De la fuente al dato: localizar, conservar, extraer y contrastar. Cada ausencia se declara y cada cifra conserva su procedencia.
Bronze conserva el documento y su huella; silver guarda el valor literal y su coordenada. Las comprobaciones determinan qué observaciones pueden publicarse en gold: 7.760.003 en estos extractos.
La identidad incluye universidad, título, centro, curso e indicador. Los centros no se promedian; las poblaciones de créditos y estudiantes no se convierten entre sí.
7.760.003 observaciones conservan su fuente. El literal llega intacto al dato.
Murcia publica cinco cursos en CKAN. El de 2019–20 desapareció de la fuente.
Caminante, almacén lateral y dos contadores.
Dos paneles; una celda y su registro se iluminan a la vez.
Coordinador, participantes, tres fases y confirmaciones.
Dos ramas compiten; detectar, comparar, declarar y elegir.
Un interruptor retira la fuente; el archivo conserva la copia.
Las 48 cajas cambian de estado en un bucle de cursos.
Son resultados publicados, no una medida de dificultad docente. El plan de estudios, el perfil de entrada, la modalidad y la base de cálculo pueden explicar diferencias entre universidades.
SIIU ofrece referencias de ámbito; no sustituye una tasa de título ni un dato por asignatura. Una cifra sin población publicada no permite inferir cuántas personas representa.
«No lo publica» se reserva a una ausencia documentada en la fuente. «Publicado con otra definición · ver» abre el dato literal en un carril separado, sin usarlo en comparaciones ni agregados. «Pendiente de extracción» señala datos publicados que aún no hemos leído. Cuando el censo no permite adjudicar la causa, se indica «Publicación por verificar». Los datos canónicos excluidos por plan o desglose dicen «Publicado · fuera de esta vista».
disponible · 2026-08-27
UNEIX publica por titulacion y centro, que es exactamente el grano de la Capa A, y ademas con el codigo RUCT nativo del titulo y del centro.
6.311 grupos (titulo, centro, curso) x 72 indicadores en la corrida completa de los 12 sistemas universitarios catalanes.
no_publicado_por_la_fuente · 2026-08-27
PRIMERA DE LAS TRES RESERVAS del ADR 0011. UNEIX no publica NADA por asignatura: su unidad minima de publicacion es la titulacion en un centro. No es un hueco de extraccion —no hay parser que lo cierre— sino el universo de publicacion de la fuente.
Las 42 entidades del modelo semantico enumeradas con POST explore/conceptualschema: ninguna tiene grano de asignatura. FactUneix se desagrega por sexo, nacionalidad, edad, estudios familiares, via de acceso y nota de acceso, nunca por asignatura.
no_publicado_por_la_fuente · 2026-08-27
TERCERA DE LAS TRES RESERVAS. El unico contraste posible al MISMO GRANO —titulo x centro— es contra QEDU, y no hay solape temporal, asi que puede confirmar el grano, la escala y la identidad del objeto, pero NO puede confirmar un valor. La comparacion (2) de scripts/reconciliar.py —mismo grano, mismo periodo, que es la unica que confirma valores— NO EXISTE para esta fuente.
El spike lo midio probando las tres ultimas etiquetas de AQU contra los dos cursos de QEDU: coincidencia exacta en 1/108, 0/109, 0/111, 1/111, 2/111, 0/110. Todo ruido. Lo que si quedo confirmado son 170 de 185 pares (RUCT, centro) casando byte a byte, y la nota de corte en la misma escala de 14 siguiendo al titulo uno a uno.
disponible · 2026-08-27
El benchmark del SIIU por (universidad, ambito) si esta disponible y con solape temporal completo, y es lo que confirmo cuatro de los diez mapeos.
595 de los 671 RUCT de AQU (88,7 %) tienen ambito declarado en core/vocab/titulacion_ambito_siiu.csv. Medianas del delta al nivel de detalle: TASA_RENDIMIENTO +0,00 (n=4.831), TASA_EXITO +0,00 (n=4.828), TASA_EVALUACION +0,00 (n=4.831), TASA_EFICIENCIA +0,09 (n=3.813).
no_publicado_por_la_fuente · 2026-08-27
Las cuatro medidas existen en el modelo y no tienen ni una celda con dato para Grau: son de doctorado, que esta fuera del modelo.
Medido sobre 6.311 grupos de Grau: XNumTesis, %TaxaTesisInternacionals, %TaxaDirectorsTrams y %TaxaDirectorsTramsVius devuelven 0 celdas con dato. Por eso NO se extraen: pedirlas produciria 25.244 observaciones vacias.
no_publicado_por_la_fuente · 2026-08-27
La fuente publica la nota de corte POR OFERTA, y una titulacion-centro puede tener varias ofertas con notas distintas. Al grano del proyecto —titulacion x centro— no hay UN valor en esos casos: hay varios, y elegir uno seria inventar el grano.
Medido: de 4.572 grupos con nota, 3.339 tienen una sola oferta y 1.233 tienen entre 2 y 7; de esos, 1.051 con notas DISTINTAS. Sumarlas —que es lo que hace la agregacion por defecto— da hasta 63,89 en una escala que llega a 14; con min/max el rango real es [5,0 , 14,0] y ni una sola supera 14.
disponible · 2026-08-27
PARCIALMENTE RESUELTO POR EL ADR 0012 (2026-08-27). Antes decia que la fuente publica la familia y que NO existia el canonico al que mapearla. El canonico ya existe: el catalogo paso de 36 a 41 codigos. TRES de las cinco estan MAPEADAS: %TaxaRendiment1r -> TASA_RENDIMIENTO_PRIMER_CURSO, %TaxaExit1r -> TASA_EXITO_PRIMER_CURSO y %TaxaPresentats1r -> TASA_EVALUACION_PRIMER_CURSO, confirmadas por identidad aritmetica a precision de doble. DOS siguen HUERFANAS y ya no por falta de codigo -TASA_ABANDONO_SUE_INICIAL y TASA_CAMBIO_INICIAL existen- sino por la VENTANA DE OBSERVACION: el SIIU decide el abandono mirando DOS cursos seguidos y el glosario de la EUC declara que AQU lo decide mirando UNO. Queda ademas un hueco de ESCALA: silver v1.0 guardo las tres mapeadas en tanto por uno porque eran huerfanas, y hasta la proxima re-extraccion (make pipeline SLUG=aqu) gold las sirve en tanto por uno mientras el catalogo dice porcentaje.
Medido 2026-08-27 sobre data/silver/aqu (6.311 grupos). Con dato: %TaxaRendiment1r 5.687, %TaxaExit1r 5.681, %TaxaPresentats1r 5.687, %TaxaAbando1r 5.022, %TaxaCanvi1r 5.022. Las cinco cierran su identidad interna contra sus propios contadores (max 0,0 o 1,11e-16) y las tres de credito cierran ademas la identidad oficial rendimiento = exito x evaluacion sobre la subpoblacion de primer curso (1,11e-16 sobre 5.681 filas). El denominador esta DEDUCIDO: %RatioTempsComplet1r = CreditsMatriculatsPrimerCurs/(60 x XNouAcces) cierra a 8,9e-16 sobre 5.554 filas, luego la poblacion son los estudiantes de nuevo acceso y no las asignaturas del primer curso del plan (mediana 59,66 creditos por estudiante, con 60 = un curso completo). La ventana del par abandono/cambio esta medida contra el SIIU: +1,55 / -1,62 pp por titulo (n=3.607) y +1,53 / -1,59 pp agregando los contadores propios de AQU al ambito del SIIU (n=1.675), por encima y por debajo en el 63,0 % y el 64,3 % de los casos, contra un control de +0,00 pp con el 89 % de las celdas dentro de 2 pp. La SUMA de los dos si cierra el total oficial: +0,15 pp agregado.
disponible · 2026-08-27
La fuente trae el RUCT del titulo (CodiMecTitulacio, 7 digitos) y el codigo de centro (CodiMecCentre, 8 digitos) de forma NATIVA. Es el hallazgo que hace barata esta alta: el puente titulo->RUCT deja de ser una reconstruccion por nombre y pasa a ser la verificacion de una clave que la fuente ya declara.
Medido sobre los 6.311 grupos: 0 RUCT que no sean 7 digitos, 0 centros que no sean 8 digitos, y 0 duplicados de (RUCT, centro, curso). El spike caso 170 de 185 pares contra QEDU byte a byte.
no_publicado_por_la_fuente · 2026-08-27
Las cuatro claves del nivel de referencia (ADR 0006) van VACIAS en esta fuente, como en todo conector que publica por titulo. La universidad no se pierde: esta dentro del RUCT del centro y en catalogo/dim_centro.
Decision de diseno alineada con QEDU, que tambien deja codigo_universidad vacio en silver pese a que el portal publica codUniv.
no_publicado_por_la_fuente · 2026-08-27
El modelo se llama «EUCEstudis (graus publics)» y trae grado y master, pero NO doctorado: no hay ni una titulacion de doctorado con serie en FactUneix.
Medido: los unicos NomTipusTitulacio con serie son Grau y Master Universitari. Las cuatro medidas de doctorado del modelo (XNumTesis, %TaxaTesisInternacionals, %TaxaDirectorsTrams, %TaxaDirectorsTramsVius) devuelven 0 celdas con dato sobre 6.311 grupos de Grau.
no_publicado_por_la_fuente · 2026-08-27
Los titulos pre-Bolonia no estan en el modelo. La serie empieza en 2013-14, cuando ya estaban practicamente extinguidos.
Los unicos NomTipusTitulacio con serie son Grau y Master Universitari.
hueco_de_extraccion · 2026-08-27
La fuente SI lo publica —1.182 titulaciones con serie, medido en el spike— y este conector NO lo extrae, por la regla de oro 2 del proyecto («Solo grados»). Es deuda NUESTRA, no una propiedad de la fuente, y por eso el estado es hueco_de_extraccion y no no_publicado_por_la_fuente. La distincion importa: esta se puede cerrar cambiando una linea de config.yaml (tipos_en_alcance) el dia que el proyecto admita master.
DimTitulacions.NomTipusTitulacio toma dos valores con serie: Grau y Master Universitari.
no_publicado_por_la_fuente · 2026-08-27
FactUneix no tiene datos antes de la etiqueta AQU 2014, que es el curso 2013-14. Se declara el curso FRONTERA —2012-13— y no un rango («2012-13 y anteriores»), porque una clave que no es un periodo real no se puede contar en silver y habria que declararla comprobable=no: es decir, apagar la vigilancia desde la configuracion. El axioma 18 rechaza justamente eso, y lo rechazo aqui. La regla vale para 2012-13 y para todos los cursos anteriores por igual.
Medido sobre la corrida completa: min(CalendariAnualAny) = 2014, que con la conversion codificada es el curso 2013-14. DimCalendariAnual llega hasta 2001 pero el HECHO no. Observaciones de aqu con periodo 2012-13 en silver: 0.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
disponible · 2026-08-27
Curso dentro de la ventana que publica FactUneix.
11 etiquetas de DimCalendariAnual con datos, de AQU 2014 a AQU 2024, que con la conversion codificada (AQU Y == curso (Y-1)-(Y)) son los cursos 2013-14 a 2023-24. Sin un solo hueco interno: 0 titulaciones con hueco sobre las que tienen serie.
no_publicado_por_la_fuente · 2026-08-27
TERCERA DE LAS TRES RESERVAS, en su forma temporal. La serie de AQU acaba en el curso 2023-24 (etiqueta AQU 2024) y QEDU publica 2024-25 y 2025-26. NO COMPARTEN NI UN CURSO.
Medido: max(CalendariAnualAny) = 2024 -> curso 2023-24. QEDU publica anioActual=2025-2026 y anioAnterior=2024-2025.
no_publicado_por_la_fuente · 2026-08-27
SEGUNDA DE LAS TRES RESERVAS. La fuente NO distingue los programas conjuntos: no publica ni un solo codigo del rango que el RUCT reserva a los PCEO. Un doble grado aparece, si acaso, dentro de la oferta de sus titulos componentes.
Medido sobre los 6.311 grupos de la corrida: los prefijos de CodiMecTitulacio son 25 (los 6.311). En la dimension entera de Grau (1.212 filas): 25 (1.053), 15 (155), 80 (3), 99 (1). CERO codigos con prefijo 70, que es el rango de los PCEO. QEDU marca 47 pares GRADOD para UB+UAB y ninguno casa con un RUCT de AQU. Los dos unicos nombres con barra son titulos bilingues, no dobles.
hueco_de_extraccion · 2026-08-31
LA FUENTE LA PUBLICA Y ESTE PROYECTO NO LA EXTRAE TODAVIA. No es una limitacion de la fuente: el Portal de Transparencia sirve 14 PDF con capa de texto limpia -Excel impreso a PDF- con el grano titulacion x centro y **el codigo RUCT del titulo en columna propia**, y los autoinformes de seguimiento por titulacion anaden ~20 indicadores, incluidas tasa de exito y tasa de evaluacion. La re-verificacion del 2026-08-31 tenia por encargo la Capa B, no construir el conector.
14 PDF de transparencia (7 de grado, 7 de posgrado; cursos 2017-18 a 2024-25 con hueco en 2023-24), 100 filas titulacion x centro en el de grado 2024-25, 22 centros, 85 RUCT distintos y 14 dobles grados. Mas ~30 autoinformes de cuatro centros y cuatro cursos, rescatados por la via de las paginas de centro. Corpus en ~/corpus-rendimiento/ehu/, pendiente de manifiesto canonico.
no_publicado_por_la_fuente · 2026-08-31
La UPV/EHU NO publica por asignatura. Es la sentencia de la re-verificacion del 2026-08-31, que agoto los cinco ejes que hicieron caer a ulpgc, usc y udl: lugar (sitemap entero, 20 centros, Portal de Transparencia, repositorio ADDI, Open Data Euskadi), formato (todas las extensiones enlazadas), nombre (criba por CONTENIDO, sin filtrar por nombre de fichero), vocabulario (los rotulos propios en EUSKERA, castellano e ingles) y cobertura (los 20 centros, no una muestra). La propia universidad CITA asignaturas con su numero de no presentados en PROSA dentro de sus planes de mejora -«Estadistica (1er curso, 2o cuatrimestre, 18 personas)», IPGA de Farmacia 2018-19-: tiene el dato en ARTUS/UNIKUDE y no lo publica en tabla.
499 paginas HTML crawleadas y 985 documentos abiertos uno a uno (45.379 paginas de PDF, 9 min 18 s de CPU). CERO tablas por asignatura. Criba estructural: el patron `^\\d{5}\\s+<Nombre>\\s+<numeros>` no aparece en NINGUN documento; el patron `^\\d{4,6}\\s*-\\s*[A-Z]` sale en 55 y los 35 que lo repiten tres veces o mas se abrieron uno a uno: los 35 son anos con trimestre (`2013-II`) de los estudios de insercion laboral de Lanbide y partidas de los tomos de presupuesto. El unico documento con «Cod. asignatura» es el Manual del SGIC de Medicina y Enfermeria, y la ocurrencia esta en la descripcion de un procedimiento. En euskera: `irakasgai` en 61 documentos y 534 ocurrencias, todas en prosa. Detalle en review-queue/ehu.md. || RE-AUDITADO EL 2026-08-31 CON EL DETECTOR ESTRUCTURAL VERSIONADO (scripts/barrido_estructural.py). La criba estructural que cito esta ficha era la de FILA QUE EMPIEZA POR CODIGO, y esa es justo la que da cero en la UGR y en la UV aunque la tabla este delante, porque sus filas empiezan por el NOMBRE. Repetido con el detector que mira la FORMA y no el rotulo: 584 PDF abiertos, 166 documentos con un bloque de >=5 filas, 0 con extracto=True y CERO de asignaturas. Los 166 se revisaron uno a uno por su muestra de rotulos y son de cuatro clases, todas por encima de la asignatura: (a) titulos y programas con su codigo RUCT -«5600903 Ingenieria Informatica», «4311903 Gizarte Komunikazioa Masterra»- en los informes de rendimiento de master y doctorado; (b) satisfaccion por TITULACION (Docentiaz, Transparencia_Centros); (c) categorias de PDI, tramos de edad y partidas de los tomos de presupuesto; (d) el estudio de insercion laboral «Lan munduan sartzea», cuyas filas son respuestas de encuesta. El bloque mayor de todo el corpus, 74 filas, es de esa encuesta. CONTROL POSITIVO en la misma invocacion: 55 filas sobre ISC_FL_2023_24.pdf de la UdL. Esto CONFIRMA la sentencia con el detector bueno.
no_publicado_por_la_fuente · 2026-08-31
La capa R es la de las fuentes oficiales de referencia (SIIU y sucesivas), que publican por (universidad, ambito). Una universidad no publica a ese grano y la EHU no es una excepcion. El Observatorio de Unibasq publica «Performance/Success/Evaluation rate» de la UPV/EHU pero agregado a nivel de universidad entera, sin descarga y con fuente declarada SIIU: es dato que el proyecto ya tiene por connectors/siiu.
0 observaciones de capa R en data/silver.
hueco_de_extraccion · 2026-08-31
El endpoint de descarga de la ficha de titulacion es un portlet Liferay (`?redirect=descargaFichero&…`) que devuelve HTTP 200 `text/html` con el literal «Contenido de XSL Oculto» y nunca el PDF. Probado por GET y por POST, con y sin cookie de sesion, con Referer y con cabeceras de navegador. NO es un bloqueo: es mecanica de Liferay. La via que si funciona son las paginas de autoinformes de cada centro, con enlaces estaticos, pero solo publican el curso corriente.
~1.190 PDF estimados (85 grados x 14 cursos). De ellos se han rescatado ~30 por la via de los centros: ZTF 2024/25, Psikologia 2023/24, Hezkuntza eta Kirola 2022/23 y Medikuntza. Los 30 salen del MISMO motor JasperReports (`SeguimientoTit`) y ninguno trae tabla por asignatura.
no_publicado_por_la_fuente · 2026-08-31
La EHU no publica una sola hoja de calculo en sus paginas de calidad ni en su Portal de Transparencia. Y no por casualidad: sus tablas de transparencia SON Excel, pero se publican impresas a PDF -el `/Title` del fichero lo delata (`Indicadores GRADO 2024-25_ES.xlsx`)-. El origen es una hoja de calculo; lo publicado es el PDF.
Recuento de extensiones sobre TODOS los enlaces a fichero de las 499 paginas crawleadas: 588 `.pdf`, 3 `.doc`/`.docx`, 6 `.jpg` y **cero** `.xlsx`, `.xls`, `.csv`, `.ods`, `.json` y `.zip`.
hueco_de_extraccion · 2026-08-31
El repositorio institucional sirve una pagina de **verificacion con reCAPTCHA** («Verificación de seguridad») en lugar de su `robots.txt`. Es un control de acceso y NO se rodea: no se le ha pedido ninguna URL.
`curl -A ClaudeBot https://addi.ehu.es/robots.txt` -> HTTP 404 con formulario reCAPTCHA, el 2026-08-31. Cero peticiones a ese host.
disponible · 2026-09-03
HUECO CERRADO EL 2026-09-03 (era hueco_de_extraccion declarado «porque AQU ya la cubre»). La misma pagina de asignaturas trae el bloque «Mitjana de la titulacion» (<table id=taula_resutats_academics_tit>) con las tres tasas del titulo y serie 2009-2024, y ahora SE EXTRAE, mapeada a los canonicos TASA_RENDIMIENTO_ESTUDIANTES y TASA_EXITO_ESTUDIANTES (base cabezas sin ponderar; «% np» huerfano a proposito). NO duplica a data/silver/aqu ni el mapeo cruza de base (ADR 0014): AQU mide sobre CREDITOS y este bloque sobre cabezas — medido ANTES de extraer, contra la trampa de la circularidad: 64 de 807 pares empatan exactos (7,9 %), mediana |Delta| 0,336 pp. Lo que esta Capa A aporta sobre AQU: dos cursos mas por detras (2009-10 y 2010-11), la base en ESTUDIANTES para comparar con las universidades que solo publican cabezas, y el otro lado del contraste titulo a titulo con la agencia.
3.414 observaciones de capa A en data/silver/uab: 1.138 pares (titulo, curso) x 3 tasas, sobre 86 titulos con RUCT (mas 21115 y 2503755 con nivel_grano = indeterminado y anomalia), serie 2009-2024, emitidas desde la pagina-anio mas reciente de cada titulo (bloque identico en las 15 copias: 0 discrepancias en 1.320 ficheros). Confirmacion aritmetica en mapeo_uab.csv (filas UAB-A-*): el bloque se reproduce agregando la Capa B propia con mediana |Delta| 0,006 pp, y la identidad rend = exit x (100-%np)/100 cierra a 1,27e-38 pp (serie «curso» de cobertura_uab.csv).
disponible · 2026-08-28
El SIQ publica una tabla por (titulacion, curso) con una fila por asignatura, en HTML tabular, sin login y sin OCR. Es exactamente el grano de la Capa B y es lo unico que este conector extrae.
591.860 observaciones en data/silver/uab: 59.186 filas (asignatura x titulacion x curso) x 10 magnitudes, sobre 86 titulos de grado con RUCT, 4.688 asignaturas distintas y los 15 cursos 2010-11..2024-25.
no_publicado_por_la_fuente · 2026-08-28
No existe ningun benchmark oficial al grano de ASIGNATURA. El SIIU publica por (universidad, ambito) y AQU por (titulacion, centro): las dos son granos mas gruesos, asi que la Capa B de la UAB no tiene con que contrastarse al mismo grano.
El unico contraste posible es agregar la Capa B y compararla con la Capa A de AQU, que es otro grano Y OTRA BASE DE CALCULO (creditos frente a estudiantes). Se hizo y se midio: ver connectors/uab/salida/reconciliacion-uab.json y NOTAS.md §10.
hueco_de_extraccion · 2026-09-01
Paginas de PORTADA de cada titulacion (`siq.uab.cat/siq_public/titulacio/<ruct>/`), sin tabla de asignaturas. El crawler las visita para descubrir que cursos publica cada titulo; la tabla vive en `.../assignatures/?anny=<curso>`, que son los `G_<ruct>_<curso>`.
145 entradas terminan en `_meta` (83 de grado y 62 de master) y las 145 producen CERO observaciones. La diferencia con las que si producen esta en la URL: `/titulacio/2500254/` frente a `/titulacio/2500254/assignatures/?anny=2018`.
hueco_de_extraccion · 2026-09-01
Informes de MASTER. El proyecto extrae solo GRADOS (regla de CLAUDE.md), asi que estos 910 documentos se descargan —el rescate baja el arbol entero para no tener que volver— y no se procesan. Es un hueco NUESTRO, deliberado, no una carencia de la fuente: el SIQ los publica con la misma maqueta que los de grado.
910 entradas del manifiesto empiezan por `M_` y las 910 llevan un RUCT con prefijo 43, que es el de master en el registro; ninguno de los 1.408 `G_` lo tiene (prefijos 21 y 25). Medido el 2026-09-01: las 910 producen CERO observaciones en data/silver/uab.
no_publicado_por_la_fuente · 2026-08-28
La tabla de asignaturas publica matricula, distribucion de calificaciones y tres tasas, y nada mas. No hay abandono, ni graduacion, ni eficiencia, ni duracion media: son indicadores de COHORTE, que no existen a nivel de asignatura.
Cabecera literal e invariante en los 1.320 ficheros-anio: Codi | Assignatura | Matriculats | mh | exc | nt | ap | s | np | rend | exit | %np. Una sola cabecera distinta en todo el corpus.
no_publicado_por_la_fuente · 2026-08-28
La fuente NO publica creditos de la asignatura: ni matriculados, ni presentados, ni superados. La ficha del titulo publica los creditos del TITULO (240) y nada por asignatura. Es lo que impide verificar celda a celda la precondicion de la cancelacion del ADR 0014, y por eso esa precondicion se INVOCA por escrito en mapeo_uab.csv en vez de darse por hecha.
Las 12 columnas de la tabla son recuentos de PERSONAS y tres tasas; ninguna es un credito. Las tres tasas se reproducen exactamente desde los recuentos de personas (desviacion 0 en 59.137 y 58.499 filas), lo que confirma que la base es de cabezas y no de creditos.
hueco_de_extraccion · 2026-08-29
La ficha .../titulacio/<RUCT>/ publica nombre del titulo, codigo DGU, centros de oferta y creditos del TITULO. El conector la LEE para resolver el grano (catalogo.py, regla 3: es lo que desempata el centro de un titulo multicentro) y NO escribe ni una observacion desde ella: no trae tabla de asignaturas y sus campos son descriptivos del titulo, no indicadores de rendimiento. Es un hueco NUESTRO, no de la fuente.
Medido sobre los 140 ficheros _meta del corpus (83 de grado y 57 de master): en los 140, lectura.filas_asignatura() levanta FormatoInesperado porque <table class=resultatsacademics> no existe en la ficha. Ninguno produce observaciones y ninguno puede producirlas. 83 de ellos —los de grado— son 83 de los 993 «mudos» de scripts/auditar_perdidas.py; los otros 5 de los 88 grados salen ya DECLARADOS porque su desempate de centro (2500891, 2500892, 2504235) o su falta de RUCT (21115, 2503755) viaja en fact_anomalia. Reproducible: connectors/uab/scripts/clasificar_mudos.py.
no_publicado_por_la_fuente · 2026-08-28
La tabla de asignaturas NO menciona el centro: publica por (titulacion, curso) y nada mas. El centro se resuelve CONTRA EL CATALOGO —83 de los 88 grados tienen una sola imparticion y ahi esta determinado (ADR 0003 §1)— y en los 3 multicentro lo desempata el rotulo de la ficha del titulo. Lo que la fuente no da es una particion de los datos por centro.
Medido: 587.540 observaciones con nivel_grano = titulo_centro sobre 86 titulos y 14 centros RUCT; 0 con titulo_agregado. Los 3 titulos multicentro del catalogo (2504235, 2500891, 2500892) llevan su desempate anotado en fact_anomalia con los candidatos y el rotulo que lo resolvio.
disponible · 2026-09-03
El curso 2009-10 SI llega a silver desde el alta de la Capa A propia (2026-09-03): el bloque de titulacion empieza en 2009 para 41 de los 88 grados. Lo que sigue sin publicarse es la CAPA B de ese curso: el <select name=anny> de la pagina de asignaturas ofrece QUINCE opciones, 2010 a 2024, y ninguna anterior — la tabla por asignatura empieza en 2010-11.
123 observaciones de periodo 2009-10 en data/silver/uab, TODAS de capa A (41 titulos x 3 tasas); 0 de capa B. El selector de anny de los 1.320 ficheros-anio sigue sin ofrecer 2009.
no_publicado_por_la_fuente · 2026-08-28
El curso 2025-26 aun no esta en el selector: la ultima etiqueta es 2024, que es el curso 2024-25. No es un hueco de extraccion, es que la fuente todavia no lo ha publicado.
0 observaciones de periodo 2025-26 en data/silver/uab; el <select> llega a 2024.
hueco_de_extraccion · 2026-08-29
El indice del SIQ enumera 178 masteres con el mismo endpoint y el mismo formato, y el proyecto no carga masteres (CLAUDE.md, regla de oro 2: «solo grados»). No es un limite de la fuente: es el alcance del proyecto. El conector ni los descubre —universo_titulaciones() exige nivel = grado en el catalogo— asi que sus documentos, que SI estan en el corpus rescatado, no producen ni una observacion y no dejan anomalia.
MEDIDO SOBRE EL DOCUMENTO, no inferido del prefijo del nombre del fichero. Los 910 documentos de master del corpus (853 ficheros-anio + 57 fichas de titulo) se clasifican con DOS pruebas independientes que coinciden en los 910, con CERO discrepancias: (1) catalogo/dim_titulacion.csv da nivel = master para el codigo de la URL en 910 de 910; (2) el rotulo del indice del SIQ empieza por «Master» en 910 de 910. Tercera comprobacion, sobre el contenido: los 853 ficheros-anio SI traen <table class=resultatsacademics> —276 con filas y 577 con la tabla vacia—, 2.092 filas de asignatura en total, que serian 20.920 observaciones. Los 910 son 910 de los 993 «mudos» que scripts/auditar_perdidas.py reporta el 2026-08-29. Reproducible: connectors/uab/scripts/clasificar_mudos.py.
disponible · 2026-08-29
El Cuadro de Mando UAH (cuadrodemando.uah.es) publica 58 indicadores por unidad y curso en modo `10-EVO`, con el grano `(codigo_ruct, codigo_ruct_centro)` DADO por la fuente en el identificador de la unidad.
205.110 observaciones, 678 respuestas HTML, 13 cursos (2013-14 a 2025-26), 152 titulos con RUCT y 18 centros. 15 de los 58 indicadores tienen canonico y apuntan a 15 codigos distintos; los otros 43 son huerfanos declarados con su motivo en core/vocab/mapeo_uah.csv.
disponible · 2026-08-29
La UAH publica «Indicadores de Resultado de Asignaturas» (RAS): un PDF por centro y curso con una tabla por titulacion y DOCE indicadores por asignatura, incluida la distribucion completa de calificaciones. Es la tercera Capa B confirmada del proyecto, tras UCM y UZ, y la unica en la que el codigo RUCT de la titulacion viene IMPRESO en la cabecera de cada tabla.
329.484 observaciones sobre 27.457 filas de asignatura, 96 PDF, 8 cursos (2016-17 a 2023-24), 124 titulos con RUCT, 17 centros y 2.837 asignaturas distintas. Cero OCR: los 97 ficheros traen capa de texto y, mejor aun, la rejilla de la tabla como objetos vectoriales en las 1.497 paginas con tabla.
no_publicado_por_la_fuente · 2026-08-29
La capa R es la de las fuentes oficiales de referencia (SIIU y sucesivas), que publican por (universidad, ambito). Una universidad no publica a ese grano y la UAH no es una excepcion.
0 observaciones de capa R en data/silver/uah.
disponible · 2026-08-29
La unidad `TIT.GRA` del Cuadro de Mando es el agregado de TODOS los grados de la universidad, que es exactamente la poblacion que el SIIU publica como (universidad 029, ambito «Todos»). Mismo grano y misma base (creditos), asi que el contraste no cruza nada de lo que ADR 0014 prohibe cruzar.
Ocho familias contrastadas, todas dentro de umbral: rendimiento +0,09 pp de mediana sobre 8 cursos, exito +0,01, evaluacion +0,09, eficiencia -0,01, abandono 1er año +0,05, abandono global +0,02, abandono 2º año +0,00 y abandono 3er año -0,04. Reproducible con `make -C connectors/uah contraste`.
hueco_de_extraccion · 2026-08-29
La fuente publica matriculados, nuevo ingreso y egresados partidos por sexo y por nacionalidad como INDICADORES distintos (`IACA_REN_018 Nº de Hombres Matriculados`), no como una dimension de la observacion. El contrato tiene campo `sexo` (ADR 0006) pero lo puebla un conector que lee una VARIABLE de su fuente, y aqui no la hay.
12 indicadores extraidos y en silver, huerfanos declarados. Mapearlos al mismo canonico que su total fundiria tres series bajo un codigo.
hueco_de_extraccion · 2026-08-29
El Cuadro de Mando publica 19 indicadores de satisfaccion y de tasa de respuesta de encuesta —del estudiantado, de egresados, del PDI, del PTGAS y de tutores de practicas—, y el catalogo canonico del proyecto no cubre satisfaccion: sus 44 codigos son de acceso, rendimiento, abandono y egreso.
Los 19 indicadores estan EXTRAIDOS y en silver con su literal; los 19 son huerfanos declarados en core/vocab/mapeo_uah.csv.
disponible · 2026-08-29
El Cuadro de Mando publica a la vez `TIT.<centro>.<ruct>` (155 unidades) y `TIT.<ruct>` (173 unidades, el agregado de todos los centros del titulo), y **no son redundantes**: pedidas las tres unidades del RUCT 2503990, la tasa de rendimiento de los ultimos cuatro cursos sale distinta en cada una y el agregado es la media ponderada de las otras dos.
86.688 observaciones `titulo_centro` y 87.144 `titulo_agregado` en Capa A. Los dos niveles entran en gold porque los dos son datos buenos a granos distintos.
hueco_de_extraccion · 2026-08-29
La fuente imprime varias filas con el MISMO nombre de asignatura dentro del mismo titulo y curso, con valores distintos: `PRACTICAS EXTERNAS` aparece tres veces en Estudios Ingleses 2023-24 con 20, 1 y 10 matriculados, y `CREDITOS MATRICULADOS EN PROGRAMAS DE INTERCAMBIO UNIVERSITARIO` ocho veces. La tabla no publica nada que las distinga —ni codigo de asignatura, ni curso del plan, ni itinerario—.
36.480 observaciones con `grano-duplicado-en-el-mismo-documento`, el 11 % de la Capa B, sobre 3.040 filas.
hueco_de_extraccion · 2026-08-29
`2018-19/posgrado-oficial.pdf` y `2019-20/TBL_RAS_MASTER_2020.pdf` empiezan directamente por una tabla, sin portada, asi que el documento NO declara a que centro pertenece. Sus nombres de fichero dicen «posgrado» y «MASTER», y las ediciones de 2020-21 y 2021-22 del mismo documento si traen portada y dicen «ESCUELA DE POSGRADO» — pero el nombre de un fichero no es una declaracion de la fuente y `dim_imparticion` sabria el centro sin que el documento lo diga, que es justo lo que la UNED se nego a rellenar.
28.068 observaciones con `codigo_ruct_centro` vacio y anomalia `centro-no-declarado-en-el-documento`, el 8,5 % de la Capa B. MEDIDO ademas que rellenarlo seria FALSO en al menos 5 casos: de los 55 RUCT que aparecen en esos dos documentos, cinco se imparten en MAS DE UN CENTRO segun el Cuadro de Mando y `dim_imparticion` —4310479 en tres, y 4312855, 4315201, 4315357 y 4316833 en dos—, asi que llamar `titulo_agregado` sin anomalia a la mitad de un titulo multicentro afirmaria que es el total cuando no lo es.
hueco_de_extraccion · 2026-08-29
El selector publica 19 unidades `CEN.*` (18 centros y el total de la universidad) y 3 unidades `TIT.GRA` / `TIT.MOF` / `TIT.TOTAL` que agregan por tipo de estudio. Hablan de un CENTRO o de la universidad entera, no de ninguna titulacion, y la ontologia no tiene nivel de grano para eso: `titulo_agregado` agrega los centros de UN titulo, que es la direccion contraria, y `referencia_ambito` habla de (universidad, ambito), que es otra particion.
15.925 observaciones con `nivel_grano = indeterminado`, marcadas con `unidad-de-centro-sin-titulacion` (13.728) o `unidad-agregada-por-tipo-de-estudio-sin-titulacion` (2.197). Ninguna entra en gold.
disponible · 2026-08-29
El Cuadro de Mando OFRECE 2013-14 en su selector temporal y devuelve la columna ENTERA con `---` en todas las unidades hasta 2015-16 incluido: el techo teorico de 13 cursos NO es la cobertura real. El estado es `disponible` y no `no_publicado_por_la_fuente` porque el curso SI llega a silver —con su literal y sin numero—, y declarar lo contrario contradiria a los datos, que es justo lo que el axioma 18 confronta.
15.773 observaciones de capa A con periodo 2013-14 y CERO con valor numerico: las 15.773 son celdas `---` con `celda-declarada-sin-dato-en-la-fuente`. Identico en 2014-15 y 2015-16. El primer curso con dato real es 2016-17.
disponible · 2026-08-29
Primer curso con dato real en las dos capas. En Capa A es el primero en que el Cuadro de Mando deja de devolver `---`; en Capa B es un curso que aparece por una sola tabla —la p.7 de `2017-18/escuela-politecnica.pdf` declara `2016-17` mientras su portada dice `2017-18`—.
15.773 observaciones de capa A (con dato en 152 titulos) y 1.416 de capa B (118 filas de una sola titulacion, el M.U. en Ingenieria de Telecomunicacion).
disponible · 2026-08-29
La Capa A lo publica; la Capa B NO. El RAS se detiene en 2023-24: no hay ningun documento de 2024-25 en los dos indices HTML de la Unidad Tecnica de Calidad, y la galeria no admite listado de directorio (HTTP 404), asi que no hay forma de comprobar si existe fuera de ellos. El estado del PERIODO es `disponible` porque el periodo llega; lo que falta es una capa dentro de el, y esta dimension no puede expresar eso.
15.773 observaciones de capa A con periodo 2024-25 y CERO de capa B. Lo mismo en 2025-26.
disponible · 2026-08-29
La seccion «Tasas Academicas» de los informes de calidad de centro publica una fila por TITULO con el codigo RUCT impreso (`MEC-2501720`) y el codigo ministerial del centro en la portada, asi que el grano (codigo_ruct, codigo_ruct_centro) lo da la fuente y no hay que reconciliar cadenas.
1.176 observaciones de capa A, 84 fila_origen, 35 titulos con RUCT en 8 centros y 4 cursos (2021-22 a 2024-25). Los 78 codigos MEC- que no son internos estan TODOS en dim_titulacion de la universidad 048 y las 59 parejas (titulo, centro) de grado estan TODAS en dim_imparticion: 0 resoluciones fallidas.
disponible · 2026-08-29
La misma tabla trae una fila por ASIGNATURA (`A-63101101`) colgando de su titulo, con las 14 columnas: creditos matriculados, presentados y superados, las tres tasas, la distribucion completa de calificaciones y la tasa de excelencia.
55.678 observaciones de capa B, 3.977 fila_origen, 1.331 codigos de asignatura, 8 centros y 4 cursos. La fuente NO imprime el nombre de la asignatura en esta tabla: codigo_asignatura y nombre_asignatura llevan el mismo literal impreso, y donde SI hay nombres (encuesta docente del informe no ampliado, 1.647 pares medidos) queda anotado en review-queue/ual.md.
hueco_de_extraccion · 2026-08-29
Los mismos informes traen «Tabla de Acceso a GRADO» (1ra/2da/3ra/+3ra opcion y nuevo ingreso, con jerarquia de perfil de acceso de cuatro niveles) y «Mapa de Abandono en Grado y Master (encuesta)». Ninguna es la tabla de tasas y cada una necesita su parser.
17 documentos en bronze los contienen. Enumeradas en connectors/ual/config.yaml.
hueco_de_extraccion · 2026-08-29
El portal de datos abiertos publica 9 «Informes para validar la informacion de Grado» del SIIU (2013-14 a 2021-22) con el numerador y el denominador de 16 indicadores RTO.n por titulacion y centro. Es la serie LARGA de capa A y esta version NO la parsea: es otra rejilla, con cabecera de varios niveles y tabla apaisada.
9 PDF en el corpus rescatado, verificados 200 y con capa de texto (752.305 caracteres el de 2021-22). Enumerados en connectors/ual/config.yaml, familias_fuera_de_alcance.
disponible · 2026-08-29
La tabla parte cada titulo en bloques `Curso 1`..`Curso 5`, un eje que ninguna otra fuente del proyecto publica. El modelo no tiene ese nivel, asi que los SUBTOTALES por curso del plan no se emiten (415 filas, declaradas una a una en fact_anomalia) y la particion viaja en codigo_programa de las filas de asignatura (`CURSO-2501718-4`).
415 subtotales declarados en fact_anomalia. Sin la particion, el mismo codigo de asignatura aparece hasta TRES veces bajo el mismo titulo del mismo documento con valores distintos (medido: A-19154318 del grado 2501718 vale 12/0/0 %, 84/84/100 % y 36/36/100 % en tres bloques) y las tres colapsarian en la clave del axioma 4.
no_publicado_por_la_fuente · 2026-08-29
Ningun centro publica la tabla «Tasas Academicas» para este curso. Barrido sobre los 2.139 PDF del corpus rescatado buscando la linea de rotulos `CrMat CrSup T.Ren`: 21 documentos, y el mas antiguo con curso declarado es 2021-22.
0 observaciones en silver. El curso mas antiguo con tabla es 2021-22.
disponible · 2026-08-29
Publicado por 4 centros en la plantilla «Informe de Resultados Anuales de Calidad» (modelo 4.1).
10.248 observaciones. Centros 04008479, 04008522, 04008534 y 04008571.
disponible · 2026-08-29
Publicado por 4 centros en la plantilla «Informe ampliado de Resultados» (modelo 1.1).
13.048 observaciones. Centros 04008081, 04008091, 04008479 y 04008561.
disponible · 2026-08-29
Publicado por 6 centros en la plantilla «Informe ampliado de Resultados» (modelo 1.1). Es el curso mas completo.
20.594 observaciones. Centros 04008091, 04008479, 04008546, 04008558, 04008561 y 04008571.
disponible · 2026-08-29
Publicado por 3 centros en la plantilla «Informe ampliado de Resultados» (modelo 1.2).
12.964 observaciones. Centros 04008081, 04008522 y 04008546. Aqui se cierra la ambiguedad que el reconocimiento dejo abierta: la portada del informe de la ESI, que el enlace rotulaba «2025», declara `Curso Academico / 2024-25`.
disponible · 2026-08-31
El portal `datapublic.uam.es` publica 32 indicadores por titulacion y curso, y la exportacion `exportType=DETAIL` los devuelve con la SERIE ENTERA (13 cursos) mas el numerador y el denominador de cada tasa.
97.630 observaciones en data/silver/uam, 2.899 fila_origen, 198 titulos con RUCT de los 248 de grado y master de la 023, 6 centros RUCT y 13 cursos (2012/13 a 2024/25). Salen de 32 libros a nivel de universidad y 352 por unidad, todos con manifiesto y sha256.
disponible · 2026-08-31
Cuatro de las ocho facultades de la UAM pegan en su Informe Anual de Seguimiento del SIGC un anexo «Resultados asignatura» con codigo y nombre de asignatura, matriculados, tasa de rendimiento, tasa de exito, creditos no presentados, tasa en primera matricula, distribucion de calificaciones y nota media. Es exactamente el grano de la Capa B, y la ficha de reconocimiento decia que no existia.
4.086 observaciones, 832 fila_origen, 244 codigos de asignatura, 5 titulos de grado con RUCT y 1 curso (2024-25). Salen de 5 documentos, cribados por CONTENIDO de los 300 PDF del corpus abriendolos uno a uno (2 min 40 s de CPU). Su existencia la confirma la propia universidad por escrito: el Informe de Seguimiento del SIGC de la Facultad de Ciencias 2024-25 dice que UAM DATA «ha permitido obtener … las tablas de resultados de asignatura por titulacion».
no_publicado_por_la_fuente · 2026-08-31
La capa R es la de las fuentes oficiales de referencia (SIIU y sucesivas), que publican por (universidad, ambito). Una universidad no publica a ese grano y la UAM no es una excepcion.
0 observaciones de capa R en data/silver/uam.
no_publicado_por_la_fuente · 2026-08-31
El portal solo ofrece la unidad `TIT.<ruct>.<centro>` para los cinco titulos que se imparten en mas de un centro. Para los demas publica `TIT.<ruct>` sin centro, asi que sus observaciones son `titulo_agregado`: no es un hueco de extraccion, es el grano al que la fuente publica.
185 opciones en el desplegable del cuadro de mando: 3 agregados, 171 titulos sin centro y 11 unidades con centro (3 de Enfermeria, 2 de Maestro Infantil, 2 de Maestro Primaria, 2 de Fisioterapia y 2 del Master en Fisioterapia del Sistema Musculoesqueletico). Las 11 se piden una a una y dan 5.577 observaciones `titulo_centro`.
hueco_de_extraccion · 2026-08-31
Mismo mecanismo que el ADE pero mas leve: la cabecera va rotada y el extractor la parte en lineas que dejan cada columna con un fragmento (`setnaidutse latoT` = «Total estudiantes», sin decir de que). El reconocedor recupera las cabeceras rotadas cuando la cadena invertida -o su multiconjunto de palabras- esta en el diccionario, y estas no lo estan porque estan TRUNCADAS. Se rechaza la pagina con el rotulo que no cupo.
7 paginas de tres documentos: `informe-anual-gpri-24-25.pdf` (p5, p10, p11), `informe-anual-infantil-2024-2025.pdf` (p7, p13) y `informe-anual-cafyd-24-25.pdf` (p8, p12). Declaradas una a una en fact_anomalia. Volumen estimado: del orden de 36 filas de asignatura.
hueco_de_extraccion · 2026-08-31
Veinte Informes Anuales de MASTER traen el mismo anexo «Resultados asignatura» y NO se ingieren: el alcance del proyecto en Capa B es el GRADO (CLAUDE.md, regla de oro 2). Sin fila en `titulo_de_documento` no tienen RUCT, y cada uno se declara con su nombre en vez de desaparecer.
29 incidencias `informe-con-anexo-y-sin-titulo-declarado` en data/silver/uam/fact_anomalia.parquet, de las que 20 son informes de master (MBA, MQUEA, MACAM, MMARKETING de Economicas; MESOB, MUEJS, MUCME, MUIDE, MUTICEF, MUPMU, MADEB, MUAFDIS de Formacion de Profesorado; MIPSYC, MCCS, MPGS, IPC, EDCL, MDCOMLING, RRHH de Psicologia) y 9 manuales o planes de mejora que traen codigos de asignatura en prosa.
hueco_de_extraccion · 2026-08-31
LA FUENTE LA PUBLICA Y ESTE CONECTOR NO LA EXTRAE. El anexo del Grado en Administracion y Direccion de Empresas imprime la cabecera ROTADA 90 grados y la capa de texto devuelve las letras de dos rotulos INTERCALADAS entre si (`s e t n a s o id u d a t s lu e c la ir t o t a T m` son «Total matriculados» y «estudiantes» mezclados caracter a caracter). Desintercalarlas seria adivinar en que orden iban, no leerlas, asi que la pagina se rechaza con su motivo.
12 paginas (50 a 61) del documento `01-ade-informe-anual-2024-25-vf.pdf`, declaradas una a una con la anomalia `anexo-rechazado-rotulo-no-declarado` y el rotulo literal que no cupo. El resto del documento SI se lee. Volumen estimado por el numero de codigos de asignatura de esas paginas: del orden de 139 filas.
no_publicado_por_la_fuente · 2026-08-31
La hoja «5 Por sexo» del libro DETAIL desglosa por sexo la UNIDAD PEDIDA -la universidad entera, o un titulo, o un titulo y centro-, pero no publica el cruce (titulo x sexo) para todos los titulos a la vez. Pedirlo titulo a titulo serian 199 x 32 = 6.368 peticiones.
593 incidencias `hoja-del-libro-no-ingerida`, que enumeran las cuatro hojas que existen y no se ingieren con su motivo, hoja a hoja y libro a libro.
no_publicado_por_la_fuente · 2026-08-31
Las hojas por titulacion traen filas cuya etiqueta es literalmente `Desconocido` o `-`: es la poblacion que el propio portal no consigue atribuir a ningun titulo. No tienen RUCT que asignarles y no se inventa uno.
260 incidencias `fila-de-la-hoja-sin-codigo-ruct` en fact_anomalia: 195 con etiqueta `Desconocido` y 65 con `-`.
hueco_de_extraccion · 2026-08-31
El alcance del proyecto en Capa A es GRADO Y MASTER (el portal sirve el doctorado en el ambito `ACA02`, que este conector no pide). Pero las hojas de algunos indicadores del ambito `ACA01` incluyen igualmente programas de doctorado con codigo `56xxxxx`. Se declaran y NO se ingieren, igual que hace el conector de la ULPGC con los suyos.
35 programas de doctorado y 2.275 celdas, declaradas con la incidencia `titulo-fuera-del-alcance-del-proyecto` en data/silver/uam/fact_anomalia.parquet, una por (libro, hoja, RUCT). Comprobados uno a uno: los 35 empiezan por `56` y `dim_titulacion` los clasifica `doctorado` (`5600307 - Programa de Doctorado en Matematicas`).
hueco_de_extraccion · 2026-08-31
El repositorio institucional devuelve **HTTP 403 en su propio `robots.txt`**. No hay reglas que leer, asi que tampoco hay exclusion por nombre que respetar; pero un host que rechaza la peticion de su fichero de reglas no se hostiga, y no se le ha pedido ninguna URL. Es el eje LUGAR de la re-verificacion, y se declara aunque no consten datos detras.
`curl -A ClaudeBot https://repositorio.uam.es/robots.txt` -> 403, el 2026-08-31. Cero peticiones a ese host en el manifiesto del corpus. `www.uam.es/robots.txt` -> 200, `Allow: /` con once `Disallow` puntuales, ninguno en `/*/media/doc/` ni en `/*/facultad/calidad`. `datapublic.uam.es/robots.txt` -> 404, sin reglas declaradas.
disponible · 2026-08-28
La pestania #taxes del backend del Espai VSMA publica cinco tasas por titulacion y curso.
1.473 observaciones de Capa A en data/silver/ub, 57 codigos RUCT distintos, 5 cursos, corrida completa del 2026-08-28.
disponible · 2026-08-28
La pestania #rendiment publica, POR ASIGNATURA y curso, la distribucion completa de calificaciones mas matriculados, no presentados y tres tasas.
157.150 observaciones de Capa B en data/silver/ub sobre 15.715 filas de asignatura x curso, 3.521 asignaturas distintas, 5 cursos.
hueco_de_extraccion · 2026-09-01
«Planetari GLOBAL 2024-2025 ver 4.0.pdf»: documento de planificacion academica, sin indicadores de rendimiento. Cayo en el rescate porque cuelga del mismo arbol de documentos que los datos.
