Mediometro mide patrones de difusión informativa, no determina verdad o falsedad. Un indicador de alerta no significa que el contenido sea falso: significa que el proceso de difusión muestra características estadísticamente inusuales.
¿Cómo leer este panel?

Interfaz de Investigación: explora los datasets crudos, las metodologías y los papers que sustentan cada métrica. Toda la implementación es reproducible (ver registro abajo).

Para citar Mediometro en publicaciones académicas, usa el bloque BibTeX en la sección "Citar".

Mediometro — Interfaz de Investigación

Explora datasets, metodologías y referencias académicas de todas las métricas.

4
Datasets
28
Papers citados
11
Métricas
33
Observaciones

Explorador de Métricas ⓘ 11 métricas con fórmulas y referencias

ESD HHI COORDINATION SCS BOT SCORE ECHO CHAMBER BURST AMPLIFICATION BIAS SILENCE NARRATIVE MASS

ESD ⓘ

ESD mide la diversidad editorial real de un cluster de fuentes, corrigiendo por propiedad, timing y similitud semántica.

ESD = voces_editoriales_únicas / fuentes_totales. Voces únicas requieren: (a) distinto grupo de propiedad, (b) >1h de separación, (c) Jaccard < 0.50, (d) coordination_score < 0.40.
Ejemplo Práctico
Un evento noticioso es cubierto por 15 fuentes. Dos grupos corporativos (Televisa 38%, TV Azteca 28%) dominan el 66% de la cobertura, dejando solo 6 fuentes verdaderamente independientes.
ESD = 6 / 15 = 0.40
0.40
Diversidad baja: solo 40% de las fuentes son independientes. Riesgo de narrativa única dominante.
Televisa: 38
TV Azteca: 28
El Universal: 12
Reforma: 8
Proceso: 5
Otros (9): 9
Limitaciones conocidas: No pondera por alcance de audiencia en v2.0. El grupo de propiedad requiere registro manual.
Shannon, C.E. (1948). A Mathematical Theory of Communication — DOI
Wardle, C. & Derakhshan, H. (2017). Information Disorder: Toward an interdisciplinary framework — DOI
Shannon, C.E. (1948). A Mathematical Theory of Communication — DOI
Wardle, C. & Derakhshan, H. (2017). Information Disorder: Toward an interdisciplinary framework — DOI

HHI ⓘ

Índice de concentración narrativa adaptado de Herfindahl-Hirschman. HHI > 0.25 = oligopolio.

HHI = suma de (participación_grupo_i)² para todos los grupos propietarios.
Ejemplo Práctico
El mercado mediático de un país tiene 4 grupos: Grupo A controla 45% de la audiencia, Grupo B 30%, Grupo C 15%, e independientes el 10% restante.
HHI = 0.45^2 + 0.30^2 + 0.15^2 + 0.10^2 = 0.2025 + 0.09 + 0.0225 + 0.01 = 0.325
0.325
HHI=0.325 indica concentración moderada-alta. Sobre 0.25 se considera mercado concentrado (antitrust).
Grupo A: 45
Grupo B: 30
Grupo C: 15
Independientes: 10
Limitaciones conocidas: Requiere mapeo preciso de propiedad.
Hirschman, A.O. (1945). National Power and the Structure of Foreign Trade
Hirschman, A.O. (1945). National Power and the Structure of Foreign Trade

COORDINATION ⓘ En Vivo: 84

Mide sincronía y similitud de difusión. No prueba intención, falsedad ni campaña organizada.

Sincronización temporal (50%) + similitud semántica (30%) + conteo de fuentes (20%). Simetría de arista CooRTweet.
Ejemplo Práctico
25 cuentas publican el mismo mensaje en una ventana de 3 minutos. La similitud de texto es 72% y comparten 4 de las mismas fuentes.
Score = (85 x 0.50) + (72 x 0.30) + (60 x 0.20) = 42.5 + 21.6 + 12.0 = 76.1
76
Score 76/100: coordinación alta. Patrón consistente con coordinación deliberada, no viralidad orgánica.
Temporal (50%): 85
Similitud (30%): 72
Fuentes (20%): 60
Giglietto, F. et al. (2020). It Takes a Village to Manipulate the Media — DOI
Righetti, N. (2024). CooRTweet: An R Software Tool for Coordinated Behavior Detection — DOI
Giglietto, F. et al. (2020). It Takes a Village to Manipulate the Media — DOI
Righetti, N. (2024). CooRTweet: An R Software Tool for Coordinated Behavior Detection — DOI

SCS ⓘ En Vivo: 31

Story Confidence Score mide la fiabilidad del proceso informativo — no la verdad.

