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 est né à Campo Grande d’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. Faire des recherches sur notre territoire, c’est s’approprier ces données pour œuvrer 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 travers des sessions génératives, des questionnaires et des entretiens — tous réalisés avec la participation d’éducatrices et de chercheurs de notre ville. Elle a cartographié les accès, les compétences déjà développées et souhaitées, les craintes liées à l’utilisation d’Internet, ainsi que les intérêts et aspirations, devenant ainsi la base de données probantes pour les parcours d’apprentissage d’Inclusão Tech.

Ce que cette recherche a démontré, c’est une méthode : mener des recherches, analyser des données et reconnaître le quotidien du territoire oriente l’action bien mieux que l’intuition. Cette recherche poursuit cette voie par un autre moyen — au lieu de données produites sur le terrain, des 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 de lire le recensement de 2022 dans le détail de nos territoires, et non plus seulement à travers les tableaux généraux de la municipalité.

le problème qui a dû être résolu

Il existe un obstacle réel entre les données de l’IBGE et la question qui intéresse ceux qui travaillent dans 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, avec une taille d’échantillon minimale, et non selon une frontière reconnue sur le terrain par les habitants.

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, et 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 équivaut 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, 249 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 appliqué à tous les 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 décrivent le même territoire : l’univers fournit le détail spatial, tandis que l’échantillon fournit le revenu, l’emploi, le niveau d’éducation et le handicap. Sur cette base, des croisements entre variables ont été réalisés, chacun étant testé quant à la taille de l’échantillon avant d’être transformé en chiffre.

Une remarque 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 la division que la population fait de son propre territoire. Ceux qui vivent ici reconnaissent des frontières, des voisinages et des appartenances qu’aucun registre 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’aligne précisément sur les données du recensement — et non parce qu’il constituerait la véritable lecture du territoire. Pour cette lecture, il existe une autre méthode, celle de Bytes de Mudanças : écouter les habitants.

le territoire, indicateur par indicateur

Les secteurs en gris sont exclus de l’échelle de couleurs, et ce pour deux raisons distinctes. Douze ne comptent aucun habitant et deux autres en comptent moins de cinq — ce sont ceux que l’IBGE classe dans la catégorie faible seuil de ménages : des zones non résidentielles qui existent dans le maillage pour couvrir le territoire sans lacune, telles que des zones industrielles, des parcs et des espaces institutionnels. Pour les indicateurs de revenu, de couleur ou de race et d’alphabétisation, trois secteurs supplémentaires apparaissent en gris car l’IBGE supprime cette valeur spécifique afin d’empêcher l’identification des familles. Colorer l’un d’eux avec une valeur basse constituerait une erreur de lecture, et c’est pourquoi ils disposent de leur propre catégorie.

d’où viennent les noms de quartiers

L’IBGE ne publie pas les quartiers pour Campinas : la municipalité ne fait pas partie de la couche des agrégats par quartier du Recensement 2022, et le champ NM_BAIRRO est vide pour les 2 592 secteurs. Cependant, le CNEFE — Registre national des adresses à des fins statistiques, 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 position géographique aux 256 secteurs. Cela permet de nommer 249 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 se prêteraient à un appariement par code.

Cette attribution est bonne, mais elle 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 nom le plus fréquent, et non à l’unique.

l’inégalité à l’intérieur du district

47 des 256 secteurs sont des favelas ou des communautés urbaines. Vingt mille personnes — 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 d’observer l’agrégat du district.

Ce découpage ne peut être réalisé qu’avec l’univers — la partie du recensement appliquée à tous les foyers, qui descend jusqu’au secteur de recensement. L’échantillon, qui correspond au questionnaire long et apporte des données sur le revenu individuel, la profession et le niveau d’éducation détaillé, n’enregistre pas dans quel secteur la personne habite : 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 le revenu. C’est le niveau d’études supérieures : 8,4 % contre 29,8 %, soit un rapport de 3,5. Et cela se reflète exactement dans le travail — les professionnels des sciences et de la pensée 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 uniquement 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 portable prépayé et un autre avec la fibre et un ordinateur ont le même poids. Les 90 % mesurent la porte d’entrée, pas la capacité d’utilisation, et il est fort possible que la véritable différence avec Campinas se situe exactement là — dans ce que le recensement ne capte pas.

revenu et couleur ou race

À Campinas, la différence raciale de revenu est importante : le revenu médian par habitant du ménage pour les Blancs est de R$ 1.925, contre R$ 1.212 pour les Noirs et R$ 1.160 pour les métis. Au sein du district de Campo Grande, cet écart 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. Un Blanc du district de Campo Grande a la moitié du revenu d’un Blanc de Campinas ; un Noir du district de Campo Grande a 69 % du revenu d’un Noir de Campinas. Le territoire compresse tout le monde vers le bas, et compresse davantage ceux qui seraient privilégiés en dehors de celui-ci.

