Cambios de método

Cualquier cambio respecto a lo registrado antes de calcular resultados (los catálogos de data/catalog/) se documenta aquí, con su fecha y motivo.

D-001 · 25 oct. 2026 · Vínculos entre objetivos oficiales e indicadores#

• Qué: se añade a marcadores.yaml la sección vinculos_objetivos, que conecta los objetivos de objetivos.yaml con los indicadores del catálogo.
• Por qué: el catálogo de objetivos se compiló en paralelo con otra nomenclatura de indicadores. Hacía falta una correspondencia explícita.
• Cuándo: antes de calcular ningún cumplimiento.
• Efecto: solo se vinculan los objetivos cuya definición coincide con la del indicador. Las emisiones respecto a 1990 se obtienen con una transformación documentada. El gasto educativo se marca como aproximado. Los objetivos sin indicador equivalente en el catálogo quedan sin evaluar (tasa de empleo de 20 a 64 años, población AROPE en miles) hasta que se incorporen.

D-002 · 25 oct. 2026 · Fuentes del Banco de España sustituidas por Eurostat#

• Qué: deuda PDE, déficit y rendimiento del bono a 10 años se publican desde Eurostat, con los mismos datos notificados en el PDE o con el criterio de convergencia. La serie del Banco de España queda como contraste.
• Por qué: la API del Banco de España devuelve las respuestas comprimidas y tiene restricciones de rango que impedían una descarga reproducible y con huella. Eurostat ofrece además la comparación homogénea con la UE-27.
• Cambio de frecuencia: el déficit pasa de trimestral (acumulado de cuatro trimestres) a anual, que es el dato oficial notificado.

D-003 · 25 oct. 2026 · Tasa de empleo de 20 a 64 años#

• Qué: se añade al catálogo el indicador tasa_empleo_20_64 (Eurostat lfsi_emp_a, verificado contra la API para España y la UE-27), junto con su marcador y sus vínculos con los objetivos de empleo de Europa 2020 y del Pilar Europeo de Derechos Sociales.
• Por qué: sin este indicador, esos objetivos oficiales quedaban sin evaluar (D-001).
• Cuándo: antes de calcular su cumplimiento.

D-004 · 25 oct. 2026 · Estimaciones del CIS en el simulador#

• Qué: el simulador ofrece como punto de partida opcional las tres últimas estimaciones de voto del CIS (estudios 3571, 3577 y 3582), descargadas de cis.es con su huella (data/electoral/cis.json).

• Supuestos propios, declarados en la página:

  • reparto provincial por variación proporcional sobre 2023;
  • candidaturas sin resultados en 2023 (Podemos, Se Acabó la Fiesta) con el mismo porcentaje en todas las provincias;
  • «Otros partidos», sin desglose del CIS, como voto válido que no obtiene escaño.

  Se probó a repartir «Otros» entre las candidaturas menores de 2023 y se descartó, porque multiplicaba su voto y les daba escaños ficticios.

• Veda (LOREG, art. 69.7): del 24 al 29 de noviembre las estimaciones desaparecen de la página (en el build y en el navegador) y de los ficheros descargables.

D-005 · 25 oct. 2026 · Correcciones tras la revisión de neutralidad#

Una revisión interna de neutralidad detectó sesgos estructurales. Se corrigen así:

• Atribución de periodos. Cada año, trimestre o mes se atribuye al gobierno que gobernó más de la mitad de ese periodo. La regla anterior daba el año completo al gobierno que acababa de entrar: por ejemplo, 2011 contaba como año de Rajoy, que gobernó 11 días de ese año. La sensibilidad de +1 año se mantiene para los efectos retardados, como los presupuestos heredados.
• PIB per cápita en euros corrientes: pasa de «sube» a contexto. Sin deflactar, sube con la inflación y no permite valorar el progreso.
• Reglas fiscales suspendidas (2020–2023): ese periodo no se evalúa (estado «suspendido»). Base: cláusula general de salvaguardia del Pacto de Estabilidad y suspensión apreciada por el Congreso.
• Objetivo de gasto educativo de la LOMLOE: se muestra como objetivo de planificación, sin evaluarlo como un mínimo anual.
• Objetivos con «inferior a» o «superior a»: se evalúan con desigualdad estricta.
• Gobierno en curso: no tiene sensibilidad comparable y se muestra «—».
• Competencias: mercado laboral, población extranjera y gasto en protección social pasan a «compartida».
• Variación por año: se añade junto a la variación total.
• Columna de España con la definición de Eurostat: se añade para que el diferencial cuadre con la tabla.

D-006 · 25 oct. 2026 · Indicadores de Interior y vivienda, e investiduras no otorgadas#

La revisión de neutralidad pidió completar dos áreas y hacer simétrico el criterio de la cronología.

• Interior: criminalidad convencional (criminalidad_convencional_tasa, sentido: baja, CE art. 104.1, la misma base que la tasa de homicidios). Es la tasa por 1.000 habitantes del Balance de Criminalidad del cuarto trimestre: 41,0 en 2024 y 40,4 en 2025.

  • El Ministerio solo publica esta tasa desde el balance de 2024, así que la serie tiene dos años.
  • No se ha calculado ningún año anterior a partir de recuentos y padrón.
  • La tasa total de los anuarios (2016–2023) incluye la cibercriminalidad y tiene otra definición, así que no se empalma; sus valores figuran en rupturas.
  • Con dos observaciones, la mayoría de las ventanas de gobierno quedan como «ventana insuficiente».

• Interior: criminalidad total (criminalidad_total_tasa, sentido: contexto): 2016–2023, de las tablas 3-1-1 de los anuarios estadísticos del Ministerio del Interior de 2020 y 2023.

  • Es un indicador aparte de la tasa convencional, añadido a propuesta del titular de Al dato, y no se empalma con ella.
  • Va como contexto porque incluye la cibercriminalidad: las estafas informáticas pasan de 70.178 en 2016 a 427.448 en 2023.
  • Las policías locales se van incorporando al Sistema Estadístico de Criminalidad desde 2013. Las policías autonómicas solo se incluyen en el bloque de cibercriminalidad desde el balance del cuarto trimestre de 2022.
  • No hay datos de 2024 ni de 2025: los balances de esos años no publican una tasa total y no se ha calculado sumando las tasas convencional y ciber.

• Interior: llegadas por vía irregular (llegadas_inmigracion_irregular, sentido: contexto): pendiente.

  • Los informes quincenales solo están en interior.gob.es, que no permitía la descarga automática el 2026-10-25.
  • No se ha intentado eludir el bloqueo ni se han usado copias de terceros.
  • El marcador aparece como «sin datos» hasta que se transcriban los informes de cierre de cada año.

• Vivienda: esfuerzo teórico anual sin deducciones (esfuerzo_teorico_vivienda, Banco de España D_TKB57210_IPV, trimestral, 1987T1–2026T2, sentido: contexto).

  • Ninguna norma fija un objetivo para esta medida. El 30 % de la Ley 12/2023 (art. 18.3.a) sirve para declarar zonas tensionadas y usa otra definición.
  • Se transcribe del CSV oficial si_1_5.csv como serie manual, porque no hay adaptador para el Banco de España (D-002).

• Cronología: nueva categoría investidura en hitos.yaml con todas las investiduras no otorgadas desde 1979:

  • Sánchez, 4-3-2016;
  • Rajoy, 2-9-2016;
  • Sánchez, 25-7-2019;
  • Núñez Feijóo, 29-9-2023.

  Antes solo figuraban las dos que acabaron en repetición electoral. Las dos entradas existentes pasan de electoral a investidura (la de 2016 cambia de id a investidura_no_otorgada_2016_marzo), así que no hay duplicados. Cada entrada recoge la última votación según la página del Congreso. Las primeras votaciones fallidas de candidatos investidos en la segunda quedan fuera; el criterio está en la cabecera del fichero.

• Fuentes guardadas en data/raw/manual/fuentes/: balance_criminalidad/, bde_indicadores_vivienda/ y congreso_investiduras/.

D-007 · 25 oct. 2026 · Laboratorio de medidas: diseño común de las reformas laborales y medida del IVA de 2012#

• Qué: Enmienda 2 del pre-registro (data/catalog/medidas.yaml, comun.enmiendas y comun.diseno_reformas_laborales). Las reformas laborales de 2012 y 2021 pasan a usar el mismo diseño: control sintético centrado como método principal y DiD sobre la brecha como secundario; donantes UE-27 sin España; tres resultados de la EPA/LFS trimestral de Eurostat (temporalidad 15-64, tasa de empleo 20-64 y tasa de paro 15-74); 16 trimestres usados antes y 16 después; la misma regla para fijar el primer trimestre tratado, la misma regla de placebos de fecha y de unidad y la misma lista de robustez. Las especificaciones propias de una sola reforma se publican como informativas y no intervienen en el nivel.
• Por qué: una revisión interna de neutralidad señaló que la reforma de 2012 (gobierno del PP) y la de 2021 (gobierno del PSOE y UP) se habían evaluado con métodos, comparadores y resultados distintos.
• Cuándo: registrada en git antes de descargar los valores de las series nuevas y de recalcular. Se conocían los resultados anteriores publicados (todos N0).
• Cambios que esto implica respecto al pre-registro original: 2012 pasa de DiD a control sintético como principal, de la zona euro a la UE-27, de la tasa de empleo de 15 a 64 a la de 20 a 64, y de 20 a 16 trimestres previos; 2021 pasa de 24 trimestres de calendario previos (19 usados) a 16 usados, añade la tasa de empleo y la tasa de paro, y los trimestres de la COVID se excluyen de toda estimación (antes, solo del ajuste del control sintético). Los placebos de fecha de 2021 pasan de 2017T1 y 2018T1 a 2017T2 y 2018T2.
• Medida nueva: subida del IVA de septiembre de 2012 (RDL 20/2012, BOE-A-2012-9364), pre-registrada en un commit separado antes de descargar sus datos, con el mismo marco adaptado a datos mensuales.
• Texto de las conclusiones: se reescriben en lenguaje llano, con coma decimal y signo menos tipográfico; incluye la medida de la excepción ibérica, cuyas cifras no cambian.

D-008 · 25 oct. 2026 · Llegadas por vía irregular (2021-2023) y tipo de los gobiernos verificado#

• Interior: llegadas por vía irregular (llegadas_inmigracion_irregular, sentido: contexto) deja de estar pendiente (D-006). Serie manual anual en data/raw/manual/llegadas_inmigracion_irregular.csv:
  • 2021: 41.945 y 2022: 31.219, de la nota de prensa de Interior en La Moncloa del 3-1-2023, que transcribe el Informe quincenal de inmigración irregular actualizado a 31 de diciembre de 2022.
  • 2023: 56.852, de la Referencia del Consejo de Ministros de 16-1-2024 («De enero a diciembre llegaron 56.852 personas en situación irregular, 25.633 personas más que el año anterior»). Cuadra con 2022: 56.852 − 25.633 = 31.219.
  • Por qué no es la fuente primaria: interior.gob.es no permitía la descarga automática de esas páginas y PDF (también los enlazados desde transparencia.gob.es); datos.gob.es estaba en mantenimiento; los anuarios del portal estadístico de criminalidad no tienen las llegadas. No se ha intentado eludir el bloqueo ni se han usado medios de comunicación. Se usan publicaciones oficiales del Gobierno en lamoncloa.gob.es: la nota de Interior cita expresamente el informe de cierre; la Referencia del Consejo de Ministros no nombra su fuente, pero cuadra con la cifra de 2022 de Interior.
  • Qué falta: los años anteriores a 2021 y 2024-2025. En La Moncloa solo hay cifras aproximadas («casi 64.000» en 2024) o variaciones (−42,6 % en 2025), que no se transcriben. Las cifras citadas en debates parlamentarios o proposiciones de ley tampoco se usan. Los informes de cierre se pueden descargar desde un navegador y añadir al CSV.
  • Con tres observaciones, las ventanas de gobierno quedan «sin datos» o con «ventana insuficiente» (sanchez_2 y sanchez_3).
  • Fuentes guardadas en data/raw/manual/fuentes/llegadas/.
• Gobiernos: tipo y composicion verificados (data/catalog/gobiernos.yaml, tipo_verificado: true y fuente_tipo en las 16 entradas).
  • Escaños del partido del presidente, sumando sus candidaturas (PSOE + PSC-PSOE y, en 2016, PSOE-NCa; PP + PP-PAR, PP-EU, PP-FORO, UPN-PP), frente a 176 de 350: cuadro II de los resúmenes de la Junta Electoral Central en el BOE para 1986-2023 y la web de la JEC para 1977, 1979 y 1982 (no se ha localizado un resumen en el BOE de esas elecciones).
  • Composición: La Moncloa, «Gobiernos por legislaturas», y las declaraciones del presidente del 12-1-2020 (PSOE y Unidas Podemos, «el primer Gobierno de coalición de la historia de nuestra democracia») y del 20-11-2023 (PSOE y Sumar).
  • Único cambio de valor: gonzalez_3 pasa de pendiente a minoria. Con los cuadros definitivos de 1990 (BOE-A-1990-14391, con la repetición de Melilla), el PSOE tuvo 155 + 20 (PSC-PSOE) = 175 escaños, uno menos que la mayoría absoluta. Los demás valores no cambian.
  • Fuentes guardadas en data/raw/manual/fuentes/gobiernos_tipo/.

D-009 · 25 oct. 2026 · Marcadores: empates de atribución, variaciones incompletas y objetivos sustituidos#

Una auditoría interna recalculó todos los marcadores con una implementación propia, escrita aparte a partir de esta metodología (1.302 tramos gobierno × indicador y 24 objetivos). Coincidieron 1.281 tramos; las diferencias se debían a reglas no implementadas o mal implementadas. Se corrigen así:

• Empates de atribución (D-005). El gobierno entrante contaba desde el mismo día del Real Decreto de nombramiento. Con esa convención, tres periodos quedaban exactamente a medias y no se atribuían a nadie: abril de 2004, noviembre de 2023 y el cuarto trimestre de 2023 (y, en la sensibilidad, abril de 2005 y los mismos de 2024). Regla nueva: el día del Real Decreto todavía gobierna el saliente, porque el entrante toma posesión después. Con ella no hay ningún empate en ninguna serie, y el cálculo se detiene si en el futuro apareciera uno. Cambian 32 tramos (principal y sensibilidad): las de Sánchez II y Aznar II en series mensuales y trimestrales, que ahora terminan en el último periodo de su mandato (por ejemplo, deuda de Sánchez II: de 2019T4 a 2023T4, +7,6 puntos, antes +9,7 hasta 2023T3).
• Variaciones incompletas. Una variación solo se califica si hay dato en todos los periodos que se atribuyen al gobierno. Antes no se comprobaba si la serie terminaba antes que un gobierno ya concluido: la sensibilidad de la criminalidad total de Sánchez II se calculaba hasta 2023 cuando le correspondía hasta 2024. Ahora queda como no calificable. Para el gobierno en curso, la variación llega hasta el último dato publicado, como hasta ahora.
• Motivo visible. Cada tramo no calificado dice por qué: ningún periodo propio, la serie empieza durante el mandato (falta el dato de partida), hueco en la serie, la serie aún no cubre el mandato o mandato de menos de un año. El texto anterior («sin ningún periodo completo… o mandato de menos de un año») era falso en 38 tramos.
• UE-27 en los mismos periodos. La variación de la UE-27 solo se muestra si está medida en los mismos periodos que la de España con la definición de Eurostat. Antes, en temporalidad (Rodríguez Zapatero I) y presión fiscal (Sánchez III), se mostraba una variación de la UE-27 con otras fechas, sin diferencial.
• «No superior a» no es estricto. La regla de D-005 («inferior a» o «superior a» = desigualdad estricta) también se aplicaba a «no superior al», que significa ≤. Afectaba a la etiqueta de tres objetivos (déficit del 3 % y deuda del 60 %); ningún resultado cambia.
• Objetivos sustituidos antes de su plazo. Si el documento que fijaba un objetivo dejó de estar vigente antes del año objetivo (vigencia.hasta < ano_objetivo), el objetivo ya no se evalúa como alcanzado o no alcanzado ni se dibuja en el gráfico: se muestra como «sustituido». Afecta al 3 % de I+D del PNR 2011 (revisado al 2 % en 2013, que sí se evalúa) y a los objetivos del PNIEC 2021-2030 (sustituido por el PNIEC 2023-2030).
• Sensibilidad en todos los indicadores. Se muestra también en los indicadores sin comparación con la UE-27 (variación de España) y en los de contexto. «Cambia de signo» se calcula con las cifras redondeadas tal como se muestran y solo si las dos son distintas de cero.
• Aclaración de la regla 6 del pre-registro («menos de 2 observaciones en series anuales»): se cuentan las dos observaciones con las que se calcula la variación, la de partida y la final. Un gobierno con un solo año propio tiene dos (el último dato anterior y su año) y se califica si su mandato dura al menos un año. No es un cambio de cálculo: así se aplicaba ya.

D-010 · 25 oct. 2026 · Niveles de IPC e IPV y PIB per cápita en PPS#

• Qué: se añaden al catálogo ipc_indice_general (INE IPC290751, mensual, 2002-01 a hoy), ipv_indice_general (INE IPV1209, trimestral, desde 2007T1) y pib_per_capita_pps_ue100 (Eurostat prc_ppp_ind_1, España, UE-27 = 100, anual, desde 1995). Códigos, unidad y base verificados contra las API el 2026-10-25.
• Base: según los metadatos de la API, las dos series del INE están en base 2025 (media de 2025 = 100), no en 2021 (IPC) ni en 2015 (IPV). La serie del IPV en base 2015 (IPV769) termina en 2025T4.
• Limitación: el nivel del IPC solo se publica en Tempus3 desde 2002-01; las tasas del IPC empiezan en 1962.
• Fuente del PPS: se usa prc_ppp_ind_1 (COICOP 2018) y no tec00114, que es un extracto de la misma serie y solo empieza en 2014. Tampoco se usa prc_ppp_ind (COICOP 1999), que dejó de actualizarse en 2025-07 y da cifras algo distintas.

D-011 · 25 oct. 2026 · «Preguntas»: cambios del pre-registro tras la revisión de neutralidad, antes de publicar#

La primera versión de data/catalog/preguntas.yaml se registró (commit «Pre-registro de Preguntas») antes de calcular. Una revisión de neutralidad, hecha antes de publicar ningún resultado, encontró asimetrías. Cambios:

• Regla aplicada igual a todos: el umbral de dos preguntas (20 %) vale en la pregunta 13R o en la 14R del CIS. Sanidad (24,0 % en 14R) pasa a tener dos preguntas (se añade «necesidades médicas no cubiertas»); pensiones (4,0 %) pasa a una (se retira «afiliados por pensión»).
• Corrupción: no estaba «fuera de ámbito»: Eurostat publica las infracciones de corrupción registradas por la policía (ICCS 0703), la misma tabla de los homicidios. Se añade la pregunta. Extremismos y Marruecos explican ahora por qué no tienen pregunta.
• Inmigración: la pregunta de llegadas irregulares no se publica mientras la serie sea 2021–2023 (un recorte que acaba en un año de subida); la sustituye «paro de las personas de nacionalidad extranjera frente a las de nacionalidad española». La población nacida fuera y la de nacionalidad extranjera se muestran al mismo nivel.
• Redacción abierta en todas las preguntas («¿más o menos…?»), UE-27 en lugar de «Europa», sin primera persona («pagamos»).
• Deuda: en % del PIB frente a la UE-27 y, como complemento, por habitante en euros constantes (antes en euros corrientes, contra la convención de deflactar).
• Seguridad: la delincuencia total registrada es la serie principal; los homicidios, complemento al mismo nivel (antes solo homicidios, la serie más baja y estable).
• Alternativas que cambian la lectura, a la vista: emisiones con base 1990 y 2005; electricidad con y sin impuestos; paro junto a la tasa de empleo; salario medio junto al mediano.
• Cada pregunta lleva competencia, nivel de evidencia (N0) y, si sale de una encuesta, aviso de error de muestreo; al menos dos matices en «lo que no dice».

D-012 · 25 oct. 2026 · Corrupción, necesidades médicas no cubiertas, paro por nacionalidad, electricidad sin impuestos y salario mediano#

• Qué: se añaden al catálogo corrupcion_infracciones_tasa (Eurostat crim_off_cat, ICCS0703, por 100.000 habitantes, 2016-2024, sin agregado UE-27), necesidades_medicas_no_cubiertas (Eurostat hlth_silc_08, motivo TXP_TFAR_WLIST, 16 o más años, con UE-27), paro_nacionalidad_espanola y paro_nacionalidad_extranjera (INE EPA453102 y EPA453103, tabla 65336, trimestrales desde 2002T1), precio_electricidad_hogares_sin_impuestos (Eurostat nrg_pc_204, tax=X_TAX, con UE-27) y ganancia_mediana_anual_eaes (INE EAES738, tabla 28191). Códigos verificados contra las API el 2026-10-25.
• Advertencias: Eurostat no publica un agregado UE-27 de infracciones de corrupción, y España no tiene datos de esa categoría antes de 2016. El precio sin impuestos de España de 2019S1 lleva la marca ‘d’ (definición distinta).

D-013 · 25 oct. 2026 · Agricultura, innovación e igualdad#

• Qué: se añaden doce indicadores, con dos temas nuevos (agricultura e igualdad) y cuatro más en innovacion. Códigos, unidad, primer y último periodo verificados contra las API el 2026-10-25.
  • Agricultura: renta_agraria_indicador_a (Eurostat aact_eaa06, IND_A, 2020 = 100, con UE-27), ocupados_agricultura_epa (INE EPA399207, trimestral desde 2008T1), ipc_alimentos_var_anual (INE IPC290754, mensual desde 2002-01, con IPCA CP01 de la UE-27) y vab_agrario_pib (Eurostat nama_10_a10, sección A, % del PIB, con UE-27).
  • Innovación: gasto_id_empresas_pib (Eurostat rd_e_gerdtot, sector BES, con UE-27), personal_id_ejc (Eurostat rd_p_persocc, EJC, desde 1980), personal_id_empleo (Eurostat rd_p_perslf, % del empleo, con UE-27) y patentes_epo_millon_hab (Eurostat pat_ep_tot, por país del solicitante, con UE-27).
  • Igualdad: brecha_salarial_genero (Eurostat earn_gr_gpgr2, B-S salvo O, desde 2007, con UE-27), brecha_empleo_genero_20_64 (INE MYH33 para España, con sdg_05_30 de Eurostat para la UE-27; corregido el 25-10-2026, véase D-014), victimas_mortales_violencia_genero (serie manual de la Delegación del Gobierno contra la Violencia de Género, 2003-2025) y diputadas_congreso (INE ODS208, 2008-2025, con sdg_05_50 de Eurostat).
• Sustituciones respecto a las candidatas:
  • aact_ali01 son las estadísticas de insumo de trabajo agrario (UTA), no la renta. La renta por UTA (indicador A) está en aact_eaa06.
  • Brecha salarial: no se usa sdg_05_20, que empalma 2002 y 2006 de la metodología anterior con la serie desde 2007, ni el MYH9049 del INE, que republica la cifra de Eurostat desde 2009.
  • Las operaciones de I+D (I+D:E y demás) y la Encuesta sobre Innovación en las Empresas (PITEC) devuelven TABLAS_OPERACION vacía en Tempus3; por eso las series de I+D salen de Eurostat. No se añade «empresas con actividad innovadora»: en Eurostat la encuesta CIS se publica en un conjunto distinto por oleada (inn_cis10 a inn_cis14), sin serie temporal. Tampoco el índice del European Innovation Scoreboard, que es un índice compuesto que cambia de metodología en cada edición.
  • No hay en ninguna API una serie del porcentaje de diputadas tras cada elección desde 1977. Se usa la serie anual del INE (ODS208, dato del Ministerio de Igualdad), que no pertenece al Plan Estadístico Nacional.
  • No se añade el peso de las exportaciones agroalimentarias porque no se ha encontrado una serie oficial descargable con definición estable.
• Serie manual de víctimas mortales: transcrita de las 23 fichas anuales en PDF de la Delegación (la última versión de cada año; copias en data/raw/manual/fuentes/violencia_genero/). La suma de 2003 a 2025 (1.341) coincide con el acumulado de la ficha de 2025, y con los 43 casos de 2026 da 1.384, el acumulado de la ficha de 2026. 2026 no se incluye porque el año no está completo. Las fichas se titulan «datos provisionales» y hay casos en investigación en varios años.
• Advertencias:
  • EPA399207 está en CNAE-2009. Desde 2026T1 el INE publica también la CNAE-2025 (EPA715970, solo 2026T1-T2, 787,2 frente a 787,0 en 2026T2). Hay que comprobar el próximo trimestre si EPA399207 sigue actualizándose.
  • ODS208 da 35,71 todos los años de 2008 a 2014, aunque hubo elecciones en 2011, y la API no documenta la fecha de referencia de cada año. La comparación con la UE-27 cuenta las dos cámaras (Eurostat), así que para España da otra cifra (43,3 frente a 43,68 en 2025).
  • En sdg_05_30 la serie de España lleva la marca ‘d’ (definición distinta) desde 2021.
  • El agregado UE-27 de pat_ep_tot lleva marcas de ruptura (‘b’) en muchos años; los de rd_e_gerdtot y rd_p_perslf son estimaciones (‘e’).
  • El indicador A está en base 2020 = 100 para cada territorio: compara evoluciones, no niveles.
  • Los temas agricultura e igualdad no están en el diccionario TEMAS de site/src/lib/data.ts; mientras no se añadan, la web muestra la clave tal cual.

Nota a D-013 (25-10-2026): diputadas_congreso queda como pendiente y no se publica. La serie ODS208 repite 35,71 % de 2008 a 2014, aunque en 2011 hubo elecciones, y no documenta la fecha de referencia de cada año. Se incluirá cuando haya una serie oficial por legislatura que se pueda cotejar.

D-014 · 25 oct. 2026 · Natalidad, migraciones, violencia, igualdad, agricultura ecológica, cultura, suicidios y vivienda turística#

• Qué: se añaden 22 indicadores al buscador, con dos temas nuevos (migraciones y cultura). Códigos, unidad, primer y último periodo y último valor verificados contra las API y los ficheros oficiales el 2026-10-25. No se añaden a marcadores.yaml ni a preguntas.yaml: no cambia ningún marcador ni ninguna pregunta.
  • Natalidad (demografia): nacimientos_total (INE MNP17544, 1992-2024), edad_media_maternidad (INE IDB38611, 1975-2024, con Eurostat demo_find AGEMOTH para la UE-27) y nacimientos_madre_extranjera_pct (INE IDB86407, 2002-2024).
  • Migraciones: inmigraciones_exterior, emigraciones_exterior y saldo_migratorio_exterior (INE EMCR, EM1765217, EM1843418 y EM2258843, 2021-2024), adquisiciones_nacionalidad (INE ANES3016, 2013-2025) y solicitudes_proteccion_internacional (Eurostat migr_asyappctza, applicant=TOTAL, 2008-2025).
  • Violencia: victimas_violencia_genero_medidas (INE VGD25, 2011-2025) y condenados_violencia_genero (INE VGD16981, 2015-2025), en igualdad; violencia_sexual_tasa (Eurostat crim_off_cat, ICCS0301, 2008-2024), en seguridad.
  • Igualdad: brecha_pensiones_genero (Eurostat ilc_pnp13, 65-79 años, 2015-2025, con UE-27), tiempo_parcial_mujeres (INE MYH8181, 2009-2025, con Eurostat lfsa_eppga para la UE-27) y parcialidad_involuntaria_mujeres (INE MYH15627, 2009-2025).
  • Agricultura: superficie_agricultura_ecologica (Eurostat sdg_02_40, 2000-2024; el agregado UE-27 solo llega a 2020).
  • Cultura (series manuales del Ministerio de Cultura, CULTURABase): empleo_cultural_miles y empleo_cultural_pct (T1S01002, serie enlazada 2000-2025; el porcentaje con Eurostat cult_emp_sex para la UE-27), espectadores_cine y cuota_espectadores_cine_espanol (T2001009, 2003-2025) y libros_inscritos_isbn (T1601001, 2011-2025).
  • Otros: suicidios (INE ECM15, 1980-2024, en sanidad) y viviendas_turisticas (INE VTE71, estadística experimental, 2020-08 a 2026-05, en vivienda).
• Series manuales: transcritas de los ficheros PC-Axis oficiales de CULTURABase (copias en data/raw/manual/fuentes/cultura/: T1S01002.px, T2001009.px y T1601001.px). Cada fila del CSV cita el fichero y la celda. El último valor de cada una se ha cotejado con la descarga CSV del mismo servidor.
• Advertencias:
  • Las tres series de flujos migratorios solo tienen cuatro años (2021-2024). La EMCR sustituye en 2021 a la Estadística de Migraciones (2008-2021) con otra metodología: para 2021, 528.856 inmigraciones en la EM y 887.960 en la EMCR. No se empalman; la serie antigua figura en serie_larga de las tres (añadida en emigraciones y saldo en la revisión de neutralidad de 25-10-2026).
  • nacimientos_madre_extranjera_pct (25,46 % en 2024) no cuadra exactamente con los recuentos del MNP (81.339 de 318.005, el 25,58 %); la API no lo explica y se dice en confusiones.
  • viviendas_turisticas cambia de meses de referencia (febrero y agosto hasta 2024; mayo y noviembre desde noviembre de 2024). Se publica con fecha exacta (referencia: fecha) para no fundir dos observaciones en el mismo semestre.
  • violencia_sexual_tasa: la Ley Orgánica 10/2022 unificó el abuso y la agresión sexual; consta en rupturas. Eurostat no publica agregado UE-27 de esta categoría.
  • Las cifras de violencia son registros policiales o judiciales, no prevalencia; las de asilo son solicitudes, no concesiones. Se dice en cada ficha.
  • Asilo, violencia sexual y agricultura ecológica salen de Eurostat porque el productor primario (Interior, MAPA) no tiene API o no permite la descarga automática (interior.gob.es; D-006, D-008).
  • Los temas migraciones y cultura no están en el diccionario TEMAS de site/src/lib/data.ts; mientras no se añadan, la web muestra la clave tal cual.
• Descartados: gasto de los hogares en cultura (la serie enlazada de CULTURABase acaba en 2022 y la EPF cambia a COICOP 2018 en 2024), Bono Cultural Joven (solo 2022-2023), índice de precios percibidos por los agricultores de Eurostat (apri_pi_outa en base 2020 solo desde 2020; las bases anteriores están discontinuadas), mujeres en consejos de administración (sdg_05_60 devuelve 404), flujos trimestrales de la ECP (sin total nacional en Tempus3) y afiliados extranjeros a la Seguridad Social (ficheros anuales desde 2022; el PxWeb no tiene API accesible, /api/v1/es/ da 404).

Revisión de neutralidad (25-10-2026). Un revisor de neutralidad revisó los indicadores de D-013 y D-014. Cambios en data/catalog/indicadores.yaml, cada hecho comprobado en la fuente oficial ese día:

• Rupturas fechadas. La web solo dibuja una ruptura si el texto empieza por el periodo (AAAA, AAAAT1 o AAAA-MM). Se fechan todas las que corresponden a un momento concreto: violencia_sexual_tasa (2022-10, Ley Orgánica 10/2022, en vigor el 7-10-2022 según el BOE; se marca en octubre y no en 2022 porque el dato de 2022 mezcla nueve meses con la tipificación anterior), brecha_empleo_genero_20_64 y tiempo_parcial_mujeres (2021), las tres de la EMCR (2021), abandono_temprano_educacion (2014 y 2021, separadas), gasto_id_empresas_pib (2002 y 2008, separadas), personal_id_ejc (1989), smi_mensual (1998 y 1982), criminalidad_convencional_tasa (2022, 2024 y 2022-10), criminalidad_total_tasa (cobertura policial separada en 2013 y 2022), precio_electricidad_hogares_sin_impuestos (2019-01, para que la línea caiga entre 2018S2 y 2019S1; la expresión de la web no reconoce S1) y viviendas_turisticas (2024-11). Se añaden rupturas nuevas en suicidios (1999, paso de la CIE-9 a la CIE-10, año base según el INE; 2020, entrada de los Institutos de Medicina Legal en el circuito de la causa de muerte) y en solicitudes_proteccion_internacional (2026-07, cambio de definición de Eurostat con el Pacto sobre Migración y Asilo; queda fuera del gráfico hasta que haya datos de 2026). Siguen sin fecha las que afectan a toda la serie (cambios de base y «serie revisada», definiciones, series enlazadas y marcas de estimación).
• Confusiones simétricas. Las brechas (empleo, salarial, pensiones), el porcentaje de nacimientos de madre extranjera, las víctimas con medidas y la violencia sexual dicen ahora que el indicador puede moverse en los dos sentidos por cualquiera de sus componentes.
• Migraciones. serie_larga en emigraciones (EM1392987) y saldo (EM1393263), de la Estadística de Migraciones 2008-2021, con la cifra de 2021 de las dos operaciones en la ruptura. Saldo por nacionalidad desde una misma tabla (69762): española EM2273918 y extranjera EM2273927 (sustituye a la referencia a EM2258869, que es el «saldo total»). Aviso de las restricciones de viaje por la covid-19 en 2021 (Orden INT/657/2020, con efectos hasta el 15-12-2022). Lo que dice la metodología de la EMCR (diciembre de 2025) sobre el registro de las bajas por emigración y sobre las altas tras bajas de oficio (7,5 % de las inmigraciones de 2022). Con quién se comparte la competencia (art. 149.1.2.ª CE; Directiva 2004/38/CE y RD 240/2007; Ley 12/2009). Se quitan los identificadores internos de los textos visibles en todo el catálogo.
• Adquisiciones de nacionalidad. Plan Intensivo de Tramitación (Resolución de 6-4-2015, BOE-A-2015-3723) y procedimiento de la Ley 19/2015 (DF 7.ª, en vigor el 15-10-2015; RD 1004/2015). Ley 20/2022 (DA 8.ª): la serie solo puede recoger a quienes residen en España, como «opción»; el INE no desglosa por norma.
• Asilo. No incluye la protección temporal (Directiva 2001/55/CE; Decisión de Ejecución 2022/382; RD 1325/2003), que Eurostat publica aparte (161.030 concesiones en España en 2022, migr_asytpfa). Cuenta personas. Competencia del Estado dentro del sistema europeo común de asilo.
• Violencia. Víctimas mortales: unidad «víctimas mortales», «mujeres muertas a manos de…», «feminicidio» atribuido a la Delegación, que cuenta los demás feminicidios desde enero de 2022 y los menores desde 2013; ámbito del art. 1 de la LO 1/2004. Condenados: unidad «hombres condenados» (nombre de la serie y nota de prensa); empieza en 2015 porque el INE publica condenados desde ese año; se añade que es un registro judicial y que no es comparable con las víctimas con medidas. Víctimas con medidas: sin ruptura en 2022; la serie cuenta mujeres de 14 y más años y los menores (LO 8/2021) se publican aparte (VGD22147); el dato de 2021 no cambia entre las notas de 2022 y 2025.
• Brecha de empleo. La nota decía que España y la UE-27 salían de sdg_05_30; en la gráfica España es el INE (MYH33). Junto a la marca ‘d’ de Eurostat desde 2021 se recoge lo que documentan sus metadatos de empleo (España sigue contando como ocupadas a las personas en ERTE tras el Reglamento (UE) 2019/1700; ruptura en 2021T1).
• Brecha de pensiones. Las pensiones de la ECV son las del año anterior a la encuesta; la de jubilación se calcula con las bases de cotización de los 300 meses anteriores (art. 209 LGSS).
• Sin cambios: competencia mixta en migraciones y Estado en asilo y nacionalidad. Ningún indicador pasa a pendiente.

D-015 · 26 oct. 2026 · Revisión de neutralidad previa a la publicación#

• Serie mínima. No se publica una serie con menos de 4 observaciones: con tan pocos años cubre a un solo gobierno y cualquier lectura sería un recorte (la misma regla que ya aplicaba Preguntas). Pasan a pendientes llegadas_inmigracion_irregular (2021-2023) y criminalidad_convencional_tasa (2024-2025), con el mismo trato; se retiran de Marcadores. Las llegadas pasan además al tema Migraciones.
• Competencias. Asilo (solicitudes_proteccion_internacional) y viviendas turísticas pasan a mixta, coherentes con las demás series de migración y con el Registro Único estatal. La guía de competencias dice «Estado, dentro del marco de la UE».
• Procedencia de las series transcritas. Las 14 series manuales ya no muestran una ruta local como «descarga»: la ficha dice que son transcripciones y que la huella es la de la transcripción. Una prueba impide publicar rutas locales.
• Cambio en un año según la unidad: puntos para porcentajes e índices de 0 a 100, años para edades, la propia unidad para saldos, tasas por habitante y «miles/millones de…», y porcentaje solo para el resto.
• Textos: colores de partido descritos tal como se usan (solo en las franjas rotuladas), «Serie oficial disponible desde» en lugar de «Serie completa», promesas de la portada ajustadas a lo publicado, sinónimos del buscador sin encuadres, nombres llanos más precisos y la misma plantilla de periodo en todas las medidas.
• «Cómo leer este dato» en lenguaje llano (data/catalog/lectura_llana.yaml): qué mide, un ejemplo y los malentendidos más comunes, con una prueba de legibilidad (frases de 25 palabras como máximo, sin códigos ni valoraciones).

D-016 · 26 oct. 2026 · Cinco series nuevas del INE y un cruce en Preguntas#

• Series nuevas (catálogo, verificadas contra Tempus3 el 26-10-2026, antes de descargar): compraventa de viviendas (compraventa_viviendas, ETDP3653, anual, 2007-2025), hipotecas constituidas sobre viviendas (hipotecas_viviendas, HPT39773, anual, 2003-2025), ejecuciones hipotecarias iniciadas sobre viviendas (ejecuciones_hipotecarias_viviendas, EH377, anual, 2014-2025), turistas internacionales (turistas_internacionales, FREG4583609, FRONTUR, anual, 2016-2025) y uso de internet de 16 a 74 años (uso_internet_16_74, DCS1229, TIC-H, anual, 2015-2025). Todas cumplen la serie mínima de D-015 (al menos 4 años); ninguna es pendiente. Se usan los totales anuales que publica el INE y no las series mensuales o trimestrales, para no sumar ni promediar nada y para que el cruce compare años cerrados.
• Códigos de la investigación previa corregidos. «1826», «34618» y «1296» eran códigos de serie, no de tabla (ETDP1826 y HPT34618 son las versiones mensuales; EH1296 es la serie trimestral de viviendas habituales de personas físicas, que se cita en confusiones). FRONTUR está en la operación FR (tabla anual 23981).
• Cruce añadido en Preguntas, después del pre-registro. vivienda_comprar gana un complemento: hipotecas sobre viviendas ÷ compraventas de viviendas del mismo año × 100 (tipo ratios, que ya existía). No se añade ni se quita ninguna pregunta: la selección sigue saliendo del barómetro del CIS (regla de preguntas.yaml). El cruce se escribió, con su fórmula, su explicación y lo que no dice, antes de descargar los datos.
• Por qué se presenta «por cada 100 compraventas» y no como «porcentaje de compras con hipoteca». Las hipotecas sobre viviendas incluyen préstamos que no financian una compra de ese año, y las dos estadísticas cuentan inscripciones registrales, no firmas. Por eso el cociente no es una proporción y puede superar 100; así se dice en su «lo que no dice».
• Complementos con texto propio. Un complemento puede llevar ahora formula, explicacion y lo_que_no_dice, que la página muestra junto a su gráfico (pipeline/pipeline/preguntas.py los copia al JSON; prueba en pipeline/tests/test_preguntas.py).
• Cruces considerados y no añadidos. Turistas entre viviendas turísticas: las viviendas turísticas son una foto de dos fechas al año desde 2020 y los turistas, llegadas de todo el año; mezclan conceptos y periodos. Ejecuciones entre hipotecas constituidas: la ejecución de un año recae sobre hipotecas firmadas años antes, así que el cociente no mide un riesgo del mismo grupo. Uso de internet: ninguna pregunta de la selección trata de ello. Ninguno encaja sin forzar.
• Marcadores. Compraventas, hipotecas y ejecuciones entran en el área de Vivienda con sentido: contexto: ninguna norma fija en qué dirección deberían moverse. Turistas e internet no entran en ningún área (ninguna trata de turismo ni de digitalización).

D-017 · 26 oct. 2026 · Regla de selección de las capas del Mapa#

• Regla escrita antes de descargar (cabecera de data/catalog/mapa.yaml, commit de pre-registro previo a las descargas): cada categoría del barómetro del CIS de octubre de 2026 con estado: incluido en riesgos.yaml y un 4 % o más en 13R o 14R tiene al menos una capa si hay una serie oficial con las 52 provincias y el mismo periodo; si no, va en sin_capa con el motivo. La demografía básica va como contexto. Una prueba (pipeline/tests/test_mapa_regla.py) comprueba la lista contra riesgos.yaml.
• Capas nuevas: edad media, saldo vegetativo, compraventas y hipotecas de viviendas por 1.000 habitantes (denominador común: población a 1-7-2025), variación anual del IPC general y del de electricidad y gas (septiembre de 2026) y población por debajo del 60 % de la mediana (ADRH 2024).
• Cambio tras el pre-registro: el peso de las pensiones en la renta (ADRH, 53687) no tiene dato para las tres provincias vascas; queda pendiente y «Las pensiones» pasa a sin_capa. La URL del IPC de electricidad y gas se filtra al subgrupo 04.5 (mismo dato, 120 KB en vez de 5 MB).
• Orden en la web: contexto primero y después las categorías por su porcentaje en 13R; sale del catálogo, no de una lista a mano.
• Enmienda antes de publicar: el pre-registro asignaba la nacionalidad extranjera a «La inmigración», en contra de su propio punto 3 (la nacionalidad es contexto). Se corrige: extranjeros pasa a contexto y la inmigración recibe la tasa bruta de inmigración procedente del extranjero (IDB, 61560, 2024), que la regla exige porque cubre las 52 provincias. La cabecera corrige también la definición de la 13R y la 14R (tres respuestas cada una).
• 2026-10-26 · La regla deja de depender de la página de riesgos. Hasta ahora heredaba el estado descartado de riesgos.yaml, pensado para otra página. Así quedaban fuera, sin decirlo, cuatro problemas citados por un 4 % o más: los extremismos, la corrupción y el fraude, la crisis con Marruecos y la inseguridad ciudadana. Ahora entran todas las categorías con un 4 % o más. Solo se excluyen, de forma explícita, las cuatro que hablan del Gobierno, los partidos o los políticos. La inseguridad ciudadana tiene capa: infracciones penales conocidas de criminalidad convencional por 1.000 habitantes en 2025 (Balance de Criminalidad del cuarto trimestre, tabla de provincias del Ministerio del Interior). El denominador es el Padrón a 1-1-2025 (Real Decreto 1117/2025), el que usa el Ministerio; con él se reproduce su tasa nacional, 40,4. Corrupción, extremismos y Marruecos van a sin_capa, cada una con su motivo. Cada categoría sin capa muestra ahora su motivo concreto, no una etiqueta común.

