Saltar al contenido

Metodología

Cómo funciona BabelBit

Qué es (y qué no es)

BabelBit es un comparador de narrativas: reúne cómo cubren un mismo hecho medios de distintas regiones y los pone lado a lado. No es un detector de verdad: no clasifica nada como verdadero o falso. Mostramos qué titula cada medio, con qué palabras lo enmarca y con qué tono, y enlazamos siempre al original.

Además del feed principal hay secciones de Economía, Tecnología y Prospectiva, sobre lo que se espera que pase. Tampoco ahí hacemos pronósticos ni damos consejos de inversión: mostramos lo que dicen los datos oficiales, los mercados y los propios medios, y lo contrastamos cuando llega el momento.

A quién comparamos

Tres tipos de fuente, cada una con su propia sección en cada story. El tipo es una clasificación declarada por BabelBit:

  • — Medios establecidos: diarios, cadenas de televisión y agencias, privados, de servicio público y estatales, de todos los bloques.
  • — Voces independientes: analistas, creadores y medios pequeños sin grupo editorial detrás.
  • — Centros de análisis (think tanks): institutos que analizan los hechos en lugar de cubrirlos.

Hoy: 112 fuentes (80 medios establecidos, 15 voces independientes, 17 centros de análisis) en 8 idiomas (alemán, árabe, español, francés, inglés, italiano, portugués, ruso). Ver todas.

Las ediciones de un mismo medio en otros idiomas (BBC Mundo, DW Español, Al Jazeera en árabe…) se leen como parte de ese medio: comparten dueño y línea editorial, y en la story aparecen juntas, cada pieza con su idioma.

De dónde salen los datos

Solo de vías oficiales y públicas. No hacemos scraping: nuestro lector (BabelBitBot) respeta robots.txt y espacia sus visitas a cada sitio. Si un sitio no permite leer su feed, no lo leemos.

  • — RSS de cada sitio: guardamos el titular y el resumen que publica el propio medio. Para leer la nota completa, siempre se va al original.
  • — YouTube, a través de su API oficial: el título y la descripción de cada video, no lo que se dice en él. Nunca se descargan videos. Se lee también el canal de los medios que tienen RSS, y es la única vía para los que no lo publican (agencias como Reuters o AP, cadenas como CNN). Como exige YouTube, esos datos se actualizan cada 25 días y se borran si el autor retira el video.
  • — Podcasts: el audio que el propio podcast publica en su feed para descargar. Se transcribe y se borra; solo se muestra un extracto breve con enlace al episodio.
  • — Datos de mercado y pronósticos, por sus API públicas: precios de la energía de la EIA de EE. UU. y tasas de la Reserva Federal y del BCE (vía FRED, de la Fed de St. Louis), tipos de cambio de referencia del BCE, los pronósticos del FMI (World Economic Outlook) y las probabilidades de Polymarket. Cada dato se muestra con su fuente y su fecha.

Cómo se agrupan las stories

Cada pieza se convierte en un vector con un modelo multilingüe, de modo que "Rusia ataca Kiev", "Russia attacks Kyiv" y sus versiones en otros idiomas quedan cerca. Un artículo o video se une a una story existente si su similitud con ella supera un umbral calibrado con datos reales; si no, abre una nueva. Un mismo incidente narrado desde ángulos muy distintos puede quedar repartido en más de una story.

Los tramos de podcast y las piezas de centros de análisis son comentario: solo se suman a una story que ya existe, sin cambiar cómo se define ni su título, y nunca abren una nueva. Los que no coinciden con ninguna story se ven en la ficha de su fuente.

El título de la story es el titular más representativo de su cobertura. Si no está en español, usamos un titular original en español casi igual de representativo; si no lo hay, lo traducimos automáticamente (OPUS-MT) y la ficha muestra el original. Los titulares de cada medio nunca se traducen en la comparación.

Qué significa el tono

El tono va de −1 (negativo) a +1 (positivo) y describe cómo está escrito el texto. Una noticia sobre una catástrofe será negativa en cualquier medio: lo informativo es comparar el tono de distintos medios sobre la misma story. El tono no mide veracidad ni la postura política de un medio.

