ocupacoesBR 0.8.2

Duas correções, sem mudança de comportamento, de dado ou de resultado: uma pedida pela revisão manual à 0.8.1, outra completando um pedido da revisão à 0.8.0 que a 0.8.1 só tinha atendido em parte.

ocupacoesBR 0.8.1

Correções pedidas pela revisão manual do CRAN à 0.8.0, sem mudança de comportamento, de dado ou de resultado.

ocupacoesBR 0.8.0

O índice de referência promete, na porta do IBGE, que “é por aqui que se compara candidatura com população”. Era a promessa mais forte do pacote e a única que ele não mostrava cumprindo — nem mostrava onde ela falha. Esta versão dá ao pacote os dois lados da comparação e a página que ensina a fazê-la.

O que motivou: em setembro de 2026 uma comparação entre candidaturas do TSE e população da PNAD Contínua foi auditada e reprovada. A tradução estava certa e os testes passaram. O erro estava numa decisão de medida que o site não desaconselhava em lugar nenhum, porque em lugar nenhum tratava do assunto — ler o primeiro dígito da ISCO-88 dos dois lados. O que reprovou a régua: os rótulos de vínculo público do formulário do TSE saem da base classificável e os mesmos trabalhadores, na PNAD Contínua, ficam dentro dela. O tamanho do viés — 3,4 pontos na classe profissional sobre uma base de 12,3 — foi medido naquela auditoria, fora deste repositório, e é citado aqui como motivo e não como número do pacote; o que este pacote mede está nas tabelas abaixo.

tse_universo: de que é feito o resíduo das candidaturas

Sete rubricas, por ano e por sexo, somando 100 dentro de cada recorte. checa_cobertura() já dizia quanto de um vetor recebe escore; esta tabela diz de que é feito o que não recebe, e mostra que a resposta muda.

Duas leituras que uma taxa de cobertura única esconde. A não declaração vai a zero a partir de 2006, o que indica campo obrigatório, e a recusa de nomear assume o lugar dela: a rubrica 999 sai de 13,5% em 1998 e chega a 21,9% em 2024. E a diferença de cobertura entre os sexos está quase toda numa linha — de 2004 em diante, Fora da força de trabalho é 1,2% das candidaturas de homens e 14,6% das de mulheres. A vinheta qual-regua já afirmava isso em prosa; agora há tabela.

cod_populacao_br: o denominador

A distribuição da população pelos endereços da ISCO-88, por piso etário de elegibilidade (18, 21, 30 e 35 anos, os da Constituição) e por sexo, com a parcela não ocupada como linha da tabela e não como ausência dela.

É decisão de escopo, tomada pelo autor com a tabela medida à vista. O pacote é um tradutor e uma distribuição populacional é outro tipo de objeto; o precedente existe nos dois sentidos (isco_posicao_br já deriva da população, tse_validacao já deriva das candidaturas) e sem ela nenhum número sobre a população seria reproduzível por quem lê. Custa 28 KB, sem indivíduo e sem identificador.

O par que ela permite calcular, e que é o eixo do artigo novo: medida sobre o mesmo universo, a cobertura do ISEI é de 61,8% na população de 18 anos ou mais e de 62,0% nas candidaturas de 2024. As duas fontes perdem quase a mesma fração de gente por motivos que não têm nada em comum — a população porque 38,0% dos adultos não estão ocupados, o Tribunal porque um em cada cinco candidatos marca uma rubrica que não nomeia ocupação. Uma taxa de cobertura parecida não é sinal de que os dois lados são comparáveis.

Ao contrário das tábuas de conversão, esta tabela envelhece, e a ajuda diz isso na primeira linha: é estimativa de amostra com peso, da PNAD Contínua de 2025, e não um censo.

isco_posicao_br ganha o setor público e a posição militar

pct_setor_publico (V4012 == 4) é a variável que faltava para medir a maior assimetria entre as duas fontes. Medido: o setor público é 11,7% dos ocupados com endereço na ISCO-88, e 37,9% dele está no grande grupo 2, professores sobretudo — a classe que carrega o argumento em quase toda análise de recrutamento.

pct_militar (V4012 == 2) sai da mesma passada e exige aviso, que está na ajuda. O dicionário do IBGE define essa posição como militar do exército, da marinha, da aeronáutica, da polícia militar ou do corpo de bombeiros militar. Medido: entre quem a declara, 39,9% cai no grande grupo 0 pelo código de ocupação e 60,1% cai no 5. A pergunta sobre posição e a pergunta sobre ocupação discordam sobre quem é militar no Brasil, e nenhuma das duas é o erro da outra.

O artigo: Comparar duas fontes

Oito decisões — a porta, a revisão da ISCO, o ano, a régua, o universo, o resíduo, a agregação e a ponte —, cada uma com o mesmo bloco de quatro partes: a decisão, o que ela permite, quem ela exclui (nomeado, e com o tamanho) e como medir esse tamanho no seu dado. Fecha com o que o pacote não faz, uma folha de decisão de uma página, e um exemplo trabalhado que roda só com dados do pacote.

Três coisas que a página mede e que não estavam ditas em lugar nenhum:

Ajuda cruzada

?cod_para_isco ganha a explicação da adaptação da polícia militar, com exemplo, e a remissão ao artigo. ?tse_para_classe ganha a seção que diz por que cod_para_classe() não existe: quatro das categorias do esquema são rubricas do formulário do TSE, não posições da ISCO, e o esquema não atravessa para a população. Quem precisa comparar composição de classe entre as duas fontes não tem régua pronta, e agora isso está dito onde a pessoa vai olhar.

Uma decisão registrada como decisão, e não como pendência

O plano previa uma função checa_comparabilidade(), que receberia dois vetores de portas diferentes e julgaria se a comparação se sustenta. Ela não foi escrita, e o motivo é bom: as quatro checa_cobertura_* existentes valem por serem triviais de entender, e um juízo de comparabilidade depende de um critério que depende da pergunta — que é justamente o que o artigo ensina o leitor a decidir. Uma função ali viraria carimbo de aprovação sobre uma decisão que ela não pode tomar. Fica registrado que foi avaliada e descartada.

O repositório abriu, e o manual voltou a compilar

O terceiro preprint saiu em 09/09/2026 — As duas faces da classe no recrutamento político brasileiro, 10.31235/osf.io/muxf8_v1 —, que era a condição para o repositório deixar de ser privado. Ele foi aberto, o GitHub Pages passou a servir https://moraespeixoto.github.io/ocupacoesBR/, e as três URLs do DESCRIPTION que respondiam 404 ao verificador anônimo do CRAN passaram a resolver. A NOTE que elas produziam em todo R CMD check --as-cran deixou de ocorrer, sem que nada no arquivo mudasse.

A faixa de publicações da home tinha dois cartões e passa a ter três, agora com DOI em todos. O cartão do artigo de método ainda dizia “manuscrito em preparação” com o DOI vazio, o que estava errado desde 04/09. E o selo “R-CMD-check passing” da home era texto fixo, que afirmava aprovação sem ler o CI: passou a ser o selo do GitHub Actions, que diz o estado do momento. O README ganhou o mesmo par, que não tinha nenhum.

Uma correção que só aparece no manual em PDF: três ocorrências do sinal de menos matemático (U+2212) numa passagem de ?tse_para_isei faziam o pdflatex parar com “Unicode character not set up for use with LaTeX”. Passaram a hífen ASCII. O leitor lê a mesma coisa; o CRAN, que constrói o manual, deixa de recusar.

ocupacoesBR 0.7.1

Uma auditoria de conteúdo do site, em quatro frentes, encontrou afirmações que o próprio pacote já contradizia. Esta versão começa a saldá-las.

O nível de habilidade 2 da ISCO-88 não vai ao pós-secundário

A aba de classificações definia o nível de habilidade 2 como indo “do secundário inferior ao pós-secundário não terciário”, num parágrafo sobre a ruptura de 1988. Essa é a definição da ISCO-08, ancorada na ISCED de 1997.

Conferido na fonte primária — ILO (1990), pp. 2-3: na ISCO-88 o segundo nível é “ISCED categories 2 and 3, comprising the first and second stages of secondary education”. O pós-secundário não terciário (ISCED-97 nível 4) só entra com a reancoragem de 2008. O texto passa a dar as quatro correspondências da ISCED-76, e a dizer que a ISCO-08 reancorou na de 1997 — precisamente porque a confusão é fácil, e o pacote está ancorado na de 1988.

A CBO tem dois tamanhos, e o site usava os dois sem avisar

A edição de 2002 traz 2.422 ocupações em 596 famílias; o domínio vigente, do Novo CAGED, traz 2.777 em 626 — e é contra ele que as taxas de cobertura do pacote são calculadas. As duas cifras conviviam em páginas diferentes sem explicação. Agora convivem com ela, e as do domínio saem de um chunk que lê o próprio arquivo de fontes.

A coluna qualidade resume duas etapas, e a segunda tem precedência

crosswalk_tse() marca "ambígua" a partir da ponte ISCO-88 → ISCO-08, e essa marca sobrepõe a informação sobre o quanto a tradução TSE → ISCO-88 foi agregada. O resultado é que códigos traduzidos exatamente, a quatro dígitos, aparecem como "ambígua" — e a ambiguidade deles é da ponte, irrelevante para quem usa o ISEI-88, que é a régua recomendada. O comportamento não muda; passa a estar dito, com a remissão a tse_isco$nivel para quem quiser só a agregação.

Outras três da mesma aba

E em vignette("qual-regua"), “as três não têm sequer o mesmo denominador” — palavra sem referente — passa a dizer o que de fato difere: população e ano de estimação.

A variância “dentro” da ocupação é zero, não “quase nada”

vignette("validacao") e ?tse_dispersao_patrimonio diziam que uma medida de posição ocupacional “explica a variância entre ocupações e quase nada da variância dentro de cada uma”. O ISEI é constante dentro da ocupação: ele explica exatamente zero, por construção, e “quase nada” sugere que se mediu algo que não é mensurável.

O que se pode medir, e diz mais, é quanto da variância individual do log do patrimônio fica entre níveis de status — o teto de qualquer função do ISEI. A vinheta passa a calculá-lo dos somatórios de tse_dispersao_patrimonio: eta² = 0,077, contra r² = 0,043 que a relação linear aproveita.

E o contraste 0,681 × 0,207 ganha a ressalva que faltava: os dois números diferem em mais coisas que o nível de agregação — um é sobre a mediana e não ponderado, o outro sobre a média do log e ponderado por candidatura. A comparação limpa, na mesma unidade e com o mesmo peso, é a correlação ecológica de 0,748 contra 0,207, agora publicada ao lado.

Três correções menores no mesmo bloco: a unidade passa a ser chamada de candidatura, não indivíduo, nos quatro lugares que ainda usavam o nome que ?tse_dispersao_patrimonio declara ter abandonado; “não use ISEI como proxy de renda individual” passa a dizer patrimônio, que é o que foi testado, com a renda por extensão; e sd_log ≈ 1,7 deixa de ser “uma ordem de grandeza” — exp(1,7) é 5,5, um fator de cinco a seis por desvio padrão, e são dois desvios que dão trinta vezes. As correlações de ?tse_validacao passam a declarar que são não ponderadas, e o 0,63 do piso a dizer que sai de data-raw/, sendo o único número daquela página que o pacote não recalcula.

Gênero: o mesmo recorte da ajuda, e o intervalo de especificações

vignette("validacao") comparava médias de ISEI por gênero sobre os 207 códigos com ISEI, enquanto ?tse_para_isei usa os 168 com n > 500. Os dois números divergiam sem que a vinheta dissesse por quê (46,1 × 47,6 lá, 46,0 × 49,0 aqui). A vinheta passa a usar o recorte da ajuda, a imprimir n, e a remeter à regressão em vez de deixar uma diferença de médias sem controle carregar o argumento.