1 entrada, http 200, application/pdf, 6.515.300 bytes, cero observaciones en silver. La URL lo nombra: `.../Planetari+GLOBAL+2024-2025+ver+4.0.pdf`.
hueco_de_extraccion · 2026-09-01
«Enquestes.xlsx»: encuestas de satisfaccion. No es rendimiento academico y no entra en la ontologia.
1 entrada, http 200, xlsx, 46.133 bytes, cero observaciones en silver. La URL lo nombra: `.../Enquestes.xlsx`.
hueco_de_extraccion · 2026-09-01
Los XLSX de «dades i indicadors» (`web.ub.edu/documents/d/dades-indicadors/*`). YA estaban declarados en este mismo fichero como `familia_de_indicadores | otros-canales-de-la-ub`, pero esa declaracion es sobre la FAMILIA y el auditor de perdidas cruza DOCUMENTOS: no podia verla y los dejaba como candidatos a perdida en cada corrida. Esta fila es la misma declaracion dicha en el grano en que se comprueba.
17 entradas del manifiesto empiezan por `d_` (acces, beques, consum, dones_ptgas, estudiants y sus cuatro variantes, form-compl, insercio-laboral, liquidacio, oferta, ranquings, rendiment, tesis, visites) y las 17 producen CERO observaciones. El conector extrae del backend del Espai VSMA (#rendiment y #taxes), no de estos XLSX.
hueco_de_extraccion · 2026-09-01
Informes de Seguiment de Centre (ISC) NARRATIVOS, de dos centros distintos a proposito. El segundo (fisica) esta ahi precisamente para demostrar que la maqueta del tercero —el global de Dret, que SI trae tabla— no generaliza: el negativo se firma con dos centros, no con uno.
2 PDF. Notas del manifiesto: «narrativo; sin tablas de indicadores (0 ocurrencias de Taxa)» para dret_ISC-graus-2019, y «narrativo; 11 menciones a Espai VSMA como fuente, solo 4 Taxa; demuestra que el formato de Dret NO generaliza» para fisica_ISC-2024-25. Cero observaciones.
hueco_de_extraccion · 2026-09-01
ESTE SI TRAE DATO Y NO SE EXTRAE, y hay que decirlo por separado de los otros tres: su tabla 2.1 publica abandonament / presentats / exit / rendiment POR TITULACION para el curso 2024-25, citando «Font: Espai VSMA». Es Capa A estructurada. No se extrae porque es UN centro (Dret) y la maqueta no generaliza —fisica_ISC-2024-25 no la tiene—, asi que un parser sobre esta via cubriria un centro y no la universidad. Hueco NUESTRO, deliberado y con fecha.
1 PDF. Nota del manifiesto: «CAPA A ESTRUCTURADA: taules 2.1 amb taxa abandonament/presentats/exit/rendiment per titulacio, curs 2024-25, Font: Espai VSMA. Taula 2.2 NO es Capa B: es % assignatures sota llindar». Cero observaciones en silver.
hueco_de_extraccion · 2026-09-01
Informe de seguimiento NARRATIVO. Se descargo en el reconocimiento para comprobar si esta via traia tablas de indicadores; no las trae. Se conserva como evidencia del negativo, que es lo que el proyecto exige para firmar un «esta fuente no publica X por esta via».
1 PDF. El manifiesto anota la medicion en su columna `nota`: «narrativo por titulacion; sin tablas de indicadores». Cero observaciones en silver.
hueco_de_extraccion · 2026-08-28
La pestania #preinscripcio SI la publica la fuente y esta RESCATADA en bronze (79 documentos), pero no se parsea todavia. No es olvido: hasta el 2026-08-28 nadie habia leido sus rotulos literales, y emitir con rotulos no leidos deja las observaciones fuera de la poblacion de todos los axiomas de tasas sin que nadie se entere.
Rotulos ya LEIDOS sobre respuesta real y congelados en tests/test_bytes_reales.py: secciones DADES MATRICULA / NOTA DE TALL / DADES PREINSCRIPCIO / DADES VIA D'ACCES; columnas 'Nombre de sol.licituds', 'Nombre de sol.licituds en primera opcio', 'Places ofertes', "Nombre d'estudiants de nou acces", 'Nota de tall'. Lo que falta es resolver una duplicacion medida: #chartDadesViaDacces y #chartDadesViaDaccesPie traen la MISMA serie con el rotulo 'Universitaris amb FP2/CFGS' escrito de dos maneras, asi que emitirlas tal cual duplicaria esas observaciones bajo dos nombres. Cada documento deja su incidencia pestanya-solo-bronze en fact_anomalia.
hueco_de_extraccion · 2026-08-29
La UB publica rendimiento por OTRAS dos vias que este conector no cubre: los XLSX de 'dades i indicadors' (web.ub.edu/documents/d/dades-indicadors/*) y los Informes de Seguiment de Centre en PDF. Se rescataron el 2026-08-27 y siguen en el corpus sin extraer.
41 documentos en ~/corpus-rendimiento/ub/manifiesto.csv que scripts/auditar_perdidas.py --slug ub cuenta como mudos. RECUENTO CORREGIDO EL 2026-08-29 y clasificado uno a uno con connectors/ub/scripts/clasificar_mudos.py, que decide por la URL, el HTTP/content-type y la presencia en data/bronze/ub/CHECKSUMS.txt, NO por el nombre del fichero: 18 ENLACE-ROTO-EN-LA-PROPIA-UB (404 con cuerpo text/html, la pagina de error de Liferay, desde 'dades evolutives'), 17 XLSX-DADES-INDICADORS (no 16 como decia la version anterior de esta fila; entre ellos d_rendiment y d_estudiants-grau), 4 PDF-DE-SEGUIMENT-DE-CENTRE y 2 OTRO-FICHERO-DE-DADES-EVOLUTIVES (Enquestes.xlsx y un PDF de Planetari, que se sirvieron con 200 y no son 'seguiment'; la version anterior decia 'y 3 mas'). 18+17+4+2 = 41. VEREDICTO: los 41 son EXACTAMENTE los documentos del corpus que NO vienen por la via que este conector extrae. Los 1.883 del backend AJAX del VSMA estan todos explicados —366 con observaciones y 1.517 con incidencia declarada en fact_anomalia— y CERO de ellos sale mudo; el mudo numero 1.884 seria una perdida real y connectors/ub/tests/test_clasificar_mudos.py comprueba que el clasificador sabe acusarlo. El PDF dret_2026_informe-global-de-seguiment.pdf trae tablas 2.1 con abandonament/presentats/exit/rendiment por titulacion y curso 2024-25, o sea justo los cursos que el VSMA ya no publica; y fisica_ISC-2024-25.pdf demuestra que ese formato NO generaliza entre facultades.
no_publicado_por_la_fuente · 2026-08-28
La pestania #seguiment del VSMA no mide rendimiento academico: el reconocimiento comprobo una de sus tablas (E521A) y es satisfaccion con el CRAI.
Los 231 documentos -seguiment estan RESCATADOS en el corpus y declarados uno a uno en fact_anomalia (pestanya-no-perseguida). Corrida del 2026-08-28.
disponible · 2026-08-28
El centro NO viene dentro del dato: la respuesta de #rendiment y #taxes no menciona el centro. Se conoce porque el codi_ensenyament se obtuvo consultando un codi_centre concreto, y esa procedencia viaja en el localizador de cada observacion.
144.010 de 157.150 observaciones de Capa B y 1.357 de 1.473 de Capa A salen con nivel_grano=titulo_centro. Puente codi_centre -> codigo_ruct_centro curado en connectors/ub/vocab/centres_ub.csv: 16 centros, traduccion exacta 1 a 1 contra dim_centro. Los otros 16 codigos del selector del PAD devuelven cero enseñanzas.
hueco_de_extraccion · 2026-08-28
Regla de oro 2 del proyecto: solo grados. El VSMA responde igual para los 152 masteres y sus documentos estan RESCATADOS.
152 de los 231 codi_ensenyament son de nivel 'Master' segun el <legend> del descubrimiento. Los 1.216 documentos correspondientes estan en el corpus y declarados uno a uno en fact_anomalia (ensenyament-fuera-de-alcance).
no_publicado_por_la_fuente · 2026-08-28
La serie del VSMA esta CONGELADA en cinco etiquetas (2016-2020, o sea los cursos 2016-17 a 2020-21). No es un hueco de extraccion: no hay parser que lo cierre.
Medido el 2026-08-28 sobre el corpus rescatado: el selector de curso del propio fragmento (#rendiment, <select id='selectAssignaturesCurs'>) ofrece exactamente 2016..2020 y ningun anio mas, y los graficos de #taxes traen las mismas cinco claves. El portal HTML que alimentaba este backend (ensenyament.php) fue retirado y sustituido por cuadros Power BI con cuenta Microsoft de la UB.
no_publicado_por_la_fuente · 2026-08-28
La serie del VSMA esta CONGELADA en cinco etiquetas (2016-2020, o sea los cursos 2016-17 a 2020-21). No es un hueco de extraccion: no hay parser que lo cierre.
Medido el 2026-08-28 sobre el corpus rescatado: el selector de curso del propio fragmento (#rendiment, <select id='selectAssignaturesCurs'>) ofrece exactamente 2016..2020 y ningun anio mas, y los graficos de #taxes traen las mismas cinco claves. El portal HTML que alimentaba este backend (ensenyament.php) fue retirado y sustituido por cuadros Power BI con cuenta Microsoft de la UB.
no_publicado_por_la_fuente · 2026-08-28
La serie del VSMA esta CONGELADA en cinco etiquetas (2016-2020, o sea los cursos 2016-17 a 2020-21). No es un hueco de extraccion: no hay parser que lo cierre.
Medido el 2026-08-28 sobre el corpus rescatado: el selector de curso del propio fragmento (#rendiment, <select id='selectAssignaturesCurs'>) ofrece exactamente 2016..2020 y ningun anio mas, y los graficos de #taxes traen las mismas cinco claves. El portal HTML que alimentaba este backend (ensenyament.php) fue retirado y sustituido por cuadros Power BI con cuenta Microsoft de la UB.
no_publicado_por_la_fuente · 2026-08-28
La serie del VSMA esta CONGELADA en cinco etiquetas (2016-2020, o sea los cursos 2016-17 a 2020-21). No es un hueco de extraccion: no hay parser que lo cierre.
Medido el 2026-08-28 sobre el corpus rescatado: el selector de curso del propio fragmento (#rendiment, <select id='selectAssignaturesCurs'>) ofrece exactamente 2016..2020 y ningun anio mas, y los graficos de #taxes traen las mismas cinco claves. El portal HTML que alimentaba este backend (ensenyament.php) fue retirado y sustituido por cuadros Power BI con cuenta Microsoft de la UB.
disponible · 2026-09-02
La UBU publica TRES tablas numericas en su Portal de Transparencia, y las tres son de titulacion: (1) «Evolucion y porcentajes oferta y demanda Grado hasta curso 2022-2023», un bloque por titulo con once cursos en columnas y ocho filas de indicador; (2) once PDF «ALUMNOS MATRICULADOS <curso> - GRADOS», uno por curso de 2015-16 a 2025-26, agrupados POR CENTRO; (3) «Duracion media de los estudios 2017/18-2022/23». Entre las tres dan plazas, nuevo ingreso, preinscritos, matriculados, reconocimientos, tres variaciones interanuales y la duracion media.
3.435 observaciones en data/silver/ubu, 13 documentos, 910 fila_origen, 27 titulos con RUCT de los 36 grados de la 051 y 14 cursos 2012-13..2025-26. 2.264 sin anomalia. El par (titulo, centro) esta CONFIRMADO por el papel: en las 458 observaciones que traen centro impreso y RUCT resuelto, el centro del documento coincide con la unica imparticion del catalogo en 458 de 458 (100 %), en los siete centros.
no_publicado_por_la_fuente · 2026-09-02
La UBU NO publica nada por asignatura, y ademas se sabe que lo elabora. La Memoria Academica 2023-2024, pag. 60, lista entre los productos anuales de la Unidad Tecnica de Calidad un «Informe sobre rendimiento academicos de las titulaciones desglosado por asignatura», y a continuacion dice que lo que llega al portal es un «Resumen de los resultados de los distintos informes». La via para la Capa B de la UBU es institucional ([email protected]), no tecnica.
0 observaciones de capa B en data/silver/ubu, y 0 esperadas. SEIS VIAS INDEPENDIENTES, cuatro medidas por el reconocimiento del 27-08 y dos mas el 2026-09-02: (1) el indice «Resultados de la actividad docente», 48 dossieres por titulo, 0 apariciones de «asignatura»; (2) ACSUCYL (seguimiento.acsucyl.com), informes cualitativos con 0 tasas; (3) la Memoria Academica, 22 apariciones de «asignatura» revisadas una a una, ninguna tabla; (4) datos.gob.es (la 051 no es publisher) y el portal de datos abiertos de la Junta (437 datasets, 0 universitarios); (5) el recorrido del arbol del Portal de Transparencia el 2026-09-02 -«Resultados» y sus siete subpaginas, «Oferta y Demanda Academica», la Unidad Tecnica de Calidad entera y la pestana «Garantia de Calidad» de un grado-, que enumera 73 PDF y ninguno por asignatura; (6) los «Planes y Programas» de los siete centros (2023-2024), que son el autoinforme ACSUCYL de renovacion de la acreditacion: 41 apariciones de «asignatura» y CERO tablas de datos, aunque una de ellas confirma que el analisis existe -«se lleva a cabo un analisis de las tasas de exito y de rendimiento de cada una de las asignaturas»- y otra que hay «tasas de rendimiento bajas en asignaturas del grado».
no_publicado_por_la_fuente · 2026-09-02
No hay con que reconciliar la UBU al mismo grano. Medido el 2026-09-02: el SIIU no aporta NI UNA fila de plazas, estudiantes matriculados o nuevo ingreso para la universidad 051 (0 filas sobre data/silver/siiu), y QEDU no tiene NINGUNA observacion de ningun titulo de la 051 (0 filas). El unico contraste posible es de OTRO GRANO: el SIIU si publica «Duracion media en estudios de Grado de 4 anos» para la 051 y ambito «todos».
Las dos consultas estan en core/vocab/mapeo_ubu.csv, fila UBU-OD-01. El contraste de otro grano esta medido en la fila UBU-DM-01: mediana de las diferencias +0,078 anos sobre 6 cursos.
hueco_de_extraccion · 2026-09-02
Los TRES indices HTML del Portal de Transparencia de los que salen los 73 PDF del corpus. Se guardan en el rescate porque son la PROCEDENCIA del descubrimiento -dicen que existian esas URL el 2026-09-02 y con que rotulo las enlazaba la UBU- y no contienen ninguna observacion: sus tablas son de enlaces, no de datos.
3 entradas del manifiesto, http 200, text/html, 157.212 + 146.868 + 144.879 bytes, cero observaciones en silver. El de «Resultados de la actividad docente» es ademas la evidencia de que los 48 dossieres se agrupan POR CENTRO en el propio indice.
hueco_de_extraccion · 2026-09-02
El robots.txt de www.ubu.es tal como estaba el 2026-09-02, guardado ANTES de la primera peticion del rescate. Es la prueba de que la fuente no excluia a ningun agente de Anthropic cuando se descargo, que es lo que exige el paso 2 de /onboarding-universidad.
1 entrada del manifiesto, http 200, 2.027 bytes, con su sha256. Cero observaciones.
hueco_de_extraccion · 2026-09-02
Registro completo de los 1.025 titulos de Castilla y Leon que devuelve el endpoint POST no documentado de ACSUCYL (leerTitulosAlfresco.jsp), descargado en el reconocimiento del 2026-08-27 porque la fuente es fragil (Tomcat 5.5.23 y tickets de Alfresco que caducan). Da el mapa titulo -> universidad -> centro de las 630 titulaciones de las cuatro publicas de CyL, pero NO trae ningun codigo RUCT ni ningun indicador de rendimiento, asi que no aporta observaciones. Para la UBU tampoco hace falta: el centro lo decide el catalogo y coincide con el impreso en 458 de 458 casos.
1 entrada del manifiesto, 154.830 bytes, text/plain, cero observaciones en silver. Reparto medido en docs/reconocimiento/ubu.md §4.2: 87 titulos de la UBU, 37 de Grado, en 13 centros distintos.
no_publicado_por_la_fuente · 2026-09-02
EL REPOSITORIO INSTITUCIONAL NOS EXCLUYE POR NOMBRE y no se le ha pedido ni una URL. `riubu.ubu.es/robots.txt` declara `User-agent: anthropic-ai` / `Disallow: /` -junto a CCBot, GPTBot, ChatGPT-User, Google-Extended y PerplexityBot- y ademas `Crawl-delay: 3` para `*`. Comprobado el 2026-09-02, antes de la primera peticion. Ahi vive el Portal de Datos Abiertos de la UBU, que segun el reconocimiento publica ocho .xls de catalogo de titulos con codigo_ruct y codigo_ruct_centro NATIVOS (handles 10259/6462 y 10259/6463). No se rodea: ni por Wayback, ni suplantando el User-Agent (docs/data-card.md, regla del 2026-08-29). No procede invocar la excepcion del punto 2 de esa regla porque el bloqueo NOMBRA a los agentes, no es generico.
0 peticiones a riubu.ubu.es en el manifiesto de rescate (77 entradas, todas de www.ubu.es). El robots.txt se leyo una sola vez para comprobar la exclusion y no se guardo como documento del corpus.
no_publicado_por_la_fuente · 2026-09-02
La UBU publica sus cinco tasas -rendimiento, exito, eficiencia, graduacion y abandono- para cada titulo y para ONCE cursos (2013-14..2023-24), con el centro impreso en la cabecera y la media de la universidad como referencia... y las publica EXCLUSIVAMENTE COMO GRAFICOS DE BARRAS VECTORIALES, sin una sola cifra. Es un falso amigo caro: el PDF tiene capa de texto, asi que pasa cualquier comprobacion superficial de «hace falta OCR?», y el OCR tampoco serviria porque los numeros NO ESTAN IMPRESOS en ninguna parte. Reconstruirlos midiendo la altura de cada barra contra la calibracion del eje produciria numeros INFERIDOS, no leidos, y choca de frente con la regla de oro 4 y con la exigencia de valor_literal_fuente: no hay literal que copiar.
MEDIDO sobre los 48 dossieres del corpus el 2026-09-02 -no sobre dos, como hizo el reconocimiento-: 125.328 caracteres de texto extraido y CERO coincidencias del patron de tasa \\d{1,3}[.,]\\d{1,2}. El inventario COMPLETO de sus 60 tokens numericos distintos son marcas de eje (0/20/40/60/80/100, 1..5), etiquetas de curso (13..24), anos (2011..2024) y las citas del RD 861/2010 y del RD 1393/2007 (861, 1393, 2007, 29). Los 48 quedan declarados uno a uno en fact_anomalia con tipo documento-que-no-es-una-de-las-tres-tablas-numericas.
hueco_de_extraccion · 2026-09-02
El RUCT de la 051 inscribe TRES parejas de titulos con el nombre oficial identico: Comunicacion Audiovisual (2500979 + 2504463), Relaciones Laborales y Recursos Humanos (2501553 + 2504243) y Terapia Ocupacional (2501731 + 2504683). La UBU los distingue por el ano del plan -«(Plan 2010)» / «(Plan 2022)»- y el RUCT no publica ano de plan, asi que el discriminador que imprime la fuente no tiene con que casar. Es el mismo linaje de ADR 0010 sin declarar que dejo sin RUCT a los dos Gr. en Finanzas de la ULE. Elegir uno seria adivinar.
47 filas y 335 observaciones con anomalia titulacion-con-varios-ruct-ambiguo en data/silver/ubu, nivel_grano=indeterminado y por tanto fuera de gold. Son el 9,8 % de las 3.435. Las fichas RUCT de los tres codigos nuevos (2504463, 2504243, 2504683) NO estan en catalogo/raw/estudio_detalle/, asi que la fecha de verificacion que cerraria el linaje no se puede consultar sin volver a pedirsela al RUCT.
disponible · 2026-09-02
RESUELTO EN ESTA MISMA ALTA, y se deja escrito porque estuvo abierto. La UBU publica cinco dobles grados como una unidad -tres de ellos con dos «estructuras» que son poblaciones distintas y no se funden- y el RUCT registra titulos, no programas (ADR 0005 §2). Salen con nivel_grano = `programa` y su codigo_programa, y promocionan a gold porque el catalogo ya declara los NUEVE con su puente completo (commit 4c77879). Los componentes NO se adivinan: se resuelven por PARTICION UNICA VERIFICADA sobre el nombre impreso -se prueban todas las posiciones de la conjuncion (Y / Y EN / E) y se exige que EXACTAMENTE UNA deje las dos mitades casando exacto contra dim_titulacion de la 051, cada una con un solo RUCT-. Con cero o con mas de una, la fila se queda sin codigo y se declara.
9 de 9 programas tienen exactamente una particion valida, medido el 2026-09-02. 538 observaciones con nivel_grano = programa en data/silver/ubu, de las que 283 llegan a gold; las otras 255 llevan anomalia -el mismo doble grado impreso en DOS centros del mismo documento, que la propia UBU declara al pie ('estan contabilizados en el centro Derecho y en el centro Economicas y Empresariales'), mas las marcas del axioma 5-. 82 filas de ftr_titulacion_curso con es_pceo.
hueco_de_extraccion · 2026-09-02
Desde la cosecha 2022-23, los PDF de matriculados publican DOS filas para un mismo titulo cuando conviven dos planes: «GRADO EN INGENIERIA INFORMATICA (PLAN 2010)» y «(PLAN 2023) PRESENCIAL», «GRADO EN PSICOLOGIA (Online)» y «(Presencial)», «GRADO EN TURISMO (PLAN 2011)» y «(PLAN 2023) PRESENCIAL»... y el RUCT tiene UN solo codigo para cada uno. Ninguna de las dos filas se queda con el codigo: elegir seria adivinar y sumarlas seria emitir un numero que el papel no imprime.
122 filas y 212 observaciones con anomalia dos-planes-del-mismo-titulo-en-el-documento en data/silver/ubu, nivel_grano=indeterminado. Se concentran en las cosechas 2023-24, 2024-25 y 2025-26.
hueco_de_extraccion · 2026-09-02
Igual que los masteres: la seccion «- DOCTORADO» de los PDF de matriculados y el PDF «Evolucion demanda alumnos de Doctorado». Fuera de alcance por la regla de oro 2.
Incluido en las 493 incidencias seccion-que-no-es-de-grado, mas el documento datos_alumnos_doctorado_hasta_curso_2022-23.pdf y los 7 dossieres ir2018d*.pdf de programas de doctorado.
hueco_de_extraccion · 2026-09-02
La UBU publica para sus masteres exactamente los mismos documentos que para los grados -la seccion «- MASTER» de los once PDF de matriculados y el PDF «Evolucion demanda alumnos de Master»- y NO se extraen por la regla de oro 2 del proyecto: solo grados. No es un limite de la fuente, es del alcance.
493 incidencias seccion-que-no-es-de-grado en data/silver/ubu/fact_anomalia.parquet (masteres y doctorado juntos), mas 2 documentos completos declarados como fuera de familia: datos_alumnos_master_hasta_curso_2022-23.pdf y el informe AVAP de 2014-15, que es el UNICO superviviente del formato numerico anterior a los graficos y resulta ser de un master.
hueco_de_extraccion · 2026-09-02
La UBU publica el nuevo ingreso de 2010/11 a 2014/15 en un PDF aparte («EVOLUCION DE LA MATRICULA DE ESTUDIANTES DE NUEVO INGRESO POR GRADO 2010/11 - 2014/15»), con una tabla limpia y legible. NO se extrae porque rotula los titulos SIN el prefijo de nivel y abreviados («Maestro en Ed...», «Espanol: Lengua y Literatura»), que es un emparejador distinto del de las otras tres tablas. Es deuda nuestra, no de la fuente.
0 observaciones con periodo 2010-11 en data/silver/ubu. El documento esta en el corpus (rescate-2026-09/evolucion_matricula_nuevo_ingreso_2010-2015pdf_0.pdf, 58.380 B, http 200) y declarado en fact_anomalia con su motivo. Aportaria un rotulo (nuevo ingreso) para ~22 grados.
hueco_de_extraccion · 2026-09-02
Mismo documento y mismo motivo que 2010-11.
0 observaciones con periodo 2011-12 en data/silver/ubu.
disponible · 2026-08-28
La ficha de indicadores publica por TITULO y, en los 10 documentos con dos sedes, por titulo y CAMPUS, que es el grano de la Capa A.
51 documentos, 3.366 observaciones, 22 indicadores-fuente, 153 grupos (documento x curso). 2.291 llegan a gold con (codigo_ruct, codigo_ruct_centro) resueltos; 32 titulos RUCT distintos sobre 6 centros.
no_publicado_por_la_fuente · 2026-08-28
La UC3M no publica NADA por asignatura. No es un hueco de extraccion -no hay parser que lo cierre- sino el universo de publicacion de la fuente.
CENSAL sobre los 51 documentos del corpus: 0 ocurrencias de la palabra «asignatura» en 0 de 51. El reconocimiento lo habia descartado ademas por otras tres vias independientes: las Memorias Academicas de Centro (12 tablas, todas de titulacion; «asignatura» aparece 2 veces y ninguna es un dato), UniversiDATA (la UC3M no es miembro: sus 5 universidades son UHU, UAM, URJC, UVa y UCM) y los datos abiertos propios (datos.uc3m.es, opendata.uc3m.es y datos.uc3m.es/sparql devuelven codigo 000, no resuelven). Observaciones de uc3m con capa B en silver: 0.
no_publicado_por_la_fuente · 2026-08-28
El unico contraste posible al MISMO GRANO -titulo x centro- seria QEDU, y no cubre la UC3M. Es lo que deja huerfanas las dos notas de acceso pese a tener candidato obvio.
Medido sobre data/silver/qedu: 2.067 observaciones, 37 codigos de centro distintos, y NINGUNO de los 16 centros que el catalogo RUCT atribuye a la universidad 036. Comprobado explicitamente contra 28041822, 28042292, 28048385, 28050461, 28050471, 28055997 y 28041810: 0 filas.
disponible · 2026-08-28
Es el unico benchmark vivo de esta fuente, y funciona: hay solape temporal en 2022-23 y 2023-24 y el SIIU publica el total de la universidad, contra el que se puede agregar nuestra Capa A.
46.560 observaciones de la universidad 036 en data/silver/siiu, con 1.164 al nivel «todos». Confirmo CUATRO mapeos: TASA_RENDIMIENTO (-0,30 y -0,43 pp), NOTA_MEDIA_EXPEDIENTE_EGRESADOS (-0,042 y -0,006), ESTUDIANTES_MATRICULADOS (-3,31 % y -3,25 %) y TASA_GRADUACION (+1,51 y +0,15 pp sobre grados simples). Y DESCARTO uno: la tasa de abandono, por +7,1 pp.
no_publicado_por_la_fuente · 2026-08-28
La fuente publica «Tasa de abandono (*)» y declara su DENOMINADOR (el anio de cohorte de entrada, en el pie del documento) pero NO su VENTANA, que es justo lo que separa los cuatro canonicos de abandono del catalogo.
Contrastada contra el SIIU con la alineacion de cohorte que declara el propio documento y sobre los grados simples: 23,86 (cohorte 2018) y 23,54 (cohorte 2019) frente a 16,80 y 16,82 de «Tasa global de abandono», 10,73 y 9,00 de «Tasa de abandono el 1er anio» y 6,30 y 6,50 de «Tasa global de abandono del SUE». Deltas de +7,1, +13,1 y +17,6 puntos: ninguno casa. TASA_ABANDONO_RD1393, que es la definicion mas compatible con el pie, no tiene benchmark en el SIIU.
no_publicado_por_la_fuente · 2026-08-28
La fuente publica la tasa de rendimiento YA CALCULADA y ningun operando con el que reproducirla.
Los 22 indicadores-fuente estan enumerados en connectors/uc3m/NOTAS.md §4 y ninguno es un recuento de creditos ni de aprobados o presentados. En silver, 0 observaciones de CREDITOS_MATRICULADOS, CREDITOS_PRESENTADOS y CREDITOS_SUPERADOS.
hueco_de_extraccion · 2026-08-28
La fuente secundaria SI la publica y este conector NO la extrae. Es deuda de extraccion, no una propiedad de la fuente.
www.uc3m.es/calidad/memorias-academicas enlaza 10 PDF, uno por centro, edicion 2024. Abierto y medido 2024_sgic-fcsj_memoria.pdf: 16 paginas, 40.288 caracteres de capa de texto, 12 tablas de titulacion entre ellas la 2.2 «Tasa de eficiencia». Los dobles grados aparecen con entrada propia y el campus se distingue en el nombre de fila.
no_publicado_por_la_fuente · 2026-08-28
La ficha de indicadores publica rendimiento, abandono y graduacion, pero NINGUNA de las tres que completarian la terna oficial. Es la razon por la que cobertura_uc3m.csv deja serie_identidad vacio.
CENSAL sobre los 51 documentos: 0 ocurrencias de «exito», «evaluacion» y «eficiencia». En silver, 153 observaciones de TASA_RENDIMIENTO y 0 de TASA_EXITO y TASA_EVALUACION.
no_publicado_por_la_fuente · 2026-08-28
La pagina calidad-centros lista CUATRO centros de grado y el indice de indicadores solo contiene TRES. Los grados de Ciencias de la Salud (Medicina y afines) no tienen ficha de indicadores en esta via. Es una perdida que NO deja rastro en los datos: lo que falta no se puede deducir de lo que llega, asi que se declara aqui y ademas se emite como incidencia centro-sin-documentos-en-la-fuente en cada corrida.
La sigla FCS aparece 0 veces en el indice. Los 52 enlaces de indicadores de grado se reparten EPS 21, FCSJ 23 y FHCD 8. El tamanio del hueco esta MEDIDO contra el SIIU: la suma de «Total matriculados» de los 51 documentos queda en 15.552 frente a los 16.084 estudiantes de grado que el SIIU atribuye a la universidad 036 en 2022-23 (-3,31 %) y 15.503 frente a 16.024 en 2023-24 (-3,25 %). Ese ~3 % es este hueco mas el enlace roto FCSJ_283.
disponible · 2026-08-28
El grano central del proyecto se resuelve, pero NO de forma nativa: el codigo del fichero (206, 364...) es interno de la UC3M y el centro va como sigla, asi que los dos se casan contra el catalogo RUCT por nombre y por vocabulario curado.
Medido sobre la corrida completa: 35 de los 51 documentos resuelven RUCT (32 titulos distintos; tres titulos tienen dos documentos, uno por campus) y los 35 resuelven ademas centro, asi que 2.310 observaciones salen con nivel_grano titulo_centro y ninguna con titulo_agregado. De los 16 que no resuelven, 15 son dobles grados (ADR 0005) y 1 es «Grado en Matematica Aplicada y Computacion», que RUCT no registra con ese nombre: registra «Matematicas y Computacion» (2503904) y «Matematica Aplicada» (1500382), que son otros dos. 0 duplicados de grano.
no_publicado_por_la_fuente · 2026-08-28
Enlace MUERTO publicado por la propia UC3M. No es un fallo de descarga: el indice lo enlaza y el servidor devuelve 404 de forma estable.
Reproducido el 2026-08-28 con la URL exacta del indice: HTTP 404, content-type text/html, cuerpo de 280 b. El indice enlaza 52 documentos de indicadores de grado y se pueden traer 51. Va a fact_anomalia con tipo documento-no-descargable en cada corrida, y al manifiesto de bronze en la lista no_descargados.
hueco_de_extraccion · 2026-08-28
Igual que master: la fuente lo publica y la regla de oro 2 lo deja fuera.
El indice enlaza 20 documentos de doctorado, contados y declarados en cada corrida.
hueco_de_extraccion · 2026-08-28
La fuente SI lo publica y este conector NO lo extrae, por la regla de oro 2 del proyecto («Solo grados»). Es deuda NUESTRA, no una propiedad de la fuente, y por eso el estado es hueco_de_extraccion y no no_publicado_por_la_fuente.
El indice enlaza 76 documentos de indicadores de master y 71 de insercion laboral de master, contados y declarados como incidencia documento-fuera-de-alcance en cada corrida.
no_publicado_por_la_fuente · 2026-08-28
CURSO FRONTERA de la ventana movil. La ficha trae solo tres cursos y se REGENERA en la misma URL, asi que 2021-22 ya se cayo de la ventana y NO hay archivo publico que lo conserve. Se declara el curso frontera y no un rango («2021-22 y anteriores»), porque una clave que no es un curso real no se puede contar en silver y habria que declararla comprobable=no: apagar la vigilancia desde la configuracion, que es justo lo que el axioma 18 rechaza. La regla vale igual para 2021-22 y para todos los anteriores.
Los 51 documentos citan los mismos tres cursos (2022/23, 2023/24, 2024/25) y ninguno mas. Observaciones de uc3m con periodo 2021-22 en silver: 0. No se ha buscado en Wayback Machine ni en el repositorio institucional: queda como via no explorada.
disponible · 2026-08-28
Curso dentro de la ventana movil de tres cursos que publica la ficha de indicadores.
1.122 observaciones de 2022-23 en silver, las mismas en los tres cursos: los 51 documentos traen exactamente los mismos tres, sin un solo hueco interno.
disponible · 2026-08-28
Curso dentro de la ventana movil de tres cursos que publica la ficha de indicadores.
1.122 observaciones de 2023-24 en silver, las mismas en los tres cursos: los 51 documentos traen exactamente los mismos tres, sin un solo hueco interno.
disponible · 2026-08-28
Curso dentro de la ventana movil de tres cursos que publica la ficha de indicadores.
1.122 observaciones de 2024-25 en silver, las mismas en los tres cursos: los 51 documentos traen exactamente los mismos tres, sin un solo hueco interno.
no_publicado_por_la_fuente · 2026-08-28
Curso todavia fuera de la ventana. Cuando entre, DESPLAZARA a 2022-23 fuera del sitio: esta fuente hay que visitarla una vez por curso o se pierde un anio para siempre.
Fecha de generacion impresa en los documentos: 09/12/2025 en 37 y 12/12/2025 en 14. El curso mas reciente publicado es 2024/25. Observaciones de uc3m con periodo 2025-26 en silver: 0.
disponible · 2026-08-28
La fuente SI los publica y con entrada propia -no se pierden dentro de sus titulos componentes, como pasa en AQU-, pero RUCT no registra programas conjuntos (ADR 0005), asi que no tienen codigo de titulo y no promocionan a gold.
15 de los 51 documentos son dobles grados: 990 observaciones con es_pceo = true, codigo_programa provisional PCEO-X-* y anomalia programa-no-resuelto. Ninguno resuelve RUCT (comprobado sobre los 44 grados de la 036: no hay ni una entrada de doble grado). Ademas su desfase de cohorte los delata: 5 o 6 anios frente a los 4 de los grados simples.
disponible · 2026-08-29
Cada centro publica en su propio WordPress una tabla HTML de resultados por titulo. No hay portal central: se descubren por sitemap, hay diez convenciones de URL y CUATRO formas de tabla distintas, de las que el conector reconoce las cuatro.
4.168 observaciones de 27 paginas con al menos una tabla reconocida (de 108 descargadas), 11 cursos (2014-15..2024-25). 3.440 con grano titulo x centro. Solo la maqueta ISGC publica la terna de tasas: 100 observaciones canonicas y 30 ternas completas.
disponible · 2026-08-29
La UCA genera desde su Pentaho el informe «Porcentaje de Calificaciones por Asignatura» -distribucion completa de notas de cada asignatura en nueve porcentajes- y lo exporta a PDF con capa de texto. Es exactamente el grano de la Capa B y es lo que este conector extrae.
50.868 observaciones en data/silver/uca (5.652 filas de asignatura de GRADO x 9 columnas), de 159 PDF validos con 348 paginas. 4 centros, 5 cursos (2020-21..2024-25), 25 planes de grado. 45.873 con grano titulo x centro y 4.995 con nivel_grano indeterminado (los planes 0622 y 1721, «Ingenieria en Tecnologias Industriales», que casa con DOS RUCT del catalogo y no se elige ninguno). Reproduce fila a fila el conteo del reconocimiento.
no_publicado_por_la_fuente · 2026-08-29
NO HAY BENCHMARK AL MISMO GRANO con el que confirmar los mapeos de la UCA. El SIIU publica por (universidad, ambito) y la UCA por titulo x centro; QEDU cubre titulos pero NO tiene ni una fila de la 005. Por eso el unico mapeo confirmado de esta alta lo esta por IDENTIDAD ARITMETICA interna, y los demas quedan huerfanos declarados.
QEDU: 0 observaciones de titulos de la universidad 005 en data/silver/qedu. SIIU: si hay serie para la 005 (2010-11..2023-24) pero al grano de universidad, y el contraste titulo-frente-a-agregado da medianas de -6,24 pp (rendimiento ISGC), -3,62 (exito), -4,25 (evaluacion), -6,66 (eficiencia) y +10,99 (abandono contra la del 1er ano): distancias POSICIONALES, que es lo que un titulo esta legitimamente lejos de la media de su universidad, no una medida de acuerdo.
no_publicado_por_la_fuente · 2026-08-29
NO HAY DENOMINADOR EN NINGUNA PARTE DE LA CAPA B. El informe publica NUEVE PORCENTAJES y ni un recuento: ni matriculados, ni presentados, ni aprobados en numero. Y ademas los porcentajes van REDONDEADOS A ENTERO, asi que una asignatura de 3 matriculados publica 33/33/33 y la precision perdida no se puede reconstruir.
Medido de tres formas sobre los 159 PDF: `grep -li matriculad` -> 0 ficheros; los 62.361 valores numericos estan todos en [0,100] y ninguno lleva decimales; y sobre stg_canonico, 0 fila_origen de la capa B con ESTUDIANTES_MATRICULADOS o CREDITOS_MATRICULADOS. Los nueve porcentajes suman 100 (5.028 filas exactas, 6.916 de 6.929 en la banda [98,102] que explica el redondeo), pero sumar porcentajes da 100, no N: de una distribucion porcentual no sale un tamano de grupo.
hueco_de_extraccion · 2026-08-29
La Capa A de la UCA no tiene UNA maqueta sino muchas, porque cada centro la escribe a mano. El conector declara CUATRO formas y solo parsea esas cuatro; lo que no encaja no se lee. Es la regla del proyecto sobre los filtros -aceptar solo si la comprobacion sale bien, no rechazar solo si sale mal-: leer «como se pueda» una tabla cuya cabecera no se ha mirado es como se lee la columna equivocada durante un ano.
61 tablas de forma no declarada y 81 paginas sin ninguna tabla reconocida, de 108 descargadas, todas con su URL en data/silver/uca/fact_anomalia.parquet. Las formas que quedan fuera son glosarios de definiciones ('Tasa de graduacion | Relacion porcentual entre...'), tablas de una sola fila ('Plazas Ofertadas | 30'), tablas por AÑO DE EGRESO (otro grano) y cuadros comparativos con la memoria de verificacion. Por host, las paginas sin tabla se reparten esingenieria 24, filosofia 19, medicina 6, ciencias 5, cctrabajo 5, economicas 4.
no_publicado_por_la_fuente · 2026-08-29
SOLO 4 DE LOS 16 CENTROS PUBLICAN LA CAPA B, y es una propiedad de la fuente, no del conector: la UCA no tiene portal central y cada centro sube el informe a su WordPress si le apetece. Publican Filosofia y Letras, la Escuela Superior de Ingenieria, Ciencias y la ETS de Ingenieria de Algeciras. NO publican, entre otros, Derecho, Medicina, Enfermeria, Educacion, Economicas, Ciencias del Mar, Ciencias Sociales, Ciencias del Trabajo y Nauticas: probablemente mas de la mitad del alumnado de la UCA.
Comprobado por TRES barridos independientes en el reconocimiento (docs/reconocimiento/uca.md 2): busqueda WordPress por frase exacta en los 16 centros (positivo en 4), busqueda con terminos alternativos sobre los 12 negativos (hits, pero ninguna URL de resultados por asignatura) y sitemaps completos de los 16 (0 candidatas sobre 11.158 URL en los 12 negativos). Y sobre silver: 4 codigo_ruct_centro distintos en la capa B (11007685 con 26.487 observaciones, 11006531 con 15.246, 11006590 con 6.876 y 11006516 con 2.259).
hueco_de_extraccion · 2026-08-29
LA FUENTE SI LOS PUBLICA y este conector NO los extrae, a proposito: regla de oro 2 de CLAUDE.md, solo grados. El filtro se hace por el prefijo del NOMBRE del plan que la propia fuente imprime (MASTER / MASTER UNIVERSITARIO / PROGRAMA DE DOCTORADO), no por un rango de codigos: los codigos de la UCA no separan niveles (0208 es grado y 0263 master, pero 1466 es master y 1716 grado), asi que un rango seria una regla inventada.
1.277 filas de asignatura de master/doctorado descartadas en la Capa B (23 planes) y 1.845 celdas en la Capa A, todas contadas en data/silver/uca/fact_anomalia.parquet con los tipos filas-de-master-o-doctorado-no-cargadas (72 documentos) y celdas-de-master-o-doctorado-no-cargadas (13 paginas).
disponible · 2026-08-29
Se extraen DOS fuentes de Capa A, las dos del corpus rescatado: el portal retirado de la Seccion de Gestion de Datos y Estadistica -unico sitio de la UCO con codigo de centro y con numerador/denominador en creditos- y el cuadro de mandos del SGC del Grado de Veterinaria.
426 observaciones, 96 fila_origen, 28 titulos con RUCT, 11 centros y 9 cursos en dos bloques: 2009-10 a 2011-12 (legado, 4 documentos) y 2017-18 a 2022-23 (cuadro de mandos, 1 documento).
disponible · 2026-08-29
La UCO publica 'Calificaciones globales del titulo' -tabla dinamica con DIEZ indicadores por (asignatura, curso), incluida la distribucion completa de calificaciones y los no presentados- y 'TFTs Calificaciones', del Trabajo Fin de Titulo. Pero SOLO en 4 de sus 12 centros: Filosofia y Letras, EPS de Cordoba, Veterinaria y ETSIAM. Los otros ocho NO la publican, y en tres casos se sabe por que: Ciencias la deja en 'zona restringida' (articulo con el cuerpo vacio), Derecho la tiene en una carpeta de Drive que sirve la pantalla de login, y Medicina y Enfermeria la manda a un OneDrive personal.
38.756 observaciones en data/silver/uco, 3.914 fila_origen, 662 nombres de asignatura, 26 documentos, 7 cursos (2018-19 a 2024-25) y 13 titulos con RUCT.
no_publicado_por_la_fuente · 2026-08-29
La capa R es la de las fuentes oficiales de referencia (SIIU y sucesivas), que publican por (universidad, ambito). Una universidad no publica a ese grano y la UCO no es una excepcion.
0 observaciones de capa R en data/silver/uco.
disponible · 2026-08-29
El ambito 'Veterinaria' del SIIU (SIIU-AMB-08.2) de la universidad 006 contiene EXACTAMENTE UN titulo -2501787- segun core/vocab/titulacion_ambito_siiu.csv, asi que la serie del SIIU y la del cuadro de mandos del SGC hablan de la MISMA poblacion. Es lo que permite confirmar por contraste los cinco indicadores de esa tabla, que no tienen ninguna identidad interna que comprobar.
Medianas medidas sobre los cursos comunes: rendimiento -0,16 pp (n=6), eficiencia -0,67 (n=6), exito -2,82 contra la serie del CURSO frente a -5,87 contra la de EGRESADOS (n=6), abandono -0,99 contra 'Tasa global de abandono' frente a +6,67 contra la del SUE (n=3), graduacion -0,25 contra la serie de 5 anios (n=2).
disponible · 2026-08-29
La UCO publica por asignatura el desglose completo de notas (Aprobados, Notables, Sobresalientes, Matriculas de honor), los presentados, los que superan y los NO presentados. Es el juego mas rico por celda de las fuentes vistas. El catalogo canonico del proyecto NO lo cubre: sus 44 codigos son de acceso, rendimiento, abandono y egreso, y no hay ninguno de distribucion de notas ni de 'estudiantes presentados'. Quedan como HUERFANOS DECLARADOS en core/vocab/mapeo_uco.csv, con su motivo uno a uno.
27.050 observaciones en silver con codigo_canonico nulo, de 13 rotulos huerfanos declarados (7 de la tabla calificaciones-globales, 6 de la tabla tft).
hueco_de_extraccion · 2026-08-29
'vet_indicadores_clave__Indicadores_clave_del_Grado_en_Veterinaria_2018_2022.pdf' trae 11 indicadores complementarios de UN titulo por 3 cursos, y no se extrae. Dos motivos: (1) varios no tienen canonico (movilidad entrante/saliente, practicas, actividades formativas del profesorado); (2) la tabla tiene DOS FILAS HOMONIMAS -'Numero de estudiantado que realiza movilidad'- cuyo cualificador, (Salientes) y (Entrantes), va impreso DEBAJO de sus valores y no al lado, asi que distinguirlas exige una regla de lectura propia para dos filas de un documento.
1 incidencia 'documento-excluido-por-configuracion' con el motivo escrito en connectors/uco/config.yaml. El documento son 3 paginas y 33 celdas, de las que 5 tendrian canonico (plazas ofertadas, nuevo ingreso, matriculados, duracion media, nota media de ingreso).
hueco_de_extraccion · 2026-08-29
Los 6 PDF '{grados,master}_{abandono,eficiencia,graduacion}.pdf' del portal retirado son un QUINTO formato -matriz ancha con una columna por curso, 2000-01 a 2011-12, grano centro x titulacion- y no se extraen. La razon es de coste/beneficio y esta MEDIDA, no supuesta.
Contado sobre el texto de los seis ficheros: grados_abandono.pdf tiene 3 filas de grado de sus 63 (DOBLE GRADO DE DERECHO Y ADE, GRADO DE ADE, GRADO DE DERECHO) con 4 valores reales entre sus dos ultimas columnas; grados_eficiencia.pdf y grados_graduacion.pdf tienen CERO (los grados empiezan en 2009-10 y las dos tasas necesitan egresados); los tres 'master_*' son de masteres. El resto de sus filas son titulos pre-Bolonia.
hueco_de_extraccion · 2026-08-29
El Portal de Transparencia publica 'Matriculados.xlsx' con matriculados y % de mujeres por titulo y curso, 2015-16 a 2020-21, 47 grados. No se extrae: es la unica fuente de la UCO en formato hoja de calculo -exigiria una dependencia y un lector mas para 6 cursos-, no trae columna de centro y esta caducada cinco anios por detras del P-1. Su unico valor propio es que usa la denominacion oficial larga del RUCT.
Medido en el reconocimiento: 34.517 bytes, 2 hojas, cabecera de dos niveles con celdas combinadas y huecos marcados con '-' literal; 47 titulos de grado x 6 cursos = 282 pares.
hueco_de_extraccion · 2026-08-29
LA FUENTE LA PUBLICA Y ESTE CONECTOR NO LA EXTRAE. El procedimiento P-1.1 del SGC (www.uco.es/sgc, articulos id=142 grado e id=153 master) sirve 13 indicadores por (titulo, curso) para 10 cursos, 2015/16 a 2024/25, y 479 pares (curso, titulo). El motivo NO es tecnico: es que www.uco.es/robots.txt declara 'User-agent: * / Disallow: /' con solo Googlebot, Bingbot y Exabot en lista blanca, asi que NOS EXCLUYE, y la regla 1 de docs/data-card.md es respeto por defecto. Tampoco cabe la excepcion de la regla 2, que es para un disallow generico de CMS que barre un directorio sin intencion de excluir el documento: esto es una exclusion de sitio entero. Extraerlo exigiria ademas ~489 POST a ese host.
robots.txt re-descargado el 2026-08-29: HTTP 200, 121 bytes, byte a byte IDENTICO al que el rescate guardo el 2026-08-27 (o sea que la exclusion no es nueva y el corpus se salvo antes de que la regla entrara en vigor). Serie contada durante el reconocimiento llamando a combos2.php diez veces: 37/48/48/45/48/48/48/50/52/55 titulos por curso.
disponible · 2026-08-29
Los PDF de Capa B NO imprimen el centro: es metadato del DESCUBRIMIENTO, porque cada fichero cuelga de la pagina de calidad de un centro concreto. El conector lo graba desde ahi (config.yaml: centros_origen) y el catalogo lo confirma: los 13 grados con Capa B tienen EXACTAMENTE UNA imparticion en el RUCT, asi que el grano (codigo_ruct, codigo_ruct_centro) queda completo sin elegir nada.
38.756 observaciones de capa B con nivel_grano = titulo_centro; 0 con indeterminado.
hueco_de_extraccion · 2026-08-29
El legado publica 'DOBLE GRADO DE DERECHO Y ADMINISTRACION Y DIRECCION DE EMPRESAS' (plan 146) en sus tres ediciones con datos. Un doble grado no tiene RUCT propio (ADR 0005) y esta alta NO escribe core/vocab/programas_uco.csv, asi que el rotulo no se resuelve a sus titulos componentes. La fila NO se funde con sus hermanas ni se cuelga de un RUCT elegido a dedo: conserva un codigo sustituto determinista (PCEO-X-<hash>) y su anomalia.
