POMPEYA 54 109,13 NUEVA POMPEYA 59 132,05 NUEVA POMPEYA 68 178,83 NUEVA POMPEYA 84 311,69 NUEVA POMPEYA 88 354,08 NUEVA POMPEYA 90 432,18 NUEVA POMPEYA 91 435,12 NUEVA POMPEYA 92 441,70 NUEVA POMPEYA 95 546,90 NUEVA POMPEYA 105 1190,91 NUEVA POMPEYA 136 10851,74 PARQUE PATRICIOS

Bárbara R. Constantinidis

COMUNA ÁREA POR BARRIO 1 1 1 1 1 1 2 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

ÁREA POR COMUNA

47,81 80,12 4646,10

4924,13

150,09 826,79 2636,18 8599,70

826,79

11235,89

7210,72

592651,09

614927,01

4213,46

10851,74

UNIGIS América Latina

163

ID POLÍGONO 20 22 23 24 25 78 80 97 121 142 11 63 70 72 79 83 87 98 138 140 143 69 73 93 94 99 102 109 114 117 135 150

ÁEREA 25,43 28,15 28,22 30,26 31,34 243,01 275,60 547,22 3978,40 22618,47 14,00 149,93 180,45 219,58 250,03 305,33 352,80 598,57 13544,22 16908,24 25304,73 180,12 219,92 444,72 502,22 628,41 806,90 1628,06 2377,37 2754,91 9254,11 91399,05

Bárbara R. Constantinidis

BARRIO CABALLITO CABALLITO CABALLITO CABALLITO CABALLITO CABALLITO CABALLITO CABALLITO CABALLITO CABALLITO FLORES FLORES FLORES FLORES FLORES FLORES FLORES FLORES FLORES FLORES PARQUE CHACABUCO VILLA SOLDATI VILLA SOLDATI VILLA SOLDATI VILLA SOLDATI VILLA SOLDATI VILLA SOLDATI VILLA SOLDATI VILLA SOLDATI VILLA LUGANO VILLA SOLDATI VILLA SOLDATI

COMUNA 6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 8

ÁREA POR BARRIO

ÁREA POR COMUNA

27806,08

27806,08

32523,14

57827,87

25304,73

110195,79

110195,79

UNIGIS América Latina

164

ID POLÍGONO 7 43 148 149 13 17 19 36 96 129 61 29 50 52 122 57 67 111 137 123 130 144 110 4 14 16 21 27 58 60 62 64 74 76 86 128 141

ÁEREA 7,39 69,65 61519,58 79994,99 15,27 18,63 24,72 49,83 547,08 5614,61 137,65 36,06 94,74 99,77 4028,00 127,34 170,05 1795,28 12906,62 4254,41 5675,11 29801,43 1768,91 6,02 16,16 17,92 26,63 34,56 128,18 133,80 138,11 152,93 221,37 233,18 348,63 5362,92 18195,45

Bárbara R. Constantinidis

BARRIO COMUNA LINIERS 9 LINIERS 9 LINIERS 9 LINIERS 9 MATADEROS 9 MATADEROS 9 MATADEROS 9 MATADEROS 9 PARQUE AVELLANEDA 9 FLORESTA 10 VELEZ SARSFIELD 10 VILLA LURO 10 VILLA LURO 10 VILLA LURO 10 VILLA LURO 10 VILLA DEL PARQUE 11 VILLA DEL PARQUE 11 VILLA DEL PARQUE 11 VILLA DEL PARQUE 11 VILLA DEVOTO 11 VILLA DEVOTO 11 VILLA DEVOTO 11 VILLA SANTA RITA 11 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12 SAAVEDRA 12

ÁREA POR BARRIO

ÁREA POR COMUNA

141591,61

142247,13 108,45

547,08 5614,61 137,65 10010,82 4258,56

14999,29 56499,15 39730,95 1768,91

25015,85

32163,34

UNIGIS América Latina

165

ID POLÍGONO ÁEREA BARRIO 107 1354,53 VILLA PUEYRREDON 108 1555,89 VILLA PUEYRREDON 115 2431,37 VILLA PUEYRREDON 71 185,91 VILLA URQUIZA 38 59,22 VILLA URQUIZA 100 772,84 VILLA URQUIZA 101 787,73 VILLA URQUIZA 3 3,98 BELGRANO 6 6,96 BELGRANO 8 9,91 BELGRANO 9 10,32 BELGRANO 10 11,49 BELGRANO 12 14,15 BELGRANO 15 17,79 BELGRANO 18 19,04 BELGRANO 30 38,84 BELGRANO 32 44,71 BELGRANO 37 58,39 BELGRANO 49 91,29 BELGRANO 51 95,15 BELGRANO 113 2002,70 BELGRANO 125 4418,56 BELGRANO 133 7642,28 BELGRANO 134 7661,22 BELGRANO 153 225369,81 BELGRANO 41 63,12 NUÑEZ 44 72,24 NUÑEZ 47 85,31 NUÑEZ 131 6032,43 NUÑEZ

Bárbara R. Constantinidis

COMUNA 12 12 12 12 12 12 12 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13

ÁREA POR BARRIO

ÁREA POR COMUNA

5341,78

1805,70

247516,57 253769,68

6253,11

UNIGIS América Latina

166

ID POLÍGONO ÁEREA BARRIO 26 31,76 PALERMO 42 67,07 PALERMO 45 74,95 PALERMO 65 156,57 PALERMO 77 235,62 PALERMO 106 1268,56 PALERMO 145 30258,60 PALERMO 146 31850,25 PALERMO 151 115347,29 PALERMO 152 153654,65 PALERMO 2 2,50 VILLA CRESPO 31 40,88 VILLA CRESPO 34 47,63 VILLA CRESPO 39 60,09 VILLA CRESPO 55 121,66 VILLA CRESPO 56 123,54 VILLA CRESPO 66 168,12 VILLA CRESPO 75 225,51 VILLA CRESPO 81 296,24 VILLA CRESPO 82 296,45 VILLA CRESPO 89 388,59 VILLA CRESPO 104 1124,74 VILLA CRESPO 118

3200,93 VILLA CRESPO

COMUNA 14 14 14 14 14 14 14 14 14 14 15 15 15 15 15 15 15 15 15 15 15 15

ÁREA POR BARRIO

ÁREA POR COMUNA

332945,32

332945,32

6096,86

6096,86

15

Tabla 4.0.10 Tabla de polígonos vacantes potenciales para localizar Escuelas de Nivel Inicial de Gestión Privada, nivel barrial, comunal, en la Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

167

Mapa 4.0.32 Áreas potenciales para localizar Escuelas de Nivel Inicial de Gestión Privada en la Ciudad de Buenos Aires. Radio de influencia de 500 mt. de escuelas existentes en 500 mt.

Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

168

Mapa 4.0.33 Superficie de áreas potenciales aptas para localizar Escuelas de Nivel Inicial de Gestión Privada en la Ciudad de Buenos Aires, por Comuna. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

169

Para evaluar las áreas potenciales, y comparar las posibilidades de localizar nuevas escuelas en las mismas, se calcularon las estadísticas de los polígonos generados y se seleccionaron las que ofrecen las mayores posibilidades de emplazamiento en función de la superficie vacante, medida en m². Luego se calcularon sus centros gravitatorios y en ellos se propusieron nuevos edificios escolares, destinados a nivel Inicial de gestión privada.

El Mapa 4.0.34 muestra la distribución de las superficies potenciales para ubicar tres establecimientos educativos nuevos de nivel inicial de gestión privada, a través de una simbología de graduación de colores de acuerdo con la superficie vacante. También se incluye en esta representación, la ubicación de los tres nuevos establecimientos a evaluar. Se definió una simbología de rayado en escalas de gris, para áreas de cobertura educativa identificadas previamente y para las áreas vacantes no aptas para este uso.

Luego se aplicó nuevamente la herramienta Huff de ArcGIS, para estos establecimientos potenciales, y se compararon los resultados de las dos modalidades de proceso de datos posibles: un resultado a partir de puntos de origen de consumo calculados por la propia herramienta, y un segundo resultado partiendo de una mallade 500 x 500 Mt., ponderada con la tasa de empleo. Se elaboró una tabla comparativa de los 3 nuevos edificios para cada caso y el mapa de selección de zonas potenciales. Con respecto a la variable de superficie, se estimó como superficie, 2556 mt.², correspondiente a la superficie media cubierta para las Escuelas Privadas de Nivel Inicial exclusivo de la Ciudad de Buenos Aires, cuyos datos se muestran en la Tabla 4.0.11.

Bárbara R. Constantinidis

UNIGIS América Latina

170

ID NOMBRE COMUNAS

BARRIOS

SUPERFICIE m²

TASA EMPLEO

1

a

9

LINIERS - MATADEROS - PARQUE AVELLANEDA

2556

64,78

2

b

9

LINIERS - MATADEROS - PARQUE AVELLANEDA

2556

64,78

3

c

11

VILLA DEL PARQUE - VILLA DEVOTO VILLA GRAL. MITRE - VILLA SANTA RITA

2556

67,83

Tabla 4.0.11 Atributos de los nuevos establecimientos propuestos como potenciales para ser evaluados, en áreas vacantes de la Ciudad de Buenos Aires. Elaboración propia.

La primera aplicación de la herramienta Huff, crea 103 puntos de origen. El Mapa 4.0.35 muestra los resultados calculados para la probabilidad de elección de la escuela c, sobre las superficies de mercado generadas con esta herramienta. Los mapas siguientes, muestran los resultados para las escuelas b y c, de la Comuna 9.

Bárbara R. Constantinidis

UNIGIS América Latina

171

Mapa 4.0.34 Localización de los edificios potenciales en zonas aptas para localizar Escuelas de Nivel Inicial de Gestión Privada en la Ciudad de Buenos Aires, por Comuna. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

172

Mapa 4.0.35 Probabilidad de Elección de la escuela c, en la Comuna 11 de la Ciudad de Buenos Aires. Método Huff. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

173

Se aplica la función de Estadística sobre la tabla de atributos de probabilidad de elección de las tres nuevas escuelas, y se obtienen los siguientes resultados, que exhibe la Tabla 4.0.12.

Probabilidad Escuela

a

b

c

Cantidad

103

103

103

Mínimo

0

0

0

Máximo

1

1

1

Sumatoria

36,620027

33,687447

32,692526

Promedio

0,355534

0,327063

0,317403

Desviación Standard

0,296888

0,246215

0,307673

Valores nulos

0

0

0

Tabla 4.0.12 Resultados estadísticos del cálculo realizado con la herramienta Huff, para las 3 escuelas nuevas. Modalidad Privada de Nivel inicial, Ciudad de Buenos Aires. Elaboración propia.

El Mapa 4.0.36 y el Mapa 4.0.37 grafican los resultados para las escuelas a y b, ambas ubicadas en la Comuna 9.

Bárbara R. Constantinidis

UNIGIS América Latina

174

Mapa 4.0.36 Probabilidad de Elección de la escuela a, en la Comuna 9 de la Ciudad de Buenos Aires. Método Huff. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

175

Mapa 4.0.37 Probabilidad de Elección de la escuela b, en la Comuna 9 de la Ciudad de Buenos Aires. Método Huff. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

176

La segunda aplicación, adopta un conjunto de puntos de origen de consumo, a partir de una malla creada con la herramienta Fishnet, con una separación entre puntos de 500 Mt., dentro del área de análisis de las comunas 9, 10 y 11, donde se pudieron evaluar los resultados de 172 puntos. Estos resultados se exponen en el Mapa 4.0.38, Mapa 4.0.39 y Mapa 4.0.40 para los puntos a, b y c, respectivamente.

Al ejecutar la herramienta con este tipo de configuración, además de resultados de probabilidad de elección de cada escuela, se obtienen resultados de probabilidad de ventas, de acuerdo con la ponderación elegida para los puntos de origen asignados.

Se aplica la función de Estadística sobre la tabla de atributos de probabilidad de elección y de ventas de tres nuevas escuelas, y se obtienen los siguientes resultados, que exhibe la Tabla 4.0.13.

