ocupacoesBR
Traduz a Ocupação Declarada ao TSE em Classificações Padronizadas. English: Translates Occupations Declared to the TSE into Standardized Classifications
Traduz a ocupação registrada em fontes brasileiras para a Classificação
Internacional Uniforme de Ocupações (ISCO-88 e ISCO-08) e, a partir dela,
para medidas padronizadas de posição social: o índice socioeconômico ISEI
(Ganzeboom e Treiman, 1996
ocupacoesBR 
Traduz a ocupação declarada nas candidaturas ao TSE em classificações padronizadas e medidas de posição social: ISCO-88, ISCO-08, ISEI, prestígio de Treiman, EGP e um esquema de classes e estratos desenhado para o dado eleitoral brasileiro.
# install.packages("remotes")
remotes::install_github("moraespeixoto/ocupacoesBR")
O uso normal: uma coluna nova no seu banco
Você passa a coluna inteira e recebe a coluna traduzida, alinhada linha a linha. Não há loop, não há tradução código a código, e o seu banco não muda de tamanho.
library(dplyr)
dados <- dados |> mutate(isei = tse_para_isei(CD_OCUPACAO, ano = ANO_ELEICAO))
#> Warning: There was 1 warning in `mutate()`.
#> ℹ In argument: `isei = tse_para_isei(CD_OCUPACAO, ano = ANO_ELEICAO)`.
#> Caused by warning:
#> ! 1 candidatura(s) usam código(s) que o TSE REUTILIZOU depois (214): naquele ano designavam outra ocupação, e voltam NA.
#> Veja ?tse_vigencia.
dados
#> ANO_ELEICAO CD_OCUPACAO DS_CARGO isei
#> 1 2026 131 DEPUTADO FEDERAL 85
#> 2 2026 601 DEPUTADO ESTADUAL 23
#> 3 2026 298 SENADOR NA
#> 4 2026 999 DEPUTADO ESTADUAL NA
#> 5 1998 214 DEPUTADO FEDERAL NA
Em R base, a mesma coisa:
dados$isei <- tse_para_isei(dados$CD_OCUPACAO, ano = dados$ANO_ELEICAO)
O ano também é uma coluna, e é o que resolve a quebra de cadastro de
2002: na linha de 1998, o código 214 era delegado de polícia, e só a
partir de 2002 passou a ser escultor e pintor. Sem o ano, aquela
linha receberia calada o escore de escultor. Com ele, o pacote devolve
NA e avisa.
Para trazer todas as medidas de uma vez, junte o dicionário inteiro em vez de chamar uma função por régua:
dados |>
left_join(crosswalk_tse(), by = c(CD_OCUPACAO = "cod_tse")) |>
select(CD_OCUPACAO, rotulo, isco88, isei88, siops88, egp, classe, qualidade)
#> CD_OCUPACAO rotulo isco88 isei88 siops88
#> 1 131 ADVOGADO 2421 85 73
#> 2 601 AGRICULTOR 6100 23 38
#> 3 298 SERVIDOR PÚBLICO MUNICIPAL <NA> NA NA
#> 4 999 OUTROS <NA> NA NA
#> 5 214 ESCULTOR E PINTOR 2452 54 57
#> egp classe
#> 1 I: dirigentes e profissionais superiores Profissionais de nível superior
#> 2 IVc: proprietário rural Trabalhadores rurais
#> 3 <NA> Vínculo público não especificado
#> 4 <NA> Não informado
#> 5 II: dirigentes e profissionais inferiores Profissionais de nível superior
#> qualidade
#> 1 exata
#> 2 agregada
#> 3 <NA>
#> 4 <NA>
#> 5 exata
Uma ressalva, que a própria saída acima demonstra: a junção usa o
cadastro corrente e não aplica o ano. Compare a última linha nas
duas tabelas. É o mesmo código 214 declarado em 1998: com ano, o
mutate() devolveu NA e avisou; na junção, ele virou escultor e
pintor com ISEI 54, em silêncio. A junção serve para uma safra só, ou
para um recorte que não atravesse 2002; numa série longa, use o
mutate().
O mapa das traduções
As traduções que o pacote faz, e as que
não faz
Cada seta é uma correspondência com fonte declarada. A do TSE para a ISCO-88 é a única autoral — e é por isso que ela carrega os rótulos e a régua de qualidade: é a parte que ninguém pode conferir contra um documento oficial.