3 filas y 18 observaciones con es_pceo, codigo_programa 'PCEO-X-...' y anomalia 'programa-conjunto-sin-resolver'. Nunca entran en gold.
hueco_de_extraccion · 2026-08-29
El legado llama al plan 279 'GRADO DE INGENIERIA DE RECURSOS ENERGETICOS Y MINEROS' y el RUCT llama al mismo titulo 'Ingenieria de la Energia y Recursos Minerales' (2501795). Son dos denominaciones del mismo estudio y no hay ninguna regla -ni exacta, ni sin articulos, ni de prefijo unico- que lo demuestre, asi que se declara el hueco en vez de elegir.
2 filas y 12 observaciones con anomalia 'titulacion-sin-ruct-en-el-catalogo', en grados_rendimiento1011.pdf y grados_rendimiento1112.pdf.
no_publicado_por_la_fuente · 2026-08-29
La UCO SI publica Capa B de master -3 planes (462 Ingenieria Industrial plan 2014, 625 Digital-Agri, 655 Ingenieria Industrial plan 2024) en 4 documentos del corpus- y este conector NO los extrae, por la regla de oro 2 del proyecto: solo grados. No es un hueco de la fuente; se declara aqui para que no parezca uno.
4 incidencias 'master-fuera-de-alcance' en data/silver/uco/fact_anomalia.parquet, una por documento, con su plan y su nombre.
no_publicado_por_la_fuente · 2026-08-29
Hueco real de la fuente, no nuestro: el portal retirado congelo sus datos en 2011-12 y el P-1 del SGC empieza en 2015/16. Entre medias no hay ninguna fuente de la UCO localizada. Se declara el curso FRONTERA y no un rango ('2012-13 a 2014-15') porque un rango no es un curso que se pueda contar en silver, y publicaria un cero que nadie ha medido.
El indice del portal retirado (tasas.html, 16.111 bytes) no ofrece ningun fichero posterior a 2011-12, y el desplegable de anios de combos2.php empieza en 2015. 0 observaciones de 2012-13 en data/silver/uco.
disponible · 2026-09-03
La UdG publica Capa A propia y desde el 2026-09-03 este conector SI la extrae: el taulell publico de dstitulacions (apps.udg.edu/dstitulacions/taulell/public/<PlaCodi>), una pagina HTML por plan con ~90 indicadores por titulacion y toda la vida del plan (hasta 16 cursos, no los 5 que decia el reconocimiento). El hueco anterior decia «AQU ya la cubre»; el alta se hizo justo para tener EL OTRO LADO del contraste, y el contraste (mapeo_udg.csv, filas taulell) midio CIRCULARIDAD PARCIAL: los indicadores compartidos con AQU empatan al redondeo de 2 decimales del taulell en la mediana (ambos beben de UNEIX), con cola real de desacuerdos por instantanea y por el pliegue de dobles grados. QUEDA SIN EXTRAER de esta capa, declarado: (1) el segundo Power BI quadre_comandament_centre (modelo 869018, ultimo refresco 2025-05-19), que publica Capa A por CENTRO; (2) las paginas de 29 planes de grado que el taulell no sirve (10 con HTTP 500, 16 con 200 sin tablas -planes nuevos 2024/2025 sin datos aun-, y 3 cuya URL devuelve la pagina de OTRO plan, taulell.manifest.json e incidencias de la corrida).
Corrida 2026-09-03: 89 paginas en bronze (data/bronze/udg/taulell, manifiesto propio con sha256 e intentos fallidos), 86 parseadas, 183.393 observaciones de Capa A en silver (114.621 con valor), 61 titulos con RUCT, 15 centros, 17 cursos (2008-09..2024-25), 245 indicadores-fuente declarados en mapeo_udg.csv (9 mapeados a canonico con prueba, 236 huerfanos declarados con motivo). robots.txt de apps.udg.edu responde HTTP 400 (no publica politica; sin exclusion por nombre).
disponible · 2026-08-28
La fuente publica la TABLA DE HECHOS de lineas de curriculum (FACT_LiniesCurriculum), que agregada al grano del proyecto da la Capa B: una fila por asignatura de un plan en un curso. Es la serie mas larga del proyecto: 19 cursos, de 2008-09 a 2026-27.
740.917 observaciones en silver, 5.713 asignaturas distintas, 66 titulos, 15 centros, 80.655 fila_origen. Reproduce EXACTAMENTE la tabla oficial «Taula 6.5. Resultats» del Informe de Seguiment de la Facultat d'Infermeria 21-22 en 203 de sus 204 filas (la 204 es una fila duplicada en el propio PDF) y las 20 del de la E.U. Mediterrani 22-23.
no_publicado_por_la_fuente · 2026-08-28
La UdG es una universidad, no una fuente de referencia: no publica agregados por (universidad, ambito de estudio) que sirvan de benchmark. La capa R la aportan SIIU y QEDU.
Las 57 entidades del modelo semantico, enumeradas con POST explore/conceptualschema: ninguna tiene grano (universidad, ambito). El grano mas grueso que publica es el plan de estudios.
disponible · 2026-08-28
Se contrasto la Capa B agregada a (titulo, centro, curso) contra la Capa A de AQU. NO es una confirmacion y no se usa como tal: son granos distintos y ademas bases de calculo distintas —AQU calcula sobre CREDITOS y la agregacion de esta Capa B por cabezas seria un cruce de bases que el ADR 0014 prohibe a nivel titulo—. Se MIDE la brecha y se escribe; no se interpreta ni se corrige.
581 grupos (titulo, centro, curso) comunes. Creditos matriculados: mediana +0,00%, p10 -29,93, p90 +3,37, 252 de 580 dentro del 2%. Creditos superados: mediana -0,77%. Tasas, en puntos: rendimiento -0,80 pp (420 de 579 dentro de 2 pp), exito -1,21 pp (352), evaluacion +0,22 pp (513). LA DISPERSION TIENE CAUSA MEDIDA: partiendo los 580 grupos en dos, los 251 titulos cuyas asignaturas NO aparecen en ningun plan PCEO dan mediana +0,61% y 176 de 251 dentro del 2%; los 329 que SI, dan -7,72%, y sumandoles las lineas de los planes PCEO la mediana vuelve a +0,91%. AQU pliega a los estudiantes de doble grado dentro de los titulos componentes; la UdG los mantiene en un plan propio sin RUCT, que es el hueco declarado de la fila «codigo RUCT de los PCEO».
disponible · 2026-08-28
Se contrasto la Capa B agregada a nivel UNIVERSIDAD contra las tres tasas del SIIU para la 043 (ambito=todos, ambos sexos). Como el contraste contra AQU, NO confirma: el SIIU calcula sobre CREDITOS y esta agregacion es por cabezas, que a nivel universidad es un cruce de bases prohibido por el ADR 0014. Se mide la brecha y se escribe.
9 cursos comunes (2015-16..2023-24), comparando por CODIGO CANONICO y no por rotulo —el SIIU publica «Tasa de exito» en dos tablas con poblaciones distintas y casar por el rotulo movia la mediana de -2,19 a -5,40 pp—. Medianas: rendimiento -1,80 pp (min -2,22, max -0,02), exito -2,19 pp (min -2,47, max +3,39), evaluacion +0,16 pp (min -3,82, max +0,53). El signo es estable: la UdG medida por cabezas sale sistematicamente un par de puntos por debajo de su propia cifra oficial por creditos.
disponible · 2026-09-03
SE PUBLICA Y SE EXTRAE, con un defecto de la propia fuente que viaja declarado. (El estado dice si la fuente lo publica, y lo publica: el defecto va en este motivo, no en un estado nuevo. La primera version de esta fila invento `publicado_con_defecto_por_la_fuente`, que el vocabulario no admite, y el axioma 18 la acuso.) El taulell publica esta tasa en tanto por uno y en 7 celdas imprime 1,01 o 1,03, que convertidos son 101 % y 103 %. El canonico TASA_EVALUACION_PRIMER_CURSO es 100 x creditos presentados / creditos matriculados: el numerador es un subconjunto del denominador y no puede pasar de 100, asi que la cifra publicada esta mal calculada EN ORIGEN. No es un fallo de lectura ni de escala: el literal se conserva tal cual y el factor 100 es la definicion de las dos palabras. No se corrige a 100 ni se descarta en silencio (regla de oro 4): sale con su literal, su valor_num y la anomalia tasa-fuera-de-rango.
7 celdas de 1.019 del rotulo, en 2012-13 (1), 2013-14 (5) y 2014-15 (1); planes 3103G0115, 3103G0215, 3103G0315, 3103G0415, 3103GD213, 3106G0109 y 3153G0111. Que el >100 es de la FUENTE y no del indicador esta medido contra AQU, que bebe del mismo UNEIX: para los 5 casos con homologo en su ventana (AQU empieza en 2013-14), %TaxaPresentats1r vale 0,9733..0,9924 y sus dos operandos cumplen CreditsPresentatsPrimerCurs < CreditsMatriculatsPrimerCurs (p.ej. 1.312 / 1.348 en 2502589-08070428 2013-14, donde el taulell dice 1,03). Ninguna de las 6.311 celdas de %TaxaPresentats1r de AQU pasa de 100,0. Y el taulell es COHERENTE CON SU PROPIO ERROR: rendiment1r/exit1r da 1,011..1,022 en esas mismas 7 celdas, asi que la fuente publico una razon mayor que 1, no la leimos mal. El resto de la serie del mismo rotulo esta dentro de rango, incluidos varios 1 exactos (100 %, borde valido).
no_publicado_por_la_fuente · 2026-08-28
El modelo semantico solo declara LastRefreshTime, que se refresca a diario: es la marca del REFRESCO, no la fecha en que se publico el dato del curso 2011-12. Se estima con flag (regla de oro 3) y viaja como cota de consulta (fuente_fecha = fecha-de-consulta-udg-powerbi, ADR 0007).
LastRefreshTime medido: 2026-08-27T02:08:00.687, un dia antes de esta corrida, para los 19 cursos por igual. Ninguna entidad del modelo trae una fecha de aprobacion ni de publicacion.
no_publicado_por_la_fuente · 2026-08-28
La UdG publica RECUENTOS por asignatura, no tasas. Las tres tasas de la Capa B las calcula este conector a partir de tres recuentos que suma el servidor, y su valor_literal es el COCIENTE de esos dos literales («130 / 142»), no el resultado, para que la derivacion se pueda comprobar sin salir de la fila.
Las 42 columnas de FACT_LiniesCurriculum y las 17 de DIM_Notes, enumeradas: ninguna es una tasa. La tabla oficial «Taula 6.5. Resultats» de los Informes de Seguiment tampoco publica tasas, sino la distribucion porcentual de calificaciones.
excluida_por_datos_personales · 2026-08-28
ADR 0013. El grano NATIVO de esta fuente es alumno x asignatura x curso x convocatoria, y el hecho trae los identificadores de la persona y de su expediente. El endpoint NO tiene RLS efectivo: devuelve lo que se le pida de toda la universidad. Este proyecto no recoge microdatos identificables, asi que TODA consulta agrega en el servidor y NINGUNA proyecta uno de esos cuatro nombres, ni en el Select, ni en el Where, ni como argumento de un agregado.
Lista negra udg.consulta.COLUMNAS_DE_PERSONA comprobada sobre el JSON serializado de las 8 consultas reales (4 familias del hecho + 4 dimensiones) por connectors/udg/tests/test_datos_personales.py::test_ninguna_consulta_pide_un_identificador_de_persona, con canario que fabrica el fallo y comprueba que salta. Y sobre la SALIDA: ninguna observacion lleva sexo, ni duracion teorica, ni ninguna clave por debajo de la asignatura, y la clave (titulo, centro, plan, asignatura, curso, indicador) no se repite ni una vez en 740.917 filas. core/vocab/purgas.csv no tiene ni una linea de udg: no hizo falta purgar porque el corpus nunca contuvo una fila a nivel de persona.
no_publicado_por_la_fuente · 2026-08-28
«Escola Universitaria de Turisme CETA (centre adscrit)» imparte el Grau en Turisme (2500329) y NO figura entre los 36 centros que el RUCT le reconoce a la Universitat de Girona. No se le asigna otro: elegir uno fabricaria una imparticion que no existe.
Puente vocab/centros.csv: 15 de los 16 codigos de centro con planes de grado se confirman contra catalogo/dim_imparticion.csv por unanimidad o por cierre de la biyeccion de los 4 centros de 2500329. El decimosexto, EUT CETA, no tiene destino. Medido: 8.711 observaciones con centro-udg-sin-equivalente-en-el-ruct.
no_publicado_por_la_fuente · 2026-08-28
Un programa conjunto NO tiene RUCT propio —el RUCT registra titulos, no programas (ADR 0005 §2)— y la UdG tampoco publica los RUCT de los titulos que lo componen: DIM_Plans deja TitolMECCodi vacio en los 29 planes de doble titulacion. No se adivinan: resolver «Doble Titulacio Grau en Biologia/ Grau en Biotecnologia» a un par de codigos exigiria casar nombres, que es justo lo que la norma de mapeo prohibe.
29 de los 115 planes de grado son «Doble Titulacio» y los 29 llegan sin RUCT; los 80 que SI lo traen estan los 80 en catalogo/dim_titulacion.csv (0 fallos). Las observaciones salen con es_pceo = True, nivel_grano = indeterminado, codigo_programa provisional PCEO-X-<hash8> derivado del rotulo Y del PlaCodi, y la anomalia programa-no-resuelto. Medido: 122.332 observaciones.
hueco_de_extraccion · 2026-08-28
La fuente los publica y este conector NO los extrae, por la regla de oro 2 del proyecto («Solo grados»). Es deuda nuestra: se cierra cambiando una linea de config.yaml (tipos_en_alcance) el dia que el proyecto admita master.
DIM_Plans trae 150 planes de «Masters oficials» y 123 de ellos con TitolMECCodi (RUCT nativo), medido sobre la dimension completa. El coste de cerrarlo es una lista mas en tipos_en_alcance y una re-corrida de 76 consultas.
hueco_de_extraccion · 2026-08-28
Licenciaturas y diplomaturas anteriores a Bolonia. La fuente las publica y este conector no las toma, por la misma regla. Merece nota aparte porque NINGUNA otra fuente del proyecto las tiene: AQU no llega, y la serie de la UdG empieza en 2008-09, cuando todavia eran el grueso de la matricula.
103 planes de «Primer i segon cicle homologat» en DIM_Plans y 51.680 lineas de curriculum suyas medidas en el reconocimiento.
hueco_de_extraccion · 2026-08-28
Igual que master: la fuente los publica y la regla de oro 2 los deja fuera.
202 planes de «Programes de doctorat» y 26 de «Doctorat» en DIM_Plans.
no_publicado_por_la_fuente · 2026-08-28
La serie de grado empieza en 2008-09. DIM_CursosAcademics declara cursos desde 1900-01, pero no hay ninguna linea de curriculum de un plan de GRADO anterior a 2008-09 —Bolonia no habia empezado— y las que hay de 2008-09 son 129 observaciones de un solo plan.
19 cursos con dato en silver, de 2008-09 a 2026-27, y CERO observaciones fuera de esa ventana. El conector pide los 19 anos y ninguno mas (config.yaml: primer_curso 2008, ultimo_curso 2026).
disponible · 2026-08-28
La fuente publica el curso EN VUELO. No es un error de fecha ni una pestaña de ano mal leida: es matricula de un curso que no ha terminado, y por eso sus observaciones llevan la anomalia fecha-anterior-al-fin-del-periodo que el axioma 5 reconoce.
26.458 observaciones con periodo 2026-27, de las cuales 4.139 son de la calificacion «Pendent de qualificar (PQ)». Y la atribucion de ano esta COMPROBADA contra una extraccion independiente: los totales de lineas de acta por curso de esta corrida coinciden fila a fila, con delta 0 en los 19 cursos, con el corpus rescatado el 2026-08-27. No es la trampa de la pestana de ano que costo 1.155 filas en la UDC.
disponible · 2026-09-03
CERRADO el hueco de extraccion del 2026-08-29: la Capa A propia se extrae desde el cubo Pentaho CDA de data.udl.cat (consulta doQuery abierta, sin autenticacion), con el puente estudi->RUCT construido y confirmado fila a fila en connectors/udl/vocab/estudis_cda_udl.csv (116 de 165 estudis resueltos; los 49 restantes declarados con su motivo). Los 14 XLSX de «La UdL en xifres» siguen sin parsearse: ese resto queda declarado como hueco en la fila familia_de_indicadores|XLSX.
21.337 observaciones de capa A en data/silver/udl (corrida 2026-09-03): 5 consultas (RendimentSQL, EficienciaSQL, MatriculaSQL, PlacesOfertadesSQL, GraduacioAbandonamentSQL) x 165 estudis, 15.576 obs titulo_centro + 172 titulo_agregado + 5.589 indeterminado declarado, 116 titulos con RUCT, 8 centros, 20 cursos 2005-06..2024-25. Rescate con manifiesto (cda-a/, 1.215 intentos, 0 fallos en la corrida sistematica). CLAVE DE GRANO DE LAS FILAS SIN RUCT (2026-09-03, cierre de los axiomas 4 y 10): las 5.589 indeterminado NO salen con (ruct,centro,programa) vacio; cada una lleva codigo_programa acunado desde la clave nativa del cubo -25 dobles titulacions con PCEO-X-<hash> de core.programas.codigo_provisional (es_pceo lo declara la fuente: su LABEL de EstudiQ empieza por «Doble titulació», 25 de 165) y 24 estudis que NO son programas conjuntos con UDL-SINRUCT-<nk>, la familia de ub/uz/ujaen-. Sin eso, seis estudis con series byte-identicas compartian sha256 y colapsaban en la misma celda (60 grupos, 200 filas) y las 2.990 filas pceo quedaban sin codigo, que el ADR 0005 prohibe. Los 116 titulos RESUELTOS siguen con codigo_programa vacio a proposito. Ver NOTAS.md 8g.
disponible · 2026-08-29
La UdL publica rendimiento por asignatura dentro de sus informes de seguiment de centre (ISC), sin plantilla y de forma esporadica. Es lo unico que aporta esta fuente y es exactamente lo que AQU no puede dar.
1.160 observaciones en data/silver/udl tras la corrida completa de los 122 ISC del corpus: 3 titulos, 2 centros, 78 asignaturas, 5 cursos (2020-21 a 2024-25), 7 tablas en 4 documentos.
no_publicado_por_la_fuente · 2026-08-29
AQU no publica NADA por asignatura -es la primera reserva del ADR 0011- asi que no existe una segunda fuente con la que confrontar celda a celda esta Capa B.
core/vocab/limites_aqu.csv declara capa|B|no_publicado_por_la_fuente con la enumeracion de las 42 entidades de su modelo semantico: ninguna tiene grano de asignatura.
disponible · 2026-09-03
EL CONTRASTE QUE MOTIVO ESTA ALTA: la Capa A propia comparte grano y periodo con la de AQU y por primera vez una universidad de este proyecto tiene su Capa A medida por dos vias.
1.048 coordenadas (titulo,centro,curso) contrastadas el 2026-09-03: TASA_RENDIMIENTO 388 (209 empates al redondeo, desviacion mediana 0,06 pp, maxima 24,1), TASA_EFICIENCIA 355 (235 empates, mediana 0,01, maxima 32,2), ESTUDIANTES_NUEVO_INGRESO 305 (100 empates exactos). NO es circular: el ~45% que no empata prueba que el cubo DATA y la foto UNEIX de AQU no son la misma tabla re-publicada; las causas medibles (dobles y campus que el cubo separa, cortes de foto distintos) estan en NOTAS.md 9.
hueco_de_extraccion · 2026-09-03
RendimentSQL y EficienciaSQL publican tres columnas de valor (Titulació, Centre, UdL) y el parser emite SOLO Titulació: las otras dos son los agregados de contexto del grafico, se repiten identicas en todos los estudis del mismo centro y no tienen titulo del que colgar en el modelo (el contrato no tiene grano de centro-a-secas).
Medido en cda-a/probe_Rendiment_G32_full.json: la columna UdL repite la misma serie (49,51,...,85) en cualquier estudi. Decision documentada en capa_a.py y en mapeo_udl.csv (notas de UDL-A-REND).
no_publicado_por_la_fuente · 2026-08-29
Las tablas por asignatura de la UdL cuentan ESTUDIANTES, no creditos. Publican Total matriculats / Estudiants y la distribucion de notas, nunca ECTS.
Medido sobre las 7 tablas: 0 columnas de creditos. Confirmado por aritmetica en la otra direccion: los porcentajes de nota reconstruyen recuentos ENTEROS sobre Estudiants y suman Estudiants exacto en 54 de 55 filas (NOTAS.md 3c).
no_publicado_por_la_fuente · 2026-09-03
La Capa A del cubo publica TASAS ya calculadas (rendimiento, eficiencia) y recuentos de PERSONAS (matricula por sexo, plazas, cohortes), nunca los creditos crudos.
Metadata de las 15 consultas del CDA leida entera: ninguna columna de ECTS (2026-09-03).
hueco_de_extraccion · 2026-09-03
Los 14 XLSX siguen sin parsearse a silver. Tres estan en el corpus desde el reconocimiento (declarados en fact_anomalia) y uno de ellos, 5_Taxa-rendiment-grau-24_25, se uso celda a celda como PRUEBA de la base de calculo del cubo (60/60 grados comparables, empates al redondeo). Aportarian sobre el cubo: demanda en 1a opcion, cobertura de plazas con detalle, titulados por curso, % dones, movilidad y doctorado, todo a 1 curso por fichero y sin RUCT.
rescate-cat6/*.xlsx en el manifiesto; los 11 restantes ni descargados (www.udl.cat, Crawl-delay 60).
hueco_de_extraccion · 2026-09-03
Las dos consultas de satisfaccion del cubo NO se rescataron en la corrida de datos: son encuestas (media de satisfaccion agregada al titulo) y el catalogo canonico no cubre satisfaccion -su alcance son rendimiento, acceso y trayectoria-, igual que se declaro en la Capa B para las columnas de encuesta de los ISC.
Metadata de las dos consultas leida en el reconocimiento (cda/cda_SatisfaccioAssignaturaSQL.json): columnas CURS|Titulació|Centre|UdL, satisfaccion agregada al titulo. Es el senuelo documentado: parece Capa B y no lo es (docs/reconocimiento/udl.md 2b).
no_publicado_por_la_fuente · 2026-08-29
La fuente publica los NO PRESENTADOS (Notes - NP en L1, No presentat en L3), no la tasa de evaluacion. Son complementarios: evaluacion = 100 - NP.
Confirmado por identidad: rendimiento = exito x (100 - NP)/100 con desviacion maxima 0,1077 pp sobre las 55 filas de ISC_FL_2023_24.pdf p.75. Declarado en cobertura_udl.csv como rotulo_evaluacion_complemento.
no_publicado_por_la_fuente · 2026-09-03
El cubo publica SOLO rendimiento y eficiencia como tasas academicas de titulacion: ni exito, ni evaluacion, ni su complemento de no presentados a este grano.
Los 15 dataAccessId del CDA enumerados con listQueries y su metadata leida (2026-08-29 y 2026-09-03): no existe consulta de exito/evaluacion.
no_publicado_por_la_fuente · 2026-08-29
Ninguna de las cuatro maquetas publica el codigo de la asignatura: solo el rotulo. La UdL SI lo tiene -las capturas del dossier de la titulacion que los ISC pegan dentro muestran un filtro «Assignatura, Codi»- pero no lo imprime en las tablas.
Revisadas las 7 tablas del corpus: 0 columnas de codigo. Comprobado tambien que ningun rotulo lleve el codigo delante, como hace la URV.
hueco_de_extraccion · 2026-09-03
49 de los 165 estudis del cubo no se resuelven a (codigo_ruct, codigo_ruct_centro) y sus 5.589 observaciones entran como indeterminado DECLARADO: 25 dobles titulaciones (dim_programa no tiene filas de la 044, ADR 0016), 12 series que abarcan dos planes RUCT sucesivos sin corte declarado por la fuente, 2 estudis del campus de Igualada sin centro RUCT propio, 2 nk paralelos de Infermeria sin atribucion de campus posible, 2 PARS, 2 troncos comunes y demas motivos de vocab/estudis_cda_udl.csv.
vocab/estudis_cda_udl.csv, columna motivo_sin_resolver, una fila por estudi con su prueba; 5.589 observaciones con anomalia grano-no-resuelto en data/silver/udl (2026-09-03).
hueco_de_extraccion · 2026-08-29
ISC_FDET_2023_24.pdf p.27 publica una tabla por asignatura y NO se lee. No es un fallo del parser -el parser la reconoce y la nombra- sino una decision sobre la calidad del dato: sus filas van bajo los titulares «ASSIGNATURES AMB MES RENDIMENT» y «ASSIGNATURES AMB MENYS RENDIMENT», o sea una muestra elegida por el autor del informe, no un censo. Cargarla daria una Capa B sesgada hacia las colas sin forma de saberlo aguas abajo.
24 filas de asignatura del Grau en Dret (RUCT 2500363, centro 25005296) en el curso 2023-24. Queda en fact_anomalia con tipo tabla-excluida-por-maqueta y el motivo escrito. Mismo criterio con el que la tanda anterior descarto los informes del Claustro de la UMU.
no_publicado_por_la_fuente · 2026-08-29
Los ISC de la Escola de Doctorat (centro 25016749) no traen tabla por asignatura, y por la naturaleza del doctorado no la tendrian: no hay asignaturas que medir. El cubo CDA tampoco lo publica: ningun estudi de doctorado en la union de EstudiQ de los 33 cursos (medido 2026-09-03).
9 ISC de EDoctorat en el corpus (2014-15 a 2024-25), los 9 con cero tablas de Capa B y sin ningun apartado «Resultats per assignatures».
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso (solo capa A; la Capa B de los ISC no existe antes de 2020-21). OJO: en 2005-06 el dato real son las cohortes de GraduacioAbandonamentSQL y la matricula; las tasas de ese curso son ceros de relleno del cubo y van marcadas.
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso (solo capa A; la Capa B de los ISC no existe antes de 2020-21).
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso (solo capa A; la Capa B de los ISC no existe antes de 2020-21).
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso (solo capa A; la Capa B de los ISC no existe antes de 2020-21).
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso (solo capa A; la Capa B de los ISC no existe antes de 2020-21).
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso (solo capa A; la Capa B de los ISC no existe antes de 2020-21).
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso (solo capa A; la Capa B de los ISC no existe antes de 2020-21).
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso (solo capa A; la Capa B de los ISC no existe antes de 2020-21).
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso. La declaracion anterior (no_publicado_por_la_fuente, 2026-08-29) hablaba SOLO de la Capa B de los ISC y sigue siendo cierta para ella: ningun ISC de estos cursos trae tabla por asignatura.
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03). Para la Capa B: comprobado sobre los 122 ISC el 2026-08-29, los 98 documentos de 2013-14 a 2022-23 producen CERO observaciones de asignatura.
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso. La declaracion anterior (no_publicado_por_la_fuente, 2026-08-29) hablaba SOLO de la Capa B de los ISC y sigue siendo cierta para ella: ningun ISC de estos cursos trae tabla por asignatura.
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03). Para la Capa B: comprobado sobre los 122 ISC el 2026-08-29, los 98 documentos de 2013-14 a 2022-23 producen CERO observaciones de asignatura.
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso. La declaracion anterior (no_publicado_por_la_fuente, 2026-08-29) hablaba SOLO de la Capa B de los ISC y sigue siendo cierta para ella: ningun ISC de estos cursos trae tabla por asignatura.
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03). Para la Capa B: comprobado sobre los 122 ISC el 2026-08-29, los 98 documentos de 2013-14 a 2022-23 producen CERO observaciones de asignatura.
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso. La declaracion anterior (no_publicado_por_la_fuente, 2026-08-29) hablaba SOLO de la Capa B de los ISC y sigue siendo cierta para ella: ningun ISC de estos cursos trae tabla por asignatura.
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03). Para la Capa B: comprobado sobre los 122 ISC el 2026-08-29, los 98 documentos de 2013-14 a 2022-23 producen CERO observaciones de asignatura.
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso. La declaracion anterior (no_publicado_por_la_fuente, 2026-08-29) hablaba SOLO de la Capa B de los ISC y sigue siendo cierta para ella: ningun ISC de estos cursos trae tabla por asignatura.
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03). Para la Capa B: comprobado sobre los 122 ISC el 2026-08-29, los 98 documentos de 2013-14 a 2022-23 producen CERO observaciones de asignatura.
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso. La declaracion anterior (no_publicado_por_la_fuente, 2026-08-29) hablaba SOLO de la Capa B de los ISC y sigue siendo cierta para ella: ningun ISC de estos cursos trae tabla por asignatura.
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03). Para la Capa B: comprobado sobre los 122 ISC el 2026-08-29, los 98 documentos de 2013-14 a 2022-23 producen CERO observaciones de asignatura.
disponible · 2026-09-03
Capa A del cubo CDA: hay observaciones de este curso. La declaracion anterior (no_publicado_por_la_fuente, 2026-08-29) hablaba SOLO de la Capa B de los ISC y sigue siendo cierta para ella: ningun ISC de estos cursos trae tabla por asignatura.
Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03). Para la Capa B: comprobado sobre los 122 ISC el 2026-08-29, los 98 documentos de 2013-14 a 2022-23 producen CERO observaciones de asignatura.
disponible · 2026-09-03
Las dos capas traen observaciones de este curso: la B de los ISC (declarada el 2026-08-29) y la A del cubo CDA (2026-09-03).
50 observaciones, todas de la maqueta L2 (la serie de 4 cursos de ISC_FL_2023_24.pdf p.73) Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Las dos capas traen observaciones de este curso: la B de los ISC (declarada el 2026-08-29) y la A del cubo CDA (2026-09-03).
52 observaciones, maqueta L2 Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Las dos capas traen observaciones de este curso: la B de los ISC (declarada el 2026-08-29) y la A del cubo CDA (2026-09-03).
54 observaciones, maqueta L2 Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Las dos capas traen observaciones de este curso: la B de los ISC (declarada el 2026-08-29) y la A del cubo CDA (2026-09-03).
910 observaciones, 3 titulos: es el curso con casi todo el dato Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
Las dos capas traen observaciones de este curso: la B de los ISC (declarada el 2026-08-29) y la A del cubo CDA (2026-09-03).
94 observaciones, 2 titulos, de ISC_FIF_2024_25.pdf Recuento por periodo en data/silver/udl tras la corrida del cubo (2026-09-03).
disponible · 2026-09-03
CAMBIA respecto del 2026-08-29: la Capa A del cubo SI publica las dobles titulaciones como estudis propios, con serie completa (el reconocimiento solo habia visto la foto de un curso en los XLSX). La Capa B sigue sin ninguna tabla de asignatura de un PCEO.
25 estudis «Doble titulació:» en EstudiQ, 2.970 observaciones con es_pceo=true en data/silver/udl (2026-09-03), series de hasta 12 cursos (DDA, DIA, DIP desde 2013-14).
hueco_de_extraccion · 2026-08-31
LA UGR PUBLICA CAPA A MUY BIEN Y ESTE PROYECTO TODAVIA NO LA EXTRAE. Tres fuentes vivas y el corpus esta rescatado entero, asi que el alta no volveria a la red: (a) el portal ODIP `analitica.ugr.es`, cuyo boton de descarga sirve cada informe COMPLETO por POST, en CSV y en XLSX; (b) la ficha de indicadores de cada titulo en `grados.ugr.es`, con 21 indicadores x 7 cursos; (c) los CSV por curso de la seccion `open_data` del mismo portal.
MEDIDO sobre el corpus: (a) 37 informes ODIP descargados en CSV y los MISMOS 37 en XLSX -el eje FORMATO agotado-, 132.265 filas en total; el de grado que importa es `rendimiento-y-exito-academico-de-estudiantes-en-grado`, 1.826 filas, 99 titulos, 35 centros, 4 cursos (2021-22..2024-25) y 5 tasas, con columna Centro. (b) 108 fichas de indicadores con HTTP 200, 89 distintas por contenido -los alias con guion y con guion bajo sirven la misma pagina-, 11.631 celdas (indicador x curso), 21 indicadores y 7 cursos (2018/19..2024/25), 6 fichas sin datos. Ojo: no son <table>, son <div class="table-div"> con <div class="indicador"> y <div class="curso">. (c) 34 CSV de open_data, de los que 12 son de GRADO y cubren 2015-16..2026-27 con 146.078 filas de matriculados con Centro -esta seccion NO estaba en la ficha de reconocimiento-. Ademas 5 CSV historicos de «Tasas academicas» en opendata.ugr.es, 2011 a 2015, en latin-1 y sin centro.
disponible · 2026-08-31
LA FICHA DE RECONOCIMIENTO DECIA «NO HAY CAPA B PUBLICA» Y ERA FALSO, y ya esta EXTRAIDA. La UGR publica UNA tabla-censo por asignatura y este conector la carga: «TASA DE EXITO POR ASIGNATURA Y CURSO», paginas 46-47 del «Autoinforme de Seguimiento Externo. Convocatoria 2025_26» del GRADO EN SOCIOLOGIA (ID Ministerio 2501830), 53 asignaturas x 4 columnas de ano. Es un CENSO, no un extracto de los extremos: orden alfabetico de la A a la Z, sin ninguna frase de seleccion delante, y las celdas vacias son asignaturas que no se impartieron ese curso. Lo confirma es_extracto() de scripts/barrido_estructural.py -el mismo codigo que descalifica a la tabla de la UV-, que sale False. ALCANCE, dicho sin adornos: 1 titulo de 99 y 1 indicador (la tasa de exito; no hay rendimiento, ni evaluacion, ni presentados, ni matriculados por asignatura). Los otros 98 titulos siguen sin Capa B publica y su motivo esta en la fila familia_de_indicadores de este mismo fichero: la UGR calcula el dato y lo circula en ACCESO RESTRINGIDO, y lo dice ella misma por escrito.
EXTRAIDO Y MEDIDO el 2026-08-31 sobre data/silver/ugr, tras la corrida completa: 196 observaciones (53 asignaturas x 4 cursos - 16 celdas que la fuente deja en blanco), 1 codigo_ruct (2501830), 1 codigo_ruct_centro (18011104), 4 periodos (2020-21..2023-24), 196 filas de origen, 0 anomalias, 0 fecha_publicacion nula, valores en [42,86 , 100,00] y ninguno fuera de [0,100]. EL BARRIDO QUE LA ENCONTRO, con su control positivo: scripts/barrido_estructural.py sobre los 3.003 PDF del corpus da 312 documentos con un bloque de >=5 filas con forma de tabla y 0 con extracto=True; de esos 312, UNO SOLO es de asignaturas con tasas -este-, y los otros 311 son categorias de PDI, convenios Erasmus, entidades de practicas, carga docente (creditos y grupos) y Capa A por titulo. CONTROL POSITIVO del detector, corrido en la misma invocacion: 55 filas sobre ISC_FL_2023_24.pdf de la UdL, el documento cuya ficha decia «ninguno trae tabla de asignaturas». Sin esa cifra, «no encontre nada» y «mi detector esta roto» serian indistinguibles. DOCUMENTO: sha256 9c69b2f68bb19c364302633f60fab830dd434959b5b945ff3484b57a1298ffe4, 1.654.788 B, 67 paginas, https://oficinavirtual.ugr.es/acreditacion/consultaVistaDocumentos.jsp?ref_fichero=ebea5977-19a8-4b88-a15d-2e087d8d5867, enlazado desde https://grados.ugr.es/sociologia/informacion/evaluacion-seguimiento-mejora/autoinformes-informes-seguimiento-externo.
hueco_de_extraccion · 2026-08-31
`opendata.ugr.es/robots.txt` declara `Disallow: /api/`, y la API de CKAN es justo la via que uso la ficha de reconocimiento (`/api/3/action/package_list` -> 65 datasets). No se usa. El censo se obtuvo del catalogo federado `datos.gob.es`, cuya API si esta permitida, y las descargas respetaron el `Crawl-Delay: 10` que el mismo robots.txt declara.
publisher `U00800001` en datos.gob.es -> 62 datasets y 525 distribuciones, de las que 449 se descargaron (375 CSV, 43 XLSX, 14 XLS, 5 PDF, 4 ZIP, 4 JSON, 2 TXT, 1 RDF) y 83 fallan por el certificado de serinnova. Es plausible que la API de CKAN listara algun dataset que datos.gob.es no federa, y eso NO se ha podido comprobar: es un hueco declarado, no una equivalencia demostrada.
excluida_por_datos_personales · 2026-08-31
17 DOCUMENTOS DEL CORPUS SE PURGARON POR ADR 0013. Dos son «Anexo I. Personal Docente de la UGR x Titulo y Curso», listados nominales de profesorado que acompanan a algunos autoinformes; los otros 15 salieron del barrido de las webs de centro: tres listados NOMINALES DE ESTUDIANTES inscritos en actos de graduacion (1.296, 968 y 708 personas), dos memorias de gestion con listados de estudiantado, composiciones y actas de Junta de Facultad, proclamaciones de candidaturas electorales, dos memorias con la tabla «APELLIDOS, NOMBRE DESTINO» de movilidad, y dos documentos con DNI reales impresos. Ninguno aporta dato de rendimiento.
Registro completo en core/vocab/purgas.csv: 17 filas con slug, ruta, URL de origen, sha256, tamano, fecha de descarga, fecha de purga y motivo. En el manifiesto del corpus las 17 filas se conservan SIN fichero y con la nota de la purga. La lista se decidio UNO A UNO leyendo el documento: de los 31 que el detector marco, 16 son FALSOS POSITIVOS que NO se purgaron -plantillas de historia clinica en blanco («Apellidos, nombre (iniciales)»), un DNI de EJEMPLO (12345678X) en una nota del Delegado de Proteccion de Datos, y rotulos en mayuscula con coma que el patron «APELLIDOS, NOMBRE» casa por accidente: «NEUROLOGICA, HEMATOLOGICA», «HOSPICIO, GRANADA», «INFRAESTRUCTURAS, NUEVAS TECNOLOGIAS»-. Purgar los 31 habria destruido evidencia sin motivo.
no_publicado_por_la_fuente · 2026-08-31
FUERA DE ESA UNICA TABLA, LA UGR CALCULA EL DATO POR ASIGNATURA Y LO CIRCULA EN ACCESO RESTRINGIDO, y lo dice ella misma por escrito en sus autoinformes: «Los resultados por asignatura tienen un caracter RESTRINGIDO. La UCIP abrio una accion de mejora institucional para evaluar la oportunidad y definir (si procede) hacer publico los resultados por asignaturas. Accion de mejora SGC-P08-019542. (Recomendacion ACCUA: Se recomienda que los indicadores de los resultados por asignatura NO tengan un caracter restringido)». Y en otro: «Los resultados academicos por asignaturas del grado NO SON PUBLICOS». La tabla de calificaciones remite a «Ver informacion. Aplicacion de indicadores de calidad para la docencia. INFORME NUMERO 9», que es una aplicacion interna: la frase aparece en 8 autoinformes y en ninguno de ellos lleva hiperenlace. Y el listado de evidencias del Grado en Medicina lo declara en su fila 120: «Informacion sobre calificaciones por asignaturas y tipo -> Informacion en enlace con ACCESO RESTRINGIDO».
77 documentos del corpus dicen «por asignatura»; los 76 que no son la tabla de Sociologia son narrativos o remiten al acceso restringido. El UNICO enlace publico a un desglose por asignatura que aparece en todo el corpus es `https://saw.ugr.es/reports/?calidad&report=globales&p1=2024&p2=235&curso=2024&titulo=235&tf=N`, citado en un autoinforme como «Se puede ver el desglose por asignaturas en el siguiente enlace». Se pidio (robots.txt de saw.ugr.es: HTTP 404, sin restricciones) y el servidor Oracle Reports responde «REP-52005: The specified key `calidad` does not exist in the key map file»: el informe ya no esta en ese servidor. El propio PDF conserva ademas, como URI alternativa de ese mismo enlace, un `file:///C:/Users/jessi/Downloads/...`, que es la copia local de quien redacto el informe. No se enumeraron claves del servlet: eso seria sondear una interfaz que no se nos ofrece.
no_publicado_por_la_fuente · 2026-08-31
NINGUNA DE LAS 26 WEBS DE CENTRO DE LA UGR PUBLICA RESULTADOS POR ASIGNATURA. La ficha de reconocimiento decia, literal: «No se ha auditado ninguna web de facultad -- no comprobado, pero tampoco necesario». Esa es exactamente la frase que en la USC costo 8.925 observaciones de Capa B publicadas por 1 centro de 19, asi que aqui se auditaron las 26.
2.634 filas del manifiesto son de subdominios de centro. Se recorrieron 45 paginas por centro con prioridad a calidad/resultados/indicadores y se bajaron los 1.576 documentos que enlazan (1.524 PDF, 24 DOCX, 13 DOC, 9 ZIP, 3 XLSX, 2 ODT, 1 PPTX). Cero paginas de centro con «resultados por asignatura». Las 100 memorias de gestion de centro son actas y narrativa; sus tablas por asignatura -que las hay, en la Facultad de Ciencias de la Salud- son de CARGA DOCENTE (creditos, grupos, subgrupos), no de tasas.
no_publicado_por_la_fuente · 2026-08-31
EL HUECO 2016-17..2020-21 DE LA SERIE DE RENDIMIENTO SIGUE ABIERTO Y SE HA COMPROBADO QUE NO HAY RUTA NUEVA. El catalogo CKAN de la UGR enumera «Rendimiento academico en grados» con seis CSV de 2016-17 a 2021-22, todos apuntando a `serinnova.ugr.es/odip/ugr_en_cifras/ficheros_descarga/`, que ya no sirve. La ficha de reconocimiento dejo escrito que «merece la pena buscar la ruta nueva»: se busco y no existe.
50 sondas anotadas en el manifiesto, una por (plantilla, curso), con cinco plantillas x diez cursos: `analitica.ugr.es/ugr_en_cifras/ficheros_descarga/...` -> 404 (52.148 B de pagina de error) en los diez; `analitica.ugr.es/odip/ugr_en_cifras/ficheros_descarga/...` -> 404 en los diez; `serinnova.ugr.es/...` -> CERTIFICATE_VERIFY_FAILED en los diez, y la verificacion TLS no se desactiva; `analitica.ugr.es/ugr_en_cifras/open_data/rendimiento/<curso>.csv` y `.../open_data/rendimiento-grado/<curso>.csv` -> HTTP 200 de 72 bytes con el cuerpo «#JR ERROR: debes elegir un ciclo valido: grado, master o doctorado», es decir que ese endpoint solo acepta ciclo, no indicador. Los 83 huecos por TLS de serinnova estan en el manifiesto uno a uno.
disponible · 2026-08-31
La tabla por asignatura del Grado en Sociologia publica este curso: es una de sus cuatro columnas de ano.
49 observaciones de este periodo en data/silver/ugr el 2026-08-31, de 53 asignaturas menos las 4 que no se impartieron. La columna del papel no dice el curso sino un ano suelto, y la equivalencia esta MEDIDA en connectors/ugr/NOTAS.md seccion 4: contrastando la media de cada columna con la tasa de exito del titulo deducida de la tabla de calificaciones del MISMO autoinforme, la hipotesis «el ano es el que CIERRA el curso» da un desvio medio de 0,54 pp y la de «el que abre» 2,48; la huella que decide es el escalon de 5,60 puntos entre las columnas 2021 y 2022, que reproduce la caida de 5,42 de 2020/21 a 2021/22.
disponible · 2026-08-31
La tabla por asignatura del Grado en Sociologia publica este curso: es una de sus cuatro columnas de ano.
49 observaciones de este periodo en data/silver/ugr el 2026-08-31, de 53 asignaturas menos las 4 que no se impartieron. La columna del papel no dice el curso sino un ano suelto, y la equivalencia esta MEDIDA en connectors/ugr/NOTAS.md seccion 4: contrastando la media de cada columna con la tasa de exito del titulo deducida de la tabla de calificaciones del MISMO autoinforme, la hipotesis «el ano es el que CIERRA el curso» da un desvio medio de 0,54 pp y la de «el que abre» 2,48; la huella que decide es el escalon de 5,60 puntos entre las columnas 2021 y 2022, que reproduce la caida de 5,42 de 2020/21 a 2021/22.
disponible · 2026-08-31
La tabla por asignatura del Grado en Sociologia publica este curso: es una de sus cuatro columnas de ano.
49 observaciones de este periodo en data/silver/ugr el 2026-08-31, de 53 asignaturas menos las 4 que no se impartieron. La columna del papel no dice el curso sino un ano suelto, y la equivalencia esta MEDIDA en connectors/ugr/NOTAS.md seccion 4: contrastando la media de cada columna con la tasa de exito del titulo deducida de la tabla de calificaciones del MISMO autoinforme, la hipotesis «el ano es el que CIERRA el curso» da un desvio medio de 0,54 pp y la de «el que abre» 2,48; la huella que decide es el escalon de 5,60 puntos entre las columnas 2021 y 2022, que reproduce la caida de 5,42 de 2020/21 a 2021/22.
disponible · 2026-08-31
La tabla por asignatura del Grado en Sociologia publica este curso: es una de sus cuatro columnas de ano.
49 observaciones de este periodo en data/silver/ugr el 2026-08-31, de 53 asignaturas menos las 4 que no se impartieron. La columna del papel no dice el curso sino un ano suelto, y la equivalencia esta MEDIDA en connectors/ugr/NOTAS.md seccion 4: contrastando la media de cada columna con la tasa de exito del titulo deducida de la tabla de calificaciones del MISMO autoinforme, la hipotesis «el ano es el que CIERRA el curso» da un desvio medio de 0,54 pp y la de «el que abre» 2,48; la huella que decide es el escalon de 5,60 puntos entre las columnas 2021 y 2022, que reproduce la caida de 5,42 de 2020/21 a 2021/22.
hueco_de_extraccion · 2026-09-01
LA UIB SI PUBLICA CAPA A y este rescate NO la extrae: no se ha construido conector. La publica en HTML servido, en la pestana `dadesIndicadors.html` de la ficha de cada grado de estudis.uib.cat, con ~19 indicadores por titulo y hasta 5 cursos (2020-21 a 2024-25); graduacion y abandono van en una tabla con OTRA ventana (2016-17 a 2020-21). Es un hueco NUESTRO, no un limite de la fuente.
Rescatadas las 71 fichas de grado x 7 pestanas = 568 peticiones a estudis.uib.cat el 2026-08-31; 765 documentos de ese host en el manifiesto. Medido sobre GCAF-P: 4 tablas, 13 indicadores, 1 curso; sobre GECO-P y GADE-E: `Taxa d'exit de la titulacio` y `Taxa de rendiment` con 5 cursos. La longitud de la serie VARIA por titulo (GCAF-P, implantado despues, solo tiene 2024-25), cosa que el reconocimiento no habia comprobado porque solo abrio 2 de 71. || Y AHORA TAMBIEN LOS IAS: 75 informes anuales de seguimiento (cursos 2023-24 y 2024-25, 39 titulos) publican 896 tasas CON NUMERADOR Y DENOMINADOR LITERALES -«17592/27198 = 64.7%»- en nueve familias: rendiment (120), avaluacio (120), exit (119), fracas (116), idoneitat (114), graduacio (111), retard (101), eficiencia (84) i abandonament (11), con desglose por sexo (D:/H:) y por sede (Mallorca, Eivissa, Menorca). Medido el 2026-09-01 sobre los 658 documentos rescatados de portal.uib.cat.
no_publicado_por_la_fuente · 2026-09-01
NADA DE LO ACCESIBLE NI DE LO RESCATADO BAJO LA EXCEPCION PUBLICA RESULTADOS POR ASIGNATURA. A los 3.449 documentos de hosts abiertos se suman ahora 658 de portal.uib.cat -507 Informe anual de seguiment y 151 de acreditacion- rescatados el 2026-08-31/09-01 bajo la excepcion del §2 de docs/data-card.md, decision de Mario. LA RESERVA QUE ESTA FILA TENIA EN SU VERSION ANTERIOR -«su contenido no se ha visto»- QUEDA RESUELTA: se vio, y no hay tabla de rendimiento por asignatura. La UIB publica una pagina por asignatura y curso con grupos, horarios y profesorado, y cero tasas.
CUARTA PASADA, sobre los 658 documentos de portal.uib.cat: 652 con capa de texto, 17.404 paginas, 3.936 de ellas SIN capa de texto y recuperadas por OCR (tesseract 5.5.3, -l cat+spa, --psm 1 para las paginas apaisadas giradas 90 grados; un tercio largo de los IAS son escaneos). scripts/barrido_estructural.py con CONTROL POSITIVO EN VERDE (55 filas sobre ISC_FL_2023_24.pdf de la UdL). Bloque mas largo con forma de tabla: 17 filas acotado a [0,100] y 29 sin acotar, y en los dos casos es la plantilla de CATEGORIAS DEL PROFESORADO. CERO tablas con extracto=True. || Se hizo ademas un barrido de TODOS los bloques >=5 filas -no solo el mas largo- filtrando el vocabulario ya identificado, porque una tabla por asignatura CORTA no gana el concurso del bloque mas largo: sobrevivieron 25 bloques y se abrieron uno a uno. || LOS 75 AUTOINFORMES SON PROSA: bloque mas largo de 1 fila sobre 12,3 M de caracteres. Citan 7.027 veces a 100 tablas de evidencia (E01-E19, OP01, OP02) que NO van dentro del documento, y para los datos remiten a estudis.uib.es/.../dadesIndicadors.html, que es Capa A y esta en host abierto.
no_publicado_por_la_fuente · 2026-08-31
NO HAY con que confrontar celda a celda. AQUIB no aloja datos de rendimiento y el SIIU publica por (universidad, ambito), no por titulo.
