Hay una decisión que puede acortarte la tesina en meses: usar datos que ya existen en lugar de generar los tuyos. Se llaman datos secundarios, y en Argentina hay muchos más disponibles de los que la mayoría de los estudiantes cree. El problema no es que no existan: es que los portales oficiales están diseñados para funcionarios, no para vos, y fallan de maneras que no son obvias.
Este artículo no es un listado de links. Es el recorrido real de abrir esas fuentes, con lo que efectivamente devolvieron cuando las consultamos en agosto de 2026, incluidas las que no funcionaron. Porque el momento en que descubrís que tu fuente no se puede abrir determina si perdés una tarde o un semestre.
La regla que evita el desastre: abrí la fuente antes de comprometerte
El error que hunde tesinas no es elegir mal la fuente. Es elegir una fuente sin haberla abierto, porque el problema aparece recién en el mes cinco, cuando ya no hay margen para cambiar de tema.
Antes de escribir en tu plan que vas a usar determinada base, hacé esto: descargá el archivo completo, abrilo, contá cuántas filas tiene y mirá si las columnas que necesitás están efectivamente cargadas. Los tres pasos, no el primero solo. Vas a ver en un momento por qué el tercero importa tanto.
El catálogo nacional: útil, con un buscador que no sirve para contar
El punto de entrada es el portal nacional de datos abiertos, datos.gob.ar. Está construido sobre CKAN, lo que significa que además de la web tiene una interfaz programable que podés consultar desde el navegador.
Consultando esa interfaz, el catálogo declaraba 1.271 conjuntos de datos publicados. Ese número es confiable, y lo verificamos de la única forma que corresponde: probando que el contador reacciona. Al filtrar por términos, baja —69 con «educacion», 128 con «salud»—, así que está contando de verdad y no devolviendo un tope fijo.
Pero acá aparece la primera trampa, y es importante. El buscador del catálogo es difuso, no exacto. Al consultar «universidad» devolvió 10 resultados, y entre ellos había «Aeródromos», «Expectativas de Inflación» y el «Índice de Confianza del Consumidor». Ninguno tiene que ver con universidades.
La consecuencia es concreta y afecta directamente a tu tesina: no podés escribir «hay 10 conjuntos de datos sobre universidades en el catálogo nacional», porque no es verdad. El buscador te devuelve coincidencias parciales de todo tipo. Los números que salen de un buscador difuso sirven para explorar, nunca para afirmar. Si vas a publicar una cifra sobre cuántos datasets hay de algo, tenés que revisarlos uno por uno.
Una base real que podés usar mañana
Para que esto no quede en abstracto, tomemos un caso concreto que abrimos entero. En el catálogo figura una base de graduados universitarios del sistema Araucano, con información sociolaboral de personas que egresaron de universidades argentinas. El archivo es un CSV de unos 36,4 MB y se descarga sin registro ni trámite.
Lo bajamos completo y lo contamos. Tiene 820.335 registros. Pero el dato interesante aparece cuando mirás la estructura: no son 820.335 personas.
| Lo que contamos | Resultado | Comprobación |
|---|---|---|
| Filas de datos | 820.335 | — |
| Personas distintas | 273.445 | 273.445 × 3 = 820.335 ✓ |
| Observaciones por persona | Exactamente 3 (2019, 2020 y 2021) | 273.445 en cada año ✓ |
| Egresados en 2016 | 71.627 | 71.627 + 92.191 + 109.627 = 273.445 ✓ |
| Egresados en 2017 | 92.191 | |
| Egresados en 2018 | 109.627 |
Es decir: es un panel. Sigue a las mismas 273.445 personas durante tres años consecutivos. Si trataras cada fila como una persona distinta —que es exactamente lo que hace quien no revisa la estructura— triplicarías tu población y todos tus porcentajes saldrían mal.
Fijate en las comprobaciones de la última columna. Ese es el hábito que conviene adoptar con cualquier base: reconciliar los totales por dos caminos distintos. Si las partes no suman el todo, entendiste mal la estructura, y es muchísimo mejor descubrirlo ahora que en la defensa.
La contradicción que no es una contradicción
Esta base trae una lección que se aplica a casi todos los datos oficiales. Su título dice que cubre el período 2016-2018. Su descripción dice que cubre el período 2019-2021. Parece un error de carga, y es la clase de cosa que hace desconfiar de una fuente entera.
No es un error: las dos cosas son ciertas y se refieren a columnas distintas. La base tiene un campo con el año de egreso —2016, 2017 y 2018— y otro con el año de observación sociolaboral —2019, 2020 y 2021—. El título describe a quiénes sigue; la descripción, cuándo los mira.
La moraleja es práctica: cuando los metadatos de un dataset parezcan contradecirse, abrí el archivo y mirá las columnas antes de descartarlo. Y cuando escribas tu tesina, aclará siempre a qué se refiere cada año que mencionás, porque este tipo de ambigüedad es lo que un jurado detecta enseguida.
El 41,6 % que cambia tu diseño de investigación
Ahora el tercer paso, el que casi nadie hace. La base tiene una columna de salario, que es justamente la que haría atractivo el dataset para una tesina sobre inserción laboral de graduados.
Contamos cuántos registros la tienen efectivamente cargada: 478.719 de 820.335 filas tienen salario, y 341.616 están vacías. Es decir, el 41,6 % no tiene el dato.
Eso no invalida la base —el campo tiene un motivo para estar vacío, porque no toda persona registra empleo asalariado formal en un año dado—, pero cambia por completo el diseño de tu investigación. Si tu pregunta era «cuánto ganan los graduados argentinos», con esta base solo podés responder «cuánto ganan los graduados argentinos que tienen empleo registrado», que es una pregunta distinta y mucho más acotada. Es perfectamente publicable, pero tenés que decirlo.