Por onde começar
Duas vinhetas, e a primeira importa mais que a documentação de qualquer função:
vignette("qual-regua")— o pacote oferece quatro medidas com a mesma facilidade, e elas não são intercambiáveis. Esta vinheta é sobre escolher, e sobre os sete erros que as pessoas cometem, na ordem em que os cometem.vignette("validacao")— a medida se sustenta contra critério externo? Patrimônio declarado e escolaridade, que não entram na sua construção.
O problema que ele resolve
O TSE publica a ocupação de cada candidatura como um código de um cadastro próprio, sem correspondência publicada com nenhuma classificação internacional. Quem quer estudar classe, status ou desigualdade no recrutamento político tem de construir essa ponte sozinho — e quase todo mundo a constrói do jeito errado.
library(ocupacoesBR)
tse_para_isco(c(111, 169, 257))
#> [1] "2221" "1300" "1200"
tse_para_isei(c(111, 169, 257))
#> [1] 88 51 68
tse_para_classe(c(111, 169, 291))
#> [1] "Profissionais de nível superior" "Proprietários e empregadores"
#> [3] "Vínculo público não especificado"
Tudo é vetorizado: as funções aceitam um código ou milhões deles.
A armadilha do primeiro dígito
Este é o erro que o pacote existe para impedir. É tentador traduzir ocupação pelo primeiro dígito, já que CBO e ISCO têm dez grandes grupos cada. Isso inverte classes inteiras:
| Grande grupo 9 | Significado | ISEI típico |
|---|---|---|
| CBO (Brasil) | reparação e manutenção — mecânicos, eletricistas | ~34 |
| ISCO (internacional) | ocupações elementares — serventes, ajudantes | 16–30 |
Quem traduz por um dígito manda o mecânico para o fundo da escala. A tradução válida é, no mínimo, a dois dígitos — que é o nível em que este pacote opera, descendo a três ou quatro onde dois fundiriam posições distantes demais (médico e enfermeiro moram os dois no grupo 22, e o ISEI os separa em dezenas de pontos).
Há testes automatizados sobre o dicionário que quebram se essa
propriedade se perder (tests/testthat/test-armadilha.R). Uma versão
anterior deles inspecionava apenas a tábua do Ganzeboom e por isso não
podia detectar erro de mapeamento — sabotar 253 dos 275 códigos deixava
a suíte passando.
Quanto vale cada tradução
Nem toda linha do dicionário tem o mesmo lastro. Metade das candidaturas
é traduzida a dois dígitos, e um quinto dos códigos tem mais de um
destino possível na ISCO-08. O crosswalk_tse() diz isso na cara:
table(crosswalk_tse()$qualidade, useNA = "ifany")
#>
#> agregada ambígua exata <NA>
#> 195 52 11 17
exata é tradução a quatro dígitos com ponte unívoca; agregada é a
dois dígitos, um ISEI que é média de grupo; ambígua é onde a OIT
define mais de um destino. Publicar as três com a mesma tipografia
esconde erro de medida que não é ruído: ele é correlacionado com o
estrato, porque foram as ocupações de topo que receberam refinamento.
Verifique a cobertura antes de analisar
O modo silencioso de errar uma medida de classe não é classificar mal um caso: é um código novo cair num rótulo residual sem ninguém perceber. Na primeira versão deste dicionário, 76 códigos reais caíam em “fora da PEA” — inclusive proprietários, que sumiam justamente da categoria onde mais importam.
checa_cobertura(tse_isco$cod_tse)
#> cobertura ok: 275 códigos observados, todos no dicionário.
Ela falha com erro, em voz alta, em vez de devolver um resultado plausível e errado.
A safra de 2026 já está coberta
O dicionário vai de 1998 a 2026. A eleição em curso não trouxe nenhum código novo: os 210 códigos que aparecem nas candidaturas de 2026 são subconjunto dos 275 que o pacote já cobria, com a mesma grafia que vigora desde 2018.
table(tse_diff_cadastro(2024, 2026)$mudanca)
#>
#> extinto
#> 46
Nenhum criado. Os “extintos” são armadilha de leitura, e a documentação da função explica: a vigência se constrói do rótulo observado, e 2026 é uma safra geral — sem prefeito nem vereador — que ainda está aberta, com o Tribunal julgando registros. Código raro sem candidato registra ausência, não revogação. Traduzir 2026 com este pacote, porém, não é extrapolação.
