Planómetro 2026
Planómetro 2026
En estas elecciones existen muchos candidatos, muchas promesas y muy poco tiempo para leer los planes de gobierno completos. En este sitio hemos convertido los documentos largos en un conjunto de visualizaciones para identificar similitudes y diferencias entre planes, y así ayudarte a elegir con mayor conocimiento.
Cantidad y concreción
En esta vista comparamos cuántos enunciados programáticos detectó el extractor en cada plan y qué nivel de concreción promedio alcanzan. La lectura conjunta permite distinguir entre planes extensos y planes realmente utilizables, sin confundir volumen con capacidad de ejecución.
Fuerza y Libertad e Integridad Democrática concentran el mayor volumen de propuestas. Aun así, el liderazgo en cantidad no coincide necesariamente con la mayor concreción promedio, que aquí destaca en Partido Democrático Federal.
La relación entre cantidad y concreción es débil: acumular más propuestas no garantiza un plan más claro y, en varios casos, el volumen alto convive con niveles medios o bajos de definición operativa.
Agenda
Después del volumen, esta sección mira en qué temas insiste cada partido y dónde se concentra la atención programática. La comparación combina peso promedio, mezcla temática por partido y repetición de tópicos para entender cómo se reparte la agenda de campaña.
Corrupción, institucionalidad y economía son los temas con mayor peso en los planes: 16,1%, 14,8% y 14,1%, respectivamente.
La combinación temática cambia según partido: Perú Acción concentra su mayor énfasis en economía (66,7% de su agenda).
El tópico más repetido es “Salud y atención de calidad”, con 890 propuestas dominantes y presencia en 33 partidos.
Similitud
Aquí comparamos lenguaje y contenido entre 12 candidaturas con mayor visibilidad pública para detectar cercanías reales y zonas de diferenciación. La sección combina similitud global, mapa semántico y red temática para ver no solo quiénes se parecen, sino también en qué tipo de propuestas aparece esa cercanía.
Entre estas 12 candidaturas, la mayor cercanía aparece entre Fuerza Popular y Integridad Democrática, con una similitud de 0.86 en una escala de 0 (similitud nula) al 1 (similitud total).
En el mapa semántico, cada punto alude a una propuesta. Perú Primero, el grupo de puntos rojos en el cuadrante superior izquierdo, aparece entre los perfiles más alejados, lo que sugiere una agenda más diferenciada del resto.
Estas redes comparan afinidades temáticas en Salud, Empleo, Ambiente, Corrupción, Institucionalidad, Economía, Educación, Seguridad. Los enlaces más marcados muestran dónde dos candidaturas se parecen más dentro de un mismo tema.
Concreción
Con el panorama comparativo claro, esta sección aterriza en la concreción operativa de las propuestas. Aquí observamos tanto el puntaje promedio de concreción como los componentes que lo sostienen, para ver si esa concreción es general o solo parcial dentro de cada plan.
Partido Democrático Federal aparece como uno de los partidos que ponen medidas más concretas, mientras que Perú Libre se ubica en el extremo opuesto.
El componente más presente es tipo de intervención, mientras que el más rezagado es horizonte temporal.
Cobertura
No basta con proponer mucho: también importa a quiénes y a qué territorios está llegando el plan. Esta sección combina vacíos agregados, cobertura por grupos poblacionales y cobertura por tipo de territorio para distinguir agendas amplias de agendas más sesgadas.
Perú Acción es el partido que acumula más vacíos de cobertura en esta lectura, lo que indica una agenda menos equilibrada entre grupos y territorios.
La cobertura poblacional se concentra más en mype y empresas, lo que ayuda a identificar qué grupos reciben mayor atención comparada en los planes.
La atención territorial se concentra más en nacional, una señal útil para ver si los planes amplían o estrechan su mirada del país.
Viabilidad fiscal
Este bloque compara dos señales sencillas. La primera resume qué tan respaldadas aparecen, en promedio, las propuestas de cada partido. La segunda muestra qué proporción de sus propuestas alcanza un buen nivel de respaldo fiscal. Juntas permiten ver no solo el promedio, sino también cuán consistente es ese respaldo dentro del plan.
Partido Democrático Federal, Avanza País y Libertad Popular aparecen mejor posicionados porque reúnen una mayor proporción de propuestas con buen respaldo y, al mismo tiempo, mantienen un respaldo fiscal promedio alto.
Fuerza y Libertad concentra más propuestas con costo o monto mencionado pero sin una fuente explícita de financiamiento, un foco de riesgo para la factibilidad del plan.
Contraste con datos oficiales
Aquí contrastamos los planes con indicadores oficiales para evaluar qué tan conectados están con brechas reales del país. La lectura combina alineación general, comportamiento por eje y uso de indicadores concretos para sostener el contraste externo.
