Columna

Tipo

Descripción

Unidad

id_norma_local

String

Identificador del aviso/norma en la fuente oficial de esta jurisdiccion. Es LOCAL: unico dentro de la provincia, no a nivel nacional. Formato 'ch-{nro_boletin}-{seq:04d}' para la edicion principal; 'ch-{nro_boletin}-{etiqueta}-{hash6}-{seq:04d}' para ediciones no principales. No usar para joins cross-jurisdicciones; usar (provincia, id_norma_local) como clave compuesta.

—

provincia

String

Jurisdiccion ISO 3166-2:AR (AR-B = Buenos Aires, AR-C = CABA, AR-U = Chubut, etc.). En vistas de hoja o hub esta columna tiene un unico valor; en vistas agregadas (boletin.ar.* o boletin.nacion.*) puede tener multiples valores.

—

tipo_norma

String

Tipo de acto segun la fuente oficial. En Chubut: Decreto, Resolución, Disposición. Usar GROUP BY para explorar los valores disponibles.

—

numero_norma

String

Numero del acto. Formato variable (entero simple, o con barra de año). NULL cuando no aplica. ADVERTENCIA: precision imperfecta residual — el fix de 2026-07-24 cerro la mayoria de los casos de un numero de norma CITADO dentro del cuerpo de otra norma (extraido antes como fila nueva), pero queda un residual conocido: una cita de un solo token seguida solo de un punto (ej. "...conforme lo establecido en el Decreto Nº 1351/05.") es indistinguible de un encabezado real. Un COUNT(*) por tipo_norma puede aun sobre-contar en ese caso residual. Ver gotcha "organismo y numero_norma: precision imperfecta".

—

organismo

String

Organismo o dependencia emisora del acto. Texto tal como aparece en la fuente (a veces en mayusculas). NULL cuando no esta estructurado en la fuente. ADVERTENCIA: precision imperfecta — el heuristico de deteccion de encabezado de organismo puede capturar en cambio un fragmento de prosa truncado a mitad de frase (ej. "Ministerio de Educación y el Instituto Provincial del"). NO es ground truth verificado; no agrupar por organismo asumiendo que siempre es un nombre de organismo real y completo. Ver gotcha "organismo y numero_norma: precision imperfecta".

—

firmante

String

Nombre del funcionario firmante. Best-effort desde 2026-07-24: cuando el pie de firma de la norma trae el nombre en mayusculas de forma clara (ej. tras "RESOLUCION Nº 885 /26-IPVyDU.- GEJ/VB/KC" sigue "GUILLERMO ESPADA JAMES"), se extrae y se usa para poblar esta columna. NULL cuando el pie de firma no esta presente o el nombre no sale limpio (nunca se infiere/inventa un firmante). La mayoria de las filas historicas siguen en NULL.

—

expediente

String

Numero de expediente. Siempre NULL en Chubut (no estructurado por el parser actual).

—

fecha

Date

Fecha del acto (cuando se firmo o emitio). Puede ser anterior a fecha_publicacion. Para publicacion reciente usar fecha_publicacion; para vigencia del acto usar fecha.

ISO 8601 YYYY-MM-DD

fecha_publicacion

Date

Fecha en que el aviso se publico en el boletin oficial. Eje temporal principal para consultas de actividad normativa reciente. Dias habiles (L-V).

ISO 8601 YYYY-MM-DD

titulo

String

Primera linea del cuerpo articulado de la norma (hasta ~150 caracteres), extraida del PDF.

—

tema

String

Clasificacion tematica. Siempre NULL en Chubut (usar tipo_norma como proxy de clasificacion).

—

fuente_url

String

URL al PDF del boletin en la fuente oficial. Apunta al PDF REAL de la edicion donde se publico la norma (principal, Vespertina o Anexo).

—

texto_url

String

URL al PDF individual del boletin. Igual a fuente_url.

—

tiene_texto

Boolean

TRUE si hay un PDF del boletin disponible. Siempre TRUE para las filas que produce este parser.

—

seccion

String

Seccion canonica del boletin donde se publico el aviso. Este dataset filtra exclusivamente 'Legislación y Avisos Oficiales'.

—

snapshot_date

Date

Fecha del scrape (operacional, AR-universal). Provenance de captura; no usar para filtrar por fecha del aviso.

ISO 8601 YYYY-MM-DD

Pueden invalidar un análisis ingenuo. Documentadas como parte del control de calidad.

La fuente filtra por User-Agent (403 a todo lo que no empiece con Mozilla/)

Verificado desde un runner de GitHub Actions (2026-07-24): boletin.chubut.gov.ar devuelve 403 a cualquier request cuyo header User-Agent no empiece literalmente con "Mozilla/" -- incluido el User-Agent bot-like que usa el resto del catalogo de Almanac por default (Settings.user_agent / secret ALMANAC_USER_AGENT). El scraper usa un User-Agent hardcodeado tipo navegador que sí pasa el filtro.

La fuente no es alcanzable desde Argentina (solo desde GHA)

boletin.chubut.gov.ar no responde desde IPs de Argentina (ni handshake TCP), pero sí desde runners de GitHub Actions con el User-Agent correcto. El cron corre normalmente en GHA; el debug/backfill local no es posible por bloqueo de red.

