Campo Grande: démographie, revenu, scolarité et connectivité selon le recensement de l'IBGE 2022

pourquoi cette recherche

La Casa Hacker est née sur ce territoire. Notre mouvement a vu le jour à Campo Grande pour répondre à un besoin concret et urgent d’émancipation technologique, et le contexte politique de 2018 a rendu ce travail encore plus nécessaire en mettant en lumière le problème de l’éducation aux médias et de l’absence de compétences numériques. Étudier notre territoire, c’est s’approprier ces données pour agir dans la bonne direction.

Ce n’est pas la première fois. En 2024, la recherche Bytes de Mudanças, menée avec l’Instituto Semear, a sondé Parque Via Norte et Vila Olímpia à l’aide de sessions génératives, de questionnaires et d’entretiens — tous menés avec la participation d’éducatrices, d’éducateurs et de chercheurs de notre ville. Elle a cartographié les accès, les compétences déjà acquises et souhaitées, les craintes liées à l’utilisation d’internet, ainsi que les centres d’intérêt et les aspirations, devenant ainsi la base factuelle des parcours d’apprentissage d’Inclusão Tech.

Cette recherche précédente a démontré une méthode : mener des recherches, analyser des données et reconnaître le quotidien du territoire guide l’action bien mieux que l’intuition. Cette nouvelle recherche poursuit cette voie par un autre biais — au lieu de données produites sur le terrain, il s’agit de données publiques lues avec attention.

Pourquoi maintenant : l’IBGE a publié les microdonnées du Recensement démographique 2022 le 31 août 2026. C’était la première fois qu’il devenait possible d’analyser le recensement de 2022 au niveau de détail de nos territoires, et non plus seulement à travers les tableaux généraux de la municipalité.

le problème qu’il a fallu résoudre

Il existe un obstacle réel entre les données de l’IBGE et la question qui intéresse ceux qui travaillent sur un territoire. La microdonnée — l’enregistrement individuel et anonyme de chaque foyer et personne interrogée, qui permet de croiser des variables — ne descend pas jusqu’au quartier. Elle s’arrête à la zone de pondération, un regroupement de secteurs défini par l’IBGE selon un critère statistique, basé sur une taille d’échantillon minimale, et non selon une frontière reconnue sur le terrain.

En pratique : poser la question « quel est le revenu à Jardim Bassoli ? » aux microdonnées ne fonctionne pas, car Jardim Bassoli n’y existe pas. Campinas aggrave la situation : il n’y a pas de découpage par quartier dans la base de l’IBGE pour la municipalité. La couche des agrégats par quartier du recensement 2022 couvre 58 municipalités de l’État de São Paulo, et Campinas n’en fait pas partie ; de plus, le champ du quartier est vide pour les 2 592 secteurs de la ville. L’IBGE ne documente pas, dans les fichiers publiés, le critère d’inclusion des municipalités dans cette couche — cette recherche constate cette absence sans en affirmer la cause.

Cette recherche résout ce problème en trois étapes, toutes documentées et reproductibles :

1. Prouver que le district et les zones de pondération coïncident. En croisant la Composition des zones de pondération de l’IBGE avec le code de district de chaque secteur, il a été vérifié que le district de Campo Grande correspond exactement aux zones 3509502023, 024 et 025 — soit 256 secteurs, sans excédent ni manque dans les deux sens. Cela n’était pas garanti, et c’est ce qui permet de sommer les deux bases du recensement sans erreur de frontière.
2. Restituer les noms des secteurs. Le CNEFE (Registre national des adresses à des fins statistiques) enregistre le nom de la localité de chaque adresse visitée lors du recensement, avec sa latitude et sa longitude. 52 958 adresses se situent à l’intérieur de Campo Grande ; en associant chaque point au secteur qui le contient, 254 des 256 secteurs se voient attribuer un nom, formant ainsi 43 localités. Le rapprochement est spatial et non basé sur un code, car le CNEFE utilise une division de district antérieure qui ne contient même pas le district de Campo Grande.
3. Combiner les deux bases et croiser les variables. L’univers — le questionnaire administré à l’ensemble des foyers — offre une couverture totale et descend jusqu’au secteur, mais pose peu de questions. L’échantillon pose beaucoup plus de questions, mais ne descend pas en dessous de la zone de pondération. Comme les frontières coïncident, les deux bases décrivent le même territoire : l’univers fournit le détail spatial, tandis que l’échantillon fournit le revenu, la profession, le niveau d’instruction et les handicaps. À partir de là, des croisements entre variables ont été réalisés, chacun étant testé quant à la taille de l’échantillon avant d’être transformé en chiffre.