Probabilidad

Ventas

Escuela

a

b

c

a

b

c

Cantidad

172

172

172

172

172

172

Mínimo

0,002

0,005

0,001

0,20

0,34

0,098

Máximo

0,983

0,994

0,991

63,72

66,65

67,20

Sumatoria

51,52

55,20

65,26

Promedio

0,29

0,32

0,37

19,68

21,18

25,57

Desviación Standard

0,27

0,24

0,33

17,59

16,08

22,45

Valores nulos

0

0

0

0

0

0

3386,08 3643,95 4398,96

Tabla 4.0.13 Resultados estadísticos del cálculo realizado con la herramienta Huff, para las 3 escuelas nuevas, con la aplicación de puntos de origen. Modalidad Privada de nivel nicial, Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

177

Mapa 4.0.38 Probabilidad de Elección de la escuela a, en la Comuna 9 de la Ciudad de Buenos Aires. Método Huff, grilla de puntos de origen cada 500 Mt. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

178

Mapa 4.0.39 Probabilidad de Elección de la escuela b, en la Comuna 9 de la Ciudad de Buenos Aires. Método Huff, grilla de puntos de origen cada 500 Mt. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

179

Mapa 4.0.40 Probabilidad de Elección de la escuela c, en la Comuna 11 de la Ciudad de Buenos Aires. Método Huff, grilla de puntos de origen cada 500 Mt. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

180

Tomando la base de información analizada en los puntos anteriores, se aplicaron modelos de maximización y multicriterio, basados en operaciones básicas de análisis espacial con funciones de distancia, explicados en el 2.3.4. Modelos de geomarketing aplicables al sector educativo, con ArcGIS.

Se aplicaron las herramientas de ArcGIS, NEAR DIST para analizar la relación entre los alumnos representados en cada punto de origen de consumo con las escuelas que les corresponden a nivel comunal. Se trabajó con los puntos de ubicación específica de las escuelas (centroides de áreas vacantes potenciales) y con los centros de origen de consumidores generados previamente.

Los resultados obtenidos, se organizaron en la Tabla 4.0.14 y en el Mapa 4.0.41.

Distancia de orígenes de

Distribución de orígenes de consumo

consumo

por comuna

Escuela

a

b

c

a

b

c

Cantidad

47

50

75

Comuna 9

36

29

-

Mínimo

217

124

252

Comuna 10

11

21

18

Máximo

2869

2500

4121

Comuna 11

-

-

57

Total

47

50

75

Sumatoria

70528

72216 140047

Promedio

1500

1444

1867

Desviación

666

584

904

0

0

Standard Valores

0

nulos Tabla 4.0.14 Resultados estadísticos del cálculo realizado con la herramienta Near Dist para las 3 escuelas nuevas. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

181

Mapa 4.0.41 Evaluación de distancias de consumo de las nuevas escuelas, en las comunas 9, 10 y 11 de la Ciudad de Buenos Aires. Orígenes a 500 Mt. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

182

Se aplicó el mismo procedimiento al resultado del análisis de puntos de origen calculados por la herramienta Huff. Las herramientas de ArcGIS, Near Dist permitieron analizar la relación entre los alumnos representados en cada punto de origen de consumo con las escuelas que les corresponden a nivel comunal. Se trabajó con los puntos de ubicación específica de las escuelas (centroides de áreas vacantes potenciales) y con los centros de origen de consumidores generados previamente.

Los resultados obtenidos, se organizaron en la Tabla 4.0.15 y en el Mapa 4.0.42.

Distancia de orígenes de

Distribución de orígenes de consumo

consumo

por comuna

Escuela

a

b

c

a

b

c

Cantidad

38

24

41

Comuna 9

32

11

-

Mínimo

0

0

0

Comuna 10

6

13

10

Máximo

2428

2314

4479

Comuna 11

-

-

31

Sumatoria

54860

28683

81094

Total

38

24

41

Promedio

1443

1195

1977

Desviación

598

583

872

0

0

0

Standard Valores nulos Tabla 4.0.15 Resultados estadísticos del cálculo realizado con la herramienta Near Dist para las tres escuelas nuevas. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

183

Mapa 4.0.42 Evaluación de Distancias de Consumo de las Nuevas Escuelas, en las comunas 9, 10 y 11 de la Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

184

Se aplicó el modelo MCI, para evaluar la incidencia de los atributos gravitacionales de la distancia en km que ejerce una fuerza gravitatoria y de la superficie de la escuela en M², junto con tres variables de atracción no gravitacionales:

-

Estado respecto de sus tramitaciones ante la oficina de Escuela Segura,

-

turno de la jornada educativa,

-

cuota en $ argentinos.

La Tabla 4.0.16 expone los resultados comparativos, para las tres zonas potenciales detectadas.

Los valores surgen de aplicar las funciones de estadística sobre la columna de distancias, calculadas con ArcGIS. El Mapa 4.0.43 muestra geográficamente, estos resultados sobre la extensión de las comunas 9, 10 y 11 de la Ciudad de Buenos Aires.

ESCUELA OTRAS ESCUELAS EN ZONA DE INFLUENCIA ORIGENES DE CONSUMO X ZONA DISTANCIA A ESCUELA MÁS PRÓXIMA DISTANCIA A ESCUELA MÁS ALEJADA PROMEDIO DE DISTANCIA A TODAS LAS ESCUELAS RELACIÓN ORIGENES DE CONSUMO POR ESCUELA

A 14 35 928 2392 1809

B 22 47 909 1992 1400

C 41 68 868 3979 1816

2,5

2,13

1,65

Tabla 4.0.16 Resultados estadísticos del cálculo realizado con la herramienta Near Dist para las 3 escuelas nuevas. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

185

Mapa 4.0.43 Relación de las nuevas escuelas con su competencia en cada zona de mercado potencial. Comunas 9, 10 y 11, Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

186

Se aplica el modelo MCI para la zona A, a partir de un conjunto de tres variables, cuyos valores reales y normalizados se exponen en la Tabla 4.0.17. El área cubierta se expresa en m² y el valor de ventas, asociado a la cuota mensual, en pesos argentinos. Para cada uno de los atributos que se utilizarán en m², los coeficientes de seguridad se ponderan entre 1 y 4 según el estado de cumplimiento con la normativa vigente y las ventas se miden en pesos argentinos, como resultante de multiplicar la cantidad de alumnos por la fórmula MCI, se normalizan los valores en una escala de 1 a 100, dividiendo cada valor original por el máximo de la columna correspondiente y multiplicándolo por 100.

OBJECTID 207 1917 1927 1945

COMUNA 10 10 9 10

ZONA a a a a

AREACUB 1 5492 579 3698

SEGURID. 1 1 1 1

VENTAS 19500 135894 99630 99104

norm_AREA 0 49 5 33

Norm_SEG 25 25 25 25

Norm_VENTAS 3 24 17 17

1949 1962 1963 2053 2061 2088 2090 2177

10 9 9 10 10 9 9 10

a a a a a a a a

1747 5679 5708 11175 4031 1406 3788 887

1 1 1 1 1 1 1 1

82053 267432 112022 576114 113088 70956 423440 265678

16 51 51 100 36 13 34 8

25 25 25 25 25 25 25 25

14 46 19 100 20 12 73 46

2744 2836

10 10

a a

413 603

3 1

49000 33600

4 5

75 25

9 6

Tabla 4.0.17 Valores de las variables ponderadas y normalizadas entre 1 y 100. Para área de influencia de la zona potencial A.

El Mapa 4.0.44 muestra los resultados del cálculo MCI aplicados a las dos escuelas más cercanas al nuevo edificio que se analiza. A través de una graduación de tamaño de la simbología, se aprecia geográficamente donde están concentrados los mayores valores de MCI para cada caso y la ubicación de la escuela proyectada, denominada con la letra a.

Bárbara R. Constantinidis

UNIGIS América Latina

187

Mapa 4.0.44 Resultados MCI para las dos escuelas más cercanas a la nueva escuela, en la zona de mercado potencial A. Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

188

El método de cálculo MCI permitió analizar el potencial de atracción de la nueva escuela proyectada, y comparar posteriormente, cómo se modifican los valores MCI para las escuelas más cercanas, simulando la incorporación de la nueva escuela en el mercado.

Para la nueva escuela, se utilizaron las siguientes variables:

I.

Área cubierta, equivalente al valor promedio en metros cuadrados, de las dos escuelas más próximas de mercado en la zona A, normalizado en 51.

II.

Seguridad equivalente al máximo cumplimiento de la normativa, normalizado en 100.

III.

Ventas equivalentes al valor promedio en pesos argentinos, de las dos escuelas más próximas de mercado en la zona A, normalizado en 56.

El Mapa 4.0.45 expresa los resultados MCI para la escuela a en su área de mercado, y el Mapa 4.0.46 muestra la variación de valores de las escuelas próximas para su MCI, una vez incorporada la nueva escuela en el mercado.

Bárbara R. Constantinidis

UNIGIS América Latina

189

Mapa 4.0.45 Resultados MCI para la nueva escuela proyectada, en la zona de mercado potencial A. Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

190

Mapa 4.0.46 Resultados MCI de las dos escuelas más cercanas a la nueva escuela ya incorporada al mercado, en la zona potencial A. Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

191

Los resultados finales que dan respuesta a la identificación de las áreas potenciales de mercado para implantación de nuevas escuelas privadas de nivel inicial se consolidan con la práctica del modelo de análisis multicriterio. Para ello se seleccionó un conjunto de variables urbanas, de acuerdo con la metodología explicada en el Capítulo 3.3 Metodología.

Los procedimientos de distancia euclidiana permiten identificar las situaciones particulares de cada variable en forma independiente y las herramientas weighted overlay proporcionan un balance de las superficies integrando la ponderación asignada para cada situación externa, expresada en una única capa.

Con herramientas de ArcGIS como Con y Majority Filter, es posible aislar las zonas de mayor potencial y eliminar los píxeles individuales o grupos muy pequeños, mejorando el resultado final. El resultado generado es un archivo de tipo ráster, una vez convertido a polígonos con la herramienta Raster to Polygon, se aplica una selección para identificar los polígonos que contengan a las escuelas proyectadas y verificar si las mismas corresponden a áreas potenciales. La Tabla 4.0.18 sintetiza esta información para cada una de las tres nuevas escuelas.

Escuela Valor_zona Comuna

Barrios

Superficie área potencial km²

a

4

9

LINIERS - MATADEROS - PARQUE AVELLANEDA

1,29

b

5

9

LINIERS - MATADEROS - PARQUE AVELLANEDA

5,82

c

5

11

VILLA DEL PARQUE - VILLA DEVOTO - VILLA GRAL. MITRE - VILLA SANTA RITA

2,50

Tabla 4.0.18 Valor sopesado de las áreas potenciales correspondientes a las escuelas a, b y c.

Bárbara R. Constantinidis

UNIGIS América Latina

192

El Mapa 4.0.47 exhibe los resultados relacionando la valoración de las áreas potenciales más beneficiosas para la inserción de una nueva escuela. En este mapa se han insertado las tres escuelas propuestas y previamente evaluadas con el modelo MCI, con sus áreas de influencia inmediata Se verifica que las tres escuelas nuevas se encuentran contenidas dentro de las áreas potenciales de interés.

El Mapa 4.0.48 presenta el resultado de las áreas categorizadas de acuerdo con su valoración, con una graduación de colores, donde el azul representa a las zonas más beneficiosas y las rojas a las áreas menos aptas. Se agregan las tres nuevas escuelas con sus áreas inmediatas de influencia, y la competencia existente en el mercado, para cada zona.

Finalmente se elabora el Mapa 4.0.49 y Mapa 4.0.50, a modo de síntesis final. En ellos se presentan los resultados obtenidos por el método multicriterio y por la aplicación de las herramientas de geoprocesamiento, respectivamente. En ambos casos se han agregado los elementos de influencia externa más significativos, entre ellos las sendas para circulación en bicicleta, red de Metrobús, clubes, espacios verdes públicos y privados, áreas susceptibles de inundaciones y la referencia de las escuelas existentes, respecto de la nueva escuela propuesta para la Zona A, en la Comuna 9, con sus áreas de influencia próxima y promedio.

Bárbara R. Constantinidis

UNIGIS América Latina

193

Mapa 4.0.47 Valoración de las áreas potenciales de las nuevas escuelas y su área de influencia. Modelo Multicriterio. Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

194

Mapa 4.0.48 Valoración de áreas potenciales para las comunas 9, 10 y 11. Escuelas existentes y proyectadas. Modelo Multicriterio. Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

195

Mapa 4.0.49 Síntesis de Resultados - Modelo Multicriterio. Comuna 9, Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

196

Mapa 4.0.50 Síntesis de Resultados – Método por Herramientas de Geoprocesamiento.

Comuna 9, Ciudad de Buenos Aires. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

197 vi. Definición de las diferencias entre las variables de análisis que afectan al sector privado y al sector público

Criterios Función

Variables de evaluación institucional de las escuelas de Nivel Inicial según tipo de gestión Gestión Pública Gestión Privada Fuente Cuidado Rodríguez Villoldo, Demarco, Educativa

Gorosito, Nuza y Werefkin,

Asistencial

2014

Responsabilidad

Implementación de instalaciones especiales.

DGEGP, Decreto 2075/07

Social

Tratamiento de programas pedagógicos acordes a la temprana edad.