?tse_para_isei passa a publicar o intervalo de especificações em vez do p pontual. Verificados: ponderada −6,17 (ep 3,03; p = 0,043); com erro-padrão robusto HC3, ep 4,19 e p = 0,14; sem ponderação, −5,34 e p = 0,012; com pct_mulher contínuo, −0,09 por ponto percentual e p = 0,08. O sinal e a ordem de grandeza sobrevivem a todas — o p não, e é o sinal que sustenta a advertência.

A mesma seção passa a explicitar a premissa que “viés” carrega: o ISEI pondera escolaridade e renda, e ocupações femininas rendem menos com credencial igual. A escala registra isso fielmente. É viés se o que se quer medir é credencial, e fidelidade se é retorno — a recomendação vale nos dois casos.

A assimetria de ausência é de uma classe só

vignette("qual-regua") dizia que “cerca de 15% das mulheres declaram posição fora da PEA, contra pouco mais de 1% dos homens”. Confere — mas só para a classe "Fora da PEA por posição" (códigos 581 e 931). A outra residual, "Inativo com trajetória", fica em torno de 4% nos dois sexos: quem somar as duas dilui justamente o padrão que importa. A classe passa a ser nomeada.

No mesmo parágrafo, “a vantagem feminina em status é, em boa parte, artefato disso” era uma afirmação quantitativa sem cálculo. Passa a dizer que parte pode vir daí, que a vinheta não mede quanto, e que o ponto é a comparação não ser entre iguais.

“Igualando média e desvio, a correlação some” — ela não pode somer

vignette("validacao") justificava a leitura da relocação sobre a diferença padronizada assim: a diferença bruta correlaciona-se a −0,85 com o ISEI-08, e “igualando média e desvio, a correlação some”. vignette("robustez") dizia o mesmo em forma de teste: “se a diferença fosse substantiva, essa correlação seria perto de zero”.

Ela não some, e a hipótese está invertida. Para dois vetores padronizados com correlação r, vale a identidade

cor(z1 - z2, z2) = -sqrt((1 - r) / 2)

Com r = 0,940, isso dá −0,173 — que é exatamente o valor observado, até a última casa que o computador guarda. É aritmética, não medida, e é sempre negativa: regressão à média. Com escalas idênticas e esta correlação, o residual seria −0,17 ainda que a diferença fosse inteiramente substantiva. O chunk passa a imprimir a identidade ao lado do valor observado, o que mostra o ponto melhor do que qualquer parágrafo. (De passagem: naquela unidade a correlação bruta é −0,84, não −0,85 — o −0,85 vem de ?isco08_isei_br, calculado noutra.)

A conclusão prática sobrevive inteira, e é isso que importa: padronizar remove o artefato de escala, que é grande, e sem padronizar a lista de quem sobe e desce é em boa parte a lista de quem estava embaixo. O que muda é a justificativa — e o que passa a sustentá-la é uma conferência, não uma correlação: o resíduo de uma regressão do ISEI-BR sobre o ISEI-08 é ortogonal ao ponto de partida por construção, e devolve as mesmas seis ocupações em cada ponta (idênticas e na mesma ordem entre as que sobem; as mesmas seis, com o clero mudando de lugar, entre as que descem). A leitura substantiva não depende do critério, e é isso que a autoriza.

test-isei-br.R trava as duas coisas: a concordância entre os critérios e a identidade, para que ninguém volte a ler o residual como “o artefato que sobrou”.

A prosa nomeava duas ocupações que a tabela não imprimia

No mesmo trecho, o texto dizia que entre as seis que mais descem estão “veterinário e farmacêutico”. Estão em sétimo e oitavo; a tabela imprime músico e professor de formação profissional. Corrigido, com os dois citados na posição que ocupam.

A primeira página deixa de descrever uma tabela que não é a impressa

vignette("comece-aqui") dizia “as quatro primeiras linhas” e “as três últimas”, mas a ordem de cods punha o servidor público em quinto e o comerciante — que recebe ISCO, ISEI e EGP — em sexto. A prosa descrevia uma tabela diferente da que o chunk imprimia, na página que o leitor abre primeiro. Os códigos foram reordenados, e o comerciante passa a ser nomeado.

Outras três correções na mesma página:

A recusa da CBO-94 é convenção de interface, não impossibilidade

isco08_para_isei_br(cbo94_para_isco08("2-11.20")) devolve 72 numa linha: o que o pacote retirou na 0.5.1 foi o atalho, não o caminho. A vinheta passa a mostrar o encadeamento e a dizer o que ele garante — quem escreve as duas etapas fez a escolha conscientemente.

E diz o que a razão não é. Não é adequação temporal em geral: o ISEI-88 foi estimado sobre dados de 1968 a 1982 e o pacote o aplica a candidaturas de 2026 sem objeção. A âncora ISCO-88 é escolha por consistência interna da série eleitoral, não por contemporaneidade. O critério corta num sentido só, e é melhor dizer isso que deixar o leitor supor uma regra geral de data que o pacote não segue.

O que cada porta tem para o EGP, dito porta a porta

?cbo94_para_egp afirmava: “Ao contrário do TSE, a RAIS tem essas variáveis no vínculo — vale passá-las.” Não tem. A RAIS, o CAGED e o eSocial são registros de vínculo empregatício: toda linha é um empregado. Não há conta própria nem empregador como observação, e não existe campo com o número de subordinados. Por essas portas conta_propria é FALSE por construção e o EGP sai sem IVa, IVb e V — não por omissão de quem chama, mas porque a fonte não descreve quem está fora do assalariamento. Ler a distribuição resultante como estrutura de classes do país é o erro que a ajuda agora nomeia.

Na direção oposta, ?cod_para_egp e vignette("qual-regua") diziam que com a PNAD Contínua “o esquema funciona por inteiro”. Ela vai mais longe que as outras — tem posição na ocupação e número de empregados, e com isso separa IVa de IVb, que é justamente o que fica indeterminado pela porta do TSE. Mas falta a supervisão exercida sobre assalariados, que é o que define V. Nenhuma das quatro portas do pacote a tem, como vignette("robustez") já dizia corretamente — as três páginas agora concordam entre si.

A marca que recupera a pequena burguesia é conta_propria, não proprietario

vignette("qual-regua") explicava que a pequena burguesia aparece “porque dez códigos nomeiam o proprietário no próprio rótulo e o pacote usa essa marca”. São duas marcas distintas desde 07/2026, e o EGP usa a outra: conta_propria, que tem doze códigos, contra dez de proprietario. A diferença é exatamente o agricultor e o pescador, que trabalham por conta própria — o SEMPL = 2 que o esquema exige para chegar a IVc — sem pertencerem à classe proprietária. Os dois números passam a sair de um chunk.

A reedição do cadastro é de 2002; os códigos voltam depois

Três páginas diziam que o código 214 “a partir de 2002 é escultor e pintor”. A reedição do cadastro é de 2002 — fato documental —, mas nenhum dos sete códigos reutilizados reaparece naquele ano: são 2004, 2006 e 2008. O 214 só volta, como escultor, em 2006, e há um intervalo em que aquele número não é declarado por ninguém.

A distinção não é preciosismo: é primeiro_ano_novo, e não 2002, que o corte usa (ano < primeiro_ano_novo). Uma candidatura de 2004 com o código 214 volta NA — comportamento certo, que a prosa antiga não previa. Pior: a aba de classificações imprimia a coluna primeiro_ano_novo logo abaixo de afirmar o contrário. vignette("percursos") passa a imprimir também tse_vigencia(214), e test-rotulos.R trava a concordância entre as duas tabelas.

Não há ano seguro para começar a série

vignette("qual-regua") recomendava “começar a série em 2004, ou declarar a descontinuidade”, sem dizer por que 2004. O dado não apoia a escolha: de 2002 para 2004 nada se extingue, mas de 2004 para 2006 três códigos somem e treze trocam de rótulo, e dois reutilizados só reaparecem em 2006 e 2008. A recomendação passa a ser a que se sustenta — declarar a descontinuidade e passar o ano, que resolve os reutilizados código a código —, com os tse_diff_cadastro() impressos para o leitor conferir.

No mesmo parágrafo, as contagens da troca de inventário (13 extintos, 122 criados) passam a sair de um chunk em vez da digitação. As duas participações são o único par de números daquela vinheta que o pacote não recalcula sozinho — tse_ocupacao_rotulos traz n por vigência, não por ano —, e agora dizem de onde vêm: data-raw/11_confere_retrospectivo.R, que ganhou o bloco que as calcula. Recalculadas na microbase, são 12,4% (confere) e 33,1%; a vinheta dizia 33,2%.

A etapa autoral do pacote entra no site

A tradução do cadastro do TSE para a ISCO-88 é a única do pacote sem documento externo que a confirme — a OIT publica a ponte, o MTE publica a tábua da CBO, o IBGE publica a da COD, e esta é autoral. Era também a única que vignette( "percursos") não percorria, embora R/crosswalk.R já registrasse, num comentário de código, que “o erro de medida resultante não é ruído: é heterocedástico e correlacionado com o estrato”.

A vinheta ganha uma seção que mede isso em vez de afirmá-lo. Os 258 códigos do TSE com ISCO chegam a 42 valores distintos de ISCO-88 e 29 de ISEI, e a compressão não é uniforme: o refinamento a quatro dígitos alcança 12 dos 88 códigos da classe alta e nenhum dos 101 das classes populares.

A consequência prática está dita com o alcance que ela tem, e não maior: comparações dentro das classes populares apoiam-se em escores mais agregados que as feitas dentro da classe alta, e diferenças finas no fundo da distribuição merecem menos confiança que as mesmas diferenças no topo. Não é razão para não usar a medida — é razão para não ler fino onde a tradução foi grossa.

A escada da CBO: os números e a causa estavam errados

A vinheta dizia: “Quarenta códigos que a tradução direta não resolve, e a escada resolve trinta e três. Os sete restantes continuam NA, porque nem o prefixo de dois dígitos está na tábua.”

São quarenta entradas, mas dezesseis códigos distintos; os sete NA são um código só, 142399, repetido. E a razão é outra: a família 1423 está na tábua, e cbo2002_para_isco("1423") devolve "2419". O que falta é ancestral comum na ISCO — as ocupações de 1423 se espalham por 1233, 1234, 1239 e 2419.

Corrigir isso expôs uma consequência que não estava declarada em lugar nenhum: a escada e a consulta por família aplicam regras diferentes à mesma família. Quatro dígitos consultam a moda; seis dígitos com escada = TRUE exigem ancestral comum. Em oito famílias as duas divergem, e a escada é a mais conservadora. A divergência é deliberada, mas quem alterna entre as duas entradas precisa saber que elas não respondem a mesma pergunta. Passa a estar em ?cbo2002_para_isco, na vinheta, e travada em test-cbo.R — inclusive quais são as oito.

A ponte diz agora qual destino escolhe

?isco88_para_isco08 já explicava que a sintaxe do ISMF guarda as alternativas na parte decimal e manda truncá-la; a vinheta falava em “destino escolhido” sem dizer por quem nem como. Passa a dizer, e a tirar a consequência: como o destino é sempre o mesmo para um dado código de origem, o desvio é sistemático e não se cancela ao agregar.

Mudança de comportamento: o ano na posição errada agora falha

tse_para_isei(cod, ano) aceita o ano na segunda posição. Em tse_para_classe() a segunda é superior, e em tse_para_egp() é conta_propria. Quem escrevesse tse_para_classe(cod, ano_vec) por analogia não recebia erro nenhum: as.logical(2000) é TRUE, então o ano virava a marca ligada em toda linha, e a coluna saía errada em silêncio. Era o único engano de chamada do pacote que produzia número plausível sem aviso — e vignette("comece-aqui") chegava a dizer que bastava trocar o nome da função “e o comportamento é o mesmo”, o que só vale com ano nomeado.