Une précision importante concernant les quartiers. Les 43 noms de cette étude proviennent du registre officiel des adresses : il s’agit de la nomenclature administrative — celle des lotissements, de la correspondance, enregistrée par les gouvernements municipaux et le cadastre. Ce n’est pas le découpage que la population fait de son propre territoire. Ceux qui vivent ici reconnaissent des frontières, des voisinages et un sentiment d’appartenance qu’aucun cadastre ne capture, et qui ne coïncident souvent pas avec le nom inscrit sur l’enveloppe. Cette recherche utilise le découpage administratif car c’est le seul qui s’articule avec précision aux données du recensement — et non parce qu’il constituerait la véritable lecture du territoire. Pour cette lecture-là, il existe une autre méthode, celle de Bytes de Mudanças : écouter les habitants.

le territoire, indicateur par indicateur

d’où viennent les noms de quartiers

L’IBGE ne publie pas les quartiers pour Campinas : la municipalité n’intègre pas la couche des agrégats par quartier du recensement 2022, et le champ NM_BAIRRO est vide pour les 2 592 secteurs. Mais le CNEFE — Cadastro Nacional de Endereços para Fins Estatísticos, le registre des adresses du recensement lui-même, indique le nom de la localité de chaque adresse, avec ses coordonnées.

Il y a eu 52 958 adresses à l’intérieur du district de Campo Grande, associées par leur position aux 256 secteurs. Cela permet de nommer 254 d’entre eux et de produire 43 localités. Le rapprochement est spatial et non basé sur un code, car le CNEFE utilise une division de district antérieure — il ne contient même pas le district de Campo Grande, créé ultérieurement ; seuls 1 886 des 2 592 secteurs de Campinas correspondraient par code.

Cette attribution est bonne, mais n’est pas officielle : la dominance médiane du nom principal dans un secteur est de 100 %, et 17 secteurs se situent sous la barre des 60 % — dans ces cas-là, le secteur chevauche deux localités et le libellé correspond au plus fréquent, et non au seul. Les quartiers du CNEFE servent à orienter et à comparer, et non à servir de frontières juridiques.

l’inégalité à l’intérieur du district

47 des 256 secteurs sont des favelas ou des communautés urbaines. Vingt mille personnes — soit 16,3 % du district — vivent dans des secteurs que l’IBGE classifie comme des favelas et communautés urbaines, contre 12,4 % à Campinas. C’est la principale inégalité interne du territoire, et elle disparaît lorsque l’on se contente de regarder l’agrégat du district.

Ce découpage ne peut être réalisé qu’à partir de l’univers — la partie du recensement appliquée à tous les foyers, qui descend jusqu’au secteur de recensement. L’échantillon, qui correspond au questionnaire détaillé et fournit le revenu individuel, la profession et le niveau d’instruction détaillé, n’enregistre pas le secteur où habite la personne : il s’arrête à la zone de pondération. C’est pourquoi les indicateurs ci-dessous sont ceux de l’univers, qui comporte moins de variables mais sait où se trouve chaque foyer.

Le revenu médian du chef de ménage est inférieur de 24 % dans les secteurs de favela. Le taux d’alphabétisation diffère peu — 94,1 % contre 96,5 %.

Campo Grande et Campinas

La plus grande distance ne concerne pas les revenus. C’est le diplôme d’enseignement supérieur : 8,4 % contre 29,8 %, soit un rapport de 3,5. Et cela se reflète exactement dans le travail — les professionnels des sciences et les intellectuels représentent 5,3 % ici contre 19,6 % dans la municipalité.

La plus petite distance est celle qui surprend le plus : l’accès à internet, 90,0% contre 92,0%. La connexion est arrivée. Ce qui n’a pas suivi, c’est la position dans l’économie de la connaissance.

