Metodología — Mapa de afinidad de cobertura mediática

Versión 0.1 (borrador) · Julio 2026 · CleanNews

Este documento se publica antes que el producto que describe. Los umbrales, criterios de validación e interpretaciones aquí fijados quedan registrados con anterioridad al primer cálculo sobre datos reales, y cualquier cambio posterior se documentará en el historial de versiones al final de este documento.

1. Qué medimos y qué no

CleanNews no clasifica ideológicamente a ningún medio. Este sistema mide un hecho observable: qué acontecimientos cubre cada medio y cómo los titula, y calcula la afinidad de comportamiento entre medios a partir de ese registro.

Distinguimos tres constructos que habitualmente se confunden bajo la palabra "sesgo":

1. Ideología de la audiencia — dónde se autoubican los lectores de cada medio en el eje izquierda–derecha. No la medimos nosotros: la tomamos, con cita y año, de encuestas de terceros (Reuters Institute Digital News Report, edición España).
2. Clasificaciones editoriales de terceros — valoraciones publicadas por evaluadores externos (p. ej. Media Bias/Fact Check). Se muestran atribuidas, enlazadas y fechadas. Nunca se funden con otras señales en una puntuación única de CleanNews.
3. Comportamiento de cobertura — el objeto de este documento. Es la única capa que CleanNews calcula, y se limita a describir regularidades en datos públicos: qué historias selecciona cada medio y con qué encuadre las titula.

Cuando estas capas discrepan, la discrepancia se muestra. Es información, no ruido.

2. Datos de partida

• Artículos: titular y URL canónica de los feeds RSS públicos de los medios dados de alta en la plataforma (lista pública y fechada). No se scrapea el cuerpo de los artículos.
• Acontecimientos: los artículos se agrupan en acontecimientos mediante representaciones vectoriales de sus titulares (embeddings) y proximidad temporal. La metodología de agrupación tiene su propia documentación.
• Todo dato institucional o de cobertura conserva su URL de origen.

3. Universo de acontecimientos elegibles

No todos los acontecimientos discriminan comportamiento editorial. Para entrar en el cálculo, un acontecimiento debe cumplir:

• Cobertura mínima: al menos 3 medios distintos lo cubren (el acontecimiento existió más allá de una exclusiva aislada).
• Cobertura máxima: lo cubre menos del 85 % de los medios activos (si lo cubren todos, no diferencia a nadie).
• Sección: para la lectura interpretable del mapa se usan únicamente los acontecimientos clasificados en Política (análisis de sensibilidad con Política + Economía). El mapa sobre todas las secciones se calcula pero se presenta solo como "afinidad temática", nunca con lectura ideológica.

4. Métricas de afinidad entre pares de medios

Se calculan dos matrices separadas, porque miden cosas distintas:

Selección (¿eligen las mismas historias?). Sobre la matriz binaria medios × acontecimientos (1 = el medio publicó ≥1 artículo en el acontecimiento), la afinidad de cada par se mide con el coeficiente phi (correlación sobre variables binarias). Se descarta explícitamente el índice de Jaccard u otras medidas de intersección cruda: los medios difieren en un orden de magnitud en volumen de publicación, y una métrica sin control de tasa base mediría tamaño de feed, no criterio editorial.

Encuadre (¿cómo titulan lo que ambos cubren?). Para cada par de medios y cada acontecimiento que ambos cubren, la similitud coseno media entre los embeddings de sus titulares; la afinidad de encuadre del par es la media sobre sus acontecimientos compartidos.

Umbral de significación: un par de medios solo recibe valores si comparte n ≥ 30 acontecimientos elegibles en la ventana. Por debajo, la celda se publica como "sin datos suficientes", nunca estimada. Este umbral es el mismo criterio de n mínimo que CleanNews aplica en sus demás productos estadísticos.

5. Ventana temporal y recomputación

• Ventana rodante de 90 días, recomputada semanalmente.
• Cada publicación del mapa indica el rango exacto de fechas y el número de acontecimientos elegibles incluidos.
• La ventana amplia amortigua el efecto de semanas dominadas por un único tema.