A correção é uma guarda de valor, não de posição: superior e conta_propria passam a recusar numérico fora de {0, 1}, e a mensagem diz onde o ano cabe. Reordenar os argumentos quebraria chamadas posicionais legítimas e o contrato já documentado; o único código que passa a falhar é o que já estava errado.

tse_para_classe(c(298, 298), c(2000, 2020))
#> Erro: `superior` deve ser lógico (ou 0/1); recebeu 2000, 2020.
#>   Isso parece ser o ano. Ele existe, mas em outra posição: passe-o
#>   nomeado, `ano = `.

A sugestão do ano só aparece quando os valores têm cara de ano; fora disso a recusa é a mesma, sem palpite. 0, 1, lógico e NA seguem valendo, e superior = NA continua sem virar “médio ou menos”.

A guarda roda antes do aviso de EGP incompleto. Avisar primeiro e falhar depois deixava no console um aviso descrevendo um cálculo que nunca aconteceu.

Os números da ajuda passam a ser conferidos contra as tabelas

A regra do projeto — nenhum valor entra em .Rd, NEWS ou vinheta sem ter saído de execução própria — cobre o momento em que o número é escrito. Não cobre o depois: um valor correto no dia em que foi digitado continua na página de ajuda quando a tabela de onde ele veio muda.

Foi assim que ?tse_codigos_autorrotulo seguiu afirmando que a dispersão de patrimônio é “de 80 vezes (p90/p10) entre os que declaram empresário, mas de 47 entre os advogados e 54 entre os comerciantes”. São os valores da agregação que somava cada bem duas vezes, corrigida em 09/2026. Os certos são 76, 48 e 55, e ?tse_para_componente_alta já os lia da tabela desde aquela correção — este parágrafo é que tinha ficado para trás.

Corrigido, o argumento fica mais forte do que era: o comerciante (55) é autorrótulo e cai entre o advogado ancorado (48) e o empresário (76). A dispersão bruta realmente não separa os dois grupos, que é o que o parágrafo sempre quis dizer.

tests/testthat/test-numeros-doc.R é a trava geral. Ele não guarda os valores: recomputa das tabelas e confere contra o texto da ajuda, de modo que o que reprova é a divergência entre os dois. Cobre por ora a dispersão por autorrótulo, os quantis do 257, a regressão de gênero de ?tse_para_isei (n, coeficiente e as duas médias) e a parcela mediada de ?isco08_isei_br. Um dos blocos trava também a ordem advogado < comerciante < empresário, porque é dela que o parágrafo depende: se ela inverter, o texto passa a afirmar o contrário do que o dado mostra, sem que número nenhum fique errado.

O Brasil estava no ISEI-88, e a justificativa do ISEI-BR dizia que não

A documentação afirmava, em quatro lugares, que Ganzeboom, De Graaf e Treiman (1992) escalonaram a ISCO sobre “dezesseis países, nenhum deles o Brasil” — e que o ISEI-BR respondia a como o Brasil ordena as ocupações “em vez da média de dezesseis países ricos”. As duas metades são falsas, e o artigo original desmente as duas.

O Apêndice A de Ganzeboom, De Graaf e Treiman (1992), sob o título 31 Data Sets Used to Construct the ISEI Scale, lista a PNAD de 1973 (BRA73, 6.697 casos) e a de 1982 (BRA82, 8.742). São 15.439 dos 73.901 homens da amostra de estimação: 20,9%, a segunda maior contribuição nacional, atrás só da norte-americana. E os dezesseis países não são ricos — o artigo descreve a amostra como indo “de países severamente subdesenvolvidos (Índia) ao mais desenvolvido (Estados Unidos), e de regimes socialistas do Leste Europeu (Hungria) a estados sul-americanos autocráticos (Brasil)”.

A justificativa do ISEI-BR não desaba com a correção; ela fica verificável, que é o que não era. O Brasil entrou no ISEI-88 com dado de 1973 e 1982, comprimido junto com outros quinze países num único escalonamento. O que não existia é um ângulo estimado só aqui, e com dado deste século. É isso que a régua nova faz, e é isso que a documentação passa a dizer — em ?isco08_isei_br, ?tse_para_isei_br, reguas$pergunta e no cabeçalho de data-raw/09_gera_isei_br.R.

O erro não era de cálculo, e por isso nenhum teste o pegaria: era um fato bibliográfico, a única classe de afirmação do pacote que nada confere.

A enfermagem não foi promovida pela ISCO-08

Quatro páginas do site — qual-regua, validacao, a aba de classificações e ?tse_para_isei08 — explicavam o salto de 26 pontos do enfermeiro dizendo que “a ISCO-08 promoveu a enfermagem a profissão de nível superior (2221), separando-a dos técnicos (3221)”. O mecanismo é falso, e o pacote já sabia disso em dois lugares: R/tse.R e o NEWS.md da 0.6.0 dizem, corretamente, que a ISCO-88 põe a enfermagem em 2230 apesar de ser profissão universitária.

A ISCO-88 já a situava no grande grupo 2, e já a separava da enfermagem técnica (3231). O que ela fazia era pontuá-la em 43, abaixo dos escriturários (45). O que muda de uma âncora para a outra é a escala: o ISEI-08, reestimado por Ganzeboom sobre o ISSP de 2002-2007 e cobrindo os dois sexos, a põe em 68,7. A recomendação de ancorar na ISCO-08 para análise de gênero continua valendo — o que muda é a razão dela, que é de escore e não de alocação.

Dois efeitos colaterais da versão antiga também saem. O primeiro é que 2221 é médico na ISCO-88 e enfermeiro na ISCO-08: o texto citava um código de quatro dígitos sem dizer de qual classificação, num pacote cuja tese é que código não sobrevive à troca de versão. Os códigos passam a vir com a âncora nomeada. O segundo é que o destino que o pacote de fato atribui ao 113 é o agregado 2220, não 2221.

A aba de classificações precisava de um exemplo de promoção 3 → 2 na fronteira entre profissionais e técnicos, e a enfermagem não serve. Passa a usar os dois casos reais, que são os mesmos do artigo de método: a fisioterapia (3226 → 2264) e a nutrição (3223 → 2265).

tests/testthat/test-isco08-tse.R ganhou dois blocos que travam os fatos que desmentem a versão antiga, para que ela não volte por cópia.

Valle Silva é da tradição de Duncan, e Ganzeboom o usou para aferir o ISEI

A aba de antecedentes dizia que Posição social das ocupações (IBGE, 1974) era “trabalho contemporâneo da própria tradição de Duncan, e não derivado dela”. Não é o que o próprio texto de 1974 diz: Duncan (1961) é a referência nº 14 da bibliografia, o procedimento do SEI é descrito em detalhe, e a escala brasileira é aferida contra as de Blishen e Bogue.

A recíproca é o achado que valia a checagem: quando Ganzeboom, De Graaf e Treiman construíram o ISEI, foi a escala de Valle Silva que serviu de termo de comparação brasileiro, e ela está na bibliografia deles. A linhagem brasileira não foi paralela à internacional — foi o parâmetro contra o qual a internacional se mediu aqui. A aba passa a dizer isso.

Autorias que estavam fundidas numa só

vignette("antecedentes") atribuía a Ganzeboom, De Graaf e Treiman a tradução da ISCO em ISEI, prestígio e EGP. São três autorias distintas: o ISEI é deles (1992), o prestígio é de Treiman (1977), o esquema de classes é de Erikson, Goldthorpe e Portocarero (1979). O que Ganzeboom e Treiman (1996) fizeram foi mapear as três sobre a ISCO-88. Pela mesma razão, Harry Ganzeboom passa a ser “um dos três autores do procedimento de 1992”, e o cartão do EGP na home deixa de dizer “sintaxes originais” — as sintaxes são a operacionalização do ISMF, não o texto de Erikson e Goldthorpe, que codificaram sobre classificações nacionais.

Correções menores na home

O cartão do ISEI dizia “10 – 90”; o intervalo do ISEI-88 é 16 a 90, e sai de reguas, não da digitação. O cartão do EGP dizia que o TSE não pergunta a posição na ocupação — o pacote a preenche pelo dicionário; o que falta, e gera o aviso, é o número de subordinados. E a chamada de qual-regua não conta mais os erros (“os sete”), porque a vinheta tem nove seções e o número envelhece calado.

ocupacoesBR 0.7.0

O pacote fica legível por quem lê máquina, e a regra que ele mais repete vira tabela.

reguas: a escolha da régua deixa de morar só na prosa

O risco central deste pacote nunca foi errar uma tradução. É trocar uma régua por outra sem perceber — a troca custa uma letra no nome da função, não produz erro nenhum, e a vinheta qual-regua abre dizendo exatamente isso. O aviso existia, mas em prosa, que é o último formato que um leitor apressado consulta.

Agora existe reguas: nove linhas, uma por medida, com a pergunta que cada uma responde, o que ela mede, de onde vem e quando não usá-la. É filtrável:

reguas[reguas$tipo == "continua", c("medida", "ancora", "funcao_tse")]
reguas$quando_nao_usar[reguas$medida == "EGP"]

Duas decisões merecem registro. A primeira é que a tabela é dado, não função: é onde a documentação do pacote já manda procurar, e onde tse_isco e tse_quebra_2002 já guardam julgamento autoral. A segunda é que ela é a única tabela do pacote que não deriva de fonte externa, e por isso fica fora da auditoria de proveniência. O que a mantém honesta é outra coisa — tests/testthat/test-reguas.R amarra as funções citadas aos exports reais nas duas direções, de modo que uma porta nova sem linha na tabela reprova o teste. Os intervalos das réguas contínuas também não são digitados: saem de isco88_medidas e irmãs no momento da geração.

A seção 1 da vinheta qual-regua passou a consumir a tabela em vez de repeti-la. Uma fonte só.

Um guia de uma página para quem lê por máquina

inst/llm/GUIA_AGENTE.md concentra o que precisa ser sabido antes da primeira chamada: a gramática <origem>_para_<destino> que 47 dos 61 exports seguem, o contrato de chamada, e as três maneiras de obter um resultado errado e silencioso — régua trocada, série longa sem ano, NA tratado como zero quando a ausência é generificada.

system.file("llm", "GUIA_AGENTE.md", package = "ocupacoesBR")

Ele remete a reguas em vez de repetir a tabela, e não é uma quarta cópia da prosa: tests/testthat/test-guia-agente.R confere que toda função citada existe, que as contagens batem com o NAMESPACE, e que o contraexemplo do guia (cbo94_para_isei_br(), a porta que deliberadamente não existe) continua não existindo.

O site parou de sabotar quem copia, e quem lê por máquina

Duas correções na home, com a mesma origem: SVG e <code> escritos à mão atravessam mal o pandoc.

A linha de instalação estava marcada como <code> com <span> de cor dentro. O pandoc lê o texto entre tags inline como markdown, e a extensão smart transformava as aspas retas de install_github("...") em aspas curvas — quem copiava do site recebia código que não roda. Agora é um bloco de código de verdade, realçado pelo próprio pandoc, com as cores devolvidas por CSS.

Os cinco ícones da home eram <svg> inline. O pandoc os converte em URI data: base64, o que enchia de lixo os espelhos .md que o pkgdown gera e o docs/llms.txt — o arquivo que modelos de linguagem leem. Os ícones viraram máscaras em CSS: o desenho é o mesmo, e o markup não os contém mais.

ocupacoesBR 0.6.0

Preparação para o CRAN, e uma aba nova no site.