Ce que ce chiffre mesure, et ce qu’il ne mesure pas. Le recensement demande seulement s’il existe un accès à internet au domicile — une seule variable, oui ou non. Il ne demande ni la qualité de la connexion, ni le type d’appareil, ni ce que les gens parviennent à faire avec. Un foyer avec un téléphone mobile prépayé et un foyer avec de la fibre et un ordinateur ont la même valeur. Les 90 % mesurent la porte d’entrée, et non la capacité d’utilisation, et il est fort probable que la véritable différence avec Campinas se situe exactement là — dans ce que le recensement ne parvient pas à saisir.

revenus et couleur ou race

À Campinas, la disparité raciale des revenus est importante : le revenu médian par habitant des personnes blanches est de R$ 1.925, contre R$ 1.212 chez les personnes noires et R$ 1.160 chez les personnes métisses. Au sein du district de Campo Grande, cette distance disparaît presque — R$ 1.000, R$ 837 et R$ 906.

Ce n’est pas que l’inégalité raciale n’existe pas ici. C’est qu’elle a déjà opéré en amont, à partir du lieu de résidence. Une personne blanche du district de Campo Grande a la moitié des revenus d’une personne blanche de Campinas ; une personne noire du district de Campo Grande a 69 % des revenus d’une personne noire de Campinas. Le territoire tire tout le monde vers le bas, et tire encore plus vers le bas ceux qui seraient privilégiés en dehors de celui-ci.

La même chose apparaît pour les diplômes : à Campinas, 38,3 % des Blancs âgés de 25 ans et plus ont un diplôme universitaire complet, contre 17,0 % des Noirs. À Campo Grande, ils sont 9,2 % et 9,5 % — pratiquement identiques, et identiques à un niveau bas.

Les personnes jaunes et indigènes totalisent 291 personnes à Campo Grande — un échantillon trop petit pour une estimation fiable, c’est pourquoi elles sont exclues du graphique.

niveau d’études et profession

Parmi les 54.142 personnes occupées à Campo Grande, le niveau d’instruction permet de bien prédire la position. Les personnes ayant un diplôme universitaire complet accèdent à une profession hautement qualifiée dans 53,1 % des cas — l’estimation la plus solide du graphique, appuyée par 115 des 225 observations de cette ligne.

Et le groupe le plus nombreux — 22.878 personnes ayant terminé le lycée, soit 42 % de toutes les personnes occupées — compte 51,0 % de personnes exerçant une profession peu qualifiée. Cela fait partie des goulets d’étranglement du territoire : le diplôme d’études secondaires, à lui seul, ne fait progresser personne dans la hiérarchie.

Là où il est impossible d’être affirmatif. La colonne des qualifications élevées est rare en dehors de l’enseignement supérieur complet : pour les lignes « sans instruction », « collège complet » et « collège incomplet », elle repose sur 1 à 3 observations. Les pourcentages marqués d’un ° sur le graphique reposent sur moins de 30 cas et servent uniquement à indiquer un ordre de grandeur — ce ne sont pas des estimations. La lecture fiable se trouve dans les colonnes des qualifications moyennes et faibles, ainsi que sur la ligne de l’enseignement supérieur complet.

Élevée = directeurs, gérants et professionnels des sciences. Moyenne = techniciens, soutien administratif, opérateurs et construction. Faible = services, ventes et professions élémentaires.

une population jeune

Âge médian de 32 ans, contre 37 pour l’ensemble de la municipalité. L’indice de vieillissement est inférieur à la moitié de celui de la ville : 36 personnes âgées pour 100 enfants, contre 79. Le taux de dépendance est cependant presque identique — une charge similaire, mais avec une composition inversée. Ici, elle provient des enfants ; à Campinas, des personnes âgées.

les chiffres

lecture critique

la distorsion d’une ville de la science et de la technologie

Campinas est l’une des capitales brésiliennes de la science et de la technologie, et ce n’est pas de la rhétorique municipale. L’Unicamp est située à 17 kilomètres du centre de Campo Grande. Le Sirius, au CNPEM, l’équipement scientifique le plus grand et le plus complexe jamais construit dans le pays, à 20 kilomètres. Le CPQD, à 18. Ajoutons à cela la PUC-Campinas, l’Embrapa Informática, l’Instituto Eldorado, le parc technologique et des centaines d’entreprises technologiques. La municipalité a clos l’année 2023 avec un PIB de 92 milliards de R$.