`www.aquib.es` rescatado entero (78 paginas, 0 PDF servidos por el propio buscador): su `Cercador d'informes` filtra por RUCT, universidad, centro, tipo, nivel, ano y rama, lista los informes en una tabla y NO expone enlace de descarga -41 enlaces en la pagina de resultados, 0 a un informe-. Su navegacion completa es actividad de evaluacion, no resultados academicos. Confirmado ademas que `www.aquib.org` sigue SECUESTRADO: 200 y redirige a un dominio comercial.
no_publicado_por_la_fuente · 2026-08-31
LA UIB NO PUBLICA DATOS ABIERTOS. Ni portal propio, ni presencia en el catalogo nacional.
`datos.gob.es/apidata/catalog/dataset/publisher/U00300001` -> HTTP 200 con **0 datasets** (control positivo en la misma llamada: la UVa, `U01900001`, devuelve 15). Los cinco hosts candidatos a portal de datos siguen siendo NXDOMAIN el 2026-08-31: dades.uib.cat, dadesobertes.uib.cat, opendata.uib.cat, dadesobertes.uib.es, estadistica(-ques).uib.cat. La UIB no es miembro de UniversiDATA.
hueco_de_extraccion · 2026-09-01
RESCATADOS 658 DE LOS 1.622 bajo la EXCEPCION del §2 de docs/data-card.md (decision de Mario, 2026-08-31; ampliacion a los 150 de acreditacion decidida por el agente y anotada antes de pedir). portal.uib.cat sirve «User-Agent: * / Disallow: /», releido en vivo antes de la primera peticion: generico, sin nombrar a ningun agente, sin Crawl-delay y publicando Sitemap. Siguen sin pedirse 965 documentos: la excepcion NO es un permiso general sobre el host. Es hueco de extraccion y no de la fuente porque la UIB si los publica; lo que no publica dentro de ellos es la Capa B.
658 documentos con bytes (507 IAS + 151 de acreditacion), ~1,0 GB, 1 req/s, UA honesto, sin suplantacion y sin Wayback. Una fila por INTENTO en ~/corpus-rendimiento/uib/manifiesto.csv (5.808 filas): las 507 filas viejas que decian «NO DESCARGADO - EXCLUIDO por robots.txt» se CONSERVAN, porque documentan que el rescate se nego antes de que la excepcion existiera. 6 documentos NO llegaron: portal.uib.cat contesto HTTP 200 con la pagina de login del Servei d'Identificacio Unica (text/html, ~17,5 KB) en vez del PDF; soft-403, no se piden credenciales, anotados fila a fila. tests/test_manifiestos.py: 130 passed.
hueco_de_extraccion · 2026-08-31
LA UIB PUBLICA 28 MEMORIAS ACADEMICAS ANUALES y no se extraen. Estan en un host permitido (`www.uib.cat/documents/d/transparencia/maXX-YY`, y espejadas en `www.uib.es`) y tambien en el repositorio institucional. Traen recuentos institucionales -alumnos matriculados y titulados por titulacion, oferta, PAU por islas- pero NO tasas ni nada por asignatura.
Rescatadas y cribadas: cursos 1996-97 a 2024-25 (falta 2002-03). `ma23-24` medido: 364 paginas, 573.596 caracteres de capa de texto, 31 menciones de «assignatur» y CERO de «taxa de rendiment» o «taxa d'exit». Es la serie mas larga que publica la UIB y triplica los 5 cursos que su ficha de reconocimiento le atribuia. || El barrido estructural del 2026-08-31 encuentra en ellas 37 documentos con filas que CIERRAN la identidad de las tres tasas y cuyas filas son titulos («Grau de Biologia», «Facultat de Ciencies»): las memorias traen Capa A POR TITULO, cosa que la ficha de reconocimiento no sabia. Es la serie mas larga de la UIB con diferencia.
no_publicado_por_la_fuente · 2026-09-01
Los otros dos positivos por asignatura del detector, abiertos a mano y descartados: la OFERTA DE OPTATIVAS (codigo, nombre, matriculados, grupos e idioma) y el PLAN DE ESTUDIOS (asignatura y creditos). Ninguno trae resultados.
2 documentos de 658. GDHO-IAS-21_22-20032023.pdf pag. 7: 7 filas «29940 Gestio i Organitzacio de Congressos 26 26 1 Angles», precedidas de «se ofertaron 7 asignaturas optativas». GTEF-IAS-10_11-26012012.pdf pag. 8: «Relacion de las asignaturas de segundo curso Grado en Turismo — Asignaturas / Creditos», 10 filas, todas de 6 creditos, total 60. Medido el 2026-09-01.
no_publicado_por_la_fuente · 2026-09-01
EXISTE UNA TABLA POR ASIGNATURA EN LOS IAS Y NO ES RENDIMIENTO: es la encuesta interna de SATISFACCION del alumnado. Sus columnas son % de participacion, organizacion de la asignatura, trabajo de las competencias, comunicacion con el docente, organizacion de practicas, ABP e instalaciones. No hay tasas, ni aprobados, ni matriculados, ni creditos. Se declara para que la proxima re-verificacion sepa que este positivo del detector ya se abrio y que cargarlo como Capa B seria un error de familia de indicador.
7 documentos de 658, en 3 titulos y todos de CENTROS ADSCRITOS: GODO y GNHD (ADEMA) y GBAR. Cursos 2020-21, 2021-22, 2022-23 y 2024-25. Cabeceras literales: «ENCUESTA INTERNA DE SATISFACCION DEL ALUMNADO HACIA EL CENTRO» y «Valoracio d'Assignatures primer/segon semestre». Las tablas traen filas MEDIA y MINIMO, asi que son censo del semestre y no extracto. CERO paginas mezclan esta tabla con vocabulario de rendimiento (taxa de rendiment/exit/avaluacio, credits superats, aprovats, suspesos, no presentats). Medido el 2026-09-01.
hueco_de_extraccion · 2026-08-31
EXISTE UNA TABLA POR ASIGNATURA CON CODIGO en la UIB y no es Capa B. Las memorias de actividades de la Facultat d'Educacio publican, por asignatura y por convocatoria, cuantos estudiantes piden examinarse en las sedes de Menorca y Eivissa. No hay tasas, ni aprobados, ni matriculados: es logistica de examenes en las sedes.
8 documentos (anos 2008, 2009, 2014, 2018, 2019, 2020, 2020-21 y 2021-22) en feducacio.uib.cat, detectados por el barrido estructural y abiertos uno a uno. Cabecera: «GEDP/GEP2 | GEDI/GEI2 | GPED/GPD2 | GEDS | Gener | Extraordinari | Juny | Extraordinari | Total» y filas como «22014 Desenvolupament Psicomotor en la Primera Infancia 4 2 2 4». Recuentos de 1 a 6. Un solo centro de quince.
no_publicado_por_la_fuente · 2026-09-01
El codigo de estudio de la UIB lleva la SEDE (-P Palma, -M Menorca, -E Eivissa), no el centro. La ficha de indicadores no nombra la facultad por ninguna parte.
71 codigos de grado: 57 `-P`, 7 `-M`, 7 `-E`. `catalogo/dim_centro.csv` tiene 35 centros de la 003 y `dim_titulacion.csv` YA TIENE 245 titulaciones de la 003 (volcadas el 2026-09-01 por el alta del catalogo, commit eccc442; cuando esta fila se escribio eran 0). El buscador de AQUIB si enumera 16 centros de la UIB por nombre, pero no los ata al codigo de estudio.
hueco_de_extraccion · 2026-08-31
Fuera de alcance por la regla de oro 2 de CLAUDE.md (solo grados) y, ademas, su portal propio `postgrau.uib.cat` sirve «User-Agent: * / Disallow: /» y no se le ha pedido nada.
`postgrau.uib.cat/robots.txt` -> HTTP 200, `Disallow: /`, leido antes de la primera peticion; queda como fila del manifiesto sin bytes. `edoctorat.uib.cat` SI permite y se rescato entero (206 documentos).
disponible · 2026-08-29
Una pagina HTML por titulo con tres tablas de Capa A. Es lo unico que la ULL publica con grano de titulacion.
53 paginas de grado (52 con tablas), 4.500 observaciones, 4.132 aptas para gold, 43 titulos con RUCT y 18 centros.
hueco_de_extraccion · 2026-09-02
SIGUE SIENDO HUECO, y ahora se sabe exactamente por que. La ULL SI publica por asignatura: lo hace en los sitios de CENTRO -no en los de titulo- y todo lo que publica cuelga de Google Drive. El 2026-09-02 Mario invoco la SEGUNDA excepcion consciente de robots.txt del proyecto (docs/data-card.md, seccion 'La SEGUNDA excepcion invocada') y SE PIDIERON las URL exactas, a 1 req/s, tras releer en vivo el robots.txt de drive.google.com (grupo *, Crawl-delay: 1, `Disallow: /open`). LAS SEIS CONTESTARON HTTP 200 Y NINGUNA ENTREGO EL DOCUMENTO: devuelven la carcasa HTML del visor de Drive (text/html, magic bytes `<!DOCTYP`, 83 KB las de fichero y 350 KB las de carpeta), con CERO bytes de PDF. Los bytes solo salen por dos puertas y las dos estan cerradas para todos: drive.google.com/uc cae en el `Disallow: /` final, y drive.usercontent.google.com -que es el host al que la propia carcasa apunta- sirve un robots.txt propio de 26 bytes que dice `User-agent: *` / `Disallow: /` (medido el 2026-09-02). Ninguna de las dos esta cubierta por la excepcion, que se invoco sobre `/open` y no sobre otra puerta, asi que no se piden. NO ES ausencia de la fuente y YA NO ES falta de permiso: es que la plataforma de alojamiento no sirve el documento por ninguna ruta que su propio robots.txt permita.
SON SEIS DOCUMENTOS, NO CINCO: el censo anterior conto cinco porque su expresion regular buscaba `</a>` y el enlace de Relaciones Laborales cierra con `</a\n>`, con el `>` en la linea siguiente; recontado con html.parser sobre las 292 paginas de centro ya rescatadas. Las seis URL, con la pagina de la ULL que las publica: (1) drive.google.com/open?id=1n3fjGdkxg2lHVoYRAwtm7qX-pIba5juF, (2) ...=1VnFaU74zNF8w7bK6iav162RsWYPOw2DU, (3) ...=1rcAMkJrfrCRVGF8AiO403GByEc6P3Gl9 y (4) ...=1h767Iv1SYxJafkscx2Hy3vyeM4QOkDYa, las cuatro desde www.ull.es/centros/facultad-bellas-artes/sistema-de-garantia-de-calidad/ (y su copia en facultad-humanidades/sgc-bellas-artes/); (5) ...=1cU4k355H4w1S3DGQRqQEln8q3Uoyy-9I y (6) ...=17WY6yWAH5UejeiP9SQD1vo2ZpHH00miy desde www.ull.es/centros/facultad-derecho/informacion-general/sistema-de-garantia-de-calidad/. LO QUE LA PETICION SI AVERIGUO, y no se sabia: las cuatro de Bellas Artes son FICHEROS y la carcasa da su nombre real y su application/pdf -Indicadores_rdmto_Licenciatura_2009_20011_a.pdf, evo_rdmto_desde_2008_P091_1.pdf, Indicadores_rdmto_Grado_bbaa_2009_20011_a.pdf, Indicadores_rdmto_Grado_bbaa_2009_20011_b.pdf-; las dos de Derecho NO SON FICHEROS SINO CARPETAS, y su propia carcasa lista CINCO PDF cada una, uno por curso: 'Curso 2010-11.pdf' ... 'Curso 2014-15.pdf' y 'CursoRRLL2010-11.pdf' ... 'CursoRRLL2014-15.pdf'. NO SE HA ENTRADO EN LAS CARPETAS: esos nombres salen de los bytes de la misma respuesta autorizada, no de ninguna peticion adicional. Asi que la Capa B de la ULL son 14 documentos -4 de Bellas Artes y 10 de Derecho/RRLL- y cubre de 2008/09 a 2014/15. SEPTIMO ANUNCIO SIN ENLACE: la Escuela Superior de Ingenieria y Tecnologia publica el epigrafe 'Resultados sobre indicadores de rendimiento academico del alumnado por asignaturas: Curso 2010-2011' como texto plano, sin href (centros/escuela-superior-de-ingenieria-y-tecnologia/informacion-general/sistema-de-garantia-de-calidad/sgc-est/): no hay URL que pedir. Manifiesto del rescate: ~/corpus-rendimiento/ull/rescate-drive-2026-09/manifiesto.csv, 6 filas, las 6 con HTTP 200 y sha256, fusionadas en el manifiesto maestro (1.878 filas).
disponible · 2026-08-29
La ULL escribe `Grado en Fisica` encima de las tablas de Fisioterapia y de Logopedia, y `Grado en Fisioterapia` encima de las tasas de Psicologia. NO se elige de quien es el dato: la observacion sale con la anomalia `titulo-de-la-tabla-no-es-el-de-la-pagina` y no entra en gold.
97 observaciones marcadas. Y hay evidencia EXTERNA de a quien pertenecen, que se anota aqui y NO se usa para reatribuirlas: la tasa de exito de la tabla rotulada «Fisioterapia» de la pagina de Psicologia (89,2 / 90,2 / 93,8 / 91,7 / 89,9) coincide celda a celda con la que el SIIU publica para el ambito Psicologia de la ULL (|delta| <= 0,05 pp). Reatribuir seria corregir el documento dentro del parser; lo correcto es que lo haga el reconciliador, con la evidencia delante.
disponible · 2026-08-29
La misma (titulo, indicador, curso) publicada en dos paginas distintas con VALORES DISTINTOS. No se corrige ninguna: se conservan las dos con su procedencia, que es lo que ADR 0003 manda («la precedencia es una vista, no un borrado»).
MEDIDO sobre las 53 paginas: 1.360 celdas aparecen en dos o mas paginas y 91 discrepan (6,7 %). La mayor discrepancia es la satisfaccion global de Diseno en 2020-21: 3,89 en la pagina del doble grado y 2,83 en la suya propia. Otras: la tasa de eficiencia de Estudios Francofonos 2020-21 (93,6 frente a 74,4) y la duracion media de Estudios Ingleses 2019-20 (4,322 frente a 5,322).
disponible · 2026-08-29
Discrepancia de UNA celda contra el benchmark. Cae dentro de [0,100], asi que ningun rango la caza, y el parser no la toca: lee lo que dice el papel.
Contraste celda a celda contra el SIIU en el ambito Medicina (09.1), donde la ULL tiene un solo grado. Las otras cuatro celdas de la serie casan a |delta| <= 0,03 pp; esta se separa 9,95. El patron (84,3 frente a 94,25) es compatible con una transposicion de digito en el origen.
hueco_de_extraccion · 2026-09-02
Las seis respuestas del rescate-drive-2026-09 son carcasas HTML del visor de Google Drive, no documentos: HTTP 200, text/html, cero bytes de PDF. No hay nada que parsear y el conector no las procesa. Se declaran aqui para que no salgan como perdidas mudas del auditor de familia 2, que es lo que serian: seis ficheros con bytes, sin observaciones y sin anomalia.
scripts/auditar_perdidas.py --slug ull las acuso como MUDOS en cuanto dejaron de ser 'NO DESCARGADO'. Los seis sha256 estan en el manifiesto; sus notas dicen fichero o carpeta, el nombre real del PDF que hay detras y por que no se pueden pedir sus bytes. Ver la fila `capa B` de este mismo fichero.
hueco_de_extraccion · 2026-08-29
La columna con el OBJETIVO comprometido en la memoria de verificacion del titulo. No es una medida de un curso y el catalogo no tiene canonicos de objetivo, asi que sale con periodo vacio, su anomalia `periodo-mal-formado` y sin canonico.
183 observaciones. Es una columna que casi ninguna otra fuente del proyecto publica y permite comparar lo realizado con lo prometido.
hueco_de_extraccion · 2026-08-29
La ULL publica seis indicadores de satisfaccion en escala Likert 1-5 y el catalogo canonico NO tiene ningun codigo de satisfaccion: sus 40 codigos miden rendimiento, acceso, abandono y duracion. Crear uno exige un ADR y el catalogo es cerrado.
1.355 observaciones en silver con su literal y su escala declarada, todas huerfanas en core/vocab/mapeo_ull.csv con el motivo escrito. Son el 30 % de lo que esta fuente aporta.
hueco_de_extraccion · 2026-08-29
Existe un portal BI interno —ACREDITA-ULL, sobre Oracle Discoverer, del Gabinete de Analisis y Planificacion— y NO SE RODEA: esta detras de la intranet y este proyecto no usa credenciales que no le han dado (review-queue/acceso-y-credenciales.md). Lo que viva ahi es hueco declarado, no perdida.
Lo citan tres documentos independientes de la ULL. Y su rastro esta EN EL CORPUS: las tablas de la familia `gap` de tres paginas (Ciencias Ambientales, Farmacia, Ingenieria Informatica) son un volcado literal de ese sistema, con sus columnas cod_cen/centro/cod_tit/cod_indicador y cursos 2019_20..2023_24. 164 celdas. Es decir: el contenido de la intranet es de la MISMA forma que lo publicado, y llega dos cursos mas lejos.
hueco_de_extraccion · 2026-09-02
La nube de ficheros de la propia ULL declara `Disallow: /` en el grupo `*`. No excluye a los agentes de Anthropic por nombre: excluye a todos. Se respeta igual.
13 documentos enlazados desde los sitios de centro cuelgan de nubefd.ull.es; los 13 quedan en el manifiesto como NO DESCARGADO con su regla.
hueco_de_extraccion · 2026-09-02
El repositorio institucional de la ULL nos excluye POR NOMBRE: su robots.txt tiene un grupo `User-agent: ClaudeBot` con `Disallow: /` y `Crawl-delay: 3` (comprobado el 2026-09-02 antes de la primera peticion). No se le pide ni una URL, ni en vivo ni por Wayback. Es el septimo host del proyecto que nos excluye por nombre.
9 documentos enlazados desde los sitios de centro de la ULL cuelgan de riull.ull.es y los 9 estan en el manifiesto como NO DESCARGADO con la regla que los bloquea. NO COMPROBADO que aloje: no se ha pedido nada.
hueco_de_extraccion · 2026-08-29
La fuente SI lo publica, con la MISMA estructura de tres tablas, y este conector NO lo extrae, por la regla de oro 2 del proyecto («Solo grados»). Es deuda, no un limite de la fuente.
RESCATADO Y EN DISCO: 38 paginas de indicadores de master (HTTP 200, con sha256 en ~/corpus-rendimiento/ull/manifiesto.csv), mas sus 38 paginas de evaluacion y sus 38 wp-json. Medido sobre ellas: 89 tablas reconocidas por el parser, 9 que no encajan en ninguna de las cinco formas y 46 filas con menos celdas que columnas —el corpus de master esta bastante mas roto que el de grado, y ese es el trabajo que queda—.
disponible · 2026-08-29
UNA sola pagina de las 53 (Trabajo Social) llega a 2016-17; las demas arrancan en 2017-18. Se declara `disponible` y no `no_publicado_por_la_fuente` porque la fuente SI lo publica —para un titulo—: declarar lo contrario con cinco observaciones en silver seria apagar la vigilancia del axioma 18 sobre datos reales.
5 observaciones en silver, todas tasas y todas marcadas `tasa-sin-denominador` porque la tabla de recuentos de esa misma pagina no llega a ese curso. 0 aptas para gold.
disponible · 2026-08-29
Primer curso de la serie tipica de la ULL.
859 observaciones, 828 aptas, 40 titulos.
disponible · 2026-08-29
Serie tipica.
816 observaciones, 788 aptas, 41 titulos.
disponible · 2026-08-29
Serie tipica.
791 observaciones, 764 aptas, 41 titulos.
disponible · 2026-08-29
Serie tipica.
886 observaciones, 849 aptas, 44 titulos.
disponible · 2026-08-29
ULTIMO curso de la serie tipica: 47 de las 52 paginas se paran aqui.
837 observaciones, 804 aptas, 44 titulos.
disponible · 2026-08-29
Solo lo publican los 5 titulos cuya pagina trae el volcado GAP de la intranet (Ciencias Ambientales, Farmacia, Ingenieria Informatica, Quimica y Psicologia). Los otros 47 no lo publican por ninguna via abierta. Es un curso DISPONIBLE pero casi vacio, no un curso ausente.
62 observaciones de 5 titulos, 50 aptas, frente a las ~840 de un curso normal.
disponible · 2026-08-29
Igual que 2022-23: solo los 5 titulos del volcado GAP. Disponible y casi vacio.
61 observaciones de 5 titulos, 49 aptas.
no_publicado_por_la_fuente · 2026-08-29
Ninguna pagina del corpus lo menciona, ni siquiera las cinco del volcado GAP.
0 observaciones. La cabecera mas reciente de todo el corpus de grado es `2023_24`. Lo corrobora un tercero: el informe de acreditacion de la ACCUEE de 2025 afirma que «los indicadores no estan actualizados: los ultimos datos corresponden al curso 2021/22».
hueco_de_extraccion · 2026-08-29
Las 8 paginas de doble grado NO publican las tasas del programa conjunto: publican, en seis tablas, las de sus DOS titulos simples. Asi que del programa como unidad (ADR 0016) esta fuente no dice nada.
MEDIDO: de las 1.360 celdas que aparecen en dos paginas a la vez, 1.269 coinciden literalmente con las de la pagina del titulo simple. Sus tablas se ingieren con el RUCT del titulo simple, es_pceo = false y sin codigo_programa.
disponible · 2026-08-29
La seccion 14 del Portal de Transparencia publica trece series por titulacion en CSV y XLSX, con nueve cursos de historico.
4.861 observaciones, 522 fila_origen en gold, 39 titulos con RUCT de los 43 grados de la 026, 18 centros, 7 programas conjuntos y 9 cursos (2015-16 a 2023-24).
disponible · 2026-08-29
La ULPGC calcula seis indicadores POR ASIGNATURA -es su propio catalogo del SGC quien los define con formula- y algunos centros los pegan como anexo de su Informe Anual, bajo la plantilla institucional «Resultados por asignaturas»: codigo y nombre de asignatura, matriculados y las dos tasas. Es exactamente el grano de la Capa B.
11.564 observaciones en data/silver/ulpgc, 1.652 fila_origen, 577 codigos de asignatura, 7 titulos con RUCT, 4 centros y 7 cursos (2013-14, 2017-18 a 2021-22 y 2024-25). Salen de 10 documentos unicos por sha256, cribados de los 2.235 PDF del corpus abriendolos uno a uno.
no_publicado_por_la_fuente · 2026-08-29
La capa R es la de las fuentes oficiales de referencia (SIIU y sucesivas), que publican por (universidad, ambito). Una universidad no publica a ese grano y la ULPGC no es una excepcion.
0 observaciones de capa R en data/silver/ulpgc.
disponible · 2026-08-29
Las dos capas de la ULPGC se solapan en cinco cursos y siete titulos, asi que la tasa del titulo se puede contrastar con la media de sus asignaturas. NO se ha hecho en esta alta y se declara para que no parezca que si.
Solape medido: 7 titulos con capa B y 39 con capa A; los cursos 2017-18 a 2021-22 estan en las dos.
hueco_de_extraccion · 2026-08-29
El fichero mas reciente del Portal de Transparencia -14 de abril de 2026- esta en formato BIFF (Excel 97, `Composite Document File V2`), que no se lee sin una dependencia mas, y su gemelo `.ods` no se rescato.
`file` sobre 20260414_total_egresados_titulacion.xls: «Composite Document File V2 Document». Declarado en `excluidos_A` de config.yaml.
disponible · 2026-08-29
La plantilla del SGC publica, ademas de las dos tasas, el porcentaje de estudiantes en primera matricula, el de suspensos y el de aprobados en primera matricula sobre matriculados en primera matricula. El catalogo canonico NO los cubre: sus 44 codigos son de acceso, rendimiento, abandono y egreso. Quedan como HUERFANOS DECLARADOS en core/vocab/mapeo_ulpgc.csv, con su motivo uno a uno.
6 rotulos huerfanos de capa B (3 en la plantilla larga y sus 3 equivalentes abreviados de Arquitectura); 4.956 observaciones en silver sin codigo canonico.
hueco_de_extraccion · 2026-08-29
El XLSX que la seccion 14 publica bajo el rotulo «Nº de plazas de nuevo ingreso ofertadas» NO trae plazas: trae la serie de NUEVO INGRESO. No se ingiere, y la contradiccion se declara en vez de elegir en silencio.
MEDIDO: de las 560 claves (curso, titulo) que comparte con su gemelo CSV, solo 162 coinciden; y sus valores reproducen el fichero de nuevo ingreso. Ejemplo: 2017-18 / 4005 GADE -> CSV de plazas 380, XLSX 274, CSV de nuevo ingreso 274.
disponible · 2026-08-29
El catalogo canonico no cubre movilidad de estudiantes. Dos series de la seccion 14 quedan huerfanas declaradas.
758 observaciones en silver con los dos rotulos y sin codigo canonico.
hueco_de_extraccion · 2026-08-29
LA FUENTE LA PUBLICA Y ESTE CONECTOR NO LA EXTRAE, y el motivo no es tecnico: `www2.ulpgc.es/robots.txt` nos excluye POR NOMBRE -«User-agent: ClaudeBot / anthropic-ai / Claude-Web» seguidos de «Disallow: /»-, y la regla 1 de docs/data-card.md es respeto por defecto. Tampoco cabe la excepcion de la regla 2, que es para un disallow generico de CMS: aqui la ULPGC nombra a los agentes de Anthropic uno a uno, que es una decision sobre nosotros.
robots.txt leido el 2026-08-29 (HTTP 200, 606 b) y transcrito en review-queue/ulpgc.md §1. La pagina `/plan-estudio/<cod>/actual/rendimiento` trae 12 indicadores x 6 cursos (2019/20 a 2024/25) por titulo, con la formula impresa en la celda y con marcador de ausencia explicito (`NP`); 97 titulos vivos. No se ha pedido ni una URL de ese host, ni por Wayback.
hueco_de_extraccion · 2026-08-29
La ULPGC llama `Grado en Lengua Espanola y Literaturas Hispanicas` a lo que el RUCT registra como `Graduado o Graduada en Filologia Hispanica` (2502352). Son el mismo estudio y no hay ninguna regla -ni exacta, ni sin articulos, ni de prefijo unico- que lo demuestre, asi que se declara el hueco en vez de elegir.
93 observaciones con la anomalia `titulacion-sin-ruct-en-el-catalogo`.
hueco_de_extraccion · 2026-08-29
`www.ulpgc.es` y `transparencia.ulpgc.es` devuelven **HTTP 403 en todo**, incluido su propio robots.txt, desde un balanceador de AWS. Es un control de acceso y no se rodea: no se ha probado otro User-Agent ni ninguna cabecera.
Medido el 2026-08-29: `GET https://www.ulpgc.es/robots.txt` -> 403 (118 b, Server: awselb/2.0). Lo que salva esta capa es el rescate del 27-08, cuando el portal aun servia: los 12 CSV y 18 XLSX estan en ~/corpus-rendimiento/ulpgc/rescate-reconocimiento/.
hueco_de_extraccion · 2026-08-29
`calidad.ulpgc.es` redirige al SSO (`identificate.ulpgc.es/cas`) en TODAS sus rutas. Es donde viven los aplicativos con los que la ULPGC calcula sus indicadores por asignatura desde 2017/18. No se intento autenticar: no hay credenciales y no se piden (review-queue/acceso-y-credenciales.md).
302 -> CAS medido el 2026-08-29 en `/sgc_relindica`, que el 27-08 aun servia el catalogo de indicadores. Su robots.txt SI nos permite: el muro es de sesion, no de robots.
hueco_de_extraccion · 2026-08-29
La ULPGC publica DOS codigos para el mismo RUCT -`4013 Grado en Turismo` y `4033 Grado en Turismo (No Presencial)`- y el catalogo le da DOS imparticiones: la Facultad de Economia, Empresa y Turismo y la Escuela Universitaria de Turismo de Lanzarote. NINGUNA es la de teleformacion, asi que la regla que reparte los otros tres titulos dobles no aplica y no hay forma de saber cual es cual. No se elige.
97 observaciones con la anomalia `centro-ambiguo` y `nivel_grano=indeterminado`; nunca entran en gold.
no_publicado_por_la_fuente · 2026-08-29
La seccion 14 publica DOS ficheros de doctorado -matricula y ocho indicadores de rendimiento por programa, 2016/17 a 2021/22- y quedan fuera del alcance del proyecto igual que los masteres.
Los dos ficheros estan enumerados en `excluidos_A` de connectors/ulpgc/config.yaml, con su motivo, y `discover` deja una incidencia por cada uno.
no_publicado_por_la_fuente · 2026-08-29
La ULPGC SI publica master -la seccion 14 mezcla grado y master en el mismo fichero, y Ciencias Juridicas pega el anexo por asignatura del Master en Abogacia- y este conector NO lo extrae, por la regla de oro 2 del proyecto: solo grados. No es un hueco de la fuente; se declara aqui para que no lo parezca.
660 incidencias `titulo-que-no-es-grado` en data/silver/ulpgc/fact_anomalia.parquet, una por (fichero, titulo).
no_publicado_por_la_fuente · 2026-08-29
Ningun centro publica el anexo por asignatura de ese curso, y la seccion 14 empieza en 2015-16. Se declara el curso FRONTERA y no un rango, porque un rango no es un curso que se pueda contar en silver.
0 observaciones de 2014-15 en data/silver/ulpgc, de 16.425.
disponible · 2026-08-29
La seccion 14 empieza aqui, pero SOLO en Capa A: ningun centro publica el anexo por asignatura de ese curso.
Observaciones de 2015-16 en silver: solo de capa A (tasas de rendimiento, matriculacion y primera opcion). Cero de capa B.
disponible · 2026-08-29
Igual que 2015-16: Capa A si, Capa B no.
Cero observaciones de capa B en 2016-17.
disponible · 2026-08-29
Capa A si; Capa B NO, y no por falta de documentos: los informes anuales de ese curso existen en el corpus y NINGUNO pega el anexo por asignatura. Es la irregularidad de la fuente, medida.
Cero observaciones de capa B en 2022-23 sobre 2.235 PDF abiertos.
disponible · 2026-08-29
Igual que 2022-23: Capa A si, Capa B no.
Cero observaciones de capa B en 2023-24.
disponible · 2026-08-29
SOLO Capa B, y solo de un centro: el Informe Anual 2024-25 de la Escuela de Arquitectura. Es el curso mas reciente que hay en todo el proyecto. La Capa A no llega: la seccion 14 termina en 2023-24 y la web que si lo trae nos excluye por robots.txt.
388 observaciones de 2024-25 en gold, todas de capa B (56 asignaturas x 7 indicadores del Grado en Arquitectura).
disponible · 2026-09-02
LA UMA PUBLICA CAPA A Y SU FICHA DE RECONOCIMIENTO DECIA QUE NO PUBLICA NADA. `docs/reconocimiento/uma.md` la clasifico CLASE C, «sin fuente utilizable», con esta medicion: «cero ficheros .pdf/.xlsx/.csv de datos». La medicion es correcta sobre las NUEVE PAGINAS DEL PORTAL DE TRANSPARENCIA que recorrio, y la conclusion se extendio a la universidad. Cada centro publica su «Memoria de Resultados del Sistema de Garantia de Calidad» en su propia seccion de calidad, con una seccion por titulo, el RUCT nativo (`ID Ministerio`) y una rejilla de indicadores del SGC por cursos.
53.365 observaciones en data/silver/uma, 91 documentos con rejilla, 57 titulos con RUCT, 7 centros y 18 cursos (2009-10..2025-26); 31.893 aptas para gold. Corpus rescatado el 2026-09-02: 1.952 entradas de manifiesto, 1.315 documentos con bytes, 1,4 GB.
no_publicado_por_la_fuente · 2026-09-02
LA UMA NO PUBLICA POR ASIGNATURA en esta familia documental, y esta vez no es un «no lo he encontrado». Ninguna de las 913 rejillas de indicadores del corpus tiene filas de asignatura: todas son `indicador x curso` o `indicador x titulacion x curso`.
Medido sobre los dos documentos mas grandes del corpus (las memorias de Filosofia y Letras 2023-24 y 2024-25, 1.159 y 1.152 paginas): «asignatura» aparece 399 y 434 veces y en NINGUNA hay una tabla; las 3 lineas de cada documento que combinan «asignatura» con un decimal son prosa sobre el TFG y los no presentados. Coincide con lo que ya midio docs/reconocimiento/reverificacion-clase-c-pasada-2.md §2.2 sobre un autoinforme distinto. AVISO NO COMPROBADO: docs/mapa-fuentes.md registra que la Escuela de Ingenierias Industriales produjo tasas por asignatura en 2015-16 (736 filas) cuyos ficheros dan 404 en vivo y solo se recuperan de Wayback; este alta NO ha ido a por ellas -un solo curso de hace diez anyos- y ese hueco queda declarado aqui, no cerrado.
no_publicado_por_la_fuente · 2026-09-02
LOS MAPEOS DE ESTA ALTA SE CONFIRMAN POR IDENTIDAD ARITMETICA INTERNA Y POR LA DEFINICION QUE IMPRIME LA PROPIA FUENTE, no por contraste con otra. El contraste con QEDU y con el benchmark del SIIU se hace en scripts/reconciliar.py y se anota en reports/, pero no es lo que sostiene el mapeo.
Dos identidades medidas sobre data/silver/uma el 2026-09-02: (1) rendimiento = exito x evaluacion / 100 sobre 592 ternas completas, desviacion mediana 0,25 pp; (2) la tasa de ocupacion, cuyo rotulo IMPRIME su formula -`Tasa de ocupacion (IN02/IN01)`-, cierra contra la matricula y las plazas de la misma columna en 414 de 454 coordenadas dentro de 1 pp, con desviacion mediana 0,003 pp. La segunda confirma TRES mapeos a la vez: PLAZAS_OFERTADAS, MATRICULA_NUEVO_INGRESO y TASA_OCUPACION.
hueco_de_extraccion · 2026-09-02
LA FUENTE LA PUBLICA Y ESTE CONECTOR NO LA LEE. La familia «ANALISIS DE RESULTADOS DEL SGC» maqueta en Word: el rotulo del indicador va en un PARRAFO (`IN12. TASA DE EXITO.`), su definicion en otro y los valores en una tablita de dos filas cuya cabecera son los cursos. No hay rejilla que reconocer por su cabecera, que es como lee este conector.
Medido sobre `Analisis_de_resultados_2023-2024.pdf` (Facultad de Medicina, 8 pp, 235.805 b): 12 tablas de indicador, ninguna con la cabecera `Indicadores x cursos`. Y la propia fuente se equivoca en las cabeceras: la tabla de IN16 rotula `Curso 2020/2021 | Curso 2021/2022 | Curso 2021/2022 | Curso 2023/2024` -el tercer curso esta mal-, asi que leerla exigiria decidir a que curso pertenece el tercer valor, que es inventar. En el corpus hay 24 paginas con esa cabecera.
hueco_de_extraccion · 2026-09-02
SE EXTRAEN Y NO TIENEN CANONICO AL QUE IR. La rejilla del SGC de la UMA mezcla en la misma columna las tasas academicas con la satisfaccion en escala Likert 1-5, las tasas de respuesta a los cuestionarios del SGC, la movilidad entrante y saliente, el profesorado y la insercion laboral. `core/vocab/indicadores_canonicos.csv` no recoge ninguna de esas familias y ampliarlo es un cambio de core que necesita ADR y no se hace dentro de un alta.
370 de los 464 rotulos-FUENTE de mapeo_uma.csv son huerfanos DECLARADOS con su motivo por familia; suman 38.280 de las 53.365 observaciones. Estan en silver con su literal, su procedencia y su titulo: lo que les falta es destino.
hueco_de_extraccion · 2026-09-02
LAS REJILLAS QUE HABLAN DEL CENTRO AGREGADO NO SE EMITEN. La maqueta `TIPO ESTUDIO | CODIGO | INDICADOR | <cursos>` publica el indicador agregado por GRADO y por MASTER del centro entero, sin nombrar ningun titulo. Sin titulo no hay grano (ADR 0004): serian observaciones `indeterminado` que nunca llegan a gold.
55 tablas con esa cabecera en el corpus del 2026-09-02, contadas sobre 381 documentos abiertos. `lectura.Memoria.tablas_fuera_de_titulo` las cuenta documento a documento.
hueco_de_extraccion · 2026-09-02
19.337 OBSERVACIONES SE EXTRAEN Y NO LLEGAN A GOLD PORQUE NO SE HA PODIDO RESOLVER SU TITULO, y el hueco es nuestro, no de la fuente. Tres causas medidas: (1) la maqueta CRITERIO nombra el titulo en una columna y el nombre casa con DOS titulos del catalogo de la 011 -el plan extinguido y el vigente- sin que el centro desempate; (2) hay secciones de titulo cuya cabecera de pagina no nombra ningun titulo; (3) grafias que el catalogo no usa. NO SE ELIGE NINGUNO: el campo queda vacio con el motivo escrito, que es la regla del proyecto.
19.337 observaciones con `nivel_grano = indeterminado` y anomalia `titulo-no-resuelto-a-ruct`, en 64 documentos: 16.147 de la maqueta CRITERIO, 1.972 de GESTION y 1.364 de INDICADORES. Cada una lleva su incidencia en data/silver/uma/fact_anomalia.parquet con el nombre del titulo que no se resolvio y la pagina.
disponible · 2026-09-02
SE CARGA, desde el CKAN «OpenData UMU» (datos.um.es), que es la via que la ficha de reconocimiento no encontro. Cinco cursos CERRADOS -2020-21..2024-25- en CSV, con `centro_cod_mec` y `titulacion_cod_mec` (los dos RUCT) nativos y las tres tasas desglosadas por sexo. Desactiva la Trampa 1 de la ficha: el XLSX del curso en curso era una foto parcial a mitad de curso y estos son cursos cerrados. La API de CKAN NO se usa -su robots.txt declara `Disallow: /api/`-: se navega el HTML, a 10 s por peticion porque declara `Crawl-Delay: 10`.
EXTRAIDO el 2026-09-02: 3.112 observaciones, 347 filas de origen, 5 cursos, 57 titulos con RUCT y 23 centros. La identidad rendimiento = exito x evaluacion / 100 cierra en 1.036 de 1.038 ternas con desvio maximo 2,84e-14. Contraste contra el SIIU en los 11 ambitos donde la UMU tiene un solo par (titulo, centro): `tasa_rendimiento` gana contra los cinco indicadores del SIIU en LOS ONCE, con mediana de medianas 0,008 pp.
disponible · 2026-09-02
SE CARGA, y sigue siendo de un solo curso y un solo centro. Los cuatro PDF de GRADO `TasasExitoRendimiento2013-14<TITULO>` de la Facultad de Medicina publican TODAS las asignaturas de su plan -incluidas las que no se impartieron, que salen con ceros- con codigo, nombre, creditos, tipo, matriculados (total, 1a y >=2a), % de repetidores, presentados y aptos en las tres convocatorias, aprobados y las dos tasas. Es un CENSO y sus tasas son RECOMPUTABLES desde sus propios recuentos. Lo que NO cambia es cuanto abarca: 1 curso de 12 y 1 centro de 23.
EXTRAIDO el 2026-09-02: 4.646 observaciones en data/silver/umu, 202 asignaturas x 23 indicadores, curso 2013-14, centro RUCT 30008248 (Facultad de Medicina). Reparto: Medicina 61, Fisioterapia 49, Odontologia 49, Farmacia 43. Las dos tasas se reproducen desde los recuentos de su propia fila en 202 de 202, con desvio maximo 0,0050 puntos. Los NUEVE PDF de master de la misma tanda estan rescatados y no se ingieren (regla de oro 2), declarados uno a uno en fact_anomalia.
no_publicado_por_la_fuente · 2026-08-31
NO HAY BENCHMARK AL MISMO GRANO: ninguna fuente oficial espanola publica por asignatura. Se anota porque es la razon por la que, si algun dia se extrae el censo de 2013-14, sus mapeos tendran que confirmarse por identidad aritmetica interna y no por contraste.
Los 13 PDF de 2013/14 publican matriculados, presentados y no presentados ademas de las dos tasas, asi que la identidad interna SI se puede cerrar sobre ellos.
no_publicado_por_la_fuente · 2026-08-31
LA API DE CALIDAD -EL SISTEMA UNICA- NO BAJA DE LA TITULACION, y esto cierra la via mas prometedora. Sus 81 indicadores por curso son todos de titulo; los TRES unicos que mencionan asignatura son recuentos de RECLAMACIONES (`IN02-PA04`, `IN03-PA04`, `IN04-PA04`), no tasas.
Medido sobre la respuesta real de `indicadoresTitulacionConHistoricoUltimoCurso/0E03/233/G/6` (Grado en Fisica, 6 cursos, 224 KB): 81 codigos de indicador distintos, 495 valores. `IN01-PC05 Tasa de Rendimiento` y `IN02-PC05 Tasa de Exito` son de titulo. El unico desglose por asignatura que devuelve es `#IN04-PA04: (2442) METODOS MATEMATICOS I`, que vale 1 reclamacion.
no_publicado_por_la_fuente · 2026-08-31
`calidad.um.es` NO EXISTE: NXDOMAIN. Se comprobo porque el encargo pedia distinguir un control de acceso de una via que nadie abrio, y aqui no es ninguna de las dos: el host no resuelve en el DNS. La unidad de calidad de la UMU publica dentro de `www.um.es` (secciones `/web/<centro>/calidad/`) y su sistema interno se llama UNICA, servido por `www.um.es/um-wsp/prxunica/unica/services/rest/`.
`host calidad.um.es` -> «not found: 3(NXDOMAIN)», 2026-08-31. Las secciones de calidad de los 22 centros SI existen y se recorrieron enteras: 258 paginas leidas, 1.621 documentos enlazados, cola de rastreo agotada (0 pendientes).
hueco_de_extraccion · 2026-08-31
EL REPOSITORIO INSTITUCIONAL ESTA DETRAS DE UN CONTROL ANTI-BOT Y NO SE RODEA. `digitum.um.es` responde HTTP 200 con una pagina de Anubis -«Making sure you're not a bot!», prueba de trabajo estilo Hashcash- en TODAS sus rutas, incluida `/oai/request`, que es la interfaz documentada para maquinas. Su propia pagina dice que esta ahi «to protect the server against the scourge of AI companies aggressively scraping websites». Resolver la prueba de trabajo seria rodear un control de acceso, y este proyecto ya decidio que no lo hace.
Comprobado el 2026-08-31 sobre /digitum/, /digitum/search?query=..., /oai/request?verb=Identify y /server/oai/request?verb=Identify: los cuatro devuelven la misma pagina de 7.547 bytes de Anubis. Su robots.txt, en cambio, NO nos excluye por nombre: el bloqueo es del servidor, no de la politica declarada.
no_publicado_por_la_fuente · 2026-08-31
LA VIA MODERNA EXISTE Y ES UNA MUESTRA SESGADA POR LOS EXTREMOS, ASI QUE NO SE CARGA. Los informes `F03-PE02 Informe de seguimiento` que cada titulo publica desde su pagina de documentacion traen tablas «Asignaturas que difieren un 20 % de la media del curso» con codigo, nombre, tipo, curso, tasa y valor de corte. Son tasas reales por asignatura, pero el propio formulario solo pide las que se desvian: las que estan en la media -la inmensa mayoria- no aparecen NUNCA. Es exactamente la maqueta L5 que el alta de la UdL declaro excluida a proposito («no es un censo, es una muestra sesgada por los extremos elegida por el autor del informe»), y se aplica el mismo criterio.
14 documentos F03-PE02 en el corpus, enlazados desde las paginas /documentacion de 12 titulos. Solo SEIS traen alguna tabla por asignatura y suman 35 pares (documento, asignatura) sobre 23 asignaturas distintas. Dos de los seis -el Grado en Estudios de Comunicacion y Medios- no publican la tasa sino el COCIENTE «Rendimiento asignatura / curso» (0,995851; 1,037344), que no es una tasa y sin la media del curso no se puede convertir en una.
hueco_de_extraccion · 2026-09-02
El CSV del CKAN publica el Grado en Enfermeria (Cartagena) con centro RUCT `30013116` y ese codigo no esta en `dim_centro` para la 012. El catalogo si tiene `30014303 Facultad de Enfermeria. Sede de Cartagena`, que es su sucesor, pero sustituir uno por otro seria reescribir el documento: no se hace.
MEDIDO: 4 filas (una por curso 2020-21..2023-24) -> 36 observaciones con grano indeterminado.
disponible · 2026-09-02
DISCREPANCIA CON EL CATALOGO QUE SE DECLARA Y NO SE ARREGLA. `dim_imparticion` dice que el Grado en Farmacia (`2500133`) se imparte en la Facultad de Farmacia (`30014297`), y los SEIS documentos de la UMU -el PDF de 2013-14 y los cinco CSV de 2020-25- dicen Facultad de Medicina (`30008248`) en los seis, con los dos RUCT nativos en la misma fila. Se conserva lo que dicen los documentos: el par existe porque lo afirma la universidad, y lo que esta incompleto es nuestro catalogo.
7 incidencias `discrepancia-con-el-catalogo` en fact_anomalia: 1 por el PDF de Farmacia, 5 por los CSV (una por curso) y 1 por el Grado en Relaciones Laborales de Isen en 2020-21. Los dos codigos existen por separado en dim_titulacion y dim_centro de la 012; lo que falta es el PAR en dim_imparticion.
hueco_de_extraccion · 2026-09-02
La UMU publica sus PCEO con RUCT propio de programa (`7000245`, `7000971`, `7001058`...) y `catalogo/dim_titulacion.csv` NO tiene ni uno de esos codigos para la 012: el volcado registra TITULOS y estos son PROGRAMAS. Sin RUCT no hay grano, asi que sus observaciones salen con `nivel_grano = indeterminado` y no llegan a gold. NO se les inventa un RUCT ni se les reparte entre los titulos componentes. Tampoco se declaran `nivel_grano = programa` (ADR 0016) porque eso exige el puente de `dim_programa` + `puente_programa_titulo`, y esos nueve programas tampoco estan ahi.
MEDIDO: 53 filas de los 5 CSV -9 codigos de programa distintos: 7000044, 7000245, 7000533, 7000971, 7000972, 7001058, 7001072, 7001132, 7001133- que producen 477 observaciones con grano indeterminado. `dim_programa.csv` tiene 269 filas y CERO que empiecen por 7; `puente_programa_titulo.csv`, cero para estos nueve.
disponible · 2026-09-02
Capa B: el censo por asignatura de la Facultad de Medicina.
EXTRAIDO el 2026-09-02.
no_publicado_por_la_fuente · 2026-09-02
El CKAN mantiene una VENTANA MOVIL de cinco cursos y este ya no esta en ella; el censo por asignatura solo existe para 2013-14.
MEDIDO el 2026-09-02: la busqueda del CKAN devuelve exactamente cinco datasets de grado (2020-2021..2024-2025). La re-verificacion del 2026-08-31 vio 2019-20 y ya no esta: la ventana se movio en dos dias, que es la medida de la fragilidad de esta fuente.
no_publicado_por_la_fuente · 2026-09-02
El CKAN mantiene una VENTANA MOVIL de cinco cursos y este ya no esta en ella; el censo por asignatura solo existe para 2013-14.
MEDIDO el 2026-09-02: la busqueda del CKAN devuelve exactamente cinco datasets de grado (2020-2021..2024-2025). La re-verificacion del 2026-08-31 vio 2019-20 y ya no esta: la ventana se movio en dos dias, que es la medida de la fragilidad de esta fuente.
no_publicado_por_la_fuente · 2026-09-02
El CKAN mantiene una VENTANA MOVIL de cinco cursos y este ya no esta en ella; el censo por asignatura solo existe para 2013-14.
MEDIDO el 2026-09-02: la busqueda del CKAN devuelve exactamente cinco datasets de grado (2020-2021..2024-2025). La re-verificacion del 2026-08-31 vio 2019-20 y ya no esta: la ventana se movio en dos dias, que es la medida de la fragilidad de esta fuente.
no_publicado_por_la_fuente · 2026-09-02
El CKAN mantiene una VENTANA MOVIL de cinco cursos y este ya no esta en ella; el censo por asignatura solo existe para 2013-14.
MEDIDO el 2026-09-02: la busqueda del CKAN devuelve exactamente cinco datasets de grado (2020-2021..2024-2025). La re-verificacion del 2026-08-31 vio 2019-20 y ya no esta: la ventana se movio en dos dias, que es la medida de la fragilidad de esta fuente.
no_publicado_por_la_fuente · 2026-09-02
El CKAN mantiene una VENTANA MOVIL de cinco cursos y este ya no esta en ella; el censo por asignatura solo existe para 2013-14.