O DIGCLASS sai de Suggests — e o teste fica

O DIGCLASS (Cimentada) é a única implementação independente contra a qual o EGP deste pacote é conferido. Ele não é dependência: é GPL-3, e embarcar tabela dele tornaria este pacote copyleft.

Simulando a máquina do CRAN — biblioteca sem o pacote e _R_CHECK_FORCE_SUGGESTS_ no padrão — o que aparece não é a NOTE que o cran-comments.md vinha explicando:

* checking package dependencies ... ERROR
Package suggested but not available: 'DIGCLASS'

Verificado com rede: o DIGCLASS não está em repositório algum — nem CRAN, nem Bioconductor, nem r-universe (o universo cimentadaj existe e serve só o perccalc). Logo Additional_repositories: também não resolve, porque o campo exige um repositório no formato do CRAN.

A saída preserva as duas coisas: o teste foi para tests/testthat/test-digclass.R, que está em .Rbuildignore. Ele continua no repositório, roda no devtools::test() e apareceria num CI; o pacote distribuído não menciona o DIGCLASS em lugar nenhum. Com isso o check volta a 0 ERROR, 0 WARNING, 1 NOTE, e a NOTE que sobra é “New submission” mais as URLs do repositório privado.

A referência dessa conferência estava solta

O DIGCLASS instala-se do HEAD do GitHub. A referência da única validação externa do pacote era, portanto, um ponteiro móvel: se o autor corrigisse uma célula, o teste passaria a falhar sem que se soubesse o que ele afirmava quando a validação foi feita. É o mesmo defeito que as chaves sha256 do registro de proveniência existem para impedir nas fontes.

inst/extdata/PROVENIENCIA.yml ganhou a seção conferencia_cruzada, com a versão (0.0.3), o commit e a data. 00_confere_proveniencia.R avisa quando o instalado diverge do registrado, e um teste falha se a seção sumir.

As classificações, uma a uma

Aba nova no site, entre Percursos e Antecedentes. Cada uma das quatro classificações por onde o dado entra — a ISCO, a CBO, a COD do IBGE e o cadastro do TSE — com a mesma estrutura: de onde veio, para que foi feita, e o que ela não pode responder.

A tese da página é que saber a história de uma classificação não é erudição: é o que permite prever onde ela vai falhar. Cada uma carrega no desenho a pergunta que a originou. A ISCO-88 não dá nível de habilidade aos grandes grupos 0 e 1, e por isso o primeiro dígito não é escala. A CBO ancora em 1988 e a COD em 2008, e por isso não são duas versões da mesma árvore. O cadastro do TSE não é classificação estatística: é lista de preenchimento de formulário, e daí vêm as suas quatro propriedades incômodas, da escala à reutilização de códigos.

Fecha com um quadro comparativo cuja última linha é a razão de o pacote existir: para a CBO e para a COD há tábua oficial para a ISCO; para o cadastro do TSE não há.

Os números computáveis saem de chunks; as datas e os números de resolução são digitados e vêm das fontes registradas. Onde os dois poderiam se contradizer — o tamanho da CBO contra o que o pacote cobre dela — a distinção está dita no próprio código.

Antecedentes: uma aba sobre de onde o pacote vem

O site ganhou uma página teórica, entre Percursos e Robustez. Ela declara a linhagem em que o pacote se inscreve — Valle Silva, Hasenbalg, Costa Ribeiro, Carvalhaes — e faz a subtração honesta: o que aqui é reimplementação de coisa alheia e o que é contribuição.

Três antecedentes que o pacote precisava nomear e não nomeava:

Também se registra o que não existe: nenhum dos pacotes de R que traduzem ISCO em ISEI, prestígio ou EGP cobre a CBO brasileira, e nenhum leva o cadastro do TSE a classificação alguma.

Provas de robustez, com gráficos

Aba nova no site, entre Percursos e Artigos: nove provas explicadas uma a uma — o que poderia dar errado, como se testa, o que o gráfico mostra e o que significaria se falhasse. Ida e volta entre as duas ISCO, ambiguidade preservada, conferência cruzada, critério externo, estatísticas suficientes, artefato de escala, quebra de 2002, EGP degradado e sha256 das fontes.

Nenhum número está digitado: todos saem de chunks executados sobre os dados instalados com o pacote. Três das provas existem porque o erro correspondente foi cometido e publicado aqui, e a página diz isso.

Escrever a página corrigiu duas afirmações que estavam erradas na documentação anterior. No EGP degradado são duas degradações, e não uma: IVb e IVc separam o TSE da COD, e a diferença é a marca de posição no emprego; IVa e V saem vazias nos dois, porque separá-las exige o número de subordinados, que nenhuma porta do pacote tem. E na quebra de 2002, cinco dos sete códigos reutilizados saltam na escolaridade — o 215 e o 521 quase não se movem, e no caso da governanta quem separa as duas ocupações é a composição por sexo.

Description com o DOI do método

O DESCRIPTION passa a trazer Ganzeboom, De Graaf e Treiman (1992) com <doi:10.1016/0049-089X(92)90017-B>, no formato que o CRAN pede para referência de método. O DOI foi conferido no Crossref.

ocupacoesBR 0.5.2

Auditoria geral, feita por três auditores independentes — engenharia de pacotes R e site, dados eleitorais do TSE, estratificação e medida. O pedido nasceu de uma insegurança: a 0.5.0 quebrou o pacote e teve de ser corrigida às pressas no mesmo dia, e não estava claro o que ainda restava errado.

A infraestrutura passou. R CMD check limpo, os testes passando, o site sincronizado, a proveniência conferindo por sha256, e o ISEI-BR reproduzindo dígito a dígito a partir da PNAD. O que não passou foi a documentação de números: valores que ficaram para trás quando a fonte mudou, e uma divergência real entre duas funções exportadas.

Nenhuma dessas correções muda uma conclusão do pacote. Quase todas mudam números que ele publica.

A correção do patrimônio dobrado estava incompleta

A 0.4.0 trocou a microbase porque a anterior somava cada bem duas vezes. A tabela de patrimônio do código 257 em ?tse_para_componente_alta não foi revisitada, e continuou publicando o dobro por mais duas versões. Vereador R$ 370.000 onde são R$ 185.000; prefeito R$ 1.628.485 onde são R$ 812.544; senador R$ 9.345.553 onde são R$ 4.678.498.

O argumento não muda — o fator de 25 entre vereador e senador é o mesmo, e a razão entre os extremos continua na casa das dezenas. Mudam os reais.

A causa é a mesma que o NEWS 0.3.1 já tinha diagnosticado: “o número era extraído, o verbo era digitado”. Por isso a correção não é digitar os valores certos. tse_autorrotulo_patrimonio é novo e publica os quantis de patrimônio por código e cargo para os dez códigos de tse_codigos_autorrotulo, mais o 131 (ADVOGADO) como contraexemplo ancorado. A documentação e a vinheta qual-regua agora leem a tabela. Uma próxima troca de fonte se propaga sozinha.

De quebra, a tabela mostra o contraste melhor do que a prosa mostrava: na linha agregada, o ADVOGADO tem a menor razão entre p90 e p10 de todos os códigos (47,8), e os autodeclarados vão de 55,1 a 75,6.

crosswalk_tse() e tse_para_egp() discordavam

A tabela usava a marca proprietario onde a função usa conta_propria. As duas são distintas desde 07/2026, e o crosswalk ficou de fora daquela decisão: o agricultor (601) e o pescador (604) saíam em VIIb ali e em IVc aqui.

Como ?crosswalk_tse manda publicar essa tabela como material suplementar de artigo, o suplemento contradizia o código que produziu as estimativas — e justamente na distinção que Carvalhaes (2015) aponta como o teste do EGP no Brasil. Um teste novo trava as duas saídas juntas, porque nenhum R CMD check pega divergência entre duas funções que rodam sem erro.

A mesma afirmação errada estava em ?tse_para_egp, que dizia ser proprietario o SEMPL = 2 do ISMF. É conta_propria.

?tse_para_isei08 publicava a regressão de duas versões atrás

Os coeficientes 1,212 e -9,80 são anteriores a .corrige_isco08_tse(), que entrou na 0.2.1. Os atuais são 1,266 e -12,72, com r = 0,97.

A comparação entre o ISEI-BR e o ISEI-08 estava contaminada pela escala

A 0.5.0 lia a diferença bruta isei_br - isei08 como relocação substantiva: sobem os manuais, descem os credenciados. As duas escalas não têm a mesma dispersão — o ISEI-BR sai de um min–max e tem desvio padrão 14,3 contra 21,1 —, e numa escala mais estreita o topo cai e a base sobe por aritmética. A diferença bruta correlaciona-se a -0,847 com o próprio ISEI-08.

Padronizando antes de subtrair, a correlação cai para -0,17. Sobrevive a alta da segurança pública e a queda das artísticas, do clero e das liberais da saúde. Não sobrevive a outra metade: igualadas as escalas, entram entre as maiores altas o diretor de empresas, o médico e o professor de ensino superior.

A escala não foi alterada. A recomendação inicial era reescalar para 16–90, mas a conta mostra que isso piora a compressão — a faixa fica mais estreita, não mais larga. O que muda é a leitura: vignette("validacao") passou a padronizar antes de comparar, e ?isco08_isei_br ganhou a ressalva de que a diagonal de 45 graus marca igualdade de escore e não de posição. Para quem usa o ISEI-BR sozinho, que é o uso previsto, nada disso importa: a escala é monotônica.

tse_validacao não respeitava a vigência dos códigos reutilizados

Sete códigos foram reaproveitados para ocupação diferente depois de 2002. O conjunto os agregava sobre a série inteira, misturando duas populações: o 214 saía com 30,6% de ensino superior porque metade da massa era DELEGADO DE POLÍCIA, quando ESCULTOR E PINTOR tem 2,3%; o 521 saía com 42,3% de mulheres onde a GOVERNANTA tem 97,2%.

O pacote manda o usuário passar ano = justamente para impedir isso, e não passava em casa. Agora cada um desses códigos entra a partir do seu primeiro_ano_novo. Um deles deixou de alcançar o piso de 200 candidaturas dentro da própria vigência: são 220 linhas, e não 221.

As correlações agregadas não se movem de forma perceptível (escolaridade r = 0,765; patrimônio r = 0,681). A regressão de gênero de ?tse_para_isei passa de 170 para 168 códigos, e o coeficiente de -6,14 para -6,17.

tse_quebra_2002$n_ate_2000 contava só uma eleição

A coluna diz “candidaturas com esse código até 2000”, que é a soma de 1998 e 2000, e trazia apenas 2000. O total dos reutilizados sobe de 1.628 para 1.755. O objeto chegava a se contradizer: documentava 52.090 para o 601 e carregava 51.953 na coluna.

Números que a troca de microbase deixou para trás

?isei_retrospectivo afirmava 680.317 pares consecutivos (são 684.179), 52,1% de mudança de código (52,2%) e 45,3% de mudança de escore (45,2%); a cobertura feminina vai a 58,8%. ?tse_quebra_2002 descontava uma tendência de +7,8 pp que hoje é +7,6.

Também esses estavam só digitados. data-raw/11_confere_retrospectivo.R é novo, não grava nada e imprime todos eles, medindo a defasagem e a cobertura com a própria isei_retrospectivo() em vez de reimplementá-la.

O EGP dos crosswalks sai degradado, e agora está dito

crosswalk_cod(), crosswalk_cbo2002() e crosswalk_cbo94() calculam o EGP sem posição no emprego nem supervisão, porque não há nenhuma das duas num código de COD ou de CBO. IVa, IVb e V saem estruturalmente vazias — a pequena burguesia contada como classe de serviço, que é inversão de classe e não arredondamento. Nenhum dos quatro .Rd dizia isso. Os quatro passam a dizer, e ?crosswalk_cod aponta isco_posicao_br como prior empírico disponível.

