• 🌎 Mi nombre es Macarena Quiroga (ella/she) y vivo en Buenos Aires, Argentina.
• 📚 Mi formación es en lingüística, educación y psicología cognitiva.
• 🔬 Trabajo en investigación empírica sobre adquisición del lenguaje infantil, con foco en el desarrollo léxico y el acceso al léxico.
• 📊 Analizo datos experimentales y de corpus, especialmente tareas de comprensión y producción de palabras.

Mi trabajo se apoya en datos reales, a menudo incompletos, ruidosos y desbalanceados, y en preguntas que no siempre encajan de manera directa en un modelo estándar. En ese contexto, programar no es solo ejecutar análisis: es decidir qué cuenta como evidencia y cómo representarla.

Uso R como entorno principal de trabajo, tanto para análisis estadístico como para visualización, exploración y escritura reproducible.

En mis proyectos vas a encontrar:

• análisis a nivel palabra y a nivel participante,
• datos provenientes de tareas de elección forzada, denominación de imágenes y pruebas experimentales,
• trabajo con escalas de respuesta discretas y continuas,
• comparaciones de modelos (frecuentistas y, ocasionalmente, de ML),
• atención especial a la interpretación, no solo al ajuste.

Me interesa que los métodos dialoguen con la teoría: que el análisis no “tape” el fenómeno que intenta describir.

Desde el lado más técnico, trabajo con:

• R y el ecosistema tidyverse,
• visualización orientada a exploración y comunicación,
• modelado estadístico y machine learning aplicado a problemas pequeños y medianos,
• workflows reproducibles (RMarkdown / Quarto),
• lectura crítica de resultados y diagnóstico de modelos.

No concibo la ciencia de datos como una caja negra ni como una carrera por el mejor score, sino como una práctica situada, donde las decisiones técnicas tienen consecuencias analíticas.

Mantengo un blog donde escribo tutoriales sobre R, análisis de datos y programación. Es una documentación de mi proceso de aprendizaje, con el objetivo de que otras personas puedan verse beneficiadas por él. Empecé también el proyecto Atelier de Código con una compañera, donde nos dedicamos a reflexionar sobre la programación desde una perspectiva pensada para personas de las ciencias sociales y humanas.

Este perfil reúne:

• scripts y proyectos de análisis de datos,
• exploraciones metodológicas,
• materiales de docencia y divulgación,
• experimentos chicos que nacen de problemas concretos de investigación.

No todo está cerrado ni optimizado: muchos repositorios reflejan procesos de trabajo reales, con iteraciones, pruebas y decisiones visibles.

• 🌎 My name is Macarena Quiroga (she/her) and I’m based in Buenos Aires, Argentina.
• 📚 My academic background is in Linguistics, Education, and Cognitive Psychology.
• 🔬 I work in empirical research on child language acquisition, with a focus on lexical development and lexical access.
• 📊 I analyze experimental and corpus-based data, particularly from comprehension and production tasks.

My work relies on real-world data, often incomplete, noisy, and unbalanced, and on research questions that do not always fit neatly into standard modeling frameworks. In this context, programming is not just about running analyses: it is about deciding what counts as evidence and how to represent it.

I use R as my main working environment for statistical analysis, data visualization, exploration, and reproducible writing.

In my projects you will find:

• analyses at both the word and participant levels,
• data from forced-choice tasks, picture naming, and experimental tests,
• work with both discrete and continuous response scales,
• model comparison (frequentist and, occasionally, machine learning approaches),
• a strong emphasis on interpretation rather than fit alone.

I am interested in methods that remain in dialogue with theory, so that the analysis does not obscure the phenomenon it aims to describe.

From a more technical perspective, I work with:

• R and the tidyverse ecosystem,
• visualization for exploration and communication,
• statistical modeling and machine learning applied to small and medium-sized problems,
• reproducible workflows (RMarkdown / Quarto),
• critical reading of results and model diagnostics.

I do not see data science as a black box or as a race for the best score, but as a situated practice where technical decisions have analytical consequences.

I maintain a blog where I write tutorials on R, data analysis, and programming. It serves as documentation of my own learning process, with the aim that others may benefit from it. I have also started the project Atelier de Código with a colleague, where we reflect on programming from a perspective tailored to people coming from the social sciences and humanities.

This profile brings together:

• data analysis scripts and projects,
• methodological explorations,
• teaching and outreach materials,
• small experiments driven by concrete research problems.

Not everything is polished or finalized: many repositories reflect real working processes, with visible iterations, trials, and decisions.