MAPA: pipeline de ubicaciones y nueva vista geográfica del archivo

[Bu-chip]

La ubicación de Bandcamp dejaba de existir al entrar al catálogo: el descubrimiento la leía (band_location) y el merge la descartaba. Este PR la conserva como evidencia trazable fuera del canónico y, encima de esos datos, añade una tercera puerta: MAPA, el mismo archivo interrogado desde los lugares.

El canónico (data/bandcamp_bilbaotags_clean.json, 9 campos) no se toca.

Pipeline de ubicaciones

Cuatro capas separadas en data/locations/, todas reproducibles con scripts/locations.py:

1. Observación — el texto crudo de Bandcamp («Zarautz, Spain») con su fuente, cuenta, URL y fecha. Un fichero por lote, así cada PR mensual añade el suyo sin conflictos. value: null = se consultó y no había ubicación.
2. Normalización — cada texto va a una categoría: resolved, region_only, ambiguous, outside_scope, unexpected, invalid o unresolved, contra un registro controlado de 684 municipios (Wikidata: INE/INSEE + P625; Iparralde = las comunas de la Communauté d'agglomération du Pays Basque) y reglas en rules.json.
3. Resolución — por release, con su procedencia y sus contradicciones: direct, same_account, artist_inferred, manual, region_only, outside_scope, tag_hint, unresolved. Una cuenta de sello nunca propaga su ubicación al artista, y un tag geográfico nunca ubica por defecto.
4. Índice del mapa — 208 KB, referencias por id, solo se descarga al abrir MAPA.

Cómo se recuperó y completó:

• Sin red: recover reconstruyó 5.181 ubicaciones desde el histórico git (incluidas las ramas candidates/2026-08, 2026-09 y discovery-state), con 0 contradicciones entre versiones.
• Con red: scrape visitó una ficha por cuenta sin evidencia previa (638 peticiones en vez de 1.414, al ritmo del scraper actual): 621 cuentas con ubicación, 10 sin ella y 8 resueltas por la portada de la cuenta al estar los discos retirados.
• Guardia: locations.py check falla si algún band_location de un fichero de candidatos no está registrado. Corre en CI y está enganchada al workflow mensual, así que los PR Candidatos 2026-08: 29 discos para revisión #65 y Candidatos 2026-09: 76 discos para revisión #66 ya no pueden perder sus ubicaciones.

Escenario D por defecto

El mapa dibuja directas + misma cuenta de un solo artista + inferidas por artista: 5.904 releases (78 % del catálogo) en 104 municipios.

Quedan fuera por defecto, activables en «Más filtros» o con ?ubic=dcamt, las 618 inferencias desde cuentas con varios artistas y las 36 pistas de tag. Los datos no se borran ni cambia la resolución almacenada: solo cambia qué se dibuja.

El porqué está medido en la auditoría multiartista:

• Escenario A (todo): 6.522 releases, pero 618 venían de cuentas multiartista, 612 de ellas en Bilbo: era la ciudad del sello, no la del grupo.
• Escenario B (solo directas): 4.953, y hundía Bilbo de 2.440 a 941 por un artefacto del método (el scrapeo visitó una ficha por cuenta, así que el resto de releases de una cuenta de un solo artista quedaron como same_account siendo el mismo dato).
• Escenario D: quita solo lo dudoso. Bilbo queda en 1.828.

Vista MAPA

#/mapa, #/mapa/:lugar, con los mismos filtros que ARCHIVO (busqueda.filtra, que gana rango desde/hasta compartido) más territorio y procedencia. URLs compartibles, atrás/adelante y recarga conservan el estado.

Mapa propio, sin cartografía comercial: retícula de celdas de ~5 km generada en build desde los núcleos del nomenclátor, marcadores cuadrados cuyo tamaño es la cantidad documentada y escala absoluta (un cuadrado significa lo mismo con y sin filtros; un «fantasma» muestra el total sin filtrar).

Escritorio: cabecera compacta, una línea de filtros con desplegables, chips de lo activo, una línea de cobertura con la metodología plegada, y mapa (~65 %) + panel de contexto (~35 %) que entran sin scroll. Panel de municipio mínimo (cifras, 6 tags, 4 releases) con Artistas, Releases, Sellos, Estadísticas y Procedencia en secciones plegadas; panel de tag con el reparto por municipio.