Descubrir esto en la etapa de plan te permite formular bien la pregunta. Descubrirlo cuando ya escribiste el capítulo de resultados te obliga a reescribirlo entero. Por eso el conteo de datos faltantes tiene que ser lo primero que hacés con cualquier base, y no un párrafo de limitaciones que agregás al final.
Vas a necesitar el diccionario de variables
Otra particularidad de los microdatos oficiales: las columnas vienen codificadas. En esta base los campos son identificadores numéricos —rama, disciplina, tipo de título, gestión, género, región—, así que una fila es una hilera de números que no significan nada sin la tabla de equivalencias.
Esa tabla se llama diccionario de variables o diseño de registro, y se publica como archivo aparte. Sin el diccionario, los microdatos son ilegibles: descargalo en el mismo momento que la base y guardalo junto a ella.
Vale una advertencia acá. Al intentar abrir el documento de metodología de esta base, el servidor respondió con un error de permisos, aunque devolvió casi 70 KB de contenido: bytes que no eran el PDF, sino una página de error. Es un recordatorio incómodo pero útil de que a veces la documentación es más difícil de conseguir que los datos, y de que el tamaño de una descarga no prueba que hayas descargado lo que pediste.
Las fuentes que no se abren (y qué hacer entonces)
Parte del trabajo honesto de una tesina con datos secundarios es documentar lo que no funcionó. Esto es lo que encontramos al consultar las fuentes habituales:
| Fuente | Qué pasó | Qué significa para vos |
|---|---|---|
| Catálogo nacional de datos abiertos | Responde bien; buscador difuso | Usalo para explorar, no para contar |
| Portal web del organismo nacional de estadística | Todas las direcciones devuelven el mismo menú de navegación | El sitio no entrega contenido a una descarga automática; hay que navegarlo a mano |
| API de estadísticas del banco central | Las versiones 1 y 2 responden «método deprecado»; las siguientes, no encontrado | Verificá la versión vigente antes de citar un endpoint |
| Sistema de información jurídica nacional | Acceso denegado | Buscá la norma por otra vía |
| Buscador de jurisprudencia de la Corte Suprema | Error del servidor | No confíes en que estará disponible el día que lo necesites |
La fila más instructiva es la segunda. Ese portal responde correctamente a cada dirección que le pidas, con una página que parece contenido. Pero al comparar tres direcciones distintas, las tres devolvían exactamente la misma cantidad de texto, y ese texto era el menú del sitio. Cuando dos direcciones distintas te dan idénticamente lo mismo, no estás leyendo contenido: estás leyendo la cáscara.
Si te topás con algo así, la salida suele ser buscar el archivo descargable directo en lugar de la página que lo presenta, o consultar si el organismo publica sus datos también en el catálogo nacional.
Cómo dejar asentado todo esto en tu tesina
Los datos secundarios exigen una sección propia en tu capítulo metodológico. Lo mínimo que tiene que constar:
- Qué base usaste, quién la publica y con qué licencia.
- Cuándo la descargaste. Los portales actualizan y reemplazan archivos sin avisar; la fecha hace que tu trabajo sea reproducible.
- Cuántos registros tiene y cuántas unidades reales representan, si no coinciden.
- Cuántos datos faltantes hay en las variables que usás, en porcentaje.
- Qué transformaciones aplicaste y qué casos excluiste, con el criterio explícito.
Y un detalle que sorprende: esta base de graduados universitarios no está publicada por un organismo educativo, sino por una secretaría del área productiva. Los datos de tu tema no siempre viven donde esperás. Si buscás datos educativos solo en organismos educativos, vas a perder la mitad de lo disponible.
Por dónde seguir
Verificar la fuente antes de comprometerte es parte de la etapa del plan; cómo se arma y qué evalúa el comité está en plan de tesis: cómo se arma y cómo se aprueba en Argentina. Si estás decidiendo con qué lente vas a interpretar esos datos, mirá qué modelo teórico con nombre propio conviene según tu carrera. Y el recorrido completo del trabajo, del tema a la defensa, está en cómo hacer una tesina de licenciatura en Argentina.
Con la base ya verificada, podés armar gratis la estructura de tu tesina y dejar el capítulo metodológico listo para completar con lo que encontraste.
Preguntas frecuentes
¿Usar datos secundarios vale menos que hacer trabajo de campo?
No. El análisis secundario es una estrategia metodológica legítima y muy usada. Lo que se evalúa es la pertinencia de la base para tu pregunta y el rigor con que la tratás, no si los datos los generaste vos.
¿Tengo que pedir permiso para usar datos abiertos?
Los datos publicados como abiertos se pueden reutilizar según la licencia que declare el conjunto. Revisá siempre la licencia del dataset y citá la fuente como corresponde.
¿Qué hago si la base tiene muchos datos faltantes?
Primero, cuantificalos y reportalos. Después decidí y justificá tu estrategia: analizar solo casos completos, acotar la pregunta a la subpoblación con dato, o aplicar alguna técnica de imputación si tu formación lo permite. Lo que nunca corresponde es ignorarlos en silencio.
¿Cómo cito una base de datos en la bibliografía?
Necesitás el organismo responsable, el título exacto del conjunto, el año de la versión, la dirección de descarga y la fecha en que accediste. Ese último dato es el que más se olvida y el que hace verificable tu trabajo.
¿Puedo combinar dos bases oficiales distintas?
Podés, si tienen una unidad de análisis compatible y alguna variable que permita vincularlas. Es más difícil de lo que parece: verificá que ambas definan las categorías de la misma manera y en el mismo período, porque definiciones que cambian entre organismos son la causa más común de cruces mal hechos.