O EGP, e a posição no emprego que o dicionário conhece
O EGP não é função só da ocupação: as suas regras exigem a posição na ocupação e o número de subordinados. O formulário do TSE não pergunta nenhum dos dois.
Mas dez códigos do TSE nomeiam o proprietário no próprio rótulo —
comerciante, empresário, pecuarista, proprietário de estabelecimento —,
e o dicionário os marca. Essa marca é exatamente o SEMPL que as
sintaxes do ISMF pedem, e o pacote a usa por padrão:
tse_para_egp(c(111, 169, 601), avisar = FALSE)
#> [1] "I: dirigentes e profissionais superiores"
#> [2] "IVb: conta própria sem empregados"
#> [3] "IVc: proprietário rural"
Sem ela, o 169 (comerciante) cairia em II, a classe de serviço
assalariada — a pequena burguesia contada como classe de serviço. O que
continua indeterminado é a divisão entre IVa e IVb, que exige o número
de subordinados:
tse_para_egp(c(111, 169, 601))
#> Warning: EGP calculado sem `n_supervisionados`. A divisão entre IVa (com
#> empregados) e IVb (sem) fica indeterminada — todos caem em IVb — e V fica
#> subestimada; para publicar prefira n_classes = 7 ou 5; veja ?isco88_para_egp.
#> [1] "I: dirigentes e profissionais superiores"
#> [2] "IVb: conta própria sem empregados"
#> [3] "IVc: proprietário rural"
Para publicar, prefira n_classes = 7 ou 5, onde IVa e IVb se
fundem em IVab. Com as variáveis em mãos, o esquema funciona por
inteiro:
isco88_para_egp(c("5220", "5220"),
conta_propria = c(TRUE, TRUE),
n_supervisionados = c(0, 5))
#> [1] "IVb: conta própria sem empregados" "IVa: conta própria com empregados"
Use isco88_para_egp() com qualquer dado em ISCO-88, não só com o do
TSE.
A perna CBO
Quem trabalha com RAIS, CAGED ou eSocial não tem código do TSE — tem CBO. É a segunda porta de entrada do pacote, e ela leva ao mesmo lugar:
cbo2002_para_isco(c("1111-05", "225120"))
#> [1] "1110" "2221"
cbo2002_para_isei(c("1111-05", "225120"))
#> [1] 77 88
Os três formatos são aceitos: "1111-05", "111105" e 111105. Para
microdado anterior a 2003, cbo94_para_isco() e cbo94_para_isei().
O dado administrativo é sujo, e o pacote aguenta
O layout da RAIS declara que -1 — com ou sem zeros à esquerda —
significa “ignorado”. O Novo CAGED usa 999999, e grava a CBO como
número, de modo que 010105 chega como 10105. Nada disso derruba a
chamada:
suppressWarnings(cbo2002_para_isco(c("225120", "-1", "0000-1", "999999")))
#> [1] "2221" NA NA NA
O código sujo volta NA com aviso. O erro fica reservado ao caso em que
nenhum valor é válido — que é quando, de fato, a coluna está errada.
Duas ressalvas que o pacote não esconde
A correspondência é oficial, e incompleta. Ela vem da tábua de
conversão CBO2002–CBO94–CIUO88 do Ministério do Trabalho, consultada
família a família. Mas essa tábua é, por construção, uma conversão
entre a CBO-2002 e a CBO-94: só cobre as ocupações que existem nas
duas. Ocupações criadas na revisão de 2002 — e todo o grande grupo 0,
das forças armadas — não têm correspondência oficial com a CIUO-88,
e a função devolve NA em vez de inventar um destino plausível. Contra
o domínio oficial da CBO-2002 (2.777 ocupações), a cobertura é de cerca
de metade.
A família de quatro dígitos é uma agregação, não um código. Quando você passa uma família, o pacote devolve o ISCO majoritário entre as suas ocupações. Pergunte antes se a família é homogênea:
cbo2002_concordancia(c("5211", "4121", "3171"))
#> familia isco88 n_ocupacoes n_ocupacoes_cbo cobertura_familia n_isco_distintos
#> 1 5211 5220 6 8 0.75 1
#> 2 4121 4111 3 4 0.75 3
#> 3 3171 3121 1 4 0.25 1
#> concordancia concordancia_vista empate
#> 1 NA 1.000 FALSE
#> 2 NA 0.333 TRUE
#> 3 NA 1.000 FALSE
concordancia só recebe valor quando cobertura_familia vale 1 — isto
é, quando a tábua viu a família inteira, o que ocorre em 175 das
436. A família 3171 acima foi vista por uma ocupação entre quatro:
dizer que ela é homogênea seria afirmar certeza máxima sobre evidência
mínima. A proporção entre as ocupações vistas fica em
concordancia_vista, sem posar de diagnóstico.
