Metodología

Fuentes

• Noticias: GDELT Project. Una base de datos abierta que indexa los medios en línea de todo el mundo cada 15 minutos. Recogemos dos flujos: el de artículos en inglés y el traducido (unos 65 idiomas, con traducción automática de GDELT). En total, unos 300 000 artículos al día.
• Telegram. Canales públicos por temas, que se incorporan por fases, empezando por canales en ruso.
• Guardamos el titular, el enlace, el medio, el idioma, la fecha y las etiquetas de cada artículo. No guardamos ni republicamos el texto: enlazamos al original.

Actualización

Los artículos nuevos llegan a la base de datos entre 15 y 20 minutos después de publicarse. Las páginas de temas y tendencias se recalculan cada pocos minutos, y el directorio de temas, cada hora. Las páginas de temas abarcan los últimos 30 días.

Cómo medimos

• Menciones por cada 10 000 artículos. El número total de artículos cambia cada día, así que mostramos la evolución como proporción: cuántos artículos del tema hay por cada 10 000 artículos de ese día. Así el crecimiento de un tema no se confunde con el crecimiento de todo el flujo.
• Tono. La puntuación de GDELT basada en un diccionario de léxico emocional, de −10 (muy negativo) a +10. Lo normal en las noticias es un tono ligeramente negativo; en el sitio, por debajo de −1,5 es «negativo» y por encima de +1, «positivo».
• Personas y organizaciones. Se extraen automáticamente del texto. La página aparece cuando al menos 25 medios distintos han cubierto a la persona u organización en una semana: así se descartan las menciones aisladas y los sitios que repiten la misma noticia cientos de veces.
• Tendencias de hoy. Comparamos las últimas 24 horas con la media diaria de la semana anterior. Solo cuentan los temas con al menos 80 artículos y 25 medios en un día.
• Búsqueda de temas. Un modelo de lenguaje interpreta la búsqueda en cualquier idioma: corrige erratas, la relaciona con un tema, una persona o una organización existentes y, para un tema nuevo, elige palabras clave para titulares en los principales idiomas. Si aparecen pocos artículos, el conjunto de palabras se amplía automáticamente.

Enfoques en disputa

Para cada noticia formulamos una afirmación verificable («Las sanciones no funcionan») y etiquetamos cada fuente: la apoya, la rechaza, informa de forma neutral o mixta. Un modelo de lenguaje etiqueta a partir del titular y la entradilla, y una muestra se revisa manualmente. La barra de cada tarjeta muestra la proporción de fuentes en cada posición. No juzgamos quién tiene razón: mostramos cómo divergen los enfoques y enlazamos a las fuentes para que cada lector lo compruebe.

Límites

• GDELT no ve todos los medios: los regionales y los de pago están peor representados que los grandes.
• La traducción automática y la extracción automática de nombres cometen errores, sobre todo con idiomas poco comunes y personas con el mismo apellido.
• El tono basado en diccionario no entiende la ironía ni el contexto.
• Los bloques marcados como «datos de demostración» muestran cómo será una función; sus cifras son ilustrativas.

¿Has encontrado un error o quieres proponer un tema? Escríbenos.