Arquitectura de Scoring y Datos

Capa 1 — Datos Crudos (Ingesta)

Datos institucionales almacenados por país y por fuente en una tabla de datos crudos. Cada registro lleva el nombre de la fuente, código de indicador, año y valor crudo. Las fuentes van desde accesibles por API (World Bank, Open-Meteo) hasta seeded manualmente desde reportes publicados (IMD, InterNations, Pew, PISA).

Capa 2 — Scores Normalizados (Transformación)

Todos los valores crudos convertidos a escala 0-100 vía normalización min-max contra el dataset de 60 países, donde mayor siempre significa mejor. Las inversiones ocurren en el momento de normalización — los scores crudos del GPI van de 1.0-3.5 (menor = más pacífico), invertidos a 0-100 (mayor = más pacífico). Los límites min-max se almacenan en una tabla de parámetros y se recalculan cuando se agregan países. Output almacenado en una tabla de scores normalizados.

Capa 3 — Compuesto (Client-Side)

Suma ponderada computada enteramente en el navegador. Los usuarios definen sliders 0-100 por dimensión. Los pesos se normalizan internamente para sumar 1.0. Slider en 0 excluye la dimensión; los pesos restantes se re-normalizan. Todos los sliders en 0 dispara un estado de error. Dimensiones NULL excluidas del compuesto con re-normalización automática.

Decisión: Todo el scoring es client-side. El volumen de datos es 60 × 10 = 600 scores — cabe en un solo payload JSON pequeño. Se carga una vez al abrir la página desde una materialised view. Se recomputa en cada cambio de slider con cero round-trips al API. Esta decisión arquitectónica hace que el re-ranking en tiempo real sea gratis.

Healthcare (V2) — Fórmula de Tres Pilares

healthcare = weighted_blend(UHC, HAQ, capacity)

capacity = weighted_blend(physicians_norm, beds_norm, nurses_norm)

• ◆ ¿Existe el sistema? → WHO Universal Health Coverage Service Coverage Index
• ◆ ¿Produce buenos resultados? → IHME GBD Healthcare Access & Quality Index (mortalidad evitable en 32 causas)
• ◆ ¿Tiene recursos estructurales? → OECD/WHO médicos, camas hospitalarias, enfermeros por cada 1,000 habitantes

Decisión de producto: Esta fórmula pasó por 3 iteraciones. La versión solo-UHC ubicó a EE.UU. en el #1 (score UHC 90 — los servicios existen, pero el acceso requiere seguro). Agregar OOP% no lo arregló (11% de $4.5T = $1,472/persona, pero 11% se ve engañosamente barato como porcentaje). La fórmula de tres pilares diferencia correctamente: que los servicios existan (UHC) ≠ que los resultados sean buenos (HAQ) ≠ que los recursos sean suficientes (capacity). Si los datos de HAQ o capacity son NULL, la fórmula cae gracefully — los pilares restantes absorben el peso.

Civic Culture — Dos Capas: Gobernanza + Seguridad Callejera

civic_culture = weighted_blend(governance, street_safety)  — con peso mayor en gobernanza

governance = weighted_blend(WGI_rule_of_law, WGI_corruption_control)

street_safety = 100 − numbeo_crime_index

• ◆ Calidad institucional → World Bank Worldwide Governance Indicators (construidos a partir de 35 fuentes de datos cross-country — encuestas, evaluaciones de expertos, reportes de ONGs). Rule of Law mide cumplimiento de contratos, derechos de propiedad, calidad de policía/tribunales. Corruption Control mide el ejercicio del poder público para beneficio privado.
• ◆ Seguridad vivida → Numbeo Crime Index (gratuito, scrapeado). Captura la experiencia cotidiana de seguridad personal en espacios públicos que el lente institucional de WGI no alcanza.

Decisión: La ponderación con mayor peso en gobernanza refleja que la calidad de gobernanza institucional es una señal más profunda y duradera que la percepción de crimen callejero (que puede cambiar con un solo incidente de alto perfil). Pero un país con excelentes instituciones y alto crimen callejero no debería puntuar tan bien como uno donde ambas capas están alineadas.

Clima — Perfiles Discretos con Parámetros Calibrados

climate = f(avg_temp, rain_days, sunshine_hours, profile_params)

Cinco perfiles — Cálido y Soleado, Caliente y Tropical, Templado y Verde, Frío y Seco, Sin Preferencia — cada uno con una temperatura de referencia, una curva de penalización por desviación, un umbral de lluvia y un umbral de sol distintos. Los perfiles están calibrados para que los multiplicadores de penalización se ajusten a la tolerancia real del usuario: un perfil tropical tolera alta pluviosidad con penalización mínima, mientras que un perfil soleado penaliza fuertemente la misma pluviosidad.

Decisión de producto: Perfiles discretos en lugar de sliders continuos. A un usuario tropical genuinamente no le importan 200+ días de lluvia — el perfil penaliza solo 5 puntos. Un usuario cálido-y-soleado pierde 15 puntos por la misma cantidad de lluvia. Esta asimetría codifica conocimiento de dominio. Un slider continuo con un solo multiplicador de penalización no puede capturarla. Los componentes crudos del clima se almacenan en la base de datos; los perfiles se aplican enteramente client-side sin queries adicionales.