Perú Primero aparece como el partido con mayor conexión con las brechas oficiales utilizadas en esta comparación, lo que indica una agenda más cercana a problemas medibles del país.
En promedio, el eje con mayor conexión con datos oficiales es educación, aunque la intensidad de esa conexión cambia bastante entre partidos.
El indicador más usado en este contraste es IPC Lima Metropolitana (var. % mensual), lo que muestra qué evidencia externa está sosteniendo con más fuerza la comparación entre planes.
Seguimiento
Este módulo traduce promesas en seguimiento: qué tan monitoreable es cada plan durante el ciclo de gobierno. La idea es pasar del discurso al control ciudadano, viendo cuánto se puede medir, con qué calidad y con qué secuencia temporal.
Perú Primero es el partido con mayor proporción de propuestas traducibles en indicadores verificables, una ventaja para el seguimiento ciudadano.
En el conjunto de partidos predominan los indicadores de calidad baja, lo que ayuda a distinguir entre capacidad de seguimiento básica y seguimiento más sólido.
El tema donde una mayor proporción de propuestas se puede monitorear es social, lo que ayuda a ver dónde el seguimiento ciudadano tiene mejores condiciones.
Implementabilidad
Aquí usamos un modelo para estimar qué tan implementables parecen las propuestas. La idea no es reemplazar la lectura del plan, sino mostrar qué rasgos suelen acompañar propuestas más fáciles de ejecutar, qué tan cerca queda la estimación de lo observado y dónde el modelo se equivoca más.
La variable que más pesa en la implementabilidad es Lenguaje vago, por encima del resto de atributos evaluados por el modelo.
El ajuste general del modelo muestra una distancia media de 1,6 puntos entre el valor observado y el predicho, suficiente para leer patrones pero no como una verdad exacta para cada propuesta.
El factor que más mueve la predicción cuando cambia su valor es Menciona fuente de financiamiento, una pista clara sobre qué rasgo altera más la implementabilidad esperada.
Perú Libre es el partido donde el modelo se equivoca más en promedio, una señal de que su perfil combina rasgos menos previsibles que el resto.
Métodos
Aquí reunimos las distintas herramientas de análisis de texto que se aplicaron a los planes de gobierno presentados ante el Jurado Nacional de Elecciones. Debajo encontrarás qué se hizo, con qué enfoque y cómo conviene interpretar cada resultado.
Procesamiento
El trabajo se desarrolló en R usando Positron como entorno principal. La preparación y estructuración se apoyó sobre todo en fs, readr, stringr, stringi, dplyr, tidyr y arrow; la parte analítica combinó extracción de texto, reglas lingüísticas, modelado temático, reducción de dimensión, redes, contraste con indicadores oficiales, seguimiento e implementabilidad.
- Preparación y limpieza: normalización de texto, control de codificación, ordenamiento documental y copia de trabajo dentro del proyecto para no tocar los archivos originales.
- Extracción de propuestas: segmentación por secciones, oraciones y listas con verbos de acción pública.
- Clasificación: asignación de eje temático, tipo de intervención y variables como meta numérica, plazo, población objetivo, territorio, costo, fuente y evidencia.
- Análisis comparativo: conteo, similitud semántica, tópicos, cobertura, viabilidad fiscal, contraste con datos oficiales, seguimiento e implementabilidad.
Se han detectado 4,084 enunciados y, a partir de ellos, se ha encontrado un subconjunto de 2,742 propuestas operativas, entendidas como formulaciones con una señal clara de acción, meta o plazo. Como marco general del análisis automático de texto y de sus etapas de validación, seguimos el enfoque text as data (Grimmer y Stewart, 2013).
Cantidad y concreción
En esta sección contamos cuántas propuestas quedaron extraídas por partido y calculamos su claridad promedio.
La claridad o concreción se resume en una escala de 0 a 100. Ese puntaje suma cuando una propuesta tiene meta numérica, horizonte temporal, tipo de intervención, población objetivo, territorio, mención de costo o fuente y evidencia; también descuenta cuando el lenguaje es demasiado vago. El procesamiento se hizo con dplyr, stringr y arrow, siguiendo trabajos sobre especificidad de promesas y ambigüedad programática (Ntounias, Schneider y Thomson, 2024).
Agenda
Aquí miramos en qué temas se concentra cada plan. Para eso usamos el eje temático original extraído de cada propuesta y, además, un modelo STM para resumir tópicos dominantes que se repiten entre partidos.
La clasificación temática combina diccionarios y reglas sobre el texto de las propuestas. El modelado de tópicos usa stm; la preparación textual se apoyó en tokenizers, stopwords y tidytext. No hay cambio de escala complejo: las barras y mapas de color trabajan con participaciones porcentuales dentro del total de propuestas.
Como respaldo metodológico, esta parte se apoya en el modelo STM y su implementación en R (Roberts, Stewart y Tingley, 2019).