D-018 · 26 oct. 2026 · Dependencia energética (total, gas natural y petróleo)#

Se añade a propuesta del titular de Al dato, para ver la dependencia energética del país a lo largo del tiempo. Pre-registro en un commit propio, solo con el catálogo, antes de descargar ningún dato.

• Series nuevas (Eurostat, nrg_ind_id, unit=PC, anual, 1990-2024, España y comparador UE-27 EU27_2020): dependencia_energetica_total (siec=TOTAL), dependencia_energetica_gas (siec=G3000) y dependencia_energetica_petroleo (siec=O4000XBIO, petróleo y productos petrolíferos sin la parte de biocarburantes, el código vigente). Último dato, 2024: total 68,871 % (UE-27 57,286 %), gas 97,391 % (UE-27 84,981 %), petróleo 100,274 % (UE-27 96,615 %). Ningún valor lleva marca de estado (ni provisional, ni estimado, ni ruptura); conjunto actualizado por Eurostat el 16-07-2026. Las tres superan la serie mínima de 4 años (D-015) y se muestran por defecto con la serie completa.
• Método. Definición de Eurostat: (importaciones − exportaciones) ÷ energía bruta disponible × 100. Más del 100 % significa que se ha guardado energía en reservas (las exportaciones ya están restadas); un valor negativo, exportador neto. No consta ninguna ruptura en la API (ninguna marca «b» en 1990-2024); la serie se publica entera con la metodología vigente de los balances (energía bruta disponible), y los metadatos de los balances dicen que se aplica retrocálculo cuando es posible. No se ha comprobado en una fuente primaria si el cambio de metodología de 2019-2020 deja algún efecto en los años antiguos. rupturas: [].
• Confusiones registradas (con el texto de los metadatos de Eurostat): toda la producción nuclear cuenta como producción propia sea cual sea el origen del combustible, y todas las renovables y biocombustibles también, sea cual sea el origen de la materia prima; la cifra de España incluye el comercio con otros países de la UE y la de la UE-27 lo compensa (solo cuenta lo que entra desde fuera), así que la comparación no es exactamente entre iguales; no dice de qué países se importa; un valor más bajo no implica precios más bajos.
• Competencia: mixta (Estado y UE), como el resto de series de energía.
• Marcadores: dependencia_energetica_total entra en «Transición ecológica y energía» como contexto: ninguna norma fija un objetivo para este indicador. Gas y petróleo no entran en marcadores (fichas de detalle).
• Preguntas: sin preguntas nuevas y sin complementos. Se probó la dependencia como complemento de energia_luz_ue (precio de la luz) y se retiró antes de publicar: mostrarla junto al precio invita a leerla como su causa.
• Web: «Cómo leer este dato» en lenguaje llano para las tres series, nombres llanos, términos relacionados («energía», «importaciones de energía», «gas natural», «petróleo») y sinónimos del buscador («dependencia energética», «importaciones de energía», «energía importada», «autoabastecimiento energético», «gas», «crudo», «productos petrolíferos»), con pruebas del buscador. No se añade «gasolina»: no hay serie de precio de carburantes y llevaría a un dato que no lo mide.
• Cotejo: último valor de las tres series comprobado con una segunda consulta, por separado, al punto SDMX 2.1 de Eurostat (docs/auditorias/2026-10-26.md).

D-019 · 26 oct. 2026 · Mapa por comarcas agrarias#

• División. Comarcas agrarias del Ministerio de Agricultura, Pesca y Alimentación (336, más Ceuta y Melilla como una unidad cada una), la única comarcalización que cubre toda España. Licencia CC BY 4.0 con mención «Ministerio de Agricultura, Pesca y Alimentación» (condiciones; también en el registro de metadatos 018c2e32-118e-4d92-b77b-6551b6896740). Crédito en /creditos/.
• Relación municipio → comarca derivada. El fichero descargable del MAPA está tras un captcha y no hay tabla abierta de municipios por comarca. Se obtiene cruzando los municipios del IGN (BDLJE, lineas_limite_gml.zip, sha256 5bd73c53…c108a6) con los polígonos del WFS del MAPA (respuesta del 26-10-2026, sha256 5c3b6ed1…643438). Dos vías (punto interior y mayor superficie compartida) coinciden en los 8.132 municipios, y todos caen en una comarca de su provincia. Resultado versionado en docs/mapa/municipios-comarcas.csv. Los ficheros de geometría (66 MB y 41 MB) no se guardan en data/raw, igual que con el mapa de provincias; su URL y su huella quedan aquí y en el generador.
• Geometría. Municipios del IGN disueltos por comarca, simplificados (0,5 %) y proyectados con la misma proyección y el mismo recuadro de Canarias que el mapa de provincias (el generador lo comprueba reproduciendo provincias.json). Trazados en píxeles enteros y relativos: 117 KB. Los bordes de provincia salen de la misma topología.
• Nombres. El MAPA los da en mayúsculas y sin tildes. Se ponen tildes y se corrigen erratas evidentes (docs/mapa/nombres-comarcas.json).
• Edad por municipio. El INE dejó de publicar la población por edad de cada municipio del Padrón continuo en 2022. La capa de mayores de 65 usa los indicadores demográficos del ADRH de 2024 (porcentaje × población de cada municipio, ponderado por población), con una cota de error por redondeo de 0,05 puntos.
• Renta. Ponderada por la población del ADRH del mismo año. Regla pre-registrada: una comarca con algún municipio sin renta publicada queda sin dato (49 de 338, por 80 municipios con 7.619 habitantes en total). No se estima.
• Peso de los brutos. Las tablas del ADRH solo se pueden pedir por provincia y traen también distritos y secciones censales: unos 97 MB nuevos en data/raw.
• Regla de selección de capas (escrita el 26-10-2026, después de elegir las capas): una capa del mapa por provincias tiene versión por comarcas si el INE publica su cifra para cada municipio de España en su API, del mismo año; si se puede sumar por comarca sin estimar; y si la fuente municipal es la misma operación del INE en todas las provincias. Están pendientes la edad media y la población extranjera, que cumplen la regla, y la variación desde 2000, la población bajo el 60 % de la mediana y las viviendas turísticas, por comprobar. Detalle en data/catalog/mapa_comarcas.yaml (regla_seleccion).

D-020 · 26 oct. 2026 · Comarcas con algún municipio sin renta publicada: umbral del 1 %#

• Qué: en la capa de renta del Mapa por comarcas, una comarca con municipios sin renta publicada se calcula con los demás si los que faltan suman menos del 1 % de su población (población del ADRH del mismo año). Si suman el 1 % o más, o falta la población de alguno, sigue sin dato. La renta de los que faltan nunca se estima.
• Regla anterior (pre-registrada en D-019): una comarca quedaba sin dato si le faltaba la renta de un solo municipio.
• Por qué: el INE no publica la renta de 80 municipios (7.619 habitantes) por secreto estadístico, y con la regla anterior quedaban 49 de 338 comarcas sin dato, en la mitad de ellas por menos del 0,5 % de su población. Con menos del 1 % de la población, la media ponderada de la comarca puede moverse como mucho 104 euros, aunque los municipios que faltan tuvieran la renta más alta o más baja de su provincia, y cada clase de color del mapa abarca cientos o miles de euros.
• Cuándo: después de ver los resultados de la regla anterior. Se dice así en la página del mapa.
• Efecto: 327 comarcas con dato (38 de ellas calculadas sin algún municipio, que su ficha nombra con el porcentaje de población que representan y que llevan un asterisco en la tabla) y 11 sin dato. Con otros umbrales: 0,5 % → 22 sin dato; 2 % → 8; 5 % → 2. Los valores mínimo y máximo y el total de España no cambian.
• Dónde: data/catalog/mapa_comarcas.yaml (regla_sin_dato, umbral_parcial_pct), pipeline/pipeline/mapa_comarcas.py (por_comarca) y su test.
• Cota y sensibilidad calculadas (revisión del 26-10-2026): el pipeline guarda en las comprobaciones de la capa de renta cuánto podría moverse como mucho la media de una comarca calculada sin algún municipio: 104 euros si los que faltan tuvieran la renta municipal más alta o más baja publicada en su provincia, y 170 euros con la más alta o más baja de España. También guarda cuántas comarcas quedarían sin dato con cada umbral (0 % → 49; 0,5 % → 22; 1 % → 11; 2 % → 8; 5 % → 2). Sustituye a «unas decenas de euros».

D-021 · 26 oct. 2026 · Mapa: de rojo a verde donde una norma fija qué es mejor#

• Qué: las capas del Mapa por provincias cuyo indicador tiene un sentido en Marcadores («baja» o «sube», con la norma citada en base_sentido) se pintan en cuatro grupos (cuartiles): rojo, peor; naranja; amarillo, y verde, mejor. La leyenda escribe «peor» y «mejor» y cita la norma.
• Capas afectadas:
  • Paro EPA, con paro_epa_total: Constitución, art. 40.1.
  • Ingresos bajos, con tasa_riesgo_pobreza: Constitución, art. 41, y el objetivo de la UE para 2030.
• Lo que no cambia:
  • Las demás capas siguen en un solo tono y con «El color no dice si algo es bueno o malo». Son la población, la edad, la nacionalidad, la inmigración, la vivienda, los precios, la renta en euros corrientes y la criminalidad.
  • La criminalidad convencional no tiene sentido en Marcadores: los hechos conocidos dependen también de cuánto se denuncia.
• Por qué: a propuesta del titular de Al dato, que pidió el mapa de rojo a verde. Se aplica solo donde ya existe un criterio normativo publicado, para no añadir valoraciones propias.
• Colores:
  • Rojo, naranja, amarillo y verde suaves, los mismos en tema claro y oscuro.
  • Comprobados para daltonismo (protanopía y deuteranopía) y para la visión normal entre todos los pares.
  • Son cuatro grupos y no cinco: un verde claro entre el amarillo y el verde se confundía con el amarillo.
  • Como refuerzo, «peor» y «mejor» van escritos en la leyenda. Cada ficha da además el puesto de la provincia.
• Comprobación:
  • Un test exige que el sentido de la capa sea el mismo que el del indicador en Marcadores (pipeline/tests/test_mapa_regla.py).
  • Otro test exige que ninguna capa sin sentido use los colores rojo-verde (site/src/lib/mapa.test.ts).

D-022 · 26 oct. 2026 · Todos los mapas de verde a rojo donde hay un criterio oficial; en azules donde no lo hay#

Corregida por D-028: el IPC, la luz y el gas, la criminalidad y la población desde 2000 pasan a la escala sin valoración, y los azules se cambian por una escala de luz.

Amplía D-021 a propuesta del titular de Al dato, que pidió que todos los mapas fueran de verde, mejor, a rojo, peor.

• De verde a rojo, con el criterio escrito en la leyenda (sentido y norma_corta en data/catalog/mapa.yaml y mapa_comarcas.yaml):
  • Paro e ingresos bajos: como en D-021.
  • Renta por persona, también por comarcas: más es mejor. Constitución, art. 40.1.
  • Criminalidad convencional: menos es mejor. Constitución, art. 104.1. Se mantiene el aviso de que depende también de cuánto se denuncia.
  • IPC general: más cerca del 2 % es mejor, por el objetivo del BCE (TFUE, art. 127). Hoy todas las provincias están por encima del 2 %, así que equivale a «menos es mejor». Un test falla si alguna baja del 2 % y obliga a revisar la regla.
  • IPC de electricidad y gas: subir menos es mejor, por el coste para los hogares. Es un criterio de Al dato y la leyenda lo dice así, sin atribuirlo a una norma.
  • Natalidad, nacimientos menos defunciones y variación de la población desde 2000: más es mejor, por la Estrategia Nacional frente al Reto Demográfico.
• Diferencias con Marcadores: esa sección compara gobiernos a lo largo del tiempo. El mapa compara territorios en el mismo año, sin atribuir nada a ningún gobierno. Aun así, son divergencias y se enumeran todas:
  • Natalidad: en Marcadores, la tasa bruta de natalidad es «contexto» («Sin objetivo normativo»). En el mapa valoraba.
  • Renta por persona: Marcadores no la tiene. Su pariente, el PIB por habitante en euros corrientes, es «contexto» (D-005).
  • Nacimientos menos defunciones: Marcadores no lo tiene.
  • Variación de la población desde 2000: en Marcadores, la población residente es «contexto».
  • IPC general: en Marcadores es «contexto», porque la estabilidad de precios es mandato del BCE y no del Gobierno.
  • IPC de electricidad y gas: en Marcadores, el precio de la electricidad para los hogares es «contexto».
  • Criminalidad convencional: en Marcadores, la criminalidad total es «contexto», porque incluye la cibercriminalidad. Solo los homicidios valoran (CE art. 104.1).
  • Sin divergencia: el paro (EPA, «baja») y los ingresos bajos frente al riesgo de pobreza («baja»). Este último es otra encuesta (ADRH frente a ECV), con el mismo sentido.
• En azules, sin valoración: mayores de 65 (también por comarcas), edad media, población extranjera, inmigración, viviendas turísticas, compraventas e hipotecas. No hay un criterio oficial de qué es mejor, y cualquier color sería una opinión. Van del azul más claro, menos, al más oscuro, más, con la leyenda «El color no dice si algo es bueno o malo».
• Colores:
  • Los azules se han comprobado como escala de un solo tono en los dos temas.
  • El verde, el amarillo, el naranja y el rojo son los de D-021.
• Tests: pipeline/tests/test_mapa_regla.py y site/src/lib/mapa.test.ts.

D-023 · 27 oct. 2026 · Evolución de una provincia: series históricas de las capas del Mapa#

• Qué: página /provincia/<provincia>/ (52, con Ceuta y Melilla) con un gráfico pequeño por dato, todos con el mismo eje de años, y encima la línea de los gobiernos de España con las franjas de las fichas. Índice con buscador en /provincia/, pestaña «Evolución por provincia» en Mapa y enlace «Ver su evolución» en la ficha del mapa.
• Pre-registro (data/catalog/provincias_series.yaml, commit propio antes de descargar): una serie por capa del mapa con serie histórica en Tempus3, con el método y la unidad de la capa. Tablas, periodos y rupturas se comprobaron en la API el 27-10-2026.
• Series (14): población (69792, 1971-2026), mayores de 65 y nacionalidad extranjera (77023, 2002-2025, y 59591 para 2026, con los mismos códigos de serie), edad media (77157, 1975-2025), natalidad y saldo vegetativo (1470 y 1487, 1975-2024), inmigración del extranjero (61560, 2021-2024), renta neta por persona e ingresos bajos (53689 y 53694, 2015-2024), paro EPA en media anual (65345, 2002-2025), compraventas e hipotecas por 1.000 habitantes (6155, 2007-2025; 76317, 2003-2025; población a 1 de julio de cada año) e IPC general y de electricidad y gas, mes a mes (76143, 1994-2026; 76142, 2002-2026).
• Rupturas, sin empalmar:
  • ADRH, entre 2022 y 2023: cambian la fuente de población (Censo Anual) y, en ingresos bajos, la mediana de referencia (de Territorio Fiscal Común a toda España). Lo dice la metodología del ADRH. La línea se corta.
  • Inmigración: solo desde 2021. La tabla 5843 (2008-2020) es de la estadística anterior.
  • IPC general: marca en enero de 2002 (inclusión de las rebajas). Los cambios de base van en las notas: el INE publica la serie enlazada con un solo código.
• Excluidas: la variación de población desde 2000 (sale de la serie de población); las viviendas turísticas (la foto de mayo solo existe en 2025 y 2026; antes, febrero y agosto); la criminalidad (no es capa del mapa y la tasa convencional solo existe desde el balance de 2024, D-006 y D-015).
• Coherencia: el pipeline compara el último periodo de cada serie con su capa del mapa. Coinciden las 14, provincia a provincia y en España. El resultado queda en cada data/processed/provincias/<id>.json.
• España: fila «Total Nacional» de la misma tabla, en línea discontinua. No se dibuja en la población (otra escala). En el ADRH empieza en 2021, porque el INE no publica el total antes.
• Gráfico común: chart.ts gana la franja de gobiernos suelta (franjaGobiernos, que dibuja las mismas franjas que los gráficos), graficosAlineados (todos los gráficos pequeños con el mayor de los márgenes que pide cada uno, para que los años caigan en la misma vertical), cortes de línea en rupturas, una clase por serie y marcas verticales neutras en cada cambio de presidente. El resto de gráficos de la web se dibuja igual (comprobado contra main).
• Máximo y mínimo: los gráficos pequeños marcan el máximo y el mínimo de cada línea con el mismo cálculo que el resto de gráficas (D-024). La tendencia y las medias no se ofrecen aquí, para no recargar catorce gráficos.
• Peso: 13 MB de brutos nuevos en data/raw. Cada página de provincia pesa unos 297 KB (59 KB comprimida): gráficos dibujados al publicar, tablas y los datos para redibujar.
• Después del pre-registro: se partió una frase del motivo de la criminalidad (más de 25 palabras) y se añadió a la ruptura del IPC de 2002 que el INE calcula las tasas de 2002 con índices de 2001 con rebajas (fuente: ine.es/ipc01/rebajas02.htm). Ningún método cambia.

D-024 · 27 oct. 2026 · Máximo, mínimo, tendencia y medias en las gráficas de series#

Todas las gráficas que usan el gráfico común (fichas de dato, Preguntas, Marcadores y Cronología) describen ahora el periodo que muestran. Son cálculos sobre los datos publicados, sin datos nuevos ni cambios en ningún pre-registro. Funciones en site/src/lib/estadistica.ts, con sus tests.

• Máximo y mínimo, siempre visibles.
  • Punto hueco y rótulo pequeño con el valor y el periodo, también en el dibujo del servidor (sin JavaScript).
  • Se recalculan al cambiar el periodo. Si el máximo o el mínimo se repite, se marcan todas las veces, se rotula la última y el resumen las enumera.
  • Si el extremo es el último dato, el rótulo dice solo «Máx.» o «Mín.»: la cifra ya está en el rótulo final.
  • Los rótulos no se solapan entre sí ni con los rótulos finales y no se salen del gráfico (prueba en chart.test.ts). Procuran no cruzar ninguna línea; si no hay hueco, llevan un fondo del color del papel.
• Tendencia (conmutador, apagado por defecto).
  • Recta de mínimos cuadrados sobre los datos del periodo mostrado, en trazo discontinuo fino. La pendiente va en el resumen, en lenguaje llano y con unidad: «+0,3 puntos al año».
  • Siempre a la vista, junto a los conmutadores: «La tendencia resume el periodo mostrado. No es una previsión ni explica por qué cambió.»
  • Rupturas de serie: si hay una dentro del periodo, la tendencia se calcula por tramos, una recta a cada lado, y el resumen lo dice. Unir en una recta datos medidos de dos maneras daría una pendiente que mezcla el cambio real con el cambio de método. Avisar y dibujar igualmente esa recta habría dejado en el gráfico una cifra que el propio aviso desmiente.
  • Un tramo con menos de 4 datos no lleva recta (el mismo mínimo que D-015 exige para publicar una serie).
  • Las rupturas son las de la serie de España; la UE-27 no las tiene.
• Media del periodo (conmutador): línea horizontal fina con su valor.
• Media de 12 meses o de 4 trimestres (conmutador).
  • Solo en series mensuales o trimestrales con estacionalidad: la estación explica al menos una cuarta parte de la variación entre un periodo y el siguiente. Hoy la tienen el paro y el empleo de la EPA, la temporalidad, la afiliación, las pensiones y el índice de precios. No la tienen la población, la deuda, el PIB en volumen ni las tasas interanuales («% anual»), que ya comparan cada mes con el del año anterior.
  • Es la media de los 12 meses (o 4 trimestres) que acaban en cada dato, con datos anteriores al periodo si hacen falta. No promedia a través de un hueco ni de una ruptura de serie. La línea original queda atenuada, no oculta.
• Variación del periodo, en el resumen bajo el gráfico.
  • Cambio entre el primer y el último dato mostrado, expresado con la regla de D-015 (puntos para porcentajes, años para edades, la unidad para saldos y tasas por habitante). Ahora la ficha y el gráfico usan la misma función, tipoCambio.
  • En % y con tasa media anual compuesta solo en series en niveles: personas, euros, índices de precios, tasas por habitante.
  • Nunca en tasas de variación, porcentajes, saldos ni edades: una «tasa media anual» de una tasa de variación no tiene sentido, y el % de un porcentaje confunde puntos con por cientos.
  • En las series en euros de cada año (pensión media, SMI, salarios, PIB por habitante en euros corrientes), el cambio y la tasa media anual dicen «sin descontar la inflación». Así no se leen como una mejora real (el mismo criterio de D-005).
• Varias series en el mismo gráfico. Todo se calcula para cada serie por igual (España y UE-27; nacionalidad española y extranjera; con y sin descontar la inflación). Marcar solo la primera sería tratar distinto a las demás. Cada serie usa su propia unidad. Si un rótulo no cabe, queda el punto, y el dato sigue en el resumen.
• Excepción: en el gráfico «España frente a su contrafactual» del laboratorio de medidas no hay conmutadores. Una recta o una media sobre una estimación contrafactual invitaría a la lectura causal que el laboratorio reserva a su análisis pre-registrado. Máximo y mínimo sí se marcan.
• Accesibilidad. Bajo cada gráfico hay un resumen en texto, enlazado al gráfico con aria-describedby y que se anuncia al cambiar, y una tabla plegada con máximo, mínimo, cambio, tasa media anual y, si están activadas, media y tendencia. Los conmutadores son casillas nativas, usables con teclado. Sin JavaScript, el resumen y la tabla son los de la serie completa y los conmutadores no se muestran.
• Colores: tinta, gris y sepia, sin ningún otro matiz.
• No se añade ninguna otra propiedad. Se valoraron la posición del último dato frente al resto, desviaciones o percentiles. Para un lector general no aportan más que el máximo, el mínimo y la media, y sí más ruido.

D-025 · 27 oct. 2026 · Mapas sobre la imagen de satélite, con el color del dato translúcido#

• Qué: los mapas por provincias y por comarcas llevan detrás, siempre, la imagen de satélite de la NASA de la intro (Blue Marble Next Generation, 500 m por píxel), oscurecida y en la misma proyección y encuadre que el mapa. El color del dato va encima al 68 % (--mapa-opacidad), en los dos temas: la imagen es oscura también en tema claro.
• Por qué: a petición del titular de Al dato, para que se vean el relieve y el paisaje, que también informan. En la intro se aplica el mismo equilibrio: el color pasa del 78 % al 68 % y la imagen conserva más saturación (55 % en vez de 15 %) y brillo (90 % en vez de 70 %).
• Lo que no cambia: las clases, los cortes, los colores (--mapa-*) y qué capa va en azules o de verde a rojo (D-022). Las muestras de la leyenda enseñan el color como se ve en el mapa: el color del dato con su opacidad sobre el tono medio de la imagen. Al imprimir no hay imagen y el color es pleno.
• Medida (ΔE2000 entre clases vecinas, en el píxel final de capturas a 1280 px, media de cada clase):
  • Azules (mayores de 65, provincias y comarcas): de 8,0–12,5 (color plano) a 5,7–9,8.
  • De verde a rojo (paro y renta, provincias y comarcas): de 23,8–29,5 a 19,4–24,6.
  • Relieve visible dentro de cada clase (dispersión robusta de L*): de 0 a 3,4–3,7.
  • Intro (simulado con la misma imagen): azules de 6,7–10,4 a 5,4–9,6; relieve de 1,8–1,9 a 3,4–3,6.
• Peso: 136 KB más en escritorio y 37 KB en móvil por página de mapa (una sola imagen para los dos mapas). El primer pintado no cambia: la imagen es un fondo CSS que llega después.
• Dónde: site/scripts/mapa-satelite.py, site/scripts/mapa-satelite-malla.mjs, site/scripts/lib/proyeccion-mapa.mjs, site/src/components/MapaEspana.astro, site/src/components/MapaComarcas.astro, site/src/styles/tokens.css; fuentes en docs/intro/FUENTES.md.

D-026 · 27 oct. 2026 · Gobiernos visibles por defecto y gráficas navegables#

• Qué cambia: las franjas de gobierno salen encendidas por defecto en todas las gráficas de series. Antes estaban tras «Mostrar gobiernos», apagadas.
  • Afecta a fichas de dato, Preguntas (que antes no las tenían), Marcadores, Cronología y la página de cada provincia.
  • Mismo dibujo de siempre: pastel del partido del presidente y foto en la banda superior. También sin JavaScript.
  • El conmutador sigue ahí y sirve para ocultarlas.
• Por qué: lo pidió el titular de Al dato. Ningún dato ni ningún método cambia.
• Neutralidad: junto a las franjas va siempre la nota «Que algo cambie durante un gobierno no quiere decir que ese gobierno lo causara». Los colores de partido siguen solo en las franjas, en pastel.
• Excepción: el gráfico «España frente a su contrafactual» del laboratorio no lleva franjas. Colorear gobiernos sobre una estimación contrafactual invitaría a la lectura causal (el mismo motivo de D-024).
• Navegación (contrato de docs/NAVEGACION.md):
  • Cada franja es un enlace real a /gobierno/<id>/, con nombre accesible: presidente, partido por siglas y fechas. Al pasar el ratón, al enfocarla o al tocarla sale ese rótulo.
  • Cada año del eje enlaza a /año/<aaaa>/. Pulsar en el área de datos con el ratón, o Intro con el teclado, lleva al año del punto leído. La cruz de lectura se mantiene.
  • En pantallas táctiles, el toque abre el rótulo y el rótulo trae los enlaces, de 44 px de alto. Los años del eje tienen 44 px de alto en pantallas estrechas.
  • Los enlaces van en una capa SVG propia, encima del dibujo. El dibujo sigue siendo una imagen con su resumen (aria-describedby); la capa es un grupo de enlaces. Un tabulador por grupo (gobiernos, años) y, dentro, las flechas.
  • Sin JavaScript, las franjas y los años ya están enlazados desde el servidor; el resumen y la tabla no cambian.
• Página de provincia (cambia lo dicho en D-023):
  • Cada gráfico pequeño lleva las franjas solo de color, con una cinta fina enlazada encima. Las fotos van en la línea de gobiernos común, para no repetirlas catorce veces.
  • Conmutador común «Tendencia»: dibuja la recta en todos a la vez, por tramos si hay ruptura (D-024).
  • Bajo cada gráfico, en frases cortas: la tendencia, la tasa media anual y la diferencia con España en el último dato.
  • La tasa media anual, solo en series en niveles y sin ruptura dentro. Con una ruptura dentro, la tendencia es la del último tramo y lo dice.
  • La diferencia con España sigue la regla de D-015. Va en puntos en los porcentajes y en años en las edades.
  • En las tasas por habitante va en su unidad, y en % en los euros. No se da en la población (otra escala).
  • El título enlaza a la ficha nacional si mide lo mismo: población, natalidad, paro EPA e IPC general. Las demás enlazan a su capa del mapa. Compraventas, hipotecas y población extranjera tienen ficha nacional, pero en otra unidad.
• Componente común: site/src/components/GraficasAlineadas.astro (tipos y cálculos en site/src/lib/alineadas.ts, interacción en site/src/lib/interaccion.ts). Lo usan las páginas de provincia y de España. Las de año, gobierno y partido usan sus propias tablas (TramosGobierno.astro); la de comarca no tiene series.
• Peso: la página de una provincia pasa de unos 297 KB a unos 400 KB (de 59 a 64 KB comprimida), por los enlaces de cada gráfico.

D-027 · 27 oct. 2026 · Páginas que cruzan la información: España, año, gobierno, partido y comarca#

Petición del titular de Al dato (docs/NAVEGACION.md). No hay datos nuevos de ninguna fuente ni cambia ningún método.

• /espana/: la página de una provincia con el total de España de las mismas tablas del INE. Debajo, siete indicadores nacionales fijados en data/catalog/espana.yaml antes de publicar.
  • Criterio: actividad, empleo, cuentas públicas y pensiones sin serie por provincia.
  • El paro, el IPC y la población no se repiten: se enlaza su ficha nacional.
  • Una serie con menos de 4 años no se dibuja (D-015).
• /año/<aaaa>/, de 1962 al último año con datos: los indicadores de Marcadores, por área y en su orden.
  • En series anuales, el dato del año. En las demás, la media de sus meses, trimestres o semestres, solo si están todos.
  • Si falta alguno, no hay media: se dice cuántos hay y cuál es el último. El cambio frente al año anterior sigue la regla de D-015.
  • Antes de julio de 1977 no se nombra ningún gobierno.
• /gobierno/<id>/ y /partido/<id>/: las cifras de marcadores.json tal cual, con los textos de las páginas de área (site/src/lib/tramos.ts).
  • Los partidos salen de gobiernos.yaml: los que encabezaron algún gobierno (UCD, PSOE y PP).
  • Simetría: el mismo componente (TramosGobierno.astro), el mismo orden de áreas e indicadores y los mismos campos para todos. Un test lo comprueba (site/src/lib/cruces.test.ts).
  • Nunca se suman, promedian ni puntúan gobiernos distintos.
• /comarca/<slug>/ (338): sus tres datos frente a su provincia y a España, con su puesto en España y en la provincia, y sus municipios.
  • La cifra de cada provincia es la publicada en la misma tabla que el total de España: ADRH del INE (mayores de 65 y renta) y Real Decreto de cifras oficiales (población).
  • pipeline/pipeline/mapa_comarcas.py la añade como provincias a cada procesado. No se calcula nada nuevo.
  • La ficha del mapa por comarcas enlaza a cada página.
• Navegación: franja «Estás en / Ir a» (CruceNavegacion.astro) en España, provincia, año, gobierno, partido y comarca, con objetivos de 44 px. Nuevas pestañas: «España» y «Por provincia» en Mapa; «Por año», «Por gobierno» y «Por partido» en Gobiernos.
• Peso: 427 páginas nuevas (663 en total), 36 MB sin comprimir y 9 MB comprimidas.
  • Comarca, 78 KB (21 KB comprimida); año, 107 KB (24 KB); gobierno, 111 KB (25 KB).
  • Partido, hasta 416 KB (45 KB comprimida, la del PSOE); España, 348 KB (67 KB).
• Tiempo de publicación: de unos 60 s a unos 65 s. Las páginas de comarca y de año comparten la tarjeta para compartir de su índice.

D-028 · 27 oct. 2026 · Menos mapas que valoran y una escala de luz para los que no valoran#

Corrige D-022 a petición del titular de Al dato, tras la revisión de neutralidad.

• Pasan a la escala sin valoración: IPC general, IPC de electricidad y gas, criminalidad convencional y variación de la población desde 2000.
  • Se quitan su sentido y su norma_corta en data/catalog/mapa.yaml.
  • Motivo: en Marcadores las cuatro son «contexto» (ver la lista de D-022). El criterio de la luz y el gas era de Al dato, no de una norma.
  • El IPC dejaba de valorar si alguna provincia bajaba del 2 %. Ya no hace falta el test que lo vigilaba.
• Siguen de verde a rojo: paro, ingresos bajos, renta (también por comarcas), natalidad y nacimientos menos defunciones.
  • Cada una lleva su indicador de Marcadores (comprobado por un test) o el motivo de por qué no lo hay (sin_marcador_motivo).
  • La renta cita entero el art. 40.1 de la Constitución y avisa de que no descuenta el coste de la vida.
  • La natalidad y el saldo vegetativo citan, con enlace, la línea de acción II.d de las Directrices Generales de la Estrategia Nacional frente al Reto Demográfico (Consejo de Ministros, 29 de marzo de 2019).
  • La leyenda añade: «Cuartiles: peor o mejor frente a las demás provincias, no frente a la norma».
• Competencia: cada capa del mapa y de comarcas dice si el asunto es del Estado, de las comunidades autónomas, de la UE o mixto, con una frase (competencia y competencia_llano).
• Escala de luz en lugar de azules: el titular vio que los azules no se entendían a simple vista.
  • Cinco clases de gris oscuro, menos, a blanco cálido, más (--mapa-q1 a --mapa-q5). La leyenda dice: «Del gris oscuro, menos, al blanco, más. El color no dice si algo es bueno o malo».
  • Con bajadas y subidas (población desde 2000), la misma rampa: los dos tonos más oscuros son bajadas, y la leyenda lo dice.
  • Una sola rampa para los dos temas, porque la imagen de satélite es oscura en los dos. Arregla un fallo: en tema oscuro los azules iban al revés de lo que decía la leyenda.
  • Va al 80 % de opacidad (--mapa-opacidad-luz); la escala que valora sigue al 68 %. Al imprimir, sin imagen, se usan los tonos que se ven en pantalla.
  • Sin matiz de partido: no usa rojo, azul, verde, morado, naranja, magenta, turquesa ni el amarillo y el naranja de la escala que valora.
• Medida (ΔE2000 entre clases vecinas, en el píxel final de capturas a 1280 px, media de cada clase):
  • Escala de luz (mayores de 65, provincias y comarcas, los dos temas): 6,6–8,6. Con los azules era 5,7–9,8.
  • El tono más bajo, frente al mar de la imagen: ΔE2000 de unos 31. No se confunde con él.
  • Validador de paleta (ordinal, tema oscuro, superficie #484232): pasa. El tono más bajo tiene un contraste de 2,0:1 con la imagen.
  • Relieve visible dentro de cada clase (σ de L*): 2,1, frente a 3,4–3,7 con el 68 %.
  • La escala que valora no cambia: 19,4–24,6.
• Tests: pipeline/tests/test_mapa_regla.py y site/src/lib/mapa.test.ts.

D-029 · 27 oct. 2026 · Gobiernos, partidos y años: competencia, variación medible y euros sin deflactar#

Completa D-027 tras las revisiones de neutralidad y de experiencia. Ningún dato ni método cambia.

• Competencia: cada indicador de las páginas de gobierno y partido dice de quién es la competencia principal: del Estado, de las comunidades autónomas, de la UE o compartida.
• Nivel de evidencia: cada tabla de tramos lleva en su encabezado «Nivel de evidencia N0: describe lo que pasó; no lo atribuye a ningún gobierno».
• Variación medible: cada gobierno dice cuántos de los 44 indicadores tienen variación medible. En los gobiernos más antiguos, muchas series aún no existían.
• /año/: las cifras en euros dicen que son euros de cada año, sin descontar la inflación (criterio de D-005).
• Tendencia: el conmutador se llama «Tendencia (descriptiva, N0)».
• Gráficas en el móvil: el rótulo que abre un toque va bajo la gráfica, para no tapar la franja ni el punto. Las siglas de la leyenda enlazan a la página de cada partido.
• Provincia: las franjas son solo del Gobierno central; se dice junto a ellas.
• Fuentes de la NASA (D-025): Visible Earth se ha retirado. Las fuentes enlazan a science.nasa.gov (Blue Marble NG y Earth at Night) y, para las nubes, al fichero de eoimages.

D-030 · 27 oct. 2026 · Servicios públicos: sanidad, dependencia, residencias y mapa por comunidades#

Pre-registro del 2026-10-27, antes de descargar. Sale del estudio de fuentes del bloque de servicios públicos.

• Fuentes de ministerios. Además del INE y Eurostat, entran el Ministerio de Sanidad y el IMSERSO.
  • Sanidad: listas de espera (SISLE-SNS) y personal de atención primaria (SIAP), leídos de los Indicadores Clave del SNS (INCLASNS). Se usa su formulario público, sin clave; no la API con clave.
  • IMSERSO: dependencia (SAAD) y plazas residenciales para mayores. Sus hojas de cálculo se archivan y se transcriben, como las demás series manuales.
  • Sanidad, SIAE: psiquiatras en hospitales, solo como dato nacional.
  • Eurostat: titulados superiores de 25 a 34 años, con la UE-27.
• Mapa por comunidades autónomas. Estos datos se publican por comunidad, no por provincia. Tienen su propio mapa, con la regla escrita en data/catalog/mapa_ccaa.yaml.
• Escala. Verde a rojo solo en dependencia: la Ley 39/2006 (disposición final primera, apartado 2) fija 6 meses como plazo máximo. El plazo sigue en la redacción vigente desde el 23-10-2026. Las demás capas, escala de luz.
• Un número de personas no se pinta tal cual. En el mapa, las personas que esperan 6 meses o más se dividen entre las personas con derecho de la misma comunidad.
• Preguntas. «La sanidad» ya tenía sus dos preguntas y «Los problemas de índole social», una. Se enmienda la regla: una categoría puede tener una pregunta más cuando entra una serie que mide el problema directamente. Entran «¿Cuánto se espera en la sanidad pública?» y una sobre la dependencia.
• Educación: Eurostat, no EDUCAbase (decisión del titular del 2026-10-28). El aviso legal del Ministerio de Educación limita sus tablas a la descarga y el uso privado, y no se pide permiso.
  • Entran de Eurostat, con la UE-27: niños escolarizados de menos de 2 años y de 2 años (educ_uoe_enrp07) y alumnos por profesor en primaria y en ESO (educ_uoe_perp04). Son los datos que el Ministerio envía al cuestionario común UOE.
  • Escolarización: se elige educ_uoe_enrp07 y no ilc_caindformal. La primera cuenta matrícula en educación infantil, como la tasa del Ministerio. La segunda es una encuesta sobre cualquier cuidado formal.
  • Fuera, porque solo los publica el Ministerio: las becas y los alumnos por aula de la concertada. El tamaño medio de las aulas tampoco: Eurostat lo dejó de publicar en 2012.
  • El borrador de educación se borra.
• Psicólogos clínicos, fuera. No hay ninguna serie oficial por año que los cuente.
• Tema nuevo: «Servicios sociales» (dependencia y residencias).
• Tras descargar (sin cambiar el pre-registro):
  • Psiquiatras: la tasa publicada por el Ministerio repite la de Pediatría todos los años. Se calcula con el número de psiquiatras y la población implícita en la misma publicación: 10,63 en 2023, no 10,58.
  • Atención primaria: el dato de médicos de 2025 repite el de 2024 en todas las comunidades. La serie de médicos acaba en 2024.
  • Dependencia: en los ficheros de diciembre, Ceuta y Melilla van juntas en tres hojas. El mapa usa septiembre de 2026, donde van separadas.
  • Los brutos en HTML de INCLASNS se enlazan como texto (.txt), igual que se publican.
  • Cotejo de 8 cifras en docs/auditorias/2026-10-28-servicios-publicos.md.

D-031 · 27 oct. 2026 · Desahucios y vivienda: lanzamientos del CGPJ, ejecuciones, retrasos, sobrecarga y viviendas vacías#

Encargo del titular de Al dato, a partir del estudio de fuentes de vivienda del 27-10-2026. Pre-registro en un commit propio, solo con los catálogos, antes de descargar los datos que se publican.