Em 19 famílias a moda não é maioria. Aí não há destino majoritário, e o
padrão é NA:
emp <- cbo2002_familia_isco88$familia[cbo2002_familia_isco88$empate][1]
suppressWarnings(cbo2002_para_isco(emp))
#> [1] NA
cbo2002_para_isco(emp, empate = "moda")
#> [1] "2111"
A perna do IBGE: PNAD Contínua e Censo
Quem trabalha com pesquisa domiciliar não tem código do TSE nem CBO — tem COD, a Classificação de Ocupações para Pesquisas Domiciliares. E esta é a porta mais barata do pacote, não a mais cara: a COD é construída sobre a ISCO-08, de modo que 428 dos seus 434 grupos de base são o próprio código internacional. Não há tábua a consultar.
crosswalk_cod(c("2211", "0411", "6225"))[, c("titulo", "isco08", "isei88", "egp")]
#> titulo isco08 isei88
#> 1 Médicos gerais 2211 88
#> 2 Oficiais de polícia militar 5412 50
#> 3 Pescadores 6220 28
#> egp
#> 1 I: dirigentes e profissionais superiores
#> 2 VI: trabalhador manual qualificado
#> 3 VIIb: trabalhador agrícola
As seis adaptações brasileiras estão decididas e documentadas em
?cod_para_isco08. A mais delicada: polícia e bombeiro militar vão para
o grande grupo 5 (serviços protetivos) e não para o 0 (forças armadas) —
são militarizados em estatuto, mas exercem serviço civil, e é a função
que a classificação mede. A distinção entre oficial e praça se
perde, porque a ISCO-08 não a tem.
Ao contrário do TSE, a PNAD tem posição na ocupação e número de empregados. Passe-os, e o EGP sai completo:
cod_para_egp("6111", conta_propria = TRUE, n_supervisionados = 0, avisar = FALSE)
#> [1] "IVc: proprietário rural"
O único buraco vem da fonte: as forças armadas ficam sem ISEI e sem EGP
porque o ISMF não pontua o ISCO-88 0110. São 2 dos 434, e NA é a
resposta honesta.
A PNAD também devolve o favor. O ISEI que este pacote sempre carregou é importado, escalonado por Ganzeboom, De Graaf e Treiman sobre dado de dezesseis países, nenhum deles o Brasil. Desde a versão 0.5.0 há a régua estimada aqui, pelo mesmo método, sobre os quatro trimestres de 2025:
data.frame(
rotulo = tse_para_rotulo(c(111, 172, 601)),
isei08 = round(tse_para_isei08(c(111, 172, 601)), 1),
isei_br = tse_para_isei_br(c(111, 172, 601)))
#> rotulo isei08 isei_br
#> 1 MÉDICO 88.7 87.7
#> 2 PUBLICITÁRIO 73.9 68.5
#> 3 AGRICULTOR 19.4 28.8
Ela não substitui o ISEI-08, que continua sendo a âncora para comparação
internacional. Responde a outra pergunta: como o mercado de trabalho
brasileiro ordena as ocupações. Veja ?isco08_isei_br para o método e
para o que se perde, e vignette("validacao") para as três réguas
contra o mesmo critério externo.
ISCO-08 e a ambiguidade da ponte
Para juntar o dado eleitoral a fontes classificadas em ISCO-08 — a PNAD Contínua, via COD, é o caso típico:
tse_para_isco08(c(111, 234), com_ambiguidade = TRUE)
#> isco88 isco08 n_alternativas
#> 1 2221 2210 2
#> 2 1311 1311 9
n_alternativas é quantos destinos a OIT define para aquele código de
origem. Cerca de um terço dos pares tem mais de um: a conversão é uma
escolha razoável, não um equivalente exato, e convém dizê-lo ao leitor.