À l’intérieur de la même municipalité, à moins de vingt minutes en voiture — et environ une heure en bus — de ces institutions :

Il ne s’agit pas d’une ville pauvre qui n’a pas su générer de richesse. Il s’agit d’une ville qui a généré de la richesse, du savoir et une infrastructure scientifique de norme internationale — et dont l’économie n’a pas traversé dix-sept kilomètres. Cent vingt-cinq mille personnes vivent aux côtés de l’un des plus grands centres de recherche d’Amérique latine et y participent dans une proportion presque quatre fois inférieure à la moyenne de leur propre municipalité.

C’est la distorsion que ces données mettent en lumière, et elle n’est pas un accident statistique : elle apparaît dans tous les axes analysés, dans la même direction, avec la même ampleur et la même proportion.

ce que les données valident

Certains points cessent d’être des perceptions pour devenir des preuves mesurées. Ils servent à fonder des politiques publiques, des projets et la recherche de financements :

• La demande concerne les enfants et les jeunes, non les personnes âgées. Indice de vieillissement de 35,8 contre 79 pour la municipalité. Le taux de dépendance est pratiquement égal à celui de Campinas, mais avec une composition inversée. Les crèches, l’école à temps plein, les activités périscolaires et la formation des jeunes reposent ici sur une base démographique solide — et la fenêtre d’opportunité est ouverte dès maintenant.
• La connectivité des ménages n’est pas le goulot d’étranglement. 90,0% contre 92,0%. Un programme d’inclusion numérique conçu pour « apporter internet » à Campo Grande reviendrait à résoudre un problème qui est déjà réglé.
• Le véritable goulot d’étranglement est la transition entre l’enseignement secondaire et l’enseignement supérieur, ainsi que l’accès à un emploi qualifié. 22 878 personnes — soit 42% de l’ensemble des actifs — se sont arrêtées au niveau secondaire complet, et seulement 3,5% d’entre elles occupent un emploi hautement qualifié. Ceux qui ont atteint le supérieur complet accèdent à ce type de poste dans 53,1% des cas. Le diplôme fonctionne ; le problème réside dans le nombre de personnes qui parviennent à l’obtenir.
• Il existe une inégalité au sein du district que la moyenne dissimule. 20 351 personnes vivent dans des favelas et des quartiers urbains informels, avec un revenu du responsable de famille inférieur de 24%. Une politique conçue pour « Campo Grande » sans cette désagrégation rate sa cible au cœur même de la cible.
• Le territoire peut désormais être cartographié et mesuré. 43 localités nommées, 256 secteurs dotés d’indicateurs. Un programme peut être conçu spécifiquement pour le Jardim Bassoli — où le revenu médian est de 1 318 R$ — et non pour une moyenne qui le confond avec le Residencial Cosmos, où il s’élève à 2 646 R$$.

ce qui est discordant

Trois résultats vont à l’encontre des idées reçues sur la périphérie et méritent d’être affirmés clairement :

• L’infrastructure est arrivée, mais pas les opportunités. Il est inhabituel de trouver 90% d’accès des ménages à internet coexistant avec 8,4% de diplômés de l’enseignement supérieur. L’explication facile — « le manque d’accès » — est ici erronée. Ce qui manque, c’est ce qui vient après l’accès. Il convient de rappeler que le Recensement mesure uniquement l’existence d’une connexion : affirmer que la connexion est arrivée est exact ; affirmer que l’usage est équivalent à celui du reste de la ville dépasserait ce que disent les données.
• Il ne s’agit pas d’un manque de volonté de travailler. Le taux d’activité est de 61,5% contre 63,9% dans la municipalité — soit un niveau pratiquement égal. Les gens travaillent dans la même proportion. Ce qui change, c’est le type d’emploi : les occupations élémentaires représentent 22,1% ici contre 13,2% à Campinas, et le travail domestique y est deux fois plus représenté. La différence ne réside pas dans l’effort, mais dans la porte qui s’ouvre.
• L’inégalité raciale de revenu disparaît presque à l’intérieur du territoire — et c’est la preuve de la ségrégation, et non de son absence. À Campinas, le revenu médian par habitant des Blancs est de 1 925 R$ contre 1 212 R$ pour les Noirs. À Campo Grande, il est de 1 000 R$ contre 837 R$. L’écart se resserre parce que l’inégalité a déjà agi en amont, en décidant qui vit où. Un habitant blanc de Campo Grande dispose de la moitié du revenu d’un Blanc de Campinas. Le code postal a fait le travail qu’aurait fait la couleur de peau.

pourquoi Casa Hacker fait ce qu’elle fait

Ces données expliquent, mieux que n’importe quel texte institutionnel, pourquoi Casa Hacker ne s’est pas arrêtée à l’éducation aux technologies.