Seguridad

Prevención de accidentes

edilicia

Atención de emergencias

"Escuelas seguras", 2017

Infraestructura actualizada Toma de

Concentrada en un agente estatal

Descentralizada

decisiones

Intereses generales o particulares

Particular

Considera un sistema de servicios

Se aplica sobre un único servicio

Espacio

Equidad espacial

(Teitz, 1968; Pred, 1969).

(Pinch, 1985) Eficiencia Espacial

(Bosque Sendra et. al, 2000).

Ejes (Ministerio

Inclusión educativa

"Educación de Gestión

de Educación

Calidad educativa

Privada", 2017

Ciudad

Centralidad de la institución educativa

Autónoma de

El docente en el lugar del saber

Buenos Aires)

Nueva alianza escuela – familia

Tabla 4.0.19 Variables de evaluación institucional de las escuelas de Nivel Inicial según tipo de gestión. Elaboración propia.

198

Variables según el comportamiento de los consumidores de las escuelas de Nivel Inicial según tipo de gestión Criterios Urbanísticos

Gestión Pública

Gestión Privada

Accesibilidad peatonal

Fuente Elaboración propia

Accesibilidad en transporte público Accesibilidad vehicular particular Distancias de las trayectorias vivienda - escuela – trabajo Seguridad Cercanía de espacios verdes Pertenencia a sitios pasibles de anegamiento De consumo

Preferencia de turno

Elaboración propia

Enseñanza Religiosa Enseñanza Bilingüe Enseñanza mixta o diferenciada por sexo Valor de cuota Accesibilidad para discapacitados Cercanía de clubes

Tabla 4.0.20 Variables según el comportamiento de los consumidores de las escuelas de nivel inicial según tipo de gestión.

Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

199

vii. Determinación de los factores condicionantes para integrar herramientas SIG en la toma de decisiones de gestión escolar privada en el nivel inicial de la Ciudad de Buenos Aires, a través del geomarketing.

Factor Plataforma abierta de información oficial

Accesibilidad

Disponibilidad

Parcialmente

Información

accesible

incompleta para este sector

Acceso a software con herramientas

Accesible

Libre / Comercial

Accesible

Libre / Comercial

No existe para CABA

No disponible

En proceso de

No disponibles

específicas de geomarketing Capacitación de los recursos humanos de la gestión escolar privada Sistema de datos y aplicaciones específicas orientadas al geomarketing para el área educativa Integración de datos públicos y privados

integración, no accesibles Tabla 4.0.21 Factores que inciden en la aplicación de Geomarketing, en escuelas de Nivel Inicial de la CABA. Elaboración propia.

200

viii. Identificación de políticas públicas que favorecen la aplicación de geotecnologías en la gestión educativa privada, para la Ciudad de Buenos Aires.

Políticas públicas para la promoción de SIG en el sector educativo en la CABA Nivel Nacional IDERA: datos sobre Jardines de Infantes y

Nivel Local No disponible. No accesible. No actualizado

Maternales Programa Nacional Mapa Educativo

No disponible. No accesible. No actualizado

Proyecto Mapa Escolar de la Ciudad de

Datos parcialmente disponibles. No accesible

Buenos Aires

directamente. En desarrollo.

Tabla 4.0.22 Políticas públicas para la promoción de SIG en el sector educativo en la CABA. Elaboración propia.

Bárbara R. Constantinidis

UNIGIS América Latina

201

4.2. Discusión de los resultados i. Ubicación actual de los establecimientos educativos de nivel inicial para la gestión pública y privada en la Ciudad de Buenos Aires.

Los resultados del relevamiento realizado sobre la totalidad de los establecimientos educativos en la Ciudad de Buenos Aires se han sintetizado en la tabla Tabla 4.0.1 y justifican la importancia de analizar el caso del sector educativo privado de nivel inicial, siendo que superan el 40 % del total de este nivel, entre públicos y privados, y representan el 17,5% de la totalidad de escuelas de la Ciudad de Buenos Aires. Estos valores se corresponden con la tendencia de incremento en la preferencia de elección de escuelas de gestión privada, demostrada entre los años 2001 y el 2013, (Gasparini, Jaume, Monserrat y Vázquez, 2011).

Los resultados de las clasificación expuesta en la Tabla 4.0.2 y el Mapa 3.0.3 para el sector privado, muestran un fuerte desarrollo del nivel inicial, en establecimientos que ofrecen servicios de tipo común y que además comparten el uso educativo del edificio con los niveles primario y secundario, posibilitando la continuidad en el ciclo educativo de los niños.

Por su parte, aplicar herramientas de planificación a través de los SIG, en de la Ciudad de Buenos Aires, ha permitido detectar que existe un déficit en la cantidad de escuelas de nivel incial, que responden a necesidades especiales. De acuerdo los resultados de este análisis, solamente un establecimiento de gestión privada, ofrece nivel incial especial, en el cual también se desarrolla un nivel primario especial y un nivel secundario común.

Bárbara R. Constantinidis

UNIGIS América Latina

202

ii. Concentración de la población de preferencia de consumo de las escuelas privadas de nivel inicial en la Ciudad de Buenos Aires, según Censo 2010.

La metodología aplicada, ha permitido elaborar una tabla de resultados de la información demográfica y económica, organizados por comuna, incluyendo total de la población, total de niños en la etapa de educación de nivel incial, porcentaje de población de 0 a 4 años sobre el total, y tasa de empleo.

Se observa que la comuna 8, que incluye a los barrios de Villa Riachuelo, Villa Soldati y Villa Lugano, concentra el mayor porcentaje de niños en edades de 0-4 años sobre el total de población, con un 8,98%, mientras que la comuna 2, barrio de Recoleta, se encuentra en el extremo de menor porcentaje de niños de nivel inicial, con solo un 3,94%. La media entre el total de las comunas, es del 5,71%, considerando niños menores a 4 años sobre el total de la población por comuna. Este valor medio, es el que representa aproximadamente a las comunas 1, barrio de Constitución, Montserrat, Puerto Madero, Retiro, San Nicolás y San Telmo; y 12, con los barrios de Coghlan, Saavedra, Villa Pueyrredón y Villa Urquiza.

Analizando la relación de estos valores con la tasa de empleo, se verifica que la comuna 8, con mayor porcentual de niños de hasta 4 años, es la que se ubica en la posición económica más desfavorable.

El Mapa 4.0.2, muestra la distribución total de la población de la Ciudad de Buenos Aires, como marco de referencia para analizar el Mapa 4.0.3, donde se muestra el resultado de la distribución demográfica de niños en edad escolar inicial, predominantemente extendida hacia el sur de la Ciudad de Buenos Aires, en las comunas 7 y 4. Por su parte, la zona norte de la Ciudad de Buenos Aires, no repite exactamente este fenómeno en las comunas 13 y 14, si bien presentan cantidades medias y altas niños en edad de nivel inicial.

Bárbara R. Constantinidis

UNIGIS América Latina

203

La explicación para esta relación se complementa con el análisis que permite elaborar el Mapa 4.0.4, de distribución de la población según tasa de empleo. Este mapa ofrece un claro fraccionamiento de la Ciudad de Buenos Aires, según su situación económica, concentrando hacia la zona sur, a las comunas más pobres y con mayor cantidad de niños que requieren educación inicial. Esto significa una mayor atención en la evaluación de la planificación de la gestión educativa, para cubrir las necesidades con servicios privados acorde a la accesibilidad económica de estas familias.

Por lo tanto, la metodología aplicada permite corroborar los datos de la información vertida en el Cap. 3.1.2. con respecto a la distribución de este segmento de estudiantes. En ambos casos se verifica que los valores de la comuna 8, representan a la mayor concentración de niños de nivel inicial, y que las comunas 13 y 14 alcanzan cifras elevadas, aunque no coinciden exactamente como de mayor población para este corte de edad.

Cabe reiterar en esta discusión de resultados, que se ha excluido de estos análisis, a la porción de la población que habita los asentamientos urbanos precarios N.º 13 y N.º 31 denominados villas de emergencia. La villa 13 se ubica en la comuna 7, barrio de Flores y la villa 31 en el barrio de Retiro, comuna 1.

Bárbara R. Constantinidis

UNIGIS América Latina

204

iii. Definición de las variables de comportamiento poblacional que influyen en el tipo de oferta de las escuelas de gestión privada en el nivel inicial.

El método de análisis de densidades de eventos para cada categoría permite analizar los diferentes tipos de oferta de servicios educativos, tomando como referencia común para la valoración, el número absoluto de alumnos matriculados en cada colegio de nivel inicial de gestión privada, para la Ciudad de Buenos Aires. Los mapas temáticos se han elaborado en base a las categorías evaluadas por el Ministerio de Educación, acorde a la información censal provista y clasificada por este organismo.

Tal como se ha tratado en el Cap. 2.4, el Ministerio de Educación ha instituido ciertos ejes para el conjunto del sistema educativo de la Ciudad ("Educación de Gestión Privada", 2017), entre ellos la inclusión educativa, la calidad educativa y la nueva alianza escuela – familia.

Estos ejes justifican que, entre las categorías más relevantes a analizar, se estudien variables relacionadas con el propio currículum académico, así como otras de tipo cultural, prioritarias para la selección que realiza cada familia. A su vez, conforme a la situación socio - económica de los responsables de niños en edad escolar inicial, la decisión de cada escuela también depende de las condiciones horarias de la actividad laboral que ellos desempeñen, por lo que el análisis por turnos es indispensable.

Por su parte, estudiar estos datos por comuna, ofrece resultados aptos para una planificación abordada con visión geográfica, que posibilita tomar decisiones específicas, para cada sector administrativo de la Ciudad.

El primer grupo de mapas, describen la densidad de la oferta educativa por turnos en la Ciudad de Buenos Aires, según la población de alumnos registrada en cada escuela y permite estudiar su distribución en forma comparativa, en función de la cantidad de escuelas aptas para ofrecer cada tipo de servicio. En el Mapa 4.0.5, se aprecia que de las 488 escuelas evaluadas, solamente un 15% no ofrecen la posibilidad de asistir en turno mañana, mientras

Bárbara R. Constantinidis

UNIGIS América Latina

205

que más del 50%, responden a estructuras que alojan hasta 100 alumnos y el 35% restante, se trata de escuelas, en cuyo edificio probablemente comparte el alumnado con otros niveles académicos, siendo que se trata de instituciones de entre 200 y 400 alumnos. Las mayores densidades de alumnos por km², que asisten a escuelas en turno mañana, se producen en las zonas centro y norte de la ciudad, en coincidencia con las comunas que con mayor tasa de empleo en la Ciudad de Buenos Aires. Fuente: (INDEC, 2010).

El Mapa 4.0.6 exhibe la densidad correspondiente a los alumnos que asisten a escuelas, que solamente ofrecen sus servicios en el turno tarde. En este caso, se observa que el 45% de los establecimientos educativos, desestiman esta modalidad. Aproximadamente otro tanto, responde a la tipología de escuelas de hasta 100 alumnos, y solo unas pocas incluyen la modalidad exclusiva de nivel inicial turno tarde, en estructuras mayores, con edificios que albergan entre 200 y 400 alumnos. Sin embargo, la distribución de esta tipología de escuelas se encuentra más dispersa, con focos en las comunas de las zonas norte, oeste y sur.

Analizar la modalidad de jornada extendida, clarifica una escasez de este recurso en la educación inicial privada, y a la vez una clara localización en las áreas administrativamente centrales, ubicadas en el centro administraticvo de la Ciudad de Buenos Aires, y en la zona Norte, expuesto en el Mapa 4.0.7.

Por último, el Mapa 4.0.8 muestra los resultados del tipo de oferta que consiste en la doble jornada académica, con asistencia de los niños en ambos turnos. Se observa que de los 488 establecimientos relevados, un 75% carece de esta posibilidad. El 25% restante, ofrece una cobertura extendida en toda la ciudad, y predomina en las comunas de mayor actividad económica, centro administrativo, zona norte y central, así como algunos focos dispersos hacia el sur, con baja cobertura para su población.

La secuencia de mapas temáticos elaborada responde a la evaluación de la oferta religiosa para los niveles iniciales privados en la Ciudad de Buenos Aires. Actualmente un 48% de esta

Bárbara R. Constantinidis

UNIGIS América Latina

206

categoría de colegios, pertenecen a estructuras que profesan alguna fe, en escuelas de hasta 610 alumnos. Este dato coincide con la situación de que la mayoría de estas escuelas, responden a esquemas de tipo parroquial, vinculadas a la actividad de iglesias representativas de sus comunas y compartiendo el establecimiento con otros niveles educativos. Si bien el Mapa 4.0.9 presenta una cobertura distribuida uniformemente en la Ciudad de Buenos Aires, los focos más densos se ubican en las Comunas 2, 6 y 13, siguiendo en las comunas 5 y 14. A su vez, dentro de esta categoría de escuelas, el 80% de las mismas corresponde a establecimientos que albergan matrículas de hasta 240 alumnos.

