DONA AQUI

Si esta plataforma te está ayudando, te invitamos a reflexionar y respaldar su sostenimiento. Detrás de cada actualización hay infraestructura, análisis y trabajo continuo. Si sus predicciones, visualizaciones o alertas te están siendo útiles, considera apoyar el proyecto desde la pestaña DONA AQUI.

Actas contabilizadas

-- %

Total de actas: -- -- de Actas para envio al JEE y -- de Actas pendientes

Tiempo estimado -- lectura variable segun ritmo

ACTUALIZANDO...

Contabilizadas (0) Para envio al JEE (0) Pendientes (0)

Líder -- --

Ventaja -- sobre el segundo lugar

Actas pendientes -- -- contabilizadas

Votos válidos -- --

Interpretación ↑ Sube: el candidato muestra crecimiento reciente por encima de la banda esperada. ↓ Baja: el candidato registra descenso reciente por debajo de la banda esperada. → Estable: el cambio reciente es pequeño y no rompe la banda de estabilidad. Confianza Alta / Media / Baja: indica qué tan consistente ha sido ese movimiento en los últimos cortes.

Actualización ONPE -- -- contabilizadas

Candidatos evaluados -- incluye todos los candidatos publicados

Histórico disponible -- cortes usados para tendencia y evaluación

Horizonte Próximo corte lectura experimental, no oficial

Falta por contar -- remanente estimado

Ritmo reciente -- puntos por hora

Tiempo estimado -- lectura variable según ritmo

Curva de tendencia real y próxima actualización

Próxima actualización modelo: --

Error MAE anterior --

Error RMSE anterior --

Acierto direccional --

Evalúa la predicción emitida antes del último corte ONPE disponible.

Avance por candidato flechas por variación reciente

Estabilidad de crecimiento ranking por crecimiento estable

Red neuronal online modelo: --

Muestras--

Pérdida--

Aprendizaje--

Candidatos--

Pesos ajustados salida de la capa oculta

Evaluación histórica -- evaluaciones

MAE promedio--

RMSE promedio--

Dirección promedio--

Valor predictivo--

Valor calculado solo con la red neuronal usada por el Oráculo.

Última comparación --

Oráculo a Boca de IA tendencia actual

Conteo proyectado

Método de proyección

Actual--

Objetivo--

Actualizaciones--

Resultado simulado --

Método de proyección: Tendencia reciente Usa los últimos cambios del candidato para estimar el próximo movimiento porcentual.

Descargo de responsabilidad: Este módulo se desarrolla con fines académicos para evaluar el estado del arte en análisis predictivo electoral. Sus simulaciones no son resultados oficiales, no deben interpretarse como una representación fiel de la realidad y no sustituyen la información publicada por la ONPE.

Proyección lanzada al

-- Porcentaje de actas ONPE usado para evaluar la proyección anterior.

Corte evaluado --

Acierto del modelo

-- Acierto de posiciones del ranking, no de porcentajes de voto.

Método de proyección

Elige el modelo para contrastar su ranking proyectado contra el ranking ONPE observado.

Proyección --

ONPE --

Evidencias

Recordings

Reproducciones directas desde el servidor.

Abrir en nueva ventana

Reproductor Selecciona un video

Videos disponibles --

Guía de lectura

FAQ de la plataforma

Esta página explica los elementos del tablero, los modelos de proyección y las métricas usadas para analizar la evolución del conteo.

Uso experimental Las cifras oficiales son únicamente las publicadas por ONPE. Las predicciones, rankings proyectados y métricas son análisis exploratorios.

ONPE

Actas contabilizadas: Porcentaje de actas que ONPE ya incorporó al conteo oficial disponible.
Total de actas: Cantidad total de actas esperadas en el proceso.
Para envío al JEE: Actas que requieren revisión o envío al Jurado Electoral Especial.
Pendientes: Actas que todavía no han sido contabilizadas en el avance mostrado.
Histograma: Barras verticales con votos y porcentaje de cada candidato. Las flechas laterales permiten revisar candidatos fuera del primer grupo visible.