• Series nuevas (indicadores.yaml):
  • Lanzamientos practicados por los juzgados, total y por causa (ejecución hipotecaria, Ley de Arrendamientos Urbanos y otras), anuales de 2013 a 2025. Consejo General del Poder Judicial (CGPJ), «Efecto de la crisis en los órganos judiciales», series por provincias.
  • Ejecuciones hipotecarias iniciadas sobre viviendas habituales de personas físicas, trimestral desde 2014 (INE, tabla 24468).
  • Hogares con retrasos en los pagos de la vivienda, 2004-2025 (INE, ECV, tabla 9975).
  • Comparación con la UE-27 (Eurostat): atrasos en hipoteca o alquiler (ilc_mdes06), sobrecarga del coste de la vivienda (ilc_lvho07a) y sobrecarga de los inquilinos a precio de mercado (ilc_lvho07c).
• Fuente nueva: CGPJ. No es una Administración Pública ni tiene API. Se publica citando la fuente completa, al amparo de la Ley 37/2007, por decisión del titular. Su aviso legal solo regula la jurisprudencia.
  • Mención en cada ficha y capa, con la fecha de consulta.
  • El nombre del fichero cambia cada trimestre. El adaptador cgpj lee la página índice y elige el último fichero de series por provincias.
  • Las hojas se buscan por su nombre, las columnas por su rótulo (Total 2025, 25-T4) y las filas por el nombre de la provincia, nunca por su posición.
  • Cuadres: causas = total, provincias = fila TOTAL y trimestres = año. Las diferencias que ya trae el fichero se listan en el catálogo; una nueva hace fallar la descarga.
• INE sin API. Tempus3 devolvía HTTP 503 el 27-10-2026, también al repetir. Las series del INE nuevas se descargan del CSV oficial de JAXI (adaptador ine_jaxi), con su URL y su huella. El código de serie de Tempus3 queda anotado para cuando vuelva.
• Mapa (mapa.yaml):
  • Lanzamientos por 1.000 hogares, 2025. Excepción al punto 5 de la regla (por 1.000 habitantes), por decisión del titular. Un desalojo afecta a un hogar, no a una persona.
  • Hogares: Estadística Continua de Población, tabla 60133, a 1 de julio de cada año. Es el recuento oficial de hogares por provincia, trimestral desde el 1-1-2021. Se usa el 1 de julio, como la población de las demás capas.
  • El Censo de 2021 da los hogares de un solo día; con la ECP no hace falta ninguna regla para otros años.
  • El CGPJ publica Ceuta dentro de Cádiz y Melilla dentro de Málaga. Comprobado: los 431 partidos judiciales de 2023 suman exactamente las 50 filas provinciales, con Ceuta en el bloque de Cádiz y Melilla en el de Málaga. Cádiz se calcula con los hogares de Cádiz y Ceuta, y Málaga con los de Málaga y Melilla. Ceuta y Melilla quedan sin dato propio, con el motivo.
  • Se descartó separar Ceuta y Melilla con el fichero por partidos judiciales: su columna de 2025 suma 27.483 lanzamientos, frente a los 24.540 de la serie provincial y del informe anual de 2025.
  • Viviendas vacías por cada 100 viviendas (Censo 2021, tabla 59531). Un solo año: no tiene evolución.
  • Escala: las dos capas van en azules, sin valoración (D-021, D-022 y D-028). Ninguna norma fija un objetivo de lanzamientos ni de viviendas vacías. Menos lanzamientos no es por fuerza mejor: pueden bajar porque se suspenden o porque los juzgados resuelven menos.
• Evolución por provincia (provincias_series.yaml): lanzamientos por 1.000 hogares de 2021 a 2025 (5 años, cumple D-015). Excepción al punto 1 (serie fuera de Tempus3). Antes de 2021 no hay hogares por provincia cada año: no se estima. La Encuesta Continua de Hogares (2013-2020) es una encuesta con otro método y no se empalma. Las viviendas vacías van a excluidas.
• Preguntas: «¿Cuántos desahucios hay y por qué?» es una tercera pregunta de «La vivienda». Enmienda la regla 2 de preguntas.yaml, que daba dos. Nuevo tipo varias (varias series de la misma unidad, sin cálculo) para el complemento por causa.
• Lo que la web explica (verificado en la fuente primaria el 27-10-2026):
  • Un lanzamiento no es un desahucio ni una familia (definición del CGPJ).
  • Tres cifras de ejecuciones hipotecarias que no se suman (CGPJ, INE y lanzamientos).
  • 2026 no es comparable: los órganos civiles resolvieron un 19,3 % menos asuntos en el 2T-2026 (nota del CGPJ del 21-10-2026 y su resumen nacional en PDF, guardado en data/raw/cgpj/vivienda_resumen_2T2026/). Las fichas llegan a 2025.
  • Fin de la suspensión de lanzamientos de hogares vulnerables el 31-12-2025: texto consolidado del art. 1 del Real Decreto-ley 11/2020 (BOE-A-2020-4208, última versión del 28-02-2026). Las prórrogas de los RDL 16/2025 y 2/2026 se derogaron al no convalidarse (BOE-A-2026-2024 y BOE-A-2026-4667).
  • Los retrasos del INE cuentan hogares e incluyen recibos y comunidad; los de Eurostat, personas y solo hipoteca o alquiler.
  • ECV 2020: entrevistas telefónicas y muestra menor por la pandemia; desde 2021, recogida multicanal (notas de prensa de la ECV 2020 y 2021). El INE no marca ruptura en la tabla 9975.
• No se hace: el anexo de suspensiones del CGPJ (las dos tablas no tienen título y no se sabe cuál es cada artículo), daciones en pago (Registradores, sin licencia), personas sin hogar (un dato cada diez años).
• Después del pre-registro, sin cambiar ningún método:
  • La nota de la capa sobre hogares provisionales cita ahora la nota de la tabla 60133 («A partir de abril de 2021 los datos son provisionales»).
  • La serie provincial lleva también incluye (Cádiz con Ceuta, Málaga con Melilla), que la página de la provincia muestra como aviso.
  • El mapa y la página de cada provincia admiten provincias sin dato propio, con su motivo; antes exigían las 52.
  • mapa_comarcas.yaml clasifica las dos capas nuevas: los lanzamientos, fuera del INE; las viviendas vacías, sin cifra para todos los municipios (la tabla 59531 trae 3.185).
  • Las cuatro fichas del CGPJ ya no marcan 2020 como ruptura: la suspensión de plazos y de lanzamientos no cambia qué cuenta el CGPJ. Pasa a «Ojo con…» y a los matices de la ficha.
  • La prueba del −19,3 % es el resumen nacional en PDF que enlaza la nota del CGPJ (774.636 asuntos civiles resueltos), no la página HTML de la nota. La nota no habla de huelga.
  • Frases de los textos nuevos partidas para que ninguna llegue a 25 palabras.
  • En el mapa, la ficha de Cádiz y la de Málaga no muestran la población de la provincia sola, porque su valor incluye Ceuta o Melilla.

D-032 · 27 oct. 2026 · Dinero público: gasto por funciones, intereses, deuda de las comunidades, recaudación, Seguridad Social y Plan de Recuperación#

Pre-registro escrito antes de descargar (catálogos y reglas en un commit propio). Las cifras de los catálogos salen de la comprobación de las fuentes del mismo día.

• Series nuevas. Gasto por funciones (COFOG) que faltaba: total, servicios generales, transacciones de la deuda (01.7), defensa, orden público, asuntos económicos, medio ambiente, vivienda y ocio y cultura, en % del PIB y con la UE-27. Intereses de la deuda (% del PIB y millones), gasto público total en millones, saldo de la Seguridad Social, deuda de los hogares sobre su renta, Plan de Recuperación (subvenciones recibidas y gasto financiado), deuda de las comunidades (% del PIB, millones y préstamos del Estado), recaudación de la AEAT por impuesto y pensionistas del sistema. Todas cumplen la serie mínima de D-015.
• Gasto por funciones: Eurostat en lugar de la IGAE. La IGAE es el productor primario, pero publica una hoja por año. Eurostat (gov_10a_exp) transmite los mismos datos (en 2024 coinciden el total y las divisiones comprobadas) y da la UE-27 con la misma definición. La IGAE queda como contraste.
• Fichas calculadas (fuente_api: derivada): cociente de dos series publicadas del mismo periodo, con la procedencia de las dos. Son dos: intereses en % del gasto total (las dos series de la misma tabla y edición de Eurostat) y afiliaciones por pensionista (afiliación media de diciembre entre pensionistas de la nómina de diciembre). La ficha dice que es un cálculo de la web. Afiliados por pensionista no es una pregunta: D-011 dejó «Las pensiones» con una sola.
• Marcadores con norma. deuda_comunidades_autonomas_pib (máximo del 13 % del PIB nacional, LO 2/2012, art. 13.1) y saldo_administraciones_seguridad_social_pib (equilibrio o superávit, art. 11.5) rellenan los dos huecos que objetivos.yaml ya citaba. La suspensión de 2020-2023 se añade también al área de Seguridad Social, como ya decía la nota del objetivo. Intereses, gasto total, afiliaciones por pensionista y deuda de los hogares entran como contexto.
• Complemento en Preguntas. economia_deuda gana los intereses en % del PIB frente a la UE-27 (tipo vs_ue). No cambia la selección de preguntas (regla de D-016).
• Página «¿En qué se gasta el dinero público?» (data/catalog/gasto_funcion.yaml): las 10 divisiones y el total, sin elegir; comparación con la UE-27 solo en % del PIB; en millones, cada zona en su columna.
• Deuda de cada comunidad (data/catalog/deuda_comunidades.yaml): tabla de las 17 comunidades en la ficha del conjunto, con los mismos ficheros del Banco de España. Sin mapa: la vista /mapa/comunidades/ no existe todavía.
• Banco de España y AEAT con lector propio. Se leen los CSV del Boletín Estadístico y el XLSX de series de la AEAT tal como se publican; las columnas se buscan por su código o su cabecera, no por su posición. El BdE da miles de euros: la ficha lo pasa a millones y lo dice. Los ficheros brutos conservan su extensión (.csv, .xlsx). Un fichero idéntico que sirve a varias fichas se guarda una sola vez.
• Trampas explicadas en las fichas: nominal frente a real; caja (AEAT) frente a devengo (presión fiscal); % del PIB frente a euros; deuda contada dos veces (préstamos del Estado a las comunidades); la función 01.7 no son los intereses; las prestaciones de la Seguridad Social incluyen el paro.
• Notas sobre la deuda de las comunidades. Los préstamos del Fondo de Financiación a CCAA no se suman con la deuda del Estado. El proyecto de ley de condonación (BOCG, Congreso, serie A, núm. 79) se cita como posible ruptura de nivel; la cifra de prensa no se publica.
• Lo que queda en borrador (data/catalog/_borrador_dinero.yaml, no se publica): salario real y coste laboral de la ETCL y tasa de ahorro (API del INE en mantenimiento, HTTP 503: no se catalogan códigos sin comprobar); déficit por comunidad (sin serie anual oficial descargable; se explica la diferencia entre −6.650 y −7.061 millones); préstamos del Plan de Recuperación (dos años con importe); lo asignado y lo comprometido del Plan (sin fuente primaria); capa del Mapa «Pensionistas por 1.000 habitantes» (el fichero mensual del INSS da las 52 provincias; la decide el titular revisando D-017).

D-036 · 28 oct. 2026 · Cómo se gobierna: leyes, decretos-ley, Presupuestos, TC, composición y fichas anuales#

Bloque nuevo. Las reglas están en data/catalog/como_se_gobierna.yaml, registradas antes de descargar nada (commit 32bee21). Cotejo: docs/auditorias/2026-10-28-como-se-gobierna.md.

• Ventanas: pipeline/pipeline/gobierna/ventanas.py. Días en plenitud y en funciones de cada gobierno. La tasa por año de gobierno en plenitud solo se da con 180 días o más. Por debajo, el recuento.
• Fuente de las normas: el sumario diario del BOE (API de datos abiertos), día a día de 1977 a 2026. Se versiona un extracto por año con el sha256 de cada respuesta completa.
• Desviaciones del pre-registro:
  • Hasta 1979 hay leyes de Jefatura del Estado en la sección III (p. ej. Ley 18/1977). Se cuentan también: decide el departamento.
  • Un «Real Decreto-ley» de la sección I cuenta aunque el sumario lo ponga bajo un ministerio (RDL 8/2004).
  • Si el BOE usa dos veces un número para normas distintas (Ley 12/1981, LO 8/1984), se cuentan las dos.
  • Recursos y sentencias del TC: se leen de los anuncios del TC en el sumario, no de las referencias de cada norma. La API consolidada no cubre las normas sin texto consolidado.
  • Para no confundir una ley autonómica con la estatal del mismo número, la norma citada debe coincidir también en la fecha.
  • Las sentencias antiguas no citan la norma: se enlazan por el número de recurso.
  • La legislatura de una norma es la del gobierno vigente en su fecha.
  • Nueve días entre 1983 y 2000 la API da un error persistente. Se usa el sumario HTML del mismo día, que da lo mismo en las secciones I a III.
• Numeración: cada año, leyes y decretos-ley deben ir del 1 al último. Quedan tres huecos (Ley 13/1981, Ley 8/1985 y RDL 2/1986). Se publican tal cual en /como-se-gobierna/.
• Composición al formarse: del texto de los RD de nombramiento. El sexo sale de «Ministra… a doña / Ministro… a don». Va en gobiernos.yaml como composicion_inicial.
  • Ministerios: cada «Ministro de…» del RD. Los adjuntos y sin cartera no cuentan como ministerio.
  • Suárez I: el RD 1563/1977 no nombra Asuntos Exteriores ni Justicia. Se dice en la ficha.
• Pendiente: origen de las leyes y decretos-ley tramitados como proyecto. Hace falta el Senado, que pide descargar de 2:00 a 6:00 con 60 s entre peticiones. Script para el titular: pipeline/pipeline/sources/senado.py, y después pipeline.gobierna.senado_iniciativas.
• Decretos-ley derogados después por otra norma: pendiente. Exige los metadatos de cada norma, y la API consolidada no los cubre todos. Solo se muestran los acuerdos de derogación del Congreso («no convalidado»).
• Presupuestos prorrogados: cuentan para el gobierno vigente el 1 de enero del ejercicio. Se dice en cada ficha.
• Número D-036: las ramas en paralelo usan D-030; se deja hueco para que no choquen al unir.
• Participación: 1979-2023 con la JEC. 1977 y 1986-2000, pendientes: el cuadro I escaneado no cuadra con el total.
• Fichas anuales: empleo público (2020-2026), solicitudes de acceso (2014-2026) y contratos del Estado (2013-2024). No se comparan gobiernos.
• Descartado: iniciativas de control. El Congreso da 403 o 404 y no se ha intentado sortear.
• Tests: pipeline/tests/test_gobierna_*.py, test_participacion.py y site/src/lib/gobierna.test.ts (simetría, procedencia, neutralidad y frases cortas). Sin procedencia completa, la publicación falla.

D-037 · 28 oct. 2026 · Una sola escala de color para todos los mapas#

Sustituye las escalas de D-021, D-022 y D-028 por una sola, a propuesta del titular de Al dato, que pidió que los colores se entendieran mejor.

• Escala: viridis en cinco clases, de menos a más: #3e4a89, #2a788e, #22a884, #7ad151 y #fde725 (amarillo, lo más alto). Es la misma en provincias, comarcas, comunidades y la intro, y en los dos temas (tokens --mapa-q1 a --mapa-q5 en site/src/styles/tokens.css). Al imprimir, la misma, a color pleno.
• Clases: todas las capas en quintiles, de menos (q1) a más (q5), también las que tienen criterio oficial y las que tienen bajadas y subidas. Se retiran las clases v1–v4 (de rojo a verde) y n1, n2, p1–p3 (la escala de luz con el cero), con sus tokens. clasificar() ya no invierte el orden por sentido.
• Mejor y peor, solo en el texto: el sentido normativo se mantiene (paro, ingresos bajos, renta también por comarcas, natalidad y nacimientos menos defunciones), pero solo como texto. La leyenda escribe «menos» y «más» en sus extremos y, en esas capas, «mejor» o «peor» en el que corresponda, con el criterio citado (norma_corta). En las demás: «El color no dice si algo es bueno o malo». El color es el mismo en todas.
• Legibilidad sobre el satélite: el color va al 90 % (--mapa-opacidad: 0.9) y «Ver relieve», junto a la leyenda de los mapas, lo baja al 45 % para enseñar la geografía (no se guarda). Las muestras de la leyenda son más grandes y se pintan tal como se ven en el mapa. «Sin dato», rayado. Bordes entre territorios más claros.
• Neutralidad (DISENO.md, regla de neutralidad cromática): la escala tiene azules, verdes y amarillo, pero ninguno se asocia a un territorio ni a un grupo: todos los mapas usan los cinco y su único significado es «menos» o «más». No hay ninguna escena con partidos ni colores de partido.
• Compatibilidad: --mapa-opacidad-luz queda como sinónimo de --mapa-opacidad, para las capas que aún la nombren.

D-033 · 28 oct. 2026 · Actualización 100 % automática con filtro de calidad y archivo de pruebas#

Cambia la regla de publicación de datos, a petición del titular. Antes: «nunca se publica un dato nuevo sin que una persona lo revise» (pull request diario). Ahora: ningún dato se publica sin pasar el filtro; lo que el filtro retiene lo revisa una persona.

• Integridad de origen (pipeline/pipeline/integridad.py, data/catalog/fuentes_permitidas.yaml):
  • lista cerrada de dominios por fuente, solo HTTPS y con el certificado verificado;
  • redirecciones comprobadas una a una;
  • tipo de contenido y tamaño en rango; una descarga mucho más pequeña que la anterior se trata como truncada;
  • esquema de cada fuente: código de serie, unidad y escala del INE, dimensiones de Eurostat, columnas del CSV manual;
  • periodos válidos y no futuros, y marcas de estado de una lista cerrada;
  • citas manuales limitadas a URL oficiales;
  • los nombres que trae la fuente se comparan con el catálogo.
  • Un fallo de integridad se retiene y no se puede aprobar con un clic.
• Verosimilitud (pipeline/pipeline/filtro.py, reglas y umbrales en data/catalog/filtro.yaml):
  • salto anómalo frente a la historia de cambios de la serie, con la desviación absoluta mediana (k = 8) y límites por familia de unidad;
  • revisiones del pasado: más del 30 % de los periodos, o una revisión mayor que el máximo de su familia;
  • desapariciones y huecos nuevos;
  • cuadres de los mapas;
  • coherencia INE–Eurostat en paro, IPC y PIB;
  • cambios masivos: más del 30 % de las series de una fuente;
  • calendario, solo como aviso.
  • Efecto probado: sobre los últimos 24 periodos de cada serie (3.488 casos), el filtro habría retenido el 0,8 %, casi todo en 2020 y 2021. Una ejecución en seco sobre los datos del 28-10-2026 lo aprueba todo y solo avisa del SMI de 2026, que se fijó por real decreto antes de que acabara el año.
• Decisión por serie. Lo retenido no se publica: la ficha conserva el último dato bueno y avisa («Dato no actualizado desde…»). El titular aprueba o mantiene cada serie desde un correo con enlaces firmados que caducan a los 14 días. El registro público está en /metodologia/actualizaciones/.
• Infraestructura: se deja GitHub Actions; los workflows pasan a docs/legado-actions/.
  • La actualización se hace en la compilación de Cloudflare Pages (pipeline.actualizar). Un Worker con Cron Triggers la lanza cada día, envía los avisos y vigila la veda.
  • El estado y el archivo viven en Cloudflare R2. Ver docs/OPERACION.md.
• Archivo de pruebas:
  • cada respuesta se guarda en WARC (ISO 28500), solo añadiendo, con Bucket Lock de 10 años;
  • una cadena diaria de huellas SHA-256 enlaza todo lo nuevo;
  • cada eslabón lleva sellos RFC 3161 (FreeTSA) y OpenTimestamps; el sello eIDAS de la ACCV está preparado pero desactivado;
  • Internet Archive actúa como testigo independiente;
  • la web publicada también se archiva.
  • Ver docs/PRUEBAS.md.
• Vuelta atrás: pipeline.actualizar --revertir <versión> devuelve el estado a una versión anterior del manifiesto y pone en pausa las descargas.
• Al unirla con vivienda, dinero y cómo se gobierna (integración del 2026-10-28):
  • Entran en fuentes_permitidas.yaml los dominios del INE para JAXI (www.ine.es), el CGPJ (www.poderjudicial.es), el Banco de España (www.bde.es), la AEAT (sede.agenciatributaria.gob.es) y el Senado (www.senado.es). El BOE admite además JSON, HTML y PDF, que usa cómo se gobierna. Los tipos de contenido salen del formato de los ficheros guardados; si la primera descarga real declara otro, se retiene.
  • pipeline.actualizar rehace también el gasto por funciones (con su descarga), la deuda de cada comunidad y el resumen de cómo se gobierna.
  • Los sumarios y textos del BOE de cómo se gobierna se piden con fetch.descargar.
  • El Senado pasa a la cola lenta del Worker: sources/senado.py ya no descarga y expone urls_pendientes(respuestas).

D-034 · 27 oct. 2026 · Enmienda pre-registrada: capas de contexto «Territorio y vida diaria», página del agua y fichas nuevas#

Decisión del titular de Al dato, escrita antes de descargar ningún dato. Estudio previo: bloque «Territorio y vida diaria» (27-10-2026).

• Enmienda de la regla del Mapa (D-017). Se crea un grupo de capas «Territorio y vida diaria», de contexto, como la demografía del punto 3.
  • No se vinculan a ninguna categoría del CIS. Así no se fuerzan correspondencias: la siniestralidad laboral no mide la calidad del empleo.
  • Regla de selección de cada capa: dato oficial por provincia (las 52), al menos 4 años con la misma definición y una descarga versionada.
  • Las capas llevan contexto: true y grupo_contexto: territorio. Cada una lleva su motivo (motivo_contexto).
• Capas del grupo y su motivo:
  • Tráfico (DGT): fallecidos a 30 días por 100.000 habitantes, 2016-2025. Motivo: es una causa de muerte evitable que varía mucho entre provincias.
  • Accidentes laborales (Ministerio de Trabajo): índice de incidencia en jornada, valor publicado, 2015-2025. Motivo: mide el riesgo en el trabajo con un dato oficial.
  • Banda ancha de 100 Mbps (Ministerio para la Transformación Digital): % de viviendas con cobertura, 2022-2025. Motivo: el acceso a internet condiciona trabajar y estudiar desde cada territorio.
  • 5G (mismo Ministerio): % de la población con cobertura. Es otra métrica: no se mezcla con la de viviendas.
  • Despoblación (INE, Padrón, tabla 29005): municipios de menos de 1.000 habitantes. Motivo: el reto demográfico es territorial.
  • Sociedades mercantiles (INE): constituidas por 1.000 habitantes, totales anuales publicados (D-016). Motivo: la creación de empresas es un dato de actividad local.
  • Embalses, no. Van por ámbito de cuenca, no por provincia. Tienen página propia («Estado del agua»).
• Despoblación: definiciones fijadas ahora.
  • Umbral de cada año: municipios con menos de 1.000 habitantes a 1 de enero de cada año, y la población que vive en ellos.
  • Municipios fijos de 2015: los que tenían menos de 1.000 habitantes a 1-1-2015. Se sigue su población cada año, aunque crucen el umbral.
  • Se publican las dos con nombres distintos. Las fusiones de municipios se anotan, no se recalculan.
• Escala de color. De verde a rojo solo si una norma fija el objetivo y se cita literal desde la fuente primaria. Si el objetivo es nacional («reducir a la mitad») y no dice qué nivel provincial es mejor, escala de luz.
• Denominadores. Los flujos por habitante usan la población residente a 1 de julio de cada año (ECP, tabla 69792), como el resto del Mapa.
• Evolución por provincia (D-023). Se amplía la regla 1 de provincias_series.yaml a fuentes oficiales fuera del INE con descarga versionada y huella. Rupturas cortan la línea: accidentes laborales en 2019 (entran los autónomos).
• Página «Estado del agua» (MITECO, Boletín Hidrológico, BD-Embalses):
  • % de llenado = agua embalsada ÷ capacidad de los embalses con dato esa semana, por 100. Total, uso consuntivo y uso hidroeléctrico por separado.
  • Por ámbito de cuenca. Comparación con la misma semana del año anterior y con la media de los 10 años anteriores, como el boletín.
  • Serie semanal desde 1988. Se compara el porcentaje, no los hm³, porque el número de embalses cambia.
  • Solo embalses peninsulares de más de 5 hm³. Las cifras son provisionales y se revisan.
• Fichas nacionales nuevas: fallecidos en tráfico, cobertura de banda ancha y 5G, accidentes laborales, incendios forestales (EGIF, transcritos de los PDF oficiales) y zonas que superan los límites de calidad del aire (RD 102/2011).
  • Calidad del aire: sin capa provincial. La unidad oficial es la zona, y hay zonas que cruzan provincias.
  • Aire: se cuentan las zonas tras descontar las fuentes naturales (polvo africano), como hace el Ministerio, y se dice.
• Descartes: concursos de acreedores por provincia (el INE dejó la estadística en 2020), puntualidad de Cercanías (menos de 4 años y sin fichero) y temperatura de AEMET (sin serie homogénea de 4 años con la normal 1991-2020).
• Lotes que dependen de la API del INE (despoblación, sociedades y viajeros): si la API sigue caída, quedan en borrador con pendiente: true.
• Después del pre-registro (27 y 28-10-2026), al aplicarlo:
  • 5G, de verde a rojo. La Decisión (UE) 2022/2481, art. 4.1, punto 2, letra a, pide que «todas las zonas pobladas» tengan 5G en 2030. Fija un nivel para cada territorio, así que se cita literal. La leyenda avisa de que las diferencias entre provincias son pequeñas.
  • 100 Mbps y accidentes de trabajo, escala de luz. La meta europea es de gigabit, no de 100 Mbps. Para los accidentes no hay un objetivo numérico.
  • Banda ancha y 5G desde 2022. El fichero trae 2021, pero ese año se midió de otra forma. Las dos series empiezan en 2022 (4 años).
  • Accidentes de trabajo con el libro de 2024. Los datos de 2025 son provisionales hasta el 31-10-2026. El paso para cambiar al libro de 2025 está escrito en el catálogo y en la skill refrescar-datos.
  • Tráfico, en borrador. El aviso legal de la DGT prohíbe la reproducción no autorizada; la ficha de datos.gob.es remite a las condiciones generales. Se contradicen: decide el titular. Los datos y la escala (de luz) quedan preparados.
  • Despoblación, sociedades y viajeros, en borrador. La API del INE sigue respondiendo 503 y el Padrón del repositorio solo tiene 2025.
  • Ozono: el Ministerio cambió el método en 2020 y lo corrigió en 2021. En 2020 el xlsx dice 28 zonas y la tabla del informe, 33; se publica 28, que repiten el texto del informe y el de 2021.
  • Sin pregunta nueva sobre el agua. La lista de Preguntas sale del barómetro del CIS (D-016); la pregunta va como título de la página «Estado del agua».
  • Brutos. Los libros xlsx se guardan intactos. De la base de embalses se guarda solo el ZIP vigente (unos 10 MB a la semana); el manifest conserva la huella de los anteriores. De los informes de incendios de 2016-2021 (unos 33 MB cada uno) se guardan las páginas citadas, con la huella del PDF completo.
  • Certificado. www.mites.gob.es no envía su certificado intermedio. Se añade el de la FNMT en pipeline/pipeline/certs/, que encadena con la raíz de confianza.
• Al unirla con la actualización automática (D-033), integración del 2026-10-28:
  • Entran en la lista cerrada de orígenes el MITECO (embalses), Transformación Digital (banda ancha y 5G), Trabajo (accidentes) y la DGT (en borrador), y como citas de las fichas transcritas digital.gob.es, www.mites.gob.es y www.miteco.gob.es.
  • La prueba de TLS admite solo verify=contexto_tls(): parte de las raíces de certifi y añade los intermedios de pipeline/certs/, así que la cadena sigue teniendo que acabar en una raíz de confianza.
  • Nueva familia del filtro, superficie_quemada (hectáreas): admite saltos de hasta ×10 entre dos años. La serie tuvo ×7,1 en 2025 (354.746,67 ha, cotejado en la auditoría) y ÷6,7 en 2018.
  • La cita de dos filas de NO₂ decía «> VLA» y «<= VLA»; el filtro no admite «<» ni «>» en una cita. Se reescribe en palabras, sin cambiar ningún valor.
  • pipeline.actualizar baja el ZIP de embalses, rehace las fichas de territorio y la página del agua.

D-035 · 28 oct. 2026 · Capa «Pensionistas por 1.000 habitantes» (enmienda a D-017)#

• Qué cambia respecto a D-017. «Las pensiones» salía de sin_capa porque el peso de las pensiones en la renta (ADRH, 53687) no tiene dato en las tres provincias vascas. Ahora tiene capa y deja de estar en sin_capa. La capa del ADRH sigue pendiente y no se publica.
• Capa nueva (pensionistas_por_mil_habitantes, data/catalog/mapa.yaml). Pensionistas del sistema de la Seguridad Social en alta a 1 de septiembre de 2026, por cada 1.000 habitantes. Fuente: fichero mensual PTAS202609.xlsx del INSS, hoja «Principales datos», columna «Número» de «Ambos sexos». Cubre las 52 provincias, incluidas Araba/Álava, Gipuzkoa y Bizkaia. España sale de la fila «TOTAL» del fichero: 9.537.978 pensionistas.
• Las 52 provincias. Cuarenta y tres salen de su fila. Asturias, Illes Balears, Cantabria, Madrid, Murcia, Navarra y La Rioja solo tienen fila de comunidad, que es la de su provincia. La lectura falla si falta una fila. Comprueba que la suma de las 52 cuadra con el total y que cada comunidad cuadra con sus provincias.
• Denominador. Población a 1 de julio de 2025 (ECP, tabla 69792), la misma que usan las demás capas por 1.000 habitantes. El INE aún no ha publicado la de 1 de julio de 2026. Entre el fichero y la población hay catorce meses; la nota de la capa lo dice. Se cambiará cuando exista la de 2026.
• Aviso fijo. La leyenda dice siempre: la provincia es la de la Dirección Provincial del INSS que gestiona la pensión, no la de residencia del pensionista. Son pensionistas, no pensiones: quien cobra varias cuenta una vez, en la provincia de la principal. No incluye Clases Pasivas ni pensiones no contributivas.
• Escala. La única de la web, de menos a más, con las clases q1 a q5 estándar. Ninguna norma fija cuántos pensionistas por habitante debe haber, así que no valora: «El color no dice si algo es bueno o malo». La cifra depende de la edad de la población.
• Sin evolución por provincia. No se añade a provincias_series.yaml. La web de la Seguridad Social solo conserva el último fichero mensual: la misma dirección sirve siempre el último mes, con otro nombre de fichero. Su archivo no incluye los de pensionistas. No hay cuatro años homogéneos de ficheros oficiales (D-015). Queda como exclusión con motivo.
• Sin comarcas. El fichero no llega al municipio; la capa va en no_ine de mapa_comarcas.yaml.
• Descarga y procedencia. python -m pipeline.mapa --descargar guarda el bruto en data/raw/seg_social/ con su huella. Falla si la dirección sirve otro mes que el del catálogo, para no publicar un mes con las notas de otro. La población, ya descargada para la compraventa, se comparte por tener la misma huella.
• Numeración. La rama nació como D-032, con el bloque de dinero aún como D-030. Al integrarla, el dinero es D-032 y esta capa, D-035; las referencias de la rama se han renumerado.
• Cotejo. Tres provincias contra el fichero, en docs/auditorias/2026-10-28-pensionistas.md.

D-038 · 28 oct. 2026 · Páginas de concepto y de fuente: qué mide cada palabra y cómo recoge sus datos cada operación#

Petición del titular de Al dato. No cambia ningún dato ni ningún cálculo: se documenta lo que ya se publica.

• /fuente/<id>/ (16): EPA, afiliación a la Seguridad Social, paro registrado del SEPE, Balance de Criminalidad, ECP, Padrón, EMCR, IDB, ADRH, ECV, IPC, deuda PDE, déficit PDE, CNTR, CRE y Ejecuciones Hipotecarias. El informe de inmigración irregular de Interior queda retenido como pendiente: su informe original no se pudo leer.
  • Cada una dice si es encuesta, registro, censo, estimación o mezcla. También quién informa, a quién cubre, la muestra y su error, cuándo sale, las revisiones y si está en el Plan Estadístico Nacional.
  • Da su documento de metodología, con fecha, y las rupturas de serie, con fecha.
  • La lista de fichas, capas, preguntas y áreas que la usan sale sola de los catálogos.
• /concepto/<id>/ (17): parado, ocupado, afiliado, temporalidad, delito, extranjero, población residente, hogar, riesgo de pobreza, renta, inflación, deuda pública, déficit, PIB, desahucio, ejecución hipotecaria y vivienda vacía.
  • La primera frase dice si ha cambiado. Después: qué entiende cada fuente, con una cita literal breve; la base legal; la cronología de cambios; y cómo afecta a las comparaciones.
  • Ampliación aprobada por el titular: en la cronología, cada ley, ley orgánica, real decreto-ley o real decreto con preámbulo lleva su motivo declarado. Va como «Según su preámbulo:», con una cita de 25 palabras como máximo, enlace al BOE y apartado.
  • Es lo que dice quien aprueba la norma, no un hecho. Las normas sin preámbulo (órdenes, reglamentos de la UE) y los cambios de método de los organismos no lo llevan. Son 21 motivos de 16 normas, cotejados con el texto oficial del BOE.
• Procedencia: catálogos data/catalog/fuentes_metodo.yaml y data/catalog/conceptos.yaml.
  • Cada afirmación lleva documento, URL, página o artículo, fecha del documento y fecha de consulta.
  • Solo fuentes primarias: BOE, metodologías oficiales, Eurostat, OIT y Diario Oficial de la UE.
  • Cada cita se cotejó con el texto descargado del documento original.
  • Lo que no se pudo comprobar queda en pendientes y no se publica. La prueba site/src/lib/conceptos.test.ts lo exige.
• Enlaces automáticos: las fichas, las capas del mapa, las preguntas, el glosario y la lista de fuentes enlazan a su fuente y a sus conceptos.
  • La fuente se asigna por alias sobre organismo y operacion; la prueba exige que toda operación tenga fuente o esté en sin_pagina.
  • Las palabras clave (terminos) enlazan la primera vez que salen en cada página.
  • El glosario se queda como índice breve y remite a cada concepto.
• Hipótesis de partida corregidas al leer las fuentes:
  • La nueva definición de paro de la EPA (Reglamento (CE) 1897/2000) se aplica desde 2002, no 2001; en 2001 se midió con las dos.
  • El SISPE empezó el 3 de mayo de 2005.
  • La base de población del Censo 2021 en la EPA se publicó el 19 de abril de 2024 y revisó desde 2021.
  • La cibercriminalidad se separó en dos pasos: en la tabla nacional del Balance del tercer trimestre de 2022 y en todas las tablas desde el del cuarto.
  • El cambio de mediana del ADRH es de la edición 2023: pasa de la mediana del territorio fiscal común a la nacional.
  • La Ley 12/2023 no define «vivienda vacía»: define el «inmueble desocupado con carácter permanente» a efectos del IBI.
• Navegación: pestaña «Conceptos» en Datos y «Método de cada fuente» en Sobre la web. rutaConcepto y rutaFuente en site/src/lib/rutas.ts.
• Peso: 35 páginas nuevas (16 de fuente, 17 de concepto y los dos índices), de unos 80 a 100 KB cada una sin comprimir (la mayor parte es la cabecera común).
• Enmienda del 28-10-2026: motivos de preámbulo por criterio, no por recuento.

  • Motivo: decisión del titular. Había 21 citas de 16 normas. La Ley 12/2023 salía 4 veces y el RDL 32/2021, 2. «Temporalidad» solo recogía la reforma de 2021.

  • Una cita por norma y concepto, como máximo. Se quitan la segunda del RDL 32/2021 (temporalidad) y la segunda de la Ley 12/2023 (desahucio). Queda la que dice el propósito. La prueba lo exige.

  • Criterio de inclusión: entra la norma que cambió la definición o la medición del concepto. El gobierno que la aprobó no cuenta. Solo leyes, leyes orgánicas y reales decretos-leyes llevan cita.

  • Temporalidad. Entra la norma que crea o suprime una causa o modalidad de contrato temporal, o cambia su duración máxima o el límite de encadenamiento. Desde 2002, inicio de la serie publicada.

    • También las de funcionarios interinos: la EPA pregunta por el «contrato o relación laboral» (cuestionario de 2021, p. 16).
    • Real decreto-ley y ley de tramitación: la ley entra solo si cambió esas reglas. Entran las leyes 35/2010, 3/2012 y 20/2021.
    • No entran la Ley 43/2006 (mismo texto que el RDL 5/2006) ni la 11/2013 (no cambia causa ni duración máxima). Las dos se mencionan.
    • El límite de tres años a la obra o servicio no llegó con la Ley 35/2010, sino con el RDL 10/2010, tres meses antes.
    • Fuera: requisitos de los contratos formativos (edad, retribución) y la Ley 12/2001, anterior a la serie.
    • «¿Ha cambiado?» enumera ahora los años de todas las reformas: 2006, 2007, 2010, 2011, 2012, 2013, 2019, 2020 y 2021.

  • Suspensiones de lanzamientos (desahucio). Entrada y cita para la norma que crea una suspensión, cambia a quién protege o qué procesos cubre, o la termina.

    • Las que solo mueven la fecha final van juntas en una línea, sin cita. Se comprobó comparando las versiones consolidadas del BOE.
    • Ley 1/2013: los RDL 1/2015, 5/2017 y 6/2020 cambiaron también a quién protege. El RDL 1/2024 solo cambió el plazo y pierde su cita.
    • RDL 11/2020: el RDL 37/2020 y el RDL 1/2021 cambiaron su alcance. Once reales decretos-leyes solo movieron la fecha.

  • Huecos cubiertos en otros conceptos:

    • Desahucio: Ley 4/2013, Ley 5/2018 y RDL 7/2019 (trámites del desahucio).
    • Ejecución hipotecaria: Ley 1/2013 (tres plazos impagados y cláusulas abusivas) y Ley 5/2019 (vencimiento anticipado).
    • Vivienda vacía: Ley 51/2002 (crea el recargo del IBI) y RDL 7/2019 (remite la definición a la ley de vivienda).
    • Afiliado: convenio de los cuidadores no profesionales. El RD 615/2007 va sin cita por ser real decreto; entran los RDL 20/2012 y 6/2019.
    • Déficit: Ley 18/2001 y Ley 15/2006, que definieron la estabilidad presupuestaria antes de la LO 2/2012.
    • Fuera en déficit: las leyes orgánicas complementarias 5/2001 y 3/2006, que extienden la regla a las comunidades autónomas.
    • Población residente: Ley 4/1996 (Padrón continuo).

  • Revisados sin añadir nada:

    • Parado: la Ley 56/2003 prevé el sistema de información, pero el cambio de medición es la implantación del SISPE en 2005, que ya figura.
    • Extranjero: la LO 4/2000 (art. 6.3) no cambia quién se inscribe; la Ley 4/1996 ya obligaba a todo residente.
    • Delito: solo entran las reformas que cambian las clases de infracción o las categorías del Balance, no cada reforma del Código Penal.
    • Ocupado, hogar, riesgo de pobreza, renta, inflación, PIB y deuda: sus cambios son de método o de reglamentos de la UE.

  • Comprobación: cada cita se cotejó con el XML oficial del BOE, por su ELI o su identificador. Se comprobó que es literal, que tiene 25 palabras como máximo y su apartado.

    • No había script de comprobación en el repositorio; se usó uno equivalente fuera de él. Las 21 citas anteriores también pasan.

  • Recuento final: 44 citas de 39 normas. Gobierno es el que estaba en funciones en la fecha de la norma, según data/catalog/gobiernos.yaml.

    • Las leyes las aprueban las Cortes; la tabla solo atiende a la fecha. No se busca un equilibrio: la tabla hace visible el criterio.

    Gobierno	Normas con cita	Citas
    Felipe González (PSOE)	2	2
    José María Aznar (PP)	4	4
    José Luis Rodríguez Zapatero (PSOE)	7	7
    Mariano Rajoy (PP)	10	11
    Pedro Sánchez (PSOE)	16	20
    Total	39	44

    • Por partido: PSOE, 25 normas y 29 citas; PP, 14 normas y 15 citas. Antes: PSOE, 14 citas; PP, 7.
    • Hay más citas que normas porque una norma puede citarse en varios conceptos (Ley 1/2013, RDL 7/2019, RDL 1/2022 y Ley 12/2023).
    • La Ley 5/2018 lleva fecha del 11-6-2018, diez días después del nombramiento de Pedro Sánchez. Por la regla, cuenta en su Gobierno.
    • Mencionadas sin cita: Ley 43/2006 y RD 615/2007 (Zapatero); Ley 11/2013 (Rajoy).
    • También sin cita, del Gobierno de Sánchez: RDL 1/2024, once prórrogas del RDL 11/2020 y los RDL 16/2025 y 2/2026, no convalidados.

D-039 · 28 oct. 2026 · Página de corrupción: qué se detecta, qué se juzga y qué se percibe#

Encargo del titular: una página /corrupcion/ con datos oficiales agregados, en cinco bloques que no se mezclan ni se suman. Pre-registro: data/catalog/corrupcion.yaml y ocho entradas nuevas en indicadores.yaml, que quedan pendientes hasta tener los ficheros.

• Antes de descargar. Para saber qué existe se consultaron los listados del CGPJ, del Tribunal de Cuentas y de data.europa.eu. Esas copias de exploración no se publican: los ficheros se descargan de nuevo después de este registro.
• Bloques: detección (Eurostat, corrupción y cohecho), procesos y condenas (CGPJ), control del dinero público (Memorias del Tribunal de Cuentas), cuentas de los partidos (informe de fiscalización del ejercicio 2020) y percepción (Eurobarómetro y CIS).
• Por partido, solo lo que dice el Tribunal de Cuentas sobre sus cuentas, con cinco campos fijos. Nunca nombres de personas ni de casos, ni condenados por partido.
• Fuera, con su motivo: el desglose por comunidad de los procesados y la recaudación de la jurisdicción contable (solo tres años).
• Veda: el porcentaje del CIS va marcado con data-cis y no se publica en la veda. El Eurobarómetro se ve siempre, también en la veda (decisión del titular del 28-10-2026): la LOREG, art. 69.7, se refiere a los sondeos electorales y el Eurobarómetro no lo es.
• Tras la descarga (los mismos datos, sin cambiar las reglas):
  • Numeración: era D-030 en la rama y luego D-038; pasa a D-039 al integrarse, porque las dos ya estaban ocupadas.
  • Orden de los partidos: a igualdad de escaños, orden alfabético (el pre-registro no decía el desempate).
  • Más Madrid: su apartado de opinión (pág. 201) dice «no presentan fielmente». El Gráfico 2 y la conclusión 6 la cuentan con salvedades. Se publica el Gráfico 2, como se pre-registró, con la cita al lado.
  • El informe 1.573 pesa 34 MB, más que el límite por fichero del alojamiento. Se guardan las 8 páginas citadas, sin modificar, y la huella del original en descargas.json.
  • Población reclusa: ruptura en 2022 por el traspaso de las prisiones al País Vasco (Real Decreto 474/2021, en vigor desde el 1 de octubre de 2021).
  • Personas acusadas: hasta 2017 no se separaban las personas jurídicas; no consta si están en la cifra de 2017. Lo dice la ficha.
  • La comprobación de la veda en el navegador (check:veda) incluye ahora /corrupcion/: vigila que no se vean las cifras del CIS y que el Eurobarómetro sí se vea.
• Al unirla con la actualización automática (D-033), integración del 2026-10-28:
  • Entran como citas admitidas de las fichas transcritas www.poderjudicial.es, www.congreso.es (memorias del Tribunal de Cuentas) y webgate.ec.europa.eu (Eurobarómetro).
  • El filtro trata como anual una serie anual fechada en un mes fijo (población reclusa a 1 de enero, «2024-01» → «2025-01»); antes la tomaba por mensual y veía huecos.
  • pipeline.actualizar rehace la página de corrupción con los ficheros guardados. El paso que la rama añadía a datos.yml no se lleva: los workflows ya no se usan.
  • Desde la página, «delito» enlaza a su concepto (/concepto/delito/). «Corrupción» todavía no es un concepto del catálogo.

D-040 · 27 oct. 2026 · Afinidad entre partidos, con votaciones nominales oficiales#

Petición del titular de Al dato. Reglas fijadas antes de descargar nada (data/catalog/afinidad.yaml y docs/AFINIDAD.md, primer commit). La ampliación del titular (universo de formaciones, legislaturas anteriores, Senado y fichas) entró en ese mismo pre-registro, antes de descargar. Aquí, lo que cambió o se concretó al aplicarlas.