La oferta de educación privada laica expuesta en el Mapa 4.0.10, presenta un 46%, y existe un 6% restante cuya oferta religiosa no está registrada oficialmente. La distribución de las escuelas laicas también presenta una cobertura uniforme sobre la totalidad de las comunas que componen la Ciudad de Buenos Aires, con focos más desarrollados hacia el sur de la comuna 13 y, en segundo lugar, en una zona de influencia entre las comunas 2, 5, 6, 15 y 14.

La zona sur corresponde a la menor cobertura de las mismas, con bajas densidades en las comunas 4 y 8.

El caso de la oferta de colegios bilingües privados para el nivel inicial se encuentra reducido a 3 escuelas, la comuna 13 presenta la mayor densidad en función de los alumnos que asisten a la institución. Los dos restantes se ubican ente las comunas 7 y 10, según expone el Mapa 4.0.11.

En cuarto lugar, se estudió la oferta educativa privada diferenciada por sexos. El Mapa 4.0.12 indica la densidad de establecimientos exclusivos para varones o mujeres. Este tipo de establecimientos ha sufrido una importante reducción en los últimos 30 años, siendo que la mayor parte de los colegios que tradicionalmente recibían exclusivamente varones o mujeres, hoy en día imparten la enseñanza mixta. No obstante, el análisis demuestra que, en la zona de influencia de la comuna 2, se ubica la totalidad de estos 6 colegios, conformando

Bárbara R. Constantinidis

UNIGIS América Latina

207

una zona concentrada con la mayor densidad y en estructuras cuyas organizaciones tienen hasta 250 alumnos.

Finalmente, la secuencia del Mapa 4.0.13, Mapa 4.0.14 y Mapa 4.0.15, organiza la densidad de acuerdo al valor de la cuota registrada al año 2016, en pesos argentinos, con cortes hasta $3.000, de $3.001 a $8.999, y superiores a los $9.000. En todos los casos, considerando el valor de la cantidad de alumnos de cada escuela, provisto por el Ministerio de Educación.

Para poder analizar este corte de valores, se incluye en la métrica del valor cero, para cada categoría, lo que permite visualizar gráficamente la relación de densidades, y el tipo de cobertura para las diferentes comunas de la Ciudad de Buenos Aires, donde solamente un 36% corresponde a cuotas por sobre los $3000, para escuelas de nivel inicial privado.

Analizar los resultados de este este estudio a la luz de los datos socioeconómicos previamente expuestos, clarifica una distribución homogénea de eventos de las escuelas privadas con cuotas de hasta $3.000, en estructuras de alumnos de hasta 300 alumnos por edificio. A medida que la cuota aumenta, esta oferta disminuye y se concentra hacia las zonas centro y norte, con escuelas de hasta 150 alumnos por establecimiento, que en el caso de cuotas superiores a los $9.000 se densifican en la comuna 13 y en menor medida en las comunas 2 y 6. Predominantemente en los barrios de Belgrano, Recoleta y Caballito, con los focos de nivel socioeconómico más elevado y características estructuras edilicias tradicionales, con un promedio de 200 alumnos por establecimiento.

Las escuelas cuyas cuotas han superado los $9.000 en el año 2015, representan apenas un 7,5% del total. Cabe mencionar, que, en la base de datos mencionada, no se dispone del dato de valor de cuota para la totalidad de colegios privados de nivel inicial de la Ciudad de Buenos Aires, los cuales han sido considerados dentro de la categoría “0”, desestimándose su relevancia, por representan un 2,6% del total.

Bárbara R. Constantinidis

UNIGIS América Latina

208

iv. Identificación de variables edilicias y urbanas de atracción, en la elección de escuelas de nivel inicial de gestión privada de la Ciudad de Buenos Aires.

El análisis de datos de superficie, entendido desde su localización geográfica, permite conocer la composición real del mercado educativo privado por comuna o conjunto de barrios de la Ciudad de Buenos Aires, medida en superficie cubierta en metros cuadrados. El destino corresponde a actividades que incluyen el nivel incial, en forma aislada o como complemento de otros niveles ofrecidos en el mismo edificio.

Para los resultados obtenidos, queda determinada como superficie mínima registrada, la de 100 m² cubiertos, que podrían corresponder a salas maternales o jardines de infantes exclusivamente, con una capacidad funcional baja, mientras que los valores medios se relacionan generalmente con el tipo de colegios que combinan la educación incial con la primaria. Los mayores valores son los de edificios que reunen la totalidad de los niveles, en más de una planta.

Este tipo de geoprocesos, no solamente permiten medir variables físicas de atracción, sino también situaciones cualitativas mensurables, como la condición de cumplimiento normativo para cada escuela, que se expone en la tabla 4.4. Este es un elemento especial de valoración que depende de la información disponible. Actualmete, un 10,8% de la totalidad de las escuelas evaluadas, cumple con la aprobación de la documentación que solicitan y controlan los organismos oficiales del Gobierno de la Ciudad de Buenos Aires.

Si consideramos que este elemento posee un peso en la determinación de la elección, por parte de los consumidores, para el caso de escuelas nuevas este peso será el máximo, dado que la obtención de habilitación concedida, implica total cumplimiento de la normativa, como condición para que una escuela privada de nivel incial ofrezca sus servicios a la

Bárbara R. Constantinidis

UNIGIS América Latina

209

comunidad. Las escuelas pre existentes, actualmente se encuenrtan en diferentes estadíos de cumplimiento de las condiciones establecidas pos estos mismos organismos.

La variable geográfica, permite conocer cuáles son las comunas donde se concentran los establecimientos de acuerdo a su nivel de cumplimiento. Donde a su vez la mayor parte de los mismos coincide con las zonas de mejor nivel socioeconómico, concentrado hacia el centro y norte de la Ciudad de Buenos Aires. Finalmente, se aplicó el mismo procedimiento para estudiar condiciones externas de influencia sobre el mercado privado, las cuales serán consideradas para los análisis de modelización de geomarketing.

En el caso de las 488 escuelas evaluadas, cabe destacar que más de la mitad, un 58,8%, no dispone de rampas para acceso de discapacitados en su área inmediata de influencia, determinada en los 100 Mt. desde la puerta del establecimiento, equivalentes a una cuadra tipo. Las mejores condiciones de acceso, como factor externo, también son coincidentes con el cumplimiento de parámetros intrínsecos de seguridad edilicia y accesibilidad, entre el centro y norte de la ciudad, donde las escuelas concentradas hacia el oeste de la ciudad, son las más deficitarias.

Avanzando con los otros ejes de evaluación de variales externas, los resultados obtenidos reflejan también que entre un 60% y un 76% de las escuelas, se encuentran a más de 500 Mt. de estaciones de subte o metrobus. Un 26% de las mismas, dispone de al menos una estación de subte ubicada en un diámetro de 500 mt de influencia y solamente un 7% dispone de una estación de metrobus. Estos resultados pueden visualizarse con claridad en el Mapa 4.0.20 y Mapa 4.0.21, asociados a la concentración de la red de subterráneos en el área de centro administrativo y destaca la presencia de la red de Metrobús que beneficia mayoritariamente a las escuelas de los ramales norte, mejora la accesibilidad hacia el sur, y en menor medida hacia el oeste.

Bárbara R. Constantinidis

UNIGIS América Latina

210

La traza de colectivos de la ciudad también ha sido analizada, sin embargo, en función del tipo de consumidor característico del nivel inicial de educación, cabe reflexionar sobre la necesidad de apelar a sistemas más apropiados, eficientes y sostenibles en términos de viaje con niños menores a los 5 años de edad, donde abordar buses cuyo sistema no se encuentra articulado a una propuesta integral de transporte, resulta más dificultoso e inseguro.

La evaluación de las áreas verdes, clasificadas en públicas y privadas, ha sido una variable externa de peso en cuanto a la asociación de los alumnos menores con la necesidad de juego y esparcimiento. En este sentido, la Ciudad de Buenos Aires ofrece una cobertura de áreas verdes para las escuelas, en un área de aproximación de 500 Mt., que equivale al 68% aproximadamente, independientemente del tipo de gestión de dichos espacios. El 32% restante, se verá desfavorecido, ante la atracción de sus potenciales consumidores. Este análisis también puede realizarse a nivel comuna, con el objetivo de mejorar las condiciones ambientales de los distritos escolares, por parte del Gobierno de la Ciudad.

El cuarto elemento externo condicionante es la presencia de clubes, donde la actividad deportiva es un elemento complementario positivo de la educación y la proximidad peatonal a los mismos, define un vínculo social entre las mismas familias que concurren a las escuelas.

Para este caso, el Mapa 4.0.26 posiciona los clubes de la Ciudad de Buenos Aires, y las herramientas de geoprocesamiento determinan el nivel de relación con las escuelas.

Actualmente un 60% de las escuelas pueden integrarse peatonalmente con al menos un club.

La trayectoria de senderos seguros es uno de los elementos urbanos que podría atribuir mayor valor a la elección de una escuela en función de su ubicación en la ciudad. La escasez y concentración de los mismos lo hace desestimable en la mayoría de las comunas de la Ciudad de Buenos Aires, donde solamente un 30% de las escuelas privadas que contienen nivel incial en su oferta, dispone de al menos un tramo de corredor seguro en sus primeros 500 Mt. de accesibilidad peatonal.

Bárbara R. Constantinidis

UNIGIS América Latina

211

Los elementos previamente evaluados representan valores positivos en su totalidad, sin embargo identificar áreas de influencia negativa también restringe la decisión de implementar una nueva escuela u optar por ella. Para demostrar que las herramientas SIG pueden arrojar resultados de restricción, se han estudiado las áreas más propensas a inundarse, pudiendo identificar aquellas escuelas que actualmente se encuentran dentro de su área de influencia peatonal inmediata.

De acuerdo a la información abierta provista por el Ministerio de Justicia y Seguridad a través de la plataforma del Gobierno de la Ciudad de Buenos Aires, al año 2016 la Ciudad presenta 126 sectores de anegamiento por lluvias. De las 488 escuelas analizadas, un 12 % se encuentra condicionado negativamente por este factor.

v. Identificación de áreas potenciales para la oferta de educación escolar de nivel inicial en el sector privado en la Ciudad de Buenos Aires, basada en sus variables comerciales, edilicias y urbanas, aplicando modelización SIG de geomarketing.

Los modelos aplicados en este punto demostraron la posibilidad de arribar a resultados que permiten la toma de decisiones de mercado a partir de variables espaciales. Primero se desarrollaron modelos probabilísticos de tipo gravitacional, para estudiar la incidencia de las variables edilicias de superficie construida, en la decisión de los consumidores potenciales para las escuelas existentes.

Los resultados obtenidos con el modelo gravitacional llamado Huff, posibilitaron definir la incidencia de las variables edilicias de superficie construida, en relación con la distancia hacia cada escuela, determinando valores de probabilidad para cada caso. Para acotar el procedimiento, se determinó trabajar con el conjunto de las 85 escuelas que ofrecen exclusivamente nivel inicial de gestión privada en sus establecimientos, sin compartir el

Bárbara R. Constantinidis

UNIGIS América Latina

212

edificio con ningún otro nivel. Se eligió un caso al azar para demostrar el nivel de precisión posible para los resultados.

Al no disponer de un conjunto de datos específico para ubicaciones de origen, se aplicaron dos procedimientos diferentes. La herramienta Huff de ArcGIS ofrece la posibilidad de crear un conjunto de puntos aleatorios dentro de la extensión de la clase de entidad del área de estudio. Otra opción es la de crear una malla de puntos, que fueron separados cada 500 Mt. entre sí. Esto significa que se analizan las relaciones entre cada una de las 85 escuelas elegidas, con los 497 puntos de origen de consumo en el primer caso y con los 820 puntos en el segundo caso, para la misma extensión geográfica.

La determinación de una malla uniforme permite regular la cantidad de puntos de origen y su distancia, con un mayor control de los resultados, respecto de la cantidad y ubicación de los que propone la herramienta en forma predeterminada. También se utilizó la configuración opcional Huff de ArcGIS, para generar resultados de superficies de probabilidad, por el método Kriging. Se desestimó la posibilidad de trabajar con el tiempo de viaje a lo largo de una red de calles, por no disponer de estos datos en forma completa y confiable. Se verificó que el modelo el modelo Huff depende en gran medida del cálculo de la distancia y se utilizó el concepto de distancia tradicional euclidiana, medida en metros en línea recta.