Similitud
La sección de similitud compara lenguaje y contenido entre candidaturas. Se usan tres vistas: una matriz de similitud entre partidos, un mapa semántico de propuestas y una red por tema para ver afinidades específicas.
La similitud global se calcula con vectores textuales y distancia coseno; el mapa semántico usa reducción de dimensión con uwot; y la red temática resume vínculos fuertes por eje. En la matriz, la escala va de 0 a 1: 0 significa muy poca semejanza y 1 significa una cercanía casi total.
La proyección semántica se inspira en métodos recientes para medir similitud textual y reducir espacios complejos a dos dimensiones sin perder estructura general (McInnes et al., 2018; Luo, 2025).
Concreción
La concreción se observa de dos maneras: el promedio por partido y la composición interna de ese puntaje. Así podemos ver no solo quién parece más concreto, sino de qué está hecha esa concreción.
Las cuatro piezas que hoy se muestran en el mapa de color son: costo o financiamiento, horizonte temporal, tipo de intervención y meta cuantitativa. La escala va de 0 a 100 para el puntaje general, y de 0% a 100% para la presencia de cada componente. Todo se resume con dplyr y se visualiza con plotly, siguiendo literatura sobre promesas verificables y ambigüedad programática (Vestergaard, 2025a).
Cobertura
En cobertura revisamos a quiénes les hablan los planes y qué territorios reciben atención. Para eso se detectan menciones a grupos poblacionales y espacios territoriales mediante reglas sobre el texto.
Las categorías se normalizaron para que se pueda leer etiquetas simples como Adulto mayor, MYPE y empresas o Regiones y provincias. Los mapas de color muestran proporciones dentro del plan: tonos más intensos significan mayor presencia de propuestas dirigidas a ese grupo o territorio. Este tipo de medición de atención política en texto sigue recomendaciones de validación conceptual y uso de diccionarios (Wilkerson y Casas, 2017).
Viabilidad fiscal
La viabilidad fiscal cruza dos señales. La primera resume el respaldo fiscal promedio de las propuestas de un partido. La segunda mide qué proporción de esas propuestas tiene un buen nivel de sustento.
El puntaje fiscal se construyó con reglas reproducibles sobre presencia de costo, monto, fuente de financiamiento, plazo, meta y anclaje macrofiscal. Aquí usamos dplyr, stringr y archivos derivados del bloque de diagnóstico fiscal. La lectura es descriptiva: no reemplaza una evaluación presupuestal del Ministerio de Economía y Finanzas, pero sí se apoya en enfoques de minería de texto para documentos con contenido fiscal y financiero (Zhang et al., 2024).
Contraste con datos oficiales
En esta parte se compara cada propuesta con indicadores externos para ver qué tan conectada está con brechas reales del país. La referencia se armó con series oficiales y se cruza con las propuestas mediante reglas de tema, palabras clave y metas cuantitativas detectadas en el texto.
El bloque usa principalmente arrow, dplyr, tidyr, stringr y readr. La escala de conexión va de 0 a 100: valores más altos indican una relación más clara entre propuesta, dirección de cambio, meta y dato oficial. La lógica de cruce entre textos de política e indicadores externos se apoya en desarrollos recientes de text-as-data para entender diseño de política pública (Sewerin et al., 2023).
Seguimiento
Esta sección traduce propuestas en posibilidades de seguimiento ciudadano. A partir del mismo cruce con indicadores oficiales se estima qué parte del plan puede monitorearse, con qué calidad y en qué temas hay mejores condiciones de control.
Se construyó un tracker con ventanas 2026–2031, hitos intermedios y un puntaje de verificabilidad. Ese puntaje pondera si la propuesta tiene meta, plazo, indicador asociado, fuente y suficiente claridad operativa. Los porcentajes que se ven en esta sección siempre se leen entre 0% y 100%, en línea con trabajos recientes sobre monitoreo digital de programas públicos (Uandykova et al., 2025).
Implementabilidad
Aquí usamos un modelo BART, sigla de Bayesian Additive Regression Trees, para resumir qué factores suelen acompañar propuestas más implementables. El objetivo no es predecir el futuro político, sino identificar patrones que ayudan a explicar por qué algunas propuestas parecen más ejecutables que otras.
El modelo se estimó con dbarts y se alimentó con variables del resto del pipeline: concreción, viabilidad fiscal, contraste externo, seguimiento, tipo de intervención, lenguaje vago y confianza temática. La salida se muestra en escala de 0 a 100 y debe leerse como evidencia descriptiva, no causal.
La base estadística de este enfoque de análisis de texto ha sido revisada y tiene múltiples aplicaciones (Chipman, George y McCulloch, 2010; Hill, Linero y Murray, 2020). Para replicar este análisis el paquete en R es dbarts.