• Qué se publica: /afinidad/ (sección Elecciones 29-N) y una ficha por formación en /formacion/<id>/. Al dato no coloca a nadie en ningún eje: solo cuenta en cuántas votaciones coinciden dos partidos.
• Fuentes y votaciones:
  • Congreso: hay votaciones nominales en datos abiertos desde la X legislatura (2011). Se procesan todas, cada una por separado:
    • XV: 2173 votaciones (del 19-9-2023 al 30-9-2026); 1692 sin las casi unánimes.
    • XIV: 6575 (2020-2023); 5725 sin las casi unánimes.
    • XIII: 14 (septiembre de 2019). Son tan pocas que no se da ningún porcentaje.
    • XII: 2274 (2016-2019); 1921 sin las casi unánimes.
    • XI: 27 (2016). Tampoco dan para porcentajes.
    • X: 5746 (2012-2015); 4985 sin las casi unánimes.
  • Senado, XV legislatura: 973 votaciones (del 3-10-2023 al 30-9-2026); 571 sin las casi unánimes.
  • Parlamento Europeo, 10.ª legislatura: 6809 votaciones nominales (del 17-7-2024 al 22-10-2026); 6492 sin las casi unánimes.
• Cuadre: en las tres cámaras, los síes, noes y abstenciones individuales coinciden con los totales publicados en todas las votaciones. En el Congreso, 350 electos leídos del BOE en cada una de las seis elecciones, y escaños de 2023 por candidatura iguales al cuadro de la JEC.
  • Cambio: en algunas votaciones del Congreso la lista individual trae menos «no vota» que el total publicado (28 en la XIV, 14 en la XIII, 167 en la XII, 7 en la XI y 1079 en la X; ninguna en la XV). No cambia ninguna posición. Pasa de error a aviso (avisos_cuadre).
  • Cotejo a mano: cinco votaciones del Congreso con su PDF oficial y tres del Parlamento Europeo con sus actas RCV en PDF, descargadas por el titular porque la web responde 403 a la descarga automática (docs/auditorias/2026-10-27-afinidad.md).
• Concreciones de método:
  • Congreso: 14 votaciones listadas solo tienen imagen o PDF, sin JSON (entre ellas, las de investidura por llamamiento). No entran.
  • Congreso: las federaciones del PSOE y el PSC cuentan como PSOE; todas las candidaturas con «Sumar» en el nombre, como Sumar. El BOE da la candidatura, no el partido.
  • Congreso: quien vota desde otro grupo cuenta aparte mientras está en él: «PSOE (Grupo Mixto)», «Sumar (Grupo Mixto)», «Vox (Grupo Mixto)».
  • Podemos no sale como tal en el Congreso de la XV: sus diputados fueron elegidos en Sumar y no hay fuente oficial que dé su partido. Sí sale en el Parlamento Europeo.
  • Senado: sus datos abiertos solo dan el partido de los senadores en activo hoy (tras la disolución). La unidad es el grupo parlamentario; los grupos Popular y Socialista son PP y PSOE.
  • Parlamento Europeo: la web de fichas y actas responde 403 a la descarga automática. Partido nacional y grupo de cada eurodiputado salen de la API oficial de datos abiertos, en la fecha de cada votación. Los dos eurodiputados «Independiente» no entran en la matriz de partidos.
  • Con menos de 20 votaciones comunes no se da porcentaje.
  • Diputados que no figuran en la relación de electos (sustitutos) en un grupo de varias candidaturas: sin identificar y fuera del cálculo, como prevé la regla. Se listan en la página. Los nombres con erratas o abreviaturas («Mª», «Concep») se emparejan si el parecido es alto, el grupo encaja y hay un solo candidato.
  • Legislaturas anteriores: cada coalición o candidatura conjunta es una unidad, como Sumar en la XV (Unidas Podemos, La Izquierda Plural, Navarra Suma…).
  • CIS: desde 2023 los barómetros no preguntan la ubicación de los partidos; el último que lo hizo es el 3388 (diciembre de 2022). Por la regla, no se incluye.
  • Erratas del pre-registro corregidas antes de calcular: 61 escaños de España en el PE (no 81) y formato YAML de dos listas.
• Ficheros: los originales se guardan comprimidos. Las votaciones del Congreso van en un paquete .tar.gz por día de pleno, y las fichas del PE en dos paquetes, para no publicar miles de ficheros. El manifiesto de cada fuente da la URL, la fecha de consulta y la huella de cada original.
• Universo de formaciones: 37 formaciones en data/catalog/formaciones.yaml, que genera pipeline.afinidad_formaciones desde las fuentes. Falla si una fuente nombra un partido sin asignar. Orden: escaños en el Congreso en su última elección con escaño; empates, por orden alfabético (no hay votos procesados de esas elecciones).
  • Las elecciones anteriores a 2011 no tienen resultados oficiales procesados en el repositorio. UCD entra por haber presidido el Gobierno, sin escaños.
• Peso: 43 páginas nuevas: 6 de afinidad (una por legislatura del Congreso) y 37 fichas. /afinidad/ pesa unos 300 KB (unos 35 KB comprimida); las de legislaturas anteriores, de 160 a 270 KB. Unos 115 MB nuevos en data/raw/afinidad y 847 ficheros publicados en /raw/afinidad/. La compilación medida pasó de unos 40 s a entre 55 y 90 s, con descargas en marcha en la misma máquina.
• Enmienda del 28-10-2026: votos exactos en lugar de posiciones mayoritarias.
  • Motivo: el titular prefiere mostrar votos exactos y no posiciones mayoritarias. La decisión llega después de ver los primeros resultados; no es parte del pre-registro.
  • Qué cambia: desaparece la «posición del partido». En cada votación se publican los votos de cada partido («Vox: 5 en contra, 1 abstención»).
  • Afinidad: porcentaje de parejas de parlamentarios (uno de cada partido) que votaron lo mismo, sumando las parejas de todas las votaciones. Fórmula y ejemplo en docs/AFINIDAD.md.
  • Cohesión interna: el mismo cálculo con parejas del mismo partido. Es un dato descriptivo.
  • Se mantiene: «no vota» y ausencias no cuentan; mínimo de 20 votaciones comunes; análisis aparte sin las casi unánimes.
  • Parlamento Europeo: cada partido español frente a los eurodiputados de cada grupo europeo, también por parejas, en lugar de frente a la mayoría del grupo.
  • Historial: el método anterior sigue en data/catalog/afinidad.yaml y en docs/AFINIDAD.md, marcado como sustituido. Sus resultados se guardan, sin publicar, en data/processed/afinidad/metodo_anterior/ para poder comparar.
  • Efecto en las cifras principales (todas las votaciones): cambian poco, porque casi todos los diputados votan con su partido.
    • Congreso XV: PP-PSOE, 38,8 % con los dos métodos. PSOE-Sumar, del 83,1 % al 82,9 %. PP-Vox, del 62,5 % al 62,4 %.
    • Congreso XV: Sumar-«Sumar (Grupo Mixto)», del 78,7 % al 78,3 %.
    • Parlamento Europeo: PP-PSOE, del 73,7 % al 73,9 %. PP-Vox, del 42,5 % al 42,4 %.
  • Cuadre nuevo: en cada votación del Congreso y del Senado, los votos de cada partido más los sin identificar suman los totales publicados. Un test lo comprueba. El voto a voto se publica en /afinidad/votaciones/<cámara>_<legislatura>.json.
• Al unirla con la actualización automática (D-033), integración del 2026-10-28:
  • Las descargas de la afinidad pasan por fetch.descargar (lista cerrada de orígenes y captura WARC). Entran en la lista www.congreso.es y data.europarl.europa.eu; el Senado y el BOE ya estaban.
  • El Senado se pide solo de 02:00 a 06:00 y con 60 s entre peticiones, como dice su robots.txt (igual que cómo se gobierna). Antes, la afinidad lo pedía con 0,6 s de pausa.

D-041 · 28 oct. 2026 · Corrupción sin tendencia ni franjas innecesarias, mapa sin «mejor» ni «peor» en renta y demografía, y ajustes de la revisión legal#

Decisiones del titular de Al dato (28-10-2026) y ajustes legales recomendados.

• Corrupción (/corrupcion/):
  • Las series de actividad judicial y policial (CGPJ, Tribunal de Cuentas y Eurostat) pierden la «Tendencia»: sin conmutador, sin su aviso y sin la frase de tendencia bajo el gráfico (sinTendencia en GraficasAlineadas).
  • Las franjas de gobierno solo se pintan en un bloque si alguna de sus series cruza al menos un cambio de gobierno (bandasSiCruza); si cae entera en uno, sin franjas.
  • El resto de la página queda igual (el Eurobarómetro conserva sus franjas).
• Mapa (enmienda a D-037): la renta (provincias y comarcas), la natalidad y el saldo vegetativo (nacimientos menos defunciones) dejan de tener sentido, norma_corta, marcador y su cita de norma en mapa.yaml y mapa_comarcas.yaml. Pasan a «El color no dice si algo es bueno o malo». Siguen con «mejor» y «peor» el paro, los ingresos bajos y el 5G (D-034). La ficha de comarca y la ayuda del mapa de comarcas se ajustan; el aviso del coste de la vida de la renta se mantiene. Mapas de provincias y comarcas regenerados sin descargar; las comunidades no tienen esas capas. Tests actualizados.
• Tribunal de Cuentas: cada tarjeta que cita incumplimientos repite «Según el Tribunal de Cuentas, podrían constituir infracciones; el informe no propone sanciones». En Barcelona en Comú, Catalunya en Comú y Foro, la nota dice que son faltas al deber de colaboración, con las palabras del informe (arts. 19.1 y 17.Cuatro de la LOFPP, págs. 398-399).
• Catálogo de corrupción: la regla del Eurobarómetro anota la enmienda del 28-10-2026 de D-039 (se ve siempre, también en la veda).
• Veda: check:veda incluye /afinidad/.
• User-Agent: fetch.py, noche/transporte.py y vigilar_programas.py usan el mismo que sources/boe.py: «AlDato/0.1 (aldato.es; datos abiertos; [email protected])». No quedan «Observatorio29N» en el código ni en los documentos.
• Calendario de redes: veda legal del 24 al 28, con la web retirando las encuestas también el 29. Voto por correo (día 17): comprobado en el BOE (texto consolidado) que la LOREG no dice «no más tarde de», sino «hasta el décimo día anterior a la votación» (art. 72.a) y «en todo caso antes del tercer día previo al de la celebración de las elecciones» (art. 73.3); las frases lo citan literalmente.
• Aviso legal: la web no tiene ingresos, publicidad ni actividad económica.
• Licencias de reutilización: data/catalog/licencias.yaml y una línea por organismo en /fuentes/ y en la ficha de cada fuente. Las que constan en el repositorio (MITECO, Transformación Digital, Trabajo y Economía Social) con su cita; las de la UE (Eurostat, Eurobarómetro y Parlamento Europeo): «© Unión Europea, reutilización según la Decisión 2011/833/UE»; el resto, «Reutilización amparada en la Ley 37/2007 y el art. 13 de la LPI (documentos oficiales)». No se inventa ninguna licencia.
• Afinidad (enmienda a D-040): los diputados sin identificar (/afinidad/x/, /afinidad/xii/ y las demás legislaturas) salen solo como recuento por grupo, con enlace a la fuente oficial y sin nombres, por minimización de datos.

D-042 · 28 oct. 2026 · No descargar lo que no ha cambiado: peticiones condicionales y cadencia de comprobación#

Decisión del titular de Al dato (28-10-2026). Código: pipeline/pipeline/condicional.py, data/catalog/cadencia.yaml.

• Peticiones condicionales. De cada URL se guardan el ETag y el Last-Modified de la última respuesta buena, con la SHA-256 de su cuerpo, en estado/http/validadores.json (R2 en producción, .almacen/ en local). La siguiente petición lleva If-None-Match y If-Modified-Since.
  • 304: no se descarga nada. El cuerpo es el último bueno, sacado del bruto vigente o del WARC por su SHA-256; la serie queda «sin cambios» y no se vuelve a evaluar. Si ese cuerpo no es el publicado (por ejemplo, estaba retenido), pasa por todas las comprobaciones de forma como cualquier descarga. Si no se localiza el cuerpo, se repite la petición sin condiciones.
  • El 304 se archiva igualmente en WARC (petición con sus cabeceras condicionales y respuesta), como registro revisit de perfil estándar server-not-modified que apunta al WARC completo del cuerpo. Entra en la cadena diaria: prueba que la fuente seguía igual ese día. No crea marcador de huella nuevo.
  • Sin validadores (Eurostat, por ejemplo), se descarga como hasta ahora y la deduplicación por SHA-256 evita guardar el cuerpo dos veces.
  • Integridad intacta: dominio de la lista cerrada, HTTPS con certificado válido y redirecciones a mano. Un 304 solo vale si llega del mismo origen permitido; tras una redirección a otro dominio sigue siendo un error y la serie se retiene. Un 304 sin que se haya enviado una petición condicional también es un error. Un cuerpo que no pasa la comprobación de forma se «olvida»: no se reutilizará en un 304.
  • Corrección de un fallo latente: httpx cuenta el 304 como is_redirect; sin tratarlo antes, el bucle de redirecciones lo habría seguido hacia sí mismo hasta agotar los saltos.
• Cadencia. Con la frecuencia de cada indicador o capa y su último periodo se decide si hoy toca comprobarlo (data/catalog/cadencia.yaml, valores prudentes y documentados):
  • mensual: a diario desde el día 20 del mes siguiente al último periodo y durante 40 días (hasta que llega el nuevo, que mueve la ventana); fuera, una vez por semana;
  • trimestral: desde el día 15 del mes siguiente al trimestre, 50 días; semestral: desde el día 1 del segundo mes, 60 días;
  • anual: desde el 1 de marzo del año siguiente (60 días) y, además, alrededor del aniversario de la última vez que vimos un periodo nuevo (de 15 días antes a 60 después);
  • siempre, al menos una vez cada 7 días, para detectar revisiones fuera de calendario. La comprobación semanal se adelanta de 0 a 3 días según la serie (dispersión por hash del id) para no concentrar todas el mismo día. Nunca se retrasa.
  • Sin registro previo, toca. Capas sin frecuencia conocida (las que no tienen un periodo anual), a diario y con petición condicional. Aplicado a los indicadores (fetch.fetch_item) y a las capas del mapa (mapa.descargar_capa; frecuencia del catálogo o, si el periodo es un año, anual).
  • pipeline.actualizar --todo fuerza la descarga y la comprobación de todo, ignorando la cadencia. --descargar sigue forzando la descarga pero respeta la cadencia.
  • El estado de la cadencia (última comprobación, último periodo y cuándo cambió) va en estado/http/cadencia.json.
• Registro. El veredicto diario y /metodologia/actualizaciones/ dicen cuántas fuentes se comprobaron, cuántas respondieron 304, cuántas se descargaron y cuántas no tocaba comprobar.
• Límite medido (28-10-2026). El INE, que es casi todo el volumen, no sirve 304: su ETag y su Last-Modified se regeneran en cada petición (llevan la hora del servidor) y una petición condicional devuelve 200 con el cuerpo entero. Eurostat no envía validadores. Para esas fuentes el ahorro viene solo de la cadencia; las peticiones condicionales quedan para los organismos que sí los dan (y son inofensivas con los demás).
• No cambia el filtro de verosimilitud (D-033), el catálogo de indicadores ni lo que se publica. Una serie no comprobada hoy conserva su último dato bueno, igual que una sin cambios.

D-043 · 28 oct. 2026 · Léxico parlamentario: piloto de la XV legislatura del Congreso#

Proyecto aprobado por el titular. Diccionario y método fijados antes de procesar ningún texto (data/catalog/lexico_parlamentario.yaml, docs/LEXICO.md, commit propio). Página /lexico/ en borrador, con noindex y sin enlace en el menú.

• Fuente. Diarios de Sesiones del Pleno del Congreso en PDF (207 diarios, del 17-8-2023 al 16-10-2026). La descarga funciona con el agente de Al dato y la ruta no está excluida en robots.txt. No hizo falta el Senado.
• Grupo de cada diputado. Los datos abiertos de diputados solo dan el último grupo. Se usa la primera votación nominal de cada día (142 ficheros), que da el grupo de cada diputado ese día.
• Precisiones del método, antes de procesar:
  • una coincidencia se anula si comparte alguna palabra con un término de «no_cuentan»;
  • apellidos sin tildes, guiones ni partículas; erratas de la marca a dos letras o menos, si solo hay un diputado posible ese día;
  • extracción con pdftotext -layout: sin esa opción, Poppler adelanta a veces el final de una página.
• Primera tirada de la muestra. Antes de fijar el código, una tirada con la misma semilla encontró dos fallos: un guion no separable en una marca y títulos con el número de expediente partido. Se corrigieron y se volvió a tirar.
• Calidad medida (data/processed/lexico/calidad.json): 49 de 50 intervenciones bien separadas; 21 de 21 grupos bien asignados; 38 de 600 coincidencias no hablaban del concepto (6,3 %). La revisión se hizo en esta sesión y la debe confirmar el titular.
• Regla nueva, tras ver la muestra y antes de publicar: no se publica un concepto con 3 o más falsos positivos de 10. Quedan fuera cuatro: personas LGTBI (6 de 10, por «orgullo»), república (5, por el nombre del grupo de ERC), aborto (3, por «derecho a la vida») y salud mental (3, por «suicidio» figurado).
• Correcciones propuestas para la versión 2 del diccionario, sin aplicar (las decide el titular): quitar «orgullo» suelto; excluir «grup republica», «govern republica», «gobierno republicano», «izquierda republicana», «grupo plurinacional», «patria potestad», «sin paliativos», «suicidio energetico», «ministerio de transicion ecologica» y «la dictadura de»; limitar «derecho a la vida» y «mena»; quitar «desarrollo sostenible» suelto.
• Brutos no copiados a /raw/: los PDF (144 MB; se enlaza el original con su SHA-256) y los datos de diputados, que traen biografías que no se usan. Están en el repositorio con su huella.
• Limitaciones: el diccionario es castellano; las palabras en otras lenguas cuentan en el total. El Gobierno cuenta aparte de su grupo; sus miembros sin escaño no se publican por persona.

D-044 · 28 oct. 2026 · Léxico parlamentario: diccionario versión 2 y Congreso de 1977 a hoy#

Aprobado por el titular: la versión 2 del diccionario, el Pleno del Congreso de la Constituyente a hoy, las Comisiones del Congreso y la preparación del Senado.

• Diccionario, versión 2 (commit propio, antes de recontar): las correcciones propuestas en D-043 (LGTBI y «orgullo», república y el grupo de ERC, aborto y «derecho a la vida», salud mental y «suicidio» figurado, «Plurinacional» en nación, y las demás). La versión 1 se conserva en git; el historial va en el YAML y en docs/LEXICO.md. Se añaden notas de época a algunas ambigüedades (amnistía de 1977, CEE antes de 1993, preautonomías).
• Nueva muestra de falsos positivos de los diez conceptos tocados, de toda la serie del Pleno, con semilla 20261029. Se publican los que bajan de 3 de cada 10 (resultado: república 4 de 10, sigue retenido por Estados extranjeros y el «coraje republicano» francés; salud mental 2; nación, memoria democrática y menores 1; LGTBI, aborto, eutanasia, cambio climático y Agenda 2030, 0; se publican los nueve restantes).
• Fuente. Diarios del Pleno en congreso.es, descarga lenta y secuencial; robots.txt sin exclusiones para esas rutas; ningún 403. Inventario en docs/LEXICO.md y en data/processed/lexico/congreso.json (3.575 PDF, unos 9 GB, de la Constituyente a la XV; descarga de 11:42 a 13:41; cada recuento completo, unos 16 minutos).
• Originales fuera de git. Los PDF van a data/raw/lexico/pdf/ (en .gitignore); los de la XV, que estaban en git, se sacan (siguen en el historial). En git quedan el manifiesto y los recuentos por intervención, sin texto. provenance funciona sin los PDF. Al unir main llegó almacen.py: pipeline.lexico_fuentes --registrar-almacen copia cada PDF, con su huella comprobada, a archivo/lexico/ del almacén (R2). Se ejecuta donde estén las credenciales de R2; aquí no las hay. www.congreso.es ya estaba en fuentes_permitidas.yaml. Las descargas de esta fase no pasaron por fetch.descargar (no existía al empezar).
• Sin OCR propio. Todos los Diarios tienen capa de texto; los escaneados la traen del propio Congreso. Tesseract no hizo falta.
• Extracción por columnas con la posición de cada palabra (pdftotext -bbox-layout), igual para todas las épocas. Cambia el texto de la XV respecto a D-043 (antes -layout): la XV se recuenta.
• Grupo antes de 2011: relación oficial de cada legislatura, sin cambios de grupo. Es la mayor fuente de error medida.
• Fallos encontrados en las muestras y corregidos durante la revisión (marcas del OCR, cabeceras dentro de línea, «Candidato» con mayúscula, PDF que Poppler no lee por posiciones). Cuando se corrigió después de revisar, el veredicto se dejó como estaba y se anota en la muestra: la tasa publicada es prudente.
• Comisiones del Congreso: mismo método, manifiesto propio, comparecientes sin nombre y solo en el total de cada órgano. Todas las legislaturas, de la Constituyente a la XV: 9.139 PDF (unos 10,8 GB) más los 106 de la Constituyente; entre 24 y 30 de cada 30 intervenciones bien separadas. De la III a la V, más de la mitad de los Diarios quedan en «Comisión sin identificar» (portada escaneada). La revisión llevó a cuatro arreglos de roles que también cambian el Pleno (subsecretarios, Mesa del Congreso, letrados, ceros y unos del OCR): el Pleno se recontó.
• Senado: su robots.txt excluye a los agentes de IA y pide una petición por minuto de 02:00 a 06:00. No se ha descargado nada del Senado. Queda preparada la cola del Worker (sources/senado_diarios.py, urls_pendientes) y el recuento. Estimación: unos 2.600 Diarios del Pleno y 8.000 de Comisión; con 240 URL por noche, unas 14 noches para el Pleno y unas 48 en total. La segmentación del Senado no se ha probado con Diarios reales: se probará con las primeras noches.
• Mismas reglas en todas las épocas (mínimos, diccionario, recuento). Las rupturas de formato y de método se marcan en los gráficos.

D-045 · 29 oct. 2026 · Léxico parlamentario: base de datos de intervenciones#

Aprobado por el titular. El esquema (data/catalog/lexico_esquema.sql) se registra antes de cargar ningún dato.

• Qué es. Una base DuckDB, exportada a Parquet por legislatura, con cada Diario (documento), cada intervención con su página, orador, rol y grupo de ese día, las acotaciones (incidencia), el texto que no es de nadie (resto), cada aparición de un concepto (coincidencia), las votaciones nominales y las revisiones. Columna camara desde el principio, para el Senado.
• Solo campos deterministas. Se genera con Poppler y las reglas de D-044; ninguna columna interpretativa. Lo que sugiera el clasificador automático va a revision como «pendiente» y nunca cambia un dato sin revisión.
• Comparecientes: sin registro de persona, como en D-044 (persona_id nulo, rol compareciente).
• Cuadre por Diario: palabras de las intervenciones + palabras del resto = palabras del texto extraído; las páginas sin texto se cuentan. Un Diario que no cuadra se marca (cuadre_ok = false) y queda fuera de las cifras publicadas.
• Regresión: los recuentos calculados desde la base deben reproducir las cifras publicadas de D-044. Si no, se explica cada diferencia antes de cambiar nada en la web.
• Comprobación externa: ParlaMint-ES 4.1 (CLARIN.SI, handle 11356/1912, CC BY 4.0; Pleno del Congreso 2015–2023, construido desde las páginas HTML del Congreso por el grupo ECPC). Se compara, en una muestra fija, la separación de intervenciones y la atribución de orador. Solo se usa para medir; su contenido no se publica. Se cita en la metodología. La presidencia figura en ParlaMint como desconocida, así que la Mesa se excluye de la comparación.
• Sin efecto en la web del 1 de noviembre. /lexico/ sigue leyendo los recuentos de D-044 hasta que la base pase el cuadre, la regresión y la comprobación externa.
• Archivo. Los Parquet y la base se guardan en R2 (archivo/lexico/bd/) con su huella, como los PDF.

D-046 · 29 oct. 2026 · Léxico: base de datos construida y desviaciones del esquema de D-045#

El esquema (data/catalog/lexico_esquema.sql) no ha cambiado: la base se crea con ese fichero tal cual. Lo que sigue son cambios de interpretación o de contenido de columnas, anotados aquí y no en silencio. Código: pipeline/pipeline/lexico_bd.py; resumen con huellas y comprobaciones: data/processed/lexico/bd_resumen.json. La base (data/bd/, fuera de git) se regenera con python -m pipeline.lexico_bd.

Desviaciones

• persona_id no es cd:<codParlamentario>. El código de los datos abiertos es un número de orden dentro de cada legislatura, no un identificador de persona (350 códigos reaparecen en las 15 legislaturas con nombres distintos) y los datos de la XV no lo traen. El identificador es cd: más los apellidos y el nombre normalizados («Apellidos, Nombre» de la relación oficial, sin tildes ni partículas), como ya usan Padron y los recuentos. Una persona con el mismo nombre en varias legislaturas es una sola; las variantes de tilde también («Trías de Bes» y «Trías de Bés»). El código oficial de cada legislatura queda en mandato.fuente. Los 25 identificadores con más de una grafía en la relación oficial son todos variantes de tilde. El riesgo del método: dos personas con exactamente el mismo nombre completo se unirían. 3.036 personas.
• Cuadre. La fórmula de D-045 se cumple tal cual sobre intervencion.palabras y resto.palabras, con tres aclaraciones: (1) las marcas de orador y las acotaciones van también a resto (tipo procedimiento), además de a intervencion.marca e incidencia, que son su registro estructurado; (2) palabras_total es el recuento del texto extraído después de los dos pasos de limpieza de texto de D-044: la unión de palabras partidas con guion a final de línea (8.754.748 uniones) y el recorte de «23 DE MAYO DE 1979.-NÚM. 10» de las cabeceras de los escaneos, que a veces corta una palabra («DEMAYODE») y crea una más (113 palabras); (3) las líneas en mayúsculas que D-044 descarta como títulos del orden del día se guardan en resto (procedimiento) y, si son de 4 o más palabras o llevan número de expediente literal, también como punto.
• revision.revisor admite además el valor parlamint (comparación automática con ParlaMint, no revisión a mano). Las filas del clasificador automático son siempre pendiente; la revisión de 20 de ellas va como filas aparte, con su propio revisor.
• punto se deriva de los títulos en mayúsculas del propio Diario, no de un orden del día oficial: puede incluir encabezados de comisión repetidos en cada página y no recoge los puntos que el Diario no escribe en mayúsculas. punto_id de una intervención es el último título anterior a su marca.
• coincidencia.forma es el identificador de la forma del diccionario (el mismo que usan los recuentos), no la variante escrita; la variante se lee en intervencion.texto por posicion. Se guardan también las coincidencias de la Mesa (los recuentos de D-044 no las cuentan; la regresión las excluye).
• documento. serie es pleno para toda la serie PL (incluye la Diputación Permanente, que las portadas no separan) y comision para la serie CO y los Diarios de Comisión de la Constituyente; otra no se usa. organo_id es pleno o el nombre de la comisión sin tildes ni signos; organo_literal, el nombre reconstruido de la portada (lexico_comisiones.nombre_comision), no el texto crudo. Los 32 Diarios sin fecha de sesión legible no tienen intervenciones (todo su texto va a resto) y, como en D-044, quedan fuera de las cifras.
• intervencion.grupo y mandato. mandato recoge la relación oficial de diputados de cada legislatura (un periodo por fila). El grupo de cada día en la X a la XV sale de las votaciones nominales (D-044), que es más fino que mandato y no está en él: intervencion.grupo es el dato del día.
• cargo. Solo la Presidencia del Gobierno (16 filas, gobiernos.yaml, BOE). Los ministros y la Mesa no tienen fuente oficial con fechas en el repositorio; los Diarios los citan por cargo, sin fechas.
• persona.genero: hombre/mujer a partir del código 1/2 de la relación oficial (la comprobación contra los nombres de pila no encuentra excepciones salvo un caso de la propia fuente). La XV no lo trae.
• Dependencia nueva: duckdb==2.0.0 (el Parquet lo escribe DuckDB). Los Parquet son idénticos entre ejecuciones (comprobado con dos construcciones); el .duckdb no se garantiza byte a byte y su huella no se registra.
• Herramienta del clasificador automático. La dirección configurada no llevaba la ruta que la herramienta espera y las peticiones fallaban; lexico_modelo la completa al llamarla. La herramienta no se ha tocado.

Resultados (resumen; el detalle está en bd_resumen.json)

• Carga: 12.714 PDF (3.575 de la serie PL, 9.139 de la CO), 1.320.667 intervenciones, 2.635.621 coincidencias, 5.876.899 votos de 16.809 votaciones nominales (X a XV). Poppler 26.04.0; reglas: commit 842d3c9 de lexico.py, sin cambios en esta fase.
• Cuadre: los 12.714 Diarios cuadran. Sin contar los recortes de cabecera, 51 no cuadraban por entre 1 y 24 palabras, todos escaneados de la Constituyente a la V (Constituyente 1, I 4, II 2, III 12, IV 27, V 5). 1.604 páginas de 472.561 tienen menos de 20 palabras (casi todas en los escaneos). La segmentación con rastro reproduce la de D-044 en los 12.682 Diarios con fecha.
• Regresión: el texto extraído tiene la misma huella que el de los recuentos publicados en los 12.682 Diarios. Orden, palabras y coincidencias de las 535.542 intervenciones del Pleno y las 785.125 de Comisiones son idénticos. Los 60 conceptos del Pleno y los 60 de Comisiones salen idénticos al recalcular con agregar; congreso.json y comisiones.json también, salvo lo que el esquema no guarda (páginas a dos columnas y, con ellas, las rupturas; el motivo fino de «sin asignar»). Diferencias de etiqueta, sin efecto en las cifras: 1 rol (por el salto de línea de una marca, perdido al guardarla normalizada) y 219 apellidos con nombre de pila («SOLANA MADARIAGA (don\nLuis)»), que la base resuelve igual que antes. No se ha tocado ningún JSON publicado.
• ParlaMint-ES 4.1, 300 intervenciones fijas (semilla 20261029, sin la Mesa) de 436 fechas emparejadas: separación idéntica en 276 (92,0 %, IC 95 % 88,4 a 94,6); 93,3 % si se tolera que cambien las últimas palabras. Atribución: 255 de 257 comparables (99,2 %, IC 97,2 a 99,8). Las diferencias más frecuentes: ParlaMint parte intervenciones de ministros donde hay interrupciones (10 de 62 de Gobierno); 34 intervenciones de Gobierno sin persona nuestra (ministros sin escaño) tienen orador en ParlaMint. No se publica ni se copia contenido de ParlaMint; las 300 comparaciones están en revision.
• Clasificador automático: 120 intervenciones «sin_asignar» al azar; 71 propuestas y 49 «ninguno». Revisadas una a una 20 propuestas: 19 correctas, 1 no verificable, 0 erróneas. Las propuestas están solo en revision como pendiente; ninguna toca persona_id.

D-047 · 29 oct. 2026 · Léxico: vocabulario completo en lugar de diccionario cerrado#

Petición del titular: «no quiero 60 conceptos, quiero todos los posibles». Se pasa del diccionario cerrado (60 conceptos, D-044) a un vocabulario completo de todas las palabras y expresiones del Pleno, con palabras características por grupo. Reglas fijadas en data/catalog/lexico_vocabulario.yaml (versión 1) y guardadas en git antes de calcular ninguna frecuencia; solo se habían mirado los totales de palabras por rol y por grupo de la base (D-046).

• Ámbito. Pleno del Congreso, de la Constituyente a la XV. Cuentan las intervenciones de diputados y de Gobierno (Mesa, comparecientes, colectivos y sin asignar, fuera, como en D-044), de Diarios que cuadran. Las Comisiones quedan para otra fase con el mismo método.
• Qué se cuenta. Palabras y expresiones de una a tres palabras seguidas, sin lematizar, sin tildes para agrupar (la ñ se conserva); se muestra la grafía más frecuente. Los n-gramas no cruzan signos de puntuación, cifras ni intervenciones. Frecuencia mínima en todo el Pleno: 10 ocurrencias y 3 Diarios para una palabra; 25 y 5 para dos o tres palabras.
• Palabras vacías. Lista del español de Snowball (BSD), 308 palabras, sha256 en el YAML, descargada el 2026-10-29 por http (su servidor no tiene certificado válido para https; no se desactivó la verificación en ninguna descarga: se usó la dirección http y se fijó la huella). Cambios decididos antes de contar: se quitan «estado, estada, estados, estadas» (son también la institución); se añaden 76 palabras funcionales y 73 fórmulas de procedimiento y cortesía, todas listadas una a una en el YAML. Un n-grama no puede empezar ni acabar en palabra vacía.
• Nombres de oradores. Se marcan, no se borran: un término cuya palabra aparece en las marcas de orador y casi siempre con mayúscula (80 % de sus apariciones en el Pleno) lleva nombre_orador y no se puntúa como característico.
• Palabras características. Log-verosimilitud de Dunning de cada unidad (grupo de la época, o «Gobierno») frente al resto de unidades de la misma legislatura, con la misma fórmula, los mismos mínimos y el mismo resto para todas. Mínimos: 20.000 palabras de la unidad (como D-044), 10 ocurrencias, 3 oradores y 3 Diarios distintos, solo sobrerrepresentadas, G2 de 15,13 o más. Se publican 30 de una palabra y 30 de dos o tres por unidad y legislatura. Es un ranking: no dice si un grupo habla bien o mal de nada.
• Salida. Tablas termino, frecuencia_termino (por grupo y año, y por persona y legislatura solo para términos con 1.000 ocurrencias o más) y caracteristica en una copia de la base (data/bd/, fuera de git; la base principal no se toca). En git, solo el resumen (data/processed/lexico/vocabulario/) con huellas. Nada en la web (site/ sin tocar).
• Clasificador automático: para los 2.000 términos más frecuentes, propone agrupaciones de variantes y sinónimos, un tema de una lista cerrada de 26 más «ninguno», y marca los falsos términos (OCR, cabeceras, nombres). Todo va a revision como «pendiente»; nunca cambia una cifra. Se revisa una a una una muestra de 50 de cada tarea y se publica la precisión.
• Calidad. 30 términos característicos al azar por legislatura (semilla 20261030), revisados uno a uno con la pregunta «¿es un término real del debate?». Se avisa de que las legislaturas con escaneos (Constituyente a V) tienen más ruido.
• Limitaciones previstas. Las lenguas distintas del castellano no se separan. «Mixto» junta formaciones muy distintas. El grupo de cada día antes de 2011 sale de la relación oficial de la legislatura (D-044). Los comparecientes siguen sin nombre.

Corrección de la regla de nombres de oradores (reglas versión 2, mismo día). En la primera pasada de cálculo, la regla de la versión 1 (palabra de las marcas de orador con mayúscula en el 80 % de sus apariciones) marcó 10.739 términos como nombre de orador, entre ellos «gobierno», «españa», «partido popular» o «cámara», porque las marcas incluyen cargos («PRESIDENTE DEL GOBIERNO») y las instituciones se escriben con mayúscula. Solo se había mirado la lista de marcados y unas pocas palabras características de ejemplo, no se ha publicado nada. La versión 2 usa solo persona.nombre y añade una condición: que al menos el 10 % de las apariciones de la palabra vayan justo detrás de un tratamiento («el señor Rajoy»; lista en el YAML). Se recalcula todo con la versión 2. Las demás reglas no cambian.

Resultados del vocabulario (reglas versión 2; detalle y huellas en data/processed/lexico/vocabulario/resumen.json). 125,7 millones de palabras del Pleno (diputados y Gobierno). 175.989 términos: 80.769 de una palabra, 53.462 de dos y 41.758 de tres (63,6 millones de ocurrencias); 2.144 marcados como nombre de orador. 98.352 filas de palabras características (unidad y legislatura con 20.000 palabras o más; 7 a 11 unidades por legislatura). El cálculo completo tarda unos 5 minutos (DuckDB, solo reglas).

• Calidad (30 por legislatura, 480): 14 no son términos reales (2,9 %): 7 apellidos o nombres de pila que se escaparon de la marca y 7 fragmentos de nombre de grupo («unida ha presentado»). Por legislatura, de 0 a 10 %; sin tendencia clara entre los escaneos (Constituyente a V) y el resto, porque los mínimos de ocurrencias, oradores y Diarios filtran el ruido de OCR. 22 de los 480 están en catalán o euskera (reales, marcados aparte). El ruido de OCR no se ha medido por separado: el recuento de palabras descartadas por forma (sin vocal o de más de 25 letras) es inferior al 0,1 % en todas las legislaturas.
• Clasificador automático (2.000 términos más frecuentes; unas 2 horas, a unos 4 s por término): tema, 46 de 50 correctos (92 %); falsos términos, 4 de 21 marcados bien (19 %; confunde el catalán y las siglas con restos de OCR) y ninguno entre 50 no marcados; agrupaciones, 41 de 50 correctas (82 %), con 75 grupos en 51 lotes (en 34 no encontró ninguno). Revisión de la muestra en data/revisiones/lexico/vocabulario_modelo_revision.yaml. Las 2.207 filas están en revision como «pendiente» (copia local de la base); modelo_local.json las resume. El clasificador no es fiable para detectar falsos términos y propone pocas agrupaciones: no debe usarse sin revisión.
• Cambios de método durante la ejecución, anotados: la tabla frecuencia_termino lleva tipo_unidad (‘grupo’, ‘gobierno’, ‘persona’); además termino guarda clave (sin tildes) y longitud. Las filas del clasificador automático no llevan filas de revisión propias (su revisión va en el YAML). El prompt de agrupación se reforzó una vez tras ver que devolvía «ninguno» en casi todo (34 de 51 lotes siguen así). La descarga de la lista de palabras vacías fue por http, con su huella fijada.
• Qué queda: decidir cómo publicarlo (nada en site/); Comisiones con el mismo método; separar las lenguas cooficiales; revisión humana de las propuestas del clasificador automático; corregir con una lista de apellidos los pocos nombres de orador que se escapan.

D-048 · 29 oct. 2026 · Estadística de las series y búsqueda automática de correlaciones (pre-registro)#

Reglas fijadas en data/catalog/estadistica.yaml y commiteadas antes de calcular ninguna correlación. Solo se contó cuántas series tienen años completos suficientes (84 de 166 con 21 años consecutivos o más). No toca la web.

• Por qué es delicado. Dos series que crecen con el tiempo se correlacionan casi siempre, sin relación entre ellas, y el lector tiende a leerlo como causa. Por eso la búsqueda no se publica como detector hasta que un placebo muestre cuántas coincidencias salen entre datos sin relación.

• Propiedades por serie (deterministas): descriptivas, tendencia lineal con intervalo, variación media anual, volatilidad, estacionalidad, cambios de ritmo (PELT con penalización fija), prueba de Chow en las rupturas ya documentadas, variaciones atípicas (regla fija) y posición frente a la UE-27 donde la ficha tiene comparador. Fórmulas en docs/METODOLOGIA.md, sección 9.

• Correlaciones. Todas las series publicadas de España, todas las parejas (menos las derivadas por construcción), sin elegir. Frecuencia común anual (media de años completos), variación interanual (log en niveles positivos, diferencia en el resto), al menos 20 pares de variaciones (más de 4 años, D-015), Spearman y Pearson con desfases de −4 a +4 años, intervalo por bootstrap de bloques, Benjamini-Hochberg al 5 % sobre todas las pruebas con todos los desfases.

• Comprobación anti-espurias. Placebo con la segunda serie barajada por bloques (20 repeticiones) y el mismo recuento con y sin quitar tendencia.

• Se publicará siempre el número de pruebas, cuántas saldrían por azar y cuántas salen con datos barajados.

• Limitaciones declaradas de antemano. BH exige independencia positiva y las pruebas están muy relacionadas (desfases contiguos, series compartidas): se cuenta también Benjamini-Yekutieli. El p-valor con tamaño efectivo es una aproximación. Años agregados ocultan lo que ocurre dentro del año.

• Término público (decisión del titular, 29-10-2026). En la web las correlaciones se llamarán «coincidencias estadísticas»; «correlación» solo en la metodología. Cada una llevará un texto fijo: puede deberse al azar, a una tercera causa común o a la casualidad de las fechas, y no indica que una cosa cause la otra. Se mostrará siempre cuántas parejas se compararon y cuántas coincidencias saldrían solo por azar. Anotado antes de calcular; no cambia ningún método.

• Resultados (calculados después del pre-registro, sin cambiar ningún método). 166 series con propiedades; 84 con algún par probado; 13.691 parejas candidatas, 3.484 con solapamiento suficiente; 26.924 pruebas (parejas × desfases). Sin corregir, p < 0,05 en 2.392 (por azar saldrían 1.346). Superan BH al 5 %: 99 (como mucho 5 falsas esperables); solo desfase 0: 151; Benjamini-Yekutieli: 31. Placebo (20 repeticiones): p < 0,05 en 1.286 a 1.409 (el 4,8 al 5,2 % de las pruebas, calibrado) y 0 a 2 tras BH. Sin quitar tendencia (niveles): 808 superan BH en datos reales y 0 a 1 en el placebo. De las 99, 16 son de la misma operación estadística, 41 del mismo organismo y 33 con series en euros corrientes; varias son relaciones de definición (un total y su desglose, nacimientos y tasa de natalidad). El código es pipeline/pipeline/estadistica.py (la partición óptima con penalización fija da el mismo resultado que PELT).

• Anexo a D-048 (2026-10-29, decisión del titular): las coincidencias entre series relacionadas por definición (misma operación, una parte de la otra o calculada a partir de ella) se muestran marcadas como «relación por definición», separadas del resto, en lugar de excluirse. La regla de marca es fija y no depende del resultado (data/catalog/estadistica.yaml, relacion_por_definicion).