MEDIDO el 2026-09-02: la busqueda del CKAN devuelve exactamente cinco datasets de grado (2020-2021..2024-2025). La re-verificacion del 2026-08-31 vio 2019-20 y ya no esta: la ventana se movio en dos dias, que es la medida de la fragilidad de esta fuente.
no_publicado_por_la_fuente · 2026-09-02
El CKAN mantiene una VENTANA MOVIL de cinco cursos y este ya no esta en ella; el censo por asignatura solo existe para 2013-14.
MEDIDO el 2026-09-02: la busqueda del CKAN devuelve exactamente cinco datasets de grado (2020-2021..2024-2025). La re-verificacion del 2026-08-31 vio 2019-20 y ya no esta: la ventana se movio en dos dias, que es la medida de la fragilidad de esta fuente.
disponible · 2026-09-02
Capa A: uno de los cinco CSV de curso cerrado del CKAN.
EXTRAIDO el 2026-09-02.
disponible · 2026-09-02
Capa A: uno de los cinco CSV de curso cerrado del CKAN.
EXTRAIDO el 2026-09-02.
disponible · 2026-09-02
Capa A: uno de los cinco CSV de curso cerrado del CKAN.
EXTRAIDO el 2026-09-02.
disponible · 2026-09-02
Capa A: uno de los cinco CSV de curso cerrado del CKAN.
EXTRAIDO el 2026-09-02.
disponible · 2026-09-02
Capa A: uno de los cinco CSV de curso cerrado del CKAN.
EXTRAIDO el 2026-09-02.
disponible · 2026-08-28
La UNED publica 9 indicadores por (curso, titulacion) en la tabla `TablaTitul` de rendac.aspx.
3.879 observaciones en data/silver/uned (431 filas x 9 indicadores), 3.437 no vacias, 16 cursos (2009-10 a 2024-25), 30 grados todos con RUCT. 6 de los 9 indicadores tienen canonico confirmado y 3 son huerfanos declarados con su motivo.
disponible · 2026-08-28
La UNED publica la tabla completa de asignaturas del plan con tasa de evaluacion, tasa de exito, nota media, valoracion del estudiantado y creditos. Es la capa que hace valiosa esta alta.
107.020 observaciones (21.404 filas x 5 indicadores), 97.010 no vacias, 1.504 asignaturas, 16 cursos. Es un CENSO del plan, no una muestra: el recuento por titulacion coincide con el tamaño del plan (Derecho 45, Psicologia 54) y el servicio web `GetAsigsxGMPerf` devuelve la lista completa.
no_publicado_por_la_fuente · 2026-08-28
NO EXISTE ningun benchmark de Capa B en el proyecto contra el que contrastar las tasas por asignatura de la UNED. El SIIU publica por (universidad x ambito) y QEDU por titulo; ninguno baja de la titulacion.
Comprobado: QEDU no cubre la UNED (0 observaciones para los codigos RUCT de la universidad 028) y el SIIU no publica nada por asignatura. Por eso los dos mapeos de Capa B se declaran con confianza MEDIA y su prueba es indirecta —la columna homologa de la Capa A, publicada en la MISMA respuesta HTTP, reproduce el SIIU con mediana 0,000 pp— y se dice que lo es.
disponible · 2026-08-28
SI hay contraste para la Capa A, y es el que sostiene 6 de sus 9 mapeos: 9 de los 17 ambitos SIIU de la UNED contienen UN SOLO grado, asi que la fila del SIIU y la de la UNED hablan de la misma poblacion sin ninguna ponderacion de por medio.
Reproducible con `uv run python connectors/uned/scripts/contraste_siiu.py`. Resultados del 2026-08-28: `Tasa Evaluacion` mediana +0,000 pp y 74/74 pares dentro de 1 pp; `Tasa Exito` +0,000 y 74/74; `Calif. media Egresados` -0,037 y 72/72; `Tasa Abandono` -0,090 y 87/88. Y el metodo refuta lo que debe refutar: la otra tabla del SIIU con el mismo rotulo (-31,7 y -5,2 pp), el abandono global (-21,5), el del SUE (+9,2) y el cambio (+38,4).
hueco_de_extraccion · 2026-08-28
La tabla de asignaturas trae dos columnas mas —`Cuatrimestre` y `Curso` (el curso del plan)— que este conector NO emite como observaciones. Motivo: son atributos CATEGORICOS del plan de estudios (`2º`, `1º y 2º`, `Sin especificar`), no medidas de la poblacion, y emitirlos daria 42.808 observaciones con `valor_num` nulo y anomalia por no ser numeros. NO se pierden: viajan en el localizador de cada observacion de la fila.
Valores medidos sobre las 21.404 filas — Cuatrimestre: `2º` 10.779, `1º` 10.177, `1º y 2º` 401, `Sin especificar` 47. Curso: `4º` 8.048, `2º` 4.482, `1º` 4.419, `3º` 4.213, `Sin especificar` 242. La tercera columna de contexto, `Cred. asignatura`, SI se emite (huerfano declarado) porque es el operando que hace verificable la cancelacion de creditos del ADR 0014.
disponible · 2026-08-28
La fuente publica `Valoracion Estud.` en las DOS capas y se emite entera, como huerfano declarado: el catalogo canonico no tiene ningun codigo de satisfaccion y es cerrado (crear uno exige ADR).
431 celdas en Capa A (todas con dato, rango [52,70, 87,80]) y 21.404 en Capa B (19.314 con dato, rango [0,00, 100,00]). Son DOS indicadores distintos con el mismo rotulo impreso: uno valora la titulacion y otro una asignatura; se distinguen por `tabla_fuente` en el mapeo y por `tabla TablaTitul`/`tabla TablaAsigs` en el localizador.
no_publicado_por_la_fuente · 2026-08-28
La UNED NO publica tasa de rendimiento, ni por titulo ni por asignatura, y es el indicador central del proyecto. Se podria derivar (`rendimiento = evaluacion x exito / 100`) y NO se deriva: seria un valor calculado sin `valor_literal_fuente`, que es lo que prohibe el contrato.
Cabeceras LITERALES de las dos tablas, identicas en las 431 paginas del corpus: la Capa A publica `Tasa Evaluacion` y `Tasa Exito` y no hay tercera tasa de esa familia; la Capa B publica `Tasa evaluacion %` y `Tasa exito %`. Medido sobre silver: 0 ternas completas de la identidad en las dos capas. El SIIU SI publica `Tasa de rendimiento` para la universidad 028 (2015-16 a 2023-24) por (universidad x ambito), asi que el dato existe — pero no por esta via ni a este grano.
no_publicado_por_la_fuente · 2026-08-28
La fuente no publica ningun programa conjunto: los 30 codigos de titulacion del desplegable de GRADO son grados simples, y ninguno lleva marca de doble titulacion.
Los 30 nombres de titulacion del corpus, leidos de la celda `Titulacion` de las 431 paginas, no contienen ni «doble» ni «conjunto» ni ninguna barra que separe dos titulos. `codigo_programa` va vacio y `es_pceo` es False en las 110.899 observaciones.
no_publicado_por_la_fuente · 2026-08-28
LA DECISION CARA DE ESTA ALTA. Los datos de rendimiento de la UNED NO estan desagregados por centro, ni por facultad ni por centro asociado. `catalogo/dim_imparticion` da UNA facultad unica a cada uno de los 31 grados, asi que rellenar el campo seria trivial y pasaria los axiomas 8 y 12 sin protestar — y seria INVENTAR el grano: la docencia ocurre en ~60 centros asociados agrupados en 13 campus, que no son centros RUCT, y la facultad de Madrid es el titular administrativo del plan, no el sitio donde estudio nadie. Por eso `nivel_grano = titulo_agregado` y el centro va vacio.
Comprobado de tres maneras: (1) las dos tablas de `rendac.aspx` no tienen columna de centro; (2) busqueda de «centro asociado» sobre las 431 paginas del corpus: 0 ficheros; (3) las 110.899 observaciones de silver salen con `codigo_ruct_centro` vacio y `nivel_grano = titulo_agregado`, y lo vigila un canario que le da al conector un catalogo con el centro unico de Derecho y exige que no lo use (connectors/uned/tests/test_canarios.py).
no_publicado_por_la_fuente · 2026-08-28
`rendac.aspx` no sirve doctorado: su desplegable de tipo de estudio tiene exactamente tres valores (0=licenciatura/diplomatura, 1=grado, 2=master). El doctorado tiene su propia pagina en el portal nuevo (`evacaldos/Home/RendacDoc/0`, 21 programas), que esta fuera de alcance del proyecto.
`SetGMPerf2` devuelve 3 tipos de estudio por curso, comprobado en el reconocimiento del 2026-08-27. Ninguno es doctorado.
hueco_de_extraccion · 2026-08-28
Igual que el master: la fuente lo publica (tipo de estudio `0`) y no se extrae por la regla de oro 2.
546 pares (curso, titulacion) de licenciatura/diplomatura/ingenieria enumerados por el servicio web, sin rescatar. ~26 min a 1 req/s.
hueco_de_extraccion · 2026-08-28
La fuente SI lo publica por la misma via y este conector NO lo extrae, por la regla de oro 2 del proyecto («solo grados»). Es deuda NUESTRA, no una propiedad de la fuente: se cierra quitando un filtro y volviendo a correr.
El catalogo enumerado por el servicio web declara 97 masteres distintos y 986 pares (curso, titulacion) de master, sin rescatar deliberadamente. Recuperarlos cuesta ~17 min a 1 req/s. Los 69 JSON de enumeracion estan guardados; el corpus de master, no.
no_publicado_por_la_fuente · 2026-08-28
Curso FRONTERA por abajo para el GRADO. El desplegable de `rendac.aspx` llega hasta 2002-2003, pero antes de 2009-10 no hay ningun grado: son licenciaturas y diplomaturas (tipo de estudio `0`), coherente con la implantacion de Bolonia. Se declara el curso frontera y no un rango, porque una clave que no es un curso no se puede contar en silver y publicaria un cero que nadie ha medido.
Enumeracion completa del catalogo por el servicio web `wsaj.asmx` (23 cursos x 3 tipos de estudio = 69 peticiones, reconocimiento del 2026-08-27): el tipo GRADO devuelve 0 titulaciones para todos los cursos anteriores a 2009-2010 y 431 pares (curso, titulacion) desde ahi.
disponible · 2026-08-28
Curso con datos, pero con COBERTURA PARCIAL por la implantacion progresiva de los grados: en estos años el plan solo tenia implantados los primeros cursos, asi que la Capa B no es el plan completo.
129 filas de Capa B en este curso frente a 1.794 en 2024-25 (medido sobre las 431 paginas). La rampa 2009-2013 no es un fallo de extraccion: es Bolonia entrando curso a curso. En 2009-10 hay ademas 13 titulos de 30, y las 4 columnas de tasa vienen vacias en las 129 filas.
disponible · 2026-08-28
Curso con datos, pero con COBERTURA PARCIAL por la implantacion progresiva de los grados: en estos años el plan solo tenia implantados los primeros cursos, asi que la Capa B no es el plan completo.
415 filas de Capa B en este curso frente a 1.794 en 2024-25 (medido sobre las 431 paginas). La rampa 2009-2013 no es un fallo de extraccion: es Bolonia entrando curso a curso. En 2009-10 hay ademas 13 titulos de 30, y las 4 columnas de tasa vienen vacias en las 129 filas.
disponible · 2026-08-28
Curso con datos, pero con COBERTURA PARCIAL por la implantacion progresiva de los grados: en estos años el plan solo tenia implantados los primeros cursos, asi que la Capa B no es el plan completo.
709 filas de Capa B en este curso frente a 1.794 en 2024-25 (medido sobre las 431 paginas). La rampa 2009-2013 no es un fallo de extraccion: es Bolonia entrando curso a curso. En 2009-10 hay ademas 13 titulos de 30, y las 4 columnas de tasa vienen vacias en las 129 filas.
disponible · 2026-08-28
Curso con datos, pero con COBERTURA PARCIAL por la implantacion progresiva de los grados: en estos años el plan solo tenia implantados los primeros cursos, asi que la Capa B no es el plan completo.
1070 filas de Capa B en este curso frente a 1.794 en 2024-25 (medido sobre las 431 paginas). La rampa 2009-2013 no es un fallo de extraccion: es Bolonia entrando curso a curso. En 2009-10 hay ademas 13 titulos de 30, y las 4 columnas de tasa vienen vacias en las 129 filas.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
disponible · 2026-08-28
Curso con el plan de grados ya implantado y las dos capas completas.
Entre 1.482 y 1.794 filas de Capa B y entre 27 y 30 titulos de Capa A, segun el curso; medido sobre las 431 paginas del corpus. Todas las paginas del curso produjeron observaciones.
hueco_de_extraccion · 2026-08-28
Curso FRONTERA por arriba. El desplegable de `rendac.aspx` no lo ofrecia el dia del rescate (2026-08-27): el ultimo curso con datos de grado es 2024-25. No es que se haya decidido no extraerlo; es que no estaba.
`GetAnyosSgt` devolvio 23 cursos, de 2002-2003 a 2024-2025, y el rescate bajo las 431 paginas de los 16 cursos con grados. Ninguna peticion de 2025-2026 se intento porque el catalogo no lo declaraba.
hueco_de_extraccion · 2026-08-29
Dos cosas a la vez y ninguna se puede suplir: la fuente no publica el rotulo (fila de arriba) y el codigo de la URI se retira porque no aparece con un unico nombre en todo el corpus (NOTAS.md S11, regla de enlace mas estricta que el axioma 6). La observacion EMITIDA se queda sin nada con que decir de que asignatura habla, y dos asi del mismo titulo y curso son indistinguibles para la ontologia.
27 observaciones marcadas `grano-duplicado-en-el-mismo-documento` sobre 82.031, en 10 grupos. 25 de las 27 llevan ademas `codigo-de-asignatura-no-enlazable-con-garantias`. Ejemplo: 502103-1807-2018-2019 y 502104-1807-2018-2019, las dos con tasaExitoAsignatura=100 en b-2018-2019. Eran 1.493 hasta el 2026-08-29, cuando la clave del axioma 4 paso del rotulo al codigo: 1.466 de aquellas eran falso positivo de la clave.
no_publicado_por_la_fuente · 2026-08-29
El nombre de una asignatura es propiedad de la clase ou:Asignatura, no de la ficha ou:AsignaturaTitulacion. Para 1.552 tasas de Grado esa clase no tiene entrada en el curso de la tasa (se concentra en dobles grados: la asignatura se cataloga bajo el grado simple y la tasa se emite bajo el codigo del doble). No es la trampa de los ceros: uniendo por el slug de la URI se recuperan 0 de 1.800. La celda va VACIA con `nombre-de-asignatura-no-publicado-por-la-fuente`, nunca rellena con el codigo (regla de oro 4).
1.552 observaciones de Capa B con nombre_asignatura NULL sobre 82.031. De ellas 1.501 SI traen codigo_asignatura, asi que su grano esta completo. Verificado en el documento b-2018-2019, titulo 1807: los codigos 502074-502110 no tienen ou:Asignatura en as-2018-2019 y si en as-2025-2026 (SOCIOLOGIA, ESTRUCTURA SOCIAL, ...).
disponible · 2026-09-02
La UC publica la «Tabla 4. Evolucion de los principales indicadores de la Titulacion» en cada Informe Final del SGIC, con las seis tasas canonicas -rendimiento, exito, evaluacion, eficiencia, abandono y graduacion- mas la duracion media y la dedicacion lectiva. La base de calculo esta IMPRESA debajo de la tabla y es CREDITOS.
7.391 observaciones en data/silver/unican, 6.790 sin anomalia, 188 documentos, 32 titulos con RUCT -los 32 grados de la 016- y 16 cursos (2009-10..2024-25).
disponible · 2026-09-02
Cada informe publica «Resultados academicos de la Titulacion por asignatura» (Tabla 5 / Anexo I), con el codigo (Gnnn) -que es el identifier del portal de datos abiertos de la UC-, los recuentos de matriculados, aprobados, suspensos y no presentados, sus porcentajes y, en dos de las cuatro maquetas, el desglose por sexo.
125.841 observaciones en data/silver/unican, 108.914 sin anomalia, 159 documentos, 19 titulos con RUCT y 16 cursos (2010-11..2025-26). 4.014 asignaturas distintas por codigo.
no_publicado_por_la_fuente · 2026-09-02
Igual que *.xlsx: el conector solo parsea PDF.
Incluido en las 347 entradas no-PDF del manifiesto.
no_publicado_por_la_fuente · 2026-09-02
Igual que *.xlsx: el conector solo parsea PDF.
Incluido en las 347 entradas no-PDF del manifiesto.
no_publicado_por_la_fuente · 2026-09-02
Igual que *.xlsx: el conector solo parsea PDF.
Incluido en las 347 entradas no-PDF del manifiesto.
no_publicado_por_la_fuente · 2026-09-02
Igual que *.xlsx: el conector solo parsea PDF.
Incluido en las 347 entradas no-PDF del manifiesto.
no_publicado_por_la_fuente · 2026-09-02
Igual que *.xlsx: el conector solo parsea PDF.
Incluido en las 347 entradas no-PDF del manifiesto.
no_publicado_por_la_fuente · 2026-09-02
El SGIC publica tambien hojas de calculo y documentos de texto. El conector solo parsea PDF.
347 entradas del manifiesto que no son PDF: 112 xlsx, 67 doc, 11 docx, 2 zip, 2 rtf, 2 xls y 1 ppt.
no_publicado_por_la_fuente · 2026-09-02
Igual que *.xlsx: el conector solo parsea PDF.
Incluido en las 347 entradas no-PDF del manifiesto.
hueco_de_extraccion · 2026-09-02
La tabla de plazas ofertadas, estudiantes de nuevo ingreso y tasa de cobertura NO se extrae en esta version. Su primera columna, «Plazas Ofertadas», no tiene ano: la rejilla tiene seis columnas de curso y la fila trae siete valores, asi que el primero se pega a la etiqueta de fila («Grado en Fisica 60»).
Medido en INF-P9-1-1 (14-15)-Fisica.pdf p.3 y en InformeFinalSGICGrado_UC_2018-19.pdf p.4-5, donde las 30 filas salen con el numero de plazas dentro del nombre del titulo.
hueco_de_extraccion · 2026-09-02
Hay dos familias de documento que publican las tasas como ETIQUETAS DE DATO DE UN GRAFICO, no en tabla: el informe de centro de la Facultad de Derecho (que no publica informe por grado) y los «Analisis SGIC» de 2024-25. Los numeros estan en la capa de texto pero NO SE PUEDEN ATRIBUIR: son etiquetas sueltas sin fila ni columna, y algunas salen PISADAS por solapamiento.
Literal medido en INFORME SGIC FACULTAD DE DERECHO 2022-2023_WEB.pdf: «89,63%88,388%88,084,9%9%» son dos etiquetas superpuestas, no un valor. El documento tiene 51 imagenes. De sus 12 informes de 2014-15 en adelante, 2 traen rotulo de tasa y ninguno trae tabla por asignatura.
disponible · 2026-09-02
El centro NO se lee del documento: se toma del catalogo RUCT, y se puede porque los 32 grados de la 016 se imparten en UN SOLO centro cada uno (medido sobre catalogo/dim_imparticion.csv). Si alguno pasara a impartirse en dos, `centro_de` devolveria vacio y la observacion saldria declarada en vez de con un centro elegido.
32 de 32 grados con centro unico en catalogo/dim_imparticion.csv; 0 observaciones con nivel_grano distinto de titulo_centro sobre las 133.232 de data/silver/unican.
no_publicado_por_la_fuente · 2026-09-02
Igual que los masteres. La 016 tiene 58 programas de doctorado en el RUCT -que es de donde salio la cifra equivocada de «58 grados» del encargo- y sus informes se descartan por la marca literal «DOCTORADO».
Declarado en fact_anomalia junto con los masteres.
no_publicado_por_la_fuente · 2026-09-02
La UC publica la misma Tabla 4 y el mismo anexo por asignatura para sus masteres, y el conector NO los extrae: el proyecto solo hace grados (regla de oro 2). Las filas de master se reconocen por la marca literal «MASTER» que la propia fuente imprime y salen declaradas.
En fact_anomalia: 1.409 filas de tipo `fila-otro-nivel` y 51 tablas de asignatura descartadas por la misma marca literal, mas 3.947 documentos sin ninguna tabla de rendimiento de un grado.
hueco_de_extraccion · 2026-09-02
De 2009-10 a 2012-13 la UC publica la maqueta INF P3-5-1, que es la ENCUESTA DE OPINION SOBRE EL PROFESORADO y no trae rendimiento. Lo unico que hay de esos cursos es la «Tabla 12. Indicadores de rendimiento academico» de la edicion 2013-14, que publica retrospectivamente la tasa de rendimiento de los cinco cursos anteriores -y solo esa tasa, y solo para los titulos cuyo informe de 2013-14 la incluye-.
1 observacion de Capa A en 2009-10 (y 1 en 2010-11, 1 en 2011-12), todas de la plantilla tabla-12-transpuesta. Frente a 1.022 en 2016-17.
hueco_de_extraccion · 2026-09-02
Mismo motivo que 2009-10: la maqueta de la epoca no publica indicadores de rendimiento del titulo.
1 observacion de Capa A y 112 de Capa B en 2010-11.
hueco_de_extraccion · 2026-09-02
Mismo motivo que 2009-10.
1 observacion de Capa A y 336 de Capa B en 2011-12.
hueco_de_extraccion · 2026-09-02
Mismo motivo. En 2012-13 lo que hay son sobre todo columnas de ABANDONO de informes posteriores, que rotulan la columna con el ano de la cohorte.
39 observaciones de Capa A y 7 de Capa B en 2012-13.
hueco_de_extraccion · 2026-09-02
El curso esta en marcha. Lo unico publicado son 112 filas de asignatura de un unico informe adelantado.
112 observaciones de Capa B y ninguna de Capa A en 2025-26.
hueco_de_extraccion · 2026-09-02
La UC publica sus dobles grados como una FILA MAS de la Tabla 4 y como un ANEXO MAS del mismo PDF («Doble Grado en Administracion y Direccion de Empresas y Relaciones Laborales»). No se cargan: la 016 no tiene RUCT propio para ellos ni ficha en catalogo/dim_programa.csv, y ADR 0016 exige el puente a los titulos componentes para que una observacion de grano `programa` signifique algo.
Medido: en Informe Final SGIC GADE 2021_2022 y anexo.pdf conviven en el mismo PDF el anexo del grado (p.38) y los de dos dobles grados (p.39 y p.40), con los MISMOS codigos de asignatura y valores distintos. Atribuirlos al grado producia 11.898 granos duplicados. En fact_anomalia: 73 filas `fila-programa-conjunto` y 108 tablas de asignatura `tabla-de-asignaturas-programa-conjunto`.
disponible · 2026-08-29
La ULE publica «Otros Indicadores del titulo», un PDF de UNA pagina por titulo con 30 filas de indicador x 6 cursos, servido por la aplicacion PHP de la Oficina de Evaluacion y Calidad (seguimiento.calidad.unileon.es). Trae las SEIS tasas canonicas -evaluacion, rendimiento, exito, eficiencia, abandono y graduacion- mas plazas, matriculados, egresados, duracion media y nota de admision, y ademas variables de contexto que casi ninguna Capa A publica: via de acceso, procedencia geografica, porcentaje de mujeres, edad media y movilidad.
6.840 observaciones en data/silver/unileon, 228 fila_origen (titulo x curso), 38 documentos, 36 titulos con RUCT y 6 cursos (2019-20 a 2024-25). 5.745 sin anomalia.
no_publicado_por_la_fuente · 2026-08-31
La ULE no publica NADA por asignatura. Descartado por CINCO vias independientes en docs/reconocimiento/unileon.md §1: (1) el inventario completo de la aplicacion de calidad, 1.539 documentos descargables, de los que solo 10 mencionan la palabra «asignatura» y los 10 son administrativos -cambios de denominacion y asignaturas no ofertadas-; (2) el propio PDF, que AGREGA las asignaturas en bandas («% de asignaturas con el 75 % o mas de aprobados sobre presentados, en 1a conv.») en vez de listarlas; (3) el repositorio BULERIA, que es academico y no institucional; (4) datos.gob.es, donde la ULE no figura como publisher, y el portal de la Junta de Castilla y Leon, sin ningun dataset universitario; (5) ACSUCYL, cuyos informes son cualitativos puros.
0 observaciones de capa B en data/silver/unileon, y 0 esperadas. La medicion (1) recorrio las 88 entradas del desplegable de resumen.php. || RE-AUDITADO EL 2026-08-31 CON EL DETECTOR ESTRUCTURAL VERSIONADO (scripts/barrido_estructural.py, que no existia cuando se cerro esta ficha: las cinco vias de arriba se midieron con el detector LEXICO, insuficiente segun se acaba de medir en la UGR). Resultado sobre los 69 PDF del corpus: 62 documentos con un bloque de >=5 filas con forma de tabla, 0 con extracto=True y CERO de asignaturas. Los 62 son la MISMA tabla de indicadores de acreditacion por titulo, cuyo rotulo de fila es un indicador y no una asignatura: «N.o de plazas ofertadas de nuevo ingreso», «N.o de estudiantes de nuevo ingreso en 1o», «General / Titulados / Mayores de 25 anos / Mayores de 40 anos» (las vias de acceso). El bloque mas grande de todo el corpus tiene 17 filas, muy por debajo de las 53 de un censo de asignaturas de un grado. CONTROL POSITIVO, en la misma invocacion: 55 filas sobre ISC_FL_2023_24.pdf de la UdL, asi que el detector no esta ciego. Esto CONFIRMA la sentencia, ahora con el detector bueno.
disponible · 2026-08-29
El PDF NO trae centro, ni campus, ni codigo: solo el nombre del titulo. Comprobado fila a fila. El desglose lo resuelve el CATALOGO RUCT, que registra las extensiones de Ponferrada como centros propios: 44 de los 45 grados de la 009 tienen EXACTAMENTE UNA imparticion, asi que el centro sale sin leer el papel (ADR 0003 §1). No hace falta el registro externo de ACSUCYL que el reconocimiento proponia, que ademas esta incompleto (29 grados de 46).
Cuatro grados quedan en Ponferrada por el catalogo: Fisioterapia (2501936), Podologia (2503877) y Nutricion Humana y Dietetica (2504687) en 24018881 «Facultad de Ciencias de la Salud. Extension Ponferrada», e Ing. Forestal y del Medio Natural (2501943) en 24019184. El unico titulo con dos centros, Enfermeria, no tiene documento.
hueco_de_extraccion · 2026-08-29
El documento se genera el 16/10/2024 y publica una columna para 2024-25. Diecisiete de sus treinta rotulos son de ACCESO y se declaran como tales en core/validation/umbrales.yaml (ADR 0008): su proceso ya habia terminado. Los otros cinco que traen dato en esa columna -matriculados en el titulo, % de mujeres, edad media y las dos de movilidad- hablan del CURSO ENTERO, no del acceso, y a 16/10/2024 son provisionales: la movilidad del curso ni habia empezado. Se marcan con fecha-anterior-al-fin-del-periodo y quedan fuera de gold. Es una decision, y la alternativa -meterlos en la lista de acceso- habria sido relajar el axioma 5 diciendo de ellos algo que no es verdad.
190 observaciones marcadas (5 rotulos x 38 grados x 1 curso). Las otras 304 celdas de 2024-25 con esa marca son ademas '-' de la propia fuente: la ULE deja vacias las ocho filas de resultado del curso en los 38 grados.
hueco_de_extraccion · 2026-08-29
La ULE publica un SEGUNDO formato con los mismos indicadores dentro: una exportacion del cuadro de mando de Looker Studio, de 2 paginas, donde las cifras son ETIQUETAS DE GRAFICO. No se parsea. Dos motivos medidos: el texto sale superpuesto y con caracteres duplicados por el simulado de negrita («RDeatnodsi mdeiel nTtioul deo estudiantes en creditos»), lo que obligaria a trabajar por coordenadas; y solo existe para 3 de los 88 titulos, asi que ni siquiera es una alternativa al formato de tabla. Trae, eso si, dos campos que la tabla NO tiene: «Campus: Leon» y la fecha de inscripcion en el RUCT.
4 documentos con incidencia documento-que-no-es-el-formato-de-tabla en fact_anomalia: Indicadores_Seguimiento_0305-3-74.pdf, Indicadores_Seguimiento_1741-11-114.pdf, IndicadoresSeg2022-2023_1736-115-2-90-....pdf y rescate-unileon/ind_0508.pdf. Los tres primeros son de masteres; el cuarto es el de ADE, bajado en el sondeo.
no_publicado_por_la_fuente · 2026-08-29
Siete de los 45 grados del RUCT de la 009 NO tienen documento «Otros Indicadores del titulo» en la aplicacion de la OEC. Tres son planes A EXTINGUIR de la Escuela de Ingenieria Agraria (Ing. Agraria y del Medio Rural 2501939, Ing. Agroalimentaria 2501941, Ing. Agroambiental 2501942) y otro es el plan viejo de topografia (Ing. en Geotecnologias y Topografia 1500448), que no publican porque ya no tienen actividad que informar. Los otros TRES si estan vivos y su ausencia no se explica: Enfermeria (2502353), Ciencias Gastronomicas (2504686 -titulo conjunto con UBU y UVA-) e Informacion y Documentacion (2501157).
36 titulos con RUCT en silver frente a 45 grados en dim_titulacion para la 009. Los 9 que faltan son estos 7 mas los dos Finanzas de la fila anterior. Contado sobre catalogo/dim_titulacion.csv y data/silver/unileon/observaciones.parquet.
hueco_de_extraccion · 2026-08-29
El RUCT de la 009 tiene DOS grados con el nombre oficial identico -«Graduado o Graduada en Finanzas por la Universidad de Leon»-, 2501271 (situacion RENOVADA) y 2504034 (situacion vacia), y la ULE publica DOS documentos, «Gr. en Finanzas» y «Gr. en Finanzas (a extinguir)». Parece que basten para emparejarlos y NO bastan: NINGUNO de los dos RUCT esta declarado «A EXTINGUIR», asi que el discriminador que imprime la ULE no tiene con que casar. Es un linaje de ADR 0010 sin declarar, y declararlo exige la fecha de verificacion de las dos fichas del RUCT, que este volcado no descargo. Elegir uno seria adivinar cual de los dos planes tiene los seis cursos.
360 observaciones (2 documentos x 30 rotulos x 6 cursos) con anomalia titulacion-con-varios-ruct-ambiguo:2501271+2504034, nivel_grano=indeterminado y por tanto fuera de gold. Son el 5,3 % de las 6.840.
hueco_de_extraccion · 2026-08-29
La ULE SI publica el mismo documento para sus masteres -23 de los 61 ficheros de tabla del corpus, con 24 filas en vez de 30 (les faltan las seis vias de acceso, que no aplican)- y NO se extraen por la regla de oro 2 del proyecto: solo grados. No es un limite de la fuente, es del alcance.
23 documentos con incidencia titulo-que-no-es-grado en data/silver/unileon/fact_anomalia.parquet, cada uno con su nombre de fichero y su titulo impreso. Son ~3.300 celdas que se dejan sin extraer, contadas.
hueco_de_extraccion · 2026-08-29
LA SERIE SE SOBRESCRIBE. El fichero no lleva el ano en el nombre (Indicadores_Acreditacion_0508-5-18.pdf), asi que cada cosecha anual pisa la anterior en la cache de descargas/ y tira el curso mas viejo. La cosecha vigente empieza en 2019-20; 2018-19 solo sobrevive en DOS ficheros de la cosecha 2022-23, que usaban otro convenio de nombre y por eso no fueron sobrescritos... y los dos son MASTERES, asi que para grados 2018-19 esta perdido por completo. No es un hueco que se pueda cerrar trabajando: los datos ya no estan en ninguna parte que sepamos.
0 observaciones con periodo 2018-19 en data/silver/unileon. Los dos ficheros que lo traen son IndicadoresAcreditacion2022-2023_0105-115-1-1 (M.U. en Invest. en Veterinaria y CyTA) y ..._1736-115-2-90 (M.U. en Investigacion en Biologia Fundamental y Biomedicina), los dos masteres y por tanto fuera de alcance por la regla de oro 2.
disponible · 2026-09-01
El informe abre con DOS tablas de evolucion del titulo: la del eje CURSO ACADEMICO (16 indicadores x hasta 5 cursos) y la del eje COHORTE DE NUEVO INGRESO (6 x hasta 5). Es exactamente el grano de la Capa A y es lo que este conector extrae.
6.567 observaciones en data/silver/uniovi, 635 fila_origen, 22 rotulos-fuente, 57 titulos con RUCT, 17 centros RUCT, 7 programas y 12 cursos (2013-14 a 2024-25). Salen de 68 documentos con manifiesto y sha256.
disponible · 2026-09-01
Los informes traen TRES tablas por asignatura -tasa de rendimiento, tasa de exito y tasa de evaluacion- con codigo y nombre de asignatura, caracter, periodo docente, curso del plan, dos recuentos de estudiantes del curso de referencia y hasta cinco cursos de serie de la tasa.
66.621 observaciones, 14.423 fila_origen, 3.052 codigos de asignatura, 6 rotulos-fuente y 11 cursos (2014-15 a 2024-25). LOS 141 DOCUMENTOS DEL CORPUS LA TRAEN: 138 con las tres tablas y 3 con dos (la maqueta de 2018-19..2020-21 no publica la de evaluacion), comprobado abriendolos uno a uno.
no_publicado_por_la_fuente · 2026-09-01
La capa R es la de las fuentes oficiales de referencia, que publican por (universidad, ambito). Una universidad no publica a ese grano y la Universidad de Oviedo no es una excepcion: lo mas parecido que trae son las columnas `Rama` y `Universidad de Oviedo` de su tabla comparativa, que son agregados de la PROPIA universidad y no un benchmark del sistema.
0 observaciones de capa R en data/silver/uniovi.
no_publicado_por_la_fuente · 2026-09-01
La trampa que ADR 0016 manda DECLARAR y no suponer: si los estudiantes del PCEO estan ademas contados en sus titulos componentes, sumar el programa y sus titulos cuenta dos veces a las mismas personas. AQUI NO HACE FALTA FALSARLO PORQUE LA FUENTE LO DICE, y solo para 2024-25.
MEDIDO el 2026-09-01: 10 documentos imprimen en la portada el literal `SIN estudiantes de Doble Grado`, y esos 10 son EXACTAMENTE los 10 grados componentes de los 7 PCEO -igualdad de conjuntos de RUCT, ni uno de mas ni uno de menos: 2501059, 2501060, 2501523, 2502362, 2502366, 2502368, 2502374, 2502375, 2502586, 2504251-. Los 10 son de 2024-25. En 2024-25, por tanto, las poblaciones son DISJUNTAS y el programa se suma a sus componentes. Los otros 117 documentos no llevan ninguna de las dos marcas y sobre ellos NO se afirma nada.
no_publicado_por_la_fuente · 2026-09-01
**NO COMPROBADO, y asi se declara.** Los informes de 2024-25 traen CINCO cursos de serie en cada tabla y la marca `SIN estudiantes de Doble Grado` esta en la PORTADA, sin decir si la exclusion se aplico a las cinco columnas o solo al curso de referencia. Si se aplico solo al ultimo, hay una DISCONTINUIDAD dentro de la propia serie de esos 10 titulos.
El informe por titulo no lo dice en ninguna de sus 67 tablas. El informe global de la universidad menciona que «el estudiantado de las PCEO de Grado se ha tenido en cuenta una sola vez» y que se regeneraron los datos desde 2020-2021, pero no cierra la pregunta para las columnas de serie de cada titulo. CERO documentos anteriores a 2024-25 llevan marca, asi que tampoco hay una edicion anterior con la que contrastar los mismos cursos.
no_publicado_por_la_fuente · 2026-09-01
Tres informes -los de la maqueta antigua- NO imprimen fecha en la portada, asi que la fuente no publica cuando se publicaron. La `fecha_publicacion` de sus observaciones sale del `/CreationDate` del PDF y va MARCADA de estimada (regla de oro 3). No es un hueco de extraccion: sus datos se extraen enteros; lo que falta es la fecha.
138 de los 141 documentos imprimen la fecha (`14/10/2025`) y 3 no: DLFE-89122 (Grado en Gestion y Administracion Publica 2018-19, `/CreationDate` 2019-11-08), DLFE-89114 (Grado en Ingenieria en Geomatica y Topografia 2020-21, 2021-11-05) y DLFE-89460 (Master en Teledeteccion y SIG 2019-20, 2020-10-19; este ademas es master y no llega a silver). En silver: 206 observaciones con `fuente_fecha = pdf-creationdate` y `fecha_publicacion_estimada = true`, de 2 documentos. CORROBORACION de la via, que es lo que la hace creible: sobre los 138 que traen las dos fechas, el `/CreationDate` cae a +-2 dias de la impresa en 137 -68 el mismo dia- y a 13 dias en 1. La ventana de publicacion observada va del 22-sep al 29-nov del anio en que ACABA el curso, y las tres fechas estimadas caen dentro.
no_publicado_por_la_fuente · 2026-09-01
Dos informes de la misma titulacion publican valores DISTINTOS para los mismos cursos. No es un fallo de lectura -las dos cifras estan impresas y las dos se extraen- sino una revision de la fuente, que ella misma anuncia: la nota de la pagina 2 de los informes de 2024-25 dice que se cambio el numero de documento por el numero de expediente como elemento de trazabilidad «por lo que los resultados historicos de los indicadores ... pueden haber sufrido ligeras modificaciones». La ontologia conserva las dos observaciones a proposito (ADR 0003): la precedencia es una vista, no un borrado.
13 claves contradictorias de 4.181 en scripts/reconciliar.py (reports/reconciliacion-uniovi.json), TODAS del mismo titulo: 2502373 «Ingenieria Forestal y del Medio Natural» en extincion, con dos ediciones (DLFE-89113 de 2022-23 y DLFE-181252 de 2024-25). Comprobado contra el papel: la Tabla 2 de la edicion de 2022-23 da `Tasa de rendimiento 66,3` para 2022-2023 y la de 2024-25 da `75,1`; para 2020-2021 dan 62,7 y 63,4. Es el UNICO titulo del corpus con dos ediciones del mismo centro -los otros tres RUCT con dos documentos (2500731, 2501627, 2501628) son el mismo titulo en DOS CENTROS, con claves distintas-. PATRON OBSERVADO, con n=1 y por tanto no demostrado: la discrepancia es grande en el curso que era el CORRIENTE de la edicion vieja (8,8 y 9,1 pp en 2022-23) y pequena dos cursos antes (0,7 y 0,2 pp en 2020-21), lo que es compatible con que la cifra del curso en curso sea provisional y se consolide despues.
hueco_de_extraccion · 2026-09-01
Las dos tablas de evolucion traen una ultima columna `Objetivo Titulo` con la META que el titulo se fija para ese indicador. NO se ingiere: es un objetivo, no la medicion de ningun curso, y asignarle un periodo seria inventarlo. La ontologia no tiene un campo para una meta.
La columna se RECONOCE y se lee -`tablas.TablaEvolucion.tiene_objetivo` y la columna `Objetivo` de cada fila-, simplemente no se emite. Aparece en las dos tablas de los 68 documentos parseados; en el Grado en Enfermeria 2024-25 sus valores son 82,8 (rendimiento), 91,0 (exito y evaluacion), 85,0 (eficiencia), 15 (abandono) y 70 (graduacion).
disponible · 2026-09-01
Se extrae y se mapea a TASA_TRANSICION_GRADO_MASTER, pero su DEFINICION es mas estrecha que la del canonico y hay que saberlo: la ficha II.RTO.17.TTN dice «estudiantes que al finalizar un Grado comienzan un Master en el curso inmediatamente posterior, AMBOS EN LA UNIVERSIDAD DE OVIEDO». El estudiante que se va a hacer el master a otra universidad NO cuenta.
scripts/reconciliar.py lo detecta solo: de los nueve canonicos contrastables contra el benchmark del SIIU, ocho salen centrados -medianas entre -0,13 y +0,04 pp- y este sale con mediana -15,18 pp al nivel de detalle (n=148) y -17,39 al agregado (n=156), SIEMPRE por debajo (p90 = -0,52). Un sesgo de un solo signo y de ese tamano en un solo indicador, con los otros ocho centrados, no es un error de extraccion: es otra definicion.
hueco_de_extraccion · 2026-09-01
Los informes de grado con oferta limitada cierran con un anexo de tres indicadores -`Ocupacion de la titulacion` (III.PRE.8.OCU), `Preferencia` (III.PRE.9.PRF) y `Adecuacion` (III.PRE.10.ADE)- con sus tablas de plazas ofertadas y preinscritos. NO se ingiere.
73 de los 141 documentos traen las tres fichas del anexo, contadas leyendo la linea `Indicador: ... Codigo: III.PRE.*` de los 141 PDF. Los tres canonicos existen en core/vocab/indicadores_canonicos.csv (TASA_OCUPACION, TASA_PREFERENCIA, TASA_ADECUACION), asi que el hueco es de parser y no de vocabulario.
hueco_de_extraccion · 2026-09-01
Cada informe trae DOS tablas comparativas que ponen el titulo al lado de su centro, su rama de conocimiento y la universidad entera, y ademas un grafico por indicador con las mismas cuatro series. NO se ingieren. Tres de las cuatro columnas hablan de poblaciones para las que la ontologia no tiene grano -el centro ENTERO, la rama, la universidad-, y `titulo_agregado` significa «todos los centros de UN titulo», que es lo contrario. La cuarta, `Titulo`, repite el ultimo curso de la tabla de evolucion.
Comprobado sobre el Grado en Enfermeria 2024-25: la columna `Titulo` de la Tabla 4 da `Tasa de rendimiento = 91` y la celda 2024-2025 de la Tabla 2 da `91,0`; mismo numero, distinto literal. El reconocedor de tablas las rechaza por su CABECERA (columnas rotuladas con niveles y no con cursos) y hay un test que lo fija, `test_tablas.py::test_reconoce_las_dos_series_y_no_la_comparativa`.
hueco_de_extraccion · 2026-09-01
Detras de las dos tablas de evolucion, cada informe dedica una FICHA a cada indicador con su definicion, su formula, su poblacion y entre dos y seis tablas mas: el numero de estudiantes de la poblacion por Titulo/Centro/Rama/UO, y su desglose por genero, por regimen de dedicacion, por si es de nuevo ingreso o no, por forma de admision y por anios de retardo. NO se ingieren.
Un informe de grado de 2024-25 trae 67 tablas y este conector lee 5 de ellas (las dos de evolucion y las tres por asignatura). Las demas o desagregan por dimensiones que la observacion no tiene -genero, forma de admision, regimen de dedicacion- o hablan del centro, la rama o la universidad. Las poblaciones por Titulo SI serian el denominador que la Capa A no trae: la Tabla 9 del Grado en Enfermeria da 349, 362, 352, 349 y 351 estudiantes para el computo de la tasa de rendimiento, que coinciden con `Estudiantes matriculados` de la Tabla 2.
no_publicado_por_la_fuente · 2026-09-01
El UNICO grado del catalogo de la 013 que no aporta ni una observacion, y no es un fallo de extraccion: su carpeta existe en el portal de calidad y NO tiene Informe Anual de Rendimiento Academico.
57 de los 58 grados de `catalogo/dim_titulacion.csv` para la universidad 013 tienen observaciones en data/silver/uniovi; el que falta es 1500112 «Graduado o Graduada en Criminologia por la Universidad de Oviedo» (RENOVADA POR ACREDITACION INSTITUCIONAL, no extinguido). En el arbol del portal, el nodo `derecho / Grado en Criminologia` esta enumerado y sale en la lista de los 69 nodos de nivel 2 sin informe RA.
no_publicado_por_la_fuente · 2026-09-01
El arbol del portal enumera 191 nodos de nivel 2 (centro / titulacion) y solo 122 tienen Informe Anual de Rendimiento Academico. Los 69 restantes se enumeran aqui en vez de desaparecer.
Medido sobre scratchpad/uniovi/arbol.json el 2026-09-01: de los 69 sin informe, **35 no son una titulacion** (`Composicion de la Comision de Calidad` x17, `Certificado programa AUDIT y Acreditacion Institucional` x9, actas, auditorias internas e informes de centro), **28 son programas de doctorado**, **5 son masteres** (Aplicaciones de Supercomputacion, Ingenieria Energetica y _Informes de Seguimiento en la EPM; Enfermeria de Urgencias en Medicina -duplicado del que si publica el Centro Internacional de Postgrado-; Erasmus Mundus en Tecnologia y Gestion para la Economia Circular y Quimica Teorica en Quimica) y **1 es un grado**, Criminologia.
no_publicado_por_la_fuente · 2026-09-01
El portal de calidad tiene una rama entera de doctorado (`cipdoctorado`) con carpeta por programa, y NINGUNA publica el Informe Anual de Rendimiento Academico. No es que no lo hayamos pedido: la carpeta existe y esta vacia de ese informe.
28 programas de doctorado enumerados en el arbol del portal (scratchpad/uniovi/arbol.json, 480 nodos rastreados) y 0 con documento dentro de «Informe Anual de Rendimiento Academico». La rama `cipdoctorado` no aporta ni un documento a las 141 filas del manifiesto.
hueco_de_extraccion · 2026-09-01
LA FUENTE LOS PUBLICA IGUAL -mismo documento, misma maqueta, mismas tablas por asignatura- y este conector NO los extrae, por la regla de oro 2 de CLAUDE.md: solo grados. Es deuda NUESTRA, no un limite de la Universidad de Oviedo.
66 documentos declarados uno a uno en data/silver/uniovi/fact_anomalia.parquet con el motivo `titulacion-fuera-de-alcance`, cada uno con su plan y su titulo. Son 65 planes de master de los 132 que el vocabulario vocab/titulos_uniovi.csv declara. El filtro se hace por el NIVEL que declara el vocabulario, no por un patron sobre el nombre del fichero.
no_publicado_por_la_fuente · 2026-09-01
Frontera inferior de la serie. Ningun informe del corpus rotula una columna anterior a 2013-14: el mas antiguo es de 2018-19 y su tabla de cohortes empieza en NI 2013-2014.
0 observaciones con periodo 2012-13 o anterior en data/silver/uniovi.
disponible · 2026-09-01
El curso mas antiguo que alguna columna rotula. Llega por la COLA de la tabla de cohortes del informe de 2018-19, no porque exista un informe de 2013-14.
6 observaciones, todas de Capa A y todas de la cohorte NI 2013-2014 del Grado en Gestion y Administracion Publica (2501630). Los cursos 2014-15 a 2017-18 traen 24, 29, 44 y 47.
no_publicado_por_la_fuente · 2026-09-01
Frontera superior. El informe mas reciente del corpus es de 2024-25, publicado el 14/10/2025; el de 2025-26 no existia cuando se rescato el corpus.
0 observaciones con periodo 2025-26 en data/silver/uniovi.
disponible · 2026-09-01
La Universidad de Oviedo publica el informe del PCEO POR SEPARADO y bajo cada uno de sus dos grados componentes. No cuelga de ningun titulo anfitrion, asi que sus observaciones son `nivel_grano = programa` (ADR 0016) con `codigo_ruct` y `codigo_ruct_centro` vacios.
10.598 observaciones de 7 programas, con puente completo en catalogo/puente_programa_titulo.csv. Los 14 documentos son 7 digests: el mismo PDF publicado por dos rutas de centro. Las dos copias llegan a silver -si no, el auditor de perdidas contaria 7 documentos mudos- y la segunda por orden de URL lleva `documento-duplicado-en-catalogo`, que es el motivo que el axioma 4 contempla y que la deja fuera de gold: 5.299 observaciones.
disponible · 2026-08-29
La UR publica tasas de graduacion, abandono y eficiencia POR TITULACION en el libro .../centros/resultalcanzgradosmaster 20-21.xlsx, hojas (2a), (2aa), (2b) y (2c), en tablas TRANSPUESTAS (titulos en filas, cursos en columnas).
703 observaciones de Capa A en data/silver/unirioja, de 1 documento: 19 grados x hasta 9 cursos (2012-13 a 2020-21). 324 son tasas canonicas (TASA_EFICIENCIA y TASA_ABANDONO_RD1393) y 379 huerfanos declarados: las dos tasas de graduacion, que fallan el contraste contra el SIIU, y los dos recuentos de la hoja (2aa).
disponible · 2026-08-29
La UR publica resultados POR ASIGNATURA de sus grados y masteres en hojas de calculo nativas colgadas en .../servicios/ose/intranet/rendimiento/centros/indicadores_13_10_10/. Es exactamente el grano de la Capa B y es lo que este conector extrae, filtrado a GRADO por la regla de oro 2.
54.510 observaciones de Capa B en data/silver/unirioja, de 7 documentos y 7 cursos (2014-15 a 2020-21): 19 titulaciones de grado con RUCT, 6.293 filas de asignatura y entre 6 y 11 indicadores por fila segun la plantilla. 15.187 son tasas canonicas y 5.359 denominadores; el resto son huerfanos declarados (distribucion de calificaciones, recuentos de estudiantes y creditos de la asignatura).
hueco_de_extraccion · 2026-08-29
La UR SI publica tasa de graduacion por titulo (hojas (2a) y (2aa)) y este conector la extrae a silver, pero NO la mapea a TASA_GRADUACION: el contraste contra el benchmark del SIIU falla en las dos hojas. Es un huerfano declarado, no una perdida: las 171 observaciones estan en silver con su rotulo, su literal y su procedencia.