Análisis y Predicción

Actualización ONPE: Fecha y hora oficial del último corte leído por la plataforma.
Candidatos evaluados: Total de candidatos incluidos en cálculos de tendencia, estabilidad y predicción.
Histórico disponible: Número de cortes guardados. Mientras mayor sea el histórico, mejores pruebas pueden hacerse.
Curva de tendencia: Evolución histórica de porcentajes por candidato. La línea continua es historia; la línea punteada es estimación del próximo corte.
Próxima actualización: Estimación del siguiente movimiento usando la tendencia local de corto plazo.
Estabilidad de crecimiento: Ranking de candidatos que crecen con menor volatilidad reciente. No significa liderazgo ni victoria.

Métricas

MAE: Error absoluto medio. Mide qué tan lejos quedó la predicción del dato observado.
RMSE: Raíz del error cuadrático medio. Penaliza más los errores grandes y conserva la unidad de puntos porcentuales.
Acierto direccional: Indica si el modelo acertó el sentido del cambio: subida, bajada o estabilidad respecto del corte anterior.
Flechas de tendencia: La flecha verde hacia arriba indica que el candidato sube respecto de la variación reciente; la flecha roja hacia abajo indica descenso; la flecha horizontal indica estabilidad o cambio muy pequeño. Deben leerse como señal de movimiento entre cortes, no como garantía de resultado final.
Delta: Diferencia en puntos porcentuales entre el valor actual y el valor proyectado.
Volatilidad: Variación de los cambios recientes. Una volatilidad baja sugiere una señal más estable.
Confianza: Indicador heurístico basado en estabilidad y consistencia de la señal. No es una probabilidad oficial.

Integridad y patrones atípicos

Señales atípicas: Este sistema puede marcar patrones recurrentes que no se explican por un proceso natural de conteo, como cambios abruptos persistentes sin correlación con el avance histórico.
Lectura responsable: Estas señales no prueban fraude. Solo sugieren la posibilidad de manipulación cuando se repiten de forma consistente y requieren verificación técnica y legal independiente.
Uso recomendado: Se usan como alerta temprana para priorizar revisión, auditoría o contraste con información oficial adicional.

Oráculo

Conteo proyectado: Porcentaje de avance al que se quiere simular el resultado.
Resultado simulado: Distribución estimada si el conteo llegara al porcentaje elegido con el método seleccionado.
Red neuronal: Modelo no lineal experimental que transforma variables históricas del candidato para estimar su próximo cambio porcentual.
XGBoost: XGBoost, más formalmente un ensamble aditivo de árboles de decisión, ajusta árboles sucesivos sobre errores residuales para estimar el siguiente cambio.
Tendencia actual: Extrapola la pendiente reciente del candidato hacia el porcentaje objetivo.
Tendencia histórica: Combina pendiente corta, pendiente larga, último cambio, aceleración y penalización por volatilidad.
Bayes Dirichlet: Modelo Dirichlet-Multinomial que representa la competencia entre candidatos como una distribución conjunta de proporciones.
Kalman: Filtro recursivo de estado-observación que suaviza ruido de capturas puntuales y proyecta el siguiente estado probable.

Ranking

Proyección lanzada al: Porcentaje de actas desde el cual se generó una predicción histórica.
Corte evaluado: Control que permite elegir una predicción emitida en un corte anterior y compararla contra el ONPE actual.
Acierto del modelo: Porcentaje de posiciones del ranking que coinciden con el ranking observado, no de porcentajes de voto.
Proyección: Barras horizontales del ranking estimado por el método seleccionado.
ONPE: Barras horizontales del ranking real observado en el último corte oficial disponible.
Top 10: Medición específica de coincidencia dentro de los diez primeros lugares.

Dataset y Visitas

Solicitud de data: Formulario para registrar correo o celular de quien solicita acceso a datos recolectados.
Trazabilidad: Cada captura conserva fecha, fuente y estado para poder auditar la evolución.
Contador de visitas: Indicador privado y discreto de visitas. Permite revisar visitas y visitantes únicos.
IP y origen: Se registran datos técnicos de conexión para analítica básica del sitio.
Veritas: Nombre del módulo experimental de seguimiento de modelos y evaluación predictiva.
VeritasX: Extensión prevista para análisis territorial cuando existan datos por departamento, provincia, distrito o mesa.