SCS-Process = independencia_editorial(45%) + precisión_histórica(30%) + transparencia(25%). SCS-Content = evidencia(50%) + verificación(50%). Combinado = Process(65%) + Content(35%).
Ejemplo Práctico
Una narrativa sobre reforma energética: las fuentes tienen 80% de independencia editorial, 65% de historial confiable, pero solo 40% de transparencia en metodología.
Process = (80x0.45)+(65x0.30)+(40x0.25) = 65.5. Content = (70x0.50)+(55x0.50) = 62.5. SCS = (65.5x0.65)+(62.5x0.35) = 64.5
64.5
SCS=64.5/100: credibilidad moderada. La baja transparencia metodológica reduce la confianza general.
Independencia (45%): 80
Historial (30%): 65
Transparencia (25%): 40
Evidencia (50%): 70
Verificacion (50%): 55
Limitaciones conocidas: La verificación externa requiere Google Fact Check API (opt-in, deshabilitada por defecto).
Wardle, C. & Derakhshan, H. (2017). Information Disorder: Toward an interdisciplinary framework — DOI
Wardle, C. & Derakhshan, H. (2017). Information Disorder: Toward an interdisciplinary framework — DOI

BOT SCORE ⓘ En Vivo: 70

Señal de automatización adaptada de BLOC basada en análisis de secuencias conductuales de patrones de publicación.

Segmenta por pausas >1h. Change score = 1 - coseno(v1,v2). Cambio bajo = patrón rígido. Varianza alta = patrón sofisticado.
Ejemplo Práctico
Análisis de 4 cuentas que amplifican una narrativa. Cuenta A publica cada 47 segundos exactos con texto idéntico. Cuenta C varía horarios y estilo.
Change Score A = 1 - cos(v1,v2) = 0.08 (bajo = rigido = bot). Change Score C = 0.92 (alto = variado = humano)
92
Score 92/100: señal alta de automatización o repetición. Cambio semántico bajo (0.08) indica rigidez algorítmica.
Cuenta A (Bot): 92
Cuenta B (Hibrida): 58
Cuenta C (Humana): 12
Cuenta D (Humana): 8
Limitaciones conocidas: Adaptado para RSS y fuentes editoriales. En RSS puede medir regularidad de CMS, no cuentas automatizadas.
Beskow, D.M. & Carley, K.M. (2023). BLOC: A Framework for Behavioral Sequence Analysis — DOI
Beskow, D.M. & Carley, K.M. (2023). BLOC: A Framework for Behavioral Sequence Analysis — DOI

ECHO CHAMBER ⓘ En Vivo: 50

Mide si un cluster de fuentes forma una cámara de eco — solo reforzando una perspectiva.

SEDA: (refuerzo - rechazo + 1) × 50. BC > 0.555 = polarización bimodal.
Ejemplo Práctico
Un debate político genera 100 publicaciones. 78 apoyan la misma posición, solo 8 presentan argumentos contrarios, y 14 son neutrales.
Echo Score = 78 / (78 + 8 + 14) x 100 = 78. BC = 0.72 > 0.555 = bimodal confirmado
78
Echo Score 78: cámara de eco severa. Coeficiente bimodal 0.72 confirma polarización extrema.
A favor: 78
En contra: 8
Neutral: 14
Limitaciones conocidas: El Coeficiente de Bimodalidad es un proxy del test dip de Hartigan. Adecuado para 20-500 artículos.
Springer PAKDD (2024). Signed Echo Detection Algorithm (SEDA) — DOI
Pfister, R. et al. (2013). Bimodality Coefficient — DOI
Springer PAKDD (2024). Signed Echo Detection Algorithm (SEDA) — DOI
Pfister, R. et al. (2013). Bimodality Coefficient — DOI

BURST ⓘ

Desviación de frecuencia de keyword respecto al comportamiento histórico normal. Detecta picos que pueden deberse a evento real, cobertura legítima o coordinación.

z = (freq_hora - media_24h) / desv_est_24h. MAD-score usado para distribuciones no normales.
Ejemplo Práctico
Un keyword normalmente aparece 12 veces/hora. En la hora 5, aparece 120 veces — un incremento de 10x respecto a la media.
Media 24h = 12.3, Sigma = 8.7. Z-score hora 5 = (120 - 12.3) / 8.7 = 12.4. Burst nivel 3 (alto)
z=12.4
Z-score=12.4: ráfaga extrema (nivel 3). Probabilidad de actividad coordinada o evento crítico.
Hora 1: 5
Hora 2: 8
Hora 3: 12
Hora 4: 45
Hora 5: 120
Hora 6: 85
Hora 7: 30
Hora 8: 15
Brodersen, K.H. et al. (2015). Inferring causal impact using Bayesian structural time-series — DOI
Brodersen, K.H. et al. (2015). Inferring causal impact using Bayesian structural time-series — DOI