En un primer proceso, no se cargaron las localizaciones de origen con los datos demográficos como potencial de ventas. Para un segundo análisis, se utilizaron los 820 puntos de origen con datos cuantitativos de potencial de ventas, para lo que se tomaron los diferentes tipos de datos demográficos por comuna, verificando su variación de acuerdo con la naturaleza de los mismos. Para ambas posibilidades de modelización con el método Huff, el análisis estadístico de sus atributos ofrece una definición de la distribución probabilística de consumo, y si bien es clara la concentración relacionada con la distancia, al aportar variables de mercado, los valores resultantes permiten determinar un área de influencia de atracción que no es regular, por verse influenciada por los datos a nivel comunal.

Bárbara R. Constantinidis

UNIGIS América Latina

213

En esta instancia del procedimiento, no se han detectado áreas potenciales para emplazar una nueva escuela. No obstante, la misma herramienta permite simular la ubicación de un nuevo edificio y la carga de variables de mercado, para calcular sus probabilidades de consumo.

Sabemos que no siempre es posible disponer de extensiones de análisis de mercado para ArcGIS, por lo que el segundo grupo de modelizaciones se ha realizado con herramientas de geoprocesamiento simples, aptas para encontrar resultados de superficies potenciales a partir de radios de influencia. Los resultados se obtuvieron a partir del uso de herramientas de selección y de generación de buffers, a partir de los datos urbanos disponibles.

De esta forma se determinó que la Ciudad de Buenos Aires, dispone de 1.661.475 m² aptos para la localización de Escuelas de Nivel Inicial de Gestión Privada. La cobertura total de escuelas que integran nivel Inicial a otros niveles es de 141.357.507 m², y de 51.743.598 m² para escuelas exclusivamente de Nivel Inicial. En todos los casos, esta área de cobertura se calcula sobre un radio de 500 Mt. Es decir, que las áreas potenciales representan un 1,17% de las ocupadas por uso educativo, y un 0,81 % de la superficie total de la Ciudad de Buenos Aires, 203.678.011 m².

La organización de los datos obtenidos ilustra la factibilidad de aplicación de este tipo de procesos para construir el escenario de estudio a escala comunal y barrial, y visualizar la composición de superficies urbanas vacantes, con usos del suelo aptos para funciones educativas. Los recortes de zonas aptas y sus relaciones con la información comunal ofrecen un resultado sobre el nivel de cobertura educativa que la ciudad tiene actualmente, e individualiza aquellas porciones de suelo, cuya población no está servida por escuelas privadas de nivel inicial exclusivo ni integrado a otros niveles de enseñanza.

Una selección de las áreas menos servidas ofrece el recorte sobre el que se trabaja en los pasos sucesivos, y que además coincide con los sectores más desfavorables dentro de la

Bárbara R. Constantinidis

UNIGIS América Latina

214

Ciudad de Buenos Aires, a nivel socioeconómico y respecto de provisión de los servicios urbanos analizados en el punto iv.

Tras identificar las áreas potenciales, agrupadas por la superficie apta por comuna, se seleccionan las comunas 9, 10 y 11 y se proyecta una nueva escuela en su centro gravitatorio.

A continuación, se verifica la factibilidad de utilizar modelos de geomarketing para estas áreas en particular y comparar los resultados probabilísticos con Huff, sobre las tres escuelas proyectadas, con los diferentes métodos de asumir puntos de origen de consumo. Se comprueba que, cuanto mayor es la cantidad de variables, es posible obtener una mejor definición de la distribución de consumo para cada caso.

Al agregar los modelos de maximización, estos resultados se enriquecen con la distancia entre origen consumidor

y punto de venta, apreciando

comparativamente el

comportamiento de los potenciales alumnos frente a los escenarios simulados, sea para los puntos que la herramienta Huff propone como para el recorte de la malla creada previamente, siempre considerando las tres mismas zonas de mercado, que no respetan la delimitación administrativa comunal.

Hasta el momento solo se han aplicado factores de tipo gravitacional, sin embargo, la modelización a través de SIG permite obtener resultados de modelos mixtos, como lo es MCI. La ventaja de aplicar este tipo de modelización es que responde a cálculos que pueden realizarse con herramientas sencillas y sin requerir una extensión específica de software, pero que al integrase con los datos espaciales y clasificarse, enriquece los resultados y proporciona mayor riqueza en la visualización de resultados.

Para integrar la modelización MCI, se trabajó con el área de influencia determinada por la distancia a la competencia existente más cercana, asumiendo que, en ese radio, se logrará la mayor captación de alumnos, no servidos por otras escuelas. Se decidió trabajar en forma parcial con la escuela denominada a, ubicada en la comuna 9, por ser la que presenta la

Bárbara R. Constantinidis

UNIGIS América Latina

215

menor cantidad de escuelas competidoras en su área de mercado y la que se encuentra más distante respecto de la escuela competidora más próxima, lo que determina una mejor área de captación de potenciales clientes.

El cálculo MCI aplicado sobre las dos competidoras directas, se modifica al incorporar al sistema la simulación de la nueva escuela. Este método cualifica los resultados a partir de variables capaces de combinar variables intrínsecas no gravitatorias y diseñar el conjunto de relaciones más adecuado al escenario real, para proyectar los resultados esperados a partir de la información geográfica disponible.

Finalmente, el último de los métodos practicados incorpora las herramientas contenidas en Spatial Analyst de ArcGIS, para efectuar un cálculo de tipo multicriterio y sopesar también los factores externos. Con este último método se vuelve a realizar una determinación de áreas potenciales, con las variables urbanas sopesadas con los criterios de exclusión y alejamiento de factores negativos y valorización positiva de elementos que benefician la implantación de nuevas escuelas, sobre las comunas 9, 10 y 11.

Los resultados de áreas potenciales coinciden parcialmente con las zonas donde se han implantado las nuevas escuelas y su valoración crítica ratifica que se trata de áreas beneficiosas para la implantación de las escuelas de nivel inicial, ya sea mediante métodos de geoprocesamiento simple como por la aplicación de modelización multicriterio, automatizada por ArcGIS.

Integrar en un mapa síntesis todos sus elementos, permite afinar la ubicación de estos edificios, en función de las posibilidades reales del mercado inmobiliario, con una mayor precisión para la búsqueda y una estimación del comportamiento de mercado de consumo.

Bárbara R. Constantinidis

UNIGIS América Latina

216

vi. Definición de las diferencias entre las variables de análisis que afectan al sector privado y al sector público.

Los resultados del método aplicado, plantean dos enfoques comparativos de acuerdo al tipo de gestión pública y privada, sobre las mismas variables de análisis, en la Ciudad de Buenos Aires. La primera de ellas aborda factores inherentes a la estructura educativa, como oferta integral hacia la comunidad, mientras que la segunda tabla, identifica variables comunes y otras excluyentes, que responden al tipo de consumidor de preferencia para establecimientos de fgestipón pública o privada de nuvel inicial.

En la Tabla 4.0.19, la bibliografía constitutiva del marco teórico, marca una clara tendencia a la concentración de factores de tipo sociales, que permiten construir una secuencia que parte de la definición de la función institucional, de cuidado, educativa y asistencial pública.

Estos temas inciden sobre la toma de decisiones relacionadas con la implementacipón de instalaciones especiales, para dar respuesta a la responsabilidad social de los establecimientos de nivel inicial. Mientras que en el ámbito de la gestión privada, la toma de decisiones, involucra al ente propietario de cada establecimiento como actor responsable de etos mismos factores de infraestructura y pedagógicos, con una mayor carga sobre la seguridad edilicia, que en los últimos años se ha constituido como objetivo de evaluación permanente de estas escuelas.

Por su parte, los criterios de gestión se diferencian con mayor amplitud, en la concepción del espacio. Mientras que la gestión pública prioriza la respuesta hacia la equidad espacial, considerandio la educación inicial dentro de un sistema de servicios públicos; la gestión privada hace prevalecer los

conceptos de eficiencia, ligados a calidad de los ámbitos

académicos, y su respuesta a requerimientos aministrativos y legales, en cumplimiento de las disposiciones vigentes, las cuales están incluso controladas por diferentes agentes estatales.

Bárbara R. Constantinidis

UNIGIS América Latina

217

En cuanto a factores coincidentes entre las variables que responden a los dos tipos de gestión analizados, los ejes de Educación responden de igual manera para ambos casos, donde la inclusión educativa se integra a la esfera privada, calidad y centralidad como parámetros institucionales, y luego dos tendencias que posicionan al docente y a la familia como elemetos centrales de la discusión educativa, el rol activo del maestro en el lugar del saber y la alianza entre escuela y familia, que fortalece la identidad.

Desde el punto de vista de los criterios urbanísticos, las variables de análisis que influyen en las decisiones de establecimientos educativos son plenamente coincidentes, dado que responden a la evolución de la propia ciudad regulada por un marco legal y único. Las decisiones que afectan a la elección de las escuelas, no están mayormente definidas por este conjunto de factores, si bien el cumplimiento del los mismos debe ser tenido en cuenta, para garantizar una mejor apropiación de los servicios educativos.

Finalmente, se determinan de las decisiones en materia de oferta y demanda, que justifican la utilización de estrategias de geomarketing en la educación privada de nivel inicial. Estos dos conjuntos de variables, urbanas y de consumo, son las más concretas para ser incorporadas a un modelo de localización educativa, y tienen correlato tanto con las características demográficas y socioeconómicas comunales, así como con las normativas urbanas y edilicias. Por tal motivo, no pueden estudiarse en forma aislada, sino integradas en un sistema de información, que potenciado por los factores geográficos, provee contexto científico a los resultados.

El conjunto de variables de consumo, influyen en las decisiones a tomar por los entes propietarios de cada institución privada de educación inicial, respondiendo a la demanda, con una cobertura de servicios condicionada por regulaciones edilicias y urbanas, muchas veces complejas en su cumplimiento. Cabe considerar que estas normativas son especiales en virtud de la edad de los alumnos. En la aplicación de la metodología para la obtención de la respuesta a este punto, el capítulo 2.4. Marco Legal de la Educación en Ciudad de Buenos

Bárbara R. Constantinidis

UNIGIS América Latina

218

Aires, ha sido un elemento concluyente. En este sentido, la definición de la normativa vigente a escala local, incide en cuestiones de índole pedagógico y regulatorio de la matrícula, condicionando decisiones de la planificación educativa privada, incluyendo los factores edilicios.

La aplicación de los códigos establecidos por ley para la Ciudad de Buenos Aires, con sus reglamentaciones, componen un conjunto de condiciones necesarias para garantizar el correcto el emplazamiento y expansión del equipamiento educativo; determinan la capacidad funcional apta para la habilitación de cada escuela, lo que incide en su matrícula; y aportan un conjunto de disposiciones en materia de seguridad edilicia, para cada nivel. Este último punto ha sido foco especial de atención en los últimos diez años para la Ciudad de Buenos Aires con un claro propósito de llegar un estado de riesgo cero para los alumnos y el personal afectado a sus escuelas, que actualmente se gestiona de forma diferenciada para el sector privado.

vii. Determinación de los factores condicionantes para integrar herramientas SIG en la toma de decisiones de gestión escolar privada en el nivel inicial de la Ciudad de Buenos Aires, a través del geomarketing.

La discusión de resultados sobre Determinación de los factores condicionantes para integrar herramientas SIG en la toma de decisiones de gestión escolar privada en el nivel inicial de la Ciudad de Buenos Aires, a través del geomarketing, se fundamenta en los conceptos vertidos en el Capítulo 2.3.4. Modelos de geomarketing aplicables al sector educativo

La clasificación de los servicios educativos, de acuerdo a sus diferentes niveles, depende de la edad de sus consumidores y por lo tanto, se aprecia una variación en el tipo de relaciones gravitacionales para cada caso. Cuanto menor es la edad de sus concurrentes, situación que se da en los niveles iniciales, mayor la atracción que ejercen las variables de la distancia,

Bárbara R. Constantinidis

UNIGIS América Latina

219

favorecida por la accesibilidad peatonal y trayectos de viaje más cortos. En contraste, cuando se analiza la educación media o universitaria, se identifican situaciones de atracción mixtas, que ya no dependen exclusivamente de la relación peso – distancia.

En cuanto a los factores que influyen en la elección de modelos de planificación de servicios educativos, en el caso de las escuelas privadas, las herramientas de geomarketing, cumplen el rol de facilitar y orientar metodológica y teóricamente la toma de decisiones, para favorecer localizaciones eficientes que satisfagan tanto a los agentes responsables de los establecimientos, como las necesidades de consumo de la población.

Si bien, el estudio realizado se centra en la actividad educativa de nivel inicial de gestión privada, no deben desestimarse las externalidades generadas por la presencia de una oferta mayoritaria de carácter público en la educación de la Ciudad de Buenos Aires, requiriéndose a nivel comuna, un estudio ordinario de las áreas predominantemente definidas.

viii. Identificación de políticas públicas que favorecen la aplicación de geotecnologías en la gestión educativa privada, para la Ciudad de Buenos Aires.