A única validação externa apontava para um alvo móvel

O DIGCLASS (Cimentada) é a única implementação independente contra a qual R/egp.R é conferido: os dois são portes das mesmas sintaxes do ISMF, feitos separadamente, e o teste compara as oito células da grade posição no emprego x supervisão. Todos os outros testes conferem o pacote contra si mesmo ou contra a fonte que ele próprio leu.

Só que o DIGCLASS não vem de repositório versionado — instala-se do HEAD do GitHub. A referência da conferência era, portanto, um ponteiro móvel: se o autor corrigisse uma célula, o teste passaria a falhar sem que se soubesse o que ele afirmava quando a validação foi feita. É exatamente o defeito que as chaves sha256 do registro de proveniência existem para impedir nas fontes, e que a auditoria acabara de fechar nos números digitados.

inst/extdata/PROVENIENCIA.yml ganhou a seção conferencia_cruzada, com a versão (0.0.3), o commit e a data. 00_confere_proveniencia.R avisa quando o instalado diverge do registrado, e um teste novo falha se a seção sumir ou se a versão mudar sem que o registro acompanhe. Congelar a tabela do DIGCLASS como fixture, que seria o modo óbvio de fixar a referência, está fechado por licença: ele é GPL-3, e embarcá-lo tornaria este pacote copyleft.

Correções menores

ocupacoesBR 0.5.1

Fecha as pontas soltas da 0.5.0, no mesmo dia. Nenhum escore mudou: os 590 valores de isco08_isei_br saem idênticos aos da 0.5.0.

cbo94_para_isei_br() foi retirada

Ela não deveria ter sido criada. O pacote recusa, e documenta que recusa, pendurar medidas ancoradas na ISCO-08 em microdado da CBO-94, e a função atravessava exatamente essa fronteira. O argumento decisivo não é a coerência com o texto, é a data: a CBO-94 é microdado anterior a 2003, e o ISEI-BR é uma régua de 2025 que a própria documentação declara ser de um ano só e não formar série. Oferecê-la a dado dos anos 1990 contradiz o que ela afirma sobre si.

De passagem, a razão que o pacote alegava para a recusa estava imprecisa desde antes. Ele dizia que a assimetria era da tábua de conversão, mas a tradução até a ISCO-08 existe e é exportada em cbo94_para_isco08(). O que se recusa é pendurar escore naquele caminho, e isso é decisão do pacote. ?cbo94_isco88 e vignette("comece-aqui") passam a dizer isso.

Os números da sensibilidade agora se refazem

A 0.5.0 afirmava, no NEWS e em ?isco08_isei_br, que sete especificações alternativas foram testadas e nenhuma move o ordenamento abaixo de 0,99. Era verdade, mas o script que produzia esses números não estava no repositório, o que é exatamente o que a proveniência deste pacote existe para impedir. data-raw/09b_sensibilidade_isei_br.R os reproduz e imprime a tabela inteira.

O tamanho da amostra viaja com a tabela

isco08_isei_br ganha os atributos n_obs e n_pessoas, com a amostra de estimação. Eles não se recuperavam das colunas, porque n_obs por linha conta a subárvore daquela célula e não a amostra que estimou o ângulo, e por isso existiam só digitados na documentação.

Citar o ISEI-BR

O pacote dizia, em quatro lugares, ser o veículo e não a fonte das réguas. Para o ISEI-BR isso deixou de valer, porque a estimação é dele. inst/CITATION, a home, o README e vignette("publicacoes") passam a registrar a exceção e as três citações que ela pede: o pacote pela estimação, Ganzeboom, De Graaf e Treiman (1992) pelo método, e o IBGE pela PNAD Contínua de 2025.

Os dois diagramas

O mapa de rede ganha o nó do ISEI-BR, ligado só à ISCO-08, e a legenda passa a distinguir medida importada de medida estimada pelo pacote. O fluxograma das quatro portas ganha o mesmo nó e acrescenta cbo94_para_isei_br à lista do que deliberadamente não existe.

ocupacoesBR 0.5.0

A régua deixa de ser importada

A vinheta de validação terminava dizendo que o pacote mostrava que a medida ordena bem as ocupações, mas não que os escores estão calibrados para o Brasil, e que calibrá-los seria a melhoria de maior valor que ainda faltava. Esta versão a faz.

isco08_isei_br traz o procedimento de Ganzeboom, De Graaf e Treiman (1992) refeito do zero sobre a PNAD Contínua de 2025: 655.787 observações de 339.181 pessoas, dos quatro trimestres. Não é tradução de escala nem recalibragem do ISEI-08. É o mesmo método, estimado aqui.

O que a régua brasileira diz de diferente. Contra o ISEI-08 importado, nas 348 células apuradas em quatro dígitos, o Spearman é 0,894 e o desvio absoluto médio é 9,7 pontos numa escala de 10 a 90. Concorda o bastante para ser reconhecível e discorda o bastante para valer a pena.

Onde discorda, é preciso cuidado com a leitura, e a versão 0.5.2 corrigiu a que estava aqui. As duas escalas não têm a mesma dispersão — o ISEI-BR sai de um min–max sobre as células de estimação e tem desvio padrão 14,3 contra 21,1 do ISEI-08 —, e por isso a diferença bruta entre as duas correlaciona-se a −0,847 com o próprio ISEI-08: quem estava no topo cai e quem estava embaixo sobe, por aritmética antes de qualquer sociologia. Igualando média e desvio, essa correlação cai para −0,17 e o desvio absoluto médio, de 9,7 para 8,1.

O que sobrevive à correção: sobem a segurança pública (policial civil e militar, bombeiro) e descem as profissões artísticas, o clero e as liberais da saúde (escultor, sacerdote, cantor, veterinário, farmacêutico) — credencial alta e remuneração modesta. O que não sobrevive é a outra metade da frase: igualadas as escalas, não são as ocupações manuais que sobem. Entram entre as maiores altas o diretor de empresas, o médico e o professor de ensino superior.

A mediação não é completa, e isso é achado. O procedimento de 1992 supõe que a ocupação carrega todo o efeito da escolaridade sobre a renda e escolhe o ângulo onde o efeito direto zera. No Brasil ele não zera: para em 0,206 contra um efeito total de 0,494, de modo que a ocupação medeia 58,4%. Os outros 41,6% são escolaridade que paga dentro da mesma ocupação. Adotou-se o ângulo de mínimo e publicou-se o resíduo, nos atributos da tabela.

A decisão é segura porque o ordenamento não depende do ângulo. O Spearman entre a escala no ângulo adotado e em mais ou menos 0,15 radianos é 0,999. Sete especificações alternativas foram testadas — 40 horas, sem restrição de horas, renda-hora, rendimento efetivo, só homens como em 1992, escolaridade em categorias, idade a partir de 25 — e nenhuma move o ordenamento abaixo de 0,99 nem a parcela mediada para fora do intervalo de 57,9% a 60,1%. Quem produz esses três números é data-raw/09b_sensibilidade_isei_br.R, e é dele que eles saem cada vez que forem reafirmados.

Contra o critério externo, ela vai melhor. Nas 165 ocupações do TSE com as três réguas e os dois critérios, a correlação com o log do patrimônio declarado sobe de 0,676 (ISEI-08) para 0,716, e o Spearman de 0,708 para 0,768. Com a escolaridade dos candidatos ela vai um pouco pior, 0,736 contra 0,783, o que é esperado: o ângulo dá mais peso à renda. O patrimônio é o único dos dois que não entra na construção de régua nenhuma.

Nomes novos

Por que 590 linhas, e não 434

A ocupação declarada ao TSE é grossa, e a porta do TSE aterrissa em códigos ISCO-08 agregados de dois e três dígitos. Uma tabela só com células de quatro dígitos devolveria NA para a maioria dos candidatos. A tabela cobre então as mesmas 590 chaves de isco08_medidas, e cada agregado é apurado juntando os indivíduos da sua subárvore, não a média das médias. Dos 407 códigos de quatro dígitos, 348 têm escore próprio e 59 herdam do grupo acima por terem menos de 30 pessoas na amostra. A coluna nivel diz quais.

O que não mudou

isco08_medidas está intacta, e continua sendo a âncora internacional. Nenhuma assinatura existente mudou. Os 1.524 testes anteriores seguem passando sem alteração.

Infraestrutura

ocupacoesBR 0.4.1

O patrimônio estava dobrado, e agora não está

Todo valor de patrimônio que este pacote publicou até a 0.4.0 estava duas vezes maior que o declarado. A causa não é do pacote: a microbase de validação vinha de uma agregação de bens que somava cada bem duas vezes.

A prova. Extraído o CSV bruto do TSE de 2024 (bem_candidato_2024_AC.csv) e somados os bens candidato a candidato, das 1.206 candidaturas com bens a fonte antiga bate em 2 e a fonte nova bate em 1.206. Sobre o conjunto das 296.096 candidaturas de 2024, a razão entre as duas é exatamente 2,0 em 100% dos casos. A fonte passa a ser a microbase construída a partir de novissimos_dados_tse, cuja chave tripla de bens já está corrigida.

O que muda: todo valor absoluto em reais. A mediana do agricultor (601) vai de R$ 244.790 para R$ 122.395; o máximo das classes populares, de R$ 253.602 para R$ 126.801. Os .Rd afetados foram corrigidos.

O que NÃO muda, e é a maior parte do que o pacote afirma. Dobrar tudo é mudança de escala, e log(2x) difere de log(x) por uma constante. Logo:

Muda também media_log em tse_dispersao_patrimonio, deslocada por log(2) = 0,693 em cada nível — o que não afeta o coeficiente que a tabela existe para reproduzir, porque um deslocamento constante não move a correlação.

A microbase mudou de fonte, e ganhou linhas

data-raw/05a_microbase_2026.R passa a ler a microbase de classe_recrutamento_politico em vez da antiga de vices_do_brasil. Além da correção dos bens, a base nova vem do repositório canônico de dados do TSE e traz 12.798 candidaturas a mais nas safras de 1998 a 2024. Três colunas saíram do contrato (eleito_v1, eleito_1t, prest_contas), nenhuma consumida pela validação.

ocupacoesBR 0.4.0

O número que faltava reproduzir agora reproduz: tse_dispersao_patrimonio

O artigo de método afirma que a correlação entre status e patrimônio cai de 0,681 no nível da ocupação para 0,208 no nível do indivíduo, e que essa queda é o resultado, não um defeito: uma escala de posição ocupacional explica a variação entre ocupações e quase nada dentro de cada uma. O segundo número era o único do texto que o leitor não podia recalcular — dependia da microbase de patrimônio, que não acompanha o pacote e não vai acompanhar.

A saída não foi publicar microdado. A correlação de Pearson é função apenas de somatórios, e o ISEI é constante dentro de cada nível: basta publicar, por nível de status, o n e as somas dos logaritmos do patrimônio e dos seus quadrados. É o que a nova tabela traz — 29 linhas, 1,5 KB, nada identificável — e dela o coeficiente sai exato, não aproximado. data-raw/08_gera_dispersao.R trava essa identidade contra o microdado (abs(r_micro - r_agreg) < 1e-12), e test-fonte.R a trava contra o dado publicado.

A coluna sd_log mostra o mesmo fato de perto, e é a razão para a tabela ir além dos somatórios: dentro de um mesmo nível de status, o desvio padrão do log do patrimônio é da ordem de 1,7 — uma potência de dez. Daí a advertência de ?tse_para_isei, que agora aponta para cá: não use o ISEI como proxy de renda ou patrimônio individual.