Framing y emociones

Las palabras clave de framing son las frases del propio texto que mejor resumen su enfoque ("invasión" frente a "operación especial"), en el idioma original de la pieza. Las emociones son experimentales: provienen de un modelo entrenado en conversaciones en línea y pueden no reflejar bien el registro periodístico, por eso aparecen ocultas por defecto.

Búsqueda

El buscador encuentra stories y piezas por sus palabras clave de framing: cómo enmarca el hecho cada medio, no si el titular lo nombra. No distingue mayúsculas ni acentos y busca desde el comienzo de cada palabra ("iran" encuentra «Irán» e «iraníes»). Como las palabras clave están en el idioma de cada medio, una búsqueda en español encuentra sobre todo piezas en español: para ver cómo lo cuentan en otros idiomas, abre la story y compara.

Podcasts

Se transcriben completos con un modelo abierto (Whisper), en el idioma del podcast, y se dividen en tramos de unos 2,5 minutos: cada tramo se analiza y se compara por separado, porque un episodio suele tocar varios temas. Cada tramo se muestra con su minuto y un extracto breve, con enlace para escucharlo en el episodio. Los anuncios en otro idioma que insertan las plataformas de podcast se descartan.

Voces independientes y centros de análisis

Las voces independientes son una tercera mirada, no una garantía: independiente no significa neutral ni fiable. Los centros de análisis tienen financiamiento (gobiernos, empresas, donantes) y posiciones institucionales propias; por eso se incluyen centros de distintos bloques (EE. UU., Europa, Rusia, China, India, el Golfo) para que también el análisis sea comparable.

Etiquetas de sesgo

Las etiquetas política, geopolítica y económica de cada fuente son declaradas manualmente por BabelBit y nunca inferidas por un modelo. Cada una cita en qué se basa, en este orden de preferencia: calificaciones externas (como AllSides, para medios de EE. UU.), propiedad y financiamiento (un medio estatal sigue la línea de su Estado en política exterior) y, para fuentes sin calificación externa, el encuadre observado en una muestra de sus piezas recientes. "Sin línea definida" es una clasificación; "pendiente" significa que aún no se revisó. Se revisan cada 6 a 12 meses.

El financiamiento distingue medios privados, de servicio público (con independencia editorial formal), estatales, sin fines de lucro y mixtos.

Sección Economía

Cada feed que leemos declara su tema: el de internacional de un medio es "general"; su sección de economía, o un medio de negocios, es "economía". Una story entra en Economía si al menos el 15 % de sus piezas viene de feeds de economía. Una story geopolítica con ángulo económico (sanciones, petróleo) aparece en las dos secciones. Las que cuenta casi solo la prensa de negocios (el 80 % o más) quedan fuera del feed principal. El tema lo declaramos nosotros por feed, no lo adivina un modelo.

Sección Tecnología

Funciona igual que Economía: una story entra en Tecnología si al menos el 15 % de sus piezas viene de feeds de tecnología (medios especializados como TechCrunch, heise, Xataka, TechNode o Rest of World, y las secciones de tecnología de medios generales). Lo que cuenta casi solo la prensa especializada queda fuera del feed principal.

Los subtemas (IA, vehículos eléctricos, chips, computación cuántica, software, ciencia, móviles, desarrollo y energía) salen de palabras clave en varios idiomas: una story toma un subtema si lo nombra su título o al menos el 20 % de sus piezas (y como mínimo dos). Las siglas solo cuentan en mayúscula, para no confundir "AI" con la preposición italiana "ai". La lista está en el código, revisada a mano; no la decide un modelo.

En Tecnología, "Lo que se espera" muestra mercados de predicción sobre inteligencia artificial, autos eléctricos y Apple, con las mismas reglas que en Economía.