Si le problème était l’accès, il suffirait de connecter. S’il s’agissait d’alphabétisation numérique de base, il suffirait d’enseigner son usage. Mais le territoire est déjà connecté et, pourtant, il participe à l’économie de la connaissance dans une proportion presque quatre fois inférieure à la moyenne de sa propre ville. L’éducation technologique, à elle seule, ne comble pas cette distance — car cette distance n’est pas une question de compétences, mais de position.

Cela justifie, bien plus que n’importe quel beau discours, pourquoi Casa Hacker a embrassé l’innovation sociale par la formation et le développement du leadership. Une personne formée qui quitte le territoire résout sa propre situation sans modifier l’indicateur. Un leader formé qui reste, fédère et transforme modifie la structure qui produit cet indicateur. L’écart entre 8,4% et 29,8% de diplômés de l’enseignement supérieur ne se résorbe pas une personne à la fois — il se résorbe lorsque le territoire acquiert sa propre capacité à revendiquer, concevoir et agir.

C’est aussi la raison pour un tel sondage existe et est rendu public. Un territoire sans données est un territoire sans arguments. Quiconque négocie avec les pouvoirs publics, un financeur ou une université va plus loin avec 256 secteurs mesurés qu’avec la simple certitude de savoir qui y habite — même lorsque cette certitude est exacte, ce qui est presque toujours le cas.

ce qu’il est possible de construire à partir d’ici

La lecture critique n’a de valeur que si elle ouvre des perspectives. Ce que ces données permettent, dès aujourd’hui :

• Commencer par le numérique, et non par l’infrastructure. Avec un taux de connexion de 90%, il est possible de concevoir des formations qui présupposent l’accès — parcours longs, projets continus, usages productifs — au lieu de dilapider le budget dans la connectivité.
• Cibler la transition du secondaire. Les 22 878 personnes titulaires du secondaire et occupant un emploi peu qualifié constituent le plus grand public mesuré du territoire, ainsi que celui qui présente le plus fort potentiel de mobilité. C’est là qu’un parcours de qualification offre le meilleur retour sur investissement par personne.
• Participer et occuper les espaces institutionnels. L’Unicamp et le CNPEM sont à moins de vingt kilomètres. La distance est géographique et, bien souvent, institutionnelle. Les programmes de passerelles, de stages, de visites, de mentorat et de recherche collaborative trouvent ici des données qui justifient d’en faire une priorité.
• Mener des analyses à l’échelle des quartiers. Avec 43 localités et 256 secteurs mesurés, il est possible de choisir où commencer selon des critères objectifs, et non par simple commodité — puis de vérifier par la suite si cela a fonctionné.
• Établir une ligne de base. Ceci est le portrait de 2022. Le prochain Recensement dira ce qui a changé, et la comparaison ne sera possible que si la situation actuelle est enregistrée selon une méthode rigoureuse. Cette recherche constitue cette ligne de base.

Une note sur le ton. Rien ici ne décrit un territoire défavorisé. Cela décrit un territoire jeune, travailleur, connecté et systématiquement maintenu à l’écart de l’économie que sa propre ville a construite. Le manque ne vient pas de Campo Grande — il vient de la répartition. Et la répartition est un choix, ce qui signifie qu’elle peut être changée.

comment lire ces chiffres

• Deux bases, un territoire. Le district de Campo Grande correspond exactement aux zones de pondération 3509502023, 024 et 025 — soit 256 secteurs, un emboîtement parfait dans les deux sens. Cela permet d’additionner l’univers, qui descend au niveau du secteur, et l’échantillon, qui apporte des données sur le revenu et le niveau d’études, sans erreur de frontière.
• Tout est pondéré. L’échantillon du Recensement n’est pas auto-pondéré. Pour validation : la population pondérée s’élève à 125 044 habitants, ce qui est identique à celle de l’univers ; les ménages occupés s’élèvent à 42 481 contre 42 448, soit un écart de 0,08%.
• Ce qui manque. L’erreur d’échantillonnage n’a pas été calculée — les estimations pour les petits sous-groupes présentent un intervalle de confiance large. De plus, la frontière de la ZPG (Zone de Planification et de Gestion) du Plan Directeur de Campinas n’a pas encore été confrontée à celle du district de l’IBGE : en attendant, ces chiffres s’appliquent au district.

