El domingo se vota en Santa Fe con boleta única de papel.
Faltan tres semanas para votar y, cuando el resultado en Santa Fe parece abierto, la participación deja de ser un dato de color para convertirse en una variable estratégica. En Doxa Data reconstruimos una década de elecciones por departamento (2013–2023) y la cruzamos con dos indicadores del censo 2022 del INDEC: pobreza estructural y clima educativo del hogar.
Registrate para continuar leyendo y disfrutando de más contenidos de LETRA P.
La foto que devuelven los datos confirma intuiciones, desarma mitos y, sobre todo, señala dónde hay que actuar para recuperar votantes.
Geografía electoral: una tendencia territorial persistente
El estudio de la participación electoral y los factores que la motivan o desalientan han sido objeto de múltiples trabajos. En este análisis nos quedamos exclusivamente con variables estructurales: factores estables en el tiempo, que tienen una incidencia diferente en las distintas regiones de la provincia y que explican, parcialmente, los mayores o menores niveles de participación en elecciones nacionales.
Al observar el mapa por año (2013, 2015, 2017, 2019, 2021 y 2023) se identifica un gradiente territorial que se repite: el sur y el corredor centro-sur (San Lorenzo, Belgrano, Constitución, Caseros, San Martín, Castellanos, Iriondo, Las Colonias) sostienen niveles históricamente altos de participación mientras que la franja norte y costera (Vera, San Javier, 9 de Julio, Garay, San Cristóbal) se mueve en un escalón más bajo y estable. En el medio aparecen dos actores que rompen la linealidad: Rosario y La Capital, que combinan nivel medio de participación con alta volatilidad entre elecciones.
G1xZYdgWsAAHgUC
Participación electoral en Santa Fe.
La década que movió el tablero
Si miramos la variación entre 2013 y 2023 la mitad de los departamentos cae entre −3 y −5 puntos porcentuales. El caso más crítico es La Capital (≈ −6,8 p.p.), que además protagoniza la caída más visible del bienio pospandemia. También los departamentos Belgrano y San Lorenzo tienen comportamiento atípico y rompen la inercia del sur: registran descensos por encima del promedio, señal de que la geografía por sí sola no explica la dinámica reciente.
Del otro lado, el norte —que parte de niveles históricamente más bajos— cae menos que el promedio. ¿Quiere decir que mejoró? No necesariamente: nos recuerda que la base desde la que se cae o se recupera no es la misma y que el “techo” del sur convive con fatigas políticas y descontentos que pueden erosionar el comportamiento de largo plazo.
Clima educativo y participación electoral
Buscando identificar qué variables estructurales afectan el porcentaje de ciudadanos que concurren a votar recurrimos a datos públicos relevados por el INDEC en el censo 2022: cruzamos la evolución de la participación con el clima educativo del hogar (0 = muy bajo; 50 = muy alto). El resultado es consistente: a mayor clima educativo, menor caída de la participación en la década analizada. ¿Qué hay detrás? Capital cívico: hogares con mayor exposición informativa, vínculos comunitarios, redes sociales más densas y mejores herramientas para sortear barreras que desalientan la asistencia al local de votación.
Los nombres propios confirman la hipótesis: Castellanos y Caseros —clima alto— tienen caídas mínimas; mientras que departamentos como San Javier y Garay —clima bajo— concentran las caídas más profundas. Vera, con clima bajo, es la excepción virtuosa: si bien retrocede el porcentaje, la caída esta contenida y es menos intensa que la esperable por el nivel educativo promedio de sus hogares.
3. Clima educativo y participación: tomamos datos del @INDECArgentina recolectados en el #Censo2022 y comparamos con la evolución de la participación. El clima educativo oscila entre 0 (muy bajo) y 50 (muy alto). - Hogares con menor clima educativo registran menor % de… pic.twitter.com/PPkPXSNsrG
Pobreza y educación: variables asociadas y de influencia en la participación
Cuando sumamos a la pobreza estructural el clima educativo, y se colorea cada departamento según la caída 2013/2023, aparece un escenario bivariado muy claro:
• Menos pobreza + mejor clima explica menores caídas (Las Colonias, Castellanos, Caseros, Iriondo, Constitución).
• Más pobreza + peor clima educativo permite inferir caídas altas y, en el extremo, muy altas (San Javier).
También aparecen casos atípicos que exigen atención. La Capital combina pobreza media y clima educativo alto, pero aun así exhibe una caída marcada. Allí los factores estructurales no alcanzan para explicar el retroceso: pesan motivaciones coyunturales, la atracción y diversidad de la oferta política y una menor eficacia de la movilización territorial.
Cuando estimamos un modelo conjunto y robusto, pobreza y clima educativo mantienen el signo esperado y explican alrededor del 40% de la variación entre departamentos.
Conclusiones sobre la participación en Santa Fe
Los datos sostienen tres conclusiones técnicas. Primero, la participación en Santa Fe muestra un patrón territorial persistente: un gradiente norte–sur y dos polos urbanos con alta variación intertemporal. Ese patrón no se desdibuja en la década, pero sí se reconfigura en la magnitud de las caídas.
Segundo, las variables estructurales explican una fracción relevante, pero acotada del fenómeno. El clima educativo se asocia de manera positiva con la estabilidad de la participación y la pobreza estructural tiene relación inversa. En un modelo conjunto y robusto, ambas mantienen signo y contribución y alcanzan alrededor del 40% de la variación entre departamentos. La presencia de atípicos consistentes (La Capital, San Javier, Vera) indica que la estructura no agota la explicación y que existen componentes contextuales detectables en los datos (choques de ciclo, oferta y competencia, fricciones operativas) que quedan capturados en el 60% restante.
Tercero, la evidencia es consistente en una década completa y converge en una idea simple: la geografía social condiciona, pero no determina; la participación provincial combina una base estructural persistente con variaciones coyunturales que la estadística identifica y que permiten comprender por qué algunas curvas resisten, otras ceden y algunas rompen el molde.