PROTOCOLO TÉCNICO ANÁLISIS GEOESPACIAL

## Relevancia del análisis geoespacial

Desde una perspectiva general, el análisis geoespacial se refiere al proceso de recopilar, procesar y analizar datos que incluyen información que permite representar tal registro en clave cartográfica (Franklin & Junglee, 2021). Ello supone que las observaciones de las cuales se dispone información, estén asociadas a ubicaciones territoriales específicas. Esto puede referir a un sistema de coordenadas cartográficas (latitud y longitud), direcciones, códigos postales, entre otros.

Estas herramientas de análisis han ganado predominancia gracias al acelerado desarrollo de distintos sistemas de construcción y divulgación, así como técnicas de procesamiento y análisis, aplicadas a la información territorial (Cura, 2019). La disponibilidad de grandes volúmenes de información espacial tanto en formatos estructurados como no estructurados imponen la necesidad de recurrir a técnicas y metodologías computacionales del campo de la Ciencia de Datos para recopilar, procesar y analizar este tipo de información (Barik et al., 2017; Crespo et al., 2022).

La literatura especializada destaca la utilidad del análisis geoespacial para construir soluciones o responder a preguntas que orienten la toma de decisiones (Franklin & Junglee, 2021), con especial énfasis cuando se logran integrar distintas fuentes de información de nivel territorial. Los resultados obtenidos toman la forma de visualizaciones fijas o interactivas, reportes, etc. En relación a sus usos para campañas político electorales destaca su potencialidad para describir y comprender la geografía del poder y la representación (Forest, 2018), y funciona como un complemento para otros métodos de caracterización del público electoral objetivo tales como distintas herramientas cualitativas (eg. grupos focales) o encuestas políticas a nivel local (Zaini et al., 2024).

## Propuesta metodológica: fundamentos del análisis geoespacial electoral

Nuestra propuesta de trabajo se centra en dos aspectos principales. Primero, utilizamos tecnología avanzada, especialmente servidores en línea de alta capacidad (Microsoft Azure), para procesar computacionalmente (Python) y de manera rápida grandes volúmenes de información. Segundo, para cartografiar ubicaciones, utilizamos algoritmos de pago (eg. Maps, Azure) alcanzando así una precisión superior al 85% de los registros.

La metodología que proponemos tiene como principio vincular resultados electorales a nivel de mesa con datos de alcance individual ubicados en un territorio electoral de interés. Para ello procedemos de la siguiente manera. En primer lugar, seleccionamos mesas electorales objetivo cuyos resultados sean favorables o de interés para la estrategia política que persigue el equipo político a cargo de la campaña. En segundo lugar, replicando el algoritmo utilizado por el SERVEL para la asignación de locales de votación, asociamos el registro público de electores individuales con las mesas electorales objetivo. En tercer lugar, seleccionamos la totalidad de electores de interés, es decir aquellos que forman parte de las mesas electorales objetivo para la estrategia indicada. Finalmente, georreferenciamos la ubicación de cada uno de los registros de interés. Este proceso nos permite alcanzar un doble objetivo: identificar una masa electoral objetivo, y contar con datos geoespaciales detallados para insumar el proceso de campaña electoral territorial.

Con estos datos electorales procesados de acuerdo con las necesidades electorales estratégicas de nuestra contraparte, podemos crear diferentes formas de representación: densidad de puntos, polígonos de interés, diagramas voronoi, entre otros (Zaini et al., 2024). Esto facilita la gestión de la información y su uso como herramienta estratégica para desplegar equipos políticos en áreas específicas. De tal modo, este insumo permite maximizar las capacidades de disputa electoral y gestión de recursos de un equipo de campaña (Forest, 2018; Zaini et al., 2024).

A continuación ofrecemos tres ejemplos sobre el tipo de análisis y productos que desarrollamos. El Ejemplo 1 visualiza el resultado del proceso de geolocalización mediante un mapa de frío interactivo: muestra la ubicación territorial de los votos de un contrincante político, al interior de una zona de interés con alta concentración de puntos. El Ejemplo 2 visualiza el resultado del proceso de geolocalización mediante un mapa de calor interactivo: muestra la ubicación territorial de los votos favorables a la propia posición política, visualizando también la delimitación de una zona de interés con alta concentración de puntos. Se trata de archivos en formato Html que permiten una rápida visualización offline. El Ejemplo 3 muestra la consolidación del análisis geoespacial como capas de un proyecto de Google Maps: esto permite socializar rápidamente los resultados del análisis geoespacial construido y emplearlo incluso desde dispositivos móviles.

### Referencias

Barik, R. K., Lenka, R. K., Ali, S. M., & Gupta, N. (2017). Geospatial Data Analysis. In *Big Data Analytics* (pp. 151-175). Springer.