Uso responsable

Integridad y patrones atípicos

Este espacio describe cómo el sistema identifica señales atípicas y por qué no deben interpretarse como conclusiones oficiales.

Advertencia Las señales aquí descritas no prueban fraude. Solo sugieren la posibilidad de manipulación cuando se repiten de forma consistente y requieren verificación técnica y legal independiente.

Alertas activas--

Cortes analizados--

Candidatos--

ONPE--

Alertas recurrentes patrones no explicables por ruido reciente

Cambios abruptos último corte vs banda esperada

Desacoples internos requiere datos territoriales oficiales

Historial de eventos cortes con señales atípicas

Señales atípicas

Patrones recurrentes: Se observan variaciones que no se explican por un proceso natural de conteo, especialmente cuando se repiten en varios cortes y territorios.
Cambios abruptos persistentes: Saltos de magnitud inusual que no regresan a la tendencia previa ni guardan proporción con el avance esperado.
Desacoples internos: Incoherencias entre totales y subcomponentes cuando existan fuentes oficiales de desagregación.

Lectura responsable

Sin veredicto automático: El sistema no etiqueta fraude. Solo emite alertas de comportamiento atípico.
Validación externa: Cualquier señal debe contrastarse con auditorías, actas y procesos oficiales.
Contexto operativo: El flujo de actas puede generar ruido temporal por logística, cierres regionales o correcciones administrativas.

Uso recomendado

Alerta temprana: Prioriza qué cortes revisar con mayor detalle, no determina culpabilidad.
Transparencia: Ayuda a documentar cuándo aparecen patrones reiterados y cómo evolucionan.
Investigación: Permite formular hipótesis técnicas que luego deben validarse con evidencia oficial.

Iniciativa abierta

Acerca del proyecto

Esta plataforma nace como un laboratorio ciudadano para observar, preservar y analizar la evolución pública del conteo electoral, combinando datos abiertos, visualización, trazabilidad y modelos experimentales de predicción.

Propósito Acercar el análisis electoral a más personas mediante herramientas comprensibles, auditables y orientadas a educación, investigación y participación informada.

Alcance

El sistema recopila cortes públicos disponibles, organiza el histórico de candidatos, grafica tendencias, permite simulaciones exploratorias y compara métodos de proyección contra nuevos cortes observados.

No reemplaza información oficial, no proclama resultados y no debe usarse como fuente definitiva para decisiones electorales.

Iniciativa

El proyecto busca convertir el seguimiento electoral en una experiencia transparente: cada actualización permite observar qué cambió, cómo cambió y qué tan temprano un método pudo aproximarse al ranking real.

Su valor está en aprender del proceso, evaluar modelos y documentar límites metodológicos con datos reales.

Proyección social

La plataforma puede apoyar formación en ciencia de datos, alfabetización electoral, periodismo de datos, investigación universitaria y vigilancia ciudadana responsable.

La meta es que más personas entiendan el conteo electoral sin depender de lecturas opacas o conclusiones apresuradas.

Línea de desarrollo

Mejorar la trazabilidad del histórico y sus fuentes.
Evaluar modelos predictivos con métricas reproducibles.
Incorporar análisis territorial cuando existan datos abiertos suficientes.
Publicar lineamientos de investigación para tesis y proyectos académicos.

Aporte técnico

Sugerencias

Comparte ideas, mejoras, errores detectados o aportes técnicos que ayuden a fortalecer la plataforma como sistema de análisis, predicción y trazabilidad.

Qué ayuda más Describe el problema, dónde ocurre, qué propones, por qué mejoraría el sistema y cómo podríamos verificarlo.

Enviar sugerencia aportes técnicos y mejoras

Nombre o alias Correo o celular

Área del sistema Tipo de aporte

Título breve Descripción del aporte

Prioridad sugerida Pueden contactarme para ampliar la propuesta

Lineamientos para aportes útiles

Precisión Indica pestaña, métrica, modelo o flujo exacto donde ocurre la mejora o problema.

Verificación Propón cómo comprobar que el cambio funciona: métrica, captura, comparación o caso de prueba.

Impacto Explica si ayuda a usuarios, investigación, transparencia, rendimiento o calidad predictiva.