Il en va de même pour le diplôme : à Campinas, 38,3 % des Blancs âgés de 25 ans ou plus ont un diplôme universitaire, contre 17,0 % des Noirs. À Campo Grande, ils sont 9,2 % et 9,5 % — pratiquement identiques, et tous deux à un niveau bas.

Les catégories jaune et indigène 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 prédit bien la position. Les personnes ayant fait des études supérieures accèdent à des emplois hautement qualifiés dans 53,1 % des cas — l’estimation la plus solide du graphique, appuyée sur 115 des 225 observations de cette ligne.

Et le groupe le plus nombreux — 22.878 personnes ayant terminé leurs études secondaires, soit 42 % de toutes les personnes occupées — compte 51,0 % d’emplois faiblement qualifiés. Cela fait partie du goulet d’étranglement du territoire : l’enseignement secondaire, à lui seul, ne fait progresser personne dans la hiérarchie.

Où il est impossible d’être affirmatif. La colonne des qualifications élevées est rare en dehors des études supérieures : 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 — il ne s’agit pas d’estimations. La lecture fiable se trouve dans les colonnes de qualification moyenne et faible, ainsi que sur la ligne des études supérieures.

Haute = 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 dans la commune. L’indice de vieillissement est inférieur à la moitié de celui de la commune : 36 personnes âgées pour 100 enfants, contre 79. Le ratio de dépendance, en revanche, est presque identique — la même charge, 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. Unicamp se trouve 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, Embrapa Informática, l’Instituto Eldorado, le parc technologique et des centaines d’entreprises technologiques. La commune a clôturé 2023 avec un PIB de 92 milliards de R$.

À l’intérieur de la même commune, 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, des connaissances et une infrastructure scientifique de norme internationale — et dont l’économie n’a pas traversé dix-sept kilomètres. Cent vingt-cinq mille personnes vivent à côté 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 la commune elle-même.

Telle est la distorsion que ces données exposent, 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 les politiques publiques, les 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 dans la commune. Le ratio de dépendance est pratiquement égal à celui de Campinas, mais composé à l’inverse. Les crèches, l’école à temps plein, les activités périscolaires et la formation des jeunes ont ici une base démographique — et la fenêtre est ouverte dès maintenant.
• La connectivité des ménages n’est pas le goulet d’étranglement. 90,0% contre 92,0%. Un programme d’inclusion numérique conçu pour « apporter internet » à Campo Grande résoudrait un problème qui est déjà réglé.
• Le goulet d’étranglement est la transition du secondaire vers le supérieur et vers l’emploi qualifié. 22 878 personnes — 42% de tous les 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 atteignent cette position dans 53,1% des cas. Le diplôme fonctionne ; le problème est de savoir combien y parviennent.
• Il existe une inégalité au sein du district que la moyenne dissimule. 20 351 personnes vivent dans des favelas et des quartiers urbains, avec un revenu du chef de famille inférieur de 24%. Une politique conçue pour « Campo Grande » sans cette ventilation rate sa cible à l’intérieur même de la cible.
• Le territoire peut désormais être ciblé et mesuré. 43 localités nommées, 256 secteurs dotés d’indicateurs. Un programme peut être conçu pour Jardim Bassoli — revenu médian de 1 318 R$ — et non pour une moyenne qui le confond avec Residencial Cosmos, à 2 646 R$.

ce qui est discordant

Trois résultats contredisent le sens commun sur la périphérie et méritent d’être dits haut et fort :

• 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 niveau d’enseignement supérieur. L’interprétation facile — « l’accès manque » — est ici erronée. Ce qui manque, c’est ce qui vient après l’accès. Il convient de rappeler que le Recensement ne mesure que l’existence de la connexion : affirmer que la connexion est arrivée est sûr ; affirmer que l’usage est équivalent à celui du reste de la ville irait au-delà des données.
• Ce n’est pas un manque de volonté de travailler. Le taux d’activité est de 61,5% contre 63,9% dans la commune — pratiquement égal. Les gens travaillent dans la même proportion. Ce qui change, c’est la nature du travail : les professions élémentaires représentent 22,1% ici contre 13,2% à Campinas, et les employés de maison sont deux fois plus nombreux. La différence ne réside pas dans l’effort, mais dans la porte qui s’ouvre.
• L’inégalité raciale des revenus disparaît presque à l’intérieur du territoire — et c’est la preuve de la ségrégation, 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, 1 000 R$ contre 837 R$. La distance se resserre parce que l’inégalité a déjà agi en amont, en décidant qui vit où. Un Blanc de Campo Grande a la moitié du revenu d’un Blanc de Campinas. Le code postal a fait le travail que la couleur de peau aurait fait.