6. Reducción: el mapa

Sobre la matriz medios × acontecimientos elegibles se aplica análisis de correspondencias, reteniendo las dos primeras dimensiones, que se publican junto con su inercia explicada.

Las dimensiones no llevan etiqueta ideológica a priori. La dimensión 1 es una regularidad latente del comportamiento de cobertura. Que admita o no una lectura ideológica es una cuestión empírica que se resuelve en la validación (§7), no una decisión de diseño.

7. Validación (criterios fijados antes del primer cálculo)

Validación externa. Correlación de Spearman entre la posición de cada medio en la dimensión 1 y la autoubicación ideológica media de su audiencia según el Reuters Institute Digital News Report (España), sobre el subconjunto de medios presentes en ambas fuentes.

Validación interna. Estabilidad de las posiciones entre ventanas consecutivas y bajo remuestreo (bootstrap sobre acontecimientos; split-half temporal dentro de la ventana).

Criterio de publicación, pre-registrado:

• Si |ρ| ≥ 0,7 con la señal de audiencia y las posiciones son estables bajo remuestreo, el mapa se publica con la nota: "la dimensión principal de comportamiento de cobertura correlaciona (ρ = X, n = Y) con la ideología de audiencia medida por el Reuters DNR". La lectura ideológica se presenta como correlato empírico, atribuido y cuantificado.
• Si no se alcanza el criterio, el mapa se publica únicamente como afinidad de cobertura, sin lectura ideológica de ningún tipo.
• En ningún escenario CleanNews asigna etiquetas categóricas ("izquierda", "derecha") a medios individuales.

8. Confusores conocidos y cómo se tratan

• Sindicación y grupos editoriales. Cabeceras de un mismo grupo comparten agencia y contenidos; su afinidad refleja en parte estructura empresarial, no línea editorial. El mapa se calcula y publica en dos versiones: por cabecera y con las cabeceras colapsadas por grupo editorial.
• Especialización temática. Medios especializados (tecnología, jurídico) se agrupan por temática. Por eso la versión interpretable se restringe a la sección Política (§3).
• Medios internacionales en español. Los servicios exteriores (DW, BBC Mundo, France 24, RFI, Euronews) cubren una agenda distinta de la nacional y se excluyen del mapa de medios españoles; se listan aparte.
• Volumen de publicación. Controlado por diseño mediante el coeficiente phi y el filtro de elegibilidad (§3, §4).

9. Limitaciones

• La señal se basa en titulares, no en el cuerpo de los artículos. Mide selección y encuadre de portada, no la totalidad del tratamiento informativo.
• El universo de medios es el dado de alta en CleanNews (lista pública); no es un censo del sistema mediático español.
• La validación externa depende de la cobertura del Reuters DNR, que incluye solo los medios de mayor audiencia.
• La afinidad de comportamiento no implica coordinación ni intencionalidad: describe regularidades, no las explica.
• Un mapa de dos dimensiones es una simplificación; se publica la inercia explicada para que el lector juzgue cuánta estructura captura.

10. Qué no hace este sistema

• No emite veredictos de verdad o falsedad sobre contenidos.
• No clasifica ideológicamente a medios ni a periodistas.
• No puntúa "calidad" ni "fiabilidad".
• No mezcla las tres capas del §1 en un indicador único.
• No usa modelos de IA generativa en el cálculo: es álgebra sobre datos de cobertura ya registrados. (La IA interviene únicamente aguas arriba, en la agrupación de artículos en acontecimientos, documentada aparte.)

11. Reproducibilidad y versionado

• Cada publicación del mapa lleva: versión del método, rango de fechas, lista de medios activos, número de acontecimientos elegibles y parámetros vigentes.
• Los cambios de método incrementan la versión y se anotan en el historial de este documento. Los resultados de versiones anteriores no se reescriben.
• Los umbrales de este documento (3 / 85 % / n ≥ 30 / 90 días / ρ ≥ 0,7) quedan fijados en esta versión 0.1, antes del primer cálculo sobre datos reales.