Chubut publica hasta 3 PDFs bajo el MISMO numero de boletin

El boletin oficial de Chubut a veces publica una edicion PRINCIPAL, una "Edición Vespertina" y/o un "Anexo — Registro de Publicidad Oficial" bajo el MISMO numero de boletin y la MISMA fecha_publicacion (~7-8% de las ediciones, concentrado 2020-2022). El id_norma_local de la edicion principal sigue el formato historico 'ch-{nro_boletin}-{seq:04d}'; las ediciones no-principales llevan un discriminante adicional derivado del nombre de archivo real ('ch-{nro_boletin}-{etiqueta}-{hash6}-{seq:04d}', ej. 'ch-13642-vesp-a3f9c1-0001'). No reconstruir id_norma_local: usarlo tal cual viene en la columna.

El Anexo (Registro de Publicidad Oficial) NO esta modelado

Los PDF "Anexo" contienen pauta oficial contratada, estados financieros del Banco del Chubut y planillas presupuestarias — no son normas de gobierno. El scraper los procesa (id propio en el indice) pero produce 0 filas sobre ellos de forma estructural (no tienen "SECCIÓN OFICIAL"). Decision deliberada de cobertura: candidato a un dataset propio de transparencia de gasto publico, no a este modelo per-norma.

La mayoria de ediciones traen pocas normas (a veces 0)

El grueso del volumen de un boletin de Chubut suele ser SECCIÓN GENERAL (edictos, remates, licitaciones — no extraida). Un dia con 0 o pocas filas NO es señal de error del scraper.

FIX 2026-07-24: pie de firma ya no genera fila fantasma

Cada norma termina con su cierre y su firma; Chubut repite el numero de la norma como parte de esa firma (ej. "RESOLUCION Nº 885 /26-IPVyDU.- GEJ/VB/KC" seguido del nombre del firmante en mayusculas). Antes del fix, esa repeticion producia una fila fantasma DUPLICADA con el nombre del firmante como titulo (verificado en prod: 3 pares duplicados exactos con firmantes "GUILLERMO ESPADA JAMES" y "ERNESTO J. D'ALESSANDRO", boletin 14897 y otros). Ya NO genera fila. Bonus: si el nombre del firmante sale limpio de la firma, se usa para poblar la columna firmante (antes siempre NULL, ver esa columna). Test de regresion: test_boletin_provincial_chubut_precision.py.

organismo y numero_norma: precision imperfecta, NO ground truth

El parser usa heuristicas de texto libre (no hay metadata estructurada en la fuente). Dos modos de falla verificados corriendo el parser real sobre boletines de distintas epocas:

(a) organismo con fragmentos de prosa truncados a mitad de frase. En el boletin 11445 (2012) salen filas reales con organismo = "Ministerio de Educación y el Instituto Provincial del", "Dirección de Sumarios, dependiente de la Asesoría", "Secretaría de Trabajo – Actividad 1 – Conducción de" — no son encabezados de organismo, son parrafos cortados por el heuristico que detecta encabezados (_is_organismo_header). NO corregido por el fix 2026-07-24 (fuera de alcance; documentado, no arreglado).

(b) numeros de norma CITADOS dentro del cuerpo de otra norma, extraidos como si fueran normas nuevas. El fix de precision 2026-07-24 cerro la mayoria de los casos verificados: en el boletin 13642 (2021) la ex-fila ch-13642-0014 ("Resolución 158", citada dentro del cuerpo de la Resolución 325 — "las Resoluciones N° 22/2021-DGR y N° 158/2021") y, en el boletin 11445 (2012), los ex-numero_norma "171/95" y "1114/11" YA NO se extraen como filas. Test de regresion: test_boletin_provincial_chubut_precision.py.

RESIDUAL CONOCIDO (no cerrado por el fix): una cita de un solo token seguida solo de un punto es indistinguible de un encabezado real con esta heuristica — sigue pasando el chequeo. Ejemplo verificado: numero_norma "1351/05" en el boletin 11445 ("...conforme lo establecido en el Decreto Nº 1351/05." — cita, no una norma nueva). Cerrarlo requeriria exigir fecha en la linea siguiente, pero eso rompe encabezados reales que van directo al cuerpo sin fecha (ej. las resoluciones de la Legislatura). Ver docstring de _is_self_contained_norma_line en el scraper.

Impacto: un COUNT(*) por tipo_norma puede aun sobre-contar en casos residuales, y cualquier analisis agrupado por organismo puede arrastrar organismos-fantasma (fragmentos de prosa, no organismos reales — item (a), no arreglado). Tratar organismo y los conteos por numero_norma como de precision imperfecta, no como ground truth verificado.

id_norma_local es local a la provincia, no global

El identificador id_norma_local es unico DENTRO de la jurisdiccion pero no a nivel nacional. Para joins entre provincias, usar el par (provincia, id_norma_local).

fecha vs fecha_publicacion: el acto puede haberse firmado dias antes

El campo fecha es la fecha del acto; fecha_publicacion es cuando aparecio en el boletin. Para buscar publicaciones recientes usar fecha_publicacion; para la vigencia del acto usar fecha.

Chubut - Legislacion y Avisos Oficiales

Qué incluye