El estudio original

Cuando una pieza enlaza un estudio (un DOI, un preprint de arXiv o un artículo de Nature), lo mostramos en la ficha junto a cómo lo contó cada medio. Los enlaces salen del texto que entrega el propio feed; los datos del estudio (título, autores, revista, fecha, acceso), de OpenAlex y, si no lo conoce, de Crossref.

  • — Solo se vincula por identificador, nunca por parecido de títulos.
  • — Una pieza que cita muchos estudios (un boletín o un resumen semanal) no define "el estudio" de una story: cuenta si cita tres o menos, o si otro medio enlaza el mismo estudio.
  • — El resumen de los autores se muestra solo si el estudio es de acceso abierto, y recortado.
  • — BabelBit no evalúa el estudio: lo pone al lado de la cobertura para que se pueda comparar lo que dice con lo que se tituló.

Mapas: la red de medios

La red une a dos medios cuando cubren los mismos hechos. Contamos las stories del período (7, 30 o 90 días) que cubrieron ambos; con menos de 5 en común la coincidencia puede ser casual y no se dibuja. Los centros de análisis no cuentan, porque solo comentan.

El grosor de cada línea es la afinidad (coeficiente de Ochiai): las stories en común divididas por la raíz del producto de las stories de cada medio. Así un medio que publica mucho no aparece unido a todos solo por su volumen. Para que se pueda leer, se muestran hasta 60 medios y las 5 líneas más afines de cada uno. Cada región atrae a sus medios hacia su lugar aproximado en el mapa del mundo. La misma información está en una tabla bajo el mapa.

En la ficha de cada story, el árbol (desde 3 medios) muestra quién la contó y desde qué región, con un punto por pieza del color de su tono. Quién llegó primero (desde 3 regiones) pone cada región en un carril, en orden de llegada, sobre las horas transcurridas desde la primera pieza; los centros de análisis no cuentan porque no cubren el hecho.

El círculo de regiones une a dos regiones por las stories que cubrieron las dos (solo stories con dos o más regiones, sin centros de análisis ni medios sin región declarada). Decimos que una región "cubrió mucho" una story si la cubrieron 3 o más de sus medios; el panel muestra qué parte de esas no cubrió nada cada otra región. Cada mes publicamos "El mapa de la cobertura" con los pares de medios que más hechos cubrieron juntos.

Los actores (personas, países, organizaciones y lugares) los detecta en cada pieza un modelo abierto de entidades nombradas (XLM-RoBERTa, de Davlan), elegido tras comparar tres modelos con piezas reales en ocho idiomas. Los países se unifican por su código ISO ("Irán", "Iran" e "إيران" son el mismo) y las personas, con Wikidata: solo si el candidato es un ser humano y, cuando el nombre es una sola palabra ("Sánchez"), solo si uno es claramente más conocido que los demás; si no, queda sin unificar. Las organizaciones se agrupan por su nombre. La firma de cada medio (su propio nombre o su ciudad, repetidos en sus resúmenes) no cuenta como cobertura. El panel de cada región muestra con quién aparece el actor en las mismas piezas: aparecer juntos no dice si se los presenta como aliados o adversarios.

Materias primas

Una pieza nombra una materia prima si su título o su resumen usa alguna de sus palabras, en cualquiera de los idiomas que leemos. El catálogo tiene 29 materias primas (petróleo, gas, trigo, cobre, litio…) y lo revisamos con titulares reales: las palabras ambiguas van como frases ("precio del oro", no "oro", que también es una medalla). Una story toma una materia prima si la nombra su título o al menos 2 de sus piezas y el 10 % de ellas.

Es exposición, no impacto: que una story nombre el trigo no dice cuánto va a subir. Los precios son los últimos publicados, con su fecha: la EIA (diarios) y el FMI vía FRED (mensuales, con unos tres meses de retraso). El oro, el litio, las tierras raras y otras no tienen un precio gratuito y frecuente, y se muestran sin él. Cuando el precio salta un 5 % o más en un día, lo marcamos junto a la cobertura de ese día: que ocurran juntos no dice cuál causó cuál.