12. Marco de referencia

El diseño se apoya en literatura estándar sobre paralelismo político en los sistemas mediáticos mediterráneos (Hallin y Mancini, Comparing Media Systems, 2004), medición computacional de slant a partir de elección de contenidos (Gentzkow y Shapiro, What Drives Media Slant?, Econometrica, 2010), escalado de comportamiento observado mediante reducción dimensional (familia NOMINATE, Poole y Rosenthal) y en los datos de audiencia del Reuters Institute Digital News Report (edición España). Las referencias exactas se verificarán y enlazarán antes de la publicación de la versión 1.0.

13. Nota de cambio — exclusión efectiva de los medios internacionales (2026-09-20)

Esta nota se publica ANTES del recálculo que describe, no después.

Qué cambia. Cinco cabeceras salen del cálculo del mapa: DW Español, BBC News Mundo, France 24 Español, RFI Español y Euronews en español.

Por qué. El §8 de esta metodología establece desde su primera versión que los servicios exteriores en español se excluyen del mapa de medios españoles, porque cubren una agenda distinta de la nacional. El código ya filtraba por medio.ambito <> 'internacional' (pipeline/afinidad/run.py:42), pero la columna ambito nunca se había poblado: existía con DEFAULT 'nacional' (db/schema/013_afinidad.sql:6) y ningún seed la fijaba. El filtro era, por tanto, un no-op, y las ventanas publicadas hasta hoy incluían a esas cinco cabeceras.

La metodología no cambia. El código pasa a cumplirla. El encuadre es el mismo que se aplicó al umbral MIN_PAR del coseno de encuadre: no se altera un criterio pre-registrado, se corrige una implementación que no lo respetaba.

Qué se movió, medido. Estado de la última ventana publicada antes del recálculo (ventana_afinidad id 7, 2026-06-22 → 2026-09-20, sección política, 737 acontecimientos elegibles, versión de método v0.1):

Los valores phi completos de esas 622 parejas quedan archivados en docs/datos/afinidad_ventana7_antes_2026-09-20.csv, para que la comparación antes/después sea reproducible por terceros y no dependa de nuestra palabra.

El cambio no se limita a los 41 pares que desaparecen. La elegibilidad de un acontecimiento depende del número de medios (filtrar_elegibles descarta los cubiertos por más del 85 % de las cabeceras), de modo que al pasar de 42 a 37 medios cambia el conjunto de acontecimientos elegibles y, con él, todos los valores phi de la ventana, no solo los de las parejas afectadas directamente.

Ampliación de esta nota (2026-09-27): atribución de artículos a medios. Publicada, como la anterior, antes del recálculo. El recálculo es uno solo y aplica a la vez los dos cambios de esta nota.

Qué estaba mal. Dos fallos de datos, no de método:

1. La ingesta RSS reatribuía artículos. Cuando la misma URL aparece en el feed de dos cabeceras (ocurre entre cabeceras del mismo grupo editorial), cada pasada de la ingesta, cada 30 minutos, reescribía el medio del artículo con el del último feed leído, y con él su titular y su fecha. Así desde la primera ingesta (2026-07-20). El mapa lee la atribución vigente al calcular, de modo que parte de la coincidencia entre cabeceras hermanas era de atribución, no de selección editorial.
2. lainformacion no es una cabecera. Su feed de alta (https://www.20minutos.es/rss/lainformacion/) es una sección de 20minutos: el 100 % de sus 821 artículos son URLs de 20minutos.es. Estaba en el cálculo como medio independiente desde su primer artículo (2026-07-22).

Medido el 2026-09-27, sobre la última ventana publicada (id 7):

Qué se corrige. Una URL ya ingerida deja de cambiar de medio, titular y fecha cuando la lee el feed de otra cabecera: solo la actualiza el feed de la cabecera a la que está atribuida (en las URLs nuevas, la primera que la ingiere). lainformacion se desactiva y se excluye del cálculo; sus artículos no se reasignan a 20minutos, salen del mapa.

Qué no se puede corregir. No existe histórico de qué medio tenía cada artículo en cada momento, así que la atribución pasada no se reconstruye: los 920 artículos de cincodias, levante y elpais atribuidos hoy a la cabecera hermana se quedan como están. Por eso phi(levante, elperiodico) sigue bajo revisión también después del recálculo: el recálculo no lo limpia. Cómo se trate se decidirá y se anotará en esta nota, no en silencio. (Corregido el mismo día tras el recálculo: esa cifra no estaba afectada. Ver «Resultado del recálculo» abajo.)

