Acentos, códigos y abreviaturas: cuándo dos actas parecen distintas
Dos fuentes pueden escribir de manera diferente el mismo organismo, localidad o motivo. Normalizar ayuda a comparar, siempre que el texto original siga disponible.
Por Marco Ferreiro ·
Dos registros pueden describir la misma actuación y, aun así, verse distintos en pantalla. Un portal escribe “Dirección de Tránsito”; otro devuelve “DIR. TRANSITO”. Una exportación conserva “José C. Paz” y otra pierde el acento o agrega espacios. Estas diferencias son relevantes para una computadora, pero no necesariamente para la identidad administrativa del dato.
El desafío no se resuelve borrando diferencias hasta que todo coincida. Una normalización demasiado agresiva puede unir actas que no son la misma. El método responsable conserva el valor oficial y genera, al lado, una representación limitada para comparar.
El original nunca se reemplaza
Cada campo recibido debe guardarse tal como llegó, con su fuente y fecha. Esa copia permite explicar una discrepancia, corregir una regla y reconstruir qué vio la persona. Si el sistema sobrescribe “M. DE TRANSP.” por “Ministerio de Transporte”, desaparece la evidencia de la transformación.
Trabajamos con dos capas. La primera es el valor de origen. La segunda contiene tokens normalizados, la versión de la regla y, cuando corresponde, el código de catálogo que justificó una equivalencia. La interfaz puede mostrar un nombre claro, pero ofrece el original en el detalle.
La Ley 25.326 exige información clara cuando se informa sobre datos personales. Esa claridad no habilita a modificar una fuente sin trazabilidad: obliga a explicar qué se recibió y qué interpretación se agregó.
Qué cambios son comparables
Hay transformaciones de bajo riesgo que sirven para buscar candidatos:
- convertir mayúsculas y minúsculas de forma uniforme;
- separar espacios repetidos;
- comparar una versión sin diacríticos, conservando la original;
- unificar puntuación puramente tipográfica;
- reconocer una abreviatura mediante un catálogo explícito y fechado.
“Tránsito” y “TRANSITO” pueden producir la misma clave de búsqueda. “San Martín” y “San Martin” también. Pero esa clave no se publica como si fuera el nombre oficial: sólo acerca registros para una segunda comparación.
Los códigos requieren más cuidado. El número 12 puede significar un organismo en un catálogo y un motivo en otro. Toda traducción debe incluir namespace, emisor y versión. Un código aislado no se expande por intuición.
El dominio tiene reglas propias
La normativa nacional define el dominio como una codificación formada por letras y números. La Patente MERCOSUR usa siete caracteres. Esa estructura permite validar longitud y posiciones, pero no autoriza a probar variantes contra portales de terceros.
No convertimos la letra O en cero ni B en ocho automáticamente. Si una captura es ambigua, el sistema pide confirmación. La representación de comparación puede eliminar espacios o guiones de presentación, pero no cambia caracteres alfanuméricos.
Esta frontera es esencial: normalizar formato no es adivinar identidad. Una letra distinta puede corresponder a otro vehículo.
Abreviaciones seguras y expansiones peligrosas
Una abreviatura es segura cuando el organismo publica una tabla inequívoca o cuando el mismo conjunto de datos entrega código y descripción. Por ejemplo, puede registrarse que una sigla concreta corresponde a una autoridad dentro de la versión consultada.
No es seguro asumir que “SM” siempre significa San Martín. Puede referirse a otra localidad, dependencia o tipo de control. Tampoco conviene eliminar palabras como “Norte”, “Sur”, “Municipal” o “Provincial”: suelen cambiar el alcance.
Cuando hay varias expansiones posibles, la regla devuelve “ambiguo”. Esa salida es útil. Obliga a usar ubicación, organismo emisor y juzgado antes de proponer una coincidencia.
Comparación por evidencia, no por parecido
La similitud de nombres inicia una búsqueda; no decide el resultado. Un candidato se contrasta con número de acta, fecha y hora, dominio, organismo, ubicación, conducta y juzgado. Cada campo tiene un peso distinto según la fuente.
Si coinciden número y organismo, una diferencia menor en el nombre de localidad puede ser presentación. Si sólo coincide una descripción genérica como “exceso de velocidad”, no existe base para unir registros.
El sistema devuelve tres estados: coincidencia respaldada, registros distintos o revisión necesaria. Evitamos porcentajes misteriosos. Junto al estado se enumeran los campos que coincidieron y los que impiden decidir.