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 technologique.

Si le problème était l’accès, il suffirait de connecter. S’il s’agissait d’alphabétisation numérique de base, il suffirait d’apprendre à l’utiliser. Mais le territoire est déjà connecté et participe pourtant 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 franchit pas cette distance — car la distance n’est pas une question de compétence, mais de position.

Cela justifie, plus que tout beau texte, pourquoi Casa Hacker a adopté l’innovation sociale par la formation et le développement du leadership. Une personne formée qui quitte le territoire résout sa situation personnelle et ne modifie pas l’indicateur. Un leader formé qui reste, coordonne et transforme modifie la structure qui produit l’indicateur. L’écart entre 8,4% et 29,8% de l’enseignement supérieur ne se comble pas une personne à la fois — il se comble lorsque le territoire acquiert sa propre capacité à revendiquer, concevoir et exécuter.

C’est aussi pourquoi cette recherche existe et est publique. Un territoire sans données est un territoire sans arguments. Ceux qui négocient avec les pouvoirs publics, un bailleur de fonds ou une université vont plus loin avec 256 secteurs mesurés qu’avec la certitude de savoir qui y habite — même lorsque cette certitude est correcte, comme c’est presque toujours le cas.

ce que l’on peut construire à partir de là

La lecture critique n’est utile que si elle ouvre la voie. Ce que ces données permettent, à partir d’aujourd’hui :

• Commencer par le numérique, non par l’infrastructure. Avec 90% de connexion, il est possible de concevoir une formation qui présuppose l’accès — parcours longs, projets continus, usage productif — au lieu de dépenser le budget dans la connectivité.
• Cibler la transition du secondaire. Les 22 878 personnes ayant achevé leurs études secondaires et occupant un emploi peu qualifié constituent le plus grand public mesuré du territoire, et celui qui présente le plus grand potentiel de mobilité. C’est là qu’un parcours de qualification offre le meilleur rendement 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 leur priorité.
• Des analyses au niveau des quartiers. Avec 43 localités et 256 secteurs mesurés, il est possible de choisir où commencer selon des critères précis, et non par commodité — et de prouver ensuite si cela a fonctionné.
• Établir la 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 le portrait d’aujourd’hui est enregistré 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 tenu à l’écart de l’économie que sa propre ville a construite. Le manque ne vient pas de Campo Grande — il vient de la distribution. Et la distribution 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 — 256 secteurs, un ajustement parfait dans les deux sens. Cela permet d’additionner l’univers, qui descend jusqu’au secteur, et l’échantillon, qui apporte les revenus et le niveau d’éducation, sans erreur de frontière.
• Tout est pondéré. L’échantillon du Recensement n’est pas auto-pondéré. La validation : la population pondérée donne 125 044 habitants, ce qui est identique à celle de l’univers ; les ménages occupés donnent 42 481 contre 42 448, soit une différence de 0,08%.
• Ce qui manque. L’erreur d’échantillonnage n’a pas été calculée — les estimations pour les petits sous-groupes ont un intervalle large. Et 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 : d’ici là, ces chiffres s’appliquent au district.

Le quartier n’existe pas pour Campinas dans la base de données de l’IBGE. La couche des agrégats par quartier couvre 58 municipalités de São Paulo et Campinas n’en fait pas partie ; le champ NM_BAIRRO est vide dans les 2 592 secteurs de la commune. Le critère d’inclusion dans cette couche ne figure pas dans les fichiers publiés, et cette recherche n’affirme pas la raison de cette absence. La ventilation intra-municipale ne se fait ici que par district ou par agrégation propre des secteurs.

