Descripción general
El Índice Global de Preparación para los Futuros de la Educación (GEFRI) compara la preparación de los países con datos abiertos y comparables a escala internacional. Esta página explica la selección de indicadores, la imputación y el cálculo de las puntuaciones desde la perspectiva de las políticas públicas. El apéndice técnico (en inglés) detalla los indicadores, las dimensiones y el motor de cálculo.
Cómo funciona GEFRI
- El conjunto de datos se actualiza cada mes con los indicadores más recientes disponibles. El 15 de julio de cada año se recalculan el año de referencia en curso y los cuatro anteriores para incorporar de forma coherente las observaciones revisadas o añadidas a posteriori por el Banco Mundial.
- Se depuran y validan los datos. Se identifican los microestados (población < 300 000) para excluirlos de las estadísticas de referencia.
- Se imputan los valores faltantes en este orden: región y grupo de ingresos, región, grupo de ingresos y conjunto mundial. Los microestados se excluyen de todos los grupos de referencia.
- Se aplican transformaciones específicas para cada indicador. La mayoría usa una normalización móvil mín.–máx. basada en observaciones de países que no son microestados. En Capital humano se usan transformaciones fijas para el gasto, la alfabetización y la participación en secundaria y educación superior.
- Se calculan las puntuaciones por dimensión y se comprueba su plausibilidad, con salvaguardas para contextos frágiles o afectados por conflictos.
- Se asignan niveles de confianza según la proporción de indicadores observados directamente y se aplican las penalizaciones previstas. Capital humano ajusta cada indicador por la calidad de la evidencia y solo aplica un ajuste adicional si como máximo un indicador procede de observaciones del propio país.
- Se promedian las puntuaciones finales de las dimensiones para obtener la puntuación compuesta de GEFRI.
La implementación exacta en Python se documenta en el apéndice técnico (en inglés).
Fuentes de datos
- Banco Mundial: Estadísticas de educación e indicadores (fuente principal).
- Instituto de Estadística de la UNESCO: Centro de datos del UIS.
- Otros organismos internacionales: se indican en los metadatos de cada indicador.
Familias de indicadores
GEFRI mide cinco dimensiones de preparación mediante indicadores seleccionados del Banco Mundial y de la UNESCO. El catálogo completo, incluidos los códigos y las transformaciones, figura en el apéndice técnico (en inglés).
- Infraestructura: electricidad y conectividad que permiten el aprendizaje digital e híbrido.
- Capital humano: inversión, alfabetización y participación educativa a lo largo de la vida.
- Acceso escolar y paridad de género: matrícula, finalización de estudios y paridad para identificar a quienes siguen quedando excluidos.
- Innovación: gasto en I+D, intensidad de la investigación y exportaciones tecnológicas que reflejan la capacidad de desarrollar y ampliar nuevas soluciones.
- Gobernanza: Indicadores Mundiales de Gobernanza sobre eficacia pública, calidad regulatoria, control de la corrupción y voz ciudadana.
Todos los datos son de acceso abierto. Cuando varios organismos contribuyen a una serie, el apéndice identifica las fuentes.
Transformaciones de indicadores y límites de normalización
Para la mayoría de los indicadores, GEFRI fija los límites con un historial móvil de hasta 18 períodos registrados, a partir de los mínimos y máximos observados en países que no son microestados. En las actualizaciones mensuales, esos períodos suelen ser meses. En las reconstrucciones históricas, los años completos suelen representarse con diciembre y el año en curso con el mes real de ejecución. Este método estabiliza los cambios de puntuación y conserva la base empírica del escalado mín.–máx. En indicadores sin límite superior natural, como la producción científica o las exportaciones de alta tecnología, el máximo mundial puede aumentar y reducir la puntuación normalizada de países cuyos valores originales no han cambiado. Los valores imputados usan los límites, pero no los determinan. Las reconstrucciones solo usan períodos de normalización disponibles hasta el período de referencia, inclusive. Los cuatro indicadores de Capital humano son la excepción: usan transformaciones fijas.
- Indicadores lineales: la mayoría usa escalado mín.–máx. directo, limitado a 0–1 cuando una observación queda fuera del intervalo histórico.
- Indicadores logarítmicos o derivados: los servidores seguros, los investigadores por millón, los artículos científicos y las exportaciones de alta tecnología se transforman con
log1pantes del escalado mín.–máx. para atenuar valores extremos. - Suscripciones móviles: la puntuación aumenta linealmente de 0 a 1 entre 0 y 150 suscripciones por cada 100 habitantes, y queda limitada a 1 a partir de entonces. Una suscripción por persona puede indicar disponibilidad generalizada, aunque la distribución sea desigual. El anclaje de 150 es metodológico, no un umbral oficial de la Unión Internacional de Telecomunicaciones (UIT) ni del Banco Mundial. Tiene en cuenta el uso de varias tarjetas SIM y las brechas de cobertura sin premiar proporcionalmente densidades excepcionales.