Con estos antecedentes, expuestos en el Capítulo 2.2.3. sobre SIG aplicado a la planificación de la educación en Argentina: el mapa escolar, queda manifiesta la voluntad política de gestión educativa a partir del uso de herramientas geomáticas y un desequilibro en cuanto a la disponibilidad de información a nivel nacional, provincial y local, donde la Ciudad de Buenos Aires encabeza un proceso de integración tecnológica para la planificación de servicios urbanos.

Bárbara R. Constantinidis

UNIGIS América Latina

220

CAPÍTULO 5. CONCLUSIONES

5.1. Breve resumen de los resultados

A través del desarrollo del flujograma propuesto, se demuestra positivamente, que la aplicación de modelos de integración de tecnologías SIG a través del geomarketing, es apta para lograr un diagnóstico preciso y orientar la toma decisiones sobre planificación educativa de gestión privada, para el nivel inicial en la Ciudad de Buenos Aires. El análisis teórico y práctico, implicado en las en las preguntas de investigación que fueron planteadas, ha aportado resultados derivados del análisis de situaciones físicas urbanas, identificación de variables socio económicas, demográficas y de comportamiento de las familias como consumidoras de educación privada, que se sintetizan a continuación.

Existe suficiente cantidad y calidad de datos para clasificar la oferta actual de establecimientos educativos de nivel inicial para la gestión pública y privada en la Ciudad de Buenos Aires, según las modalidades de la enseñanza oficial. Los datos demográficos disponibles discriminan etariamente a la población de alumnos representativa del nivel inicial de gestión privada en este contexto geográfico, y la utilización de información censal, coadyuva a definir las condiciones de accesibilidad económica que explican la relación de consumo por comuna, asociadas a otras piezas de información tales como la matrícula escolar, el valor de la cuota mensual en pesos argentinos para acceder a este tipo de establecimientos escolares y características de la oferta de servicios prestados por las diferentes instituciones, de educación de nivel inicial de gestión privada.

Bárbara R. Constantinidis

UNIGIS América Latina

221

Los datos ofrecidos por el Ministerio de Educación permiten definir variables de comportamiento de la demanda, que resultan de relacionar la cantidad de alumnos inscriptos formalmente para cada tipología de escuelas, adoptando una diferenciación entre tipos de jornada educativa según turnos y carga horaria, tendencia religiosa y continuidad académica hacia los niveles primario y secundario integrados en un mismo edificio, entre otras variables.

El cumplimiento de las normativas de edificación y condiciones urbanas vigentes, propuestas como variables de atracción dentro de un modelo gravitacional de geomarketing, no han podido ser validadas debido a la escasez de datos disponibles. No obstante, los procedimientos de modelización multicriterio, ha demostrado que, disponer estos datos en cantidad y calidad suficiente, define un conjunto de variables que podría influir en los valores de atracción de los consumidores en forma positiva y posicionar a las escuelas de nivel inicial de gestión privada según la calidad de su arquitectura segura.

La clasificación de los servicios educativos, de acuerdo con sus diferentes niveles, depende de la edad de sus consumidores y, por lo tanto, se aprecia una variación en el tipo de relaciones gravitacionales para cada caso. Cuanto menor es la edad de los alumnos en el nivel inicial, mayor la atracción que ejercen las variables de la distancia, favorecida por la accesibilidad peatonal y trayectos de viaje más cortos. En contraste, cuando se analiza la educación media o universitaria, se identifican situaciones de atracción mixtas, que ya no dependen exclusivamente de la relación peso – distancia.

Asimismo, los modelos de análisis espacial asociados al geomarketing, tales como maximización y análisis multicriterio, han permitido identificar áreas potenciales para proponer una localización eficiente de la oferta de educación escolar de nivel inicial en el sector privado, en las comunas de la Ciudad de Buenos Aires.

Bárbara R. Constantinidis

UNIGIS América Latina

222

Este análisis resulta válido para el tipo de escuelas analizadas, siendo que las variables de incidencia para el sector privado difieren respecto de las que corresponden al sector público, especialmente en lo que refiere al perfil consumidor desde una mirada socioeconómica.

Paralelamente, aplicando criterios de comparación de índole edilicia, urbana y pedagógica, no se verifican diferencias que pudieran impactar en definiciones de mercado para escuelas que responden a diferentes tipos de gestión.

Desde el punto de vista comercial, los modelos propuestos no son atractivos para ser aplicados a la educación pública, sin embargo se han identificado criterios comunes para la gestión educativa pública y privada. Entre ellos, la necesidad de dar respuesta a una cobertura en el territorio completo de la ciudad, cumpliendo con los criterios de planificación urbana respecto de la categoría de equipamiento educativo. En ambos casos, la relación entre la oferta y la demanda educativa se ve potenciada por una oferta eficiente del transporte, seguridad, accesibilidad, disponibilidad de espacios verdes y áreas recreativas.

Asimismo, las obras de infraestructura que resuelven problemas tales como situaciones de anegamiento por inundaciones, también conforman un conjunto de variables comunes a ambos tipos de gestión, para valorar indicadores de calidad urbana que ejercen atracción.

Si bien el Gobierno de la Ciudad de Buenos Aires ha promovido acciones recientes en materia de políticas educativas, aún no se han podido evaluar consecuencias positivas mensurables sobre la aplicación de geotecnologías en la gestión privada, la cual resulta insipiente. El estudio de los antecedentes de SIG aplicado a la planificación de la educación en Argentina, tal es el caso del mapa escolar, manifiesta la voluntad política de gestión educativa a partir del uso de herramientas SIG y una asimetría en cuanto a la disponibilidad de información de calidad a nivel nacional, provincial y municipal.

En cuanto al marco legal correspondiente a educación en Ciudad de Buenos Aires, la normativa local vigente regula la oferta pedagógica y su matrícula, respecto de condiciones edilicias, inmersas en la planificación urbana. En este sentido, la aplicación de los códigos

Bárbara R. Constantinidis

UNIGIS América Latina

223

establecidos por ley para la Ciudad de Buenos Aires, con sus reglamentaciones, componen un conjunto de condiciones necesarias para garantizar el correcto el emplazamiento y expansión del equipamiento educativo; determinan la capacidad funcional apta para la habilitación de cada escuela, lo que incide en su matrícula; y aportan un conjunto de disposiciones en materia de seguridad edilicia, para cada nivel.

Este último punto ha sido foco especial de atención en los últimos diez años para la Ciudad de Buenos Aires con un claro propósito de llegar un estado de riesgo cero para los alumnos y el personal afectado a las escuelas del sector privado. Actualmente, los responsables de escuelas de nivel inicial de gestión privada de la Ciudad de Buenos Aires, disponen de datos abiertos que posibilitan la integrar herramientas SIG en la toma de decisiones, a través del geomarketing, así como una diversidad de plataformas acecsibles tecnológicamente. Se identifica como ejes condicionantes principales, la capacitación de los recursos humanos y la información sobre los beneficios de la geografía aplicada para el sector ducativo privado, entendido como empresa.

Bárbara R. Constantinidis

UNIGIS América Latina

224

5.2. Valoración de las aportaciones específicas logradas Aplicar modelos de geomarketing que contemplen el comportamiento de la población que elige un sistema de gestión privada para los niños del nivel inicial, aporta resultados que permiten conocer si las tipologías de este sector de escuelas cubren la demanda actual a nivel local urbano, y si los servicios ofertados cubren las expectativas de estas familias, para decidir sobre el tratamiento de las diferentes variables de incidencia: temas culturales, económicos, religiosos, deportivos y de amplitud horaria.

Como un efecto secundario, la generación de información de calidad, para su tratamiento a través de las geotecnologías, incentiva a las propias escuelas a integrar metodologías basadas en SIG en su estructura, para intercambiar y compartir datos, resultados y experiencias, a través de redes educativas, asociaciones barriales o comunales, programas ambientales y de internacionalización de la educación.

En el caso de las escuelas privadas, las herramientas de geomarketing cumplen el rol de facilitar y orientar metodológica y teóricamente la toma de decisiones, para favorecer localizaciones eficientes que satisfagan tanto a los agentes responsables de los establecimientos, como las necesidades de consumo de la población, así como planificar y programar en el tiempo, las obras de arquitectura escolar segura y accesible, en función de la capacidad funcional admisible presente y su crecimiento en el tiempo.

Bárbara R. Constantinidis

UNIGIS América Latina

225

5.3. Recomendaciones Para realizar un estudio de geomarketing sobre el uso escolar privado a escala urbana, cualquiera sea el nivel educativo que se esté abordando, es indispensable que los organismos de gestión y control del gobierno local posean una base de datos abierta e integrada entre temas edilicios, normativos, pedagógicos y urbanos, que posibiliten realizar análisis temporales y verificar las predicciones de los resultados alcanzados, por las propias escuelas.

Acercar las buenas prácticas de uso de las herramientas SIG a entes privados, provee una autogestión de los propios procesos comerciales, con fundamentos científicos y geográficos, y posibilita el aporte sistemático de información actualizada periódicamente para la comunidad, pudiendo además generar un recurso de valorización urbana colaborativa.

Para lograr estos objetivos, se debe prever un esfuerzo preliminar en la adquisición de conocimientos tecnológicos e incorporación de plataformas que introduzcan en forma sencilla, las metodologías de análisis espacial en los diferentes espacios de toma de decisión organizacional, a través de capacitaciones e implementación de nuevas prácticas.

Las empresas desarrolladoras de software tienen en sus manos la posibilidad de colaborar sinérgicamente con el enriquecimiento de portales de datos abiertos y programas educativos. Estas acciones elevan el estadio de conocimiento de la comunidad e incentivan la consulta pública de información, incluyendo variables edilicias y urbanas que impactan en la calidad respuesta de las escuelas, conforme a las necesidades reales de la población.

El acceso a las geotecnologías, reduce la brecha de aplicación de estrategias de geomarketing, desde los escenarios a gran escala, para llevarlo a acciones locales y concentradas, aún en la dimensión de la pequeña y mediana empresa, sin que esto signifique una inversión económica desproporcionada respecto de la estructura económica y

Bárbara R. Constantinidis

UNIGIS América Latina

226

administrativa de una escuela privada de nivel inicial. Abordar el uso de GIS por parte de las denominadas Pymes, con alternativas de datos colaborativos y herramientas que permitan realizar operaciones básicas de geoprocesamiento, mejora la forma de entender la relación entre las variables propias de las instituciones y sus recursos. Especialmente en un tipo de actividad, cuyos orígenes de consumo son un sector de familias para las cuales la educación temprana es una necesidad básica.

Las operaciones funcionales para cada modelo de geomarketing, utilizando Sistemas de Información Geográfica, se han desarrollado exclusivamente con software ESRI, dado que la plataforma ArcGIS es de uso internacional y apta para el manejo de grandes volúmenes de datos, además de contemplar políticas diferenciales de uso para el área educativa. Trasladar estos procedimientos sistematizados, para potenciar la gestión de políticas de educación a escala de gobierno local, requiere un manejo de datos integrado entre las diferentes áreas de gestión pública y privada involucradas, y su relación con la comunidad educativa.