• Segundo anexo a D-048 (2026-10-30, decisión del titular): publicación en la web. Las pruebas que superan Benjamini-Hochberg al 5 % se muestran como «coincidencias estadísticas» en la ficha de cada dato, en Explorar («Datos que se movieron de forma parecida», con «Comparar» para añadir el otro dato al gráfico) y en /metodologia/coincidencias/, con el método, los recuentos, el placebo, BH frente a BY y las limitaciones. Orden fijo por el nombre del otro dato y el desfase, nunca por el tamaño del coeficiente; 5 por lista a la vista. Reglas de presentación en data/catalog/coincidencias.yaml. El recálculo con los datos del 30-10-2026 y la ampliación de la regla de «relación por definición» están en D-063.

D-049 · 29 oct. 2026 · Léxico: Senado, fuente provisional de terceros (pre-registro)#

Se anota antes de segmentar, contar o cargar nada del Senado. No cambia el método del Congreso ni ninguna cifra publicada. Nada de esto va a site/.

• Fuente provisional. Zenodo 11212304 v3 (registro de documentos de las Cortes, 1977 a 15-5-2024), CC BY-ND 4.0. Ficheros y huellas en data/raw/zenodo_parlamento/manifest.json (los datos, 1,9 GB, fuera de git). Se usan los documentos con secc == "SENADO" y encabezado == "DS": 6.232 Diarios, sin duplicados de pdf_url. Es una fuente de terceros, no oficial: sirve para estudiar el Senado mientras llegan los PDF oficiales y se sustituirá por ellos.
• Texto ya extraído por ellos, no por Poppler. Según su README, desde 1996 es el «texto íntegro» que la web de las Cortes publica junto al PDF (HTML, con restos como href='#(Página 12)'), y antes de 1996 sale del PDF con pdfium (calidad «cuestionable», con los mismos errores de reconocimiento que los escaneos del Congreso). Consecuencias, todas de método y fijadas ahora:
  • no hay saltos de página: documento.paginas, pagina_inicio y pagina_fin van vacíos (NULL), paginas_vacias = 0 y escaneado = NULL (no se adivina);
  • documento.extractor = zenodo-11212304-v3; url = https://www.congreso.es + pdf_url (ruta oficial del PDF; ver más abajo);
  • doc_id es provisional: sha256 del texto del corpus (texto_sha256), no del PDF. Al llegar el PDF, doc_id pasa a ser el sha256 del PDF y las filas se renombran;
  • documento.fecha sale del campo fecha del corpus, no de la portada; organo_literal es el campo orga del corpus (metadato de terceros, no la portada). La serie sale de orga y del directorio de pdf_url (PL pleno, CO y CT comisión, DP diputación permanente; Sesiones Solemnes e Iberoamericanas, Necrológicas y los dos Diarios de «Sesiones Conjuntas» y «no publicado» de la Constituyente van a otra y quedan fuera de los recuentos).
• Cómo se cotejará con los PDF oficiales. Cuando lleguen: (1) huella sha256 del PDF al manifiesto; (2) extracción con Poppler como en D-044; (3) comparación de las secuencias de palabras normalizadas (lexico.palabras) con el texto del corpus: proporción de palabras coincidentes y número de marcas de orador halladas en cada uno; (4) se acepta el Diario si ambas superan un umbral fijado antes de mirar (propuesta: 98 % de palabras coincidentes y la misma cantidad de marcas ± 2 %); (5) lo que no pasa se rehace desde el PDF y se anota. Hasta entonces, las cifras del Senado son provisionales y llevan esa etiqueta.
• Licencia y uso. CC BY-ND 4.0 prohíbe publicar obras derivadas, y el aviso legal del Congreso pide no modificar ni desnaturalizar el contenido y citar la fuente. Es un uso de estudio: en git solo hay recuentos por Diario (sin texto), cifras y muestras de contexto breve; la base con texto se guarda fuera del repositorio. Nada derivado se publica sin revisión legal. Los Diarios de Sesiones no tienen derechos de autor (LPI art. 13); la cautela es por el corpus de terceros, no por los Diarios.
• Huecos. (1) La V legislatura (1993–1996) no está: el fichero V no trae ningún Diario del Senado. (2) La XV termina el 9-5-2024: faltan más de dos años y medio de la legislatura actual. (3) Un Diario de la Constituyente no tiene texto. (4) Las Comisiones de la I legislatura son 6 «Comisiones» y 25 «Comisiones Informativas». Se cuentan por legislatura y órgano tal como vienen.
• Dónde están los PDF. Las rutas son /public_oficiales/L<n>/SEN/DS/{PL,CO,CT,DP,SS}/<fichero>.PDF, es decir, el repositorio de publicaciones de las Cortes en www.congreso.es, no en www.senado.es. Si la primera petición lo confirma, el robots.txt que rige es el del Congreso (el de las rutas public_oficiales no excluye nada, como en D-044) y no el del Senado. El README del corpus dice que el origen es www.congreso.es, pero esto no se ha comprobado con una petición (no se ha descargado nada). Los nombres de fichero (PS0028.PDF, CS0001.PDF, DS_C_15_7.PDF, S_1977_004.PDF) no siguen el patrón que sources/senado_diarios.py suponía (DS_P_<n>_<k>.PDF bajo senado.es). Se añade urls_corpus() con las 6.232 rutas conocidas y el manifiesto data/raw/zenodo_parlamento/senado_diarios.json.gz (ruta, fecha, serie, órgano, huella y recuento de palabras del texto, sin texto). Pendiente del titular: confirmar el anfitrión con una petición y decidir si van por el Worker o por la descarga lenta normal. La V legislatura y lo posterior a mayo de 2024 hay que sondearlos número a número.
• Reglas del Senado (sin cambiar las del Congreso). Mismas marcas («El señor X:», «La señora X:»), mismas acotaciones y mismo recuento. Cambios, solo en lexico_senado.py (el Congreso no se toca):
  • Mesa: solo «PRESIDENTE/A», «VICEPRESIDENTE/A [ordinal]», «SECRETARIO/A [ordinal o interino]», «… DEL SENADO», «… DE LA COMISIÓN/PONENCIA» y «LETRADO/A». La regla del Congreso toma por Mesa cualquier cargo de menos de cinco palabras cuya primera palabra se parezca a «secretario» o «presidente»; en el Senado eso mandaría a la Mesa a «SECRETARIO DE ESTADO DE HACIENDA (Borrell Fontelles)» o «SECRETARIO GENERAL DE PODEMOS (…)», cuyas palabras cuentan;
  • Gobierno: igual que el Congreso (presidencia, vicepresidencias del Gobierno, ministros);
  • Compareciente (sin persona, solo en el total del órgano): cargo con nombre entre paréntesis que no es Mesa ni Gobierno, o descriptor en minúsculas entre paréntesis («exministra de Vivienda», «trabajador de la empresa…»);
  • Cabeceras y restos de HTML del Senado que la regla del Congreso no quita: «SENADO», «Página N», «(Página N)» con su enlace, «DS. Senado, …», «COMISIONES.-NÚM. N», «PLENO.-NÚM. N».
• Padrón de senadores: no hay. No se descarga nada del Senado (robots.txt: 02:00–06:00 UTC y sin agentes de IA). Sin padrón no hay persona_id (siempre NULL) ni grupo oficial. Una marca solo con apellidos queda sin_asignar; pasa a senador solo si el propio Diario llama «senador/a» a esos apellidos. El grupo se asigna solo si el propio Diario lo dice, con una regla fija: en los turnos de la Mesa y en el sumario, «senador/a APELLIDOS, del Grupo X» o «Por el Grupo X, … el señor APELLIDOS». Cada asignación guarda su evidencia. Lo demás queda sin_asignar, nunca inferido. Hace falta el padrón: los datos abiertos de senadores y grupos de cada legislatura (urls_datos_abiertos, ya en la cola lenta del Worker) y, para antes de ellos, la relación oficial de cada legislatura.
• Calidad. Misma medida que D-044: 30 intervenciones contadas (no de la Mesa) por legislatura, como mucho 3 por Diario, semilla 20261029-senado-<n>, revisadas una a una contra el texto del corpus (persona/orador, principio, final y grupo). Se publican las tasas. Como el texto no es el del PDF, lo medido es la segmentación del texto de terceros, no la fidelidad al Diario oficial.
• Clasificador automático. Solo preclasifica muestras y propone oradores de tramos sin_asignar; sus resultados van a revision como pendiente. Se mide su precisión contra una muestra revisada una a una.

Resultados de D-049 (2026-10-29)

Código: lexico_senado.py (reglas y construcción), lexico_senado_agregar.py (resultados, calidad, resumen), lexico_senado_modelo.py (clasificador automático); lexico_bd.trazar solo recibe ganchos opcionales (el Congreso no cambia). La base con texto y los Parquet (camara=senado) están fuera de git (CC BY-ND); en git quedan data/processed/lexico/senado/ (recuentos por Diario sin texto, senado.json, calidad_senado.json, modelo_local_senado.json, bd_senado_resumen.json), el manifiesto data/raw/zenodo_parlamento/senado_diarios.json.gz y las revisiones.

• Carga. 6.232 Diarios (de la Constituyente a la XV, sin la V), 636.366 intervenciones, 1.135.181 coincidencias con el diccionario v2 (60 conceptos). Cuadre: 6.232 de 6.232. 17 Diarios no tienen intervenciones (un texto vacío, sumarios y Diarios sin marcas); 14 más (Sesiones Solemnes, Iberoamericanas, Necrológicas, Sesiones Conjuntas) quedan fuera de las cifras. Las comprobaciones con SQL (bd_senado_resumen.json) dan 0 en persona_id no nulo, camara/extractor distintos y cuadre incoherente.
• Roles (palabras de quienes no son Mesa): 59,2 % senador (el Diario lo llama senador), 13,0 % Gobierno, 18,0 % compareciente, 9,8 % sin_asignar. persona_id es nulo en el 100 % (no hay padrón). Con grupo según una cita del Diario: 33,3 % de esas palabras (56 % de las de senador); varía de un 3–5 % (Constituyente, II) a un 87 % (XI).
• Diccionario. v2. Si data/catalog/lexico_vocabulario.yaml llega a main, construir --vocabulario <ruta> y agregar --vocabulario hacen el recuento aparte (L<n>_vocabulario.json.gz, senado_vocabulario.json); no se ha ejecutado porque el fichero no está.
• Muestra de calidad. 450 intervenciones (30 por legislatura, 15 legislaturas), revisadas una a una contra el texto del corpus. 434 de 450 bien separadas (96,4 %, IC 95 % 94,3–97,8). Fallos: marcas de la presidencia con reconocimiento defectuoso pegadas al final (9), acotación sin quitar (2), cargo con siglas entre paréntesis cuyo nombre queda al principio del texto (5: L6, L7 y L15). Grupo asignado: 121 de 123 correctos (98,4 %, IC 94,3–99,6). La muestra se sacó con una versión anterior de las reglas; tras revisarla se corrigieron cuatro fallos (marcas en mitad de línea, L7 #7 y #15; grupo por «enmienda del Grupo X», L12 #7 y #8) y, como en D-044, los veredictos se dejaron como estaban. Sin corregir queda el de las siglas entre paréntesis (unas 1 de cada 100 intervenciones, casi todas de comparecientes).
• Clasificador automático (unos 20 s por elemento; todo a revision como pendiente, sin cambiar ningún dato). Segmentación: 120 elementos de la muestra; acuerdo con la revisión una a una 94,2 %; detecta 3 de los 3 fallos que había entre ellos, con 7 falsas alarmas de 10. Oradores: 60 intervenciones sin_asignar al azar (de 38.443); 54 propuestas y 6 «ninguno»; se revisaron 22 una a una: 15 correctas, 7 no verificables, 0 erróneas. El clasificador casi siempre repite el apellido de la propia marca: arregla erratas del reconocimiento y poco más, no aporta orador nuevo. Detalle en data/revisiones/lexico/senado_modelo_local_revision.yaml.
• Hallazgo fuera de alcance, para el titular. La regla de roles del Congreso (lexico._rol) manda a la Mesa cualquier cargo corto cuya primera palabra se parezca a «secretario» o «presidente» si lleva nombre entre paréntesis («SECRETARIO DE ESTADO DE …», en las Comisiones), así que sus palabras no cuentan. Afecta a las cifras de las Comisiones del Congreso; no se ha tocado. Hay una prueba que lo documenta.
• Rutas de los PDF y cola. sources/senado_diarios.py añade urls_corpus (las 6.232 rutas conocidas), urls_sondeo_v y urls_sondeo_xv. No se han metido en la cola lenta del Worker: si el anfitrión es www.congreso.es, no hace falta una petición por minuto; la decisión y la comprobación con una primera petición son del titular.
• Pendiente. PDF oficiales y cotejo; padrón de senadores y grupos (datos abiertos del Senado, ya en la cola lenta); V legislatura y lo posterior a mayo de 2024; revisión legal. La web no cambia.

Diarios e intervenciones por legislatura (el «rol senador» y el grupo son porcentajes de las palabras de quienes no son Mesa):

D-050 · 29 oct. 2026 · Léxico: Senado desde los PDF oficiales de congreso.es y padrón provisional de senadores (pre-registro)#

Se anota antes de cambiar la fuente del texto del Senado y antes de ver ningún resultado del cotejo. No cambia el método del Congreso ni ninguna cifra publicada. Nada de esto va a site/.

• Fuente oficial confirmada. Los Diarios del Senado están en el repositorio de publicaciones de las Cortes, https://www.congreso.es/public_oficiales/L<n>/SEN/DS/<serie>/<fichero>.PDF, y responden 200 con application/pdf. El robots.txt de congreso.es, leído con el agente del proyecto antes de pedir nada, solo excluye unos BOCG concretos y ningún Diario. Rige ese robots.txt, no el de senado.es.
• Descarga. pipeline/lexico_senado_fuentes.py: una petición a la vez, sin paralelismo, 2,5 s de pausa más lo que tarde la transferencia, agente AlDato/1.0 (archivo de datos oficiales; https://aldato.es), reanudable. Un 403 o un 429 para el proceso sin insistir y lo anota (_parada en el manifiesto). Los PDF van a data/raw/lexico/pdf/senado/ (fuera de git); en git va data/raw/lexico/manifest_senado.json con URL, fecha, bytes y sha256 de cada uno, y los 404 de los sondeos. Orden: primero las series sin lista (V legislatura, XV tras el último número del corpus), luego las 6.232 rutas del corpus por legislatura.
• V legislatura. Sondeo de pocas peticiones a las rutas por analogía con la IV y la VI (PL/PS####, CO/CS####, DP/DP####, SS/SS####): cinco sondas devolvieron 200 (IV y V; Pleno, Comisión y Diputación Permanente; tres variantes de nombre inventadas dieron 404). La V se incluye en la descarga y se recorre cada serie hasta 25 números seguidos sin Diario (las Sesiones Solemnes, hasta 3; la Diputación Permanente, hasta 5). XV posterior al corpus: se sigue desde el último número del corpus (Pleno 30, Comisión 105, Diputación Permanente 1) hasta 25 seguidos sin Diario.
• Cola lenta del Worker. La cola deja de llevar los Diarios (el patrón senado.es/legis<N>/…/DS_P_<N>_<k>.PDF era una suposición y no existe en el corpus; con él el Worker habría gastado unas 30 series × 25 noches en 404). Queda solo el padrón oficial, que sí está en senado.es y que no se descarga aquí (robots.txt del Senado: 02:00–06:00 UTC, una petición por minuto, sin agentes de IA): senado_diarios.urls_datos_abiertos() = listado general de senadores desde 1977 (tipoFich=10), senadores por legislatura (tipoFich=10&legis=N, N = 0 a 15) y grupos por legislatura (tipoFich=4&legis=N): 1 + 16 + 15 = 32 URL, menos de una noche (240). El patrón de las URL de tipoFich=10&legis=N viene del catálogo de datos.gob.es y no se ha comprobado con una petición; si el Worker recibe otra cosa, se corrige aquí.
• Cotejo (umbral fijado en D-049, no se cambia). Para cada Diario con PDF: texto con Poppler (misma tubería que el Congreso, lexico_bd.texto_de, con caché por sha256 del PDF) frente al texto del corpus. Palabras normalizadas (lexico.palabras) tras unir las partidas con guion a final de línea (el reparto en líneas de cada extractor no es una diferencia de contenido). Coincidencia = intersección de multiconjuntos / la secuencia más larga. Se acepta el Diario si ≥ 98 % de palabras coincidentes y el mismo número de marcas de orador ± 2 % (o ± 1 marca). Se informa por legislatura, no con una sola cifra, porque el corpus tiene dos regímenes (HTML de las Cortes desde 1996; extracción propia del PDF antes). Lo que no pasa no se descarta: se rehace desde el PDF (que es la fuente oficial) y se anota.
• Cambio de fuente. Si el cotejo es bueno, la base del Senado pasa a usar el texto del PDF oficial: documento.extractor = versión de Poppler, doc_id = sha256 del PDF, paginas, escaneado, pagina_inicio y pagina_fin reales, fuente = pdf en el recuento de cada Diario. El corpus de terceros queda solo como referencia (cotejo). Un Diario sin PDF descargado conserva el texto del corpus, marcado fuente: corpus, hasta que llegue. Los metadatos que solo trae el corpus (fecha, órgano, número) se siguen tomando de él; para lo que no está en el corpus (V, XV nueva) la fecha sale de la portada y el órgano de la portada (nombre_comision).
• Padrón provisional de senadores (Wikidata, CC0). Consulta SPARQL a query.wikidata.org/sparql con el agente del proyecto y [email protected]: P39 = Q19323171 con inicio (P580), fin (P582), legislatura (P2937), circunscripción (P768), grupo (P4100) y partido (P102). La consulta (data/raw/senado/wikidata_senadores.rq) y el resultado con su huella (wikidata_senadores.json, wikidata_senadores.manifest.json) van a git. Reglas, las del padrón del Congreso (Padron.buscar): (1) solo con mandato de periodo conocido (explícito o el de su legislatura; sin periodo, se descarta); (2) la marca debe tener al menos dos apellidos y ser la cola exacta del nombre completo de Wikidata una vez quitadas las partículas; (3) vale la única persona que era senadora ese día; si hay varias, ambigua; (4) lo dudoso queda sin_asignar. La persona asignada pasa a rol senador con persona_id = se:wd:<Q-id> y asignacion = exacta. Grupo: primero la cita del propio Diario (grupo_fuente = diario); si no hay, el P4100 del mandato, solo si es uno y casa con la lista de grupos (grupo_fuente = wikidata). El partido (P102) nunca se convierte en grupo. Wikidata no es exhaustivo ni oficial: se sustituye por el padrón oficial del Senado cuando el Worker lo traiga.
• Calidad. Las muestras de D-049 se revisaron contra el texto del corpus. Cambiar de texto cambia las intervenciones; las legislaturas que se rehagan desde PDF necesitan su propia muestra (misma semilla y reglas) antes de dar tasas de segmentación nuevas.

Resultados de D-050 (2026-10-29, descarga en curso)

• Descarga. Sin 403 ni 429 (ninguna parada). Con el agente AlDato/1.0, un PDF cada 2,5 s más la transferencia (unos 14 por minuto, unos 2,6 GB por hora). Al cerrar este registro: 2.773 PDF (7,8 GB; 0 errores) y la descarga sigue sola en segundo plano: Constituyente a IV completas (1.290 de sus 1.290), V completa (366), VI en curso (341 de 703), XV nueva completa (774) y 132 de los 134 de la XV del corpus aún sin bajar. Quedan unos 4.600 del corpus (VI a XV). 147 respuestas 404, todas de los sondeos (cierre de series); ninguna ruta del corpus dio 404. El proceso es reanudable: python -m pipeline.lexico_senado_fuentes (omite lo que ya tiene con su huella y tamaño).
• V legislatura: disponible en congreso.es. Pleno PL/PS0001–PS0102 (102), Comisiones CO/CS0001–CS0262 (261), Diputación Permanente DP0001–DP0003 (3), sin Sesiones Solemnes: 366 Diarios. XV posterior a mayo de 2024: 774 Diarios (104 de Pleno, 669 de Comisión, 1 de Diputación Permanente), hasta DS_P_15_138, DS_C_15_785 y DS_DP_15_2. Con esto el Senado cubre hasta hoy, no hasta el 9-5-2024.
• Cotejo con el corpus de terceros (data/processed/lexico/senado/cotejo_pdf.json; por Diario, cotejo_pdf_diarios.json.gz; legislaturas completas): coincidencia de palabras ponderada C 98,4 %, I 99,0 %, II 97,2 %, III 99,3 %, IV 99,6 %; VI (141 Diarios, parcial) 98,5 %. Con el umbral de D-049 (≥ 98 % de palabras y marcas ± 2 %) pasan 885 de 1.290 Diarios (68,6 %); las marcas que halla Poppler son un 1 % más que las del corpus (112.468 frente a 111.333 en las cuatro primeras). Los que no pasan no se descartan: ya se rehacen desde el PDF. El peor es L2 PS0023 (78 %: el escaneo se lee distinto). Antes de unir las partidas con guion a final de línea la coincidencia de los escaneos era del 90 %: era el reparto en líneas, no el contenido; ambos extractores leen la misma capa de reconocimiento de texto de los escaneos. Decisión: el cotejo es bueno; el texto del Senado pasa a ser el de los PDF para todo Diario descargado (documento.extractor = Poppler, doc_id = sha256 del PDF, páginas reales); el corpus queda solo como referencia y como fuente de fecha, órgano y número para los Diarios que trae.
• Reglas que cambian al pasar al PDF (solo lexico_senado.py; el Congreso no se toca): (1) los encabezados que se repiten (el nombre de la Comisión, «DIARIO DE SESIONES DEL SENADO», títulos largos de comisiones de investigación) se detectan por frecuencia en las primeras y últimas líneas de las páginas y van a resto/cabecera, no a la intervención; no se tocan las marcas de orador ni las líneas que terminan en puntuación; (2) al sacar la muestra de la XV se vio que la evidencia de grupo «señor Cuevas González, del Grupo Mixto» se atribuía a «GONZÁLEZ PONS» por coincidir con el segundo apellido; si esa evidencia es exactamente la marca de otro orador del mismo Diario, ya no se atribuye (_casa(…, marcas)); la prueba lo documenta. Ese arreglo también se aplica a los Diarios con texto del corpus.
• Calidad sobre el texto del PDF (misma medida que D-049; 30 intervenciones contadas por legislatura, semilla 20261029-senado-pdf-<n>, muestra_segmentacion_senado_pdf.yaml, calidad_senado_pdf.json): solo para las legislaturas ya recontadas desde PDF y revisadas: C 26/30, V 28/30, XV 30/30; 84 de 90 bien separadas (93,3 %, IC 95 % 86,2–96,9). Fallos (6): marcas con reconocimiento defectuoso, pegadas al final o mal leídas (la presidencia o un orador; una con un pie de imprenta), como en D-049. Grupo asignado: 17 de 17 correctos. Las otras legislaturas (I a IV, VI) están recontadas desde PDF pero no tienen muestra nueva: hasta que se saque y se revise, sus tasas son las de D-049 sobre el texto del corpus.
• Padrón provisional (Wikidata). 2.492 filas, 1.696 personas con P39; 723 con mandato de periodo utilizable desde 1977 (las demás son de antes de 1977 o no dan fechas ni legislatura). Cobertura frente a los unos 260 escaños: 110 en la Constituyente, 83–110 en las demás y solo 45 en la XV. 95 con grupo (P4100). Asignación inequívoca: 457 personas distintas y 59.916 intervenciones con persona_id. Las asignaciones comprobadas una a una en la Constituyente (40 pares marca-persona-fecha al azar, 50 personas): todas correctas. La asignación exige dos apellidos y ser la única persona viva ese día; por eso en la XV (poca cobertura) solo llega al 7 %.
• Persona y grupo (palabras de quienes no son Mesa). Antes (D-049, corpus, 15 legislaturas, 148,7 millones de palabras): persona 0 %, grupo 33,3 %. Después (171,7 millones de palabras, con V y XV nueva): persona 14,3 %, grupo 34,9 % (34,1 puntos por cita del Diario y 0,8 por Wikidata). Por legislatura, persona / grupo: C 22,9 % / 3,4 %; I 19,5 % / 31,7 %; II 12,2 % / 6,8 %; III 11,6 % / 17,0 %; IV 14,7 % / 19,8 %; V 12,0 % / 19,4 %; VI 10,9 % / 14,6 %; X 24,3 % / 55,5 %; XV 7,1 % / 43,3 %. El grupo de Wikidata es casi irrelevante (P4100 casi no se rellena). El partido (P102) no se usa.
• Base. 7.372 documentos, 805.961 intervenciones, cuadre 7.372 de 7.372 (0 que no cuadran), 2.613 documentos desde PDF (en la reconstrucción; la descarga ha seguido), 0 persona_id con rol de Mesa, compareciente o colectivo, 0 sin registro en persona. 21 documentos sin intervenciones (los 17 de D-049 más cuatro). El esquema no cambia: persona.fuente = wikidata:Q…; grupo_fuente va en el recuento por Diario (diario o wikidata).
• Cola del Worker. 32 URL de senado.es (listado general de senadores desde 1977, senadores por legislatura 0 a 15 y grupos por legislatura 1 a 15), menos de una noche. No se ha descargado nada de senado.es. Los patrones de tipoFich=10&legis=N salen del catálogo de datos.gob.es y no están comprobados: si el Worker recibe otra cosa, se corrige.
• R2. lexico_senado_r2.py copia cada PDF a archivo/lexico/senado/<ruta> (huella local comprobada contra el manifiesto; si ya existe, su huella debe coincidir; nunca se reescribe). Acceso con wrangler confirmado; la copia va en paralelo a la descarga y se repite sola mientras esta siga (--esperar).
• Pendiente para cerrar D-050 (sin trabajo nuevo de diseño): que acabe la descarga (VI a XV), repetir lexico_senado_pdf cotejo, lexico_senado construir --oficial --padron, agregar, resumen, sacar y revisar las muestras de las demás legislaturas (muestras --oficial), y el padrón oficial del Senado cuando el Worker lo traiga. Revisión legal antes de publicar nada: los Diarios no tienen derechos de autor (LPI art. 13), pero el padrón de Wikidata y el corpus de terceros sí tienen condiciones que revisar.

D-051 · 29 oct. 2026 · Léxico: cargos de la Mesa del Congreso (corrección de _rol)#

Corrección de una regla de D-044, no de método. Antes, _es_mesa_ocr tomaba por Mesa cualquier cargo de cinco palabras o menos cuya primera palabra se pareciera a «presidente» o «secretario», y la rama sin paréntesis admitía SECRETARI[AO].*. Así «SECRETARIO DE ESTADO DE HACIENDA (Costa Climent)», «SECRETARIA GENERAL DE INFRAESTRUCTURAS (Cruz Villalón)» o «PRESIDENTE DE RENFE (…)» se contaban como Mesa y sus palabras quedaban fuera del recuento. Código: pipeline/pipeline/lexico.py (_es_mesa_ocr, _VOCAB_COLA); el Senado (D-049) ya lo hacía bien en lexico_senado.py, que no se ha tocado.

• Regla nueva. Es de la Mesa el cargo cuya primera palabra está a distancia ≤ 2 de presidente/a, vicepresidente/a o secretario/a (OCR incluido) y cuyas demás palabras pertenecen a un vocabulario cerrado (primero…cuarto, interino/a, en funciones, de/del/la/las/los, congreso, diputados, cortes generales, edad, mesa, accidental, provisional), con distancia ≤ 1 por OCR en las de seis letras o más (≤ 2 en interino, accidental y funciones; ≤ 4 en provisional por el escaneo de la Constituyente). Letrados y «secretario general» a secas siguen como personal de la Cámara (Mesa). Gobierno no cambia. Con paréntesis, lo demás pasa a «otro» (se intenta casar por apellidos); sin paréntesis, a la rama general.
• Efecto (Pleno, 9 intervenciones, 10.282 palabras): L0 1 (15 palabras), L1 1 (42), L2 5 (7.064), L4 1 (2.945), L6 1 (216). Siete son jefes de Estado o de Gobierno extranjeros invitados («PRESIDENTE DE …»: Karamanlis, Finnbogadottir, Mubarak, Sanguinetti, Paz Zamora, Aznar López en cargo anterior), que ya no cuentan como Mesa; dos son Mesa mal leída por el OCR que ahora no se reconoce («PRESIDENTE IN’IiEIuINO», «PRESIlDENTE WTERlNO DEL CONGRESO»: 57 palabras), error asumido. Suma el efecto sobre las cifras publicadas: unas 10.300 de 125,7 millones de palabras.
• Efecto (Comisiones, 9.191 intervenciones, 11.293.222 palabras): 8.657 pasan a «otro», 527 a «diputado» (cargo sin paréntesis) y 7 a «gobierno». Por legislatura (intervenciones / palabras): Constituyente 14 / 18.477; I 42 / 29.678; II 1.059 / 354.629; III 811 / 604.229; IV 852 / 1.047.519; V 785 / 848.700; VI 988 / 1.307.457; VII 1.015 / 1.353.870; VIII 807 / 1.187.764; IX 658 / 1.131.009; X 521 / 1.051.649; XII 543 / 828.531; XIV 542 / 938.440; XV 554 / 591.270 (XI y XIII sin cambios). Casi todo son secretarios de Estado, secretarios generales y presidentes de empresas públicas que comparecen.
• Qué se regeneró. Recuentos del Pleno y de Comisiones (recuentos/, recuentos_comisiones/), agregados (congreso.json, comisiones.json, conceptos/) y verificacion.json (reproducción completa con LEXICO_REPRODUCIR=1). Pendiente: la base data/bd/ y el vocabulario de D-047 se construyeron con la regla anterior y no se han reconstruido aquí (la base está fuera de git y la usa otro trabajo); hay que ejecutar python -m pipeline.lexico_bd construir y lexico_vocabulario antes de usarlos. En el Pleno el cambio afecta, como mucho, a 9 intervenciones.

D-052 · 30 oct. 2026 · Léxico: Senado con todos los PDF oficiales, muestra de calidad completa y cotejo de la X a la XV#

Cierra lo pendiente de D-050 salvo el padrón oficial y la revisión legal. No cambia el método, el umbral del cotejo (D-049) ni ninguna regla. Nada de esto va a site/.

• Descarga completa. 7.284 PDF oficiales de los Diarios del Senado, de la Constituyente a la XV (V legislatura y XV posterior a mayo de 2024 incluidas), en data/raw/lexico/pdf/senado/ (fuera de git, 9,3 GB). Sin 403 ni 429. El manifiesto (data/raw/lexico/manifest_senado.json: 7.519 entradas: 7.284 con huella y 235 respuestas 404, 147 de los sondeos y 88 de rutas del corpus) se rehízo desde la copia de trabajo donde se descargó; las 7.284 huellas sha256 y tamaños se han comprobado contra los ficheros: 0 faltan, 0 no coinciden. Con todo descargado se reconstruyó todo: lexico_senado_pdf cotejo y lexico_senado construir|agregar|resumen|muestras --oficial --padron. Base: 7.372 documentos, 7.284 desde PDF y 88 con el texto del corpus (fuente: corpus), 0 que no cuadran.
• Muestra de calidad sobre el texto del PDF (muestra_segmentacion_senado_pdf.yaml, calidad_senado_pdf.json; semilla 20261029-senado-pdf-<n>, 30 intervenciones contadas por legislatura, como mucho 3 por Diario, las 16 legislaturas). Criterio de D-049 y D-050: marca bien leída y rol cierto, principio y final en su sitio, sin acotaciones ni cabeceras, grupo correcto si se asignó, y Mesa apartada (las reglas de Mesa del Senado de D-049, las mismas que D-051 llevó al Congreso). Las 90 de C, V y XV son las mismas filas que se revisaron en D-050 (mismo Diario, orden, marca, texto y palabras) y conservan su veredicto; las 390 de las otras 13 legislaturas se revisaron una a una contra el texto de Poppler (lexico_bd.texto_de) y, en los casos dudosos, contra la página del PDF. Lo que no se pudiera comprobar iría como fallo con la nota «no verificable»: no hubo ninguno. 456 de 480 bien separadas (95,0 %, IC 95 % 92,7–96,6). Grupo asignado: 142 de 143 correctos (99,3 %, IC 96,1–99,9); el fallo es «Socialista» por «Senador Ojeda, por el Grupo Socialista» cuando la presidencia y el sumario dicen Grupo Socialista Andaluz (L1). Ninguna marca de la Mesa sin apartar en las 390 nuevas (las dos de la Constituyente, con reconocimiento ilegible, son de D-050); secretarios de Estado, directores y presidentes de organismos van como compareciente y los ministros como Gobierno.
• Fallos nuevos (18 de 390):
  • marca de la presidencia o la vicepresidencia con reconocimiento defectuoso, pegada al final o en medio (3: L1, L2, L3) y una marca partida en dos líneas cuyo segundo apellido queda al principio (1: L1);
  • acotación sin quitar: con reconocimiento defectuoso («(Riscis.)», «(Aplaitsus.)», L2 y L3) o en catalán («(Aplaudiments)», L12) (3);
  • un paréntesis con reconocimiento defectuoso tomado por acotación: se quitaron unas 70 palabras del orador (1: L3);
  • cargo con siglas entre paréntesis cuyo nombre queda al principio del texto, el fallo conocido de D-049 (3: L7, L8, L9);
  • columnas mal ordenadas en la portada de Diarios de Comisión con el orden del día y dos columnas desiguales: frases de la presidencia mezcladas o final perdido (3: L4, L6, L9);
  • pie de imprenta sin quitar (1: L9);
  • nombre del órgano que encabeza la página sin quitar en Diarios de Comisión de tres o cuatro páginas, donde la detección de cabeceras por frecuencia no llega al umbral (3: L13).
• Cotejo de la X a la XV. Con el umbral de D-049 pasan X 9 de 719, XI 0 de 37, XII 1 de 524, XIII 0 de 38, XIV 4 de 619 y XV 11 de 133 (de la Constituyente a la IX, entre el 55,6 % y el 89,3 %). No falla el recuento de marcas: el mismo número ± 2 % se da en X 703 de 719, XI 37 de 37, XII 513 de 524, XIII 38 de 38, XIV 596 de 619 y XV 127 de 133 (en total, X 75.487 marcas en el PDF frente a 74.865 en el corpus; XIV 72.125 frente a 71.986). Falla la coincidencia de palabras (97,1–97,2 % ponderada en X, XII y XIV): en 9 Diarios de la X, la XII y la XIV mirados palabra a palabra, casi todo lo que solo está en el PDF es la cabecera de cada página («DIARIO DE SESIONES DEL SENADO Núm. 33 12 de marzo de 2012 Pág. 2» y el nombre del órgano) y los números de expediente y autores («Núm. exp. …», «Autor: …»): entre el 2,5 % y el 3,3 % de las palabras; además, la portada y el pie editorial (ISSN, «Edición electrónica preparada por…», cve); lo que solo está en el corpus son los descriptores del índice de la versión HTML («Constitución de la Mesa», «Designación…», materias). Es decir, los dos textos difieren de verdad en el aparato editorial, no en lo dicho. Diagnóstico aparte, sin cambiar el cotejo: quitando del PDF las cabeceras que la base ya quita, pasarían X 556 de 719, XII 428 de 524 y XIV 513 de 619, como en las legislaturas anteriores; XI, XIII y XV siguen bajas porque son sobre todo Diarios cortos (sesiones constitutivas de Comisión, unas 500 palabras) donde la portada y el pie pesan más del 2 %. No se toca el código ni el umbral, y el resultado del cotejo queda como está. La decisión de D-050 no cambia: el texto del Senado es el del PDF oficial para todos los Diarios descargados; el cotejo solo era la condición para fiarse del corpus, que queda como referencia.
• Cobertura del padrón provisional (palabras de quienes no son Mesa, 171,5 millones): persona 14,3 % (24,6 millones; 457 personas distintas, 60.133 intervenciones), grupo 34,9 % (34,1 puntos por cita del Diario y 0,8 por Wikidata). Igual que en D-050 (14,3 % y 34,9 %): el padrón es el mismo y el texto de los PDF no añade asignaciones. Por legislatura, persona / grupo: C 22,9 / 3,4; I 19,5 / 31,7; II 12,2 / 6,9; III 11,6 / 17,0; IV 14,7 / 19,8; V 12,0 / 19,4; VI 11,0 / 14,5; VII 13,4 / 31,8; VIII 13,8 / 40,5; IX 13,2 / 37,8; X 24,2 / 55,5; XI 42,2 / 88,0; XII 17,6 / 41,0; XIII 15,5 / 48,3; XIV 13,8 / 55,3; XV 7,2 / 43,3 (%).
• Pendiente.
  • Padrón oficial del Senado (cola lenta del Worker): sin él, la persona solo llega al 14 %.
  • 88 Diarios del corpus cuyo PDF da 404 en la ruta que trae el corpus (VI 14, VII 14, VIII 13, IX 15, X 6, XII 10, XIV 15, XV 1; 72 de Comisión, 15 de Pleno y 1 más): siguen con el texto del corpus, marcados fuente: corpus. Hay que buscarlos con otro nombre o ruta en congreso.es.
  • Los fallos de segmentación sin corregir: siglas entre paréntesis, columnas de la portada, cabeceras en Diarios muy cortos, acotaciones en otras lenguas y paréntesis con reconocimiento defectuoso. Si se corrigen, como en D-044, los veredictos se dejan como están.
  • Fuera de la muestra: en un Diario de la II la base pierde un año («1894») que parece tomado por número de página; hay que mirar la regla.
  • La tabla revision de la base solo carga la muestra del corpus (D-049); falta cargar esta.
  • Revisión legal antes de publicar nada. La web no cambia.

D-053 · 30 oct. 2026 · Léxico: publicación de la página del Pleno del Congreso#

La página /lexico/ deja de ser un borrador: se enlaza desde «Datos», entra en el mapa del sitio y en el buscador, y cada concepto publicable tiene su página con tarjeta para compartir. No cambia ningún recuento ni el diccionario.

• Qué se publica. Solo el Pleno del Congreso, de la Constituyente a la XV, con cifras de toda la Cámara: veces por cada 10.000 palabras en cada legislatura (gráfico y tabla), menciones totales, formas que cuentan y que no, y la calidad medida en cada legislatura. El desglose por año se mantiene. El desglose por grupo queda en un segundo nivel plegado, con los grupos en orden de aparición y no de frecuencia.
• Nunca por persona. Se elimina de las páginas por legislatura la tabla «Diputados que más lo dicen». No se publica ninguna cifra por persona ni ningún orden de quién habla más de un tema. Las páginas por legislatura siguen sin generarse en Cloudflare Pages.
• Conceptos retenidos. Se aplica la regla de D-043: se retiene el concepto con 3 o más falsos positivos de 10 revisados. Ahora solo república (4 de 10; sigue retenida por Estados extranjeros y el «coraje republicano» francés). Se publican 59 de 60 y la portada dice cuáles faltan y por qué.
• Senado: fuera. Su muestra de calidad está pendiente de revisión; la portada y cada concepto dicen «próximamente». No se publica ni se enlaza nada del Senado. Las Comisiones tampoco: siguen en carga y sin enlace.
• Método aparte. El método, la calidad por legislatura y el diccionario completo pasan a /lexico/metodo/.
• Avisos de lectura. Se añaden los cuatro: una mención no es una postura, la frecuencia depende de la duración de la legislatura y del orden del día, las palabras cambian de sentido y es una coincidencia en el tiempo, no una causa.
• Equilibrio de la lista de conceptos. La lista se fijó en D-043 antes de procesar ningún texto. Revisada por temas, hay temas con muchos conceptos (territorio, 7; empleo e igualdad, 5) y otros con uno (educación, corrupción, monarquía, campo). De los 60 conceptos, 23 tienen carga política: en ellos se cuentan todas las formas con que se nombra lo mismo, juntas y por separado, y la web no elige ninguna. La retención de república deja en el tema de monarquía solo la palabra «monarquía». No se ha añadido ni quitado ningún concepto para corregirlo: se anota para la revisión de neutralidad.

D-054 · 30 oct. 2026 · Léxico: etiquetas de los conceptos con carga y textos de la página tras la revisión de neutralidad#

Cambios de presentación sobre D-053. No cambia ningún recuento ni lexico_parlamentario.yaml (su huella queda como estaba): lo nuevo está en data/catalog/lexico_presentacion.yaml y lexico_terminos_visibles.yaml.

• Etiquetas con todas las formas. Cuatro conceptos tenían formas que la etiqueta no nombraba. Se muestran así: «educación concertada, educación pública» y «feminismo, igualdad de género, ideología de género», ambos marcados con carga; «delincuencia, multirreincidencia», con carga; y «digitalización, inteligencia artificial», que nombra sus dos formas. La regla es la del propio diccionario: con carga, la etiqueta enumera todas las formas.
• Textos del método. Se quita de la página pública el mínimo por persona y se aclara que no se publica ninguna cifra por persona.
• Ortografía de los términos. El diccionario guarda los términos sin tildes para comparar; la página los muestra con su ortografía.
• Avisos y portada. Se ajustan los avisos de lectura, se nombra el concepto retenido dentro de su tema y se avisa en monarquía de que república está retenida.
• Concepto de tecnología. Su etiqueta pasa a «digitalización, inteligencia artificial» porque el concepto cuenta ambas formas; el recuento no cambia.
• Series por grupo. Se marca 2011 con una línea discontinua: antes, el grupo es el de la relación oficial, sin cambios de grupo.

D-055 · 30 oct. 2026 · Explorar: dato inicial, ventanas de gobierno y lectura de las franjas#

Cambios de presentación y criterio en /explorar/; no cambian ninguna cifra ni serie.