A vinheta validacao e ?tse_para_isei passam a extrair o valor da tabela em vez de citá-lo (a ajuda dizia 0,207; o valor é 0,208).

No artigo, fora do repositório

A validação convergente ganha a análise de sensibilidade que faltava: o coeficiente com cada critério externo sob quatro especificações — todas as ocupações, sem os códigos de autorrótulo, ponderada por candidaturas e na âncora ISCO-08 — com intervalo de 95% por bootstrap. Retirar os códigos de autorrótulo eleva a correlação com o patrimônio (0,681 para 0,703), que é o sinal esperado. O artigo passa a declarar também o que o piso de duzentas candidaturas deixa de fora (50 ocupações, de ISEI médio 53,8 contra 47,4 das incluídas) e o viés de subdeclaração do patrimônio, que é correlacionado com o componente proprietário da classe alta. E ganha a primeira figura.

ocupacoesBR 0.3.1

A safra de 2026 é atualizada para a geração de 01/09/2026

A eleição de 2026 continua aberta e o TSE republica o arquivo de candidaturas duas vezes ao dia. Esta versão troca a geração fixada de 17/08/2026, 08:30 (20.506 candidaturas) pela de 01/09/2026, 12:31 (20.829 candidaturas) — 323 candidaturas a mais, todas com o mesmo tratamento de safra aberta: eleito e votos seguem NA, e o patrimônio segue fora da validação por falta do IPCA de outubro de 2026.

O achado central não muda. Dos 210 códigos observados na nova geração (211 na anterior), nenhum é inédito: seguem todos dentro dos 275 que o dicionário já cobria. tse_isco não mudou; nenhuma ponte mudou; nenhum ISEI, prestígio, EGP, classe ou estrato se deslocou de nenhum código. tse_diff_cadastro(2024, 2026) segue sem código criado (0), e os “extintos” seguem sendo artefato de safra pequena — 46 contra 2024, 48 contra 2022 (era 47).

O total de candidaturas do pacote sobe de 3.368.921 para 3.369.244. O artigo de método (paper/artigo.qmd, fora do repositório) foi atualizado para a nova geração e para as novas contagens.

Três correções apontadas por revisão externa

Duas frágeis a menos: data-raw/07_gera_posicao.R lia a PNAD de um caminho fixo de outra máquina, e passa a usar OCUPACOESBR_PNAD com fallback em ~/dados_pnad, como os scripts 05/05a; e test-rotulos.R trava que nenhum rótulo normalizado aponte para dois códigos, condição de que tse_rotulo_para_cod(exato = TRUE) depende sem dizer. O DESCRIPTION distingue agora as pontes geradas por script do dicionário TSE→ISCO-88, que é autoral.

ocupacoesBR 0.3.0

A safra de 2026 entra, e o dicionário não precisou de uma linha

Esta versão estende o pacote das 14 eleições de 1998 a 2024 para as 15 de 1998 a 2026. O resultado central é negativo, e é o mais informativo que poderia sair: o cadastro de ocupações do TSE não criou nenhum código em 2026. Os 211 códigos observados na safra são subconjunto dos 275 que o dicionário já cobria, com a mesma grafia acentuada que vigora desde 2018. tse_isco não mudou; nenhuma ponte mudou; nenhum ISEI, prestígio, EGP, classe ou estrato se deslocou de nenhum código.

Isso importa para quem usa o pacote na eleição em curso: a tradução de 2026 não é extrapolação. checa_cobertura() sobre a safra inteira passa, e um teste novo (test-rotulos.R) trava a afirmação — se uma safra futura trouxer código inédito, a suíte quebra em vez de o pacote devolver NA silencioso.

A safra é aberta, e o pacote diz isso

O prazo de registro encerrou em 15/08/2026, mas o Tribunal ainda julga e publica candidaturas. Os dados desta versão são a geração do TSE de 17/08/2026, 08:30 — 20.506 candidaturas, cerca de dois terços do volume de 2022 nos cargos proporcionais, com DS_SITUACAO_CANDIDATURA igual a #NE em toda linha e sem apuração. Nada do que o pacote extrai depende de apuração: o rótulo de um código é propriedade do cadastro, não da candidatura. Mas o n de 2026 há de crescer, e a documentação dos dados registra a geração exata para que ninguém confunda duas safras de 2026 — o TSE gera o arquivo duas vezes por dia.

Uma armadilha nova, documentada em ?tse_diff_cadastro. tse_diff_cadastro(2024, 2026) devolve 46 códigos como “extintos”. Nenhum foi extinto. A vigência se constrói do rótulo observado, e um código raro sem candidato numa safra pequena registra ausência, não revogação — 2026 é pequena duas vezes, por ser geral e por estar aberta. Trocar o par não resolve: contra 2022, que também é geral, são 47. A metade que se sustenta é a outra, “nenhum código criado”, porque um código novo apareceria ainda que uma vez só.

A fonte dos rótulos mudou de arquivo, e o N muda por duas razões

data-raw/04_gera_rotulos.R lia um .Rda agregado de 397 MB e passa a ler as safras individuais (bancos/candidaturas/candidaturas_AAAA.rds do projeto novissimos_dados_tse), quatro colunas de cada. A troca não é de estilo. O agregado se reconstrói de tempos em tempos e pode estar defasado sem que nada no arquivo o denuncie: em 17/08/2026 ele trazia 15.866 candidaturas de 2026 contra as 20.506 da safra. Ler as safras é ler a fonte, custa megabytes em vez de gigabytes, e acrescentar uma eleição passa a ser acrescentar um arquivo. OCUPACOESBR_TSE_RDA continua honrado, para quem só tenha o agregado.

Por isso o total de candidaturas sai de 3.334.269 para 3.368.921, e a diferença tem duas causas que não convém somar às cegas:

Números derivados que se moveram com a base nova, todos recomputados:

valor 0.2.1 0.3.0
candidaturas com rótulo 3.334.269 3.368.921
eleições 14 15
códigos extintos após 2000 13 (12,2%) 13 (12,4%)
códigos criados em 2002+ 122 (33,1%) 122 (33,2%)
tse_diff_cadastro(2000, 2002), criados 67 69
candidaturas do 601 em 1998–2000 50.139 52.090
reutilizados, candidaturas em 2000 1.582 1.628

Os 69 criados entre 2000 e 2002 substituem 67 porque a base recuperou uma candidatura de 2002 nos códigos 150 (CHAVEIRO) e 241 (TAPECEIRO), cuja vigência começava em 2004 e passa a começar em 2002.

O que ficou idêntico, e é o que mais importa

tse_ocupacao_rotulos continua com 334 vigências para os mesmos 275 códigos, e tse_quebra_2002 com 44 códigos na mesma partição — 15 redefinidos, 18 refinados, 4 renomeados, 7 reutilizados. A curadoria editorial do campo tipo, que é a única decisão de medida desta tabela, não se mexeu sob uma base maior e uma safra a mais. A suíte passa em 1310 expectativas, sem nenhuma alteração de valor esperado além do teto de ano.

tse_validacao vai a 2026, sem o patrimônio de 2026

A tabela do critério externo passa a somar 3.347.794 candidaturas nas mesmas 221 ocupações. A safra entra em n, pct_superior e pct_mulher, e se abstém de n_com_bens e de toda mediana de patrimônio.

A abstenção é de unidade, não de qualidade do dado. O patrimônio da tabela está deflacionado a reais de outubro de 2024, pelo número-índice do IPCA do mês da eleição, e outubro de 2026 não aconteceu. Deflacionar por outro mês poria na coluna um valor que a definição da coluna desmente. A assimetria não é nova: n sempre cobriu período mais largo do que n_com_bens, porque não há declaração de bens antes de 2006, e as candidaturas de 1998 a 2004 já entravam nessa condição. Quando o índice de outubro de 2026 existir, a coluna sai de graça.

O desenho é verificável, e foi verificado. Rodando 05_gera_validacao.R sobre as duas microbases, a safra de 2026 move exatamente o que devia mover e nada além:

efeito sum(n) sum(n_com_bens) pct_superior mediana
religação de bens (a montante) +0 +67.117 0 códigos 137 códigos
safra de 2026 +20.447 +0 108 códigos (máx. 1,5 pp) 0 códigos

A religação de bens é a segunda correção vinda de fora: a chave de junção da declaração de bens passou a ser tripla (ano, sg_ue, SQ_CANDIDATO), o que recuperou 67.117 declarações que os zeros à esquerda da unidade eleitoral faziam perder. Ela desloca 137 medianas — entre elas a do código 257, de R$ 495.400 para R$ 497.797 — e a dispersão do 257 passa de 81 para 80 vezes (p90/p10). Nenhuma dessas mudanças altera a leitura substantiva registrada em ?tse_codigos_autorrotulo: o 257 continua sendo a mistura de duas populações sob um rótulo só.

As correlações que a vinheta validacao reporta:

0.2.1 0.3.0
ISEI × % superior r = 0,764 (rho 0,811), n = 208 r = 0,765 (rho 0,812), n = 208
ISEI × log mediana de patrimônio r = 0,682 (rho 0,695), n = 164 r = 0,681 (rho 0,695), n = 165
nível do indivíduo r = 0,207 r = 0,208

A microbase que sustenta a tabela é produzida por um script novo, data-raw/05a_microbase_2026.R, que anexa 2026 às linhas de 1998 a 2024 sem recalcular nenhuma delas. A escolha é o que torna a decomposição acima possível: se as linhas antigas fossem refeitas junto, toda diferença teria duas causas e nenhuma separável.

Correção de um número que estava errado desde antes desta versão

tse_codigos_autorrotulo estava documentado como 12,2% das candidaturas (em ?tse_para_isei, ?tse_codigos_autorrotulo e na vinheta qual-regua). O valor correto é 13,3%, e o erro não vem da base nova: sobre a base antiga o valor já era 13,29%, e sobre a microbase do vices_do_brasil, 13,30%. Nenhum denominador plausível produz 12,2% — entre as candidaturas com escore ISEI o percentual é 20,7%.

A origem do engano é visível: 12,2% é o percentual dos códigos extintos sobre as candidaturas de 1998–2000, que aparece a duas seções de distância e foi copiado para a documentação do autorrótulo, que mede outra coisa. Os dois valores agora divergem também na aparência (13,3% e 12,4%), o que reduz a chance de a confusão se repetir.

Nenhum resultado publicado muda por isso: o vetor tse_codigos_autorrotulo sempre teve os mesmos dez códigos, e a análise de sensibilidade que ele serve nunca dependeu do percentual. O que muda é a frase que o descreve.

Auditoria de cobertura de testes, e os defeitos que ela encontrou

A suíte cobria 85,2% das linhas de R/. A auditoria começou por uma pergunta simples — toda função exportada é chamada ao menos uma vez? — e a resposta era não: doze das 57 não eram, entre elas as oito de R/prestigio.R, arquivo que a suíte não executava em nenhuma linha. A cobertura agora é 97,5%, com as 57 exportações exercitadas e a suíte em 1.447 expectativas (eram 1.310).

Escrever esses testes revelou três defeitos reais, e é por isso que eles valem mais do que o número de cobertura.

tse_para_prestigio08() não aceitava ano

A versão 0.2.0 acrescentou o argumento ano às portas ancoradas na ISCO-08 e nomeou três: tse_para_isco08(), tse_para_isei08() e tse_para_siops08(). Esta ficou de fora. O efeito é perverso porque *_prestigio() é o nome preferido e *_siops() o alias depreciado: durante duas versões o nome que a documentação recomenda não mascarava vigência, enquanto o desaconselhado mascarava. Quem montasse série pela porta certa recebia, sem aviso, o escore do cadastro errado nos códigos reutilizados em 2002 — exatamente o erro que o argumento existe para impedir.