- Capital humano: el gasto público en educación, la alfabetización adulta y las tasas brutas de matrícula en secundaria y educación superior usan transformaciones fijas. La matrícula superior usa una función exponencial de rendimiento decreciente con saturación técnica en 120. Este valor responde a las características de una tasa bruta y no constituye un objetivo de asistencia universitaria.
- Artículos por millón: solo se calculan con poblaciones ≥ 1 millón. Por debajo, el indicador queda sin valor y se reduce la confianza en Innovación.
- Indicadores de equidad: la no escolarización, la finalización y la paridad de género usan funciones lineales con puntos de referencia fijos.
- Evolución de la frontera: un aumento del máximo mundial, por ejemplo en publicaciones científicas o servidores seguros, puede ampliar el intervalo y reducir puntuaciones normalizadas aun cuando los datos originales no cambien.
| Código | Indicador | Dimensión |
|---|---|---|
EG.ELC.ACCS.ZS | Acceso a la electricidad (% de la población) | Infraestructura |
IT.NET.USER.ZS | Usuarios de internet (% de la población) | Infraestructura |
IT.NET.SECR.P6 | Servidores de internet seguros (por millón de habitantes) | Infraestructura |
IT.CEL.SETS.P2 | Suscripciones móviles (por cada 100 habitantes) | Infraestructura |
SE.XPD.TOTL.GD.ZS | Gasto público en educación (% del PIB) | Capital humano |
SE.ADT.LITR.ZS | Alfabetización de adultos (% de personas de 15 años o más) | Capital humano |
SE.SEC.ENRR | Tasa bruta de matrícula en secundaria (%) | Capital humano |
SE.TER.ENRR | Tasa bruta de matrícula en educación superior (%) | Capital humano |
SE.ENR.SECO.FM.ZS | Paridad de género en secundaria (tasa bruta femenina/masculina) | Acceso escolar y paridad de género |
SE.ENR.TERT.FM.ZS | Paridad de género en educación superior (tasa bruta femenina/masculina) | Acceso escolar y paridad de género |
SE.PRM.UNER.ZS | Niños no escolarizados en primaria (% de la población en edad oficial) | Acceso escolar y paridad de género |
SE.SEC.UNER.LO.ZS | Adolescentes no escolarizados en secundaria (% de la población en edad del primer ciclo) | Acceso escolar y paridad de género |
SE.SEC.CMPT.LO.FE.ZS | Finalización del primer ciclo de secundaria, alumnas (% del grupo de edad correspondiente) | Acceso escolar y paridad de género |
SE.SEC.CMPT.LO.MA.ZS | Finalización del primer ciclo de secundaria, alumnos (% del grupo de edad correspondiente) | Auxiliar |
GB.XPD.RSDV.GD.ZS | Gasto en I+D (% del PIB) | Innovación |
SP.POP.SCIE.RD.P6 | Investigadores en I+D (por millón de habitantes) | Innovación |
IP.JRN.ARTC.SC | Artículos en revistas científicas y técnicas | Innovación |
TX.VAL.TECH.CD | Exportaciones de alta tecnología (dólares corrientes de EE. UU.) | Innovación |
SP.POP.TOTL | Población total | Auxiliar |
GE.EST | Eficacia gubernamental (WGI) | Gobernanza |
RQ.EST | Calidad regulatoria (WGI) | Gobernanza |
CC.EST | Control de la corrupción (WGI) | Gobernanza |
VA.EST | Voz y rendición de cuentas (WGI) | Gobernanza |
El indicador IP.JRN.ARTC.SC se recibe como recuento de artículos y se convierte a artículos por millón para Innovación si la población es ≥ 1 millón. La población total y la tasa de finalización del primer ciclo de secundaria entre los alumnos son datos auxiliares para estos cálculos, la confianza y los paneles. No contribuyen directamente a la puntuación compuesta. El apéndice técnico (en inglés) detalla la transformación y la imputación de cada indicador.
Imputación de datos y niveles de confianza
Cuando falta un indicador para un país, GEFRI imputa el valor siguiendo cuatro pasos:
- Media por región y grupo de ingresos. Se usa cuando ambos datos se conocen y hay suficientes observaciones en el grupo combinado.
- Media regional. Si no hay valor para el grupo combinado, se usa la media de la región.
- Media del grupo de ingresos. Si no se dispone de una media regional, se usa la media del grupo de ingresos.
- Media mundial. Se usa si ninguna de las anteriores está disponible.
En los países de ingresos altos sin datos sobre alfabetización adulta se imputa un 100 %, registrado con la etiqueta Assumed (high income). Los valores observados del 100 % siguen clasificándose como originales. La hipótesis refleja normas internacionales, salvo que exista otra evidencia.