• Dato inicial. Sin parámetros en la dirección, la página abre el panel «Qué» y, por debajo, enseña la tasa de paro de la EPA (paro_epa_total), fijada en el código (inicial de site/src/lib/motor/indice.ts) y no elegida por ningún sondeo; si ese dato no existiera, el primer dato del índice en el orden del catálogo de indicadores. No se elige por el orden del barómetro del CIS ni por ningún sondeo. Con solo un lugar en la dirección (?d=), se abre el último dato que la persona vio en ese navegador o, si no hay, el primero por orden alfabético de tema y nombre.
• Ventanas de gobierno. El periodo de un gobierno va del año de la toma de posesión al del cese, ambos incluidos, recortado a los años de la serie. Los años de cambio de gobierno se cuentan en los dos gobiernos. Si el periodo tiene menos de 4 años de datos, el botón enseña sus años reales, no se alarga, y la página avisa: «Este periodo tiene menos de 4 años de datos».
• Franjas. Con las franjas encendidas (por defecto, D-026), una leyenda bajo el gráfico nombra cada gobierno visible con su presidente y siglas, y una nota dice que lo que cambia durante un gobierno no es necesariamente causado por él.
• Periodos ofrecidos. Toda la serie y los últimos 20, 10 y 5 años, solo si dejan 4 años o más. Se quitan «Desde 2008» y «Desde 2012».
• Percepción de corrupción. La media de la UE del Eurobarómetro se llama «Media UE: percepción de corrupción» y su respuesta dice «en la UE-27»; sus rupturas de serie (2017 y 2019) se marcan en el gráfico.
• Preguntas de la intro. La portada solo ofrece las preguntas cuyo dato tiene serie por provincias en el motor, para que tocar una provincia lleve siempre a su serie. Salen de la rotación las capas sin serie provincial (viviendas turísticas, viviendas vacías, criminalidad convencional y pensionistas por mil habitantes, según el índice actual); el resto conserva el orden del barómetro (y el alfabético durante la veda). Un test cruza las preguntas con el índice del motor. Los enlaces antiguos a esas capas se siguen redirigiendo a /mapa/<capa>/.
• Al llegar. Solo /explorar/ sin parámetros abre «Qué»; con un dato en toda España abre «Dónde»; con dato y lugar, o solo un lugar, se ve la respuesta sin panel. Con solo un lugar se abre el último dato visto si existe ahí, y si no el dato inicial o el primero del orden con serie en ese lugar. Un desde sin hasta llega hasta el último año de la serie.

D-056 · 30 oct. 2026 · Léxico: vista por partido del Pleno del Congreso (pre-registro)#

Pedida por el titular. Las reglas están en data/catalog/lexico_partidos.yaml (versión 1) y se guardaron en git en un commit propio antes de calcular ninguna cifra por partido. Es una agrupación de Al dato, no una unidad oficial: el Congreso se organiza en grupos parlamentarios, no en partidos. Va junto al desglose por grupo (D-053), no en su lugar, y no cambia ningún recuento ni el diccionario. Antes de escribir las reglas se listaron las candidaturas de la fuente con sus palabras totales por grupo, para saber qué etiquetas existen; no se calculó la frecuencia de ningún concepto.

• Partido de cada diputado. La candidatura por la que fue elegido en esa legislatura, tal como la da la fuente oficial que ya usa el léxico: la relación oficial de diputados de cada legislatura y, en la XV, los datos abiertos de diputados. Se lee el texto de la fuente tal cual.
• Mismas siglas, misma unidad. Siglas distintas solo se unen con base documental: refundación o cambio de nombre, u organizaciones territoriales de un mismo partido según sus estatutos o su historia. Un partido inscrito por separado no se une a otro aunque forme grupo con él. Si no hay base clara, no se une. Se unen AP (Constituyente) y el PP (refundación de 1989); el PP y el PP de Cataluña; el PSOE y sus federaciones de Andalucía, Galicia, Euskadi, Illes Balears y Navarra; IU y sus federaciones con nombre propio en sus estatutos. No se unen, entre otros, el PSC y el PSOE (partido propio con un protocolo de unidad), el PSUC y el PCE, UCD y el CDS, el PCE e IU, ni ERC con sus coaliciones. La lista completa, con fuentes, está en el fichero.
• Coaliciones. Las fuentes no dicen a qué partido pertenece cada diputado de una candidatura de varios partidos (Unidas Podemos, Sumar, CiU, CP, las coaliciones de ERC o del PP con otros…). Esas candidaturas se muestran como coaliciones, con su nombre, y no se reparten.
• Cambios de grupo. La misma regla que el desglose por grupo: fuente oficial de cada legislatura y nada inferido. Solo cuenta una intervención que cuenta en el desglose por grupo. Como la candidatura no cambia dentro de la legislatura, quien cambia de grupo sigue en la unidad de su candidatura. Por ejemplo, los diputados elegidos en CP que la relación oficial de la III sitúa en el grupo del CDS cuentan en CP, no en el CDS.
• Gobierno y Mesa. El Gobierno va aparte, como en el desglose por grupo, y no cuenta en ningún partido. La Mesa no cuenta (D-051).
• Medida y presentación. Veces por cada 10.000 palabras de la unidad, por legislatura, con el mínimo de 20.000 palabras del desglose por grupo. Orden de primera aparición en el Pleno, como los grupos. Sin rankings, sin colores de partido y con la misma escala para todos.
• Cálculo (después del commit de reglas). pipeline/pipeline/lexico_partidos.py, desde los recuentos por Diario y los padrones, sin los PDF: data/processed/lexico/partidos.json y conceptos_partidos/. En cada legislatura, las palabras de todos los partidos y coaliciones suman exactamente las de todos los grupos, sin el Gobierno; solo quedan fuera 1.510 palabras de la VIII de un diputado sin candidatura en la fuente. pipeline.provenance lo reproduce y lo comprueba, con la huella de las reglas.
• Cuántas unidades. Salen 85 partidos y coaliciones con dato en alguna legislatura; muchas, en una sola. Al ver ese número, y sin mirar ninguna cifra de ningún concepto, se decidió que la página dibuje un gráfico pequeño solo para los que tienen dato en dos legislaturas o más (37). Todos están en la tabla.

D-057 · 30 oct. 2026 · Léxico: reglas de la vista por partido, versión 2, y nada por persona en todo el léxico#

Cambios después de ver las cifras de D-056, tras la revisión de neutralidad. data/catalog/lexico_partidos.yaml pasa a la versión 2, con un historial que da el motivo de cada cambio; las reglas se guardaron en git en un commit propio antes de regenerar las cifras. Sigue siendo una agrupación de Al dato, no una unidad oficial.

• Nada por persona (mínimo de 3). Una unidad solo se publica en un periodo si hablaron en él al menos 3 personas distintas de esa unidad. Con una o dos, la cifra sería la de una persona. Vale para los partidos y también para lo ya publicado: grupos, formaciones del Grupo Mixto y Gobierno por legislatura, sus series mensuales en las páginas por legislatura, la serie anual por grupo y los grupos de las Comisiones. Se quita además de los resultados la lista de diputados por concepto, que la web ya no usaba (D-053). Un test falla si se publica alguna unidad con menos de 3.
• PSC en la III. La relación oficial de diputados llama «PSOE» a la candidatura de los socialistas elegidos en Cataluña en 1986. El resumen de resultados de la Junta Electoral Central (BOE de 2-8-1986, BOE-A-1986-20864) dice que en Barcelona, Gerona, Lérida y Tarragona era «PSC-PSOE». Esos diputados pasan al PSC. Para 1982 no hay una publicación equivalente en el BOE: en la II siguen en el PSOE, y la web lo avisa.
• PSOE-progresistas (2000). El BOE de resultados de 2000 (BOE-A-2000-6480) la nombra «Partido Socialista Obrero Español-Progresistas» y no la marca como coalición, a diferencia de otras candidaturas. Sigue como PSOE, con una nota.
• IU-Alternativa. El único diputado con esa etiqueta fue elegido por «Izquierda Unida de la Comunidad de Madrid» (BOE de resultados de 2008, BOE-A-2008-6851), federación de IU según sus estatutos: se une a IU. IU-A no se toca, por falta de fuente.
• Coaliciones. Se marca coalición la unidad que lo fue en alguna legislatura con dato; la nota dice cuándo. Se añaden CC y CG (su nombre oficial dice «coalición») y Junts (la relación oficial de la XIV anota diputados de dos partidos en la misma candidatura). No hay una fuente oficial única con el tipo de cada candidatura en todas las elecciones: los resúmenes de la Junta Electoral Central dan el nombre, no el tipo, y el Registro de Partidos Políticos del Ministerio del Interior pide identificación y cita previa, por lo que no se ha consultado ni se cita. EH Bildu, Compromís-Q y otras quedan sin marcar mientras no haya fuente.
• Grafías y orden. Más País-Equo, Més Compromís, Compromís-Q y La Izquierda Plural, con su forma escrita. El desempate alfabético ignora signos y tildes (¡Teruel Existe! va por la T), igual en el pipeline y en la web.
• Gráficos. El gráfico pequeño solo para las unidades con dato en dos legislaturas o más se decidió al ver el número de unidades (D-056); pasa al YAML y la web lo dice.
• Fuentes. Los tres PDF del BOE están en data/raw/lexico/boe/, con su URL, fecha y huella en el manifiesto. Se bajaron de boe.es uno a uno, respetando su robots.txt.

D-058 · 30 oct. 2026 · Ficha de gobierno compacta: cinco titulares por área y desahucios ejecutados en Vivienda (pre-registro)#

Cambio de presentación de /gobierno/<id>/ y una fila nueva en Marcadores. Se registra antes de calcular ninguna variación de la fila nueva; el resto de cifras no cambia.

• Fila nueva. lanzamientos_practicados_total (desahucios ejecutados por los juzgados, CGPJ, anual desde 2013) entra en el área Vivienda de data/catalog/marcadores.yaml con sentido: contexto (ninguna norma fija un objetivo; además la suspensión de lanzamientos de hogares vulnerables del Real Decreto-ley 11/2020 hasta el 31-12-2025 lo hace poco apto para valorar). No tiene serie comparable de la UE-27. Las reglas de tramo son las de siempre (D-009): los gobiernos anteriores a 2013 salen «Los datos empiezan en 2013» y no se calcula nada.
• Titulares de cada área. La primera pantalla de un gobierno enseña, por área, cinco titulares (la cifra al empezar el gobierno → la cifra al acabar, o la última disponible si sigue) y un enlace «Ver todos los de esta área» con la tabla completa. La lista es la misma para todos los gobiernos y todos los partidos; no se elige por gobierno ni por resultado. Está fijada en site/src/lib/titulares.ts, con un test que comprueba que cada identificador existe en su área, que no hay más de cinco y que la lista no depende del gobierno.
• Regla. Los cinco primeros indicadores de cada área en el orden de marcadores.yaml, que se fijó con cada indicador al pre-registrarlo, antes de ver sus cifras. La regla de enseñar solo los cinco primeros se decidió el 2026-10-30, con las cifras ya publicadas; es mecánica y no depende de ninguna cifra. Las áreas con cinco o menos los llevan todos. Sin excepciones a mano (corregido el 2026-10-30, tras la revisión de neutralidad): en Vivienda también valen los cinco primeros del orden del catálogo (variación del índice de precios de vivienda de compra, ipv_variacion_anual; variación del índice de precios de vivienda en alquiler, ipva_variacion_anual; variación del IPC del alquiler; esfuerzo teórico y compraventas; corregido el 2026-10-30: ipva_variacion_anual es el índice de precios de vivienda en alquiler, no de compra de segunda mano). Los desahucios ejecutados, las hipotecas y las ejecuciones hipotecarias quedan en la tabla completa («Ver todos los de esta área»). La primera redacción de este apartado llevaba los desahucios como excepción de Vivienda por petición del titular; se retiró porque una excepción elegida a mano no es una regla. En la tabla completa, la fila de desahucios lleva, en todos los gobiernos cuyo mandato toca de abril de 2020 a diciembre de 2025, la nota «Entre abril de 2020 y diciembre de 2025 una norma (Real Decreto-ley 11/2020) suspendió los desahucios de hogares vulnerables; la cifra de esos años la incluye.» (fechas del texto consolidado del art. 1 del Real Decreto-ley 11/2020, BOE-A-2020-4208). Si un gobierno no tiene dato en ese periodo, la fila dice «Los datos empiezan en 2013» en lugar de desaparecer.
• Qué pasa a «Más». La ficha completa (legislatura, composición, origen, años del mandato, cuántos indicadores tienen variación medible), «Cómo se gobernó», «Cómo leer las tablas», las competencias y la nota de las franjas. La nota de no causalidad y el nivel de evidencia N0 («describe, no atribuye») siguen visibles en la primera pantalla y en la línea de cada área. La procedencia de cada cifra no va en la primera pantalla: cada titular enlaza a la ficha de su dato, que lleva la fuente (organismo, serie, fecha y huella), y la tabla completa repite los mismos enlaces. Cada titular lleva además su etiqueta de competencia («CCAA», «UE», «compartida»; sin etiqueta si es del Estado), la UE-27 en las mismas fechas cuando hay dato comparable y el aviso «Cambia de signo» cuando la sensibilidad lo exige.

D-059 · 30 oct. 2026 · Simulador «Tu provincia», lenguaje de la calle en preguntas y periodos, y metodología plegada#

Cambios de presentación; no cambian ninguna cifra, serie ni regla de cálculo.

• Simulador, «Tu provincia». Arriba del simulador, una provincia a elegir (se recuerda en el navegador con la clave aldato-mi-provincia, la misma de la portada y de /explorar/) con los escaños en juego en 2026 (Real Decreto 806/2026), el reparto de 2023 y un campo de porcentaje por candidatura. Se pueden mover las candidaturas con al menos el 1 % del voto válido de la provincia en 2023 o con escaño; las demás y los votos en blanco se quedan como en 2023 y cuentan para el umbral del 3 %. El reparto es D’Hondt con el umbral del 3 % de la LOREG (art. 163), el mismo motor (src/lib/dhondt.ts), solo con los porcentajes que escribe quien usa la página: no hay encuestas ni estimación del CIS en este modo, así que la veda de encuestas (LOREG, art. 69.7) no lo cambia. Si los porcentajes no suman el 100 %, la página lo dice y calcula con lo escrito. Un test reproduce el resultado oficial de 2023 en las 52 provincias (y, con los escaños de 2023, en Barcelona, Cádiz, Madrid, Soria y León con las cifras explícitas).
• Simulador, el resto. La calculadora de investidura, las combinaciones que suman 176 y la metodología pasan a la ventana «Más»; la introducción queda en una frase. La estimación del CIS y la veda funcionan como antes (/simulador/ entra en la comprobación check:veda).
• Lenguaje de la calle (src/lib/lenguaje.ts): la serie que «empieza» o «llega hasta» pasa a «los datos empiezan en» y «llegan hasta»; «Primer dato de la serie» a «Primer dato disponible»; los periodos de los rótulos del motor se escriben «jul–sept 2026» y no «3T-2026». Las siglas IPC, EPA, UE-27, PIB y EAES salen con la palabra común delante la primera vez en cada página de /preguntas/ («precios (IPC)», «encuesta de población activa (EPA)», «Unión Europea (UE-27)»). Las preguntas pre-registradas (preguntas.yaml) no se tocan: el lenguaje se aplica al mostrar el texto.
• Metodología. Tres líneas de resumen y un índice arriba; cada sección del documento (docs/METODOLOGIA.md, que no cambia) va plegada, y un enlace a una sección o a un apartado dentro de ella la despliega.

D-060 · 30 oct. 2026 · Vivienda: protegida, libre, parque y tenencia (pre-registro)#

Registrado el 2026-10-30 antes de descargar con el pipeline. Los valores del catálogo salen de una comprobación previa con los ficheros del Boletín y de la API del INE (guardados fuera del repositorio) y se vuelven a leer con el pipeline al descargar.

• Fuente nueva (cambio de método). mivau_boletin: tablas anuales del Boletín Estadístico online del Ministerio de Vivienda y Agenda Urbana, servidas en apps.fomento.gob.es/BoletinOnline2/sedal/<tabla>.XLS. Dominio añadido a fuentes_permitidas.yaml. No hay robots.txt (responde 404), no hay API ni licencia distinta de la general del Ministerio. La vivienda protegida y la libre son XLS antiguos y el parque, XLSX con la misma extensión: el lector distingue por los primeros bytes y usa xlrd==2.0.1 (nueva dependencia, solo lectura) para el formato antiguo.
• Webs bloqueadas. www.mivau.gob.es y www.transportes.gob.es responden 403 («Página web bloqueada») a cualquier petición automática, también a /robots.txt. No se ha buscado ninguna vía para saltarse el bloqueo (otro agente de usuario, proxy, caché). Por eso no se ha podido leer ni la metodología del Ministerio ni las publicaciones en PDF del Observatorio de Vivienda y Suelo.
• Series nuevas. Vivienda protegida calificada provisional y definitivamente (tablas 1.3 y 1.6, planes estatales y autonómicos, 1991-2025), vivienda libre iniciada y terminada (tablas 3.1 y 3.2, 1991-2025, estimación), parque de viviendas estimado (total, principales y no principales, 2001-2025) y cuatro series de tenencia de los hogares de la Encuesta de Condiciones de Vida (propiedad, alquiler a precio de mercado, alquiler inferior al de mercado y cesión, 2004-2025). Propiedad y alquiler a precio de mercado llevan comparador de la UE (ilc_lvho02, personas y no hogares; se avisa).
• Por qué las tablas de planes estatales y autonómicos. La tabla solo de planes estatales (1.5) deja a Madrid en cero desde 2020 y al País Vasco desde 2014 (Navarra y País Vasco tienen programas propios): infravalora la protección. Se usan 1.3 y 1.6, que suman ambos.
• Calificada no es construida. El Ministerio llamaba a estas tablas «viviendas protegidas iniciadas» y «terminadas» hasta 2009 y cambió el título en 2010: lo que se cuenta son calificaciones administrativas. Las series se publican con ese nombre y no como iniciadas y terminadas.
• Nivel por comunidad. Los ficheros traen todas las comunidades y provincias. Se publica la fila TOTAL NACIONAL; cualquier otra fila se añade con una línea de catálogo (fila=<rótulo>). No se añade infraestructura de comunidades en este encargo.
• Antes de 1991. El Boletín online empieza en 1991. Las series de los años sesenta y setenta solo están en PDF de la web bloqueada: serie_larga queda nula con ese motivo.
• Pendientes y descartes. Viviendas vacías del Censo (4 fechas, en Tempus solo 2011, y el Censo 2021 cambia el criterio de «vacía»): D-015. Parque por año de construcción (ECEPOV 2021, una sola fecha, no es una serie). Vivienda social y parque público de alquiler (publicaciones del Observatorio tras el bloqueo 403). Licencias municipales de obra (no están en el Boletín ni en Tempus). La Encuesta Continua de Hogares del INE no se cita: no figura en la lista de operaciones de Tempus3.
• Competencia. mixta en todas: las comunidades autónomas tienen la competencia en vivienda (artículo 148.1.3.ª de la Constitución) y el Estado financia con los planes estatales y regula el suelo y los arrendamientos.

D-061 · 30 oct. 2026 · Transporte e infraestructuras: series, hitos y cambios de método#

Encargo del titular. Todo se verificó el 30-10-2026 contra las API y los ficheros reales; nada se copió de memoria.

• Tema nuevo. transporte («Transporte e infraestructuras») en TEMAS (site/src/lib/data.ts).
• Series nuevas (21). INE, Tempus3, Estadística de Transporte de Personas (TV; antes, de Transporte de Viajeros), mensuales, en miles de viajeros, con el último dato de 2026-08 (publicado el 9-10-2026): total (TV1004, desde 2005-01), metro (TV1014, 1996-01), autobús urbano (TV1013, 1996-01), autobús interurbano (TV1106, 2005-01), Cercanías (TV1101, 2000-01), media distancia (TV1100, 2000-01), larga distancia (TV1099, 2000-01), alta velocidad (TV1316, 2015-01) y aéreo interior (TV1098, 1996-01). Eurostat, anuales: parque de turismos (road_eqs_carmot, 1970-2025), turismos por 1.000 habitantes (road_eqs_carhab, 1990-2025, con comparador UE-27), parque por combustible (road_eqs_carpda: eléctricos, híbridos de gasolina, híbridos enchufables, gasolina y diésel, 2013/2014-2025), turismos nuevos matriculados (road_eqr_carmot, 1970-2025), autopistas (road_if_motorwa, «motorways», 1970-2024; no se ha podido comprobar si recoge también las autovías), líneas ferroviarias (rail_if_line_tr, 1970-2024), alta velocidad dedicada (rail_if_line_sp, 2008-2024) y pasajeros aéreos (avia_paoc, 1993-2025). Todas superan los 4 años de D-015.
• viajeros_transporte_publico deja de ser borrador: pasa a ser el total TV1004. Su nombre deja claro que incluye autobús, ferrocarril, avión, barco y transporte especial y discrecional.
• Por qué Eurostat para vehículos y redes. El productor primario del parque, las matriculaciones y las bajas es la DGT, y su licencia de reutilización sigue sin poder citarse (D-041, mismo bloqueo que el tráfico). El de las redes es el Ministerio de Transportes. transportes.gob.es, mitma.gob.es, fomento.gob.es y adif.es devuelven 403 a las peticiones automáticas, también a robots.txt; Metro de Madrid devuelve «acceso no disponible». No se eluden. Por eso las cifras de parque y de kilómetros salen de lo que España comunica a Eurostat, y cada ficha lo dice. No se ha encontrado en Eurostat ninguna serie de bajas de vehículos de España.
• Marca de estado «i» de Eurostat («véanse los metadatos»). La usa en el parque de turismos, los turismos por habitante, los eléctricos, la red ferroviaria y la alta velocidad. pipeline/pipeline/integridad.py solo admitía bcdefnprsuz; se añade la i, con test en test_filtro.py.
• Pendientes y descartes. Bajas y parque por provincia y combustible (DGT): sin licencia citable (D-041). Pasajeros por aeropuerto (Aena): solo hay un PDF por año en aena.es/es/estadisticas/informes-anuales.html, sin fichero de datos ni licencia de reutilización citada; no se transcribe. Puertos del Estado: sin fichero sencillo; Eurostat mar_* no admite geo=ES en el adaptador actual. Kilómetros de red ferroviaria convencional y de autovías del Anuario del Ministerio: bloqueado (403). Puntualidad de Cercanías: ya descartada (menos de 4 años; ver puntualidad_cercanias); Adif y el Ministerio, bloqueados.
• Cronología: categoría 7, «Infraestructura» (data/catalog/hitos.yaml, 16 hitos, 1919-2015). Hasta ahora el criterio era cerrado y de seis categorías. Esta séptima no es exhaustiva: es una selección con fecha y fuente oficial, y su criterio y lo que queda fuera están en el propio fichero. Las seis primeras no cambian. La página /cronologia/ añade la etiqueta y un párrafo que lo explica, y los hitos sin norma del BOE enlazan con el nombre de su fuente (fuente.nombre) y no con «Congreso de los Diputados». Hay hitos anteriores a 1977 (metro de Madrid y de Barcelona, Barajas). La fuente del hito del AVE Madrid-Sevilla es una nota del Ministerio de Transportes del 21-4-2022 que habla de «aquel 21 de abril» sin escribir el año; está dicho en la nota del hito. Metro de Madrid, Adif y el Ministerio de Transportes no se han podido consultar.

D-062 · 30 oct. 2026 · Energía: fuente nueva (Red Eléctrica, REData) y 36 series de generación, consumo y renovables#

Pedida por el titular: datos oficiales de energía con series largas. Es un cambio de método porque entra un dominio nuevo en la lista cerrada de descargas (D-033) y una fuente nueva en el pipeline.

• Red Eléctrica de España (operador del sistema). apidatos.ree.es (API pública REData, widget generacion/estructura-generacion). Se añade a fuentes_permitidas.yaml (ree, solo JSON) y a licencias.yaml: uso informativo y sin finalidad comercial, con mención de la fuente, de la fecha de actualización y sin alterar el sentido (aviso legal de ree.es, apartado 5.1; la API no publica condiciones propias). apidatos.ree.es/robots.txt responde 404; el robots.txt de www.ree.es no afecta a la API. Once series de generación nacional (2007-2025): total, nuclear, carbón, ciclo combinado, hidráulica, eólica, solar fotovoltaica, solar térmica, cogeneración, renovables en GWh y renovables en % de la generación.
• Cómo se descarga. Con time_trunc=year la API solo admite 5 años por petición (2007-2011 sí, 2007-2012 no) y responde 500 de forma pasajera. El adaptador pipeline/sources/ree.py pide ventanas fijas de 5 años (2007-2011, 2012-2016…), cada una con su comprobación de origen, tipo y tamaño y su captura en el archivo, y guarda un único fichero bruto que las reúne (partes). Las once fichas comparten las mismas peticiones. El año en curso no se pide (la API da en él el acumulado hasta hoy, que cambia cada día) y el último año completo se marca como provisional.
• INE primero. Consumo de energía primaria (IMA145, 1990-2025), peso de los combustibles fósiles en el suministro de energía (IMA5, 1990-2025) y cuota de renovables en electricidad, transporte y calefacción (IMA338, IMA339, IMA337, 2004-2025/24, con la UE-27 de Eurostat como comparación) vienen del Panel de Indicadores Medioambientales, comprobados con DATOS_SERIE y ?nult=1 el 2026-10-30.
• Eurostat, solo lo que el INE no publica. Consumo interior bruto por fuente (nrg_bal_c, GIC; el total se llama consumo_interior_bruto_total para no confundirlo con el del INE), consumo final por fuente (nrg_bal_c, FC_E, seis series) y producción bruta de electricidad por fuente desde 1990 (nrg_bal_peh, ocho series). Ya estaban en el catálogo la dependencia energética (nrg_ind_id), el precio de la electricidad (nrg_pc_204), la cuota total de renovables (INE IMA340) y el IPC de la electricidad.
• Tres cifras distintas de energía primaria en 2024. INE 112,42 Mtep, Eurostat (consumo interior bruto) 119,18 Mtep y balance del Ministerio para la Transición Ecológica 117,73 Mtep. Las fichas lo dicen en sus confusiones; ninguna de las fuentes consultadas detalla la diferencia de definición, y no se atribuye a ninguna causa.
• Dos fuentes para la electricidad generada. REE (desde 2007) y Eurostat (producción bruta, desde 1990) dan cifras distintas (nuclear 2024: 52.391 y 54.532 GWh; total, 262.435 y 287.915 GWh). La API de REE no documenta en los datos consultados si la medida es neta o bruta. Van en fichas separadas, con el aviso en las confusiones de cada una; nunca se mezclan en la misma serie.
• Ministerio para la Transición Ecológica (balance energético). No se usa como fuente: publica el balance solo en PDF (sin serie descargable) y su robots.txt pide Crawl-delay: 10 y desaconseja las direcciones con parámetros. Sus cifras sirven de contraste y se anotan: coincide con Eurostat en petróleo, gas natural y carbón de 2024 (54.784, 24.065 y 2.470 ktep) y no en el total ni en renovables.
• Por comunidad: no entra. REData admite geo_limit=ccaa, pero la tabla de identificadores no se puede leer de la página de la API (el selector de la página numera las regiones de 1 a 24, que no son los identificadores). Solo se han confirmado dos: peninsular (8741) y Castilla-La Mancha (7), que son los de los ejemplos de la propia página. Asignar los demás a partir de las cifras no es verificación. Con 2012-2016 la API devuelve datos de comunidad; antes de 2012 no se ha comprobado. Queda pendiente hasta tener la tabla oficial; el adaptador ya admite ccaa y desde.
• Otros widgets de REData sin usar. generacion/potencia-instalada y generacion/evolucion-renovable-no-renovable respondieron 500 en los intentos hechos (2007-2025 y 2014-2025); no se ha averiguado si es un límite de rango o un fallo pasajero. nrg_ind_eff (energía primaria y final de los objetivos de eficiencia) no devuelve datos de España.
• Tiempos de espera. El cliente de pipeline.fetch pasa de 5 a 60 s de lectura: REData tarda más cuando no tiene la respuesta en caché.

D-063 · 30 oct. 2026 · Coincidencias estadísticas: recálculo con los datos actuales y regla ampliada de «relación por definición»#

Aplica D-048 y sus dos anexos. No cambia ningún método: data/catalog/estadistica.yaml es el mismo fichero (SHA-256 deec50b004c6e0eae06bf567ead8dad646a7a61480b389061c3384b1187ed66c), y ahora coincide con la huella que lleva el resultado.

• Recálculo con los datos publicados el 30-10-2026 (EPA del tercer trimestre, vivienda D-060, transporte D-061 y energía D-062). El universo pasa de 166 a 234 series (68 nuevas, todas las publicadas, sin elegir). Con la regla fijada de al menos 20 pares de variaciones, 134 series tienen alguna pareja probada (50 más que antes; las demás nuevas tienen menos de 21 años seguidos).
• Recuentos nuevos (antes, entre paréntesis). 27.257 parejas candidatas (13.691); 8.842 con solapamiento suficiente (3.484); 67.889 pruebas (26.924). Sin corregir, p < 0,05 en 5.983 (por azar saldrían 3.394). Superan BH al 5 %: 291 (99), con como mucho 15 falsas esperables; solo desfase 0: 546; Benjamini-Yekutieli: 92. Placebo (20 repeticiones): p < 0,05 en 3.382 a 3.625 y 0 a 2 tras BH. Sin quitar tendencia (niveles): 2.969 superan BH en datos reales y 0 a 0 en el placebo. Ninguna de las 99 anteriores deja de superar la corrección. Gran parte de las nuevas son entre series de energía y de transporte de la misma operación.
• Regla ampliada de «relación por definición», escrita después de ver los resultados. El pipeline solo marcaba la misma operación con el mismo texto en la ficha. Los grupos de misma operación con distinta tabla, edición o base y las listas «parte de» y «calculada de» de data/catalog/coincidencias.yaml se escribieron el 29 y el 30-10-2026, con los resultados ya calculados. Se recorrieron todas las series con alguna prueba, no solo las que superan la corrección, y la lista se revisó otra vez al ampliarse el universo con vivienda, transporte y energía.
• Cuarta condición: mismo numerador o mismo denominador por construcción. Si dos series llevan por construcción la misma magnitud, la pareja se marca. Vale en el mismo papel (numerador con numerador, denominador con denominador) y también en papeles cruzados (numerador en una y denominador en la otra, por ejemplo la deuda en % del PIB frente al PIB por habitante); una serie que es la magnitud misma cuenta como numerador. Todas las series en «% del PIB» llevan el PIB a precios corrientes como denominador y se asignan por su unidad, sin escribirlas a mano. Otras magnitudes: los intereses D.41, la población residente y el total de ocupados. Es parte de la misma ampliación posterior y no cambia ninguna prueba, solo en qué lista sale cada pareja.
• Casos límite, decididos por la regla.
  • intereses_deuda_gasto_pct y intereses_deuda_pib: mismo numerador, los intereses D.41. Se marcan (cuarta condición).
  • pib_per_capita_corrientes y pib_real_indice_volumen: no comparten numerador (PIB a precios corrientes frente a PIB en volumen encadenado) ni denominador (población frente a ninguno), y el PIB en volumen no es la misma magnitud que el PIB a precios corrientes. No se marcan.
  • vab_agrario_pib y renta_agraria_indicador_a: no comparten numerador (valor añadido de la contabilidad nacional frente a renta de los factores de las cuentas económicas de la agricultura) ni denominador (PIB frente a unidades de trabajo año). No se marcan.
• Pares que superan la corrección y pasan a «por definición» por la ampliación (40 de 291; las que solo tienen la misma operación con el mismo texto ya estaban marcadas). En total van aparte 73 de las 291; la nota del % del PIB sale sola por la unidad de cada serie. De los 40, 4 por compartir el denominador PIB y 6 por el PIB en papeles cruzados:
  • Atrasos en hipoteca o alquiler y Retrasos en pagos de vivienda: parte de. Los retrasos en la hipoteca o el alquiler son parte de los retrasos en los gastos de la vivienda principal.
  • Peso de los combustibles fósiles y Consumo de carbón: calculada de. Peso del carbón, el gas y el petróleo en el suministro de energía.
  • Peso de los combustibles fósiles y Consumo de petróleo: calculada de. Peso del carbón, el gas y el petróleo en el suministro de energía.
  • Peso de los combustibles fósiles y Consumo interior bruto de energía: calculada de. Peso del carbón, el gas y el petróleo en el suministro de energía.
  • Energía final consumida y Energía primaria consumida: parte de. En el balance energético, el consumo final es uno de los destinos de la energía primaria.
  • Consumo de carbón y Energía primaria consumida: parte de. Un producto de la energía primaria.
  • Consumo de gas natural y Energía primaria consumida: parte de. Un producto de la energía primaria.
  • Energía nuclear primaria y Electricidad nuclear desde 1990: calculada de. La energía primaria nuclear se calcula a partir de la electricidad nuclear producida.
  • Consumo de petróleo y Energía primaria consumida: parte de. Un producto de la energía primaria.
  • Energía primaria consumida y Consumo interior bruto de energía: calculada de. La energía primaria es el consumo interior bruto sin los usos no energéticos.
  • Déficit o superávit público y Gasto público total (% del PIB): calculada de. El saldo es la diferencia entre ingresos y gastos.
  • Deuda autonómica (% PIB) y PIB por habitante (desfase −1): mismo numerador o denominador. La misma magnitud está en el numerador de una y en el denominador de la otra: PIB a precios corrientes.
  • Deuda pública y Gasto público en vejez (desfase −1): mismo numerador o denominador. Las dos tienen el mismo denominador por construcción: PIB a precios corrientes.
  • Deuda pública y PIB por habitante (desfase −1): mismo numerador o denominador. La misma magnitud está en el numerador de una y en el denominador de la otra: PIB a precios corrientes.
  • Deuda pública y PIB por habitante: mismo numerador o denominador. La misma magnitud está en el numerador de una y en el denominador de la otra: PIB a precios corrientes.
  • Edad media de la maternidad y Nacimientos de madre extranjera: misma operación (grupo). Las dos son de la misma operación estadística: Indicadores Demográficos Básicos (INE).
  • Gasto en I+D y Personal en I+D (personas) (desfase −2): misma operación (grupo). Las dos son de la misma operación estadística: Estadística sobre Actividades de I+D (INE, vía Eurostat).
  • Gasto en I+D y PIB por habitante (desfase −2): mismo numerador o denominador. La misma magnitud está en el numerador de una y en el denominador de la otra: PIB a precios corrientes.
  • Gasto público en deuda y Intereses de la deuda (euros): parte de. Los intereses de la deuda (D.41) son el contenido del grupo COFOG 01.7, transacciones de la deuda pública.
  • Gasto público en deuda y Intereses de la deuda (% del PIB): parte de. Los intereses de la deuda (D.41) son el contenido del grupo COFOG 01.7, transacciones de la deuda pública.
  • Gasto en protección social y Gasto público total (% del PIB): parte de. Función COFOG 10 del gasto total.
  • Gasto en protección social y PIB por habitante: mismo numerador o denominador. La misma magnitud está en el numerador de una y en el denominador de la otra: PIB a precios corrientes.
  • Gasto en protección social y Saldo de la Seguridad Social: mismo numerador o denominador. Las dos tienen el mismo denominador por construcción: PIB a precios corrientes.
  • Gasto en servicios generales y Intereses de la deuda (% del PIB): mismo numerador o denominador. Las dos tienen el mismo denominador por construcción: PIB a precios corrientes.
  • Gasto público en vejez y PIB por habitante: mismo numerador o denominador. La misma magnitud está en el numerador de una y en el denominador de la otra: PIB a precios corrientes.
  • Gasto público en vejez y Saldo de la Seguridad Social: mismo numerador o denominador. Las dos tienen el mismo denominador por construcción: PIB a precios corrientes.
  • Hijos por mujer y Nacimientos: calculada de. Se calcula con los nacimientos por edad de la madre.
  • Intereses sobre el gasto y Intereses de la deuda (% del PIB): mismo numerador o denominador. Las dos tienen el mismo numerador por construcción: intereses de la deuda de las Administraciones Públicas (D.41).
  • Nacimientos y Natalidad: calculada de. Nacimientos por 1.000 habitantes.
  • Parque de turismos (passenger cars) y Turismos por 1.000 habitantes: calculada de. El parque de turismos por 1.000 habitantes.
  • Pasajeros transportados en vuelos comerciales (interior e internacional) y Viajeros de transporte aéreo interior (vuelos dentro de España): parte de. Los vuelos interiores son parte del total de pasajeros aéreos.
  • PIB por habitante y PIB por habitante (UE = 100): calculada de. El PIB por habitante convertido a estándares de poder adquisitivo y comparado con la UE.
  • Viajeros de transporte aéreo interior (vuelos dentro de España) y Viajeros de autobús urbano regular: misma operación (grupo). Las dos son de la misma operación estadística: Estadística de Transporte de Personas (INE).
  • Viajeros de transporte aéreo interior (vuelos dentro de España) y Viajeros transportados, total de la estadística (urbano, interurbano por autobús, tren, avión y barco, y especial y discrecional): parte de. Un modo del total de viajeros del transporte público.
  • Viajeros de autobús interurbano regular y Viajeros de autobús urbano regular: misma operación (grupo). Las dos son de la misma operación estadística: Estadística de Transporte de Personas (INE).
  • Viajeros de autobús interurbano regular y Viajeros transportados, total de la estadística (urbano, interurbano por autobús, tren, avión y barco, y especial y discrecional): parte de. Un modo del total de viajeros del transporte público.
  • Viajeros de autobús urbano regular y Viajeros de ferrocarril de Cercanías: misma operación (grupo). Las dos son de la misma operación estadística: Estadística de Transporte de Personas (INE).
  • Viajeros de autobús urbano regular y Viajeros transportados, total de la estadística (urbano, interurbano por autobús, tren, avión y barco, y especial y discrecional): parte de. Un modo del total de viajeros del transporte público.
  • Viajeros de ferrocarril de Cercanías y Viajeros transportados, total de la estadística (urbano, interurbano por autobús, tren, avión y barco, y especial y discrecional): parte de. Un modo del total de viajeros del transporte público.
  • Viajeros de metro (transporte urbano) y Viajeros transportados, total de la estadística (urbano, interurbano por autobús, tren, avión y barco, y especial y discrecional): parte de. Un modo del total de viajeros del transporte público.

D-064 · 30 oct. 2026 · Perfil del dato y datos con un comportamiento parecido (pre-registro)#

Reglas fijadas en data/catalog/perfiles.yaml (versión 1) y commiteadas antes de calcular ningún rasgo, ninguna distancia y ningún placebo. Solo se contó cuántas series tienen años completos suficientes (185 de 234 con 13 años o más). Decisión del titular del 30-10-2026.

• Perfil del dato. En la ficha y en Explorar se presentan en lenguaje llano las propiedades ya calculadas con D-048 (mínimo, máximo, media, cambio típico de un año a otro, tendencia, temporada, cambios de ritmo, años atípicos y cambios en la forma de medir). No se calcula nada nuevo; lo técnico (desviación típica, intervalo y método) va en «Más».
• Parecidos. Mismo universo que D-048, con 13 años completos o más y 12 años en común por pareja. Cinco rasgos sin unidad sobre la serie anual (pendiente normalizada, volatilidad relativa, año del máximo, año del mínimo y número de cambios de ritmo) y la temporada como rasgo de sí o no. Distancia de Chebyshev con tolerancias fijas; parecidas si d ≤ 1. Orden por el nombre del otro dato, nunca por la distancia; 5 a la vista. Las de relación por definición, con la regla de coincidencias.yaml, aparte.
• Comprobación anti-casualidad. Placebo principal con paseos aleatorios de los mismos años (20 repeticiones) y secundario con las variaciones barajadas por bloques. Se publica siempre cuántas parejas parecidas salen en cada uno. Si la media del placebo principal llega a la mitad de las reales, la lista no se presenta como hallazgo y lo dice a la vista.
• Texto fijo junto a toda lista: «Que dos datos tengan un comportamiento parecido no quiere decir que estén relacionados ni que uno influya en el otro: pueden coincidir por casualidad o por una causa común.»
• Cambios. Lo que se cambie después de ver los resultados irá a una versión 2 del fichero con su propia entrada.
• Resultados (calculados después del pre-registro con la versión 1, sin cambiar ninguna regla). 234 series en el universo; 185 comparables; 17.010 parejas comparadas. Con los datos reales salen 75 parejas parecidas (48 en la lista principal y 27 de relación por definición). Placebo principal, series inventadas (20 repeticiones): de 23 a 61, media 40,9. Placebo secundario, datos barajados: de 26 a 53, media 37,2. La media del placebo principal supera la mitad de las reales, así que, con la regla fijada, la lista no se presenta como hallazgo y lleva a la vista «Con esta regla, la mayoría de las parecidas saldrían también por azar». Las series con menos de 12 variaciones anuales seguidas no tienen cambios de ritmo calculables y quedan fuera de la comparación (lectura de la regla del mínimo; con los datos actuales no excluye ninguna de las 185). Código en pipeline/pipeline/perfiles.py; resultado en data/processed/estadistica/perfiles.json, con la huella de las reglas, que comprueban el build y pipeline.provenance.
• En la web. El perfil va en la ficha y, plegado bajo el gráfico, en Explorar. La lista de parecidos va aparte de las coincidencias, en la ficha y en Explorar, con «Comparar» (sin franjas de gobierno) y el detalle de los rasgos en «Más»; la distancia no se publica. Método, recuentos y lista completa en /metodologia/perfiles/.

D-065 · 30 oct. 2026 · Datos con un comportamiento parecido: la lista, solo en la página de método (versión 2)#

Cambio de colocación de D-064, decidido después de ver el placebo y a propuesta de la revisión de neutralidad. data/catalog/perfiles.yaml pasa a la versión 2, que solo añade colocacion; no cambia ningún rasgo, la distancia, el umbral, los placebos ni la regla de decisión, y el resultado recalculado es el mismo.

• Motivo. La lista principal tiene 48 parejas y el placebo con series inventadas da de 23 a 61. Junto a cada dato, la lista se leería como un hallazgo aunque lleve la línea de la regla de decisión.
• Qué cambia. En la ficha y en Explorar se quitan la lista y su botón «Comparar»; queda el perfil del dato, con un enlace «Datos con un comportamiento parecido (método)». La lista completa sigue en /metodologia/perfiles/, con los recuentos reales y del placebo, la línea «Con esta regla, la mayoría de las parecidas saldrían también por azar» y sin botón «Comparar». No se suprime nada: solo cambia dónde se muestra.
• Perfil, en la misma revisión. Las variaciones en series en niveles se calculan como diferencias logarítmicas (100·ln); en la vista se convierten a % real (exp(x/100) − 1), y el cambio típico lo dice. Los cambios de ritmo y los años con un cambio muy distinto al de los demás llevan «(no indica la causa)»; el término «atípico» y su regla quedan en «Más». En euros corrientes, la tendencia dice «sin descontar la subida de precios». Menos decimales en las cifras grandes (uno en millones de euros). Son cambios de presentación; ninguna cifra calculada cambia.