Medido el 2026-08-29 contra `Tasa de graduacion en grados de 4 anos` del SIIU para la universidad 045 (nivel_ambito 'todos', Ambos sexos): la fila PROMEDIO de la hoja (2a) da mediana -7,726 pp con |max| 10,122 en 4 cursos, y la fila TOTAL GRADOS de la (2aa) -por mas que la hoja se titule «SIIU»- da mediana -3,410 con |max| 7,245 en 4. El umbral del proyecto es divergencia_fuente.sesgo_mediana_max_puntos = 2,0. Probados los desplazamientos de -2 a +2 anos por si fuera un problema de indexacion: ninguno mejora.
no_publicado_por_la_fuente · 2026-08-29
Ninguna de las diez hojas que este conector lee trae columna de CENTRO: la UR publica por TITULACION. `codigo_ruct_centro` sale VACIO y `nivel_grano` es `titulo_agregado` en las 55.213 observaciones. No se asigna el centro «por el titulo» aunque la UR sea de campus unico: seria inventar un componente del grano que el papel no declara.
Cabeceras literales de las seis plantillas de Capa B y de las cuatro hojas de Capa A, declaradas una a una en connectors/unirioja/config.yaml: ninguna tiene columna de centro. El catalogo RUCT si conoce los 11 centros de la 045 (catalogo/dim_centro.csv).
hueco_de_extraccion · 2026-08-29
REGLA DE ORO 2: solo grados. Los masteres y doctorados vienen DENTRO de los mismos ficheros que los grados, asi que aqui no basta con no descargar una carpeta: se filtran por la letra final del codigo de plan (`M`, `D`) y se cuentan.
18 incidencias `titulacion-fuera-de-alcance` en data/silver/unirioja/fact_anomalia.parquet, una por (documento, sufijo), que suman 1.867 filas de asignatura de masteres y doctorados NO emitidas sobre los 7 documentos de Capa B. En la Capa A se excluyen por construccion: las cuatro hojas leidas son de grado.
hueco_de_extraccion · 2026-08-29
REGLA DE ORO 2. La UR publico Capa B por asignatura en PDF para 2004-05 y 2008-09 y esos PDF SIGUEN COLGADOS, pero TODAS sus titulaciones son PRE-BOLONIA: no hay ni un grado que extraer. No es que no sepamos leerlos: es que su contenido esta fuera del alcance del proyecto.
Medido el 2026-08-29 abriendo los 25 PDF de las familias `<centro>_estudio08-09.pdf`, `<centro>_estudio04-05graficos.pdf` y `<dpto>_repetidores08-09.pdf` con pdfplumber y extrayendo sus codigos de titulacion: 23 codigos distintos, 21 con sufijo `A` (licenciaturas, diplomaturas e ingenierias tecnicas: 101A-113A, 205A-211A, 401A, 402A) y 2 con `B` (201B Lic. en Matematicas, 403B Dipl. en Trabajo Social). CERO con sufijo `G`. El rescate conto 13.106 filas de asignatura en esa familia.
hueco_de_extraccion · 2026-08-29
LA FUENTE SI PUBLICA la Capa B de 2013-14 y este conector NO la extrae. El fichero de ese curso (rendimiento_13_14_convocatorias_a_feb_2015.xlsx) desglosa POR CONVOCATORIA -19 hojas, una por titulo, cada una encabezada `201G. Convocatoria Enero 2014`- asi que su grano es (titulo, asignatura, CONVOCATORIA) y core.contract.Observation no tiene campo para la convocatoria. Es un hueco NUESTRO, no de la fuente, y por eso no se declara no_publicado_por_la_fuente.
Abierto y contado: 19 hojas de 2.068 a 2.121 filas. Cabecera literal `Cod. Asig. | Asignatura | Matriculados | Presentados | Aprobados | Suspensos | Tasa de rendimiento | Tasa de exito`. Y hay un segundo motivo para no forzarlo: en ese formato Matriculados = Presentados en todas las filas medidas, asi que rendimiento y exito valen EXACTAMENTE lo mismo y no son las tasas del curso.
no_publicado_por_la_fuente · 2026-08-29
La serie descargable de la UR esta CONGELADA. El ultimo fichero de Capa B es el de 2020-21 y el de Capa A tambien; la continuacion vive en tres cuadros de mando Power BI cuya API publica rechaza las seis variantes de llamada probadas (connection reset), descartado que sea del entorno. No hay fichero que descargar para 2021-22 ni posteriores.
docs/reconocimiento/unirioja.md §3b: seis variantes contra wabi-north-europe-redirect.analysis.windows.net, las seis con codigo curl 000; la raiz `/` del mismo host responde 404 (host alcanzable) y un POST de control a un tercero responde 200. El rescate del 2026-08-29 barrio el indice CDX de Wayback (33.491 ficheros archivados, 968 candidatos, 831 vivos) y no encontro ningun fichero de rendimiento posterior a 2020-21.
disponible · 2026-09-03
CERRADO EL 2026-09-03 como UNICA EXCEPCION APROBADA POR MARIO al cierre de extraccion; hasta entonces era un hueco deliberado («la Capa A catalana la da connectors/aqu», ADR 0011). El objetivo del cierre es el CONTRASTE: que las coordenadas de AQU tengan el otro lado publicado por la propia universidad. La objecion original de este fichero —que extraer aqui crearia una segunda serie con OTRA base de calculo, cabezas contra creditos— SE DISOLVIO MIDIENDO: la medida DAX del modelo, evaluada al grano (curso, titulo, centro), es Sum(ECTS_a x T_Aprov_a)/Sum(ECTS_a x t_alumnes_a), es decir POR CREDITOS, la misma base que AQU y que el canonico. Lo que el alta original midio a nivel asignatura («por cabezas») es la MISMA formula con los ECTS cancelados: las dos mediciones son consistentes y la de este grano es la que manda aqui.
Extraccion del 2026-09-03: 10.080 observaciones de Capa A (12 rotulos x 840 filas curso x titulo x centro, 11 cursos 2015-16..2025-26), tandas `tasas_tit` y `credits_tit` (22 consultas nuevas en bronze con manifiesto). BASE, confirmada por identidad: sobre las 821 coordenadas cuyo snapshot coincide entre capas, las tres tasas reproducen la formula por creditos con desviacion maxima 1,42e-14 pp (las 19 restantes difieren solo por el refresco diario del modelo entre el bronze de la B, 2026-08-28, y el de la A, 2026-09-03). CONTRASTE CONTRA AQU, medido ANTES de extraer en masa (trampa de la circularidad): NO hay circularidad. En 682 coordenadas compartidas (titulo, centro, curso), rendimiento difiere con p50 0,88 pp, solo 39 empates exactos (5,7 %), y los creditos matriculados difieren con mediana firmada -420 (la poblacion de AQU es mas ancha; FIB 23-24: 90.852 aqui, 97.988 alli). Los deltas grandes (p90 ~12 pp) se concentran en los titulos multicentro (2501216/2501217/2501219, en 3-5 centros): las dos fuentes reparten el mismo titulo entre centros con criterios distintos. Ademas la UPC llega DOS CURSOS mas alla que AQU: 149 coordenadas de 2024-25 y 2025-26 sin lado AQU.
disponible · 2026-08-29
La UPC publica rendimiento POR ASIGNATURA con el RUCT del titulo y del centro nativos. Es la capa que esta alta viene a cubrir y la que AQU no puede dar.
691.810 observaciones en data/silver/upc (v1.1, re-extraccion del 2026-08-29): 42.121 grupos (curso x titulo x centro x asignatura) x 11 cursos (2015-16..2025-26), 4.333 asignaturas, 73 RUCT de titulo, 102 pares (titulo, centro), 21 centros. 691.416 aptas para gold y 0 fuera sin motivo declarado; las 394 que no entran traen el literal `NaN` de la fuente. La v1.0 declaraba 674.880 aptas porque 16.545 observaciones iban marcadas como duplicado de grano: eran un FALSO POSITIVO de identificar la asignatura por su NOMBRE, y desde que la clave de los axiomas 4 y 13 es el CODIGO no colisiona ninguna (connectors/upc/NOTAS.md 8b).
no_publicado_por_la_fuente · 2026-08-28
NO EXISTE ningun benchmark de Capa B en el proyecto contra el que contrastar esta fuente. El SIIU publica por (universidad, ambito) y QEDU por titulo; ninguno baja de la titulacion. Por eso los cuatro mapeos de este alta se confirman por IDENTIDAD ARITMETICA y no por contraste, que es la otra prueba que admite la norma.
Las identidades, medidas en cada corrida por `upc contraste` sobre las 42.121 filas de origen: `Taxa de rendiment == Sum(T_Aprov)/Sum(t_alumnes)` con desviacion maxima 1,42e-14 pp en 42.121 grupos; `Taxa d'exit == Sum(T_Aprov)/(Sum(t_alumnes)-Sum(T_NP))` en 41.727; `Taxa Presentats == (Sum(t_alumnes)-Sum(T_NP))/Sum(t_alumnes)` en 42.121. Ademas el corpus de rescate, extraido el 2026-08-27 a otro grano y por otro camino, reproduce las 2.068.375 matriculas de los 42.121 grupos con 0 discrepancias.
disponible · 2026-08-28
La fuente publica el recuento de matriculas por calificacion final (MH, E, N, A, S, NP) y se emite entero, como huerfano declarado: el catalogo canonico no tiene ningun codigo para la distribucion de calificaciones y el catalogo es cerrado.
144.233 observaciones de las seis calificaciones sobre 42.121 grupos. La emision es RASGADA a proposito: la fuente no imprime fila cuando una calificacion no tiene a nadie, y un cero que la fuente no imprime seria un valor inventado. La suma de las calificaciones emitidas reproduce «Total Estudiants» del mismo grupo.
hueco_de_extraccion · 2026-09-03
La Capa A propia extraida el 2026-09-03 cubre la familia rendimiento/exito/evaluacion y los recuentos del modelo BI. La UPC publica ADEMAS otras familias por titulacion en el «Llibre de dades» del GPAQ (gpaq.upc.edu/lldades): demanda y acceso, satisfaccion por titulacion, graduacion. Ese portal es hoy un mirror estatico HTTrack fechado el 2024-07-03 (medido en el reconocimiento: paginas .asp congeladas), asi que es una fuente distinta, con otro formato y otra frescura, y NO se extrajo en este cierre. Es deuda declarada, no perdida muda.
docs/reconocimiento/upc.md §6: gpaq.upc.edu/lldades responde 200 pero es un espejo estatico de 2024-07-03 con solo Capa A; satisfaccioExcel.asp sirve satisfaccion a nivel titulacion en HTML con content-type de Excel. Ninguna de esas paginas esta en bronze.
excluida_por_datos_personales · 2026-08-28
ADR 0013. La entidad del modelo que sirve esta familia declara en su esquema columnas de identificacion directa de persona. NO se consulta, NO se descarga y NO se almacena. El hallazgo esta en docs/reconocimiento/upc.md §10 y los nombres de esas columnas NO se reproducen fuera de ese documento.
La entidad esta en `upc.limites.ENTIDADES_PROHIBIDAS` y ademas fuera de la lista blanca, asi que una peticion a ella falla por dos caminos independientes. El hallazgo se hizo y se verifica por METADATOS DECLARADOS —nombres de columna del esquema—, nunca accediendo: comprobarlo accediendo significaria consultar precisamente lo que no se debe consultar.
hueco_de_extraccion · 2026-08-28
El mismo espacio de trabajo publica tablas de fase inicial y de abandono de primer curso que esta extraccion no toca. Son de nivel TITULACION, que es la capa que cubre `aqu`, pero AQU no publica la fase inicial por asignatura.
Reconocimiento del 2026-08-27: 356 cuadros de mando publicos sobre 9 informes en el workspace; las tablas de fase inicial y abandono de primer curso existen y no se han consultado. No se ha medido su contenido.
hueco_de_extraccion · 2026-08-28
La fuente publica encuestas docentes POR ASIGNATURA de once cursos y este conector NO las emite. Motivo: su grano nativo incluye el grupo de clase y el codigo de plan (DGU) en vez del RUCT, asi que llevarlas al grano del proyecto exige un puente que nadie ha medido; y ninguno de sus rotulos tiene canonico confirmado. Emitir rotulos que nadie ha leido los dejaria fuera de la poblacion de todos los axiomas sin que nadie se entere.
El corpus de rescate en bronze trae 145.499 filas de encuesta de 11 cursos (14-15..24-25) con `nombre_matriculats`, `mitjana_pclau` y `respostes_pclau`. Estan en data/bronze/upc/corpus/enquestes_assig_*.csv con su sha256 en el manifiesto.
disponible · 2026-08-28
La fuente trae el RUCT del titulo (`p.codi_mec`, 7 digitos) y el codigo RUCT de centro (`codi_centre_mec`, 8 digitos) de forma NATIVA. Es lo que hace barata esta alta: el puente titulo -> RUCT, que en otras universidades es la mitad del trabajo, aqui no existe.
42.121 grupos de grado: 73 RUCT de titulo distintos, todos de 7 digitos; 21 centros, todos con codigo de 8 digitos; 102 pares (titulo, centro) y 0 observaciones con centro vacio. Ademas hay titulos INTERUNIVERSITARIOS cuyo RUCT esta registrado a nombre de otra universidad (247 grupos con RUCT de la 039) y se emiten igual: el par (titulo, centro) es de la UPC aunque el titulo no lo sea.
hueco_de_extraccion · 2026-08-28
La fuente publica el desglose por convocatoria (valores 0 a 18) y esta extraccion lo agrega. La convocatoria es una dimension por DEBAJO de la asignatura y la ontologia no la tiene; guardarla exigiria un ADR. La senal que sobrevive al grano del proyecto —matriculas superadas en primera convocatoria— SI se emite, como `Sum(Aprovat_1a)`.
El corpus de rescate en bronze trae 183.541 filas de convocatoria de los once cursos. Su suma por grupo coincide EXACTAMENTE con `Sum(t_alumnes)` en 78.900 de 78.900 grupos, y `supera = S` coincide con `Sum(T_Aprov)`: por eso agregar no pierde nada que no este ya emitido, salvo la propia dimension.
excluida_por_datos_personales · 2026-08-28
DECISION DEL PROYECTO, NO PROPIEDAD DE LA FUENTE (ADR 0013). El modelo publico de la UPC llega a grano estudiante x asignatura x convocatoria y el mismo endpoint anonimo sirve entidades con atributos identificables de persona. El proyecto NO recoge microdatos identificables: el grano es la asignatura y por debajo no hay nada que tenga cabida. NO es `no_publicado_por_la_fuente` —la fuente si lo publica— NI `hueco_de_extraccion` —ese se cierra arreglando el parser y este no se cierra nunca—.
La exclusion esta implementada, no prometida: `upc.limites` mantiene una lista BLANCA de 4 entidades y una lista NEGRA de las 2 que el reconocimiento identifico, y levanta `EntidadProhibida` ANTES de construir el cuerpo de la peticion (tests/test_limites.py lo comprueba con un cliente que estalla si alguien llegara a usarlo). La agregacion a asignatura la hace el SERVIDOR: el hecho por persona no sale de la UPC. Auditoria de bronze del 2026-08-28 (`make -C connectors/upc grano`): 149 documentos (47 CSV del corpus y 102 respuestas de consulta), 77 nombres de columna distintos, 0 con marcador de identificador personal. NO ha hecho falta purgar nada y core/vocab/purgas.csv sigue vacio.
hueco_de_extraccion · 2026-08-28
Hay matricula que la fuente publica SIN codigo RUCT de titulo: CFIS (el centro de formacion interdisciplinaria), movilidad entrante y titulos propios. Sin RUCT no hay titulo del que hablar y no se puede comprobar que sea grado, asi que no se emite. Es deuda nuestra en el sentido estricto —se cerraria con un puente que hoy no existe— pero probablemente no se cierre: buena parte no es titulacion oficial.
12.903 de los 78.900 grupos del modelo (68.726 matriculas, el 2,65 % del total de 2.589.286) vienen con `p.codi_mec` vacio. Medido el 2026-08-28 sobre los once cursos.
hueco_de_extraccion · 2026-08-28
La fuente parte los recuentos de credito por `tipus_credits` (OB/OP/TR...), `nivell_public` y `fase_inicial`. La extraccion pide al SERVIDOR la suma al grano de la asignatura, asi que esos tres atributos no llegan a silver. `fase_inicial` es el mas valioso —marca las asignaturas de la fase inicial del grado, que es la senal mas predictiva para riesgo de credito— y queda pendiente.
El corpus de rescate trae 83.001 filas de credito frente a los 78.900 grupos: la diferencia es exactamente ese desglose. Medido sobre 23-24: de 3.862 grupos de grado, el nivel varia dentro del grupo en 159, el tipo de credito en 10 y la fase inicial en 15, asi que los tres NO son constantes por asignatura y emitirlos exigiria decidir que hacer con esos casos.
no_publicado_por_la_fuente · 2026-08-28
El modelo de rendimiento academico de la UPC cubre grado y master. El doctorado tiene su propio informe en el mismo espacio de trabajo y NO esta en esta entidad de hechos.
La dimension de programas de este modelo (622 filas, extraida el 2026-08-28) declara los niveles `Graduat`, `Master` y `No informado`, y ninguno de doctorado. Cruzando los 225 RUCT distintos que aparecen en los hechos contra catalogo/dim_titulacion.csv: 0 con nivel `doctorado`.
no_publicado_por_la_fuente · 2026-08-28
Los titulos pre-Bolonia no estan en el modelo. La serie empieza en 2015-16, cuando ya estaban extinguidos.
Cruzando los 225 RUCT distintos de los hechos contra catalogo/dim_titulacion.csv: 0 con nivel `ciclo`. Los prefijos de RUCT presentes en el alcance de grado son `25` (41.945 grupos) y `15` (176).
hueco_de_extraccion · 2026-08-28
La fuente SI lo publica y este conector NO lo extrae, por la regla de oro 2 del proyecto («solo grados»). Es deuda NUESTRA, no una propiedad de la fuente: el dia que el proyecto amplie su alcance, se cierra quitando un filtro y volviendo a correr.
Medido sobre los 78.900 grupos que el modelo publica en los once cursos: 23.854 son de master (452.106 matriculas). El nivel se resuelve contra catalogo/dim_titulacion.csv, no contra el rotulo de la fuente, porque pedir `p.nivell_texto` PARTE el grano (7.470 -> 7.779 filas en 23-24) y porque la propia fuente se contradice: 13 programas se declaran a la vez `nivell = Master` y `tipus_programa = Grau`.
no_publicado_por_la_fuente · 2026-08-28
Curso FRONTERA por abajo. El modelo no tiene ninguna matricula anterior a 2015-16. Se declara el curso frontera y no un rango («2014-15 y anteriores»), porque una clave que no es un curso no se puede contar en silver y publicaria un cero que nadie ha medido.
Consulta de control a la entidad de hechos agrupando por `Curs academic` (2026-08-28): devuelve EXACTAMENTE 12 valores, de `15-16` a `26-27`. No hay ninguno anterior.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 221.902 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 223.016 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 220.628 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 220.587 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 221.849 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 227.768 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 236.897 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 242.588 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 252.436 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 258.214 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
disponible · 2026-08-28
Curso dentro de la ventana que publica el modelo, extraido entero.
El modelo declara 263.401 matriculas en este curso (consulta de control a nivel de curso, 2026-08-28) y la extraccion reproduce ese total en la interseccion con el corpus de rescate sin una sola discrepancia.
hueco_de_extraccion · 2026-08-28
Curso FRONTERA por arriba, y no extraerlo es una decision con motivo. El modelo YA declara 2 matriculas del curso 2026-27, que empieza en septiembre de 2026. Extraerlas produciria observaciones de un curso consultadas ANTES de que el curso empezara, que es exactamente lo que prohibe el axioma 5 para la clase de fecha `cota-de-consulta` (ADR 0007), la unica que esta fuente permite declarar. Se extraera cuando el curso haya empezado.
Consulta de control a nivel de curso (2026-08-28): `26-27` -> 2 matriculas, frente a las 263.401 de `25-26`. `coverage()` compara en CADA corrida los cursos que declara la fuente con los que extrae `config.yaml` y publica la diferencia, asi que un curso nuevo no puede aparecer en silencio.
no_publicado_por_la_fuente · 2026-08-28
La fuente no distingue los programas conjuntos: no publica ni un solo codigo del rango que el RUCT reserva a los PCEO. Un doble grado aparece, si acaso, repartido entre los RUCT de los dos titulos que lo componen, y no hay forma de separarlo sin inventar.
Prefijos de `p.codi_mec` en los 42.121 grupos de grado: `25` (41.945) y `15` (176). CERO con prefijo `70`, que es el rango de los PCEO. `codigo_programa` (ADR 0005) va vacio en las 691.810 observaciones y `es_pceo` es False en todas.
disponible · 2026-08-29
La UPF publica por titulacion en los mismos ISC (cuadros de matricula, profesorado, resultado academico y satisfaccion) y en los Informes de rendiment academic de grado y de master. Se extrae AUNQUE AQU ya cubra la Capa A de las 12 catalanas: ADR 0003 dice que la precedencia entre fuentes es una VISTA, no un borrado, y la UPF aporta cosas que AQU no tiene.
6.567 observaciones en silver, 47 titulos con RUCT, cursos 2012-13 a 2024-25. Lo que anade sobre AQU, medido: (1) el DENOMINADOR junto a la tasa —la Taula 10 pone «Total matriculats» en la misma fila que las tres tasas y AQU no publica ninguno—; (2) la TERNA completa con su formula impresa en la cabecera; (3) indicadores que AQU no publica (profesorado, satisfaccion pregunta a pregunta, duracion media, movilidad); (4) los cursos 2012-13 y 2013-14, anteriores a la ventana de AQU.
disponible · 2026-08-29
La UPF publica por asignatura dentro de sus Informes de Seguiment de Centre, y es lo unico que aporta esta alta que AQU no pueda dar: AQU no publica NADA por asignatura para las 12 catalanas (ADR 0011, limites_aqu.csv). Dos familias de tabla: la de tasas («ASSIGNATURES | Curs | Tipologia | matriculats | % presentats en 1a convocatoria | taxa de rendiment | satisfaccio») y la de DISTRIBUCION DE CALIFICACIONES («Taula 6.5. Resultats»), que el reconocimiento daba por inexistente.
5.457 observaciones en silver, de 8 documentos y 64 tablas, con 667 nombres de asignatura distintos, 991 filas de asignatura y tres cursos (2016-17, 2023-24 y 2024-25). 729 valores de TASA_RENDIMIENTO y 975 de ESTUDIANTES_MATRICULADOS; el resto son huerfanos declarados (satisfaccion, presentados en 1a convocatoria y el reparto de notas).
disponible · 2026-08-29
La UPF es una de las 12 catalanas, asi que AQU publica sus mismos titulos al mismo grano y con solape temporal: es el unico contraste real que tiene esta alta y se ha usado para confirmar el mapeo de TASA_RENDIMIENTO.
Medido el 2026-08-29 sobre la Taula 10 del informe de rendimiento contra %TaxaRendiment de aqu, casando por (codigo_ruct, codigo_ruct_centro, periodo): 31 pares con dato, mediana del delta 0,57 pp y maximo 6,38 pp. Confirma concepto y escala; no confirma el valor celda a celda.
disponible · 2026-08-29
La fuente lo publica y se extrae, pero queda HUERFANO en el mapeo: el canonico exige saber cuantos cursos seguidos sin matricula cuentan como abandono y la UPF no lo declara en los informes de grado (solo en el de doctorado, donde dice «dos cursos seguits»). Es el mismo motivo por el que AQU deja huerfanos %TaxaAbando1r y %TaxaCanvi1r.
En silver: «Taxa d'abandonament» (34), «Taxa d'abandonament el primer any» (22), «Percentatge d'estudiants que no superen el regim de permanencia al 1r curs» (22), «Taula 7. Evolucio de l'abandonament...» (753), «Taula 8...» (152) y las de master. Ninguna con codigo_canonico.
hueco_de_extraccion · 2026-08-29
El informe los ANUNCIA y la maqueta los imprime como parrafo con los numeros en linea, no como tabla, asi que el reconstructor no los devuelve. La Taula 6 (taxa de graduacio) tiene ademas cabecera de dos niveles: curso de finalizacion arriba y cohorte de inicio abajo.
83 incidencias `taula-anunciada-no-reconstruida` en fact_anomalia, contadas comparando los «Taula N.» que cada informe anuncia con las tablas que se reconocen en esa pagina.
disponible · 2026-08-29
EXISTE, y el reconocimiento decia que no. `docs/reconocimiento/upf.md` §2 afirma que «ninguna variante de la UPF trae distribucion de calificaciones»; la trae, en la «Taula 6.5. Resultats» de los Informes de Seguiment completos, con MH / Excel.lent / Notable / Aprovat / Suspes / No presentat / Anul.lacions i renuncies y su columna de Matriculats.
19 tablas en 2 documentos (`1gsaft_2YMF5...`, Economia i Empresa, 14 tablas; `1Ex2d-gCgLJn...`, ETIC, 5), 2.206 observaciones en silver. Nueve columnas, con una variante de ocho que no imprime «Suspes».
hueco_de_extraccion · 2026-08-29
La fuente la publica en el ISC («Analisi dels indicadors d'insercio laboral», encuesta de la AQU) y este conector NO la lee: sus columnas son ANOS de encuesta (2017, 2020, 2023), no cursos academicos, y no hay periodo que ponerles sin inventarlo.
Cabecera medida en el ISC de Ciencies Politiques 2023-24 p.7: «| 2017 | 2020 | 2023 |» con las filas «Percentatge de graduats que es troben en situacio d'ocupats / aturats / inactius» y «Percentatge graduats que realitzen tasques propies de l'estudi».
disponible · 2026-08-29
La UPF publica satisfaccion POR ASIGNATURA en la misma fila que el rendimiento, y ninguna de las otras 18 fuentes con Capa B del proyecto lo hace. No hay canonico de satisfaccion en el catalogo, asi que llega a silver como huerfano declarado.
374 + 56 + 13 observaciones en silver segun la maqueta, escala 0-10, en las mismas filas de origen que la tasa de rendimiento y los matriculados.
hueco_de_extraccion · 2026-08-29
LA FUENTE LA PUBLICA EN CAPA DE TEXTO y este conector NO la lee. Es la unica tabla de todo el corpus con CODIGO DE ASIGNATURA, y ademas trae las tres tasas. No se lee porque su cabecera son dos niveles y el primero esta incompleto: sin fusionarlos, tres columnas se quedan sin rotulo. CORRIGE tambien al reconocimiento, que la daba por imagen escaneada.
`1Ly1TS_7FUA_...` (ISC del Grau en Biologia Humana 2012-13) p.6: cabecera «Assignatures | | | Matriculats | TAXA DE PRESENTACIO | TAXA D'EXIT | TAXA DE RENDIMENT» sobre «| BASIQUES I OBLIGATORIES | Curs | (credits) | (cr. presentats/cr. matriculats) | ...», y fila «20426 | Angles | 3 | 196 | 100.00 | 100.00 | 100.00». UNA sola tabla en los 792 documentos.
no_publicado_por_la_fuente · 2026-08-29
Las maquetas VIVAS de la Capa B (2023-24 y 2024-25) empiezan la tabla por el NOMBRE de la asignatura y no publican ningun codigo. Solo lo hace la maqueta de 2012-13, que no se lee (ver la fila de arriba).
Las cuatro cabeceras vivas medidas sobre el corpus empiezan por «ASSIGNATURES | Curs | Tipologia | ...»; la de distribucion, por «Assignatures | Matriculats | ...». Ninguna trae columna de codigo. codigo_asignatura es NULL en las 5.457 observaciones de Capa B.
hueco_de_extraccion · 2026-08-29
La UPF publica tres dobles grados en sus informes de rendimiento y esta alta NO los da de alta como programa: ADR 0016 exige que el programa este en catalogo/dim_programa.csv con su puente para entrar en gold, y eso toca ficheros compartidos que esta alta no escribe. Uno de los tres es ademas ambiguo en su propio rotulo: «Doble Grau en Dret i Administracio i Direccio d'Empreses / Economia» deja sin decidir si el segundo componente es ADE (2500401) o Economia (2500498).
214 observaciones con es_pceo = true y codigo_programa provisional (`PCEO-X-<hash>`) de core.programas.codigo_provisional, con anomalia `programa-conjunto-no-resuelto`.
disponible · 2026-08-29
La UPF NO publica el RUCT en la mayoria de sus tablas, pero SI lo declara en la tabla «Titulacions impartides al centre» de cinco de los seis ISC de 2023-24, y ese es el puente. El resto se resuelve por candidato unico en catalogo/dim_titulacion.csv para la universidad 039.
vocab/titulacions_upf.csv: 97 filas, 73 con RUCT y centro y 24 sin. 8.946 de las 12.024 observaciones salen con nivel_grano = titulo_centro y 47 RUCT distintos.
hueco_de_extraccion · 2026-08-29
Siete titulos de grado tienen DOS RUCT con el mismo nombre —el plan de 1393/2007 y su reverificacion de 822/2021— y ningun documento del corpus declara cual usa. No se elige: elegir «el plan vigente» seria una heuristica y ademas NO tendria una respuesta unica, porque la serie de los informes de rendimiento cruza el cambio de plan y en el mismo cuadro conviven cursos de los dos.
Enginyeria Biomedica (2502010 / 1500295), Enginyeria en Informatica (2500866 / 2503456 / 1500296), Sistemes Audiovisuals (2500865 / 2503457), Xarxes de Telecomunicacio (2503386 / 1500298), Enginyeria Matematica (2503429 / 1500297), Llengues Aplicades (2500398 / 2503832) y Traduccio i Interpretacio (2500177 / 2503831). Declarados sin RUCT en vocab/titulacions_upf.csv.
no_publicado_por_la_fuente · 2026-08-29
Los cuadros de la UPF cierran cada bloque con «Total Facultat de Dret» y el anexo entero con «Suma Total»; los informes de master abren cada bloque con el nombre del ambito a secas. Son un grano que la ontologia NO tiene: no son titulaciones y tampoco son `titulo_agregado`, que significa «agrega los CENTROS de UN titulo».
713 observaciones con anomalia `fila-agregada-no-es-una-titulacion`, reconocidas por prefijo (Total, Suma, Facultat, Escola, Departament) o por los nueve ambitos academicos de la UPF.
disponible · 2026-08-29
A diferencia de AQU —que lo publica y su conector no lo extrae por la regla «solo grados»— aqui el master SI se extrae: los ISC y el Informe de rendiment academic als masters lo publican mezclado con el grado en las mismas tablas, y separarlo habria exigido decidir por el rotulo.
59 filas de vocab/titulacions_upf.csv son de master, con RUCT del rango 43xxxxx y 3001354. El Informe de rendiment academic als masters aporta las Taules 1 a 5 de sus cuatro ediciones.
hueco_de_extraccion · 2026-08-29
LA FUENTE SI PUBLICA ESOS CURSOS y este conector NO los extrae. Los Informes de Seguiment de 2010-11 y 2011-12 traen la maqueta vieja de asignaturas, cuya cabecera son DOS filas que el reconstructor colapsa en una y queda desplazada una columna respecto a los datos. Leerla seria publicar cada valor bajo el indicador que no es. Es deuda NUESTRA, no una propiedad de la fuente.
Medido en el ISC de Ciencies Politiques 2012-13 p.9, que usa la misma maqueta: la cabecera es «Assignatures | Matriculats | PRESENTACIO | TAXA D'EXIT | | RENDIM ENT» sobre una segunda fila con «Curs», y la fila de datos es «21677 Gestio Publica | 3 | 798 | 98,50 | 100,00 | 98,50». Observaciones de upf con periodo 2010-11 o 2011-12 en silver: 0.
hueco_de_extraccion · 2026-08-29
LA FUENTE SI PUBLICA ESOS CURSOS y este conector NO los extrae. Los Informes de Seguiment de 2010-11 y 2011-12 traen la maqueta vieja de asignaturas, cuya cabecera son DOS filas que el reconstructor colapsa en una y queda desplazada una columna respecto a los datos. Leerla seria publicar cada valor bajo el indicador que no es. Es deuda NUESTRA, no una propiedad de la fuente.
Medido en el ISC de Ciencies Politiques 2012-13 p.9, que usa la misma maqueta: la cabecera es «Assignatures | Matriculats | PRESENTACIO | TAXA D'EXIT | | RENDIM ENT» sobre una segunda fila con «Curs», y la fila de datos es «21677 Gestio Publica | 3 | 798 | 98,50 | 100,00 | 98,50». Observaciones de upf con periodo 2010-11 o 2011-12 en silver: 0.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
disponible · 2026-08-29
Curso con observaciones en silver.
Medido sobre silver el 2026-08-29: los 13 cursos de 2012-13 a 2024-25 tienen observaciones. La Capa A los cubre casi todos; la Capa B solo 2016-17, 2023-24 y 2024-25.
hueco_de_extraccion · 2026-08-29
La UPF publica informes de seguimiento de sus programas de doctorado con indicadores propios (tesis leidas, duracion media del programa, menciones internacionales, estancias de investigacion) y este conector los extrae SOLO cuando su tabla encaja en las familias que lee. El catalogo de canonicos cubre grado y master, asi que todos quedan huerfanos.
En silver hay rotulos como «Tesis llegides a TC» (6), «Durada mitjana del programa de doctorat» (5) o «Doctors amb mencio internacional (%)» (4), todos sin codigo_canonico. Once tablas del seguimiento del Doctorat en Ciencies Politiques i Socials 2020-21 no se leen por tener cabecera de dos niveles.
hueco_de_extraccion · 2026-08-31
LA FUENTE SI LA PUBLICA y este conector NO la extrae. La Capa A de la UPO son tres tablas HTML del Portal de Transparencia -tasa de rendimiento, de exito y de abandono- con numerador y denominador y la titulacion en la primera columna. No se extrae en esta alta porque el encargo era re-verificar la etiqueta de clase B, y porque su serie es de UN curso por indicador.
Enumerado el 2026-08-31 por la API REST de WordPress del portal (https://www.upo.es/transparencia/wp-json/wp/v2/): 59 posts, 2 paginas y 287 ficheros subidos. Las tres tablas viven en /tema/docencia/tasa-de-rendimiento/, /tasa-de-exito/ y /tasa-de-abandono/ con 56, 57 y 42 <tr>. El curso lo declara la prosa: 2023/2024 las dos primeras y 2021/2022 la tercera.
disponible · 2026-08-31
LA UPO PUBLICA CAPA B Y SU FICHA DE RECONOCIMIENTO DECIA QUE NO. Cada direccion academica de grado publica un «Informe de rendimiento, exito y absentismo» con tabla por asignatura -codigo, nombre, tasa de exito, de rendimiento y de absentismo, y en tres maquetas tambien los creditos superados, matriculados y presentados- en cumplimiento de la «Instruccion General de 23 de abril de 2014 para el fortalecimiento de la Coordinacion en los estudios de Grado», que los propios informes citan en su primer parrafo. La ficha se apoyaba en un autoinforme de 2013-14 que remite el dato al «Sistema de Informacion para la Direccion»: la cita es cierta y es ANTERIOR a la Instruccion que creo estos informes.
12.111 observaciones en data/silver/upo, 2.790 fila_origen, 275 asignaturas distintas, 10 cursos (2014-15..2024-25), 29 documentos con tabla y 3.450 observaciones en gold. 1.718 ternas de las tres tasas que cierran la identidad con desviacion maxima 1,24 pp. Publican Capa B, medido sobre el corpus, la Facultad de Ciencias Empresariales y la Facultad de Ciencias Sociales.
no_publicado_por_la_fuente · 2026-08-31
NO HAY BENCHMARK AL MISMO GRANO con el que confirmar por contraste los mapeos de la UPO: ninguna fuente oficial espanola publica por asignatura. Por eso los mapeos de esta alta se confirman por IDENTIDAD ARITMETICA INTERNA, que aqui es especialmente fuerte porque la propia UPO imprime las tres formulas en la cabecera de cada informe.
1.718 ternas cierran Rendimiento = Exito x (100 - Absentismo)/100 con desviacion maxima 1,24 pp, y en las maquetas M2, M4 y M5 las tasas se recomputan ademas desde los tres recuentos de creditos de la misma fila (ejemplo integro en core/vocab/mapeo_upo.csv).
hueco_de_extraccion · 2026-08-31
SE EXTRAEN Y NO TIENEN CANONICO AL QUE IR. La UPO publica los creditos superados, matriculados y presentados POR ASIGNATURA -que es lo que hace sus tasas recomputables- pero core/vocab/indicadores_canonicos.csv declara CREDITOS_SUPERADOS / MATRICULADOS / PRESENTADOS con `nivel = universidad|titulacion` y NO admite `asignatura`. Ampliar el catalogo de canonicos es un cambio de core que necesita ADR y no se hace dentro de un alta.
3.174 observaciones de las tres familias de creditos en data/silver/upo, declaradas huerfanas con su motivo en core/vocab/mapeo_upo.csv. Estan en silver con su literal, su procedencia y su localizador; lo que falta es el destino.
hueco_de_extraccion · 2026-08-31
EL REPOSITORIO INSTITUCIONAL DE LA UPO NOS EXCLUYE POR NOMBRE. `rio.upo.es/robots.txt`, leido el 2026-08-31 ANTES de la primera peticion, declara `User-agent: anthropic-ai` -> `Disallow: /` junto a CCBot, GPTBot, ChatGPT-User y Google-Extended. Se respeta y no se rodea (docs/data-card.md): no se le ha pedido NI UNA URL, ni siquiera por Wayback.
robots.txt de rio.upo.es: HTTP 200, 3.136 bytes, `Crawl-delay: 6` para `*` y una seccion de agentes excluidos por nombre en la que figura `anthropic-ai`. Es el SEXTO host del proyecto que nos excluye citandonos, y el segundo que es un repositorio institucional (el otro es roderic.uv.es).
no_publicado_por_la_fuente · 2026-08-31
LA FUENTE PUBLICA UNA COLUMNA DE VARIACION Y NO SE EMITE, a proposito. `Variacion tasa de exito 21-24` compara DOS cursos y no habla de ninguno: ponerle un periodo seria mentir sobre a que curso se refiere, y dejarlo sin periodo lo sacaria del contrato (periodo es parte del grano).
Las maquetas M3, M4 y M5 traen tres columnas de variacion cada una. Se reconocen, se les asigna su puesto en la maqueta y NO se emiten: `conector._periodo` devuelve cadena vacia para los puestos cuyo curso es None.
hueco_de_extraccion · 2026-08-31
EL INFORME NO DICE EN QUE CENTRO. Lo publica la direccion academica del titulo, no el centro, y el documento no nombra un centro en ninguna parte. El centro se deduce del catalogo cuando el titulo se imparte en UNO SOLO; cuando el catalogo declara varios, el campo queda vacio y el nivel es `titulo_agregado` -que es la verdad: la fuente publica por titulo-.
2.133 observaciones con `titulo_centro` (tres titulos que el catalogo imparte en un solo centro: 41014696 y 41011695) y 2.790 con `titulo_agregado`. Ninguna con centro elegido a dedo.
no_publicado_por_la_fuente · 2026-08-31
NO HAY NI UNA OBSERVACION DEL CURSO 2019-20, y no es un hueco de descarga: ninguno de los 29 documentos con tabla lo nombra en la cabecera de ninguna columna. Es el curso de la pandemia.
Cursos con dato en data/silver/upo: 2014-15 (600), 2015-16 (1.206), 2016-17 (882), 2017-18 (606), 2018-19 (12), 2020-21 (24), 2021-22 (1.698), 2022-23 (2.976), 2023-24 (2.580), 2024-25 (1.527). 2019-20 no aparece; 2018-19 y 2020-21 aparecen con 12 y 24 observaciones, que son un informe suelto cada uno.
hueco_de_extraccion · 2026-08-31
LOS DOBLES GRADOS SE EXTRAEN Y NO LLEGAN A GOLD, y el hueco es del CATALOGO, no del parser. Un informe de la UPO cubre el grado en la Tabla 1 y su doble grado en la Tabla 2, y el registro estatal registra TITULOS y no programas (ADR 0005 §2): ninguno de esos dobles grados tiene RUCT. Se emiten con nivel_grano `programa` (ADR 0016) y un codigo provisional `PCEO-X-<huella>` derivado del titular que los nombra, que es lo unico estable que publica el documento; sin el puente de catalogo/dim_programa.csv no promocionan.
4.731 observaciones de data/silver/upo con `es_pceo = true` y nivel_grano `programa`: el 39% del alta. Los titulares que los nombran son «Doble Grado en Administracion y Direccion de Empresas y Derecho», «...FICO y Derecho», «ADE (Ingles) y Derecho (Bilingue)» y «Doble Grado en Trabajo Social y Educacion Social», entre otros.
disponible · 2026-08-29
La seccion «Perfil de ingreso» del informe publica indicadores de ACCESO por campus. Es la unica Capa A que esta fuente tiene.
39.550 observaciones, 9 cursos (2015-16 a 2024-25). 10 de los 65 rotulos de Capa A tienen canonico, y apuntan a 5 codigos canonicos distintos: PLAZAS_OFERTADAS, NOTA_MEDIA_ADMISION, MATRICULA_NUEVO_INGRESO, MATRICULA_NUEVO_INGRESO_1A_OPCION y TASA_OCUPACION. Son diez y no cinco porque la fuente imprime cada rotulo en DOS redacciones segun la epoca («a. OFERTA» y «A. Oferta»), y el vocabulario mapea las dos. La cifra anterior de esta fila («5 de sus 96 rotulos») estaba mal por partida doble: 96 son las filas del mapeo ENTERO, no los rotulos de esta capa, y el recuento se quedo viejo con ADR 0015.
disponible · 2026-08-28
La URJC publica una tabla de RESULTADOS POR ASIGNATURA en el informe de cada titulo, con una tabla por campus o modalidad y (desde 2015-16) por curso del plan. Es la capa que hace valiosa esta alta y la que el reconocimiento previo daba por inexistente.
1.117.092 observaciones sobre 96.188 filas de tabla, 16 cursos (2008-09 a 2023-24), 69 titulos con RUCT, 15.999 asignaturas distintas. Seis plantillas de cabecera distintas, todas con capa de texto (cero OCR).
no_publicado_por_la_fuente · 2026-08-28
NO EXISTE contraste externo valido para la Capa B de la URJC, y no por falta de fuentes sino porque cruzarlo estaria prohibido: el SIIU define las tres tasas sobre CREDITOS y por (universidad x ambito), y la URJC las publica sobre CABEZAS y por asignatura. ADR 0014 §3: un delta entre bases distintas no mide divergencia entre fuentes, mide que se estan comparando dos cosas.
QEDU no cubre la URJC: 0 observaciones para los codigos RUCT de la universidad 056 (el conector QEDU solo trae titulos de la UCM). El SIIU si tiene la 056 —Tasa de rendimiento, exito y evaluacion, 2015-16 a 2023-24, 9 cursos— pero al grano (universidad x ambito) y sobre creditos. El contraste indicativo esta implementado en connectors/urjc/scripts/contraste_siiu.py y dice en su cabecera que NO confirma el mapeo.
hueco_de_extraccion · 2026-08-28
La URJC publica ADEMAS los microdatos de matricula con RUCT de titulo y de centro nativos, que permitirian CALCULAR la Capa A sobre creditos y con centro, y contrastarla contra estos PDF. No se ha hecho en esta alta.
docs/reconocimiento/urjc.md §4 deja demostrado que la agregacion es valida (campos pivote y bloque de coherencia 11). Son ~300 MB por curso y ocho cursos; el alta ya tenia dos capas y seis plantillas que cuadrar.
disponible · 2026-08-28
La plantilla ancha (2018-19 a 2023-24) publica el reparto de notas por tramo. Huerfano declarado: el catalogo no tiene codigos para el reparto de calificaciones y crear cuatro exige ADR.
233.128 observaciones (4 x 58.282). 110 marcadas `tasa-fuera-de-rango` (la fuente imprime valores como 1000% y 7525%, que salen con su literal y su anomalia, no corregidos).
hueco_de_extraccion · 2026-08-28
Las plantillas viejas publican el perfil de ingreso con los campus en COLUMNAS y los rotulos envueltos en varias lineas. El parser solo cubre la forma BLOQUE. Es deuda NUESTRA: la fuente lo publica.
Se intento y se retiro con la medicion delante: leer la forma matriz con el patron de la forma bloque produjo ~150 rotulos que son trozos de frase («de la cam», «ingreso (hombres)», «completo») y ~5.000 observaciones cuyo valor no se podia atribuir a un campus concreto. Se prefirio el hueco declarado a la lectura a medias.
disponible · 2026-08-28
La fuente publica `Valoracion Docente` / `V. Docente` / `VALORACION DOCENTE` en las plantillas de 2008-09 a 2013-14, en escala 0-5 y POR ASIGNATURA. Se emite entera como huerfano declarado: el catalogo canonico del proyecto no tiene ningun codigo de satisfaccion y es cerrado.
16.271 observaciones (9.925 + 5.904 + 442), rango [0,00, 5,00] salvo 30 marcadas `nota-fuera-de-rango`.
no_publicado_por_la_fuente · 2026-08-28
El informe de resultados por titulo de la URJC NO publica ninguna tasa al grano del TITULO. Su Capa A es solo de ACCESO y sus tasas de rendimiento estan por ASIGNATURA. No se agregan: sumar asignaturas de peso distinto sin sus creditos daria una tasa que la fuente no publica.
Medido sobre los 1.500 documentos parseados: los rotulos de la Capa A son las 96 etiquetas del perfil de ingreso y ninguno contiene «rendimiento», «exito», «graduacion», «abandono» ni «eficiencia». El SIIU si publica esas tasas para la universidad 056 (2015-16 a 2023-24) pero al grano (universidad x ambito).
disponible · 2026-08-29
Los dobles grados SE EXTRAEN y desde ADR 0016 LLEGAN A GOLD con `nivel_grano = programa`: la observacion habla del PROGRAMA como unidad, su clave es `codigo_programa` y sus dos campos de titulo van VACIOS, igual que una fila `referencia_ambito` va sin titulo porque habla de otra poblacion. El RUCT no da codigo propio a un programa conjunto y el informe de un doble grado de la URJC no cuelga de ninguno de los dos titulos -tiene ficha propia-, asi que no hay anfitrion que elegir sin echarlo a suertes; con el grano nuevo no hace falta ninguno. El puente del catalogo es OBLIGATORIO (ADR 0016 §2) y lo aplica el predicado de admision, no una comprobacion aparte.
718 de los 1.644 documentos (69 de los 156 titulos con informe) y 516.795 observaciones, el 44,7 % del total. Los 718 llevan `codigo_programa = PCEO-<ruct>+<ruct>` (con sufijo `-CAMPUS-<X>` cuando la plantilla parte por campus) con los DOS componentes resueltos por nombre: ninguno se queda con el codigo provisional `PCEO-X-`, que ADR 0016 §2 excluye expresamente y que aqui saldria con la anomalia `programa-no-resuelto`. MEDIDO sobre la re-extraccion completa del 2026-08-29: 469.772 entran en gold y 47.023 se quedan fuera con anomalia REAL (documento duplicado en catalogo, filtro aritmetico, grano duplicado, celda vacia en el papel, identidad de tasas, tokens solapados y el bloque con la etiqueta de campus perdida). CERO fuera sin anomalia. Los 177 programas distintos tienen puente completo en catalogo/dim_programa.csv y catalogo/puente_programa_titulo.csv, derivados del propio codigo y conservados en core/vocab/programas_urjc.csv.
hueco_de_extraccion · 2026-08-29
El campus de un bloque de Capa B se lee del rotulo que lo encabeza y se casa contra una lista CERRADA de rotulos conocidos. Cuando la fuente lo imprime mal, el bloque se queda sin campus y su `codigo_programa` diria «el titulo o el programa entero» donde el papel dice un campus. No se adivina el rotulo -seria interpretar una errata de la fuente, regla de oro 4-: el bloque sale marcado `bloque-sin-descriptor-de-campus` y fuera de gold.
UN documento de los 1.627 y 220 observaciones: dobles_grados/ade_derecho/informe_resultados_12_13.pdf imprime tres bloques y el primero encabeza «MOSOTOLES», con las letras transpuestas. Esta asi en el papel: los caracteres salen del PDF en orden de lectura y sin solaparse (M x0=271,4 O 280,2 S 286,9 O 291,6 T 298,3 O 303,4 L 310,1 E 314,3 S 319,2), asi que no es un artefacto del extractor. 40 asignaturas aparecian en las dos formas -sin cualificar y por campus- con cifras distintas. Cero falsos positivos: las otras 4.520 observaciones de Capa B sin campus vienen de documentos donde NINGUN bloque trae campus (plantillas A1-A4, una sola tabla ya agregada), y ahi «sin campus» es el dato. MEDIDO el 2026-08-29.
no_publicado_por_la_fuente · 2026-08-28
El informe por titulo NO desglosa los centros adscritos ni dice si estan agregados en algun bloque de campus. No se puede saber desde el documento, asi que es un hueco declarado y no una suposicion.