Si la story ya toca materias primas, también toma una por el país (un país que nombra el 30 % o más de sus piezas está entre los 3 mayores exportadores del mundo, con el 10 % o más, y esa materia prima pesa en lo que vende, salvo que domine el mercado mundial) o por el paso (nombra un paso crítico por el que pasa, como Ormuz o Malaca). Las exportaciones son de BACI (CEPII), año 2024: incluyen reexportaciones (Suiza figura entre los mayores exportadores de oro) y el petróleo vendido bajo sanciones aparece bajo otros orígenes, así que Irán no figura como exportador de crudo. Los pasos críticos son de la EIA (primer semestre de 2025).

Lo que se espera

Algunas stories muestran un panel con lo que anticipan los datos y el mercado sobre su tema (petróleo, Irán, la Fed, el BCE, México, Brasil, China, gas). El tema se detecta por palabras clave en el título y los titulares, en varios idiomas. El panel junta tres cosas:

  • — El dato y su rango probable: el último valor oficial y en qué rango estaría en 20 días hábiles si sigue moviéndose como en sus últimos 30 datos (volatilidad histórica, 68 % de probabilidad). Es el ancho de sus movimientos recientes, no un pronóstico. Las tasas de interés no llevan rango: cambian por decisión, no por volatilidad.
  • — Qué apuesta el mercado: mercados de predicción con más de 250.000 USD negociados (uno chico no es un termómetro), abiertos y con una probabilidad entre 2 % y 98 %.
  • — Qué espera el FMI para el país del tema: crecimiento e inflación del año en curso y el siguiente. Guardamos cada edición del World Economic Outlook para mostrar cuánto revisa el FMI sus propios pronósticos.

Predicciones de las fuentes

En las stories con cobertura amplia buscamos las predicciones que hacen los propios medios o las personas que citan: afirmaciones sobre el futuro con un resultado que se pueda comprobar. Las encuentra un modelo de lenguaje (Claude, de Anthropic) y una persona las revisa antes de publicarlas. Reglas:

  • — Cada predicción va con la cita textual en su idioma y el enlace a la pieza. Si la cita no está en el texto, se descarta: el modelo no puede inventarla.
  • — No inventamos plazos, y una predicción sin fecha ("antes de las elecciones", "algún día") no se registra: no hay cuándo contrastarla. La excepción es un umbral sobre un dato oficial ("el Brent superará los 130 USD"), que el dato puede confirmar en cualquier momento.
  • — No cuentan las promesas de quien va a actuar ("perseguiremos a los responsables"), las posibilidades vagas ("podría") ni las obviedades.
  • — Se distingue el tipo (predicción de un hecho o pronóstico con cifra) y la base que declara la pieza: datos, un modelo o una opinión.

Quién acierta

Cuando vence el plazo, cada predicción se resuelve: acertó, falló, acertó en parte o no verificable, siempre con la evidencia a la vista. Si la predicción es un umbral sobre un dato oficial ("el Brent superará los 130 USD antes de fin de año"), la resuelve el dato: acierta si lo cruza a tiempo, falla si no. Las demás las resuelve una persona, que no puede guardar el veredicto sin la fuente que lo decide. Todas, con su resultado, están en el archivo de predicciones.

El marcador es por medio, no por persona. Aciertos = (aciertos + medio por cada parcial) ÷ predicciones comprobables. Lo no verificable no cuenta. El porcentaje se publica recién con 10 predicciones resueltas: con dos o tres no se puede juzgar a nadie. También medimos la anticipación, es decir, cuántos días antes lo dijo.

Transparencia

Cada análisis guarda el modelo y la versión exacta que lo produjo, para poder auditarlo y reprocesarlo. Para agrupar, medir el tono, extraer el framing, transcribir y traducir usamos modelos abiertos con licencia permisiva. La búsqueda de predicciones usa Claude, de Anthropic: cada predicción guarda el modelo y la versión de las instrucciones que la extrajeron, y nada se publica sin revisión humana. Los datos están disponibles en nuestra API pública. Nada de esto es asesoría financiera.