D-066 · 31 oct. 2026 · «¿Quién votó como tú?»: regla de selección de votaciones (pre-registro)#

Regla fijada antes de calcular ningún resultado, en data/catalog/quien_voto.yaml. Fuente: las votaciones nominales de la XV legislatura de los datos abiertos del Congreso, los mismos ficheros que usa Afinidad.

• Universo. Votación final de conjunto de proyectos y proposiciones de ley (orgánicas y ordinarias) y votaciones de convalidación de reales decretos-ley. Se identifica solo con los campos del JSON (titulo, textoExpediente, tituloSubGrupo, textoSubGrupo), nunca con el resultado ni con la posición de ningún grupo. Un texto, una votación: la última de conjunto en el Congreso.
• Fuera. Tomas en consideración, enmiendas (a la totalidad y parciales), votos particulares, enmiendas y vetos del Senado, trámite de un real decreto-ley como proyecto de ley, avocaciones, proposiciones no de ley, mociones, reformas del Reglamento y de la Constitución, convenios internacionales.
• Casos dudosos y su decisión. Ley orgánica con votación del dictamen y de conjunto: entra la de conjunto. Ley orgánica votada de nuevo en conjunto tras el Senado: entra la última. Amnistía: entra el nuevo dictamen del 14-3-2024. Reforma constitucional de Formentera: fuera. Real decreto-ley derogado: entra igual.
• Posición de un grupo. Mayoría de sus diputados con voto emitido; si no llega al 80 %, «dividido» con el reparto. Se mantienen las unidades y los nombres de Afinidad. Es una excepción acotada a D-040 (que en Afinidad prefiere votos exactos): aquí se muestran siempre los votos exactos y el 80 % impide presentar como unánime a un grupo partido.
• Temas y líneas llanas. Propuesta inicial de tema y línea, repasada a mano línea a línea y guardada con revisado: pendiente hasta pasar la revisión de neutralidad.
• Privacidad. Las respuestas no salen del dispositivo ni se guardan. Se comparte solo el tema y el número de votaciones.

Anexo a D-066 (31-10-2026, tras la revisión de neutralidad), sin cambiar la regla de selección salvo en el punto 2.

1. Origen del universo, a la vista. De las 83 votaciones, 53 son decretos-ley, que siempre aprueba el Gobierno, y 19 de las 30 leyes son proyectos del Gobierno. Las iniciativas que no pasaron la toma en consideración no llegan a votación final y no entran. Se muestra junto a los avisos y en el método. Si se amplía la regla, lo decide el titular aparte.
2. Empates sin fichero. Una votación con empate en los totales publicados se repite por reglamento; si el fichero de la repetición no está en los datos abiertos, sale del universo y se cuenta entre las que no tienen fichero. Afecta al Real Decreto-ley 8/2023 (171-171; faltan los ficheros 8 y 9 de la sesión 15). El universo pasa de 84 a 83 votaciones (30 leyes y 53 decretos-ley).
3. Una sola regla para las líneas llanas. La línea dice qué se vota y deja fuera la finalidad, que ya está en el título oficial de la tarjeta. Se corrigieron varias líneas y temas (dependencia en sanidad, entre otros) y se pasó a revisado: si lo aprobado.
4. Resultado oficial después de responder y orden por fecha ISO, para no arrastrar a la persona hacia la mayoría.

D-067 · 31 oct. 2026 · «¿Quién votó como tú?»: se amplía el universo con las tomas en consideración (pre-registro)#

Regla fijada antes de calcular el nuevo universo, en data/catalog/quien_voto.yaml (versión 2). Motivo: la revisión de neutralidad detectó que 73 de las 84 votaciones eran textos del Gobierno (decretos-ley y proyectos de ley), porque las iniciativas de otros grupos que no pasan la toma en consideración no llegan a votación final. Decisión del titular: incluir también las votaciones de toma en consideración de proposiciones de ley de la XV legislatura, sea cual sea su origen (grupo parlamentario, parlamento autonómico o iniciativa popular).

• Qué entra. Las votaciones finales de conjunto de leyes y las convalidaciones de decretos-ley de D-066, más las tomas en consideración de proposiciones de ley (familias de título «Toma en consideración de Proposiciones de Ley», «…de Comunidades y Ciudades Autónomas» y «…de iniciativa popular»). Las reformas del Reglamento y de la Constitución siguen fuera. Un texto, una votación (la última); un empate sin fichero de repetición sale, como en D-066.
• Doble cuenta. Si una proposición tomada en consideración llega después a votación final, cuentan las dos: son votaciones distintas con preguntas distintas.
• Tipo y origen visibles. Cada votación lleva su tipo («Ley (votación final)», «Decreto-ley (convalidación)» o «Propuesta de ley (¿se tramita?)») y su origen (Gobierno, grupo parlamentario con sus siglas, comunidad autónoma, iniciativa popular o diputados), sacados del expediente.
• Posición, temas y líneas. Igual que antes: la mayoría de cada grupo con el 80 % como umbral, mismos temas, línea en palabras llanas sin finalidad. Las líneas nuevas quedan como revisado: pendiente hasta pasar la revisión de neutralidad.
• Página. Aviso del origen con el reparto real, filtro opcional por tipo («Todas», «Solo leyes y decretos», «Solo propuestas») y tandas de 10 votaciones con «Ver más».

D-068 · 31 oct. 2026 · Semáforo en los mapas con objetivo oficial (enmienda a D-037)#

Decisión del titular de Al dato. En las capas con una norma oficial que fija qué dirección es mejor (sentido: baja|sube y norma_corta en data/catalog/mapa.yaml), y solo en ellas, el mapa pasa de viridis a un semáforo de verde a rojo. En el resto de capas no cambia nada: viridis, de menos (q1) a más (q5), y «El color no dice si algo es bueno o malo».

• Criterio. Solo con norma oficial de sentido: tasa de paro (Constitución, art. 40.1: pide una política orientada al pleno empleo sin fijar una cifra), riesgo de pobreza (objetivo de la UE para 2030) y cobertura 5G (Década Digital de la UE), más la dependencia por comunidades (Ley 39/2006). Una capa sin sentido no usa el semáforo, aunque parezca evidente cuál sería «mejor».
• Paleta (--mapa-s1 a --mapa-s5, igual en claro y en oscuro): #5aa865 (más cerca de lo que persigue la norma), #e9de70, #f2a64a, #d6542c y #8f1d1a (más lejos).
• Validación. Separación entre clases contiguas de al menos 10 en ΔE OKLab (escala ×100) con el peor daltonismo: simulación de protanopía, deuteranopía y tritanopía (matrices de Machado, severidad 1); el mínimo es 10,1 (deuteranopía, entre s2 y s3) y sin daltonismo el mínimo es 13,3. Cada clase sigue además con su muestra, su rango y su posición en la leyenda, así que el color nunca es la única señal. Texto de las cifras: tinta oscura sobre s1 a s4 y clara sobre s5.
• Orden según el sentido. Con baja (menos es lo que persigue la norma), el quintil más bajo va en s1 y el más alto en s5; con sube, al revés. Los quintiles no cambian, solo el color de cada clase (clasificar(valores, dec, sentido)).
• Leyenda. Las muestras siguen de menor a mayor valor (los cortes crecen de izquierda a derecha) y la flecha dice «menos» y «más» como en todas las capas, también con sube (así el 5G no sale invertido). El texto de la leyenda (textoSentido) dice qué es cada color («Verde: el quinto de los territorios donde el valor está más en la dirección que pide la norma; rojo: el quinto donde lo está menos»), cita la norma (norma_corta), dice que el color compara cada territorio con los demás y no con la norma, y añade «El color no atribuye la causa a ningún gobierno: la competencia es …» con la competencia_llano del catálogo. El aviso de las diferencias pequeñas del 5G pasa al mismo texto, tras la escala. Las capas sin sentido mantienen «menos» y «más».
• Dónde se aplica. Mapas de provincias, de comunidades y de comarcas (hoy ninguna capa de comarcas tiene sentido, pero el código lo admite), el panel «Dónde» de Explorar (DatoIndice.sentido y norma, tomados de la capa del mapa con ese id o un alias) y la intro de la portada. Las tarjetas OG y las descargas no pintan el mapa en colores y no cambian.
• Aviso. Verde y rojo coinciden con colores de partido (D-037 y la regla de neutralidad cromática de docs/DISENO.md). Por eso el semáforo se limita a datos con norma y nunca se usa para comparar partidos, gobiernos ni grupos. Cualquier capa nueva con sentido lo hereda; una sin norma, no.
• Dependencia por comunidades (Ley 39/2006). Se mantiene el semáforo porque la ley fija una dirección explícita: la disposición final primera, apartado 2, pone el plazo máximo de resolución en seis meses, así que menos días y menos personas esperando más de seis meses es lo que persigue. La capa de personas pendientes cuenta la espera desde el reconocimiento del derecho, no desde la solicitud; su nota lo dice.
• Revisión de neutralidad. Aplicada el 31-10-2026: la flecha no usa «más cerca» ni «más lejos»; el texto de las capas con norma no atribuye la causa a ningún gobierno y cita la competencia; la norma del paro dice que la Constitución no fija una cifra; la cita ya no lleva paréntesis anidados.
• Tests. Las capas con sentido usan s1–s5 en el orden de su sentido y las demás q1–q5; el índice de Explorar lleva sentido y norma solo en los datos con objetivo oficial.

Anexo a D-067 (31-10-2026, tras la revisión de neutralidad de las tomas en consideración). El origen con varios grupos se lee completo («PSOE, Sumar, Mixto») y se rotula «Grupos parlamentarios». El origen de la amnistía (PSOE), que los ficheros de votaciones no dicen, consta en el expediente y se anota en quien_voto.yaml (origen_manual). Las líneas de las propuestas dicen qué cambia con verbos de contenido, igual para todas, y siguen la literalidad del título (por ejemplo, «ocupación ilegal de inmuebles»). Las 200 líneas pasan a revisado: si.

D-070 · 31 oct. 2026 · Tanda INE: capas por comunidad de paro, pobreza, desigualdad, PIB, alquiler y salarios#

Encargo del titular del 31-10-2026, a partir de la auditoría docs/auditorias/2026-10-31-datos-candidatos.md. Las tablas y los códigos se comprobaron contra la API real (Tempus3) el 31-10-2026 antes de decidir qué entra, con descargas de prueba que no son datos publicados. Las reglas de abajo están fijadas en data/catalog/mapa_ccaa.yaml antes de generar ninguna capa.

• Regla del mapa por comunidades, ampliada. La regla 1 de mapa_ccaa.yaml («servicios públicos») pasa a «series oficiales que el organismo publica por comunidad autónoma, con dato para las 19 y del mismo periodo». Si la fuente no publica Ceuta y Melilla, la capa entra igual con esas dos en sin_dato y su motivo (nunca estimadas); la ficha y la tabla dicen «sin dato propio». Cada capa nueva lleva la categoría literal del CIS a la que responde.
• Lector del INE en pipeline.mapa_ccaa. Nueva fuente: ine_tempus: la tabla de Tempus3 con tip=AM se guarda intacta en data/raw/ine_tempus/mapa_ccaa_<id>/ con su sha256 en el manifest, y las series de cada comunidad se eligen por el nombre de las variables de la tabla (filtro), nunca por la posición. Falla si un código sale repetido, si el filtro no deja series o si falta una comunidad que no está en sin_dato.
• Licencia del INE. Leída en el aviso legal del INE el 31-10-2026: CC BY 4.0 para la información cuya fuente original es el INE, citando la fuente («Elaboración propia con datos extraídos del sitio web del INE» si hay tratamiento), con la fecha de la última actualización y sin sugerir que el INE participa o apoya. Entra en licencias.yaml. robots.txt de www.ine.es solo veta /cgi-bin/, /buscar/, /Test/, /Admin/ y /testin/; servicios.ine.es no tiene robots.txt. No se ha sorteado ningún bloqueo.
• Cotejo. Tres cifras por capa contra el CSV que ofrece la web del INE en cada tabla (jaxiT3/files/t/es/csv_bdsc/<tabla>.csv), un canal distinto de la API: docs/auditorias/2026-10-31-cotejo-datos-ine.md.
• Pobreza (ECV). Dos capas: tasa de riesgo de pobreza (tabla 29282, 2008-2025) y AROPE. Desviación respecto a la auditoría (fila 5): el AROPE no sale de la tabla 29288 sino de la 76847, porque la 29288 es la definición «Europa 2020» (carencia material severa; hogares de 0 a 59 años), dato nacional 25,5 % en 2025, y la que cita el objetivo de la UE para 2030 —la que justifica sentido: baja en el mapa por provincias y en Marcadores, y la que usa la ficha nacional arope_tasa (ECV6190 en la ficha y ECV6275 en la tabla por comunidad: los mismos valores de 2014 a 2025, 25,7 % en 2025)— es la de «Europa 2030» (carencia material y social severa; hogares de 0 a 64 años), disponible desde 2014 (12 años, cumple D-015). La definición anterior no se empalma. Ambas capas reutilizan sentido: baja, norma_corta y marcador: tasa_riesgo_pobreza de la capa «Ingresos bajos» del mapa por provincias.
• Paro de los jóvenes y por nacionalidad (EPA). Cuatro capas: tasa de paro total (todas las edades), de los menores de 25 años, de la población de nacionalidad española y de la de nacionalidad extranjera, año 2025. La tasa total no estaba en el encargo, pero sin ella el buscador y Explorar llevaban «paro Andalucía» a «Paro de españoles» (era el único dato de paro con cifra por comunidad); con ella, «paro Andalucía» abre el paro total en esa comunidad, y se actualizaron las siete expectativas de consulta.test.ts y indice.test.ts que dependían de que el paro no tuviera nivel de comunidad. Desviación respecto a la auditoría (fila 1): en vez de las tablas trimestrales 65334 y 65336 se usan las medias anuales que publica el INE de la misma operación (tablas 72988 y 66057, 2006-2025, 20 años): el mapa por provincias ya es una media anual (tasa_paro_epa), y la tasa anual no es la media de las cuatro tasas trimestrales (el INE la calcula con los parados y los activos medios del año; p. ej., menores de 25 años en Melilla: 60,20 la anual frente a 59,49 la media simple de las trimestrales). Las cifras nacionales coinciden con las fichas ya publicadas (9,52 % y 15,42 % en 2025; 10,50 % de paro total). El nivel provincial no entra: la tabla 65349 solo da tasas de actividad, paro y empleo por provincia y sexo, sin edad ni nacionalidad; la EPA no publica el paro de los jóvenes ni por nacionalidad por provincia (el texto de sin_capa del mapa por provincias ya lo dice). Ruptura de serie de 2021: la EPA usa desde 2021 la base de población del Censo 2021 y un cuestionario adaptado al Reglamento (UE) 2019/1700 (hechos ya registrados en fuentes_metodo.yaml); se marca como ruptura sin cortar la línea, igual que en las series EPA nacionales, y la ficha y Explorar la enseñan. Paro de los jóvenes lleva sentido: baja con la misma cita de la Constitución (art. 40.1, pleno empleo) que tasa_paro_epa y su marcador (paro_epa_juvenil_16_24). Las dos de nacionalidad no llevan sentido: la norma habla del paro en general, Marcadores no valora por nacionalidad, y colorear «mejor» y «peor» una cifra de un grupo por nacionalidad no añade información; se enseñan juntas, con la otra a un clic, y avisan de que la diferencia no dice a qué se debe.
• Desigualdad (ECV). Dos capas, Gini y S80/S20, de la tabla 76846. Fila 12 de la auditoría, comprobada con la API: la tabla 76846 trae de una vez 2008-2025 (18 años), las 19 comunidades, base 2013, con el Gini y el S80/S20 con y sin alquiler imputado. No hace falta encadenar las tablas 60143 y 67246 (versiones anteriores de la misma serie) y no se empalma nada. Se usan las versiones sin alquiler imputado, como la ficha nacional del Gini (ECV7186). El S80/S20 no tenía ficha nacional: entra s80_s20 en indicadores.yaml (ECV7188, 2008-2025, 5,2 veces en 2025; mismos valores que ECV4836 de la tabla) con su lectura llana (borrador automático, revisado y corregido a mano) y su nombre llano. Las dos capas llevan sentido: baja con la cita del art. 40.1 de la Constitución («una distribución de la renta regional y personal más equitativa»), igual que coeficiente_gini en marcadores.yaml; el S80/S20 lo dice con sin_marcador_motivo. Es una decisión revisable: quitar sentido las deja en escala de luz, como D-041 hizo con la renta.
• Alquiler (IPVA). Una capa: variación anual del Índice de Precios de Vivienda en Alquiler (tabla 59056), 2024. Dos desviaciones respecto a la auditoría (fila 7): (1) la capa enseña la variación anual, no el nivel del índice: el nivel vale 100 en 2015 en todas las comunidades y no dice dónde es más caro alquilar; (2) la tabla no tiene «17 comunidades sin Ceuta y Melilla» como parecía a primera vista, sino 15 más Ceuta y Melilla: faltan Navarra y el País Vasco, porque el IPVA se elabora con datos tributarios del territorio fiscal común (nota de la propia tabla del INE). Esas dos van en sin_dato, con su motivo, y la cifra de España (3,5 %) es la de ese territorio, como la ficha nacional ipva_variacion_anual. La variación anual empieza en 2012 (13 años, cumple D-015). Sin sentido: una subida del alquiler afecta de forma opuesta a inquilinos y propietarios, y Marcadores ya la trata como contexto.
  • Efecto en el buscador. Al tener cifra por comunidad, el índice de alquiler pasó a ser el dato que el buscador elegía para «ipc Cataluña» (es el quinto resultado de «ipc»). resolverDato (consulta.ts) prefería el primer resultado de los diez con el nivel pedido; ahora lo prefiere solo entre los cuatro primeros, y «ipc Cataluña» vuelve a mostrar el IPC de España con el aviso de que no hay cifra por comunidad.
• Salarios (EAES). Dos capas: ganancia media y ganancia mediana bruta anual por trabajador, 2024 (tabla 28191, 2008-2024, 17 años). La tabla trae las 17 comunidades pero no Ceuta ni Melilla: van en sin_dato. Son euros corrientes, sin descontar la subida de precios: lo dicen la unidad, el texto llano y las notas. La media se enseña junto a la mediana porque la media es más alta y no es el salario «típico» (aviso ya registrado en las fichas nacionales). La auditoría anotó otra tabla (80180, con otra base); no se usa. Sin sentido: ninguna norma fija un salario medio ni mediano.
• PIB por habitante (Contabilidad Regional). Dos capas con el mismo id y el mismo año, para que «Ver por» pase de una a otra: por comunidad (mapa_ccaa.yaml) y por provincia (mapa.yaml, con su serie 2000-2024 en provincias_series.yaml), tabla 82285. Euros corrientes, sin descontar la subida de precios: lo dicen la unidad, el texto llano, el aviso de la leyenda y las notas. Año 2024 (provisional) en los dos niveles: el INE da un avance de 2025 para España y las comunidades, pero no para las provincias; el avance se deja fuera de las series de las capas para que todas acaben en el mismo año (sin_tipos_de_dato: [Avance]; la ficha nacional sí lo tiene). En la tabla, España es «Total Nacional» con el código 73 (no 00) y solo 43 provincias vienen como provincia; las nueve comunidades uniprovinciales (Asturias, Illes Balears, Cantabria, Madrid, Murcia, Navarra, La Rioja, Ceuta y Melilla) usan la cifra de su comunidad, con el mismo mapeo UNIPROVINCIALES que el resto de capas. La capa provincial entra en la categoría «La crisis económica…» y en el mapa de comarcas queda en sin_cifra_municipal (la Contabilidad Regional no baja de la provincia). Sin sentido: ninguna norma fija un PIB por habitante. Efecto en el buscador: «pib Cádiz» abre ahora el PIB por habitante de Cádiz (hasta ahora, el crecimiento del PIB de España con aviso); se actualizó la expectativa de consulta.test.ts.

D-071 · 31 oct. 2026 · Datos de fuera del INE: sanidad, educación, juventud, paro por estudios, energía por comunidad, vivienda, pensiones y delitos por territorio (pre-registro)#

Escrito antes de descargar ningún dato de esta tanda. Sale de docs/auditorias/2026-10-31-datos-candidatos.md (top 15, filas 2, 3, 4, 8, 9, 10, 13, 14 y 15). Cada código se ha comprobado antes contra la API o el fichero real; donde la investigación previa decía otra cosa, manda lo comprobado y se anota.

• Reglas comunes. Ninguna serie con menos de 4 años (D-015). Una capa del mapa es una foto de un periodo, fijado aquí y no cambiado tras ver el mapa. Un territorio sin dato no se rellena ni se estima: queda en sin_dato con su motivo, y la leyenda dice cuántos faltan. Palabra común antes que técnica. Sin sentido salvo norma oficial citada y comprobada. Cada descarga se guarda intacta con URL, fecha y sha256 (D-033). No se usa el SEPE (su robots.txt veta a los agentes de IA). No se sortea ningún bloqueo.
• Mapa por comunidades (enmienda a D-030). La regla 1 de mapa_ccaa.yaml pedía dato de las 19 comunidades. Pasa a: de las 19, o de las que el organismo publica, con las que faltan en sin_dato. Entran dos fuentes más: Eurostat (regiones NUTS 2, que en España coinciden con las comunidades y las dos ciudades autónomas) y Red Eléctrica (REData, geo_limit=ccaa). Categorías del CIS que se añaden al mapa: «La educación», «Los problemas relacionados con la juventud. Falta de apoyo y oportunidades para los/as jóvenes», «El paro» y «El cambio climático».
• Sanidad (INCLASNS, formulario público sin clave, el mismo de D-030).
  • Camas hospitalarias en funcionamiento por 1.000 habitantes (indicador 68, SIAE): 2010-2024, capa 2024, las 19.
  • Gasto sanitario público gestionado por las comunidades, por habitante protegido (indicador 107, EGSP): 2010-2023, capa 2023. Lo comprobado el 31-10-2026 difiere de la investigación previa: País Vasco y La Rioja sí traen dato en todos los años; las que no tienen fila son Ceuta y Melilla, porque su gasto sanitario lo gestiona el INGESA y la ficha oficial las deja fuera del sector «comunidades autónomas». Van en sin_dato. En 2012 cambia la población «protegida» (sale la que está en la base del SNS y se descuentan los mutualistas de MUFACE, MUGEJU e ISFAS con concierto privado): ruptura que se anota.
  • Demandas asistenciales a los servicios de urgencias y emergencias 112/061, por 1.000 personas asignadas a atención primaria (indicador 364, SIAP): 2012-2025, capa 2025, las 19. No son las urgencias de los hospitales: son las solicitudes sanitarias que llegan a los servicios 112/061 (la ficha del Ministerio las define así). El nombre lo dice. En la investigación previa se daban Ceuta y Melilla como vacías: tienen dato.
• Educación y juventud (Eurostat, NUTS 2, un fichero con todas las regiones).
  • Abandono temprano de la educación y la formación, 18 a 24 años, ambos sexos, % (edat_lfse_16): capa 2025, serie 2010-2025. Ceuta no tiene dato de 2025 (sí de 2024): queda en sin_dato. Varias comunidades pequeñas llevan la marca de Eurostat «poco fiable» (u): se listan en la capa y no se ocultan.
  • Jóvenes de 15 a 29 años que ni estudian ni trabajan, ambos sexos, % (edat_lfse_22, NEMP y NO_FE_NO_NFE): capa 2025, serie 2010-2025. Ruptura de definición en 2021 (marcas b y d de Eurostat); la serie se corta ahí y no se empalma.
  • Sentido de la escala. Solo el abandono: la Resolución del Consejo 2021/C 66/01 (DOUE C 66 de 26.2.2021) fija el objetivo de la UE para 2030 en menos del 9 %. Se cita solo si el texto oficial lo confirma en la fecha de la descarga (se anota en el catálogo con verificado). Es un objetivo para el conjunto de la UE, no para cada comunidad: la leyenda lo dice. Para dar cabida a una norma europea, el test que exigía enlace al BOE acepta también EUR-Lex. El resto de capas, sin valoración.
• Paro por nivel de estudios (Eurostat lfst_r_lfu3rt, NUTS 2). Tasa de paro, 15 a 74 años, ambos sexos, tres niveles (hasta primera etapa de secundaria, segunda etapa de secundaria y postsecundaria no superior, estudios superiores; el total ya lo cubre la EPA del INE). Una capa por nivel, 2025, serie 2010-2025. Ceuta y Melilla traen marcas u y algún hueco. Ruptura de 2021 (bd) y de 2014 (b) en la serie.
• Generación renovable por comunidad (REE, REData generacion/estructura-generacion, geo_limit=ccaa). Porcentaje de la electricidad generada en la comunidad que procede de fuentes renovables (las que REE marca como «Renovable»), anual, 2011-2025. Identificadores: D-062 los dejó sin asignar porque el selector de la página numera las regiones de 1 a 24. Los identificadores verdaderos están en el propio código de la página de REE (themes/custom/ree/js/ree.js, función actualizarValoresGeo, consultada el 31-10-2026): Andalucía 4, Aragón 5, Cantabria 6, Castilla-La Mancha 7, Castilla y León 8, Cataluña 9, País Vasco 10, Asturias 11, Madrid 13, Navarra 14, Comunitat Valenciana 15, Extremadura 16, Galicia 17, La Rioja 20, Murcia 21, Ceuta 8744, Melilla 8745, Illes Balears 8743 y Canarias 8742. Comprobación independiente: solo devuelven nuclear Castilla-La Mancha (Trillo), Castilla y León (Garoña, hasta 2012), Cataluña (Ascó y Vandellòs), Comunitat Valenciana (Cofrentes) y Extremadura (Almaraz). Antes de 2011 la API no da datos de comunidad: la serie empieza en 2011. El último año es provisional. Aviso fijo: es la electricidad generada en la comunidad, no la consumida; una comunidad que exporta electricidad no consume lo que genera.
• Vivienda: valor tasado (Boletín Estadístico del Ministerio de Vivienda y Agenda Urbana). La investigación previa señalaba 35101500.XLS, pero ese fichero es la tabla 1.1, «hasta cinco años de antigüedad». La tabla de todas las viviendas libres es 35101000.XLS («Tabla 1. Valor tasado medio de vivienda libre», €/m², trimestral, 1995-2026). Se usa esa. Capa: 2.º trimestre de 2026. Serie trimestral desde 2007. Aviso fijo: es el valor al que se tasa, no el precio al que se compra. Las 52 provincias tienen fila; Ceuta y Melilla, también.
• Pensiones (Seguridad Social, fichero mensual PTAS de pensionistas). Dos capas de la foto de 1 de septiembre de 2026 (el fichero ya archivado): importe medio mensual de la pensión por pensionista, y porcentaje de pensionistas que cobran complemento a mínimos. Sin serie (D-035, D-015). Lo que dice D-035 sobre el archivo de la Seguridad Social no es completo: la web tiene un «Histórico de estadísticas de pensiones publicadas» (2008 a 2026), pero lo que guarda es otra estadística, la de pensiones en vigor (CA<AAAAMM>.xlsx, una pensión por cada pensión, no una por persona), con otro concepto. No se mezcla con la de pensionistas. Su uso como serie propia se valora aparte y se anota abajo, en «Resultados».
• Delitos por provincia (Eurostat crim_gen_reg, NUTS 3). Tres categorías de la Clasificación Internacional de Delitos con Fines Estadísticos (ICCS), las que no son subcategorías de otra y tienen recuentos grandes en todas las provincias: robo con violencia o intimidación (ICCS0401, «Robbery»), robo con fuerza en las cosas (ICCS0501, «Burglary») y hurto (ICCS0502, «Theft»). Quedan fuera el homicidio (en provincias pequeñas son 0, 1 o 2 casos al año) y las lesiones (ICCS02011, muy sensibles a cuánto se denuncia). Capa: 2024; serie 2008-2024. La tasa por 100.000 habitantes se calcula con el recuento (NR) y la población a 1 de enero de Eurostat (demo_r_pjangrp3), que es exactamente la que usa Eurostat para su tasa publicada: se comprueba contra P_HTHAB en las 50 provincias que Eurostat da por provincia. Hace falta calcularla porque Canarias llega por isla (Las Palmas suma Fuerteventura, Gran Canaria y Lanzarote; Santa Cruz de Tenerife, las otras cuatro) y las tasas no se suman. Illes Balears sale del nivel NUTS 2, que es la provincia entera. Aviso fijo en cada ficha: las categorías de Eurostat no equivalen a la «criminalidad convencional» del Ministerio del Interior ni se mezclan con ella. Son hechos conocidos por la policía; dependen de cuánto se denuncia y de cómo se registra, y cambian de un año a otro por cambios de registro.
• Licencias (se anotan en licencias.yaml). Ministerio de Sanidad (INCLASNS, «Términos de uso» consultados el 31-10-2026) y Seguridad Social (Aviso Legal, 31-10-2026): reutilización con fines comerciales y no comerciales, sin desnaturalizar el contenido, citando la fuente y mencionando la fecha de la última actualización. Eurostat y REE, ya recogidas. Ministerio de Vivienda y Agenda Urbana: el aviso legal (transportes.gob.es/ministerio/aviso-legal y mivau.gob.es/aviso-legal) devuelve 403 a nuestro agente; no se sortea. Se aplica la condición por defecto (Ley 37/2007 y art. 13 de la LPI, documentos oficiales) y se anota que no se ha podido leer. Revisor legal pendiente.
• Cotejo manual. Dos cifras por serie contra la web del organismo, en docs/auditorias/2026-10-31-cotejo-datos-varios.md.

Resultados y enmiendas de D-071 (31-10-2026)

Lo que cambió respecto al pre-registro, decidido antes de ver el mapa de cada capa y por lo que mostraron las propias descargas:

• Evolución desde 2021 en las cuatro capas de Eurostat (abandono, jóvenes que ni estudian ni trabajan y paro por estudios). El pre-registro decía 2010-2025. Las series de Eurostat llevan marca de ruptura en 2021 (b, y d de definición distinta en 2022-2025 en el empleo y los estudios). La evolución por comunidad empieza en 2021 (cinco años, cumple D-015) para no dibujar una línea continua a través de una ruptura. Las fichas nacionales sí tienen la serie completa, con sus rupturas anotadas.
• Gasto sanitario (INCLASNS 107). País Vasco y La Rioja traen dato; faltan Ceuta y Melilla (INGESA). El Ministerio ya publica el gasto de 2024 por comunidad en su informe de la EGSP, pero «por habitante» (no «por habitante protegido») y no en INCLASNS: queda como candidato para una tanda posterior.
• Demandas 112/061 (INCLASNS 364). No son las urgencias hospitalarias; el nombre lo dice. Ceuta y Melilla tienen dato.
• Camas (INCLASNS 68). Total de hospitales públicos y privados; la tasa de 2023 coincide con las tablas del SIAE (2,89). En 2022 INCLASNS da 2,96 y el SIAE 2,94: se anota sin explicarlo.
• Abandono escolar. Ceuta sin dato en 2025. La Resolución 2021/C 66/01 (copia del BOE del DOUE C 66) se leyó entera: el anexo II llama a sus cifras «niveles de referencia del rendimiento medio europeo» y dice que «no deben ser considerados objetivos concretos que cada país tendría que alcanzar». La capa lleva sentido: baja con la cita literal del objetivo 4 y ese aviso en la leyenda. La norma ya estaba en objetivos.yaml con enlace del BOE, así que el test que exige enlace del BOE no cambia.
• REE por comunidad. Los identificadores salen de la propia página de REE (ree.js, función actualizarValoresGeo); la nuclear confirma cinco de ellos. Datos de comunidad desde 2011. Ceuta solo tiene tres años de datos (2023-2025) y casi todo es diésel: su valor sale (0,0 %), pero sin evolución (D-015). Las peticiones de 2021-2025 tardan hasta un minuto cada una: la descarga de las 20 series se hace en unos 25 minutos.
• Valor tasado. Tabla 35101000 (la 35101500 es «hasta cinco años de antigüedad»). Algunos trimestres de provincias pequeñas (Huesca, Teruel, Palencia, Segovia, Soria, Cuenca, Ourense y Melilla, entre 2011 y 2013) vienen como «n.r» y no tienen punto. Navarra se escribe de dos maneras en las hojas del libro («Comunidad Foral» y «Com. Foral»): se unen. La capa es el 2.º trimestre de 2026 y la serie, trimestral desde 2007.
• Pensiones. Cuatro capas de la foto de septiembre de 2026: pensión media de ambos sexos, de las mujeres y de los hombres (la media conjunta depende de la proporción de unas y otros) y pensionistas con complemento a mínimos. El fichero que sirve hoy la Seguridad Social es el de octubre (PTAS202610); la capa sigue en septiembre, como la de pensionistas por 1.000 habitantes, y reutiliza el mismo fichero guardado. Corrección a D-035: el archivo de la Seguridad Social sí tiene un «Histórico de estadísticas de pensiones publicadas» (2008-2026), pero guarda la estadística de pensiones en vigor (una pensión, no una persona), con otro concepto; no se mezcla y no hay cuatro años homogéneos de ficheros de pensionistas. Queda como candidato, aparte, una serie provincial de la pensión media por pensión y del porcentaje de pensiones con complemento a mínimos desde esos ficheros mensuales (CA<AAAAMM>.xlsx).
• Delitos. La población se toma de demo_r_pjanaggr3 (desde 1990 en las regiones NUTS 3) y no de demo_r_pjangrp3, que solo empieza en 2014 y dejaba sin población 2008-2013. El resultado es el mismo en 2014-2024. La tasa calculada coincide con la que publica Eurostat en las 50 provincias que da como tasa y en España; la diferencia entre el total de España y la suma de regiones son los hechos sin región asignada (221 de los robos con violencia).
• Licencias. Sanidad (INCLASNS) y Seguridad Social permiten reutilizar con tres condiciones: no desnaturalizar, citar la fuente y mencionar la fecha de la última actualización. Quedan en licencias.yaml. El aviso legal del Ministerio de Vivienda devuelve 403; vale la condición por defecto y queda para la revisión legal.
• Títulos en otros idiomas. Las fichas de dato y las capas del mapa no tienen un catálogo de títulos por idioma en la web (solo la interfaz, los términos del glosario y las respuestas de /preguntas/ están en los ocho idiomas), así que esta tanda no añade claves de traducción. Los títulos nuevos están solo en castellano, como todos los demás.
• Páginas de explicación. Las operaciones nuevas entran en la lista sin_pagina de fuentes_metodo.yaml.
• Lectura llana. Las 11 entradas nuevas (camas, gasto sanitario, demandas 112/061, jóvenes que ni estudian ni trabajan, tres de paro por estudios, valor tasado y tres de delitos) se redactaron con un borrador automático y se revisaron a mano: el borrador de los delitos tenía errores de cálculo en los ejemplos y se rehízo.

D-072 · 1 nov. 2026 · Consumo de tabaco, alcohol y otras drogas: encuestas oficiales del Ministerio de Sanidad (EDADES, ESTUDES) y del INE (ENSE, EESE) (pre-registro)#

Escrito antes de transcribir ninguna cifra a un fichero del repositorio. Lo que sí se había leído antes, al verificar las fuentes: las tablas de series (años y filas), la tabla de ejemplo por comunidad de cada informe y las notas metodológicas; se dice aquí para que se sepa qué se vio antes de fijar las reglas. Ninguna regla de abajo se cambió después de ver un mapa.

• Fuentes (solo oficiales; robots.txt respetado; sin API). a) Ministerio de Sanidad, Delegación del Gobierno para el Plan Nacional sobre Drogas, Observatorio Español de las Drogas y las Adicciones (OEDA): el informe de EDADES 2024 (población de 15 a 64 años en hogares; repite las series desde 1995, tablas 5, 6 y 7, y trae las tablas por comunidad de 2024) y el informe de ESTUDES 2025 (estudiantes de 14 a 18 años; series 1998-2025 en la tabla nº 5 y 1994-2025 en la tabla de datos de la figura nº 1; tablas por comunidad de 2025). Son PDF: se leen con pdftotext -layout, cada tabla se busca por su título y cada fila por su etiqueta, y el número de cifras de una fila tiene que coincidir con el de años de su cabecera. b) INE: las tablas en porcentajes de «Consumo de tabaco según sexo y comunidad autónoma» de la Encuesta Nacional de Salud (2003, 2006, 2011, 2017) y de la Encuesta Europea de Salud en España (2009, 2014, 2020), descargadas de JAXI en CSV (la fuente ine_jaxi ya estaba admitida). Los originales se guardan intactos en data/raw/manual/fuentes/consumos/ con su URL, fecha de consulta y sha256 (fuentes.json), y el pipeline comprueba la huella antes de leer. Se añade pnsd.sanidad.gob.es a los dominios de cita de las series manuales.
• Qué entra (pre-registrado). Series nacionales (fuente_api: manual, cada fila cita página del PDF o fila de la tabla): EDADES, tabaco a diario en los últimos 30 días (tabla 7), alcohol en los últimos 30 días (tabla 6), cannabis en los últimos 12 meses, cocaína en polvo y/o base en los últimos 12 meses y tranquilizantes, sedantes o somníferos (hipnosedantes) con o sin receta en los últimos 12 meses (tabla 5); ESTUDES, tabaco a diario en los últimos 30 días, alcohol en los últimos 30 días y cannabis en los últimos 12 meses (tabla nº 5) y borracheras en los últimos 30 días (figura nº 1); INE, fumadores diarios, ambos sexos, total nacional. Capas del mapa por comunidades: una por cada tabla por comunidad que el informe da con intervalos de confianza y que corresponde a una serie nacional (INE; EDADES 2024: tabaco a diario, alcohol en el último mes, borracheras en el último año y cannabis en el último año; ESTUDES 2025: tabaco en el último mes —el informe no da el consumo diario por comunidad—, alcohol, borracheras y cannabis).
• D-015. Ninguna serie con menos de 4 ediciones. Las series nacionales de EDADES y ESTUDES tienen entre 9 y 16 ediciones; la del INE, 7. Las capas de EDADES y ESTUDES son de una sola edición (solo se transcribe la tabla por comunidad del informe vigente): declaran desde igual a su año, de modo que la ficha por comunidad dice «sin evolución» y no dibuja una línea de un punto. Lo que no entra por no llegar a 4 ediciones: la Encuesta Europea de Salud en solitario (tres ediciones: 2009, 2014, 2020) y Eurostat EHIS (hlth_ehis_sk1e: tres oleadas y solo por país, 2014, 2019 y 2025); el consumo de juego con dinero y de internet de EDADES/ESTUDES (módulos que empiezan en 2015 y 2014 y que no se publican por comunidad en tablas homogéneas).
• La serie del INE une dos operaciones (decisión tomada al implementar, no consultada con el titular; queda expuesta para que la revise). La Encuesta Nacional de Salud (2003, 2006, 2011, 2017) y la Encuesta Europea de Salud en España (2009, 2014, 2020) son dos encuestas distintas del INE con la misma categoría «Fumador diario». El propio INE las pone juntas en la nota de prensa de la EESE 2020 («Fumadores diarios por sexo. Serie 2009-2020», y 23,0 % en 2014 frente a 19,8 % en 2020). Se publica la serie de siete puntos, con cada punto citando su operación y con las rupturas escritas (población de 16 años o más hasta 2009 y de 15 o más desde 2011; trabajo de campo de 2020 de julio de 2019 a julio de 2020). No se empalma ni se corrige nada. Quien prefiera no mezclarlas tiene, en el CSV, la operación de cada punto.
• Lenguaje. Neutral y sin estigma: «personas que fuman a diario», «han tomado bebidas alcohólicas», «han consumido cannabis». El término oficial (intoxicación etílica aguda, hipnosedantes «con o sin receta») va en notas, junto a lo que no es cada cifra. La definición exacta de cada indicador (población, pregunta o ventana temporal y encuesta) va en las notas de su ficha («Más»).
• Sin semáforo (sentido). Ninguna capa lleva escala de mejor a peor: no se ha localizado ni comprobado una norma oficial con objetivo de dirección, citada con su artículo o apartado, para estas cifras (la Ley 28/2005 regula el tabaco pero no fija una prevalencia que alcanzar). Si más adelante se comprueba una, se enmienda aquí.
• Precisión. Son encuestas. Cada ficha dice el tamaño de la muestra y el error muestral máximo que da el organismo, y el CSV de cada capa conserva el intervalo de confianza del 95 % de cada comunidad (y el tamaño de muestra en ESTUDES). Las advertencias de los propios informes se copian: EDADES da precisión aceptable por comunidad para alcohol, tabaco, cannabis, hipnosedantes y cocaína; ESTUDES, solo para alcohol, tabaco y cannabis.
• Categoría del CIS. El barómetro tiene una categoría para las drogas que el catálogo de categorías del proyecto (riesgos.yaml) no recoge. Las capas usan la más amplia que sí recoge, «Los problemas de índole social», sin inventar una categoría nueva.
• Competencia. mixta: el Estado coordina (Plan Nacional sobre Drogas) y regula el tabaco (Ley 28/2005); cada comunidad aplica sus planes y normas sobre alcohol y adicciones.
• Licencia. Aviso legal del portal del Plan Nacional sobre Drogas (pnsd.sanidad.gob.es/avisoLegal/home.htm, leído el 01-11-2026): reutilización comercial y no comercial con tres condiciones (no desnaturalizar, citar la fuente y mencionar la fecha de la última actualización). Entrada propia en licencias.yaml, delante de la general del Ministerio de Sanidad, porque el criterio es el primero que coincide. INE: la CC BY 4.0 que ya consta.
• Verificación de las fuentes. El paso 2 del procedimiento nuevo-indicador delega en el agente verificador-fuentes. Aquí se hizo en línea porque ninguna de las dos fuentes tiene API (son PDF y CSV de JAXI): se comprobaron primer y último periodo, la última cifra y las rupturas contra el propio documento.
• Cotejo. Dos cifras por serie contra una publicación distinta de aquella de la que se transcribió (el informe de EDADES 2022, el de ESTUDES 2023 y las notas de prensa del INE de 2011 y 2020), en docs/auditorias/2026-11-01-cotejo-consumos.md.
• Textos. Textos en lenguaje llano revisados uno a uno. Las fichas y las capas no tienen catálogo de títulos por idioma (ver D-071), así que no se traducen.