ADE (2500965) se imparte en 7 centros segun catalogo/dim_imparticion —tres facultades por campus y cuatro adscritos— y sus bloques de 2023-24 son A DISTANCIA, FUENLABRADA, INGLES, MADRID y MOSTOLES. Ni uno de los cuatro adscritos.
no_publicado_por_la_fuente · 2026-08-28
LA DECISION CARA DEL ALTA. La fuente publica por CAMPUS o MODALIDAD («A DISTANCIA», «FUENLABRADA», «INGLES», «MADRID», «MOSTOLES», «ARANJUEZ», «SEMIPRESENCIAL», «VICALVARO»), y un campus NO es un centro RUCT. Rellenarlo desde el catalogo seria trivial y pasaria los axiomas 8 y 12 sin protestar; seria inventar el grano.
Cuatro medidas. (1) En el campus de Fuenlabrada conviven SEIS facultades de la URJC segun catalogo/dim_centro. (2) La Facultad de Ciencias Juridicas y Sociales estuvo activa HASTA 2021-22 —lo dice el propio indice de calidad de la URJC— y se repartio en cuatro: el catalogo de hoy no vale para un informe de 2015-16. (3) Tres de los ocho rotulos no son un campus sino una modalidad, y el bloque de su campus ya existe por separado. (4) ADE tiene cuatro centros adscritos (CEDEU, ESERP, IEB, IUNIT) y NINGUNO aparece como bloque en sus informes.
hueco_de_extraccion · 2026-08-28
Igual que el master: publicado y no extraido por la regla de oro 2.
17 PDF de la carpeta `doctorado` en el nivel 4 del rescate, mas las fichas de programa del indice.
hueco_de_extraccion · 2026-08-28
La fuente lo publica por la misma via —el indice de calidad lista los masteres con su ficha— y este conector NO lo extrae, por la regla de oro 2 del proyecto («solo grados»). Es deuda NUESTRA.
El indice enlaza 420 fichas de las que 172 son de grado; el resto son master y doctorado. Ademas hay 19 PDF de la carpeta `master` y 17 de `doctorado` en la seccion de centros, rescatados como evidencia y sin parsear.
no_publicado_por_la_fuente · 2026-08-28
Curso FRONTERA por abajo. El informe mas antiguo que las fichas enlazan es de 2008-09 y solo para tres titulos; la serie util empieza en 2009-10, que es cuando la URJC implanto los grados.
Enumeracion completa de los 1.644 enlaces `informe_resultados_*` de las 172 fichas: el minimo es `informe_resultados_08_09.pdf` y solo aparece en tres carpetas. No hay ningun `07_08`.
disponible · 2026-08-28
Curso con Capa B y SIN Capa A: las plantillas viejas publican el perfil de ingreso en forma de MATRIZ (campus en columnas) y este conector no la extrae.
200 observaciones de Capa B en 3 documentos. Cero de Capa A. La forma matriz se descarto tras medir que leerla con el patron de la forma bloque producia 150 rotulos que son trozos de frase («de la cam», «ingreso (hombres)») y valores de columna incierta.
disponible · 2026-08-28
Curso con Capa B y SIN Capa A: las plantillas viejas publican el perfil de ingreso en forma de MATRIZ (campus en columnas) y este conector no la extrae.
1420 observaciones de Capa B en 27 documentos. Cero de Capa A. La forma matriz se descarto tras medir que leerla con el patron de la forma bloque producia 150 rotulos que son trozos de frase («de la cam», «ingreso (hombres)») y valores de columna incierta.
disponible · 2026-08-28
Curso con Capa B y SIN Capa A: las plantillas viejas publican el perfil de ingreso en forma de MATRIZ (campus en columnas) y este conector no la extrae.
8545 observaciones de Capa B en 53 documentos. Cero de Capa A. La forma matriz se descarto tras medir que leerla con el patron de la forma bloque producia 150 rotulos que son trozos de frase («de la cam», «ingreso (hombres)») y valores de columna incierta.
disponible · 2026-08-28
Curso con Capa B y SIN Capa A: las plantillas viejas publican el perfil de ingreso en forma de MATRIZ (campus en columnas) y este conector no la extrae.
19135 observaciones de Capa B en 72 documentos. Cero de Capa A. La forma matriz se descarto tras medir que leerla con el patron de la forma bloque producia 150 rotulos que son trozos de frase («de la cam», «ingreso (hombres)») y valores de columna incierta.
disponible · 2026-08-28
Curso con Capa B y SIN Capa A: las plantillas viejas publican el perfil de ingreso en forma de MATRIZ (campus en columnas) y este conector no la extrae.
21883 observaciones de Capa B en 73 documentos. Cero de Capa A. La forma matriz se descarto tras medir que leerla con el patron de la forma bloque producia 150 rotulos que son trozos de frase («de la cam», «ingreso (hombres)») y valores de columna incierta.
disponible · 2026-08-28
Curso con Capa B y SIN Capa A: las plantillas viejas publican el perfil de ingreso en forma de MATRIZ (campus en columnas) y este conector no la extrae.
30042 observaciones de Capa B en 84 documentos. Cero de Capa A. La forma matriz se descarto tras medir que leerla con el patron de la forma bloque producia 150 rotulos que son trozos de frase («de la cam», «ingreso (hombres)») y valores de columna incierta.
disponible · 2026-08-28
Curso con Capa B y SIN Capa A: las plantillas viejas publican el perfil de ingreso en forma de MATRIZ (campus en columnas) y este conector no la extrae.
28108 observaciones de Capa B en 97 documentos. Cero de Capa A. La forma matriz se descarto tras medir que leerla con el patron de la forma bloque producia 150 rotulos que son trozos de frase («de la cam», «ingreso (hombres)») y valores de columna incierta.
disponible · 2026-08-28
Curso con las dos capas completas.
3965 observaciones de Capa A y 55979 de Capa B en 91 documentos.
disponible · 2026-08-28
Curso con las dos capas completas.
5187 observaciones de Capa A y 63399 de Capa B en 109 documentos.
disponible · 2026-08-28
Curso con las dos capas completas.
5814 observaciones de Capa A y 72786 de Capa B en 122 documentos.
disponible · 2026-08-28
Curso con las dos capas completas.
4264 observaciones de Capa A y 122836 de Capa B en 124 documentos.
disponible · 2026-08-28
Curso con las dos capas completas.
4103 observaciones de Capa A y 132818 de Capa B en 128 documentos.
disponible · 2026-08-28
Curso con las dos capas completas.
4031 observaciones de Capa A y 143220 de Capa B en 128 documentos.
disponible · 2026-08-28
Curso con las dos capas completas.
4000 observaciones de Capa A y 138852 de Capa B en 126 documentos.
disponible · 2026-08-28
Curso con las dos capas completas.
4182 observaciones de Capa A y 141988 de Capa B en 131 documentos.
disponible · 2026-08-28
Curso con las dos capas completas.
3996 observaciones de Capa A y 136234 de Capa B en 131 documentos.
hueco_de_extraccion · 2026-08-28
Curso FRONTERA por arriba, y ademas con OTRO documento. Ocho titulos publican ya un `informe_resultados_24_25.pdf` que NO es el resumen tabular: es un informe NARRATIVO de seguimiento interno, de 23 a 51 paginas de prosa, criterios y anexos, SIN tablas de asignatura. El parser no lo cubre.
8 observaciones de Capa A de 1 documento (un unico bloque de perfil de ingreso que el patron aun reconoce) frente a las ~140.000 de un curso normal. 14 documentos salen con la incidencia `documento-sin-tablas-reconocidas`. Ese informe tiene ademas algo que ninguna otra epoca: IMPRIME el numero de expediente RUCT del titulo.
hueco_de_extraccion · 2026-08-28
Los grados del Centro de Educacion Superior TAI (Artes Escenicas e Interpretacion Audiovisual, Cinematografia, Composicion Musical, Fotografia y Creacion Audiovisual) se enlazan desde el indice de calidad de la URJC a `taiarts.com`, dominio de otro centro. No se han rescatado: son otra fuente, con otro rate-limit y otra estructura.
10 enlaces a taiarts.com en el indice, de los que 5 son grados con RUCT de la 056 (2504414, 2504415, 2504224, 2504225 y el extinto 2502153). Cero documentos rescatados de ese dominio.
disponible · 2026-09-03
SE EXTRAE DESDE EL LOTE v5 (2026-09-03), y esta fila lo dice porque antes decia lo contrario. Hasta v1.2 la Capa A quedaba declarada como hueco NUESTRO «porque AQU ya la cubre»; el motivo era cierto para el DATO y falso para el CONTRASTE, que es lo que faltaba: las 42.651 coordenadas de AQU para la URV no tenian el otro lado. Lo que se extrae son las tablas «Indicadors de resultats academics» de los mismos informes -12 indicadores por titulacion y curso: exito, rendimiento, eficiencia, graduacion, abandono, repeticion, titulados, duracion media y cuatro de primer curso-, generadas por el BI interno (SINIA) e identificadas en el pie de cada tabla con su informe-fuente (ACRG07, ACRG09, ACRG11, ACRG13, ACRG14). Coste de red: CERO, el corpus ya estaba en bronze.
MEDIDO sobre data/silver/urv el 2026-09-03: 11.913 observaciones de capa A en 181 documentos, 45 titulos con RUCT, 10 centros y 19 cursos (2006-07..2024-25); 3.453 sin ninguna anomalia. 10 de los 12 indicadores llegan a canonico y 2 quedan huerfanos declarados en core/vocab/mapeo_urv.csv (Taxa d'abandonament a 1r curs y Taxa repeticio). Seis maquetas distintas, cada una con su canario en tests/test_canarios.py; detalle en NOTAS.md §10.
disponible · 2026-08-31
La URV publica DOS tablas por asignatura en sus informes de seguimiento y autoinformes de acreditacion, las dos alimentadas por su BI interno (SINIA): la distribucion de calificaciones (informe ACRG12/ACRM10), en numero Y porcentaje y a veces desglosada por convocatoria, y las tasas de exito y rendimiento (informe ACRG10/ACRM08). Es exactamente el grano de la Capa B y es lo unico que este conector extrae.
78.214 observaciones en data/silver/urv (v1.2), de 106 documentos con tabla de Capa B sobre los 1.289 servidos del corpus: 43 titulos con RUCT, 3.774 nombres de asignatura distintos y 18 cursos (2006-07 a 2023-24). 42.456 con grano titulo x centro; las otras 35.758 salen con nivel_grano indeterminado porque su titulacion no se resuelve a RUCT, y llevan su motivo escrito. 24.991 sin ninguna anomalia, que son las que llegan a gold. En v1.1 eran 84.713 y 21.066: el 2026-08-31 se arreglo el curso de la tabla (NOTAS.md 6bis) y el discriminador de los dos grupos de Quimica (6ter); 13.790 filas cambian de periodo y ni un valor_literal se mueve.
disponible · 2026-09-03
LA TRAMPA DE LA CIRCULARIDAD SE COMPROBO ANTES DE EXTRAER EN MASA Y EL RESULTADO ES «SI, PERO SOLO EN LA MITAD VIEJA DE LA SERIE». La URV no re-publica el fichero de AQU -no lo cita en ningun pie, y sus pies citan a SINIA-, pero SINIA y UNEIX beben de los mismos expedientes, asi que en buena parte de los pares el numero es el MISMO y contrastarlos no es una segunda medicion. Es la misma circularidad parcial que se declaro en la UdG, medida aqui con la fraccion de empates exactos.
MEDIDO el 2026-09-03 con scripts/reconciliar_urv.py control 4, al grano titulo x curso, sobre filas sin sexo, sin codigo_programa y sin anomalias. Empates exactos (delta < 0,005 pp): Titulats 63/111 (57 %), Taxa d'eficiencia 55/117 (47 %), Taxa de rendiment 50/133 (38 %), Taxa d'exit 15/130 (12 %), Taxa de rendiment a 1r curs 13/104 (12 %), Taxa de graduacio 1/70, Taxa d'abandonament 1/73, Taxa d'abandonament a 1r curs 0/106. Y el reparto de los empates NO es plano: para Taxa de rendiment son 10 de 13 pares en 2013-14, 8 de 11 en 2015-16, 5 de 19 en 2018-19, 0 de 10 en 2020-21 y 1 de 9 en 2021-22. La comprobacion manual previa de cinco valores del RUCT 2500436 (GBBM, 2019-22) no vio ni un empate: cayo entera en el tramo moderno, que es justo donde las dos series se separan.
disponible · 2026-09-03
DOS DE LOS DOCE INDICADORES DE LA FAMILIA A SE EXTRAEN Y NO LLEGAN A CANONICO, a proposito. «Taxa d'abandonament a 1r curs» no se puede mapear porque la fuente no publica la ventana de observacion y las dos lecturas posibles fallan al medirlas -es el precedente que la norma de mapeo cita, el %TaxaAbando1r de AQU-. «Taxa repeticio» no tiene canonico en el catalogo, que es cerrado sin ADR, y la fuente tampoco la define.
MEDIDO el 2026-09-03. Abandono a 1r curso, 106 pares titulo x curso: contra %TaxaAbando1r de AQU mediana +5,66 pp y CERO empates exactos; contra %TaxaAbando1r + %TaxaCanvi1r (el abandono del ESTUDIO a primer curso) mediana -1,61 pp pero mediana absoluta 6,22 y p90 14,78: cambia el sesgo, no la dispersion. Repeticion: 193 observaciones en 12 titulos, rango 0,4-29,55, solo en la maqueta A7.2 de la Facultat de Quimica y en la Taula 44 de la ETSE, sin pie que la defina. Los dos motivos, enteros, en core/vocab/mapeo_urv.csv.
hueco_de_extraccion · 2026-09-03
LA TERNA DE PRIMER CURSO CIERRA Y EL CONECTOR NO MARCA LAS FILAS QUE NO CIERRAN. La URV publica rendiment, exit y presentats de 1r curs en la MISMA columna de la MISMA tabla, y rendiment_1r = exit_1r x presentats_1r / 100 se cumple casi siempre; es la prueba con la que se confirman los tres canonicos _PRIMER_CURSO en el mapeo. Pero el parser no calcula ese residuo ni escribe anomalia cuando se sale, asi que las que no cierran viajan a gold sin marca. Por eso cobertura_urv.csv NO declara serie_identidad para la capa A: declararla pondria al axioma 2 a acusar violaciones sin marcar, y aflojarle la tolerancia hasta que pasaran seria un guardian que aprueba sin mirar.
MEDIDO el 2026-09-03 sobre data/silver/urv: 177 ternas completas, mediana del residuo 0,0000 pp, 139 dentro de 0,01 pp y 145 dentro de 0,05; p90 0,62 y maximo 12,89. Restringido a las ternas cuyas tres celdas llegan a gold (sin anomalia): 115 ternas, 23 fuera de 0,05 pp, 14 fuera de 0,5 y 10 fuera de 1,5.
hueco_de_extraccion · 2026-08-28
UNA SOLA TASA Y UNA COLUMNA «Grau» DENTRO DE LA TABLA. El «Informe del rendiment academic» de la FEE publica una tabla por tasa (Taula 3 «Taxa de rendiment», Taula 4, Taula 5) con seis cursos en columnas y, dentro de cada asignatura, TRES sub-filas —FIC, ADE, ECO— que son tres titulaciones distintas. Leerla con la rejilla de la familia T mezclaria tres titulaciones en una fila, asi que no se lee. El conector exige DOS rotulos de tasa para reconocer una tabla de esa familia, y esta trae uno.
Medido en fee__2ecdc0b42fc1__punt_03_informe_rendiment_fee_1718_jf4_1819 p.12: «TAXA RENDIMENT | Curs academic» con 2012-13..2017-18 y filas DRET MERCANTIL / FIC / ADE / ECO / Total DRET MERCANTIL.
hueco_de_extraccion · 2026-08-28
LA CABECERA ES UNA IMAGEN. La maqueta 6.2.2 de la Facultat d'Economia i Empresa («Taxes d'exit i rendiment per assignatura») tiene el CUERPO en capa de texto y la FILA DE CABECERA pegada como imagen desde Excel. Sin cabecera legible no se sabe que columna es cual, y deducirlo por la aritmetica —la identidad rendiment = exit x (1 - taxa NP) cierra y bastaria para ordenarlas— seria adivinar el significado de una columna, que es justo lo que este proyecto prohibe.
Medido en fee__092663e20d08__punt_03a_ist_fic_1718_jf7_1819 p.97: el cuerpo trae 28 filas de asignatura con seis porcentajes cada una (ESTADISTICA I 74 61 47,3% 54,1% 53,0% 63,5% 10,8% 14,8%) y encima de ellas solo hay [Image: Image568], [Image: Image569] y [Image: Image570]. La identidad se comprobo a mano y cierra (53,0 x (1-0,108) = 47,28), pero no se usa para nombrar columnas.
no_publicado_por_la_fuente · 2026-08-28
NO SE PUEDE AGREGAR LA DISTRIBUCION POR CONVOCATORIA SIN MIRAR ANTES base_inferida. La URV usa DOS denominadores distintos para el porcentaje de una sub-fila de convocatoria, y no lo declara en ninguna parte: hay que deducirlo de la aritmetica de cada fila. Donde el denominador es el total de la asignatura, las convocatorias particionan a los estudiantes y sumarlas es licito; donde es el de la propia convocatoria, sumarlas CUENTA DOS VECES al mismo estudiante.
Medido en ftg__4a24bfd31787__181920_IS_GGTH p.79: ESPAIS I SOCIETATS EN UN MON GLOBAL declara 67 estudiantes; su fila de DESEMBRE suma 67 y la de GENER suma 40, con porcentajes sobre 40 (29 -> 72,50 %). Sumadas dan 107 sobre 67 matriculados. En la maqueta de la FLL, la FCJ y los autoinformes el denominador es el total: fcj__bbcaf43799d0__ISC_FCJ_2020-21 p.462, DRET ROMA, 208 estudiantes y 4 -> 1,92 % = 4/208. El conector lo mide sub-fila a sub-fila y lo escribe en la columna base_inferida.
no_publicado_por_la_fuente · 2026-08-31
HAY INFORMES DE LA URV QUE CUBREN VARIOS CURSOS Y NO DICEN DE CUAL ES CADA TABLA. El encabezado corrido nombra el rango entero y la tabla no repite el curso en su cabecera. Una linea que nombra mas de un curso no declara ninguno, asi que esas tablas se quedan sin periodo y sus filas NO se emiten: salen como incidencia fila-no-emitida:tabla-sin-curso-declarado. Antes se les ponia el primer curso del encabezado, que es un valor que el documento no les atribuye.
Medido el 2026-08-31 sobre la corrida completa: 6.499 observaciones dejan de emitirse y solo 5 de ellas estaban en gold. La mayor es el anexo A6-10 de fcep__30d779e6fe85__ISC_FCEP_1920_2122_def_aprovatJdF_firmat (5.335), dentro de un informe de tres cursos (CURSOS 2019-2020/ 2020-2021/ 2021-2022) que no declara el curso en ninguna de las 20 paginas del anexo; antes salia fechado en 2016-17, heredado de otro sitio. Le siguen fmcs__aa8369ccbc90__30.autoinformefmcs1314 (771) y ocho documentos mas con 393 en total. La incidencia pasa de 1.735 a 2.807.
no_publicado_por_la_fuente · 2026-08-28
Aun con el denominador de la asignatura, la suma de las convocatorias puede quedarse POR DEBAJO del total de estudiantes matriculados. La fuente no dice que categoria falta.
Medido en fll__1765b79bbb27__Autoinforme_FLL_2017-18_Master_ArqQuatiEH p.119: ELABORACIO DE TESI DE MASTER declara 13 estudiantes y sus dos convocatorias (JUNY y SET.) suman 11 calificaciones. Los porcentajes de esas mismas celdas cuadran contra 13, asi que el dato publicado es correcto y lo que falta es informacion que la fuente no da.
hueco_de_extraccion · 2026-08-31
LA FUENTE SI LO PUBLICA y este conector NO lo atribuye. Los informes de la Facultat de Quimica traen un anexo del doble grado Biotecnologia/Bioquimica i Biologia Molecular (Taula A7.14/A7.15, DT BT/BBM) con su propio titulo y sin identificador que el vocabulario reconozca. Colgarlo de uno de sus dos grados seria falso y el conector no tiene maquinaria de programas conjuntos, asi que sale con nivel_grano=indeterminado y no entra en gold.
Medido el 2026-08-31: hasta v1.1 esas tablas HEREDABAN el acronimo GBBM de la Taula A7.11/A7.12 de al lado, y 876 filas de gold del grado simple 2500436 eran en realidad del doble grado, en fq__38bc83f120ec__IRAI_FQ_23-24_versio_def (p.193 y p.195) y fq__bc52a859532c__Informe_Seguiment_FQ_2022-23 (p.147 y p.149). La herencia solo se aplica ya a las tablas que no imprimen titulo propio.
disponible · 2026-09-03
DOS DOCUMENTOS PARTEN LA FAMILIA A POR SEXO Y EL ROTULO VIAJA COMO LO IMPRIME EL PAPEL, sin traducir a un vocabulario comun. La maqueta E6 de la Facultat de Lletres publica columnas Dona/Home sin columna de total, y el autoinforme de la Facultat de Turisme i Geografia publica DONA/HOME/TOTAL en mayusculas. No se normaliza porque el proyecto no tiene todavia vocabulario de sexo -el SIIU escribe Hombres/Mujeres/Ambos sexos y AQU no lo publica- y traducir aqui seria inventar la equivalencia en el conector.
MEDIDO el 2026-09-03: de las 11.913 observaciones de capa A, 10.301 no llevan sexo, 731 Dona, 716 Home, 56 HOME, 56 TOTAL y 53 DONA. Vienen de dos documentos: fll__06efeaa923a3__ISC_FLL_2020-21_21-22 (Dona/Home) y ftg__4284ea4beadd__AUTOINFORME_GRAUS_V_JdF_signat (DONA/HOME/TOTAL).
disponible · 2026-09-03
SE PUBLICA, y esta fila lo dice porque antes decia lo contrario. Cuando se rescato el corpus (2026-08-27) la URV aun no habia publicado seguimiento de 2024-25 en la mayoria de sus centros y se declaro no publicado; el alta de la Capa A del lote v5 (2026-09-03) trae 32 observaciones de ese curso, asi que la declaracion era una foto caducada y no un limite de la fuente. Corregido tras acusarlo el axioma 18, que compara lo declarado con lo que silver tiene.
Medido sobre el corpus: el reconocimiento conto los cursos citados en los PDF con Capa B y la serie decae de 2020-21 (75 documentos) a 2023-24 (33) y a practicamente nada en 2024-25.
disponible · 2026-08-29
La USAL publica su Capa A en el Observatorio de la Calidad y el Rendimiento Academico, y lo hace con los DOS codigos RUCT -titulo y centro- en columnas de la propia tabla. Es la primera fuente del catalogo que entrega el grano (codigo_ruct, codigo_ruct_centro) sin emparejar nada por nombre. Dos vias independientes y encadenables: la infografia Infogram del seguimiento de Grado (2016-17..2024-25) y el compendio historico en PDF (2010-11..2016-17), que solapan un curso.
58.653 observaciones en data/silver/usal, 1.426 fila_origen, 43 indicadores-fuente distintos, 15 cursos sin huecos. 34.946 aptas para gold. 82 codigos de titulacion distintos y 28 de centro. El curso de solape 2016-17 lo publican las dos fuentes: 4.211 observaciones aptas frente a las ~2.400 de un curso normal.
no_publicado_por_la_fuente · 2026-08-31
LA USAL GENERA EL DATO POR ASIGNATURA Y NO LO PUBLICA. No es una suposicion: lo dice su propio autoinforme SGIC, «la Unidad de Evaluacion de la Calidad coordina la generacion de indicadores por curso academico sobre acceso, profesorado, RESULTADOS POR ASIGNATURAS... Los indicadores obtenidos SE PONEN A DISPOSICION DE LOS RESPONSABLES DEL PROGRAMA». Es circulacion interna, no un hueco de extraccion: no lo desbloquea un parser, lo desbloquea una peticion de datos.
Descartado por SEIS vias independientes (docs/reconocimiento/usal.md 1.1). (a) Las 98 paginas del Observatorio enumeradas por wp-json: la unica que menciona «asignatura» son las notas medias de la EBAU, que es bachillerato. (b) El autoinforme SGIC, citado arriba. (c) El informe oficial de indicadores por titulo: 48 variables, todas de titulacion. (d) Los dos compendios historicos: 0 apariciones de «asignatura» en 370 paginas. (e) GREDOS, el repositorio institucional: 4.849 sets, ninguna serie estadistica; los aciertos son memorias de innovacion docente. (f) Catalogos de datos abiertos: la USAL no figura como publisher en datos.gob.es y datos/opendata/datosabiertos/bi.usal.es NO RESUELVEN el DNS. Y sobre silver: 0 filas de capa B. || RE-AUDITADO EL 2026-08-31 CON EL DETECTOR ESTRUCTURAL VERSIONADO (scripts/barrido_estructural.py, que no existia cuando se cerro esta ficha: las seis vias de arriba se midieron con el detector LEXICO, y el lexico acaba de demostrarse insuficiente en la UGR, donde acierta 77 veces y las 77 en prosa). Resultado: 7 PDF abiertos, 4 con un bloque de >=5 filas con forma de tabla, 0 con extracto=True y CERO de asignaturas con tasas. El bloque mas grande, 27 filas de sat_est.pdf, SI es por asignatura y con codigo -«100822 Fisica Cuantica I 4,38 4,56 ...»- pero es la ENCUESTA DE SATISFACCION en escala Likert de 1 a 5, no tasas: es la familia ya declarada en la fila satisfaccion-docente-por-asignatura de este mismo fichero. Los otros tres son indicadores de acreditacion por titulo. CONTROL POSITIVO, corrido en la misma invocacion y sin el cual un cero no demuestra nada: 55 filas sobre ISC_FL_2023_24.pdf de la UdL. Y UN LIMITE DE ESTE BARRIDO QUE HAY QUE DECIR: el corpus rescatado de la USAL tiene 112 entradas y solo SIETE son PDF -95 son HTML-, asi que este cero es debil por si solo. Lo que sostiene la sentencia siguen siendo las seis vias y, sobre todo, que la propia USAL lo admita por escrito en su autoinforme SGIC.
no_publicado_por_la_fuente · 2026-08-29
NO HAY BENCHMARK AL MISMO GRANO con el que confirmar los mapeos de la USAL por contraste. El SIIU publica por (universidad, ambito) y la USAL por titulo x centro. Por eso los mapeos de esta alta se confirman por IDENTIDAD ARITMETICA INTERNA -que si se puede- y lo que no cierra ninguna identidad queda huerfano declarado.
En data/silver/qedu no hay ni una observacion de titulos de la universidad 014. El SIIU si tiene serie para la 014 pero al grano de universidad x ambito, y comparar un titulo con la media de su universidad da distancias POSICIONALES, no una medida de acuerdo (mismo argumento que limites_uca.csv). Las identidades internas que SI se han medido: rendimiento = exito x evaluacion (1.360 ternas, desv. max. 0,0136 pp), % mujeres = 100 x mujeres / matriculados (1.353 filas, desv. max. 0,005 pp), egresados sin reconocimiento <= egresados (889 de 889), nuevo ingreso en la universidad <= nuevo ingreso en el titulo (1.408 de 1.408) y oferta/demanda = plazas / nuevo ingreso (1.310 de 1.369).
hueco_de_extraccion · 2026-08-29
EL COMPENDIO ESCRIBE UN CODIGO DE CENTRO SIN SU CERO INICIAL en los cursos 2010-11 a 2013-14 del Grado en Enfermeria de Avila, y el conector NO lo rellena aunque se sepa cual es. Rellenarlo seria fabricar una clave de grano que el documento no imprime; el hueco se declara y se cierra con una decision escrita, no con un `zfill` dentro de un parser.
La MISMA FILA de la MISMA tabla lo imprime de las dos formas: «Codigo de Centro 5006466 5006466 5006466 5006466 05006466 05006466 05006466» para los siete cursos, es decir con siete digitos hasta 2013-14 y con ocho desde 2014-15. 152 observaciones (4 cursos x 38 indicadores) salen con nivel_grano `indeterminado` y la anomalia «codigo-de-centro-sin-el-cero-inicial-en-la-fuente». Es el 0,26 % del alta.
hueco_de_extraccion · 2026-08-29
HAY DOS INFOGRAFIAS MAS DE CAPA A DE GRADO EN EL MISMO PORTAL -«Demanda grado procedencia» (P2c2AAoJzbfK8bfachkS, 12 cursos utiles desde 2014-15) y «Demanda grado via de acceso» (FJTvjlI14DIKO1yOt9AC, 12 cursos)- y NO se parsean porque su CABECERA NO CASA CON SUS DATOS. No es que falte el dato: es que leerlo exigiria adivinar la correspondencia columna-rotulo, y aceptar «lo que se parezca» es como se lee la columna equivocada durante un ano.
MEDIDO sobre los dos ficheros del corpus rescatado. En FJTvjl... la cabecera declara 19 rotulos que empiezan por «Centro» y la primera celda de datos es «05006454», un CODIGO de centro: falta el rotulo de la primera columna y sobra uno vacio al final, asi que TODA la fila esta desplazada una posicion. En P2c2A... la cabecera pone «% Estudiantes procedentes de Salamanca» en la posicion 8 y el valor que hay ahi es 1,23, que es exactamente 43/35 = plazas / nuevo ingreso, es decir la relacion oferta/demanda que la cabecera coloca en la posicion 9. Ademas dos hojas de P2c2A... («Sheet13», «Sheet14») vienen vacias.
hueco_de_extraccion · 2026-08-29
EL HOST `indicadores.usal.es` NOS EXCLUYE POR NOMBRE EN SU robots.txt: «User-agent: ClaudeBot / anthropic-ai / Claude-Web -> Disallow: /», comprobado el 2026-08-29 ANTES de la primera peticion. Se respeta y no se rodea (docs/data-card.md): este conector no pide NI UNA URL de ese host y su cliente HTTP levanta HostExcluido antes de abrir el socket. Los dos compendios PDF que allí viven se leen del CORPUS RESCATADO el 2026-08-27 -dos dias ANTES de que la regla entrara en vigor- porque data-card.md dice que «los corpus ya rescatados se conservan»; nunca de la red.
robots.txt de indicadores.usal.es: HTTP 200, con los tres agentes de Anthropic excluidos junto a Bytespider, GPTBot, CCBot y otros. infogram.com, en cambio, NO nos excluye (solo /app/ y /oembed), y es donde vive la via principal. En el manifiesto del corpus, las 12 entradas de ese host llevan su URL y su huella; en config.yaml, `hosts_excluidos_por_robots` lo declara y `usar_corpus_rescatado: false` desactiva incluso la lectura del corpus.
hueco_de_extraccion · 2026-08-29
LO UNICO CON GRANO DE ASIGNATURA QUE LA USAL SI PUBLICA. Los informes SEADP («Satisfaccion de los Estudiantes con la Actividad Docente del Profesorado») se publican por titulacion x centro y traen una «Tabla 5. Valoraciones medias por asignaturas» CON CODIGO DE ASIGNATURA. NO es rendimiento -son 11 items Likert de 1 a 5- asi que no es Capa B en el sentido del proyecto, pero es grano fino con codigo y ninguna otra universidad del catalogo lo ha reportado.
Muestra descargada y medida: GRD.208_Fisica_SAT_EST_AD_24-25-WEB.pdf, 879.737 B, 11 paginas, 19.903 caracteres de capa de texto, 56 asignaturas con codigos 100800-100867. Estimacion por extrapolacion de 5 fichas muestreadas: 3-4 informes por titulo, ~600 PDF, 300-500 MB. NO se ha contado uno a uno.
disponible · 2026-08-29
LA FUENTE PUBLICA LOS DOS CODIGOS RUCT. Es lo que distingue a esta alta de casi todas las anteriores: la UPM y la UZ tuvieron que casar por NOMBRE el titulo y el centro contra el catalogo, y aqui no hay nada que emparejar. Consecuencia de diseno: el catalogo se usa para COMPROBAR, no para resolver, y un codigo que el catalogo no conozca NO ensucia la observacion.
MEDIDO contra el volcado RUCT de la universidad 014 del 2026-08-29: los 77 codigos de titulacion simples del Infogram estan los 77 en dim_titulacion con nivel `grado`; de los 28 codigos de centro, 27 estan en dim_centro. El que falta es 37007900 (E.U. de Enfermeria y Fisioterapia), extinguido en 2019 y sustituido por 37010881: el RUCT publica la foto de lo vigente y ya no lo devuelve. Son 6 filas de 2016-17 a 2018-19, que se emiten con su grano completo y SIN marca, porque el hueco es del catalogo y no del dato.
hueco_de_extraccion · 2026-08-29
LA FUENTE SI LOS PUBLICA y este conector NO los extrae, a proposito: regla de oro 2 de CLAUDE.md, solo grados. El master tiene ademas mas serie que el grado (15 cursos, desde 2010-11) y el doctorado 13 (desde 2012-13). El filtro se hace por DOCUMENTO -cada nivel tiene su propia infografia- y no por un patron sobre el nombre, asi que no puede confundirse.
Tres documentos declarados fuera de alcance en data/silver/usal/fact_anomalia.parquet con el motivo «solo-grados»: el Infogram de Master (943 filas en 15 hojas), el de Doctorado (484 filas en 13 hojas) y el compendio PDF de Masteres. Suman ~1.427 filas de titulacion no parseadas.
no_publicado_por_la_fuente · 2026-08-29
La serie mas larga que publica la USAL para GRADO empieza en 2010-11, que es el curso de arranque del compendio historico. No hay ninguna fuente de la universidad con datos de grado anteriores: los grados de Bolonia se implantaron en 2008-09 y 2009-10 y la USAL no publica sus dos primeros cursos.
Los 15 cursos con dato en silver van de 2010-11 a 2024-25 sin un solo hueco intermedio. El compendio Indicadores_Seguimiento_Grados.pdf se titula «Periodo 2010-2017» en su propia portada. 0 observaciones de 2009-10 en data/silver/usal.
hueco_de_extraccion · 2026-08-29
LOS 27 DOBLES GRADOS SE EXTRAEN Y NO LLEGAN A GOLD, y el hueco es del CATALOGO, no del parser. La USAL les da un codigo propio de siete digitos que empieza por 7 (`7000988`) y que NO es un RUCT: el registro estatal registra titulos y no programas (ADR 0005 §2), y ninguno aparece en dim_titulacion. Se emiten con nivel_grano `programa` (ADR 0016) y un codigo provisional `PCEO-X-<hash>` derivado de (codigo USAL, codigo de centro), que es lo unico estable que publica la fuente; sin el puente del catalogo no promocionan.
9.330 observaciones en data/silver/usal con anomalia «programa-conjunto-no-resuelto-a-titulos-componentes», 194 filas del Infogram y las del compendio, 27 codigos 7xxxxxx distintos. La resolucion a titulos componentes esta CURADA A MEDIAS en review-queue/usal.md: 21 de los 27 se resuelven sin ambiguedad y 6 no, porque uno de sus componentes tiene DOS RUCT homonimos en el catalogo (Biotecnologia, Estadistica, Sociologia, Traduccion e Interpretacion).
disponible · 2026-08-29
Los autoinformes de seguimento del SGC que cada centro publica traen los indicadores del titulo en cuatro formas: ficha `Codigo INnnG / Nome / Procedemento de Calculo` con su rejilla de cursos debajo, rejilla `INDICADOR x curso`, rejilla `Indicador x curso` con la definicion pegada al rotulo, y rejilla generica con el rotulo escrito a mano. El RUCT lo imprime el propio documento en su listado de evidencias (`2502220_INF.16_2023-2024`), asi que no hay que reconciliar nombres.
5.268 observaciones de capa A, 2.025 fila_origen, 12 titulos de grado con RUCT en 14 centros y 15 cursos (2010-11 a 2023-24). Los 12 RUCT estan TODOS en dim_titulacion de la universidad 007 y son todos de nivel `grado`.
disponible · 2026-08-29
UN centro de diecinueve publica tasas por MATERIA: la Facultade de Matematicas, en la tabla `materia x (exito, rendemento, avaliacion) x 6 cursos` de sus autoinformes de grado. El reconocimiento lo midio por tres muestreos independientes (1 de 12, 0 de 30, 1 de 19) y esta alta lo confirma sobre los 78 documentos del corpus.
8.925 observaciones de capa B, 3.063 fila_origen, 131 codigos de materia, 12 cursos (2013-14 a 2023-24), 7 documentos. Cero de los otros 18 centros aporta una sola fila.
hueco_de_extraccion · 2026-08-29
Los 31 indices `documentacion-sgc` enlazan 2.162 PDF unicos —474 autoinformes de seguimento, 271 memorias de calidade, 192 de acreditacion— y solo 78 estan en disco, rescatados el 2026-08-27 antes de leer el robots.txt. El resto no se descarga por la misma regla.
2.090 URL de PDF enumeradas una a una en ~/corpus-rendimiento/usc/manifiesto.csv con `nota` = la regla que las bloquea.
no_publicado_por_la_fuente · 2026-08-29
El propio SGC obliga a producir las tasas de rendemento, exito y avaliacion POR MATERIA para TODOS los titulos (evidencia I12) y los autoinformes las citan por su nombre de fichero (`2501096_INF.17_2023-2024`, `2501096_INF.18_2023-2024`). Esos ficheros no son publicos por ninguna via: 0 apariciones en los 2.162 PDF indexados y 0 xlsx/csv en todo el arbol.
Reconocimiento del 2026-08-27, docs/reconocimiento/usc.md seccion 1.
hueco_de_extraccion · 2026-08-29
La MEJOR fuente de capa A de la USC son sus 202 paginas `www.usc.gal/gl/centro/<centro>/calidade/indicadores/<titulacion>`, con 37 indicadores x 6 cursos y la definicion publicada al lado del dato. NO SE DESCARGAN: el robots.txt de www.usc.gal excluye por nombre a `anthropic-ai`, `Claude-Web` y `ClaudeBot` con `Disallow: /`, y la politica de docs/data-card.md dice que un host que nos excluye no se descarga ni suplantando el User-Agent.
201 de las 202 paginas enumeradas una a una en ~/corpus-rendimiento/usc/manifiesto.csv con la regla que las bloquea. La unica rescatada antes de la comprobacion, `ind_grao_mat.html`, esta en el corpus. robots.txt comprobado el 2026-08-29 en www.usc.gal y www.usc.es (mismo fichero, 4.668 B).
hueco_de_extraccion · 2026-08-29
Desde los autoinformes de 2023-24 en adelante varios centros dejan de imprimir la tabla y publican cada tasa como las etiquetas de datos de un grafico de barras: los valores salen en orden de dibujo y los anos en otra linea, sin relacion posicional comprobable. Leerlos seria atribuir cifras a anos por conjetura.
23 de los 50 documentos de grado del corpus no aportan ni una fila y salen declarados uno a uno en fact_anomalia. Verificado el mecanismo en `g/8_facultade-dereito.pdf` p.63-64: `91,14% 91,59% 91,46% 86,92% 84,77% 82,83%` y debajo `2019/2020 2020/2021 ... 2024/2025`, en orden distinto.
hueco_de_extraccion · 2026-08-29
Otros autoinformes dan las tasas DENTRO del texto («a taxa de rendemento ... (IN34G) esta tamen nun nivel que se pode considerar bo ...: 68,40»). Extraer numeros de prosa es el error que el reconocimiento de la UMU dejo documentado y que la regla de oro 4 prohibe.
Medido en auto_gfc_2022_23.pdf (2501096) y s2/3_facultade-ciencias-politicas-sociais.pdf (2500193).
no_publicado_por_la_fuente · 2026-09-01
VIA AGENCIA AGOTADA. USC excluye a este agente por nombre en su robots.txt (`ClaudeBot`, `anthropic-ai`, `Claude-Web` -> Disallow: /), y el proyecto no rodea una exclusion por nombre. Se probo la unica via abierta que quedaba: la ACSUG, agencia de calidad de las TRES universidades gallegas, el mismo papel que AQU cumple para las doce catalanas (ADR 0011). NO cumple el contrato: publica informes de EVALUACION, no series de indicadores.
Rastreo del 2026-09-01 respetando su Crawl-delay de 10 s en las 32 peticiones. La prueba esta en informe_definitivo_40819.pdf (Odontologia, RUCT 2502223): el evaluador HA LEIDO la Capa B de la USC y la resume en prosa —«la mayoria de las asignaturas presentan una tasa de rendimiento superior al 80 %, siendo unicamente cuatro las que se situan por debajo»— sin nombrar una asignatura ni dar un valor. Su unico numero duro, `tasa de graduacion (IN37G) 46,88 %`, lleva el codigo de indicador PROPIO de la USC: el dato nace en el sistema de la universidad. Coste medido de un rescate completo: ~1.529 peticiones y 4 h 15 min para CERO observaciones. Su aplicacion de indicadores, Avalia, pide credenciales y se paro en el formulario. Detalle y URLs en docs/reconocimiento/usc.md 3d.
disponible · 2026-08-29
Cuatro titulos de la USC se imparten en dos centros (Enfermaria 2501105, Mestre/a de Infantil 2502228 y de Primaria 2502229, Relacions Laborais 2500975). Cuando la fila declara la sede (`[S]`/`[L]`, `FCE:`/`FFP:`) la observacion se resuelve a ese centro; cuando no, es `titulo_agregado` con el centro VACIO. Poner el centro del que colgaba el enlace atribuiria a un campus una cifra que incluye al otro.
346 observaciones `titulo_agregado` y 13.847 `titulo_centro`; cero `indeterminado` en silver.
disponible · 2026-08-29
El autoinforme del Grao en Matematicas publica los dos dobles grados —Matematicas e Fisica, Enxenaria Informatica e Matematicas— en tablas separadas y declara que «para as taxas os datos dos dobres graos son calculados SEGREGADOS dos graos». Heredan el `codigo_ruct` del titulo anfitrion y viajan con `codigo_programa` y `es_pceo` (ADR 0005), que es lo que impide que sus filas homonimas colisionen con las del grado simple en la clave del axioma 4.
5.961 observaciones con `es_pceo = true` y 25 `codigo_programa` distintos, de los que 3 no son programas conjuntos sino POBLACIONES AGREGADAS que la fuente publica junto al grado (`usc:TOTAL`, `usc:TOTAL GRAO EN MATEMATICAS`, `usc:CONXUNTO GRAO E DGS`, 158 celdas): se separan para que no compartan grano con el titulo.
hueco_de_extraccion · 2026-08-29
Idem. Ademas, ninguno de los 61 programas de doutoramento de la USC tiene documento en el corpus rescatado.
0 documentos de doutoramento en el corpus.
hueco_de_extraccion · 2026-08-29
CLAUDE.md, regla de oro 2: solo grados. Los documentos de master se descartan con su motivo.
22 documentos del corpus declarados `fuera-de-alcance-no-grado` en fact_anomalia, con su RUCT y su titulo.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
1 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
36 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
88 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
371 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
442 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
924 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
1396 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
1873 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
2184 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
1906 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
1981 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
1478 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
1007 observaciones en silver.
disponible · 2026-08-30
Curso publicado en al menos una columna de una tabla de los autoinformes rescatados.
480 observaciones en silver.
hueco_de_extraccion · 2026-08-29
La fuente SI publica 2024-25 —los autoinformes de Criminoloxia, Dereito y los dos de Mestre/a estan fechados en 2026 y cubren ese curso— pero lo hacen con la serie dibujada como ETIQUETAS DE UN GRAFICO DE BARRAS, sin tabla. Este conector no lee graficos.
0 observaciones en silver. 4 documentos del corpus declaran curso de portada 2024-25 y los 4 salen en fact_anomalia como `documento-sin-tabla-reconocida`.
hueco_de_extraccion · 2026-08-31
LA UV SI PUBLICA CAPA A Y ESTE PROYECTO TODAVIA NO LA EXTRAE. El corpus esta rescatado entero, asi que el hueco se cierra escribiendo un conector y sin volver a la red. La fuente es la pestanya «Indicadors» (p2=6-3) de la ficha de cada grado, con 3 tablas HTML y 16 cursos.
MEDIDO sobre el corpus: 81 fichas de indicadores descargadas (81 de 81 ids del listado oficial de oferta), 77 con datos y 4 sin ellos (titulos nuevos). 47.055 pares (curs academic, valor); 5.116 bloques de indicador con nombre; 46 rotulos de indicador distintos, entre ellos «Taxa de rendiment», «Taxa d'exit», «Taxa de presentats i presentades» y sus tres homologos de NOU INGRES; 16 cursos, de 2009-2010 a 2024-2025 sin huecos. El grano (titulo x centro) es reconstruible: las 81 fichas resumen declaran «Centre:» y «Codi titulacio» (24 rotulos de centro distintos, 7 de ellos multicentro). AVISO DE FORMATO MEDIDO: el nombre del indicador NO viaja dentro de un <tr>; va en un <td rowspan='N'> huerfano entre </tr> y el <tr> siguiente. Un parser que recorra <tr> solo ve 3 de los 46 rotulos; uno tolerante los ve los 46.
no_publicado_por_la_fuente · 2026-08-31
LA UV CALCULA EL RENDIMIENTO POR ASIGNATURA Y NO PUBLICA EL CENSO. Publica UNA tabla, en UN documento de 1.698, y la propia tabla dice que es un EXTRACTO: «Tabla 3. Extracto de asignaturas de la Tabla 2 [...] aquellas materias en las que alguno de los tres indicadores analizados (tasa de exito, rendimiento o presentados) presentan valores inferiores a la MEDIA de la titulacion» (1318_DE7.pdf, Geografia i Medi Ambient, curso 2020-21, 17 asignaturas). Es una muestra sesgada POR LOS EXTREMOS, no un censo, y el proyecto ya decidio dos veces que eso no se carga: la maqueta L5 de la UdL y los informes del Claustro de la UMU. Ver la fila `familia_de_indicadores | tabla-de-extremos-por-asignatura`. El CENSO -la «Tabla 2»- existe y la UV la entrega a la agencia: los informes de renovacion de la acreditacion la citan por su nombre («La tasa de rendimiento POR ASIGNATURAS, recogida en la Tabla 2», 1313_ACR2-Avap.pdf; «consultando la Tabla 2 para revisar los resultados academicos por asignaturas», 1306_ACR2-Avap.pdf) y no esta en ningun documento publicado. Y el proceso RE1 del SGIC narra esas tasas en prosa -«Bioquimica I (53,76%) y Bioquimica II (47,33%)», 1201_RE1.pdf- en vez de tabularlas: 53 informes RE1 en el corpus, 5 con narrativa, 0 con tabla.
CRIBA POR CONTENIDO sobre el corpus ENTERO rescatado el 2026-08-31 (~/corpus-rendimiento/uv/, 2.628 filas de manifiesto, 2.587 ficheros, 1.228 MB): se abrieron 1.698 PDF, 873 HTML y 16 CSV. DOS detectores independientes, y el segundo es el que decide: (1) LEXICO, con el vocabulario de capa B en valenciano y en castellano -assignatura/asignatura, materia/matèria, taxa de rendiment/tasa de rendimiento, taxa d'exit, no presentats, codi de l'assignatura-: 13 documentos dicen «por asignatura» y los 13 son narrativos. (2) ESTRUCTURAL, que NO mira rotulos: bloques de >=5 lineas seguidas con «nombre de >=4 letras + 2..5 numeros». Este es el que encontro la unica tabla, porque sus filas empiezan por el NOMBRE y no por un codigo -el detector lexico y el de codigo la habrian perdido-. Sobre los 1.018 PDF de /uq/SGIC/, /uq/Acred/ y /uq/Seguiment/, bloques >=8 filas: 34, y solo UNO es de asignaturas (1318_DE7). Los demas son convenios Erasmus, entidades de practicas, espacios y series por curso. CONTROL POSITIVO del detector: sobre ISC_FL_2023_24.pdf de la UdL -el documento cuya ficha decia «ninguno trae tabla de asignaturas» y que el alta de la UdL refuto- encuentra un bloque de 55 filas, asi que no esta ciego. La tabla de la UV CIERRA la identidad aritmetica rendimiento = presentados x exito en 16 de sus 17 filas (desviacion <=0,06 pp), lo que confirma que son las tres tasas y no otra cosa. || RE-AUDITADO EL 2026-08-31 CON EL DETECTOR YA VERSIONADO EN EL REPO (scripts/barrido_estructural.py), que es el mismo que uso esta ficha pero corrido ahora sobre TODOS los 1.698 PDF del corpus y no solo sobre los 1.018 de /uq/: 152 documentos con un bloque de >=5 filas con forma de tabla y CUATRO con extracto=True. De los 152, uno solo es de asignaturas -1318_DE7.pdf, en dos copias con distinto nombre y el mismo contenido, 18 filas cada una, identidad 16/18- y su encabezado lo descalifica como censo, que es exactamente lo que dice el motivo de esta fila. Los otros 151 son bibliotecas, cargos de gobierno («Rector/a de la UV», «Vicerector/a»), autores con su recuento de citas, universidades de destino de movilidad y ambitos bibliometricos. CONTROL POSITIVO en la misma invocacion: 55 filas sobre ISC_FL_2023_24.pdf de la UdL. La sentencia se CONFIRMA, y hay que subrayar por que: no es que la UV no tenga ninguna tabla con la forma buena, es que la unica que tiene se declara a si misma EXTRACTO de los extremos. Cargarla seria publicar una muestra sesgada como si fuera la poblacion.
no_publicado_por_la_fuente · 2026-08-31
LA UV NO PUBLICA EN NINGUN CATALOGO DE DATOS ABIERTOS, ni el autonomico ni el estatal. Es un resultado NEGATIVO MEDIDO, no una ausencia supuesta: el catalogo valenciano si tiene «Tasas academicas de rendimiento (AVAP)», pero todas son de OTRA universidad.