Las tablas identifican cada valor original o imputado y registran el método de imputación. Los microestados, con menos de 300 000 habitantes, se excluyen de estos cálculos.
El nivel de confianza de cada dimensión depende de la proporción de indicadores observados directamente, sin imputación:
- Alta: al menos el 90 % de cobertura observada.
- Moderada: al menos el 70 % y menos del 90 %.
- Baja: menos del 70 %.
Cada perfil de país muestra los indicadores imputados, los métodos y los niveles de confianza. En casos excepcionales, como la indisponibilidad de artículos por millón para poblaciones de menos de un millón, la dimensión correspondiente recibe automáticamente confianza baja.
En Capital humano se ponderan por separado sus cuatro indicadores según la evidencia sea observada directamente, antigua, interpolada o imputada. Después se promedian las puntuaciones ajustadas. Solo se aplica un multiplicador adicional de 0,85 cuando como máximo un indicador procede de observaciones del propio país.
Normalización y cálculo de puntuaciones
- Escalado mín.–máx.: la mayoría de los indicadores se normaliza a 0–1 y se presenta en una escala de 0–100. Los límites proceden de un historial móvil de hasta 18 períodos de normalización con mínimos y máximos observados de países que no son microestados. Se usa el dato publicado más reciente dentro del año de referencia y los siete anteriores. Los valores imputados respetan los límites, pero no los redefinen.
- Valores extremos: se recortan los valores negativos o imposibles cuando lo exige la transformación. Los valores normalizados finales se limitan a 0–1. Las subpuntuaciones de equidad usan anclajes fijos de 10 a 100.
- Transformaciones logarítmicas: servidores de internet seguros, investigadores por millón, artículos científicos por millón y exportaciones de alta tecnología usan
log1pantes del escalado. - Suscripciones móviles: se usa el punto de saturación metodológico de 150 por cada 100 habitantes en lugar de los límites históricos. Los valores originales se conservan en las exportaciones, los extremos se señalan en los diagnósticos y el punto de referencia podrá revisarse.
- Población mínima: los artículos científicos por millón se aplican solo con poblaciones ≥ 1 millón. Los países por debajo reciben confianza baja en Innovación.
- Puntuación por dimensión: Infraestructura, Innovación y Gobernanza usan la media aritmética de los indicadores normalizados. Capital humano promedia cuatro indicadores con transformaciones fijas y ajustes por calidad de la evidencia. Acceso escolar y paridad de género transforma cuatro indicadores centrales a 10–100, aplica una verificación de plausibilidad en ciertas economías de ingresos altos, usa la media armónica y aplica un tope por fragilidad cuando corresponde.
- Confianza y penalizaciones: Infraestructura, Innovación, Gobernanza y Acceso escolar y paridad de género clasifican la confianza según la proporción de observaciones directas: baja (<70 %), moderada (del 70 % a menos del 90 %) y alta (90 % o más). Las puntuaciones con confianza baja se multiplican por 0,85. Capital humano conserva el nivel de confianza publicado, pero aplica pesos por indicador y el ajuste descrito para casos con poca evidencia directa, en lugar de esa penalización general.
- Puntuación compuesta: media de las puntuaciones finales de las dimensiones, reescalada a 0–100.
Acceso escolar y paridad de género
Esta dimensión examina la escolarización, la finalización del primer ciclo de secundaria y las diferencias por género, considerando posibles artefactos de los datos y las interrupciones causadas por la fragilidad o los conflictos.
- Indicadores: niños no escolarizados en primaria, adolescentes no escolarizados en secundaria, finalización del primer ciclo de secundaria entre las alumnas e índice de paridad de género en secundaria. Cada indicador se convierte linealmente a 10–100.
- Ajuste de plausibilidad: en países de ingresos altos fuera de la lista FCS, si tres indicadores puntúan ≥80 y uno ≤40, el valor más bajo se sustituye por el segundo más bajo. La regla contempla artefactos como la cobertura incompleta de la formación profesional. La prueba de sensibilidad de noviembre de 2025 indica que, sin la regla, la puntuación de la dimensión sería entre 4 y 12 puntos menor en nueve sistemas de ingresos altos, sin afectar a su posición relativa en el resto de la clasificación.
- Confianza: la imputación no genera una deducción independiente. Reduce la proporción observada y puede activar el multiplicador de 0,85 por confianza baja.
- Tope por fragilidad: en los países de la lista FCS del Banco Mundial del ejercicio 2025, se limita la puntuación de la dimensión a 40 después de los demás ajustes. Eliminar el tope en las pruebas aumentó las puntuaciones FCS entre 8 y 20 puntos, sin que ningún país cambiara más de cinco posiciones en la clasificación compuesta.