Corpus sintético y prueba reversible
Para probar las reglas construimos pares completamente sintéticos. Incluimos tildes ausentes, espacios duplicados, puntos en siglas, mayúsculas y abreviaturas con una o varias interpretaciones. Ningún ejemplo contiene una patente real.
La primera prueba exige idempotencia: normalizar dos veces debe producir la misma clave. La segunda exige trazabilidad: desde la clave se debe poder localizar el original y la versión de regla. La tercera protege términos significativos: “Municipal” y “Provincial” no pueden desaparecer.
También incorporamos negativos deliberados, como localidades que comparten una palabra. Si el algoritmo las une sólo por parecido, la prueba falla. Las tasas de error sólo se publicarían en grupos agregados de al menos cien ejemplos; con una muestra menor describimos casos, no porcentajes.
Qué hacer cuando una fuente cambia
Los catálogos y etiquetas evolucionan. Por eso una equivalencia tiene vigencia: fecha de alta, fuente y, si corresponde, fecha de baja. Un reprocesamiento futuro no debe reescribir silenciosamente el resultado histórico con un catálogo nuevo.
Si un organismo cambia de nombre, conservamos ambos nombres y el período observado. Si un código se reutiliza, la fecha de la actuación ayuda a elegir el catálogo aplicable. Cuando no existe certeza temporal, la comparación queda abierta.
Las correcciones se prueban contra todo el corpus. Una regla que arregla un caso y rompe otros no se despliega sin acotar su alcance.
Una salida comprensible
La persona no necesita conocer cada transformación técnica. Sí necesita saber por qué el sistema considera que dos filas podrían representar la misma acta. Una explicación útil dice: “coinciden número, organismo y fecha; la localidad difiere sólo por acento”.
Si la evidencia no alcanza, se muestran ambas filas. Es preferible una duplicación visible y explicada a borrar una actuación distinta. La normalización mejora la búsqueda cuando permanece subordinada a los datos originales.
Acentos, espacios y abreviaturas son pistas de presentación. La identidad surge de combinar campos con procedencia. Esa separación permite comparar mejor sin convertir una limpieza tipográfica en una decisión administrativa.
Metodología
- Alcance
- Diseño y prueba de una normalización reversible para organismo, localidad y motivo de actas, sin alterar el dominio ni el texto oficial recibido.
- Unidad de análisis
- Un par sintético de registros comparado campo por campo antes y después de aplicar reglas documentadas.
- Cobertura
- Formatos nacionales de dominio y variantes sintéticas de acentos, espacios, puntuación, códigos y abreviaturas verificadas el 14 de agosto de 2026.
Limitaciones
- No existe un catálogo nacional único para todos los nombres y códigos usados por organismos y municipios.
- Las pruebas sintéticas miden el comportamiento de las reglas, no la frecuencia real de errores en portales oficiales.
Fuentes
- Régimen jurídico del automotor, artículo 24 — Argentina.gob.ar (consultada el )
- Resolución GMC 33/2014 sobre la Patente MERCOSUR — Argentina.gob.ar (consultada el )
- Ley 25.326 de Protección de los Datos Personales — Argentina.gob.ar (consultada el )
Preguntas frecuentes
¿Quitar acentos alcanza para decidir que dos actas son la misma?
No. Es una transformación útil para encontrar candidatos, pero la identidad requiere contrastar otros campos estables como número, organismo, fecha, lugar y dominio.
¿Conviene reemplazar el texto recibido por la versión normalizada?
No. El original debe conservarse para auditoría y para mostrar exactamente qué informó la fuente. La versión normalizada es un campo derivado y reversible.
¿Una abreviatura desconocida se puede expandir automáticamente?
Sólo si existe un catálogo versionado y una equivalencia inequívoca. En caso contrario se marca como valor no resuelto y se evita inventar una expansión.
Notas relacionadas
Cómo detectamos actas repetidas sin unir infracciones distintas
Deduplicar no es borrar filas parecidas. La fuente, el identificador, el hecho y las contradicciones forman una decisión conservadora que debe conservar trazabilidad.
Acta, pendiente, sentencia y deuda: cómo mapeamos estados sin inventarlos
Los portales usan vocabularios distintos y una misma palabra puede describir etapas diferentes. El mapa correcto conserva el texto de origen y limita cada equivalencia.
Cuánto tarda un acta en aparecer: cómo medirlo sin promesas falsas
No existe un plazo público único para todas las infracciones. Medir la demora exige seguir la misma acta desde el hecho hasta su primera visibilidad y declarar lo que aún no apareció.