(a) datos.gob.es, API del catalogo federado: el publisher `U01800001` (UV) devuelve 0 datasets; el `U00800001` (UGR) devuelve 62, asi que la consulta funciona. (b) dadesobertes.gva.es: 60 datasets distintos buscando «Universitat de Valencia» / «Universidad de Valencia», y los 60 son «en el ambito de la Universidad de Alicante» -incluidas las 8 series «Tasas academicas de rendimiento (AVAP)», federadas desde utc.ua.es-. Cero de la UV. La API de CKAN de ese portal esta en `Disallow: /api/` y no se uso: el censo se hizo por las paginas HTML de busqueda con el `Crawl-Delay: 10` declarado. (c) SIUVP (el agregador de las universidades publicas valencianas): `siuvp.ivie.es` no resuelve y `www.ivie.es/es_ES/bases-de-datos/` da error de certificado TLS, que no se desactiva.
hueco_de_extraccion · 2026-08-31
EL ANUARIO ESTADISTICO DE LA UV SE SIRVE CON CREDENCIALES EMBEBIDAS EN LA URL PUBLICADA y NO SE USAN. El «Recull de Dades de la Universitat de Valencia» del SAP se abre en `https://webges.uv.es/MicroStrategy/servlet/mstrWeb?...&uid=convidat&pwd=invitado`. robots.txt de webges.uv.es dice `Allow: /`, asi que lo que bloquea NO es robots: es la regla del proyecto de no usar credenciales que no nos hayan dado, aunque esten impresas en la pagina. Mismo criterio que la UCLM.
La pagina que lo enlaza SI esta en el corpus (servei-analisi-planificacio/ca/estadistiques-indicadors/recull-dades-uv/...html) y su indice enumera 6 secciones y 20 subsecciones: 1. Grau (Acces, Matricula, Titulats, Mobilitat, Practiques externes, Enquestes d'insercio laboral, Indicadors d'insercio laboral SIIU), 2. Master, 3. Doctorat, 4. Formacio permanent, 5. Personal, 6. Comptes anuals. NINGUNA seccion de rendimiento y ninguna por asignatura, asi que lo que hay detras de la credencial no cambia el veredicto de la capa B.
hueco_de_extraccion · 2026-08-31
`roderic.uv.es` NOS EXCLUYE POR NOMBRE EN SU robots.txt: `User-agent: anthropic-ai` / `Disallow: /`, comprobado el 2026-08-31 ANTES de la primera peticion. Se respeta y no se rodea: no se pidio ni una URL del host y TAMPOCO se consulto su indice CDX de Wayback, porque el archivo no es una puerta trasera. El host esta ademas detras de un proof-of-work (Anubis v1.27.0) que devuelve «Access Denied» a cualquier cliente que no sea un navegador; tampoco se rodea.
robots.txt de roderic.uv.es, HTTP 200: el grupo `anthropic-ai` con `Disallow: /` convive con CCBot, GPTBot, ChatGPT-User, Google-Extended, Bytespider y otros. La entrada esta en el manifiesto del corpus (~/corpus-rendimiento/uv/manifiesto.csv) como hueco declarado con la regla que la bloquea. Es la QUINTA universidad del proyecto que nos excluye por nombre, despues de uvigo, usc, ulpgc y usal.
hueco_de_extraccion · 2026-08-31
LA UNICA TABLA POR ASIGNATURA DE LA UV NO SE EXTRAE, Y ES UNA DECISION, NO UN DESCUIDO. `www.uv.es/uq/SGIC/Grau/DE7/1318_DE7.pdf` (Grau en Geografia i Medi Ambient, proceso DE6/DE7, pagina 28) trae «Tabla 3. Extracto de asignaturas de la Tabla 2» con 17 asignaturas y sus tasas de exito, rendimiento y presentados del curso 2020-21. Su propio encabezado dice que recoge «aquellas materias en las que alguno de los tres indicadores analizados presentan valores INFERIORES A LA MEDIA de la titulacion»: es una muestra elegida por los extremos, no un censo. Cargarla daria una Capa B sesgada a la baja y sin poblacion de referencia. Mismo criterio que la maqueta L5 de la UdL («ASSIGNATURES AMB MES RENDIMENT / AMB MENYS») y que los informes del Claustro de la UMU.
17 filas, de las que 16 cierran la identidad rendimiento = presentados x exito con desviacion <=0,06 pp: p. ej. «Sistemas de Informacion Geografica I 34,62 29,03 83,87» (34,62 x 83,87/100 = 29,04) y «Geografia de Europa 65,08 42,27 64,95» (65,08 x 64,95/100 = 42,27). La fila 18 es «MEDIA TITULACION 75,4 64,0 85,38», que es el agregado y confirma que las 17 estan por debajo. Es 1 titulo de 81, 1 curso de 16 y 1 documento de 1.698: el 0,06 % del corpus.
hueco_de_extraccion · 2026-08-31
LA UVA SI PUBLICA CAPA A y este rescate NO la extrae: no se ha construido conector. La publica por TITULO x CAMPUS con desglose por sexo, en 7 cursos (2018-19 a 2024-25), grado y master, y ademas por titulo en los 195 PDF de «Indicadores Clave del Titulo». Es un hueco NUESTRO, no un limite de la fuente.
Corpus rescatado el 2026-08-31: 9.448 documentos, 4.155,5 MB, 11.042 filas de manifiesto. El nucleo son A_tasas_rend_exito_eval_GRADO.xlsx (7 hojas = 7 cursos) y su gemelo de master, mas 195 PDF de indicadores en albergueweb1.uva.es/gestudios y 11 PDF de tasas de la etapa pre-SharePoint en transparencia.uva.es/wp-content/uploads.
no_publicado_por_la_fuente · 2026-08-31
LA UVA NO PUBLICA TASAS POR ASIGNATURA POR NINGUNA VIA. Publica una tabla POR ASIGNATURA -el Plan de Organizacion Docente, ver la fila `familia_de_indicadores | pod-por-asignatura`- pero no trae ni un resultado: son grupos, creditos y horas de docencia.
Criba POR CONTENIDO -no por nombre- de los 9.448 documentos: 1.024 positivos debiles; segunda pasada exigiendo tasa NOMBRADA o rejilla de >=6 filas con codigo y dos numeros: 197 unidades en 72 ficheros, abiertas todas. Las 101 con tasa nombrada son Memorias Verificadas (valores PREVISTOS), autoinformes de seguimiento POR TITULO, paginas de rank.uva.es y los tres XLSX de tasas. Las 96 rejillas son el POD (6 documentos), series por curso de la Memoria de la UVa y acuerdos economicos. Verificado ademas a mano con pdfplumber el autoinforme de seguimiento mas reciente de un centro (eco.uva.es AutoinformeSeguimiento24-25-ADE.pdf): sus tablas son de recomendaciones e indicadores de TITULO. || TERCERA PASADA CON EL DETECTOR ESTRUCTURAL DEL REPO (scripts/barrido_estructural.py, versionado el mismo 2026-08-31 tras medirse que el lexico acierta 77 veces en la UGR y las 77 en prosa). CONTROL POSITIVO EN VERDE: 55 filas sobre ISC_FL_2023_24.pdf de la UdL. Resultado: 270 PDF del rescate con bloque de >=5 filas con forma de tabla, 0 en el corpus pre-politica de SharePoint y 10 no-PDF (misma funcion aplicada a HTML/XLSX), todos por titulo o por cargo. extracto=True: 0. De los 270, 16 tienen filas que empiezan por codigo: los 6 del POD, listas de asignaturas de «Orientacion de matricula» y «Ejecucion de acuerdos» -que asignan grupos y plazas-, partidas presupuestarias y listas de titulos. Solo 2 documentos tienen >=3 filas que cierren la identidad de las tres tasas y son el mismo: la Memoria del curso 2024-25, cuya tabla es de PAISES (Azerbaiyan, Belgica, Bolivia): falso positivo de la comprobacion de identidad.
no_publicado_por_la_fuente · 2026-08-31
EL SIIU NO SIRVE DE CONTRASTE INDEPENDIENTE PARA LA MITAD DE LA SERIE, y lo dice la propia UVa: sus hojas de 2018-19 a 2021-22 declaran «Actualizado el ... con informacion del Sistema Integrado de Informacion Universitaria (SIIU)». Comparar esos cuatro cursos con el SIIU seria comparar la cifra consigo misma.
Leido en la fila 3 de cada hoja de A_tasas_rend_exito_eval_GRADO.xlsx: 2018-19 a 2022-23 -> «Actualizado el 16-8-2023» (las cuatro primeras «con informacion del SIIU», la de 2022-23 «con informacion de Datos UVa»); 2023-24 -> 15-7-2024; 2024-25 -> 15-7-2025. Ademas el SIIU publica por (universidad, ambito) y la UVa por titulo x campus, asi que ni siquiera comparten grano.
hueco_de_extraccion · 2026-08-31
La UVa publica 15 datasets en UniversiDATA/datos.gob.es y NO se extraen. Ninguno tiene columna de asignatura ni tasas; el mas prometedor, `UVa-Matriculas`, esta anonimizado y declara grano «Matricula».
`datos.gob.es/apidata/catalog/dataset/publisher/U01900001` -> 15 datasets: UVa-Acceso, UVA-Ayudas, UVa-Centros, UVA-Convocatorias-Ayudas, UVa-Departamentos, UVA-Licitaciones, UVa-Matriculas, UVa-Movilidad-Entrantes/Salientes, UVa-Personal-PAS/PDI/PI, UVA-Presupuesto de Gastos/Ingresos, UVa-Titulaciones. 298 distribuciones descargadas respetando el `Crawl-delay: 10` de www.universidata.es.
hueco_de_extraccion · 2026-08-31
La maquina que sirve albergueweb1.uva.es, transparencia.uva.es y rank.uva.es dejo de aceptar conexiones DOS veces el 2026-08-31 (17:04-17:39 y 18:44-19:47 CEST). No fue un bloqueo: «Connection refused» tambien en el puerto 80, y otros hosts de uva.es respondian 200 durante las dos. Se reintento dos veces, la segunda a 4 s por peticion sobre ese host.
1.314 filas de manifiesto con fallo de conexion; 959 documentos recuperados en los dos reintentos; 306 URL que nunca llegaron (eco.uva.es 68, www.palencia.uva.es 27, www.uva.es 25, secretariageneral.uva.es 20, albergueweb1.uva.es 16...). Dato que lo mide: el rastreo del arbol `gestudios` hecho DURANTE la caida encontro 151 documentos; con el servicio en pie, 1.262.
hueco_de_extraccion · 2026-08-31
`uvaes.sharepoint.com` SIRVE «User-Agent: * / Disallow: /» y se respeta: no se le ha pedido ni una URL en este rescate. Los 17 XLSX/PDF que hay en el corpus se descargaron el 2026-08-27, DOS DIAS ANTES de que la politica entrara en vigor, y se conservan al amparo de «los corpus ya rescatados se conservan» (docs/data-card.md), igual que los dos PDF de indicadores.usal.es. Se declara ademas que aquella descarga uso un User-Agent de navegador, cosa que hoy no se haria. NO se invoca la excepcion del §2 de data-card.md.
17 ficheros, 13.968.973 bytes, en ~/corpus-rendimiento/uva/pre-politica-2026-08-27/, con sus byte-counts cuadrando uno a uno con los que se anotaron entonces y sha256 calculado del disco (no hubo re-descarga). El «Cuadro de datos» del portal enumera 28 entradas: las 11 restantes NO se han pedido. Hay ademas 11 PDF de tasas de la etapa pre-SharePoint en transparencia.uva.es/wp-content/uploads, que SI es un host permitido y SI se rescataron.
hueco_de_extraccion · 2026-08-31
EXISTE UNA TABLA POR ASIGNATURA CON CODIGO y NO se carga, a proposito. Es el «PLAN DE ORGANIZACION DOCENTE» que va como anexo de los Acuerdos del Consejo de Gobierno, agrupado por CENTRO y por TITULACION con sus codigos internos. No es Capa B por dos motivos: (1) no publica NINGUN resultado -no hay tasa, ni aprobados, ni presentados, ni calificacion-, solo grupos, creditos y horas; (2) sus dos columnas de alumnos (`Alu`, `Est`) van bajo el rotulo «GRUPOS INTRODUCIDOS 2026-2027», o sea la planificacion del curso siguiente, y el documento NO define que es cada una. Cargar `Alu` como ESTUDIANTES_MATRICULADOS seria una regla plausible sin comprobar, que es un dato inventado con buena letra (leccion medida en la ULPGC).
6 documentos con la tabla, uno por ano de planificacion (2020, 2021, 2023, 2024, 2025, 2026), en secretariageneral.uva.es/wp-content/uploads/*Acuerdos-CG-*.pdf. 4.052 filas de asignatura en total y ~680 codigos distintos por documento. Cabecera literal: «Asignatura Cur Cua Tip TpL Alu Est ECTS H.T H.Pra H.Alu» bajo «1 - FACULTAD DE CIENCIAS / 469 - GRADO EN FISICA».
no_publicado_por_la_fuente · 2026-08-31
Los ficheros de tasas dan CAMPUS (Valladolid / Palencia / Segovia / Soria), no centro, y no traen RUCT. El centro hay que reconstruirlo.
Medido sobre A_tasas_rend_exito_eval_GRADO.xlsx: la columna es `Campus` y su vocabulario cambia de `Campus de Valladolid` a `Valladolid` en 2021-22. El puente SI existe y este rescate lo encontro: `www.uva.es/ws/estudios.json` da, para los 107 grados, `ficha.codigoplan_prop` (106 valores distintos: uno repetido), `ficha.campus_prop` con los codigos 47/34/40/42 -que son los prefijos de provincia del codigo_ruct_centro- y `ficha.centro_prop` con 24 centros. El POD lo confirma con centro, titulacion y asignatura juntos.
hueco_de_extraccion · 2026-08-31
Fuera de alcance por la regla de oro 2 de CLAUDE.md (solo grados). La fuente SI los publica.
A_tasas_rend_exito_eval_MASTER.xlsx trae las mismas 7 hojas que el de grado, y el arbol `gestudios` incluye 75 masteres con sus 19 PDF de INDICADORES####M. Todo rescatado.
disponible · 2026-08-29
Los catorce libros XLSX del grupo 4.1 «Estudos de grao» del Portal de Transparencia publican una fila por (centro, titulacion) y curso, con las medidas partidas por sexo (H, M, Total). Desde 2019/20 traen el codigo interno del centro y desde 2023/24 el codigo RUCT del titulo en columna propia («Plan Estudio MEC»).
36.420 observaciones de Capa A, 12.140 fila_origen, 47 titulos con RUCT y 6 programas conjuntos, 32 centros y 10 cursos (2015/16 a 2024/25). Los 47 titulos son TODOS los grados que el RUCT registra para la universidad 038.
disponible · 2026-08-29
La seccion «Indicadores por materia» del informe de centro «R1 DE-03 P1 Informe de revision pola direccion» publica una fila por (materia, curso, sexo) con las tres tasas y, en cuatro de los seis centros, tambien los tres recuentos de credito.
24.903 observaciones de Capa B, 5.358 fila_origen, 1.095 codigos de materia distintos, 6 centros y 8 cursos (2015/16 a 2022/23), en 26 documentos.
no_publicado_por_la_fuente · 2026-08-29
El SIIU publica al grano (universidad, ambito de estudio) y no por titulo, asi que la Capa A de la UVigo no tiene contra que contrastarse fila a fila. El contraste posible es agregado y no lo hace este conector.
Sin medicion: no hay columna que contar.
hueco_de_extraccion · 2026-08-29
`DE-02 Cadro de mando`: una hoja por titulacion con los indicadores del SGIC ya tabulados. Telecomunicacion lo publica en XLSX de 13 hojas y Minas e Enerxia en PDF.
2 documentos en el corpus. El XLSX de Teleco tiene las hojas Portada, Centro, GTeleco, MTeleco, MMatem, MCiberseg, MVision, MCuantica, MIOT, Resumo, Procedementos, Anexos y Mapa.
hueco_de_extraccion · 2026-08-29
`esei.uvigo.es/documentos/c_ir_<titulo>_evolucion_tasas_asignaturas`: SIETE CURSOS por asignatura en ocho paginas, con codigo de materia y los tres recuentos de credito. Es la Capa B mas barata de la universidad (0,2 MB por titulo y siete cursos, frente a los 2-6 MB por centro y curso del R1 DE-03) y la unica de la Escola Superior de Enxenaria Informatica.
5 documentos rescatados (grado, gria, mei, mia y pceo), de los que 3 son de grado. La rejilla es otra: el curso es una celda COMBINADA sobre dos filas de datos, y en 2020/21 y 2021/22 hay DOS filas por (asignatura, curso) sin ninguna etiqueta que las distinga -medido sobre G150101, 1.176+78 creditos matriculados-.
hueco_de_extraccion · 2026-08-29
`Grao_ACC_1` (perfil de acceso), `Grao_ACC_2` (nota media de admision) y `PRE_GRA_Admision` (plazas ofertadas, matricula de nuevo ingreso, admitidos, preinscritos, nota minima y tasas de ocupacion, preferencia y adecuacion). Son indicadores de ACCESO (ADR 0008), no de rendimiento, y cada uno tiene su rejilla: ACC_1 y ACC_2 llevan una jerarquia de perfil de acceso de cuatro niveles y PRE_GRA es una tabla plana con columnas de texto entre las numericas.
3 libros del mismo grupo 4.1. `PRE_GRA` es ADEMAS la unica tabla de toda la UVigo que imprime el CODIGO MINISTERIAL DEL CENTRO (`32014884`) junto al RUCT del titulo: 120 filas en dos cursos.
hueco_de_extraccion · 2026-08-29
LA UVIGO NO TIENE UNA POLITICA DE robots.txt: TIENE 51, una por subdominio, y 33 EXCLUYEN POR NOMBRE a los agentes de Anthropic (`User-agent: anthropic-ai / Disallow: /`, lo mismo para `Claude-Web`, y `ClaudeBot` en `www.uvigo.gal`). Entre los excluidos estan buena parte de los centros: fccee, fisioterapia, historia, dereito, quimica, bioloxia, forestales, euee, cud, aero, belasartes, eei, fft, csc, fcce, fccxxt y fcetou. Se respeto y NO se rodeo: ni pidiendo el documento vivo, ni sacandolo de Wayback, ni cambiando el User-Agent. El agente se identifico con un UA honesto (`ClaudeCode-RescateCorpus/1.0`).
273 documentos SGIC localizados y no pedidos, enumerados UNO A UNO en ~/corpus-rendimiento/uvigo/manifiesto.csv con su URL, su host, la regla que los bloquea y la fecha de su ultima captura en Wayback, con `fichero` vacio y la nota `NO DESCARGADO - EXCLUIDO por robots.txt`. Reparto: quimica 22, fccee 18, historia 18, dereito 17, euee 17, fisioterapia 17, cud 15, fcce 15, forestales 15, bioloxia 11, fft 11, belasartes 10, fccxxt 10, fcetou 10, aero 9, eei 9, csc 7 y 12 hosts mas con menos de 6.
hueco_de_extraccion · 2026-08-29
Variante de la tabla «Indicadores por materia» que publican Ciencias de Ourense (fcou), Ciencia e Tecnoloxia dos Alimentos (cytaa) y Fisioterapia: las tres tasas x DOS O TRES CURSOS en columnas, sin recuentos de credito y sin sexo. Cada banda de tasa contiene dos numeros y leerla como una sola daria un valor plausible y falso, asi que `materia.geometria_de_la_cabecera` la RECHAZA expresamente en vez de leerla a medias.
24 documentos del corpus traen esta variante (19 de fcou, 5 de cytaa y el informe de Fisioterapia de 2023/24). El de Fisioterapia trae ademas dos erratas de la fuente: `97;92%` y `92;31%`, con punto y coma en lugar de coma decimal.
no_publicado_por_la_fuente · 2026-09-01
VIA AGENCIA AGOTADA, y la exclusion es mas amplia de lo que se creia. UVigo excluye a este agente por nombre en 33 subdominios de uvigo.es Y TAMBIEN en www.uvigo.gal, comprobado el 2026-09-01: no estaba acotada al .es. Se probo la ACSUG, agencia de las tres gallegas, y no publica series por titulacion.
Mismo rastreo del 2026-09-01 que sostiene la declaracion equivalente de la USC: 32 peticiones a www.acsug.es respetando su Crawl-delay de 10 s. Los PDF de /es/titulos/seguimento/resultados/{gusc,guvigo,gudc} —27+20+25, hallados solo por el sitemap porque la subseccion esta huerfana del menu de su seccion— llevan la columna «Ano» a 2012 en todos y CERO signos de porcentaje en las muestras abiertas (USC y UVigo Biologia); declaran literalmente que los valores estan en la web de la universidad y enlazan alli. Coste de un rescate completo: ~1.529 peticiones, 4 h 15 min, cero observaciones.
no_publicado_por_la_fuente · 2026-08-29
`GRAO_Graduacion_por_Cohorte_ultima_cohorte_2013_2014` publica la tasa de graduacion acumulada por COHORTE DE INGRESO y no declara ningun curso academico: sus cuatro hojas se llaman `Cohorte 2010 2011` a `Cohorte 2013 2014`. El `periodo` del modelo es el curso, y poner ahi la cohorte mezclaria dos ejes en la misma columna.
1 libro, 4 hojas, 161 filas. La misma tasa POR CURSO si esta y si se extrae, en `GRA_1_Grao` (801 observaciones, 2018/19 a 2024/25).
hueco_de_extraccion · 2026-08-29
El CODIGO de materia lo imprime la fuente y es fiable; el NOMBRE no. La maquetacion lo parte en dos o tres lineas y donde lo parte depende del ancho de la columna, que cambia de centro a centro y de curso a curso; el informe de Telecomunicacion de 2022-23 lo imprime ademas en la linea de ENCIMA de su codigo (su capa de texto trae glifos superpuestos: `Home` y `Total` salen como `HTootmael`); y la propia fuente alterna gallego y castellano entre cursos (`Pesqueiras` / `Pesquerias`).
80 pares de nombres incompatibles bajo 73 codigos, en 19 de los 26 documentos de Capa B, medidos con `core.asignaturas.compatible` -el mismo predicado cuya replica en SQL aplica el axioma 6-. De los 1.095 codigos, 1.022 tienen nombre publicado (todas sus lecturas son compatibles y se publica la mas completa) y 73 lo tienen RETIRADO, con sus observaciones marcadas `nombre-de-materia-retirado-por-incompatible-entre-documentos`.
hueco_de_extraccion · 2026-08-29
Cuando la cabecera reconocida no es la de la tabla por materia sino la de otra tabla del mismo informe -en Comercio 2017-18, la de satisfaccion, que tambien tiene seis columnas numericas- cada numero queda bajo el rotulo que no es. Eso no es una violacion que marcar: es una lectura falsa, y emitirla con `valor_literal` correcto e `indicador_fuente` equivocado rompe la regla de oro 1. El conector descarta la PAGINA entera cuando mas de un tercio de sus filas completas no cuadran con sus propios recuentos.
21 paginas descartadas y declaradas en fact_anomalia con su recuento (`p.N: X de Y filas completas fallan`). Afectan a dos documentos -Comercio 2017-18 y Minas 2017-18-, que por eso no aportan ni una fila a silver; los otros 24 no pierden ninguna pagina.
no_publicado_por_la_fuente · 2026-08-29
`GRA_4` (transicion de grado a master) y `GRA_5` (captacion) publican por CENTRO -y, en GRA_5, por titulo de MASTER de destino-, no por titulacion de grado. No es que no los extraigamos: es que la fuente no los publica al grano (codigo_ruct, codigo_ruct_centro) del proyecto.
2 libros. En `GRA_4` la columna `Centro` es la unica clave de la fila; en `GRA_5` el titulo es el master de destino.
hueco_de_extraccion · 2026-08-29
El Portal publica los mismos catorce indicadores para MASTER, en trece libros `*_Master_*` y `PRE_MAS` con la MISMA rejilla que los de grado, y los informes de centro traen la seccion «Indicadores por materia» de sus masteres a continuacion de la de los grados. Nada de eso se extrae: regla de oro 2 del proyecto, «solo grados».
13 libros de master en el Portal, no parseados. En los informes de centro, 1.975 filas de materia de master declaradas una a una en fact_anomalia con el motivo `master-fuera-de-alcance`.
disponible · 2026-08-29
Publicado en los libros del Portal de Transparencia y, en los cursos 2015/16 a 2022/23, tambien en los informes de centro.
1628 observaciones en silver.
disponible · 2026-08-29
Publicado en los libros del Portal de Transparencia y, en los cursos 2015/16 a 2022/23, tambien en los informes de centro.
1909 observaciones en silver.
disponible · 2026-08-29
Publicado en los libros del Portal de Transparencia y, en los cursos 2015/16 a 2022/23, tambien en los informes de centro.
3280 observaciones en silver.
disponible · 2026-08-29
Publicado en los libros del Portal de Transparencia y, en los cursos 2015/16 a 2022/23, tambien en los informes de centro.
5305 observaciones en silver.
disponible · 2026-08-29
Publicado en los libros del Portal de Transparencia y, en los cursos 2015/16 a 2022/23, tambien en los informes de centro.
8903 observaciones en silver.
disponible · 2026-08-29
Publicado en los libros del Portal de Transparencia y, en los cursos 2015/16 a 2022/23, tambien en los informes de centro.
7308 observaciones en silver.
disponible · 2026-08-29
Publicado en los libros del Portal de Transparencia y, en los cursos 2015/16 a 2022/23, tambien en los informes de centro.
13098 observaciones en silver.
disponible · 2026-08-29
Publicado en los libros del Portal de Transparencia y, en los cursos 2015/16 a 2022/23, tambien en los informes de centro.
6893 observaciones en silver.
disponible · 2026-08-29
Publicado en los libros del Portal de Transparencia; ver la fila de la capa A.
4905 observaciones en silver.
disponible · 2026-08-29
Publicado en los libros del Portal de Transparencia; ver la fila de la capa A.
8094 observaciones en silver.
Tasa de rendimiento
De cada 100 créditos en los que te matriculas en un curso, cuántos apruebas. Cuenta a todo el mundo: también a quien no se presenta.
Ejemplo 78 %: si te matriculas de 60 créditos, apruebas unos 47.
Lo que no significa Un rendimiento bajo no significa que la asignatura esté mal dada: puede ser que mucha gente se matricule y no llegue a presentarse. Para separar las dos cosas están la tasa de éxito y la de evaluación.
Quién la publica 36 universidades la publican para la carrera entera y 27 la publican asignatura por asignatura.
De dónde sale la definición Catálogo Oficial de Indicadores Universitarios (SIIU, Ministerio de Universidades, 2022).
Tasa de éxito
De cada 100 créditos a los que alguien se presenta a examen, cuántos se aprueban. Deja fuera a quien no se presenta.
Ejemplo 92 %: de 100 créditos examinados, se aprueban 92. Si la tasa de rendimiento es 78, la diferencia es la gente que no se presentó.
Lo que no significa Un éxito alto no significa que sea fácil aprobar: si muchos no se presentan, el éxito puede ser alto y el rendimiento bajo a la vez.
Quién la publica 36 universidades la publican para la carrera entera y 25 la publican asignatura por asignatura.
De dónde sale la definición Catálogo Oficial de Indicadores Universitarios (SIIU, Ministerio de Universidades, 2022).
Tasa de evaluación
De cada 100 créditos matriculados, a cuántos se presenta alguien a examen. Mide si la gente llega al examen, no si lo aprueba.
Ejemplo 85 %: de 100 créditos matriculados, 85 llegan a examinarse y 15 se quedan sin presentar.
Lo que no significa No dice nada de las notas. Y en una universidad a distancia suele ser mucho más baja que en una presencial por cómo se estudia allí, no por la exigencia.
Quién la publica 29 universidades la publican para la carrera entera y 12 la publican asignatura por asignatura.
De dónde sale la definición Catálogo Oficial de Indicadores Universitarios (SIIU, Ministerio de Universidades, 2022).
Tasa de no presentados
De cada 100 créditos (o estudiantes) matriculados en una asignatura, cuántos no llegan a presentarse a ninguna convocatoria.
Ejemplo 15 %: de 100 matriculados, 15 no se presentan. Es lo mismo que una tasa de evaluación del 85 %.
Lo que no significa No es una tasa de suspensos: quien no se presenta no ha suspendido, no se ha examinado.
Quién la publica 1 universidades la publican para la carrera entera y 3 la publican asignatura por asignatura.
De dónde sale la definición este proyecto, sobre lo que publican las universidades (no lo define ni el Ministerio ni el RD 1393/2007). Algunas universidades publican esta tasa y no la de evaluación, y se guarda como la publican, sin convertirla.
Tasa de abandono inicial (tras el primer año)
De cada 100 estudiantes que entran nuevos en una carrera, cuántos no vuelven a matricularse en ella ni al año siguiente ni al otro (y no se han titulado).
Ejemplo 20 %: de 100 que empezaron en 2021-22, 20 ya no estaban en esa carrera en 2022-23 ni en 2023-24.
Lo que no significa No significa que dejaran la universidad: incluye a quien se cambió a otra carrera. Y se mide dos años después, así que el último curso publicado siempre es antiguo.
Quién la publica 10 universidades la publican para la carrera entera.
De dónde sale la definición Catálogo Oficial de Indicadores Universitarios (SIIU, Ministerio de Universidades, 2022), componente «tras el primer año» de la tasa de abandono del estudio.
Tasa de graduación
De cada 100 estudiantes que entran nuevos en una carrera, cuántos la terminan en los años que dura el plan o, como mucho, uno más.
Ejemplo 45 %: de 100 que empezaron un grado de cuatro años en 2019-20, 45 se habían titulado en 2023-24 como tarde.
Lo que no significa El resto no ha abandonado: buena parte sigue estudiando y termina más tarde. Y como se mide cinco años después de entrar, el dato más reciente siempre habla de promociones antiguas.
Quién la publica 19 universidades la publican para la carrera entera.
De dónde sale la definición Catálogo Oficial de Indicadores Universitarios (SIIU, Ministerio de Universidades, 2022) y RD 1393/2007.
Nota mínima de admisión (nota de corte)
La nota de admisión de la última persona que entró en esa carrera y ese centro por el cupo general en la preinscripción. Escala hasta 14 (nota de acceso más las ponderaciones de la fase específica).
Ejemplo 9,8: quien tenía menos de 9,8 no entró por el cupo general ese año.
Lo que no significa No mide lo difícil que es la carrera después de entrar. Un «5,0 (sin corte)» no es «muy fácil»: es que hubo plaza para todos los que la pidieron, aunque la carrera sea exigente. La UNED no tiene nota de corte porque es a distancia y de acceso abierto; por eso su celda dice «no lo publica».
Quién la publica 48 universidades la publican para la carrera entera.
De dónde sale la definición Catálogo Oficial de Indicadores Universitarios (SIIU, Ministerio de Universidades, 2022).
Estudiantes matriculados: en 1.ª matrícula y en 2.ª o sucesivas
Cuántas personas están matriculadas en una asignatura, y de ellas cuántas la cursan por primera vez (1.ª matrícula) y cuántas ya la habían cursado antes (2.ª matrícula o sucesivas).
Ejemplo 260 matriculados: 235 en primera matrícula y 25 repitiendo. La tasa de rendimiento «en 1.ª matrícula» es la de esos 235.
Lo que no significa Matriculados no es lo mismo que presentados ni que aprobados. Y pocas universidades separan la primera matrícula de las siguientes: donde no se ve, es que no se publica.
Quién la publica 27 universidades la publican para la carrera entera y 21 la publican asignatura por asignatura.
De dónde sale la definición Catálogo Oficial de Indicadores Universitarios (SIIU, Ministerio de Universidades, 2022) para el recuento; la separación por número de matrícula la define este proyecto, sobre lo que publican las universidades (no lo define ni el Ministerio ni el RD 1393/2007).
Base de cálculo: créditos o estudiantes
Las tasas oficiales se calculan en CRÉDITOS: una asignatura de 12 créditos pesa el doble que una de 6. Algunas universidades publican por asignatura la misma tasa en ESTUDIANTES: personas que aprueban entre personas matriculadas. Son dos números distintos, y no hay forma de pasar de uno a otro sin saber los créditos de cada asignatura.
Ejemplo Un título con 3 asignaturas de 6 créditos al 100 % y una de 12 al 50 % tiene un rendimiento del 80 % en créditos; contando por asignatura sin ponderar, saldría 87,5 %.
Lo que no significa Que dos porcentajes quepan en la misma escala no significa que midan lo mismo. En esta portada la base va dicha junto a cada número cuando no es la de créditos.
De dónde sale la definición ADR 0014 de este proyecto, sobre la definición en créditos del Catálogo Oficial de Indicadores Universitarios (SIIU, Ministerio de Universidades, 2022).
Promedio del Ministerio (SIIU) para el ámbito
El Ministerio agrupa las carreras en ámbitos (Informática, Salud, Derecho…) y publica, PARA CADA UNIVERSIDAD, el promedio de sus carreras de ese ámbito. No es un promedio nacional: hay un valor por universidad, y cada una se compara contra el suyo. La fila de referencia de la tabla es la mediana de esos promedios entre las universidades que aparecen.
Ejemplo UPC, Informática, 2021-22: rendimiento 84,3 %; promedio del ámbito Informática en la UPC 82,6 %. La UPC queda 1,7 puntos por encima de su ámbito.
Lo que no significa No es «la media de España» ni «la media de esta carrera»: es la media de las carreras del mismo ámbito EN ESA universidad. Y va uno o dos cursos por detrás del dato de la universidad.
De dónde sale la definición Catálogo Oficial de Indicadores Universitarios (SIIU, Ministerio de Universidades, 2022), tablas por universidad y ámbito; la asignación de cada carrera a su ámbito es la oficial del Ministerio.
Centro adscrito
Un centro adscrito pertenece a una entidad privada pero imparte títulos oficiales de una universidad pública, que los avala. Sus estudiantes, su precio y su selección son otros, y sus resultados se publican junto a los de los centros propios.
Ejemplo Un grado de Enfermería en una escuela adscrita a una universidad pública: aparece como una fila de esa universidad, marcada «centro adscrito».
Lo que no significa No es una universidad privada: el título es el de la pública. Pero comparar su fila con la del centro propio es comparar dos centros distintos.
De dónde sale la definición catálogo RUCT del Ministerio (naturaleza del centro); los centros que no la declaran no se marcan.
Universidad a distancia
Una universidad no presencial admite a todo el mundo, sin nota de corte, y mucha gente se matricula compaginando trabajo o sin intención de presentarse ese año. Sus tasas —sobre todo la de evaluación— no se leen como las de una presencial.
Ejemplo En las carreras donde coinciden, la tasa de evaluación de la UNED queda una mediana de 41 puntos por debajo de las presenciales.
Lo que no significa No significa que sea más difícil ni más fácil: es otra forma de estudiar y otro perfil de quien se matricula.
De dónde sale la definición declarada por este proyecto (la UNED es la única universidad pública no presencial del universo).
Hueco declarado
«No lo publica» exige evidencia de ausencia en la fuente. «Publicado con otra definición · ver» permite consultar el dato sin equivalencia confirmada en un carril aparte. «Pendiente de extracción» reconoce una tabla publicada que aún no hemos leído. Si falta evidencia, dice «Publicación por verificar». Ningún hueco se rellena ni se convierte en cero.
Ejemplo Una universidad publica el rendimiento de 2019-20 y de 2021-22 pero no el de 2020-21: la línea se corta ahí y el hueco se puede señalar.
Lo que no significa No significa que el dato no exista: puede que la universidad lo tenga y no lo publique, o que publicara la página y luego la borrara.
De dónde sale la definición regla de este proyecto: ningún valor inventado.
Población mínima (n)
Un porcentaje solo dice algo si hay bastante gente detrás. Con 2 estudiantes, uno solo mueve la tasa 50 puntos; con 10, diez puntos. Por eso esta portada no enseña una tasa como tal cuando la población es menor de 10 estudiantes matriculados (o 600 créditos matriculados en la carrera, 60 en una asignatura, cuando la universidad publica créditos y no personas): en su lugar dice «muy pocos estudiantes» y da el número. El n va siempre en el ratón; donde la universidad no publica cuántos son, también se dice.
Ejemplo Un plan en extinción con 2 estudiantes en 2023-24 que aprobaron todo: 100/100/100. No es una tasa: son dos personas. Se enseña el último curso en que ese plan tuvo 10 estudiantes o más.
Lo que no significa Que un dato quede fuera por población mínima no dice nada malo de la universidad: dice que ese curso no da para un porcentaje.
De dónde sale la definición regla de esta portada (reports/trazas-portada.md, 2026-09-05).
Plan vigente, plan a extinguir y plan extinguido
Cuando una universidad renueva un grado, el plan viejo sigue publicando resultados unos años mientras terminan sus últimos estudiantes. Esos años son de decenas, luego de unidades: no representan a la universidad. La fila que la representa aquí es la de su plan vigente según el catálogo oficial de títulos (RUCT); los planes a extinguir o extinguidos van aparte, plegados y rotulados, y no entran en la comparación si no se piden.
Ejemplo Historia en la URV: el plan vigente tiene 156 estudiantes y aprueba 86 de cada 100; el plan a extinguir tenía 2 estudiantes en 2023-24.
Lo que no significa Un plan a extinguir no es una carrera peor: es la cola de una carrera que ya no admite gente nueva.
De dónde sale la definición situación del título en el catálogo RUCT del Ministerio (renovada, a extinguir, extinguida) y la sucesión de planes declarada en este proyecto.
Patrón imposible o sospechoso
Las tres tasas están atadas por aritmética: rendimiento = éxito × evaluación, así que el rendimiento nunca puede superar al éxito, y si el éxito y la evaluación son 100 el rendimiento tiene que ser 100. Cuando una fila rompe eso, o trae 100/100/100 (todo el mundo se presentó y aprobó todo), la portada la marca: casi siempre es una población diminuta, y a veces un error de la fuente. No se enseña como tasa sin decir cuántos estudiantes hay detrás.
Ejemplo Evaluación 100, éxito 100 y rendimiento 78 en el mismo curso: la identidad no cierra. Se marca «revisar».
Lo que no significa Marcar una fila no es acusar a la universidad de un error: es no dar por buena una cifra que no cuadra sin mirar cuántos son.
De dónde sale la definición regla de esta portada; la identidad de las tasas es la del Catálogo Oficial de Indicadores (SIIU).
SIIU, Sistema Integrado de Información Universitaria
El SIIU es la base de datos oficial del Ministerio con la que se publican las estadísticas universitarias. Define las tasas (rendimiento, éxito, evaluación, abandono, graduación, eficiencia…) en su Catálogo Oficial de Indicadores, y publica el promedio de cada ámbito de estudio para cada universidad: es la referencia contra la que esta portada compara cada carrera.
Ejemplo «Promedio del Ministerio (SIIU) para Informática»: la media de las carreras de Informática de esa universidad según el SIIU.
Lo que no significa El SIIU no publica resultados asignatura por asignatura ni, en general, por titulación: eso lo publica cada universidad en sus memorias e informes.
De dónde sale la definición Ministerio de Ciencia, Innovación y Universidades, Catálogo Oficial de Indicadores Universitarios (2022) y tablas por universidad y ámbito.
QEDU, ¿Qué Estudiar y Dónde en la Universidad?
QEDU es el portal del Ministerio para elegir carrera. Por cada titulación y centro publica la nota de corte, las plazas, la nota media de admisión, el precio del crédito y la afiliación a la Seguridad Social de los egresados. No publica tasas de rendimiento ni de abandono por titulación. En esta base está leído para las universidades que se dicen junto a cada dato (hoy, la Complutense, como piloto).
Ejemplo Estadística Aplicada en la UCM, ficha de 2025-26: nota de corte, plazas, precio del crédito y afiliación, tal como los imprime el portal.
Lo que no significa Que una universidad no tenga datos de QEDU aquí no significa que el portal no los publique: significa que este trabajo todavía no ha leído su ficha.
De dónde sale la definición Ministerio de Ciencia, Innovación y Universidades, portal QEDU y su página de ayuda.
Plazas ofertadas
El número de plazas de nuevo ingreso que la universidad ofrece en ese centro para el curso, aprobado por la Conferencia General de Política Universitaria.
Ejemplo 110 plazas: como mucho entran 110 nuevos por el proceso de preinscripción.
Lo que no significa No es cuánta gente entra ni cuánta lo pide: para eso están la matrícula de nuevo ingreso y la demanda.
Quién la publica 56 universidades la publican para la carrera entera.
De dónde sale la definición QEDU (Ministerio) y SIIU, 1. PRE.
Precio del crédito en primera matrícula
El precio público de un crédito matriculado por primera vez en ese título y centro, en euros, para el curso de la ficha. Lo fija el decreto de precios de cada comunidad autónoma según el grado de experimentalidad del título; en segunda y sucesivas matrículas sube.
Ejemplo 16,92 € por crédito: un curso de 60 créditos cuesta unos 1.015 € en primera matrícula.
Lo que no significa No es el coste de la carrera: no incluye tasas administrativas, ni repetir asignaturas, ni becas, ni lo que cuesta vivir en esa ciudad.
Quién la publica 48 universidades la publican para la carrera entera.
De dónde sale la definición QEDU (Ministerio), página de ayuda del portal; ADR 0023 de este proyecto.
Tasa de afiliación a la Seguridad Social de los egresados
De cada 100 personas que terminaron ese título, cuántas están dadas de alta en la Seguridad Social española cuatro años después de egresar. Es la medida de inserción laboral que publica el Ministerio.
Ejemplo 75 %: de 100 titulados, 75 cotizaban cuatro años después.
Lo que no significa No es una tasa de empleo, y lo advierte la propia fuente: no cuenta a quien trabaja fuera de España, ni en regímenes no incluidos, ni a quien sigue estudiando, ni dice cuánto cobra ni de qué trabaja.
Quién la publica 52 universidades la publican para la carrera entera.
De dónde sale la definición QEDU (Ministerio), bloque de inserción laboral; el periodo que se enseña es el curso de la ficha porque el portal no declara la cohorte (ADR 0023).
Último curso con población suficiente, desde 2020-21
Cada celda de la tabla es el último curso publicado, desde 2020-21, con al menos 10 estudiantes (o 600 créditos) matriculados. Lo anterior a 2020-21 sigue en la gráfica y en el hover, pero no describe la universidad de hoy y no ordena la tabla.
Ejemplo Una universidad publica el rendimiento hasta 2013-14 y nada después: la celda dice «sin dato reciente» y el hover enseña el 85,4 de 2013-14.
Lo que no significa No significa que la universidad haya dejado de tener resultados: significa que no los publica desde entonces, o no con estudiantes suficientes.
De dónde sale la definición Regla de esta portada..
Curso académico del dato
Cada universidad publica con su calendario, y cada indicador tiene su retraso: el rendimiento de un curso se publica al año siguiente, la graduación cuatro o cinco años después de entrar. Por eso en la misma tabla conviven cursos distintos, y cada número lleva el suyo.
Ejemplo Rendimiento 2024-25 y graduación 2020-21 en la misma fila: son los últimos que esa universidad ha publicado de cada cosa.
Lo que no significa Un dato de 2021-22 no es «peor» que uno de 2024-25: es más antiguo. Se ordena por el curso en el que más universidades publican, y las que no llegan a él van aparte.
De dónde sale la definición el periodo que declara cada documento.
Diferencia en puntos porcentuales
Cuando se restan dos porcentajes, la diferencia se mide en puntos, no en por ciento: de 80 % a 70 % hay 10 puntos (aunque sea un 12,5 % menos). Todas las diferencias de esta portada son restas de dos tasas medidas igual.
Ejemplo UCM 84,2 y UAM 78,9: la UCM aprueba 5,3 puntos más de cada 100 créditos.
Lo que no significa Una diferencia de puntos no dice por qué: puede deberse al plan, a quién entra o a cómo mide cada universidad.
De dónde sale la definición aritmética.
Universidad privada
Este trabajo cubre las 48 universidades públicas que dan grados. La agencia de calidad catalana publica al mismo detalle los resultados de las privadas de Cataluña, y donde comparten carrera con las públicas se muestran marcadas.
Ejemplo Una fila «UIC · privada» junto a las públicas en Derecho.
Lo que no significa No es parte del universo y su precio, su acceso y su perfil de estudiante son otros.
De dónde sale la definición catálogo RUCT del Ministerio (tipo de universidad).
Centro o campus
Una universidad puede impartir la misma carrera en varias facultades o campus, con estudiantes distintos. Cada centro es una fila, con su nombre: fundirlos daría un promedio que nadie ha medido.
Ejemplo Enfermería en la Universidad de Extremadura: tres filas, una por centro (Badajoz, Cáceres, Plasencia).
Lo que no significa Dos filas de la misma universidad no son un error de la tabla: son dos centros.
De dónde sale la definición catálogo RUCT del Ministerio (centro de impartición).
Agregado de centros
Algunas universidades publican un solo número para la carrera aunque la impartan en varios centros. Esa fila es el conjunto, y va marcada para que no se lea como un centro concreto.
Ejemplo Una fila «agregado de centros» de una universidad con dos facultades: el número es de las dos juntas.
Lo que no significa No es un promedio calculado aquí: es lo que la universidad publica.
De dónde sale la definición el nivel de detalle que declara cada documento.
Equivalencia aproximada entre asignaturas
Cada universidad tiene su plan y sus nombres. Para comparar una asignatura entre universidades hace falta declarar que dos nombres son la misma asignatura, y eso se hace con un método escrito (mismo nombre normalizado, misma raíz de materia, o a mano) y una confianza (alta, media o baja). Lo que nadie ha declarado no se compara.
Ejemplo «Fundamentos de programación» y «Fonaments de programació»: emparejadas por traducción literal, confianza alta. «Física» y «Física aplicada»: confianza media.
Lo que no significa Dos asignaturas emparejadas no son oficialmente equivalentes: pueden tener otros créditos, otro curso y otro temario.
De dónde sale la definición diccionario de este proyecto (una fila por asignatura, con método, confianza y nota).
Referencia de la lista de asignaturas: tasa del título o mediana de las asignaturas
En la lista de asignaturas hay una línea vertical de referencia. Si la universidad publica la tasa de la carrera entera para ese curso, la referencia es esa tasa del título. Si no la publica, es la mediana de las asignaturas que sí tienen tasa ese curso: la de en medio, sin ponderar por cuánta gente hay en cada una.
Ejemplo «Tasa del título · 81,6 % · 2024-25»: la carrera entera aprobó 81,6 de cada 100 créditos ese curso. «Mediana de las asignaturas publicadas · 76,6 %»: la mitad de las asignaturas con dato están por encima y la otra mitad por debajo.
Lo que no significa La mediana no es la tasa de la carrera: una asignatura con 300 matriculados pesa lo mismo que una con 12. En la miniatura de cada asignatura, «Referencia del título · mismo curso» es siempre la tasa del título, nunca la mediana.
De dónde sale la definición este proyecto, sobre lo que publican las universidades (no lo define ni el Ministerio ni el RD 1393/2007).
Ficha de QEDU: sin ficha casada, ficha sin leer
Los datos de acceso y empleo salen de la ficha de cada título en QEDU, el portal del Ministerio. «Sin ficha casada» quiere decir que se leyeron las fichas de esa universidad y ninguna corresponde con seguridad a este título y este centro; «Ficha sin leer», que las fichas de esa universidad todavía no se han consultado. En los dos casos no se pone nada.
Ejemplo Una universidad publica el doble grado como una sola ficha con dos títulos dentro: hasta que se decide a cuál corresponde, aparece «Sin ficha casada».
Lo que no significa No significa que la carrera no tenga nota de corte ni plazas: significa que aquí no se ha podido atribuir con certeza.
De dónde sale la definición este proyecto, sobre lo que publican las universidades (no lo define ni el Ministerio ni el RD 1393/2007).
Publica por asignatura; solo tasa del título
Hay dos niveles de detalle. «Publica por asignatura»: la universidad da los resultados de cada asignatura, y por eso tiene lista de asignaturas, evolución y comparación entre universidades. «Solo tasa del título»: publica las tasas de la carrera entera, pero no las de sus asignaturas. En el mapa de la portada cada universidad lleva uno de los dos estados.
Ejemplo Treinta y una universidades publican por asignatura; diecisiete publican solo las tasas del título.
Lo que no significa Publicar solo el título no es ocultar nada: la mayoría de las memorias de calidad se escriben así. Tampoco significa que sus tasas sean menos fiables.
De dónde sale la definición este proyecto, sobre lo que publican las universidades (no lo define ni el Ministerio ni el RD 1393/2007).
Las procedencias concretas aparecen en los tooltips. Los esquemas de método siguen las mecánicas de Git a cualquier escala, de Cursor.