Le quartier n’existe pas pour Campinas dans la base de données de l’IBGE. La couche de données agrégées par quartier couvre 58 municipalités de l’État de São Paulo et Campinas n’en fait pas partie ; le champ NM_BAIRRO est vide pour les 2 592 secteurs de la municipalité. Le critère d’inclusion dans cette couche ne figure pas dans les archives publiées, et cette recherche ne se prononce pas sur les raisons de cette absence. L’analyse infra-municipale ne peut se faire ici que par district ou par agrégation propre des secteurs.

glossaire

sources et découpages du Censo

• IBGE — Instituto Brasileiro de Geografia e Estatística (Institut brésilien de géographie et de statistique). Organisme fédéral responsable du Censo Demográfico.
• Censo Demográfico — Le dénombrement complet de la population brésilienne, réalisé tous les dix ans. Celui de 2022 est le plus récent ; le précédent remonte à 2010.
• univers — La partie du Censo appliquée à tous les ménages, avec le questionnaire de base. Couverture totale qui descend jusqu’au secteur de recensement, mais pose peu de questions.
• échantillon — La partie du Censo appliquée à une fraction des ménages, avec le questionnaire long — revenu, profession, scolarité détaillée, handicap, migration. Bien plus riche, mais ne descend pas en dessous de la zone de pondération.
• microdonnée — L’enregistrement individuel et anonyme de chaque ménage et personne interrogée. C’est ce qui permet de croiser librement les variables, plutôt que de dépendre de tableaux déjà prêts.
• secteur de recensement — La plus petite unité de collecte et de publication du Censo : la zone parcourue par un agent recenseur, typiquement 250 à 350 ménages en zone urbaine. Campo Grande en compte 256.
• zone de pondération — Regroupement de secteurs utilisé pour calculer les pondérations de l’échantillon. C’est la plus petite géographie existant dans les microdonnées. Campo Grande équivaut exactement à trois.
• district — Subdivision administrative officielle de la municipalité, reconnue par l’IBGE. Campinas en compte sept ; Campo Grande en est un.
• CNEFE — Cadastro Nacional de Endereços para Fins Estatísticos (Registre national des adresses à des fins statistiques). La liste de toutes les adresses visitées par le Censo, avec le nom de la localité et les coordonnées. C’est la source des noms de quartiers de cette recherche.
• APG — Área de Planejamento e Gestão (Zone de planification et de gestion). Unité de planification du plan directeur de Campinas — découpage municipal, à ne pas confondre avec le district de l’IBGE.
• dominance — Dans cette recherche, le pourcentage d’adresses d’un secteur déclarant la même localité dans le registre. Une dominance de 100 % signifie que toutes les adresses de ce secteur indiquent le même quartier ; en dessous de 60 %, le secteur chevauche deux localités et le nom adopté est simplement le plus fréquent.
• favela et communauté urbaine — Classification officielle de l’IBGE pour les secteurs présentant des schémas propres d’urbanisation et de fourniture de services. À Campo Grande, on dénombre 47 secteurs, représentant 16,3 % de la population.
• faible seuil résidentiel — Classification de l’IBGE pour les secteurs comportant très peu ou pas de ménages. Ce sont les secteurs grisés sur la carte, hors de l’échelle de couleurs.

