Preguntas Frecuentes

Lo más probable es que su institución esté bloqueando internamente la IP 23.185.0.1.

Con ello estarán bloqueando no sólo UniversiDATA, sino algo más de 40.000 webs lícitas de distintas organizaciones que comparten esa misma IP (por poner un ejemplo, la universidad de Harvard - harvard.edu - ), al ser todos clientes del mismo proveedor de hosting.

Cuando esto ocurre el motivo suele ser que esa IP ha aparecido temporalmente en alguna "lista negra" de envío de spam, y hay sistemas de seguridad de algunas Universidades que cuando detectan esto, bloquean automáticamente la IP. En ese caso es necesario que los administradores de red habiliten manualmente una excepción para permitir el acceso a la IP 23.185.0.1 .

La frecuencia de actualización es uno los metadatos publicados en la página de cada dataset. En el portal de documentación del Núcleo Común se incluye además, en la descripción detallada de cada dataset, el periodo concreto de actualización (el mes concreto, por ejemplo, si se trata de frecuencia anual), y adicionalmente, publicamos un calendario que se actualiza cada mes y que muestra visualmente las actualizaciones que van a tener lugar en los próximos 12 meses.

El comentario está seguramente a la espera de ser revisado por los moderadores; para facilitar la participación al máximo, en UniversiDATA se permiten los comentarios anónimos. Esto implica que todos los comentarios deban ser moderados, es decir, revisados y autorizados explícitamente por un administrador, para evitar el abuso de esta funcionalidad con fines ajenos al portal y a sus usuarios legítimos. Tras enviar su comentario (botón "Guardar"), ud. ha debido ver un mensaje como el siguiente:

Habitualmente, durante horario de oficina y dependiendo del volumen, los comentarios son revisados y, en su caso, publicados antes de una hora desde su envío. Si ud. no ve publicado su comentario en un plazo razonable puede ponerse en contacto con nosotros para que analicemos el motivo.

El proceso de anonimización está descrito en esta página. Para entender el impacto concreto del proceso en un dataset determinado debe conocer dos datos clave respecto a las columnas/variables del dataset:

1. Cuáles son las variables pivote en ese dataset
2. Cuáles son los bloques de coherencia en ese dataset

Esa información se muestra en el apartado 4 (Anonimización del dataset) de la definición de cualquier dataset anonimizado (ejemplo), como se muestra en la siguiente captura (resaltado en rojo), obtenida de la definición del dataset de personal PAS:

Las reglas a tener en cuenta para interpretar correctamente los datos de una fila determinada son las siguientes:

• Para una fila, el dato en cualquier variable pertenece al mismo individuo que los datos en las variables pivote
• Para una fila, los datos en variables que pertenezcan al mismo bloque de coherencia se garantiza que pertenecen al mismo individuo
• Para una fila, los datos en variables que pertenezcan a distintos bloques de coherencia NO se garantiza que pertenezcan al mismo individuo

Por tanto, el error fundamental a chequear en su análisis es si ud. está utilizando en algún cómputo (cálculo, agregación, etc.) columnas que no sean pivote y que pertenezcan a bloques de coherencia distintos, ya que en ese caso estará mezclando datos que pertenecen a individuos distintos. Ejemplos típicos de errores:

• Hacer un cálculo usando variables no pivote de dos bloques de coherencia distintos. Ejemplos: 
  • usar dos datos de fechas que están en bloques de coherencia distintos para calcular una duración
  • usar dos datos numéricos que están en bloques de coherencia distintos para calcular una ratio

• Agrupar por una variable no pivote y aplicar un cálculo agregado sobre otra variable no pivote que pertenece a un bloque de coherencia distinto. Ejemplo:
  • Calcular la media de la variable 1 agrupando por la variable 2, siendo ambas no pivote y perteneciendo a bloques de coherencia distintos.

En cualquier caso, si tiene dudas sobre si un determinado cálculo sobre un dataset anonimizado es correcto o no, puede ponerse en contacto con nosotros o plantear su duda en los comentarios del dataset correspondiente, y atenderemos su caso concreto.