Corrigido. Um teste novo compara as assinaturas dos seis pares prestigio/siops e falha se voltarem a divergir.

A família da CBO-2002 perdia empate e escada no meio do caminho

cbo2002_para_isco(), cbo2002_para_isei08(), cbo2002_para_prestigio(), cbo2002_para_prestigio08() e cbo2002_para_siops08() aceitavam os dois argumentos; cbo2002_para_isei() e cbo2002_para_siops() não. Quem ligasse a escada para obter o código ISCO e a perdesse ao pedir o ISEI terminava com duas colunas calculadas sobre universos diferentes, sem sinal de erro. As duas funções agora têm a assinatura das demais, com os mesmos padrões.

tse_rotulo_para_cod() devolvia NULL em vez de tabela vazia

Com exato = FALSE e nada a procurar — vetor vazio, ou todo NA —, do.call(rbind, ...) devolvia NULL, de modo que o tipo do retorno dependia do conteúdo do argumento: data.frame quase sempre, NULL nesses dois casos. nrow() respondia NULL em vez de 0 e o acesso a coluna errava. Agora sai sempre um data.frame, com zero linhas quando não há o que procurar. O ramo exato = TRUE nunca teve o problema.

O pacote ganha um site

A documentação passa a ter uma porta de entrada fora do R. O site é construído com pkgdown a partir do próprio repositório e será servido pelo GitHub Pages em https://moraespeixoto.github.io/ocupacoesBR/ assim que o repositório for aberto. Ele reúne o que já existia — o README, as duas vinhetas, o changelog, a citação — e acrescenta quatro coisas novas.

A referência deixou de ser alfabética. As 57 funções estão agrupadas por porta de entrada e por finalidade: a porta do TSE, o cadastro do TSE ao longo do tempo, a porta da CBO, a porta do IBGE, as medidas a partir da ISCO, a verificação de cobertura, o carregamento retrospectivo, as tabelas, e por último os alias depreciados *_siops*, com a explicação de por que foram renomeados. Ordem alfabética é útil para quem já sabe o nome da função; para quem não sabe, esconde o pacote.

Quatro artigos novos, só do site. “Comece aqui” percorre o caminho inteiro numa sessão e é construído em torno de uma tabela de oito ocupações reais e frequentes, que mostra onde o ISEI se abstém e o esquema de classes ainda responde. “Os percursos” mostra cada caminho de tradução e o ponto exato em que ele para: a ambiguidade da ponte ISCO-08, o empate e a escada da CBO, a quebra de 2002, a categoria residual. “A safra de 2026, na régua” reúne o que o pacote já sabe da eleição em curso e o que não pode saber ainda. “Como citar” explica por que são duas referências e não uma.

Os artigos vivem em vignettes/articles/, que fica fora do tarball: o site cresce sem que o pacote engorde.

Quatro fluxogramas. Escritos em mermaid e pré-renderizados para SVG por data-raw/fig_diagramas.R, de modo que funcionam offline e não dependem de script carregado de CDN. Reusam a paleta de data-raw/fig_rede_crosswalks.R, para o site não falar dois idiomas visuais. O diagrama da CBO foi redesenhado depois de conferido contra cbo2002_para_isco(): a primeira versão punha a escada antes do empate, e a ordem real é a inversa — o empate decide a entrada de quatro dígitos, e a escada só age depois, sobre o que sobrou NA.

Exemplos nas 14 tabelas de dados. Era o único ponto em que a referência estava incompleta: as 57 funções já tinham exemplo, os dados não tinham nenhum. Cada tabela ganhou um @examples que a mostra e a põe em uso — em tse_quebra_2002, os códigos reutilizados, com o 214 que era delegado de polícia e passou a ser escultor e pintor.

Duas armadilhas encontradas no caminho

O pkgdown transforma em página todo arquivo .md da raiz do repositório e de .github/, sem opção de exclusão. Aqui isso significava publicar o ferramental de assistentes de IA e os registros datados de auditoria, todos gitignorados. Apagar as páginas depois do build não resolve: o índice de busca e o sitemap guardam o texto desses arquivos. Por isso o build passa por data-raw/constroi_site.R, que os esconde antes e os devolve depois, com lista branca — arquivo de trabalho novo na raiz não vaza para o site por esquecimento.

O SVG do mermaid sai de dentro de um HTML, e o parser de HTML rebaixa todo nome de atributo para minúsculas e não fecha o <br>. Num arquivo .svg servido como XML isso quebra o desenho: viewbox não é viewBox. O extrator restaura os nomes, fecha as tags e acrescenta xml:space="preserve", sem o qual o SVG descarta o espaço inicial de cada tspan e “o código declarado” é desenhado como “ocodigodeclarado”.

O que isso mexeu no resto

A porta da CBO-2002 derrubava a chamada quando o código vinha como número

Passar à CBO-2002 um vetor numérico com dois ou mais códigos distintos de 3 ou 5 dígitos matava a chamada com the condition has length > 1. Não é caso de laboratório: é o que sai de read.csv() sobre a RAIS, onde a coluna de CBO vira integer e qualquer código malformado fica curto.

A causa está numa linha de .norm_cbo2002(): o width do formatC() vinha de um ifelse(), e formatC() não vetoriza width. Com um código curto o vetor tinha comprimento 1 e a chamada passava — o que escondeu o defeito desde que a perna CBO existe. Os dois comprimentos agora vão em chamadas separadas, cada uma com o seu width escalar.

As dez portas da CBO-2002 caíam juntas, porque todas passam pelo mesmo normalizador: as sete cbo2002_para_*, cbo2002_concordancia(), crosswalk_cbo2002() e checa_cobertura_cbo2002(). Um código malformado no meio do vetor derrubava também a tradução dos vizinhos, que estavam corretos. Agora ele volta NA com aviso, e o resto do vetor é traduzido.

A CBO-94 e a COD nunca tiveram o problema: usam width escalar.

E uma assimetria que a correção revelou

Nenhum código da CBO-2002 começa com zero — 0 de 1.387 ocupações, 0 de 436 famílias, 0 de 558 prefixos da escada. Na CBO-94 são 231 de 1.387. Ou seja: a recuperação de zero à esquerda só faz trabalho de verdade na CBO-94; na CBO-2002 ela transformava um código curto num código igualmente inexistente, com a diferença de que o aviso passava a ser “sem correspondência” em vez de “deve ter 4 ou 6 dígitos”. Um teste novo trava as três contagens: se uma tábua futura trouxer código iniciado em zero na CBO-2002, a suíte quebra e a assimetria é reexaminada em vez de suposta.

O uso normal ficou explícito logo no começo

A home do site e o artigo “Comece aqui” passam a abrir com a linha que responde à pergunta que todo mundo faz primeiro:

dados <- dados |> mutate(isei = tse_para_isei(CD_OCUPACAO, ano = ANO_ELEICAO))

A coluna inteira entra, a coluna traduzida sai, alinhada linha a linha, e o banco não muda de tamanho. Estava implícito em toda a documentação e explícito em lugar nenhum: os exemplos anteriores usavam vetores curtos como c("111", "169", "257"), que cabem na tela mas sugerem tradução código a código. A versão em R base (dados$isei <- ...) vem logo abaixo, e a junção com crosswalk_tse() fica ao lado, para quem quer as dezesseis colunas de uma vez.

O exemplo é executado, não digitado, e a moldura inclui de propósito uma linha de 1998 com o código 214. Com isso as duas formas aparecem lado a lado sobre a mesma linha: o mutate() com ano devolve NA e avisa, e a junção — que usa o cadastro corrente — devolve escultor e pintor com ISEI 54, em silêncio. A ressalva sobre ano deixa de ser uma advertência abstrata e passa a ser algo que o leitor vê acontecer.

DESCRIPTION ganha Config/Needs/website: dplyr. O dplyr não entra em Imports nem em Suggests, e o pacote continua com stats e utils como únicas dependências: ele é preciso apenas para gerar o README e o site.

Também nesta versão

ocupacoesBR 0.2.1

Correção da régua ISCO-08: 21 códigos do TSE mudam de destino

Esta versão corrige o passo TSE → ISCO-08 em 21 dos 275 códigos do dicionário, o que equivale a 103.365 candidaturas — 3,10% do total e 4,84% das que têm escore. A média ponderada do ISEI-08 passa de 49,88 para 50,43 (+0,545). O efeito substantivo é distribucional, não médio: 1,29% das candidaturas saem do primeiro decil da distribuição para perto da mediana, de modo que cortes por quantil e dicotomias “classe alta / popular” construídas a partir do ISEI-08 precisam ser recalculados, não só as médias.

Origem: auditoria da régua conduzida em 2026-08 contra a tabela oficial de correspondência da OIT (ISCO-88 → ISCO-08) e contra as sintaxes do ISMF distribuídas em inst/extdata/fontes/ganzeboom/.

O que não mudou, e por quê

Como a correção foi implementada

tse_para_isco08() deixa de ser a mera composição isco88_para_isco08(tse_para_isco(cod)). O código do TSE carrega duas informações que a ponte genérica não pode ver, e as duas são usadas agora:

  1. A marca de proprietário (tse_isco$proprietario), que é o SEMPL = 2 do ISMF;
  2. O rótulo em português, mais fino do que o código ISCO-88 agregado a que o dicionário associa aquele código.

A regra mora numa única função interna, .corrige_isco08_tse() (em R/isco08.R), chamada tanto por tse_para_isco08() quanto por crosswalk_tse() — não há duas cópias que possam divergir, e test-isco08-tse.R trava a igualdade entre as duas saídas. Como tse_para_siops08() e tse_para_prestigio08() passam por tse_para_isco08(), o SIOPS-08 desses 21 códigos também se corrige.

1. Promoção do proprietário rural (iskopromo.sps)

Os três códigos abaixo recebiam, na mesma linha do crosswalk_tse(), EGP IVc: proprietário rural, estrato “Classe alta”, componente “Alta proprietária” e o ISEI-08 de trabalhador agrícola. Eram as únicas três linhas da tabela inteira em que “Classe alta” convivia com ISEI-08 abaixo de 40 — o teste de consistência interna que a auditoria propôs isola exatamente estas três, e agora ele está na suíte.

Cód. Rótulo ISCO-08 antes ISEI-08 antes ISCO-08 agora ISEI-08 agora % cand.
234 PRODUTOR AGROPECUÁRIO 6130 17,79 1311 49,48 0,572
602 PECUARISTA 6130 17,79 1311 49,48 0,509
901 PROPRIETÁRIO DE ESTABELECIMENTO AGRÍCOLA, DA PECUÁRIA E FLORESTAL 6130 17,79 1311 49,48 0,212

Fonte. iskopromo.sps (Ganzeboom, ISMF), primeira regra do módulo, cuja finalidade declarada é “make sure that managers and owners with certain employment statuses go into the right place”:

do repeat iii=@isko / sss=@sempl.
do if (sss eq 2).          /* proprietário / conta própria com empregados */
. recode iii (6130=1311).
end if.
end repeat.

O pacote já aplicava esta linha desde 0.1.0, mas só no caminho do EGP (R/egp.R), o que é a razão de a contradição ser interna: o EGP sabia que aquela pessoa era proprietária e o ISEI-08 não. ISCO-08 1311 é Agricultural and forestry production managers; ISEI-08 = 49,48, lido de isqoisei08.sps linha 28 (recode @isqo (1311=49.48)).

A correção também remenda uma série que o TSE construiu homogênea e a tradução partia ao meio: os irmãos diretos de 901 — 902 (comercial), 903 (industrial), 904 (serviços), 905 (microempresa) — recebem todos ISEI-08 51,01, com o mesmo estrato e o mesmo componente de classe. Só o agrícola desabava para 17,79.