Móvil (≤ 760 px, modo propio, no la versión encogida): mapa acotado (~46 vh) que orienta y selecciona, con gestos (un dedo desplaza, dos acercan) y botones +/−/⟲; solo 5 rótulos en la vista general (Bilbo, Donostia, Gasteiz, Iruñea, Baiona) y más al acercar o por territorio; hoja inferior de tres estados (asomada / media a 42 vh / expandida) con tirador arrastrable, que se abre al seleccionar dejando el municipio visible en el mapa; modo Mapa | Lista con el ranking de municipios respetando los filtros; metodología como capa.

El lima queda reservado a selección y estado activo, y la procedencia solo se dibuja si se activan datos débiles.

Cobertura del dataset

	Releases	%
direct	4.953	65,4
same_account	1.486	19,6
artist_inferred	83	1,1
region_only	558	7,4
outside_scope	286	3,8
tag_hint	36	0,5
unresolved	166	2,2

Por territorio (escenario A): Bizkaia 3.003 · Gipuzkoa 1.894 · Nafarroa 961 · Araba 586 · Iparralde 78. Sin resolver: 141 porque Bandcamp no da ubicación, 22 con evidencia descartada y 3 sin evidencia. Contradicciones registradas: 33, todas por tags que apuntan a otro municipio. Lo que no tiene municipio se cuenta en la interfaz, no se esconde.

Limitaciones conocidas

• La ubicación es la de la cuenta que publica, no la del artista, y es la actual: no es residencia ni reconstrucción histórica. Filtrar por año filtra releases.
• Cuentas con varios artistas (probables sellos): sitúan 2.026 releases en el escenario A. Sus 618 inferencias quedan fuera por defecto, pero las directas de esas cuentas sí se dibujan (1.345): un disco publicado por un sello aparece en la ciudad del sello. El panel del municipio lo dice y la sección «Sellos y cuentas» las lista.
• El índice de sellos es heurístico (cuentas con ≥2 artistas o léxico de sello), así que incluye splits y recopilatorios: por eso la interfaz dice «probables sellos».
• Concentraciones que dependen mucho de una cuenta: Santurtzi 53 % (muertematarrecords), Irun 43 % (petruskarecords), Zarautz 35 % (zaratazarautz).
• El lift con pocas releases es inestable (umbrales: 3 en el lugar y 10 en el archivo); describe el archivo, no la escena.
• Pendiente de revisión humana: 27 releases con topónimo del ámbito y país incoherente (Navarre, Florida, Pamplona, Colombia, Irun, Nigeria…) y Afghanistan (24 releases del sello Mendeku Diskak), marcadas y fuera del mapa. Detalle en data/locations/reports/review.md.
• Iparralde está poco poblado (78 releases): el catálogo nació en Bilbao y la oleada 2 sigue en cola.
• resolutions.json pesa 3,3 MB: es para trazabilidad, la app no lo carga.

Tests y build

• python3 -m unittest discover tests: 24 OK (preservación de band_location, aliases, ISO 3166-2, region_only, fuera de ámbito, colisiones, conflictos, sellos que no contaminan al artista).
• npm test (node --test, sin dependencias nuevas): 12 OK (rutas, URLs, filtros combinados, escenario D, densidad de etiquetas, encaje del zoom, lift).
• npm run lint limpio y npm run build correcto.
• Nuevo workflow Tests en cada PR: tests de Python, guardia de ubicaciones, comprobación de que los derivados están al día (son deterministas, verificado con distintos PYTHONHASHSEED) y tests + lint + build de la app.
• Simulado en un worktree limpio: CI completa y el ensamblado del deploy (7.568 stubs y map_index en assets). Probado en navegador a 1440×900 y 375 px: rutas, selección, filtros, atrás/adelante, modo lista y activación de multiartista.

Documentación

• docs/mapa.md — de dónde vienen las ubicaciones, qué significa cada resolution_type, qué no significa el mapa, cómo regenerar, cómo añadir o corregir un municipio y cómo se cruzan mapa y tags.
• docs/mapa-data-audit.md — auditoría del dataset (generada).
• docs/mapa-implementation-report.md — decisiones técnicas, métricas, verificación y propuestas futuras.
• data/locations/reports/multiartist-audit.md — el peso de las cuentas multiartista y los escenarios A/B/C/D.
• docs/mapa-audit.md — auditoría previa y qué se reutiliza del mapa de escenas vecino.

Después de fusionar

Al incorporar los candidatos de #65 y #66 hay que ejecutar python3 scripts/locations.py all y commitear los derivados; si no, el workflow Tests lo marca.

🤖 Generated with Claude Code