Para comparar candidaturas entre si, fique na ISCO-88. A ponte introduz erro, e ele não é uniforme: o enfermeiro sobe 26 pontos de ISEI ao mudar de âncora (a ISCO-08 promoveu a enfermagem a profissão de nível superior) e o vendedor cai 13 (a revisão reavaliou o grupo 52 inteiro). Nenhum dos dois é mobilidade; os dois entram numa série que troque de âncora no meio como se fossem.
tse_para_isco08() não é a mera composição de tse_para_isco() com
isco88_para_isco08(). Em 21 dos 275 códigos o resultado difere, porque
o código do TSE carrega o que a ponte genérica não vê: a marca de
proprietário — o SEMPL do ISMF, que aciona a promoção de
iskopromo.sps e impede que o proprietário rural seja lido como
trabalhador agrícola — e um rótulo mais fino do que o código ISCO-88
agregado a que o dicionário o associa. A ponte isco88_para_isco08()
continua devolvendo o destino oficial da OIT para quem entra pela
ISCO-88. A lista dos 21, com fonte de cada um, está em NEWS.md.
Avisos com classe
Todos os avisos do pacote têm classe, de modo que se pode calar um sem calar os outros — o aviso rotineiro de código ausente é ruído num laço de 27 UFs; o de EGP incompleto não é:
withCallingHandlers(
minha_analise(),
ocupacoesBR_codigo_ausente = function(c) invokeRestart("muffleWarning")
)
De onde vêm as tabelas
Nenhuma tabela é digitada à mão. Todas são geradas por script a
partir dos arquivos originais, que viajam com o pacote em
inst/extdata/fontes/. Até a auditoria de julho de 2026 havia uma
exceção — os três casos da quebra de 2002 eram digitados —, hoje
eliminada: tse_quebra_2002 é reconstruída de 44 códigos a partir dos
rótulos reais do TSE em data-raw/04_gera_rotulos.R.
- ISEI, prestígio, EGP, rótulos e a ponte 88→08 — sintaxes SPSS do International Stratification and Mobility File, de Harry B. G. Ganzeboom e Donald J. Treiman.
- TSE → ISCO-88 — construído sobre os microdados de candidaturas, código a código, com as decisões documentadas.
- CBO-2002 → CIUO-88 — tábua oficial do MTE; o denominador de cobertura vem do domínio da CBO-2002 no Novo CAGED.
inst/extdata/PROVENIENCIA.yml registra URL, data de acesso e sha256
de cada fonte. data-raw/00_confere_proveniencia.R confere, e um
teste da suíte falha se alguma fonte divergir — sem isso, o MTE
republicar a tábua mudaria resultado de artigo publicado sem sinal
nenhum.
O EGP é conferido contra o
DIGCLASS, uma implementação
independente da mesma fonte, nas oito células de posição no emprego
× supervisão. DIGCLASS não é dependência nem Suggests, e o teste que o
usa não viaja no pacote distribuído: ele é GPL-3 e não está em
repositório algum. A versão contra a qual a conferência foi feita fica
registrada em inst/extdata/PROVENIENCIA.yml.
Esta e as outras oito provas que sustentam o pacote estão explicadas uma a uma, com gráficos, em Robustez.
Tabela completa
crosswalk_tse(c(111, 169))[, c("cod_tse", "isco88", "isei88", "classe",
"egp", "qualidade")]
#> cod_tse isco88 isei88 classe
#> 1 111 2221 88 Profissionais de nível superior
#> 2 169 1300 51 Proprietários e empregadores
#> egp qualidade
#> 1 I: dirigentes e profissionais superiores ambígua
#> 2 IVb: conta própria sem empregados agregada
Sem argumento, devolve o dicionário inteiro — útil como material suplementar de um artigo.
Créditos e citação
citation("ocupacoesBR") devolve duas referências: o pacote e o
ISMF. Cite as duas — o pacote é o veículo, não a fonte das réguas. A
exceção é o ISEI-BR, que o pacote estima e que pede três citações: o
pacote, o método de 1992 e o IBGE pelo dado.
Sobre os limites do EGP no Brasil:
Carvalhaes, F. (2015). A tipologia ocupacional Erikson-Goldthorpe-Portocarero (EGP): uma avaliação analítica e empírica. Sociedade e Estado, 30(3), 673–703.
Licença
MIT. As sintaxes do ISMF são redistribuídas em inst/extdata/fontes/
com atribuição, para que a geração seja reproduzível.