Recomendação da auditoria que foi REJEITADA. A auditoria propunha obter o mesmo resultado recodificando a origem, TSE → ISCO-88 de 1311 para 1221 (department managers in agriculture). Não foi feito: a codificação em 1311 é deliberada (o comentário do autor em inst/extdata/fontes/R/classe_ocupacao.R registra “PRODUTOR AGROPECUÁRIO: 61=23 → 1311=43 (proprietário rural)”), e a rota 1221 mudaria também a régua antiga, levando o ISEI-88 de 43 para 67 e deslocando resultados já publicados em ISEI-88. A promoção via iskopromo.sps chega ao mesmo ISCO-08 sem tocar em nada da ISCO-88 — e tem precedente dentro do próprio pacote.

Efeito colateral que convém declarar: para estes três códigos a ida e a volta deixam de fechar. isco08_para_isco88("1311") devolve 1221, porque a ponte de volta (isco0888.sps) também é a da OIT. A assimetria é inerente a iskopromo.sps, cuja recodificação depende do status de emprego, que a volta não conhece.

2. Destinos ISCO-08 refinados pelo rótulo do TSE

Onze códigos do TSE cujo ISCO-88 é o agregado 7400 (other craft and related trades workers) caíam em ISCO-08 7540, que é o grupo-menor residual da submajor 75 (“other craft”: mergulhadores, dinamitadores, classificadores de produtos). O ISEI-08 de 7540 (43,19) destoa em ~19 pontos de toda a sua própria família (7500 = 23,97; 7510 = 23,46; 7520 = 23,65; 7530 = 22,03). A prova de que é transposição de dígito, e não escolha, está no próprio isco8808.sps: ele manda cada ramo filho ao lugar certo — 7410=7510, 7420=7520, 7430=7530, 7440=7536, 7441=7535, 7442=7536 — e só o agregado ao residual.

Cód. Rótulo Antes Agora ISEI-08 % cand. Fonte
713 CARPINTEIRO, MARCENEIRO E ASSEMELHADOS 7540 (43,19) 7520 23,65 0,252 isco8808.sps: 7422 (marceneiros) → 7520
228 PADEIRO, CONFEITEIRO E ASSEMELHADOS 7540 (43,19) 7510 23,46 0,154 7412 (padeiros, confeiteiros) → 7510
710 TRAB. DE FABRICAÇÃO E PREPARAÇÃO DE ALIMENTOS E BEBIDAS 7540 (43,19) 7510 23,46 0,051 7410 (food processing trades) → 7510
591 ALFAIATE E COSTUREIRO 7540 (43,19) 7530 22,03 0,069 7430 (textile, garment trades) → 7530
705 TRABALHADOR DE FABRICAÇÃO DE ROUPAS 7540 (43,19) 7530 22,03 0,063 7430 → 7530
188 FIANDEIRO, TECELÃO, TINGIDOR E ASSEMELHADOS 7540 (43,19) 7530 22,03 0,005 743 (textile trades) → 7530; ver ressalva
241 TAPECEIRO 7540 (43,19) 7530 22,03 0,018 7437 (estofadores) → 7534, dentro de 753
186 ESTOFADOR 7540 (43,19) 7530 22,03 0,011 7437 → 7534, dentro de 753
149 CHAPELEIRO 7540 (43,19) 7530 22,03 0,001 7433 (tailors, dressmakers and hatters) → 7531, dentro de 753
715 TRAB. DE FABRICAÇÃO DE CALÇADOS E ARTEFATOS DE COURO 7540 (43,19) 7536 18,07 0,047 7442 (shoemakers arw) → 7536, destino único
250 TRABALHADOR DE CURTIMENTO 7540 (43,19) 7535 28,08 0,003 7441 (pelt dressers, tanners and fellmongers) → 7535, destino único

Ressalva sobre o cód. 188 (0,005% das candidaturas, n = 170). Este é o único dos onze em que a leitura fina não fecha: isco8808.sps manda 7431 (fibre preparers) para 7318 (artesanato, ISEI-08 28,97) e 7432 (weavers, knitters) para 8152 (operadores de máquina, ISEI-08 18,03) — a ISCO-08 dispersou o grupo. Como o dicionário lê este código pelo ramo artesanal (ISCO-88 74, não 82), adotou-se o grupo-menor do agregado ISCO-88 743, que é 7530. As quatro leituras possíveis ficam entre 18 e 29; nenhuma se aproxima dos 43,19 anteriores, que é o que a correção precisa garantir.

Três códigos cujo ISCO-88 é o agregado 2220 (health professionals except nursing) caíam no agregado ISCO-08 2200, que é a média de todos os profissionais de saúde, inclusive a enfermagem. Os rótulos do TSE nomeiam a ocupação exata, e para cada uma a OIT dá destino único:

Cód. Rótulo Antes Agora ISEI-08 % cand. Fonte
115 ODONTÓLOGO 2200 (76,98) 2261 (Dentists) 88,31 0,299 isco8808.sps: 2222 → 2261, único
112 VETERINÁRIO 2200 (76,98) 2250 (Veterinarians) 84,14 0,131 2223 → 2250, único
117 FARMACÊUTICO 2200 (76,98) 2262 (Pharmacists) 81,13 0,155 2224 → 2262, único

Um código cujo ISCO-88 é 2320, que tem exatamente dois destinos na OIT — 2320 (vocational education teachers) e 2330 (secondary education teachers) —, e que a ponte trunca para 2330 nos dois casos:

Cód. Rótulo Antes Agora ISEI-08 % cand. Fonte
235 PROFESSOR E INSTRUTOR DE FORMAÇÃO PROFISSIONAL 2330 (82,41) 2320 72,30 0,211 dos 2 destinos da OIT para 2320, o que o rótulo nomeia. O 2330 fica com o cód. 266, PROFESSOR DE ENSINO MÉDIO, que não muda

Três códigos cujo ISCO-88 é o agregado 3470 (artistic and cultural associate professionals), traduzido por 3430, que pressupõe nível técnico — embora os rótulos do TSE reproduzam literalmente os títulos de ISCO-88 2453 e 2454, de nível profissional:

Cód. Rótulo Antes Agora ISEI-08 % cand. Fonte
164 MÚSICO 3430 (50,15) 2652 (Musicians, singers and composers) 64,44 0,220 isco8808.sps: 2453 → 2652, único
163 CANTOR E COMPOSITOR 3430 (50,15) 2652 64,44 0,113 2453 → 2652, único
165 COREÓGRAFO E BAILARINO 3430 (50,15) 2653 (Dancers and choreographers) 61,82 0,007 2454 → 2653, único

Todos os valores de ISEI-08 acima foram lidos de inst/extdata/fontes/ganzeboom/isqoisei08.sps; nenhum foi estimado.

Onde esta versão diverge da auditoria

Pendências conhecidas, herdadas da auditoria

Nenhuma foi resolvida nesta versão; ficam anotadas para a nota de método de quem publicar a partir do pacote.

Documentação e testes

ocupacoesBR 0.2.0

tse_para_isei08() passa a aceitar ano

As portas ancoradas na ISCO-08 — tse_para_isco08(), tse_para_isei08() e tse_para_siops08() — ganharam o argumento ano, com a mesma máscara de vigência que as portas da ISCO-88 já tinham. Passando o ano da eleição, as candidaturas cujo código o TSE reutilizou em 2002 voltam NA com aviso da classe ocupacoesBR_quebra_2002, em vez de traduzidas pelo cadastro errado. Antes, quem quisesse o ISEI-08 mascarado por vigência tinha de aplicar a máscara à mão; agora é tse_para_isei08(cod, ano = ano), simétrico a tse_para_isei(cod, ano = ano). Veja ?tse_vigencia e ?checa_periodo.

Uma classe própria para o agricultor: criada e revertida (29/07/2026)

Nenhuma proporção publicada muda. O registro fica porque a decisão chegou a ser implementada, e o motivo da reversão é reaproveitável.

Correção em tse_validacao (29/07/2026)

Muda o conteúdo de um conjunto de dados publicado

Quem precisa mudar código

Segunda rodada de auditoria (27/07/2026)

Quatro revisores independentes reauditaram o estado corrigido (AUDITORIA_2026-07-27.md), rodando R sobre o dado real. A fidelidade às fontes do ISMF é byte-a-byte (zero divergências). Estas são as correções aplicadas.

Muda resultado obtido com a versão anterior

As advertências saem da vinheta e entram nas páginas de ajuda

O pacote já conhecia os seus limites e os documentava — nas vinhetas. Quem faz ?tse_para_isei, que é o caminho de quase todo usuário, não os recebia. Três seções novas, com números reproduzidos no dado real:

Correções

A medida se afere contra a PNAD

*_para_prestigio() passa a ser o nome canônico

No Brasil, SIOPS é o Sistema de Informações sobre Orçamentos Públicos em Saúde (Ministério da Saúde, LC 141/2012). Um pacote em português que exporta tse_para_siops() colide em toda busca, e a interseção de públicos — saúde, orçamento, dados administrativos — não é pequena. Ganzeboom pode usar a sigla; um pacote brasileiro não deveria, sem mais.

São oito portas: tse_para_prestigio(), tse_para_prestigio08(), isco88_para_prestigio(), cbo2002_para_prestigio(), cbo2002_para_prestigio08(), cbo94_para_prestigio(), cod_para_prestigio() e cod_para_prestigio08(). Nenhum número muda: as formas *_siops() continuam existindo como alias, verificados idênticos um a um, e não serão removidas de uma vez.

Junto vem o que faltava à régua: Treiman (1977) citado, e a advertência de que a escala é média de estudos de ~60 países dos anos 1960–70 — aplicá-la a dado recente pressupõe que a ordem de prestígio é invariante no tempo, que é a tese de Treiman e não um fato dado. Ela quebra onde a ocupação mudou de posição desde então: bancário, professor, policial, ocupações de tecnologia.

Correções da auditoria de 26/07/2026 (AUDITORIA_2026-07.md). Cinco revisores independentes varreram o pacote linha a linha rodando R sobre 3.334.269 candidaturas.

Mudanças que alteram resultado

Estas mudam números já obtidos com a versão 0.1.0. Quem publicou com ela deve reconferir.

Correções silenciosas que passaram a fazer barulho

Duas vinhetas

A porta do IBGE, e a ponte que faltava de volta

A medida passa a se aferir contra algo fora dela

Até aqui, tudo no pacote era tradução — código do TSE para ISCO, ISCO para ISEI — e nada nessa cadeia se conferia contra coisa alguma externa. Um crosswalk internamente consistente pode estar inteiramente errado.

A história do cadastro do TSE

O DS_OCUPACAO vem ao lado do CD_OCUPACAO nos arquivos consulta_cand e está 100% preenchido nas 14 eleições de 1998 a 2024. O pacote supunha não tê-lo: ?checa_periodo dizia, por escrito, “não por rótulo — o pacote não distribui os rótulos do TSE — e sim pelo dado”. A resposta exata sempre esteve na coluna ao lado.

Novidades

Infraestrutura

ocupacoesBR 0.1.0

Primeira versão. Duas portas de entrada (TSE e CBO-2002/CBO-94), 27 funções exportadas, 8 conjuntos de dados, todas as tabelas geradas por script a partir das fontes originais.

Mudança de dado registrada retroativamente: durante o desenvolvimento, o código 111 do TSE passou de ISCO-88 2220 para 2221 (e o ISEI de 85 para 88), ao descer de dois para quatro dígitos e separar médico de enfermeiro. Resultados obtidos antes dessa correção diferem. Não havia NEWS.md à época — este parágrafo existe para que a diferença seja rastreável.