Bárbara R. Constantinidis

UNIGIS América Latina

227

ANEXO Ítem

Tema

Productor

Tipo

Fuente del

Fecha

de

dato

actualización

Fecha

de

incorporación

Frecuencia de actualización

del dato a)

b)

Comunas

Ministerio

Ministerio

de

de

Moderniza

Moderniza

ción

ción

-

Unidad de

Unidad de

SIG

SIG

Ministerio

verdes

de

de

Moderniza

Moderniza

ción

ción

y

privados

Clubes

.shp

-

Ministerio

Unidad de

SIG

SIG .shp

10/06/2016

Mayo 2016

03/06/2016

Eventual

Marzo 2015

15/04/2016

Anual

Diciembre

20/05/2016

Anual

-

Unidad de

Ministerio

Abril 2008

-

Espacios

públicos

c)

.shp

Gerencia

de

Operativa

Moderniza

de Clubes

ción

-

de Barrio y

Unidad de

Federacion

SIG

es Deportivas Subsecreta ría

de

Deportes d)

Sitios pasibles

Ministerio

Bárbara R. Constantinidis

.shp

Ministerio

UNIGIS América Latina

228

de

de Justicia

de Justicia

anegamiento:

y

y

Seguridad-

Seguridad-

Subsecreta

Subsecreta

ría

ría

de

Emergenci as

e)

Rampas

de

accesibilidad

2014

de

Emergenci -

as

-

Dirección

Dirección

General

General

Defensa

Defensa

Civil-

Civil-

Gerencia

Gerencia

Operativa

Operativa

de Riesgo

de Riesgo

Ministerio

.shp

Ente

de

de

Mantenimi

Moderniza

ento

ción

-

Urbano

Unidad de

Integral

Septiembre

15/04/2016

Anual

2015

SIG f)

Senderos

Ministerio

Seguros:

de Justicia

de Justicia

y

y

Seguridad

Seguridad

(MJYSGC) -

(MJYSGC) -

Subsecreta

Subsecreta

ría

ría

de

.shp

Ministerio

de

Prevención

Prevención

del Delito -

del Delito -

Dirección

Dirección

General de

General de

Diagnóstic

Diagnóstic

o y Diseño

o y Diseño

de

de

Bárbara R. Constantinidis

Semestral

UNIGIS América Latina

229

Políticas

Políticas

de

de

Intervenci

Intervenci

ón

ón

Temprana

Temprana

de

de

la

Seguridad. g)

Ciclovías

Ministerio

la

Seguridad. .shp

Jefatura de

de

Gabinete-

Moderniza

Subsecreta

ción,

ría

Innovación

Transporte

Marzo 2016

15/04/2016

Anual

Agosto 2016

20/05/2016

Trimestral

Agosto 2016

14/10/2016

Anual

de

y Tecnología -

Unidad

de SIG h)

i)

Calles

Colectivos

Ministerio

.shp

Ministerio

de

de

Moderniza

Moderniza

ción

ción

-

-

Unidad de

Unidad de

SIG

SIG

Ministerio

.shp

Planificaci

de

ón

Moderniza

Transporte

ción,

del

Innovación

Metropolit

y

ana

Tecnología

Buenos

-

Aires

Unidad

de SIG

del

Área

de

-

Secretaría de Transporte de

Bárbara R. Constantinidis

la

UNIGIS América Latina

230

Nación

-

Ministerio de Planificaci ón Federal, Inversión Pública

y

Servicios. j)

Metrobús

Ministerio

.shp

Comunicac

de

ión Plan de

Moderniza

Movilidad

ción

Sustentabl

-

Unidad de

Agosto 2016

25/04/2016

Anual

20/05/2016

Anual

Abril 2015

03/06/2016

Eventual

Octubre 2015

05/10/2015

e

SIG k)

Subtes:

Ministerio

estaciones

de

de Buenos

Moderniza

Aires

ción

.shp

SubterráneosJulio 2016

-

Unidad de SIG l)

Información

Ministerio

Censal

de

General de

Moderniza

Estadística y

ción

Censos

por

Radio 2010

.shp

-

Dirección

Unidad de SIG m)

Censo Nacional

INDEC

.shp

INDEC

de

Población, Hogares

y

Viviendas 2010

Tabla Anexo 1 Información adicional sobre los datos públicos urbanos utilizados. (Abierto, 2017)

Bárbara R. Constantinidis

UNIGIS América Latina

231

REFERENCIAS Abierto, D. (2017). Buenos Aires Data. [online] Data.buenosaires.gob.ar. Available at: http://data.buenosaires.gob.ar/dataset [Accessed 23 Jan. 2017].

Achabal D., Gorr W. L.y Mahajan V. (1982). MULTILOC: A Multiple Store Location Decision Model. Journal of Retailing, 58, pp.5-25.

Alcaide Casado, J., Calero de la Paz, M., Hernández Luque, R., & Sánchez Bayton, R. (2012).

Geomarketing (1st ed.). Pozuelo de Alarcón (Madrid): ESIC. (Alcaide Casado, Calero de la Paz, Hernández Luque, & Sánchez Bayton, 2012)

Amago, F. (2000). Logi ́stica y marketing geográfico (1st ed.). [Barcelona]: Logis-Book.

AMA Committee on Definitions (1960), Marketing Definitions: A Glossary of Marketing Terms. Chicago: AMA. pp.15

American Marketing Association (2017). Ama.org. Retrieved 6 January 2017, from https://www.ama.org/Pages/default.aspx

Anuario de la Estadística Educativa de la Ciudad de Buenos Aires (2004). Buenos Aires: Ministerio de Educación del Gobierno de la Ciudad de Buenos Aires.

Apezteguia, A. (2014). Aplicación de SIG para Geomarketing. Caso de estudio: Almacén de Vinos en la ciudad de Comodoro Rivadavia, Argentina. Tesis de maestría publicada. Ecuador: Universidad San Francisco de Quito. Colegio de Posgrados.

Área de investigación y Evaluación de Programas (2013). El debate sobre el crecimiento reciente de la educación privada. Dirección Nacional de Información y Evaluación de la

Bárbara R. Constantinidis

UNIGIS América Latina

232

Calidad Educativa, Subsecretaría de Planeamiento Educativo, Secretaría de Educación, Ministerio de Educación de la Nación. Buenos Aires. En imprenta.

Arcgis.com. (2017). Citar un sitio web - Cite This For Me. [online] Available at: https://www.arcgis.com/home/item.html?id=f4769668fc3f486a992955ce55caca18 [Accessed 24 Jan. 2017].

Baviera-Puig, A., Buitrago-Vera, J., Escriba-Perez, C. y Clemente J. (2009). Geomarketing: Aplicación de los Sistemas de Información Geográfica al Marketing. Departamento de Economía y Ciencias Sociales, Universidad Politécnica de Valencia, España.

Baviera-Puig, A., Buitrago-Vera, J., & Escriba-Perez, C. (2016). Geomarketing models in supermarket location strategies. Journal of Business Economics and Management, 17(6), pp.

1205-1221. http://dx.doi.org/10.3846/16111699.2015.1113198

Beltrán López, G. (2016). Geolocalización online (1st ed.). Barcelona: Editorial UOC.

Beltrán Lopez, G. (2012). Geolocalización y redes sociales (1st ed.). España: Bubok Publishing S L.

Buenos Aires Ciudad - Gobierno de la Ciudad Autónoma de Buenos Aires (2017). Código de Planeamiento Urbano. [online] Available at: http://www.buenosaires.gob.ar/planeamiento/codigo-de-planeamiento-urbano [Accessed 2 Feb. 2017].

Buzai, G. y Baxendale,C. (2008). Modelos de localización-asignación aplicados a servicios públicos urbanos: Análisis espacial de escuelas EGB en la Ciudad de Luján. Revista Universitaria De Geografía, 17(ISSN: 0326-8373), pp.233-254.

Campo, K., Gijsbrechts, E., Goossens, T., & Verhetsel, A. (2000). The impact of location factors on the attractiveness and optimal space shares of product categories. International Journal Of Research In Marketing, 17(4), 255-279. http://dx.doi.org/10.1016/s0167-8116(00)00026-4

Caillods, F. (1985). Carta escolar y microplanificación de la educación. París : Unesco. pp. 15

Bárbara R. Constantinidis

UNIGIS América Latina

233

Capacidad de la Infraestructura Escolar. Sector Estatal (2015). Investigación y Estadística Unidad de Evaluación Integral de la Calidad y Equidad Educativa (UEICEE). Ministerio de Educación de la Ciudad Autónoma de Buenos Aires

Cedom.gov.ar. (2017). Código de Edificación y Código de Habilitaciones de la Ciudad Autónoma de Buenos Aires. [online] Available at: http://www.cedom.gov.ar/codigos.aspx [Accessed 2 Feb. 2017].

Censo Nacional de Población, Hogares y Viviendas 2010 - Cartografía - dat.ar. (2017). [online] Datar.noip.me. Available at: http://datar.noip.me/dataset/censo-2010-cartografia [Accessed 16 Feb. 2017].

Chasco Yrigoyen, C. (2003). El Geomarketing y la Distribuición Comercial. Madrid: Investigación y Marketing, n. 79, pp. 6-14.

Christaller, W. & Baskin, C. (1966). Central places in Southern Germany (1st ed.). Englewood Cliffs, New Jersey: Prentice-Hall.

Clarín: “En el último año se fueron de las escuelas públicas casi 50 mil alumnos” - Chequeado.

(2017). Chequeado.com. Retrieved 13 January 2017, from http://chequeado.com/ultimasnoticias/clarin-en-el-ultimo-ano-se-fueron-de-las-escuelas-publicas-casi-50-mil-alumnos

Cliquet, G. (1988). Les modeles gravitaires et leur evolution. Recherche Et Applications En Marketing, 3(3), pp.39-52. http://dx.doi.org/10.1177/076737018800300303

Cliquet, G. (1992). Management stratégique des points de vente (1st ed.). Paris: Sirey.

Cliquet, G. (1997). Attraction commerciale: fondement de la modélisation en matière de localisation différentielle. Revue Belge de Géographie, 21, pp. 57-69.

Cliquet G., Fady A.& Basset G. (2002). Le management de la distribution. Paris: Dunod.

Bárbara R. Constantinidis

UNIGIS América Latina

234

Cliquet, G. (2006). Geomarketing (1st ed.). 7.1. Stages in the development of store location methods. P. 166-173. Newport Beach, CA: ISTE USA.

Cliquet, G. & Hughes, E. (2006). Geomarketing (1st ed.). London: ISTE Ltd.

Coca Carasila, A. (2008). El concepto de Marketing: pasado y presente. Revista de Ciencias Sociales (RCS) Vol. XIV, No. 2, pp. 391 – 412.

Código Rector de Arquitectura Escolar (1972), Argentina: Dirección Nacional de Arquitectura Escolar.

Copeland, M. T. (1923). Relation of consumers' buying habits to marketing methods. Harvard business review, 1(3), pp. 282-289.

Corbera Quintana, R. , González, A, y Vázquez Varela, C. (2002) .Cartografía y contenidos para aplicaciones LBS. Aplicaciones de geomarketing para equipamientos públicos. Ciencia y tecnología de la información geográfica en un mundo globalizado: X Congreso del Grupo de Métodos Cuantitativos, Sistemas de Información Geográfica y Teledetección. ISBN 9788487528477, pp. 15.

Desktop.arcgis.com. (2017). ¿Qué es la extensión ArcGIS Network Analyst?—Ayuda | ArcGIS for Desktop. [online] Available at: https://desktop.arcgis.com/es/arcmap/latest/extensions/network-analyst/what-is-networkanalyst-.htm [Accessed 24 Jan. 2017].

Definition of Marketing. (2017). Ama.org. Retrieved 10 January 2017, from https://www.ama.org/AboutAMA/Pages/Definition-of-Marketing.aspx

Denègre J., Salgé F. (1996) Les systèmes d’information géographique, Coll. Que-sais-je? no. 3122, Paris: PUF.

Bárbara R. Constantinidis

UNIGIS América Latina

235

Del mapa escolar al territorio educativo: diseñando la escuela desde la educación. (2014).

Formación Universitaria, 7(4), 1-1. http://dx.doi.org/10.4067/s0718-50062014000400001

Desktop.arcgis.com. (2017). Cómo funciona la densidad kernel—Ayuda | ArcGIS for Desktop. [online] Available at: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-analysttoolbox/how-kernel-density-works.htm [Accessed 24 Jan. 2017].

Desktop.arcgis.com. (2017b). Información general de la caja de herramientas Análisis—Ayuda | ArcGIS for Desktop. [online] Available at: http://desktop.arcgis.com/es/arcmap/10.3/tools/analysis-toolbox/an-overview-of-theanalysis-toolbox.htm [Accessed 24 Jan. 2017].

Desse R. (2001) Le nouveau commerce urbain. Presses Universitaires de Rennes. Collection Espace et territoires.

Dle.rae.es. (2017). Diccionario de la Real Academia Española [online] Available at: http://dle.rae.es/?id=NXnpqEu [Accessed 1 Feb. 2017].

DPTI - Servicios ABC - Dirección Provincial de Tecnología de la Información. (2017).

Servicios.abc.gov.ar. Retrieved 16 January 2017, from http://servicios.abc.gov.ar/escuelas/mapaescolar/

Educación de Gestión Privada. (2017). Buenos Aires Ciudad - Gobierno de la Ciudad Autónoma de Buenos Aires. Retrieved 17 January 2017, from http://www.buenosaires.gob.ar/educacion/escuelas/gestion-privada

Educación Inicial (2017). Buenos Aires Ciudad - Gobierno de la Ciudad Autónoma de Buenos Aires. Retrieved 3 January 2017, from http://www.buenosaires.gob.ar/educacion/estudiantes/inicial/modalidades

Esri.com. (2017). Esri Business Analyst | Desktop. [online] Available at: http://www.esri.com/software/businessanalyst/get-started/desktop [Accessed 24 Jan. 2017].

Bárbara R. Constantinidis

UNIGIS América Latina

236

Esri.com. (2017b). Esri Business Analyst | SaaS. [online] Available at: http://esri.com/bao [Accessed 24 Jan. 2017].

Esri.com. (2017)c. ArcGIS Network Analyst | Overview. [online] Available at: http://www.esri.com/software/arcgis/extensions/networkanalyst [Accessed 24 Jan. 2017].