Fuente Si sugieres datos externos, incluye origen, formato, licencia y nivel territorial disponible.

Crowdfunding tecnológico

Workstation para IA abierta

Buscamos adquirir una estación de trabajo con prestaciones sólidas para ejecutar modelos de inteligencia artificial open source y modelos de difusión.

La segunda vuelta necesita una plataforma más precisa, más rápida y más transparente. Para construirla necesitamos infraestructura local capaz de ejecutar modelos abiertos, simulaciones intensivas y análisis territorial en tiempo real.

Cualquier aporte, incluso de S/ 1, ayuda a acercar esta infraestructura a la comunidad académica y ciudadana.

Meta mínima técnica 48 GB VRAM + 128 GB RAM

Capacidad base para modelos grandes cuantizados, inferencia local, fine-tuning ligero, pipelines de difusión y análisis con históricos extensos.

Meta técnica 48 GB VRAM mínima para modelos y difusión.

Memoria objetivo 128 GB RAM base para datasets y procesos locales.

Opción recomendada

HP Z8 G4 reacondicionada + GPU profesional

Una Z8 G4 es una base robusta por su chasis, fuente, ventilación, soporte para memoria ECC y expansión PCIe. Es una ruta razonable si se consigue a buen precio y se prioriza estabilidad.

GPU: NVIDIA RTX A6000 48 GB o RTX 6000 Ada 48 GB.
RAM: 128 GB DDR4 ECC como mínimo; ideal 256 GB si el presupuesto lo permite.
CPU: Intel Xeon Scalable, preferible 16 a 32 núcleos totales.
Almacenamiento: NVMe 2 TB para modelos y datasets, más SSD/HDD de 4 TB a 8 TB para respaldos.
Fuente y energía: PSU certificada de alta capacidad, UPS y buena ventilación continua.

Componentes a adquirir

Lista priorizada

GPU de 48 GB de VRAM: RTX A6000, RTX 6000 Ada o equivalente profesional.
Memoria RAM ECC hasta llegar a 128 GB como base operativa.
Unidad NVMe de 2 TB para modelos, checkpoints y entornos de trabajo.
Almacenamiento secundario de 4 TB a 8 TB para datasets, evidencias y respaldos.
UPS, mantenimiento térmico y monitoreo para operación estable.

Uso previsto

Qué permitirá ejecutar

Modelos de lenguaje open source en inferencia local con cuantización.
Stable Diffusion, Flux u otros modelos de difusión según licencia y memoria disponible.
Entrenamiento y ajuste experimental de modelos pequeños o medianos.
Simulaciones, Montecarlo, análisis de series temporales y evaluación de modelos electorales.
Documentación reproducible para investigación, tesis y colaboración académica.

Aportes

Todo suma

El objetivo no es comprar lujo, sino capacidad computacional local para investigar mejor, preservar datos, comparar modelos y abrir resultados con mayor independencia técnica.

Si deseas apoyar, puedes hacerlo desde la pestaña DONA AQUI. Cada aporte ayuda a convertir esta experiencia ciudadana en una herramienta seria de investigación y vigilancia democrática.

Comunidad

Colabora Pe

Este espacio reconoce a las personas y organizaciones que ayudan a sostener el proyecto, cubrir infraestructura y mantener abierta la investigación.

Guido Mamani Ccallaccasi

Por su apoyo incondicional a la producción de conocimiento local e investigación, y su compromiso con nuestra cultura andina.

Edward Macedo Valeriano (mi Wayki)

Maestría en Ciencias Mención Informática UNSAAC presente.

Jorge D. Zamalloa Chiang (El gran Coco Zamalloa)

Our Peruvian Shark-Tank.

Pedro Ramos Chávez (mi némesis en la Maestría - UNSAAC)

El conocimiento que se comparte nunca se pierde.

Nely Huayta, Luis Cisneros Vega, Alex Camala, Edixson Cueva Quiroga, Erwin Ruiz Gonzales, Cristóbal Ventura Lorenzo y Jhon Alan Vilca Fernández

Por ser testigos resilientes de un hecho sin precedentes en la historia electoral peruana, sus nombres quedarán inmortalizados.

Julio Lun*