glossaire

sources et découpages du recensement

• IBGE — Instituto Brasileiro de Geografia e Estatística (Institut brésilien de géographie et de statistique). Organisme fédéral responsable du recensement démographique.
• Censo Demográfico — Le dénombrement complet de la population brésilienne, réalisé tous les dix ans. Celui de 2022 est le plus récent ; le précédent date de 2010.
• univers — La partie du recensement appliquée à tous les domiciles, avec le questionnaire de base. Couverture totale et niveau de détail allant jusqu’au secteur de recensement, mais avec des questions limitées.
• échantillon — La partie du recensement appliquée à une fraction des domiciles, 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 domicile et personne interrogée. C’est ce qui permet de croiser librement les variables au lieu de dépendre de tableaux préexistants.
• secteur de recensement — La plus petite unité de collecte et de publication du recensement : la zone parcourue par un agent recenseur, généralement de 250 à 350 domiciles 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 lors du recensement, 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 qui déclarent 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 retenu est simplement le plus fréquent.
• favela et communauté urbaine — Classification officielle de l’IBGE pour les secteurs présentant des modes d’urbanisation et de fourniture de services particuliers. À Campo Grande, il y a 47 secteurs, représentant 16,3 % de la population.
• faible seuil domiciliaire — Classification de l’IBGE pour les secteurs comportant très peu ou aucun domicile. Ce sont les secteurs en gris 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 attribue 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 habitants.
• médiane — La valeur centrale : la moitié des cas est en dessous, l’autre moitié au-dessus. En matière de revenus, elle est plus fidèle que la moyenne, qui est faussée par quelques valeurs très élevées.
• percentile, 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 rapport entre les deux mesure l’étalement de la distribution.
• 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 — Combien de personnes ont effectivement été 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. De 8,4 % à 29,8 %, il y a 21,4 points de pourcentage — et, en même temps, 3,5 fois plus. Ces deux mesures expriment des réalités différentes.
• par habitant — Par personne. Le revenu du ménage par habitant divise le revenu total du foyer par le nombre de résidents.
• salaire minimum de référence — R$ 1 212,00, valeur en vigueur à la date de référence du recensement 2022. Toutes les coupures par salaire minimum de cette recherche utilisent cette valeur.
• fallacie écologique — L’erreur de conclure quelque chose sur une personne à partir de la moyenne de l’endroit où elle habite. Un secteur à faible revenu compte des résidents à haut revenu, et vice-versa.

les indicateurs

• revenu du ménage par habitant — La somme de tous les revenus du foyer divisée par le nombre de résidents. 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 a un indice de 0,405 et Campinas de 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.
• taux 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 actif.
• population active — Les personnes de 14 ans ou plus qui travaillent ou recherchent un emploi. Celles qui ne cherchent pas en sont exclues, même sans emploi.
• taux d’activité — La proportion de la population de 14 ans ou plus qui fait partie de la population active. Mesure la disposition à travailler, non la réussite à trouver un emploi.
• taux de chômage — La proportion de personnes au sein de la population active qui n’ont pas d’emploi et en cherchent un.
• statut professionnel — Le lien de travail de la personne active : salarié du secteur privé, travailleur indépendant, employé de maison, employeur, fonctionnaire.
• grands groupes professionnels — Classification de l’IBGE qui regroupe les professions par familles — des directeurs et professionnels des sciences jusqu’aux professions élémentaires.
• niveau d’instruction — Le degré de scolarité achevé, 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 de la personne de référence — 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 c’est elle qui 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 — blanche, noire, métisse (parda), jaune et indigène — déclarées par la personne elle-même, et non attribuées par l’agent recenseur. Cette recherche additionne parfois les catégories noire et métisse, conformément à l’usage dans les études sur les inégalités raciales.
• handicap — Dans le recensement 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.
• résidents par chambre à coucher — Le nombre de personnes qui dorment, en moyenne, par pièce utilisée comme chambre. Mesure la densification : plus le chiffre est élevé, plus il y a de personnes par chambre.
• densité démographique — Habitants par kilomètre carré.
• alphabétisation — Savoir lire et écrire un message simple, selon la définition du recensement. Mesuré parmi les personnes de 15 ans ou plus.

occupation 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 nettoyage et d’entretien, manœuvre et aide sur les chantiers, livreur, chiffonnier, vendeur ambulant, gardien, aide de cuisine. Ils représentent 22,1 % des personnes occupées à Campo Grande, contre 13,2 % à Campinas.
• professionnels des sciences et intellectuels — Grand groupe 2. Professions qui exigent 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 pour son propre compte, sans employer de salariés. Cela inclut aussi bien l’entrepreneur formalisé (comme le MEI) que le travailleur informel.
• employé de maison — Personne travaillant au domicile de tiers — femme de ménage, employée de maison, nounou, aidant. Ils représentent 6,0 % des personnes occupées 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 sur un même indicateur, et la longueur de la barre représente la différence entre eux.
• barres empilées normalisées — Barres valant chacune 100 %. Il compare la composition interne de chaque catégorie, et non leur taille.
• barres groupées — Deux barres ou plus côte à côte au sein de chaque catégorie. Il compare les mêmes groupes de manière répétée, catégorie par catégorie.
• graphique en divergence — Barres partant d’une ligne centrale vers les deux côtés. La ligne sert de référence ; le côté indique si l’on est au-dessus ou en dessous.
• pyramide des âges — Barres horizontales en miroir, avec des tranches d’âge allant de la plus jeune en bas à la plus âgée en haut, un sexe de chaque côté. La forme révèle si la population est jeune ou vieillissante.

fiche technique

sources de données

Provenant toutes de l’IBGE — Instituto Brasileiro de Geografia e Estatística, recensement démographique 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 domicile, couleur ou race, démographie, décès et liens de parenté.
• Agrégats par secteurs de recensement : Revenu de la personne de référence
• 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 disposition 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.