comment les calculs sont faits

• poids d’échantillonnage — Combien de résidents réels chaque personne interrogée représente. Toute estimation de l’échantillon doit être multipliée par ce poids — compter les lignes donne un mauvais résultat.
• pondérer — Appliquer le poids d’échantillonnage. Une moyenne pondérée donne à chaque réponse une importance proportionnelle au nombre de personnes qu’elle représente, au lieu de traiter toutes les réponses de manière égale.
• moyenne pondérée — La moyenne dans laquelle chaque valeur entre avec un poids différent. Dans les indicateurs par quartier de cette recherche, le poids est la population du secteur : un secteur de 1 200 habitants influence le résultat du quartier dix fois plus qu’un secteur de 120.
• médiane — La valeur du milieu : la moitié des cas est en dessous, l’autre moitié au-dessus. En matière de revenu, elle est plus fidèle que la moyenne, qui est faussée par un petit nombre de valeurs très élevées.
• centile, P10 et P90 — La valeur en dessous de laquelle se trouve une fraction donnée des cas. Le P10 est la valeur qui laisse 10 % en dessous — le plancher ; le P90 laisse 90 % en dessous — le plafond. Le ratio entre les deux mesure à quel point la distribution est étirée.
• quintile — L’un des cinq groupes comprenant la même quantité de cas, formés en ordonnant les valeurs. C’est ainsi que les couleurs de la carte sont divisées.
• n d’échantillon — Le nombre de personnes effectivement interrogées dans une cellule. Différent de l’estimation : 225 entretiens peuvent représenter 5 407 personnes. En dessous de 30 cas, le pourcentage n’est pas une estimation fiable.
• point de pourcentage — La différence arithmétique entre deux pourcentages. Passer de 8,4 % à 29,8 %, c’est 21,4 points de pourcentage — et en même temps, 3,5 fois plus. Les deux mesures disent des choses différentes.
• par habitant — Par personne. Le revenu du ménage par habitant divise le revenu total du foyer par le nombre d’occupants.
• salaire minimum de référence — R$ 1.212,00, valeur en vigueur à la date de référence du Censo 2022. Toutes les coupes par salaire minimum de cette recherche utilisent cette valeur.
• fallacie écologique — L’erreur consistant à conclure quelque chose sur une personne à partir de la moyenne du lieu où elle habite. Un secteur à faible revenu abrite des habitants à haut revenu, et vice-versa.

les indicateurs

• revenu du ménage par habitant — La somme de tous les revenus du ménage divisée par le nombre d’occupants. C’est la mesure du revenu utilisée dans cette recherche.
• indice de Gini — Mesure la concentration des revenus, de 0 à 1. Zéro signifierait que tout le monde a le même revenu ; 1, qu’une seule personne a tout. Campo Grande affiche 0,405 et Campinas 0,538 — le district est plus homogène et plus pauvre.
• indice de vieillissement — Le nombre de personnes âgées pour 100 enfants. Campo Grande a un indice de 35,8 et Campinas de 78,9.
• ratio de dépendance — Le nombre de personnes hors d’âge actif — de moins de 15 ans et de plus de 64 ans — pour 100 personnes en âge de travailler.
• population active — Les personnes de 14 ans ou plus qui travaillent ou recherchent un emploi. Ceux qui ne cherchent pas en sont exclus, même s’ils sont au chômage.
• taux d’activité — La proportion de la population de 14 ans ou plus qui fait partie de la population active. Il mesure la disposition à travailler, non le succès dans l’obtention d’un emploi.
• taux de chômage — La part de la population active qui n’a pas d’emploi et en cherche un. C’est ce que l’on appelle populairement le chômage.
• situation professionnelle — Le lien contractuel de la personne qui travaille : employé du secteur privé, travailleur indépendant, employé domestique, employeur, fonctionnaire.
• grands groupes professionnels — Classification de l’IBGE qui regroupe les professions en familles — des directeurs et professionnels des sciences jusqu’aux professions élémentaires.
• niveau d’instruction — Le degré de scolarité achevé, allant de sans instruction à l’enseignement supérieur complet. Dans cette recherche, il est mesuré parmi les personnes de 25 ans ou plus, afin de ne pas compter celles qui étudient encore.
• revenu du chef de ménage — Le revenu mensuel de la personne responsable du ménage. C’est la seule mesure du revenu que l’univers publie par secteur de recensement — c’est pourquoi elle apparaît sur la carte, et non le revenu du ménage par habitant, qui n’existe que dans l’échantillon.
• couleur ou race — Les cinq catégories de l’IBGE — blanc, noir, métis (pardo), jaune et indigène — déclarées par la personne elle-même, et non attribuées par l’agent recenseur. Cette recherche additionne parfois les catégories noire et métis, suivant l’usage courant dans les études sur les inégalités raciales.
• handicap — Dans le Censo 2022, est considéré comme en situation de handicap quiconque déclare une grande difficulté ou une incapacité dans au moins une fonction : voir, entendre, marcher ou monter des marches, ou présenter un handicap mental ou intellectuel. La question s’applique à partir de l’âge de 2 ans.
• migration — Dans cette recherche, le fait d’être né en dehors de la municipalité où l’on réside actuellement.
• habitants par chambre — Le nombre moyen de personnes dormant par pièce utilisée comme chambre à coucher. Il mesure la densification : plus il est élevé, plus il y a de personnes par pièce.
• densité démographique — Habitants par kilomètre carré.
• alphabétisation — Savoir lire et écrire un message simple, selon la définition du Censo. Mesurée parmi les personnes de 15 ans ou plus.