Resultados y enmiendas de D-072 (01-11-2026)

• Etiquetas de las ediciones de EDADES. Las ediciones de 2017-18 y 2019-20 salen en las tablas de series del informe de 2024 como 2017 y 2019; el informe de 2022 y la tabla 12 del de 2024 las llaman 2018 y 2020. Los valores son los mismos. Se usa 2017 y 2019 (la tabla de la que se transcribe) y la ficha lo dice.
• Tabaco a diario en EDADES, 2024. Baja de 33,1 % a 25,8 %, la mayor caída de la serie. El informe la describe y no la atribuye a un cambio de método; la ficha lo recoge como aviso en rupturas y no se interpreta.
• Hipnosedantes y cocaína. Las filas «con o sin receta» (desde 2005) y «polvo y/o base» (desde 2007) no existen antes; no se rellenan ni se suman a mano filas antiguas.
• Borracheras en ESTUDES. La tabla nº 5 no la incluye; se toma de la tabla de datos de la figura nº 1 (1994-2025), y la ficha lo dice.
• Ceuta y Melilla en el INE. En 2003 y 2006 el INE publica las dos ciudades sumadas en una sola fila; no se reparten, así que su evolución tiene cinco ediciones y no siete.
• Mapa. Nueve capas nuevas en la categoría «Los problemas de índole social». La regla 1 de mapa_ccaa.yaml ya admitía series de fuera del bloque de servicios públicos (D-071). Para que el mapa las muestre hace falta un fichero de etiquetas (mapaComunidadesConsumos.ts, como el de D-071) y dos líneas en mapaComunidades.ts.
• Páginas de explicación. Las tres operaciones nuevas entran en sin_pagina de fuentes_metodo.yaml.
• Nombres cortos. Diez entradas nuevas en nombres_cortos.yaml (nombre de 4 palabras como máximo).

D-073 · 1 nov. 2026 · Adopción de la inteligencia artificial en las empresas españolas: INE (ETICCE), Eurostat (isoc_eb_ai) y Banco de España (EBAE) (pre-registro)#

Escrito antes de ejecutar fetch y build. Lo que sí se había leído antes, al verificar las fuentes (01-11-2026): las series DCC651 y DCC652 de la API del INE con todos sus periodos; las tablas 82382, 82394, 82404 y 82410 de INEbase (edición «Año 2025 - Primer trimestre 2026»); las notas de prensa del INE de 2022, 2023, 2024, 2025 y 2026; isoc_eb_ai de Eurostat; el Boletín Económico 2025/T2, artículo 06, del Banco de España, y el texto de la Decisión (UE) 2022/2481.

• Fuentes (solo oficiales; robots.txt respetado; sin sortear bloqueos). a) INE, Encuesta sobre el uso de TIC y del comercio electrónico en las empresas (ETICCE), API Tempus3: DCC652 (10 o más empleados; la API dice «más de 10», las notas de prensa «10 o más») y DCC651 (menos de 10). b) Eurostat isoc_eb_ai, indicador E_AI_TANY, España y UE-27, para comparar. c) Banco de España, Encuesta a las empresas sobre su actividad (EBAE). Se intentó leer EUR-Lex y bloquea las peticiones automáticas; no se sorteó: el texto de la Decisión se leyó en su copia del Diario Oficial publicada por el BOE (boe.es/doue/2022/323/L00004-00026.pdf).
• Qué entra (pre-registrado). Dos series del INE con fuente_api: ine_tempus (ia_empresas_10mas, con comparador_ue de Eurostat, y ia_empresas_menos10). El INE publica el uso de la IA desde 2021-2022, pero el punto de 2022 lleva una ruptura documentada y no se usa para ninguna comparación: el INE cambió la aplicación del concepto de empresa («Empresa Estadística») en el ejercicio 2021-2022, y su nota de prensa dice que esos datos «no son estrictamente comparables con los de otros años»; la nota de 2023 no compara con 2022. Quedan 4 puntos comparables (2023, 2024, 2025 y 2026), el mínimo de D-015. No se ha encontrado documentación oficial de que la definición de «usar IA» cambiara entre 2022 y 2023; la caída de 12,6 % a 9,6 % no se atribuye a ninguna causa.
• D-015: lo que NO es serie. a) El sector de actividad y el tamaño en tres tramos solo existen en la edición de 2026 (las tablas de INEbase cambian de identificador cada edición, y desde esta pasan a CNAE-25, que no empalma con la CNAE-2009 anterior); se dicen como dato de un solo año en el apartado «Más» de la ficha, no como serie. b) Los usos de la IA (texto, voz, imágenes, aprendizaje automático, finalidades) son también de una sola edición. c) Por comunidad: una capa de una sola edición (2026), con la sede social de la empresa, igual que las de una edición de D-072. d) Banco de España (EBAE): solo dos ediciones con preguntas de IA (cuarto trimestre de 2024 y primer trimestre de 2026); resultados en PDF y gráficos del blog, sin ficheros reutilizables. Es un dato puntual de un año: el 19,9 % de las empresas encuestadas usa algún sistema de IA (Boletín Económico 2025/T2, art. 06, 07-05-2025; trabajo de campo del 11 al 25 de noviembre de 2024, unas 6.300 empresas). Va solo en «Más», con su definición, y nunca en la misma serie que el INE. Las cifras de la edición de 2026 solo salen redondeadas en el blog (28-10-2026) y no se transcriben.
• Definiciones (van en «Más»). INE: porcentaje de empresas con conexión a internet que emplean al menos una de ocho tecnologías de IA (texto, voz, generación de lenguaje, imágenes, reconocimiento de imágenes, aprendizaje automático, automatización de flujos, máquinas autónomas), en el primer trimestre del año de la encuesta. Eurostat: mismas tecnologías, otro ámbito (sin agricultura, minería ni sector financiero) y año de referencia 2025 como último. Banco de España: IA predictiva o generativa, con uso «esporádico o piloto», «moderado» o «elevado», sobre una muestra de unas 6.300 empresas de la economía de mercado. Tres definiciones y tres bases distintas: no se mezclan ni se promedian.
• Comparación con la UE. Eurostat da España y la UE-27 de 2021, 2023, 2024 y 2025 (sin 2022 ni 2026). Se usa la unidad PC_ENT (porcentaje de las empresas), la cifra que Eurostat publica en sus notas y que se puede cotejar con ellas; la otra unidad (PC_ENT_IUSE, sobre las empresas con acceso a internet, la base del INE) da cifras de 0,1 a 0,2 puntos mayores. Las cifras de España difieren de las del INE por el ámbito sectorial y la base. Para la comparación con la UE se usa la serie de Eurostat de España («definición armonizada»), no la del INE.
• Lenguaje. Neutral: sin «retraso» ni «líder». La unidad va junto a la cifra («% de las empresas…»).
• Sin semáforo (sentido). Ningún indicador lleva escala de mejor a peor. La Década Digital de la UE sí fija una meta, pero no es de la IA sola: Decisión (UE) 2022/2481, artículo 4, apartado 1, punto 3, letra a): «al menos el 75 % de las empresas de la Unión hayan adoptado uno o varios de los siguientes elementos, en consonancia con sus operaciones comerciales: i) servicios de computación en nube, ii) macrodatos, iii) inteligencia artificial». Mide a la vez tres tecnologías, y la cifra de IA sola no se puede comparar con esa meta. La estrategia España Digital 2026 (25 % de empresas con IA y macrodatos en 2025, según cita el Banco de España) es una estrategia, no una norma, y tampoco es de la IA sola.
• Competencia. mixta (el Estado regula las telecomunicaciones y la estrategia digital; la Unión fija la regulación de la IA y las comunidades tienen programas de digitalización de pymes).
• Licencias. INE y Eurostat: ya recogidas en licencias.yaml. Banco de España: aviso legal de bde.es (leído el 01-11-2026): se permite la reproducción fiel, sin alterar el contenido y citando siempre como fuente al Banco de España, y los cálculos propios si se indica que la fuente es el Banco de España; sin licencia general de propiedad intelectual. Cumple lo anterior.
• Verificación de las fuentes. El paso 2 de nuevo-indicador se delegó en el agente verificador-fuentes para DCC651, DCC652 y isoc_eb_ai. Confirmó los códigos vigentes, el último periodo (2026) y la ruptura de 2022 (Empresa Estadística, informe metodológico estandarizado de la ETICCE); no halló cambio de definición de la IA, y dejó sin revisar los cuestionarios del INE y las notas por variable de Eurostat.
• Cotejo. Dos cifras por serie contra una publicación distinta de aquella de la que se descarga (notas de prensa del INE de 2025 y 2026; para Eurostat, el blog del Banco de España y una consulta independiente de la tabla), en docs/auditorias/2026-11-01-cotejo-ia-empresas.md.
• Textos. Textos en lenguaje llano revisados uno a uno. Las fichas no tienen catálogo de títulos por idioma (ver D-071), así que no se traducen.

D-074 · 1 nov. 2026 · Léxico del Pleno ampliado: cualquier término en el tiempo, por grupo, citas en contexto y línea de cada dato (pre-registro)#

Escrito antes de exportar ningún fichero para la web. Lo único que se había hecho antes: reconstruir las tablas del vocabulario de D-047 en una copia de la base (lexico_vocabulario contar y frecuencias, reglas versión 2; cuadran exactamente con data/processed/lexico/vocabulario/resumen.json) y medir el peso de los ficheros con todos los términos (sin mirar ninguna cifra de ningún término ni grupo). Reglas en data/catalog/lexico_terminos.yaml (versión 1); método en docs/LEXICO.md, apartado 10; código en pipeline/pipeline/lexico_terminos.py.

• Fase 1. Término libre. Serie anual de cada término de 1 a 3 palabras del vocabulario (D-047): usos y usos por cada 10.000 palabras del Pleno (diputados y Gobierno), con un decimal. Mínimos: 20 apariciones en todo el Pleno de 1977 a hoy (con menos, una mención mueve demasiado la línea y casi todos son restos de OCR); un año con menos de 10.000 palabras va como null. Índice de autocompletado: los 30.000 más frecuentes.
• Nombres bloqueados (revisión de neutralidad). Ni en el índice ni en los ficheros: nombres de orador marcados en D-047; términos con dos palabras seguidas del nombre oficial de un diputado o miembro del Gobierno; palabras sueltas que son nombre o apellido de alguien de la tabla persona y van con mayúscula en el 80 % o más de los casos (salvo topónimos del INE y una lista corta de países e instituciones, revisada a mano sobre los 176 candidatos); siglas y nombres de grupos y partidos (lexico_grupos.yaml, formaciones.yaml). Las palabras corrientes que también son partido («podemos», «ciudadanos», «sumar») se quedan si van en minúscula en más del 20 % de los casos; sus nombres compuestos, no.
• Fase 2. Por grupo. Usos por cada 10.000 palabras de cada grupo (y del Gobierno) en cada legislatura, con los mínimos de LEXICO §3 y D-057: 20.000 palabras y 3 personas distintas. Solo proporción; el orden de los grupos es el de su primera legislatura y sus siglas, nunca la cifra.
• Fase 3. Citas. Como mucho 3 por término y año, de 25 palabras o menos, literales del texto de la intervención (sin acotaciones). Muestra con semilla fija repartida por unidades (grupo, Gobierno o sin grupo): la primera intervención de cada unidad según md5(semilla|término|intervención), con las unidades en orden md5(semilla|término|año|unidad), y así hasta 3; una unidad no repite mientras quede otra. No se usan «las primeras del año» (propuesta inicial): en una sesión el orden de palabra es fijo y favorecería siempre a los mismos (revisión de neutralidad, 01-11-2026). Cada cita lleva fecha, legislatura, Diario, página del PDF, URL oficial del manifiesto, la marca del orador y su grupo.
• Fase 4. Línea de cada dato. Para cada pareja de data/catalog/lexico_datos.yaml, el recuento del término exacto con el método del diccionario (lexico.coincidencias) y, si tiene concepto, con las exclusiones «no_cuentan» de ese concepto; nunca el total del concepto ni el término libre sin exclusiones. Se marcan los años casi a cero (menos de 0,05 por 10.000) y si el término es de una forma histórica.
• Peso. Medido antes de fijar estas reglas: con los 151.476 términos que pasan el mínimo, la serie anual ocupa 37,5 MB en bruto y 5,8 MB comprimidos (zlib, como git); por grupo, 167 MB en bruto y 6,7 MB comprimidos. Por eso la fase 2 se limita al índice y las citas a los términos más frecuentes que quepan en 12 MB comprimidos (medido con los 50 de la muestra: 0,8 MB), empezando por los 2.000 más frecuentes; el resto queda en un proceso reanudable (lexico_terminos citas --terminos N).
• Procedencia. data/processed/lexico/terminos/exportacion.json guarda las reglas, la huella de la base (recuentos y sumas de sus tablas), la huella de cada fichero publicado y la sha256 del PDF de cada Diario citado. pipeline.provenance lo comprueba sin la base; con la base, lo reproduce.
• Avisos. Hablar de algo no es hacerlo; un término puede usarse para defender o para criticar; el sentido de las palabras cambia; de 1977 a mediados de los noventa el texto es OCR (recuentos mínimos); la base se construyó con la regla de segmentación anterior a la corrección de roles de las Comisiones (como mucho 9 intervenciones del Pleno, ver arriba).

Resultados y enmiendas de D-074 (01-11-2026)

• Nombres bloqueados. La regla de siglas pasa a una lista cerrada (nombres_bloqueados.siglas) y se añaden los topónimos en otras lenguas, antes de exportar: con la regla derivada de los nombres largos se bloqueaban «unión europea», «naciones unidas» o «comunidad de madrid». De los 151.476 términos con 20 apariciones o más quedan 150.966.
• Formato acordado con la web (rama lexico-web): prefijo sin espacios; _indice.json como lista simple con tildes; legislaturas de _grupos.json como {id, desde, hasta}, con la XV abierta; todos los grupos en _grupos.json (también los que no llegan a los mínimos, porque salen en las citas) con pub.
• Citas. Presupuesto de 12 MB comprimidos (fijado tras medir la muestra de 50 términos, antes de la exportación completa): 780 términos, 116.691 citas en 38.927 términos y años, de 1977 a 2026, de 3.377 Diarios. Página: por contexto en el 99,6 % de las que cruzan página; en 1.021 de las 297.948 calculadas, la primera página de la intervención.
• Peso. En bruto 139 MB (t 37, g 59, c 42, d 0,2); comprimido como git (zlib) 20,4 MB; con brotli 14,8 MB. 61 ficheros pasan de 60 KB con brotli (los prefijos más comunes: «co», «pr», «re», «de», «in»; el mayor, 421 KB en c/).

Segunda enmienda de D-074 (01-11-2026): peso y bloqueo simétrico

Pedida por el coordinador tras ver los resultados; las reglas suben a la versión 2 de lexico_terminos.yaml.

• Bloqueo simétrico. Se quita el umbral de mayúsculas para grupos y partidos: con él, «popular» (95 % con mayúscula) quedaba bloqueado y «socialista» (79 %), no. Ahora se bloquea solo una lista cerrada: siglas (todas presentes en lexico_grupos.yaml o partidos.yaml), nombres de varias palabras de grupos y partidos (lexico_grupos.yaml, partidos.yaml y formaciones.yaml) y sus trozos con dos palabras con contenido, y «grupo X» / «partido X». Las palabras corrientes solas se permiten todas por igual («popular», «socialista», «comunista», «nacionalista», «republicana», «obrero», «unidos», «podemos», «sumar», «ciudadanos»). Prueba: test_bloqueo_simetrico_de_partidos. Las reglas de personas no cambian (nombre de orador de D-047, pareja de palabras de un nombre oficial y apellido suelto con mayúscula en el 80 % de los casos, igual para todas las personas).
• Peso (objetivo: menos de 50 MB en bruto por despliegue). Los ficheros ya no llevan la tasa f: la calcula la web con los usos y las palabras (t/_anos.json, g/_grupos.json → palabras de cada legislatura de pub, d/_palabras.json). g/ lleva los usos solo en las legislaturas de pub y cubre los 10.000 términos más frecuentes. Las citas son 2 por término y año (antes 3) para los 780 términos de la primera tanda. El mínimo de la serie anual sube de 20 a 40 apariciones (96.086 términos; con 20 serían 150.994 y 7 MB más).
• Resultado. 48,2 MB en bruto en 849 ficheros (t 13,2; g 6,6; c 28,3; d 0,1), 13,4 MB comprimidos como git y 10,1 MB con brotli; 39 ficheros pasan de 60 KB con brotli (el mayor, c/co.json, 293 KB). 77.820 citas de 3.373 Diarios, de 1977 a 2026.

D-075 · 2 nov. 2026 · Léxico del Pleno: el año en que naciste, la primera vez que se dijo, palabras que suben y bajan y tal día como hoy (pre-registro)#

Pedido por el titular: nuevos usos de los Diarios de Sesiones para el lector, con tarjeta para compartir. Reglas en data/catalog/lexico_usos.yaml (versión 1), guardadas en git en un commit propio antes de calcular ninguna cifra de estos usos. Antes solo se habían mirado los títulos del orden del día de los Plenos de un 2 de noviembre, para ver su calidad (OCR, fragmentos, nombres de diputados en las preguntas, asuntos repetidos), y el peso de lo publicado en D-074. Código: pipeline/pipeline/lexico_usos.py; método para el lector, docs/LEXICO.md, apartado 11.

• Mismas intervenciones que D-074 (Pleno, diputados y Gobierno, Diarios que cuadran) y mismos términos de la serie anual, con sus bloqueos. La base conserva la regla de roles anterior a D-051, como en D-074. Las tablas del vocabulario se reconstruyen hoy con las reglas versión 2.
• El año en que naciste. Para cada año de 1977 a 2026: las 15 palabras y las 10 expresiones más características frente a los demás años (Dunning, solo sobrerrepresentadas, G2 ≥ 15,13, 10 usos o más), las palabras del Pleno, los Plenos y las 10 primeras veces más usadas de ese año.
• Palabras que suben y bajan. Cada década frente a la anterior (la de 1970 es 1977-1979): 15 que se dicen más y 15 que se dicen menos, con 20 usos o más. Sin verbos de juicio («nacen», «mueren»).
• La primera vez que se dijo. Para los 30.000 términos del índice, la primera intervención que lo contiene, con su cita, página y enlace. Corte izquierdo: lo que ya aparece en 1977-1978 no lleva fecha («ya se decía»). 60 destacados con página propia, por usos totales y sin elegir a mano.
• Tal día como hoy. Los Plenos de cada día del calendario con hasta 3 asuntos legislativos del orden del día del Diario, sin autor (ni grupo ni persona, igual para todos), sin preguntas, interpelaciones, mociones ni proposiciones no de ley. En los escaneados, solo títulos cuyo texto pasa una prueba fija de vocabulario.
• Nada que nombre a una persona en las listas. Además del bloqueo de D-074, en las listas no entra ningún nombre propio de persona (mayúscula en el 80 % o más de los usos, salvo topónimos y una lista de excepciones hecha a mano con la pregunta «¿nombra a una persona?»). Solo entran términos dichos por 3 unidades distintas (grupos o Gobierno) en el periodo.
• Revisión de neutralidad y legal antes de publicar, con dos preguntas concretas: si la cita de la primera vez señala a una persona más que una cita al azar, y si la lista «se dicen menos» puede leerse como editorial.

Notas de aplicación (2026-11-02, sin cambiar ninguna regla). El YAML no se podía leer (un : sin comillas en pesos.objetivo); se entrecomilló esa línea. Dónde la regla admitía dos lecturas: «varias unidades» en bajan se cuenta en la década anterior (el periodo donde el término se dice más y donde está el mínimo de 20 usos); en suben, en la década. En «tal día», el filtro «don/doña/señor/señora» se aplica después de quitar el autor (así un grupo Mixto con «(señora X)» en el autor no pierde sus asuntos frente a los demás). Se exige al menos 3 palabras de objeto tras el tipo. No son regla y no se aplican: los títulos que el Diario corta a media frase se miden (truncado, DESCARTAR_TRUNCADOS = False) y se publican. Las excepciones de nombres propios siguen vacías hasta la revisión de candidatos_nombres.json.

Enmienda de D-075 (2026-11-02), versión 2 de lexico_usos.yaml, tras ver los resultados de la versión 1 y antes de publicar. La versión 1 publicaba errores de reconocimiento en las listas de los años escaneados («senor», «quc», «provecto», «lev»), palabras vacías en catalán en 2026 y en los destacados («per», «els», «amb», «això»), títulos cortados a media frase (16 %) y cifras mal leídas («511985»). Cambios, iguales para todos los años, términos y sesiones:

• Excepciones de nombres propios, revisadas a mano sobre los 250 candidatos con la pregunta «¿nombra a una persona?»: entran 180 (países, organismos, siglas, leyes, empresas, barcos, operaciones y acontecimientos). Quedan fuera 35 que nombran a una persona, 26 que son nombre de un grupo o partido (o del Gobierno por su partido) y se escapaban del bloqueo de D-074 por la lengua o la mayúscula, y 9 restos de imprenta o de OCR. La lista y los descartes están en el YAML. Quedan dentro nombres de casos judiciales («gürtel», «caso gürtel»), que no nombran a una persona: se señala para la revisión de neutralidad.
• OCR en las listas: una palabra de un término debe decirse en los Diarios digitales al menos a 1/100 de su tasa en los escaneados.
• Palabras vacías en catalán, gallego y euskera (lista cerrada en el YAML).
• Tal día: fuera los asuntos cortados y los que llevan cifras de 5 o más dígitos sin barra; tipo de asunto con grafía fija.

Resultados de la versión 2 (2026-11-02). Entre año, década, primeras veces y destacados, los términos distintos que salían en las listas pasan de 1.019 (versión 1) a 1.079. De los 161 que dejan de salir, 19 caen por la tasa digital/escaneado (OCR), 31 por ser solo palabras vacías de catalán, gallego o euskera, y 111 quedan desplazados (por las excepciones de nombres propios, que dejan los candidatos en 74, y por los asuntos y términos que suben a ocupar su sitio). En «tal día», los asuntos publicados pasan de 3.064 a 2.691 (sesiones con alguno, de 1.502 a 1.398) por descartar los cortados y los de cifras largas. Quedan, por las reglas tal cual: palabras de menos de 3 letras de reconocimiento óptico («cl», «cn» en 1985), «ano»/«anos» (existen en los Diarios digitales), y palabras en catalán que no están en la lista cerrada («estat», «avui», «llei», «govern» en 2026).

Segunda enmienda de D-075 (2026-11-02), versión 3, tras ver los resultados de la versión 2 y antes de publicar. (1) La regla de OCR se aplica por tasas, tal como está escrita: la versión 2 la había relajado al dejar «ano» y «anos» porque existen en los Diarios digitales. (2) Fuera los términos con palabras de 1 o 2 letras que no son vacías («cl», «cn»). (3) Lenguas cooficiales: desde septiembre de 2023 se pueden usar en el Pleno, y la lista de 2026 se llenaba de palabras catalanas corrientes («estat», «avui», «llei»). Las listas de años y décadas son de vocabulario castellano: cada palabra debe decirse de 1977 a 2022 al menos a 1/100 de su tasa de 2023 a 2026, igual para todas las lenguas. Sus palabras siguen contando en el total y la página lo avisa. Quedan sin arreglar algunos asuntos cortados que truncado no detecta («…y la lucha»): se anota y se publican.

Resultados de la versión 3 (2026-11-02). Términos distintos en las listas de años, décadas y primeras veces: 1.052 (versión 2) a 1.050. Caen 10 por la regla de palabras de 1 o 2 letras («cn», «re», «ci», «fe pública»…) y 20 por la de lenguas cooficiales («senyor ministre», «reial decret», «estat», «persones»…); por el filtro de OCR, ninguno más. La regla de OCR ya se aplicaba tal cual desde la versión 2: «ano» se dice en los Diarios digitales a 1/15 de su tasa en los escaneados (3,6·10⁻⁶ frente a 5,6·10⁻⁵) y «anos» a 1/10, por encima de 1/100, así que siguen entrando en 1985. Para que cayeran haría falta un umbral de 1/10 o más (y «anos» está en el límite). Las lenguas cooficiales se miden con la XV legislatura (desde el 17-8-2023) frente a las anteriores, porque la base no trae el vocabulario por año.

Tercera enmienda de D-075 (2026-11-02), versión 4, tras ver los resultados de la versión 3 y antes de publicar. (1) «ano» y «anos» seguían en 1985: la regla de tasas no basta porque «ano» existe. Se añade una regla para el error de la ñ: fuera la palabra que, con una «n» cambiada por «ñ», da otra 100 veces más frecuente en los Diarios digitales. (2) Simetría de partidos: en 2024 entraban «sumar» y «partido», mientras «popular» caía por la mayúscula. Ahora quedan fuera de las listas de años y décadas todas las palabras corrientes que son nombre de partido (lista de D-074) y «partido». (3) «royo» (Pérez Royo) pasaba como topónimo (El Royo, Soria): la excepción de topónimos se limita a municipios de 20.000 habitantes o más, provincias y comunidades.

Resultados de la versión 4 (2026-11-02). Términos distintos en las listas (años, décadas, primeras veces y destacados): 1.078 (versión 3) a 1.077. Caen 2 por «ñ leída como n» («ano», «anos»), 4 por palabras de partido («comunista», «ciudadanos», «partido», «sumar»; la regla se aplica a las listas de años y décadas y al término que es exactamente esa palabra) y 18 por la excepción de topónimos solo para municipios de 20.000 habitantes o más («anchuras», «bonilla», «guardia», «reinosa», «tous», «gernika»…, y términos con ellos). Población: último padrón del INE del repositorio (municipios-20261026T102728Z.json, 2025, definitivo): 432 municipios con 20.000 o más habitantes, 49,1 millones en total. Quedan dentro, por la excepción de topónimos, estos términos de una palabra con mayúscula en el 80 % o más de sus usos: aragon, asturias, balears, barcelona, cantabria, catalunya, cataluña, ceuta, ebro, galicia, illes, linares, lleida, prat, teruel, toledo, union, valencia. Se señala «union» (La Unión) para la revisión.

Cuarta enmienda de D-075 (2026-11-02), versión 5. La regla de topónimos de la versión 4 dejaba fuera 18 términos. Revisados a mano con la misma pregunta («¿nombra a una persona?»): entran 16 como excepción (Cortes, Guardia Civil, Cuba, Gernika, Formentera, Altos Hornos, presa de Tous, Reinosa…) y quedan fuera «royo» y «bonilla», que son apellidos. Nueva lista cerrada comunes.fuera con dos nombres de partido o grupo que se escapaban del bloqueo de D-074: «unión valenciana» y «socialistas de cataluña».

Resultados de la versión 5 (2026-11-02). Términos distintos en las listas: 1.077 (versión 4) a 1.080. Quedan fuera «unión valenciana» y «socialistas de cataluña» (comunes.fuera, en todas las listas) y, al revisar los topónimos a mano, entran otros términos en su lugar; salen del conjunto, desplazados por ello, «antiterrorista», «autonoma valenciana», «bloque constitucional», «comunidad autonoma valenciana», «crisis financiera», «libro blanco», «mercado», «plusvalias», «politica industrial», «reforma del estatuto» y «tres años».

Quinta enmienda de D-075 (2026-11-02), versión 6, tras la revisión de neutralidad y la legal, antes de publicar. La revisión de neutralidad encontró nombres de grupo en las listas («izquierda», «minoría», «agrupación», «do partido»), autores sin quitar en unos 14 asuntos de «tal día», proposiciones no de ley mal clasificadas, trozos de palabras partidas en años digitales («presi dente», «ción»), primeras de 2023 en catalán y el saludo «bona tarda». Cambios, iguales para todos: (1) fuera los términos con una palabra de nombre de grupo o partido que va con mayúscula el 50 % de las veces o más (umbral fijado tras medir esas palabras, no los resultados); (2) fuera las etiquetas de bloque ideológico, todas («izquierda», «derecha», «ultraderecha», «extrema izquierda»…), porque la lista no dice quién las usa; (3) cada palabra en 3 legislaturas o más; (4) la regla de lenguas también en las primeras; (5) más palabras vacías («bona», «tarda», «ciento», «creo»…); (6) en «tal día», fuera los asuntos con nombre de grupo o «insta al Gobierno».

• Notas de la revisión, sin cambio de regla. Los casos judiciales salen a los dos lados (GAL y fondos reservados en 1994-95, Gescartera en 2001, «gürtel» en las primeras de 2009, Plus Ultra en 2021, «fiscal general» en 2025). Pero los casos con nombre de persona (Bárcenas, Koldo) quedan fuera por la regla de nombres, así que el nombre que recibe cada caso decide si sale. «Gürtel» es el apellido Correa en alemán; se deja porque es el nombre del caso, no el de una persona. En «tal día», unos dos tercios de los asuntos son del Gobierno de turno (proyectos de ley y reales decretos-leyes), porque se quitan las preguntas, mociones y PNL, que son sobre todo de la oposición; lo dice el método. Los títulos los pone quien presenta el asunto. La primera aparición casa con la palabra y no con su sentido («euros» en 1992 es un registro): lo dice la página.
• Presentación (sin cambio de cifras): «palabras que más destacan frente a los demás años», no «que más se dijeron»; la década de 2020 llega a 2026; la tarjeta de la primera vez no lleva el nombre del orador (sí la página, con aviso de OCR en los escaneados y «la frase es del orador, no de Al dato»); fuente «Congreso de los Diputados, Diarios de Sesiones. Elaboración: Al dato»; nivel de evidencia descriptivo.

Resultados de la versión 6 (2026-11-02). Términos distintos en las listas: 1.080 (versión 5) a 1.074. Caen 18 por palabras de grupo («nueva izquierda», «izquierda iniciativa», «partido liberal», «cristiana»…), 4 por etiquetas de bloque («izquierda», «derecha», «ultraderecha», «extrema derecha»), 18 por trozos de palabra (en 3 legislaturas o menos: sobre todo palabras en catalán como «empreses», «qualsevol», «realitat», y siglas como «lomloe», «ceta»), 6 por palabras vacías extra («bona tarda», «etc», «creo», «ciento», «par», «etcétera») y 1 por la regla de lenguas en las primeras («llei»). «Tal día»: 2.691 asuntos a 2.674 (sesiones con alguno, 1.398 a 1.394); una búsqueda aparte con las siglas y los nombres de grupo y partido de los catálogos no encuentra ninguno en los asuntos publicados. Aviso: la regla de trozos de palabra tal cual (cada palabra en voc_forma en 3 legislaturas o más) no quita los trozos que motivaron la enmienda: «ción», «mente», «presi», «dente», «pre», «pro», «lidad», «miento» aparecen en 10 a 16 legislaturas (la mayoría de sus usos son de la IX) y siguen en la lista de 2011.

Sexta enmienda de D-075 (2026-11-02), versión 7. La regla de trozos de palabra de la v6 (estar en 3 legislaturas) no quitaba los trozos de 2011 y sí quitaba palabras reales («lomloe»). Se sustituye por una regla para el defecto ya medido en la IX (palabras partidas a final de línea, D-044): fuera las palabras cuya tasa en la IX es 10 veces o más su tasa en el resto de los Diarios digitales. El umbral se fijó midiendo los trozos señalados por la revisión y palabras reales concentradas en otras legislaturas; «pro» queda dentro.

Resultados de la versión 7 (2026-11-02). Sustituye la regla de trozos de la v6 por la de la tasa en la IX (10 veces o más la del resto de VI-XV). Términos distintos en las listas: 1.074 a 1.069. Salen, entre otros, «presi», «dente», «lidad», «ciones», «cion», «mente», «miento», «pre», «cri», «presu», «presi dente», «presu puestos», «auto nomas»; vuelve «lomloe». Siguen en las listas de 2009 a 2011 los trozos con tasa en la IX por debajo de 10 veces: «guez», «pro» (6,6), «auto», «dades», «sis tema».

Séptima enmienda de D-075 (2026-11-02), versión 8. Con la regla de la v7 quedan trozos de la IX por debajo del umbral («guez», «rodri», «dades», «sis tema»). La proporción no los separa de palabras reales de esa legislatura («liquidez» 5,5; «cajas» 6,8), así que no se baja el umbral: los cuatro van a la lista cerrada fuera, revisados a mano. «pro» y «auto» son palabras y se quedan.

Resultados de la versión 8 (2026-11-02). Solo cambia comunes.fuera (se añaden «guez», «rodri», «dades», «sis tema»). Datos regenerados.

Octava enmienda de D-075 (2026-11-02), versión 9. A la lista cerrada fuera van los trozos de 1998 («rma», «rno», «ros», que señaló la revisión) y los restos de direcciones web («http», «www»).

Resultados de la versión 9 (2026-11-02). Solo cambia comunes.fuera (se añaden «rma», «rno», «ros», «http», «www»). Datos regenerados.

Pantalla Herramientas (2026-11-02). La tarjeta «Tal día como hoy» no enseña asunto los días 11-11, 11-12 y 11-13 (los dos previos y el de la votación de las generales del 13-11-2026: solo «N Plenos tal día como hoy desde 1977»); el resto de días elige, entre los Plenos con un asunto completo (sin cortar a media frase), el de índice (año en curso) mod n en orden de fecha. Pendiente del pipeline: un asunto trae «Cataluna» sin eñe (se muestra corregido, el dato no se ha tocado).

D-076 · 2 nov. 2026 · Léxico del Pleno: el dato junto a la palabra y dónde se habló más cada año (pre-registro)#

Pedido por el titular. Reglas en data/catalog/lexico_contexto.yaml (versión 1), guardadas en git en un commit propio antes de calcular ninguna cifra. Antes solo se habían mirado el formato de site/public/lexico/d/ y el número de emparejamientos (191, 79 con concepto).

• El dato junto a la palabra. Para los 191 datos emparejados en D-074: el dato oficial y, debajo, con el mismo eje de años, los usos del término en el Pleno por cada 10.000 palabras, con franjas de gobierno. Siempre dos gráficos alineados, nunca dos ejes verticales en el mismo gráfico, y ningún coeficiente de correlación: solo se ponen uno junto al otro, con el aviso de que moverse a la vez no es causar.
• Dónde se habló más. Para cada concepto y año (5 menciones o más), las 3 sesiones del Pleno con más menciones y el asunto del orden del día bajo el que se dijeron. Aquí entran todos los tipos de asunto, también interpelaciones, mociones y proposiciones no de ley, para que los picos no se expliquen solo con iniciativas del Gobierno. Se aplican los filtros de «tal día» (D-075 v9): sin autor, sin personas ni grupos, sin títulos cortados ni texto de OCR dudoso. No se dice quién habló.
• Revisión de neutralidad antes de publicar. Nada se despliega sin permiso del titular.

Resultados de «dónde se habló más» (2026-11-02, reglas v1 sin cambios). 59 conceptos publicados (sin «república», retenido), 2.621 años con 5 menciones o más y 7.571 sesiones (hasta 3 por año). Las cifras por año coinciden con las de la página del concepto en 2.930 de 2.950 celdas; en 20 difieren en 1 a 4 menciones (recuento de los PDF frente a la base), sin efecto en la selección salvo empates. Con asunto: 2.535 sesiones (33,5 %): proposiciones de ley y no de ley 761, proyectos de ley 539, interpelaciones 437, mociones 329, preguntas 206, reales decretos-leyes 179, comparecencias 84. Sin asunto (66,5 %): el punto con más menciones no tiene punto (22 %), no es de un tipo reconocido (32 %, p. ej. comunicaciones, convenios, elecciones, títulos que el Diario corta antes de decir el tipo) o no pasa los filtros (12 %). Interpretaciones al aplicar la regla, sin cambiar sus criterios: (1) pregunta: el asunto es el texto tras «que formula…:» y solo si empieza con «¿» y acaba en «?» (si no, título cortado o mal leído), con «Pregunta sobre» como tipo y tilde en la primera palabra interrogativa («¿qué», «¿por qué»); (2) un punto con varios trozos usa el primero que pasa los filtros; (3) los nombres bloqueados de D-074 son los de su tabla de personas y (4) se descarta el resto del encabezado de página («c Ongreso») dentro del título. Vistos y sin filtro por no estar en esas listas: Lluís Companys (2 asuntos de memoria histórica), Donald Trump (1), Arafat (1) y Husein Bachir Brahim (1, comparecencia de 2019 sobre su deportación); a decidir en la revisión de neutralidad antes de publicar. Los títulos de comparecencias, preguntas e interpelaciones reproducen la redacción de quien los pide, con adjetivos que no son de Al dato.

Enmienda de D-076 (2026-11-02), versión 2, tras ver los resultados de la versión 1 y antes de publicar. En los asuntos salían nombres de personas que no son parlamentarias (Lluís Companys, Donald Trump, Arafat y un particular, en una comparecencia sobre su deportación), porque el bloqueo de D-074 solo conoce a parlamentarios. Ahora queda fuera todo asunto con un nombre propio de persona según la regla de D-075, o con texto entre comillas (citas y calificativos de quien presenta la iniciativa, como «pésima campaña»). Las preguntas se escriben «Pregunta: ¿…?». La web dice que los títulos son de quien presenta la iniciativa.

Resultados con la versión 2 (2026-11-02). Mismas 7.571 sesiones y 2.621 años en 59 conceptos; con asunto 1.524 (20,1 %, antes 33,5 %): proposiciones 615, proyectos 379, reales decretos-leyes 164, interpelaciones 163, mociones 134, preguntas 51, comparecencias 18. La bajada viene de la regla de nombres propios aplicada tal cual: «Gobierno» y «Estado» van con mayúscula en el 80 % o más de sus apariciones y no están en las excepciones de lexico_usos.yaml, así que quedan fuera todos los asuntos que las llevan (607 y 226 de los de la versión 1); también caen los que citan «Administración», «Consejo», «Comisión», «Tribunal» o «Hacienda». Las preguntas con «¿» y sin comillas son 51 (antes 206). Si se quiere recuperar cobertura sin dejar pasar personas, la vía es añadir esas palabras institucionales a las excepciones (cambio de reglas, versión 3).

Segunda enmienda de D-076 (2026-11-02), versión 3. La regla de nombres de la v2 quitaba asuntos por palabras de institución con mayúscula («Gobierno», «Estado», «Consejo», «Tribunal»): la cobertura bajó del 33,5 % al 20,1 %. Se añade una lista cerrada de palabras de institución que no nombran a nadie, válida solo en los asuntos, y fuera los trozos de OCR de dos letras con mayúscula («Co»).

Resultados con la versión 3 (2026-11-02). Con las instituciones como excepción solo en los asuntos y los restos de 1-2 letras con mayúscula fuera: con asunto 2.294 de 7.571 sesiones (30,3 %; v1 33,5 %, v2 20,1 %), 774 recuperadas respecto a la v2. Por tipo: proposiciones 692, proyectos 514, interpelaciones 404, mociones 288, reales decretos-leyes 169, preguntas 161, comparecencias 66. Ningún asunto recuperado nombra a una persona en la muestra revisada.

Tercera enmienda de D-076 (2026-11-02), versión 4, tras la revisión de neutralidad y antes de publicar. Cambios en los asuntos, iguales para todos: (1) todas las comillas, no solo «» y “”; (2) «Interpelación urgente a la ministra…» sin «sobre»; (3) fuera los títulos cortados en «ley», «orgánica», «artículo» o «red»; (4) más filtros de OCR (trozos partidos, ñ leída como n, palabras que no existen en los Diarios digitales); (5) tabla cerrada de grafías; (6) fuera las consignas y etiquetas de bloque de una lista cerrada («invasión migratoria», «separatistas», «golpistas», «fascistas»…), como en las listas de D-075; (7) fuera los asuntos que se refieren a alguien por su situación penal; (8) el asunto solo se publica si bajo él hubo 5 menciones del concepto o más, para no mostrar debates que solo coinciden con el concepto por una palabra. Notas de la revisión: la selección por tipo no favorece a nadie (39-43 % de iniciativas no legislativas bajo todos los gobiernos desde 1982), pero los años antiguos tienen menos títulos legibles (4 % con UCD frente a 49 % desde 2018), y la web lo dice. Las organizaciones (ETA, OTAN) no son personas y se quedan. Pareja con algo de carga anotada para revisar en otra fase: «plan de recuperación» (nombre del plan del Gobierno) para un dato del mecanismo de la UE.

Resultados con la versión 4 (2026-11-02). Con todas las enmiendas de la versión 4 (comillas de todo tipo, «a la/al» sin «sobre», títulos cortados, errores de reconocimiento, tabla de grafías, consignas, situación penal y mínimo de 5 menciones bajo el punto): con asunto 1.807 de 7.571 sesiones (23,9 %; v3 30,3 %). Por tipo: proposiciones 551, proyectos 420, interpelaciones 334, mociones 231, reales decretos-leyes 142, preguntas 79, comparecencias 50. Comprobado en los ficheros: ninguna comilla, ningún «sobre a la» ni «sobre al», ningún término de la lista de consignas. Quedan, por no estar en las listas cerradas: «sobre en/de/que…» tras el tipo (p. ej. «Interpelación sobre en materia de…») y «imputados» en plural (1 moción).

Cuarta enmienda de D-076 (2026-11-02), versión 5. El prefijo sin «sobre» vale para cualquier objeto que empiece por preposición o conjunción (19 casos de «sobre en/de/que…»); la situación penal, también en plural; tildes de interrogativos y «está» + gerundio con una lista cerrada.

Resultados con la versión 5 (2026-11-02). Prefijo general (sin «sobre» ante cualquier preposición o conjunción), plurales de situación penal y tildes de la lista cerrada: con asunto 1.806 de 7.571 sesiones (23,9 %). Por tipo: proposiciones 551, proyectos 420, interpelaciones 334, mociones 230, reales decretos-leyes 142, preguntas 79, comparecencias 50. Comprobado: ningún «sobre» seguido de preposición o conjunción ni términos de situación penal (los de las listas; «investigadores» como profesión no es «investigados»). «Sobre que medidas» pasa a «sobre qué medidas» (2 asuntos), ampliación mínima de la lista de tildes.