Estadisticaciudad.gob.ar. (2017). Ciudad de Buenos Aires por comunas y barrios | Estadística y Censos. [online] Available at: http://www.estadisticaciudad.gob.ar/eyc/?p=58396 [Accessed 3 Feb. 2017].

Garci ́a Cuesta, J., Andrés López, G., & Molina de la Torre, I. (2000). Ciencia y tecnologi ́a de la información geográfica en un mundo globalizado (1st ed.). Valladolid: Universidad de Valladolid. Departamento de Geografi ́a.

Haines, G., Simon, L., & Alexis, M. (1972). Maximum Likelihood Estimation of Central-City Food Trading Areas. Journal Of Marketing Research, 9(2), pp. 154. http://dx.doi.org/10.2307/3149948.

Hallak, J. (1978). El mapa escolar (1st ed.). Paris: Unesco. pp.16.

Escuelas seguras. (2017). Buenos Aires Ciudad - Gobierno de la Ciudad Autónoma de Buenos Aires. Retrieved 6 January 2017, from http://www.buenosaires.gob.ar/educacion/escuelas/gestion-privada/escuelas-seguras

Fontalvo Cerpa, W. & Tejeida Carbajal, T. (2013). Implementación del Geomarketing en México como estrategia para desarrollo de negocios. Dictamen Libre, (12/13), pp. 55-70. ISSN 0124-0099. Barranquilla, Colombia.

Gasparini, L., Jaume, D., Monserrat, S., y Vázquez, E. (2011). La segregación escolar en Argentina, Documento de Trabajo N° 123. La Plata: Centro de Estudios Distributivos, Laborales y Sociales (CEDLAS)

Bárbara R. Constantinidis

UNIGIS América Latina

237

Ghosh, A. (1986). The Value of a Mall and Other Insights from a Revised Central Place Model.

Journal Of Retailing, 62 Issue 1(Spring 86), pp. 79.

Gregory T. Gundlach (2007). The American Marketing Association's 2004 Definition of Marketing: Perspectives on Its Implications for Scholarship and the Role and Responsibility of Marketing in Society. Journal of Public Policy & Marketing: Fall 2007, Vol. 26, No. 2, pp. 243250.

Hartley, R., Engel, J., Kollat, D., & Blackwell, R. (1974). Consumer Behavior. Journal Of Marketing, 38(2), 107. http://dx.doi.org/10.2307/1250212

Help.arcgis.com. (2017). Esri Business Analyst Desktop 10.0 System Requirements. [online] Available at: http://help.arcgis.com/en/businessanalyst/10.0/desktop/requirements/index.html [Accessed 24 Jan. 2017].

Huff, David L. (1964). “Defining and Estimating a Trade Area.” Journal of Marketing, Volume 28, pp. 34-38.

Indec.gov.ar. (2017). WebINDEC - Población / Censos / Censo 2010. [online] Available at: http://www.indec.gov.ar/nivel4_default.asp?id_tema_1=2&id_tema_2=41&id_tema_3=135 [Accessed 3 Feb. 2017].

INDEC (2010), Censo Nacional de Población, Hogares y Viviendas.

IDERA - Inicio. (2017). Idera.gob.ar. Retrieved 16 January 2017, from http://www.idera.gob.ar/index.php

Ign.gob.ar. (2017). División Política, Superficie y Población | Instituto Geográfico Nacional. [online] Available at: http://www.ign.gob.ar/NuestrasActividades/Geografia/DatosArgentina/DivisionPolitica [Accessed 3 Feb. 2017].

Bárbara R. Constantinidis

UNIGIS América Latina

238

Iso.org. (2017). Citar un sitio web - Cite This For Me. [online] Available at: https://www.iso.org/obp/ui/es/#iso:std:iso:tr:19122:ed-1:v1:en [Accessed 1 Feb. 2017].

Kaufmann, P. J., y Rangan, V. (1990). A Model for Managing Conflict during Franchise Expansion. Journal of Retailing, 66, 2, pp. 155-73.

Kotler, P., Jain, D.C. y Maesincee, S. (2002). El Marketing se mueve: una nueva aproximación a los beneficios, el crecimiento y la renovación. España: Paidós.

Kotler, P. y Keller, K.L. (2006). Marketing Management. (12Th ed). New Jersey, Prentice Hall.

La carta escolar en las provincias: Resultado se la encuesta sobre los trabajos realizados.

(2017). Repositorio.educacion.gov.ar. Retrieved 16 January 2017, from http://repositorio.educacion.gov.ar:8080/dspace/handle/123456789/91133

Latour, P. & Le Floc'h, J. (2001). Géomarketing (1st ed.). Paris: Ed. d'Organisation.

Laulajainen, R. (1987). Spatial strategies in retailing (1st ed.). Dordrecht: D. Reidel.

Ley 2189 (2006), Régimen de escuelas seguras de gestión privada. Buenos Aires: Legislatura de la Ciudad Autónoma de Buenos Aires.

Ley de impacto ambiental N° 123 y su modificada por Ley N° 452. (1988). Boletín Oficial N.º 1261. Buenos Aires: Legislatura de la Ciudad Autónoma de Buenos Aires.

Ley 621 (2001). Ley de regulación de habilitación, funcionamiento y supervisión de instituciones privadas de carácter educativo asistencial, destinadas a niños de 45 días a 4 años, no incorporadas a la enseñanza oficial - escuelas infantiles – guarderías.) y Decreto Reglamentario 1089/02. Buenos Aires: Legislatura de la Ciudad Autónoma de Buenos Aires.

Ley 962. Accesibilidad física para personas con necesidades especiales. (2001). Buenos Aires: Legislatura de la Ciudad Autónoma de Buenos Aires.

Bárbara R. Constantinidis

UNIGIS América Latina

239

Ley N.º 1777 (2005). Ley orgánica de Comunas. Legislatura de la Ciudad Autónoma de Buenos Aires.

Ley de Educación Nacional N.º 26.206, 2006, art. 18.

Ley de Educación Nacional N.º 26.206, 2006, art. 19.

Ley de Educación Nacional N.º 26.206, 2006, art. 23.

Mapa de establecimientos. (2017). Buenos Aires Ciudad - Gobierno de la Ciudad Autónoma de Buenos Aires. Retrieved 16 January 2017, from http://www.buenosaires.gob.ar/calidadyequidadeducativa/estadistica/mapa-escolar/buscatu-escuela/mapa-de-establecimientos

Macri, M., Chain, D., Lostri, H. (2009). Mapa oficial / edición literaria. - 1a ed. - Buenos Aires: Subsecretaría de Planeamiento del Ministerio de Desarrollo Urbano del Gobierno de la Ciudad Autónoma de Buenos Aires. ISBN 978-987-1037-86-5.

Mapa.educacion.gob.ar. (2017). Programa Nacional Mapa Educativo. [online] Available at: http://mapa.educacion.gob.ar/# [Accessed 2 Feb. 2017].

Mapa Escolar de la Provincia de Buenos Aires (2017). Arcgis.com. Retrieved 16 January 2017, from https://www.arcgis.com/home/item.html?id=2d1f652a326848339dfcdb268aedeac6

Mapa Interactivo de Buenos Aires - Gobierno de la Ciudad Autónoma de Buenos Aires.

(2017). Mapa Interactivo de Buenos Aires - Gobierno de la Ciudad Autónoma de Buenos Aires. [online] Available at: http://www.mapa.buenosaires.gob.ar [Accessed 8 Mar. 2017].

Ministerio de Educación y Deportes. Presidencia de la Nación Argentina. Anuarios Estadísticos. (2017). Portales.educacion.gov.ar. Retrieved 4 January 2017, from http://portales.educacion.gov.ar/spu/investigacion-y-estadisticas/anuarios/

Bárbara R. Constantinidis

UNIGIS América Latina

240

Ministerio de Educación Presidencia de la Nación. Dirección Nacional de Información y Evaluación de la Calidad Educativa (2013). A propósito del debate sobre la evolución de la matrícula en el sector privado.

Moreno Jiménez, A. (2001). Geomarketing con Sistemas de Información Geográfica. Madrid: Universidad Autónoma de Madrid y Asociación de Geógrafos Españoles.

Mumphrey, A., Seley, J., & Wolpert, J. (1971). A Decision Model for Locating Controversial Facilities. Journal Of The American Institute Of Planners, 37(6), pp. 397-402. http://dx.doi.org/10.1080/01944367108977389

Nakanishi, M. & Cooper, L. (1974). Parameter Estimation for a Multiplicative Competitive Interaction Model: Least Squares Approach. Journal Of Marketing Research, 11(3), pp. 303. http://dx.doi.org/10.2307/3151146

Narodowski,M. y Moschetti, M. (2014) El crecimiento de la matrícula en la educación escolar argentina 2003-2013: entre la privatización y el estancamiento. Universidad Torcuato Di Tella. Escuela de Gobierno/Educación. Documento de Trabajo.

Noin, D. & Brocard, M. (1976). L'Espace français (1st ed.). Paris: A. Colin.

Organization for Economic Co-operation and Development OECD (1973). Mathematical models for the education sector: A survey. Les modè les mathématiques du secteur enseignement. Paris: publisher not identified. pp.300

Ospina Díaz, M. & Sanabria Rangel, P. (2010). Un enfoque de mercadeo de servicios educativos para la gestión de las organizaciones de educación superior en Colombia: el modelo MIGME. Revista Facultad De Ciencias Económicas, 18(2), pp. 107-136. http://dx.doi.org/10.18359/rfce.2275

Pérez Romero, L. (2009). Geomarketing para ubicar oferta de valor en las pyme.

Emprendedores, (115), 52-58. ISSN: 0187-7828

Pinch, S.P. (1985). Cities and services. Londres: Routledge & Kegan Paul.

Bárbara R. Constantinidis

UNIGIS América Latina

241

Pinto R, F. (2012). Geomática tecnologías de punta (1st ed.). Estados Unidos: Palibrio.

Pitarch Garrido, M. D. (2000). Los modelos de planificación espacial de los servicios públicos: el caso de los servicios educativos. Cuadernos de geografía, 2000, Número 67-68: 119-136.

Portal IDERA - IDERA. (2017). Catalogo.idera.gob.ar. Retrieved 16 January 2017, from http://catalogo.idera.gob.ar/geonetwork/srv/spa/catalog.search#/metadata/7cf847d5fb791 1a1752e1b1f566396041fcb168f

Pred, A. (1969). Behavior and location. (partII). Luund: University of Lund.

Pro.arcgis.com. (2017). ¿Qué es la extensión de Spatial Analyst?—ArcGIS Pro | ArcGIS for Desktop. [online] Available at: https://pro.arcgis.com/es/pro-app/help/analysis/spatialanalyst/basics/what-is-the-spatial-analyst-extension.htm [Accessed 24 Jan. 2017].

Registro de Edificios Escolares de Gestión Estatal (2015) Investigación y Estadística - Unidad de Evaluación Integral de la Calidad y Equidad Educativa. Ministerio de Educación de la Ciudad Autónoma de Buenos Aires

Reilly WJ (1931) The law of retail gravitation. New York: Knickerbocker Press

Rodríguez Villoldo, I., Demarco, F., Gorosito C., Nuza, M., Werefkin, M. (2014). La educación en la Ciudad de Buenos Aires. Informe de Investigación 2013. Buenos Aires: Ministerio de Educación del Gobierno de la Ciudad de Buenos Aires.

Rodríguez Villoldo, I., Demarco, F., Gorosito C., Nuza, M., Werefkin, M. (2013). La oferta de Educación Inicial en la Ciudad Autónoma de Buenos Aires. Buenos Aires: Ministerio de Educación del Gobierno de la Ciudad de Buenos Aires.

Teitz, T. (1968). Toward a theory of urban public facility location. Papers of Regional Science Association, nº21, pp. 35-51

Bárbara R. Constantinidis

UNIGIS América Latina

242

WebINDEC - Población / Censos / Censo 2001. (2017). Indec.gov.ar. Retrieved 4 January 2017, from http://www.indec.gov.ar/nivel4_default.asp?id_tema_1=2&id_tema_2=41&id_tema_3=134 ("WebINDEC - Población / Censos / Censo 2001", 2017)

WebINDEC - Población / Censos / Censo 2010. (2017). Indec.gov.ar. Retrieved 4 January 2017, from http://www.indec.gov.ar/nivel4_default.asp?id_tema_1=2&id_tema_2=41&id_tema_3=135 ("WebINDEC - Población / Censos / Censo 2010", 2017)

Wolch, J. (1979). The residential location behavior of service-dependent households (1st ed.).

Zeller, R. E., Achabal, D. D., y Brown L. A. (1980), Market Penetration and Locational Conflict in Franchise Systems, Decision Sciences, 11, pp.58-80.

Bárbara R. Constantinidis

UNIGIS América Latina