- Transparencia: las fórmulas, el código de cálculo publicable y un ejemplo resuelto figuran en el apéndice técnico (en inglés).
Justificación de las decisiones y los parámetros
- Microestados (<300 000 habitantes): sus series suelen ser discontinuas. Excluirlos evita que valores volátiles distorsionen las medias regionales y por grupo de ingresos.
- Artículos por millón (≥1 000 000 de habitantes): la medida resulta inestable en poblaciones muy pequeñas.
- Confianza en equidad: la imputación se refleja a través de los umbrales de confianza y el multiplicador por confianza baja, sin una deducción adicional.
- Fiabilidad de Capital humano: los pesos por indicador limitan la puntuación cuando los datos de inversión o participación son antiguos o se basan en gran medida en valores imputados.
- Plausibilidad en equidad: sustituir el valor mínimo por el segundo más bajo cuando tres valores son ≥80 y uno ≤40, en países de ingresos altos fuera de FCS, limita el efecto de problemas conocidos de notificación.
- Niveles de confianza (<70 %, 70 % a <90 %, ≥90 %): separan una cobertura observada escasa, parcial o amplia.
- Tope FCS de 40: evita sobrestimar la preparación cuando los indicadores originales no reflejan interrupciones estructurales de los servicios.
El Banco Mundial publica esta clasificación como «Situaciones frágiles y afectadas por conflictos» (FCS). El código y la documentación antiguos pueden usar la sigla FCV.
Limitaciones de los datos y notas de uso
La puntuación histórica usa la última observación publicada dentro de un intervalo inclusivo de ocho años: el año de referencia y los siete anteriores. Esto limita la antigüedad, aunque algunos países estén representados por observaciones anteriores. La imputación introduce incertidumbre, sobre todo con muchos datos faltantes o antiguos. Algunos indicadores se publican con retraso y los criterios de notificación pueden variar. El filtro de población reduce la distorsión en Innovación, aunque persisten posibles problemas de muestras pequeñas.
GEFRI incluye puntuaciones anuales desde 2016. El Banco Mundial actualiza los indicadores al recibir y validar datos nuevos. Cada julio, GEFRI recalcula el año de referencia actual y los cuatro anteriores en orden cronológico. Cada año reconstruido actualiza el historial de límites que utiliza el siguiente. Los límites posteriores no influyen en períodos anteriores, pero el archivo completo se conserva para futuras ejecuciones. Si sube el máximo mundial de un indicador sin límite superior natural, un valor original estable puede recibir una puntuación normalizada menor. Para una serie temporal inmutable, conserva las versiones originales de las fuentes junto con los resultados GEFRI.
El índice es un punto de partida para la investigación y el debate de políticas, con apoyo de conocimiento local y contexto. Evita extraer conclusiones definitivas sobre un país, especialmente si la confianza es baja.
- Las puntuaciones reflejan datos publicados dentro del intervalo de referencia, no acontecimientos recientes.
- Una proporción alta de datos imputados reduce la confianza.
Para enviar comentarios o señalar errores, contáctanos.
Registro de cambios
- 2026-07-15 — Motor 1.2: media armónica en Acceso escolar y paridad de género, confianza basada en observaciones directas, exclusión de microestados de los límites, restricción a 0–1, saturación fija de suscripciones móviles, transformaciones fijas y ponderación por evidencia en Capital humano y corrección del aporte de artículos por millón a Innovación. Se recalculó el historial desde 2016.
- 2026-07-12 — Se ampliaron páginas de análisis y explorador de mapas. La ruta base de la API pasó a
/api/v1/gefri./api/gefrise mantiene por compatibilidad hasta al menos el 1 de enero de 2027. Se corrigió la normalización histórica para impedir que períodos posteriores influyeran en los anteriores, conservando el archivo completo de límites. - 2026-06-20 — Se eliminaron los duplicados de Somalia mediante un perfil canónico por código ISO 3166-1 alfa-3. Los nombres quedaron como etiquetas. El cambio en su puntuación de 2026 se refleja en las publicaciones desde el 1 de julio.
- 2025-11-26 — Motor 1.1: historial móvil de 18 registros, inicializado con datos históricos para reducir fluctuaciones mensuales, vistas históricas y mejoras de interfaz.
- 2025-05-27 — Motor 1.0: se excluyeron los microestados de los rankings y del cálculo de valores imputados, lo que produjo nuevas puntuaciones. Se añadió el ajuste de plausibilidad de equidad en países de ingresos altos sin conflicto. Si tres indicadores son muy altos y uno excepcionalmente bajo, se usa el segundo más bajo para limitar el efecto de artefactos como la formación profesional no registrada.
- 2025-05-16 — Primera beta pública de la puntuación GEFRI y las puntuaciones por dimensión, abierta a comentarios.