X Censo Nacional de Población y VI de Vivienda 2011

Para el procesamiento de datos censales se utilizó el método de escaneo o reconocimiento óptico. En primer lugar se procesaron todas las boletas recopiladas en campo durante la semana censal, inclusive las boletas de viviendas que quedaron como pendientes (en esta parte del procesamiento estas viviendas quedaron debidamente identificadas como pendientes) y las boletas de operativos especiales (que se integraron a tiempo al procesamiento). Posteriormente se llevó a cabo el procesamiento de las boletas censales de las viviendas pendientes recuperadas que se entregaron tiempo después de haber iniciado el procesamiento.

Los subprocesos desarrollados durante el procesamiento de los datos son los siguientes:

• Preparación del Material Censal: En este proceso se revisó que las boletas de los cartapacios de las cajas del Lote en cuestión, estuvieran en condiciones de ser procesadas por los escáneres. En caso de haber inconsistencias se documentaban los errores encontrados y se entregaban a la gestión de excepciones donde personal del INEC procedía a su respectiva corrección, devolviendo material censal compatible con las exigencias para el procesamiento.

• Digitalización de las Boletas Censales: Esta operación se realizó con escáner de alta velocidad y alimentación autor nautica.La digitalización se hizo siempre por Lote, que era la unidad de trabajo. De esta forma este módulo recibía información de contexto y podía consultar acerca de las propiedades de cada Cartapacio a ser escaneado, a partir de su Hoja Conductora o Caratula.

• Reconocimiento Óptico: Este proceso consistió en el reconocimiento automático del contenido escrito en las boletas, a partir de la interpretación de las imágenes. En esta etapa también se realizaron operaciones de mejora de la calidad de la imagen (previa a su procesamiento) y de generación de nuevas imágenes mejoradas. En este proceso intervienen dos etapas complementarias: Reconstrucción de Textos y Digitación Manual. En la primera, se aplicó la mejora de la interpretación de los textos, utilizando diccionarios especializados y algoritmos que intentaban reconstruir palabras parcialmente reconocidas. En la segunda etapa, lo que no pudo ser interpretado automáticamente se digitó en forma manual desde la imagen o desde el papel.

• Verificación y Control de Calidad: La etapa de verificación y corrección fue interactiva, con presencia de un operador en un puesto de trabajo donde el software usado enviaba aquellos campos cuyo reconocimiento automático no habían alcanzado el nivel de confianza deseado, con el fin de que éste fuera verificado manualmente por un operador y corregido en tiempo real mediante digitación en caso de tener error de interpretación automática. Las reglas lógicas de consistencia eran analizadas y determinadas por el equipo del INEC y valoradas por el equipo técnico de la empresa contratada.

• Codificación Automática y Asistida: Se codificaron las variables económicas de Ocupación y Actividad Económica; así como de las variables Geográficas de Provincia y Cantón. En este proceso el INEC tuvo una participación activa como contraparte en el proceso, con la finalidad de garantizar el desarrollo adecuado del mismo. Cabe destacar que este proceso de codificación fue el primero, a nivel nacional, en utilizar los nuevos clasificadores nacionales Clasificador de Ocupaciones de Costa Rica 2011 (COCR-2011) y Clasificación de Actividades Económicas de Costa Rica 2011(CAECR-2011). Los textos que no pudieron ser codificados automáticamente, fueron codificados por un operador de manera interactiva, a esto se le llamó codificación asistida. Esta tarea fue realizada por operadores especializados en codificación y debidamente capacitados, específicamente en los criterios a ser aplicados para este caso.

• Generación de la Base de Datos Censal: Para este proceso el sistema utilizó un módulo automático de integración de información, generada por diferentes etapas y personas, y provenientes de un mismo Lote. Seguidamente, se generó en forma estándar un archivo en formato ASCII de tipo rectangular, a razón de una línea por Boleta completa, y, donde los campos eran exactamente los campos definidos en el proceso de reconocimiento de la boleta. Asimismo, se generaron archivos en formato CSPro, de acuerdo con el diccionario CSPro establecido de común acuerdo con el INEC.

• Aplicación del Sistema de Transformación: Este sistema tiene la funcionalidad de cambiarle la estructura original a los archivos CSPRO para adaptarlos a la estructura del diccionario de procesamiento del INEC.

• Aplicación del Sistema de Cobertura: Este sistema se aplica a los archivos transformados y consiste en la ejecución de una serie de rutinas que permiten obtener datos sobre el total de AE, UGM, viviendas, hogares y personas procesadas, realiza una comparación con los datos de archivos externos que contienen datos de cobertura preliminar y de esta manera determina diferencias entre los datos esperados y los datos recibidos.

• Unificación de Archivos por Cantón: consiste en unificar los registros de un mismo Cantón en un único archivo CSPRO. Los archivos que se procesaron en los pasos anteriores contenían información por Lote.

• Aplicación del Sistema de Estructura: Este sistema implica la ejecución de rutinas que permiten detectar las inconsistencias en los datos y validar la consistencia estructural de los archivos CSPRO, por Cantón, es decir, que las viviendas individuales ocupadas contaran con un único registro de vivienda, uno o varios registros de hogar, de acuerdo al número de hogar y registros de población, que hubiera un solo jefe y que este correspondiera a la primera persona del hogar con edad mayor o igual a 14 años, así como otra serie de reglas de consistencia que debían cumplir estos archivos; el sistema generaba un archivo donde se indicaban las inconsistencias encontradas.

• Aplicación del Sistema de Imputación de Vivienda y Población: El proceso de imputación estadística es una de las estrategias para el manejo de datos faltantes y está íntimamente ligado al concepto de crítica estadística. Para tales efectos se creó un documento de imputación, desarrollado por personal de la Unidad de Diseño, Análisis y Procesamiento y validado por el técnico en informática encargado de desarrollar el sistema. En este documento se identificaron todas las posibles inconsistencias que se podían presentar y se indicaba las reglas de imputación que se debían aplicar en cada caso.

• Unificación de Archivos por País: consiste en unificar todos los registros de los archivos por Cantón en un único archivo CSPRO, correspondiente a la base de datos completa del Censo Nacional (todo el país). Esto se hizo mediante una concatenación de archivos con el utilitario que provee CSPRO para tales propósitos.