profession et travail

• professions élémentaires — Grand groupe 9 de la classification des professions de l’IBGE. Rassemble des travaux aux tâches simples et routinières, exigeant un effort physique important et peu de qualifications formelles : personnel de ménage et de nettoyage, manœuvre et aide-maçon, livreur, chiffonnier, vendeur ambulant, gardien, aide de cuisine. Ils représentent 22,1 % des actifs à Campo Grande, contre 13,2 % à Campinas.
• professionnels des sciences et intellectuels — Grand groupe 2. Professions exigeant généralement un enseignement supérieur : ingénierie, médecine, enseignement, droit, analyse de systèmes, recherche, architecture. Ils représentent 5,3 % à Campo Grande contre 19,5 % à Campinas — la plus grande distance professionnelle entre le district et la municipalité.
• directeurs et gérants — Grand groupe 1. Personnes dirigeant une organisation ou un département. 2,9 % à Campo Grande, 7,3 % à Campinas.
• travailleur indépendant — Personne travaillant à son propre compte, sans employer de salariés. Cela inclut tant l’indépendant formalisé, tel que le MEI, que le travailleur informel.
• employé domestique — Personne travaillant au domicile de tiers — travailleuse journalière, employée de maison, nounou, aide-soignant à domicile. Ils représentent 6,0 % des actifs à Campo Grande, soit le double des 3,0 % de Campinas.
• employeur — Personne ayant au moins un salarié. 1,4 % à Campo Grande, 3,4 % à Campinas.

les graphiques

• choroplèthe — Carte où la couleur de chaque zone représente la valeur d’un indicateur dans cette zone.
• graphique en haltères — Deux petits points reliés par une barre. Il compare deux groupes pour un même indicateur, et la longueur de la barre représente la différence entre eux.
• barres empilées normalisées — Barres dont chacune représente 100 %. Il compare la composition interne de chaque catégorie, et non leur taille.
• barres groupées — Deux barres ou plus côte à côte à l’intérieur de chaque catégorie. Il compare les mêmes groupes de manière répétée, catégorie par catégorie.
• graphique divergent — Barres partant d’une ligne centrale vers les deux côtés. La ligne sert de référence ; le côté indique si la valeur est supérieure ou inférieure à celle-ci.
• pyramide des âges — Barres horizontales en miroir, avec les tranches d’âge de la plus jeune en bas à la plus âgée en haut, et un sexe de chaque côté. La forme révèle si la population est jeune ou en cours de vieillissement.

fiche technique

sources de données

Toutes proviennent de l’IBGE — Instituto Brasileiro de Geografia e Estatística, Censo Demográfico 2022, sauf indication contraire.

• Microdonnées de l’échantillon · accès contrôlé, Portail des microdonnées. Demande CDNH3Z.
• Agrégats par secteurs de recensement · alphabétisation, de base, caractéristiques du ménage, couleur ou race, démographie, décès et liens de parenté.
• Agrégats par secteurs de recensement : Revenu du chef de ménage
• Maillage des secteurs de recensement avec attributs, São Paulo · géométrie des cartes.
• Composition des zones de pondération
• CNEFE — Cadastro Nacional de Endereços para Fins Estatísticos, Campinas · origine des noms de quartiers.
• Dictionnaire des variables et mise en page des microdonnées, accès contrôlé.
• PIB des municipalités, 2023 · tableau 5938 du SIDRA.

références

GABRIELE, Layne; BARROS, Geraldo; JANSEN, Carolina. Bytes de Mudanças: pesquisa de território em inclusão digital. Campinas : Associação Casa Hacker ; Instituto Semear, 2024. Disponible sur casahacker.org/publicacoes/bytes-de-mudanca-livro-digital.

Les analyses, interprétations et conclusions relèvent de la seule responsabilité de l’auteur et ne représentent pas la position officielle de l’IBGE.