Qué se moverá. Con los dos cambios, la ventana 7 pasa de 42 cabeceras a 36 como máximo, y, por el mismo efecto de elegibilidad descrito arriba, se mueven todos los valores phi. Las cifras posteriores se añaden aquí el día del recálculo.

Procedimiento. El cron semanal de afinidad quedó pinchado el 2026-09-20 para que el recálculo no se ejecutara antes de que existiera esta nota. Con la nota publicada, incluida su ampliación del 2026-09-27, el recálculo se lanza a mano una sola vez; el cron se reactiva después. Las cifras posteriores al recálculo se añaden a esta misma nota el día en que se ejecute.

Resultado del recálculo (2026-09-27, 11:33 UTC). Lanzado a mano con el cron aún pinchado. La nota ampliada se publicó a las 11:15 UTC, a la vez que el despliegue de la corrección y no unas horas antes como estaba previsto. Ese despliegue no movió ninguna cifra ya publicada: el denominador de las tarjetas del digest quedó congelado en 54 para cada día ya publicado.

En los 581 pares presentes en las dos ventanas, phi varía de media 0,013 (mediana 0,010, máximo 0,048). Esa cifra no mide el efecto de la corrección. Entre la ventana 7 y la 8 cambiaron dos cosas a la vez: la corrección y una semana de datos nueva (la ventana se desplaza del 2026-06-22 → 09-20 al 2026-06-29 → 09-27), y esta comparación no las separa. No debe citarse como «la corrección movió phi 0,013 de media». Lo único aislado es lo que se calculó sobre las mismas fechas de la ventana 7: phi(levante, elperiodico), abajo.

Corrección sobre phi(levante, elperiodico). Esta nota la declaró «bajo revisión» por la deriva de atribución. Comprobado después, no estaba afectada: ninguno de los 317 artículos de levante con URL de elperiodico pertenece a un acontecimiento de Política de estas ventanas, que son los únicos que entran en el mapa. Calculada sobre las fechas de la ventana 7 con los datos ya corregidos, phi sale 0,671 (n = 275), y atribuyendo cada artículo por el dominio de su URL, también 0,671. La cifra es robusta a la regla de atribución. Su valor alto refleja coincidencia real de cobertura entre dos cabeceras del mismo grupo (Prensa Ibérica), que es el tipo de relación que el mapa también publica por grupo editorial. Queda retirado el «bajo revisión». (Corregido el 2026-09-28: la segunda frase interpretaba de más. Ver abajo.)

Corrección (2026-09-28) sobre la lectura de phi(levante, elperiodico). Lo dicho arriba sobre la deriva sigue siendo cierto: la cifra no estaba contaminada por la atribución de artículos. Deja de ser cierto que su valor alto refleje dos decisiones editoriales independientes. Medido el 2026-09-28: levante y elperiodico publican el mismo titular en el 33,8 % de sus artículos, con un desfase mediano de 0 horas, y en 2.217 de los 2.712 acontecimientos en los que coinciden aparece la misma pieza en los dos. El suelo de dos cabeceras independientes que cubren la misma actualidad (elpais/elmundo, abc/lavanguardia, eldiario/okdiario, cope/cadenaser) está en 0–0,1 % de titulares compartidos. Gran parte de ese phi es, por tanto, sindicación dentro del grupo: la misma pieza contada dos veces, no dos medios que eligen lo mismo. La cifra se sigue publicando porque es lo que el método mide, pero no debe leerse como afinidad editorial entre dos redacciones. Cómo tratar la sindicación al contar cobertura es una cuestión abierta que esta nota no resuelve.

El cron semanal se reactivó el 2026-09-28, con la ventana 8 ya publicada (domingo 07:37 UTC; primera ejecución el 2026-10-04).

Historial de versiones

Cita sugerida: CleanNews (2026). Metodología del mapa de afinidad de cobertura mediática, v0.1. cleannews.org/metodologia/afinidad.