AMPLIFICATION ⓘ En Vivo: 2

Tasa de amplificación de narrativa comparada con línea base histórica.

z-score vs media de 90 días. z≥3.0=crítica, z≥2.5=alta, z≥2.0=media.
Ejemplo Práctico
Una narrativa tiene 234 publicaciones pero solo 8 fuentes únicas. El ratio normal histórico (90 días) es 4.2 posts por fuente.
Ratio amplificacion = posts_totales / fuentes_unicas = 234 / 8 = 29.25. Baseline 90d = 4.2. Z-score = (29.25 - 4.2) / 3.8 = 6.6
z=6.6
Z-score=6.6: amplificación anómala. 65% del volumen proviene de actividad coordinada.
Organico: 25
Coordinado: 65
Bot: 10
Vosoughi, S., Roy, D. & Aral, S. (2018). The spread of true and false news online — DOI
Vosoughi, S., Roy, D. & Aral, S. (2018). The spread of true and false news online — DOI

BIAS ⓘ

Detección de sesgo lingüístico: verbos factivos, hedge words, lenguaje inflamatorio.

Análisis léxico + enriquecimiento LLM opcional vía MCP.
Ejemplo Práctico
Análisis lingüístico de 100 artículos sobre una reforma: 85 contienen marcadores de sesgo (lenguaje emocional, carga valorativa, framing selectivo).
Bias Score = (marcadores_sesgo / total_marcadores) x 100 = (85 / 100) x 100 = 85
85
Bias Score 85: sesgo muy alto. Predominan marcadores emocionales (35%) y carga valorativa (28%).
Emocional: 35
Carga valorativa: 28
Framing: 22
Neutral: 15
Limitaciones conocidas: El léxico estático puede no detectar sarcasmo e idiomatismos regionales.
Spinde, T. et al. (2023). Media Bias Anywhere, Anytime? A Universal Bias Detection Framework — DOI
Spinde, T. et al. (2023). Media Bias Anywhere, Anytime? A Universal Bias Detection Framework — DOI

SILENCE ⓘ

Mide la ausencia coordinada de cobertura en temas con alta relevancia social.

silencio = relevancia_social × (1 - ratio_cobertura_mediática).
Ejemplo Práctico
Un tema de corrupción es detectado por 25 fuentes independientes en redes, pero solo 3 medios mainstream lo cubren en 72 horas.
Silence Score = (1 - cobertura_mainstream / deteccion_independiente) x 100 = (1 - 3/25) x 100 = 88
88
Silence Score 88: omisión severa. Solo 12% de cobertura mainstream vs detección independiente.
Redes (detectaron): 85
Mainstream (cubrieron): 12
Mainstream (omitieron): 88
McCombs, M.E. & Shaw, D.L. (1972). The Agenda-Setting Function of Mass Media
McCombs, M.E. & Shaw, D.L. (1972). The Agenda-Setting Function of Mass Media

NARRATIVE MASS ⓘ

Masa narrativa — mide cuándo una narrativa se vuelve auto-sustentable sin amplificación artificial.

M(t) = suma(alcance × repetición × carga_emocional) × decaimiento(t).
Ejemplo Práctico
Una narrativa crece exponencialmente: 50 menciones el día 1, 1200 en el día 4, luego decrece. Total acumulado: 3490 menciones en 7 días.
Masa narrativa = 3490. Percolation ratio = 0.38 > 0.30 = transicion de fase detectada. Cascada auto-sostenida.
3490
Masa=3490, ratio de percolación 0.38: cascada auto-sostenida detectada. Transición de fase en día 3.
Dia 1: 50
Dia 2: 180
Dia 3: 520
Dia 4: 1200
Dia 5: 890
Dia 6: 450
Dia 7: 200
Stauffer, D. & Aharony, A. (1994). Introduction to Percolation Theory
Stauffer, D. & Aharony, A. (1994). Introduction to Percolation Theory

Visualizaciones ⓘ Análisis exploratorio visual

Exportar y Citar ⓘ Exportar para análisis secundario

Citar Mediometro

@misc{mediometro2026, title = {Mediometro Intelligence Engine v2.1}, author = {Salazar, Joel and EdugameDigital}, year = {2026}, url = {https://mediometro.edugame.digital}, note = {Consultado 2026-05-29. Plataforma de monitoreo ciudadano de medios.} }

Registro de Reproducibilidad ⓘ Registro de reproducibilidad

Todos los parámetros utilizados para generar la instantánea de análisis actual. Útil para reproducir resultados en revisión académica por pares.

Parámetro Valor
Motor Mediometro Intelligence Engine v2.1
Algoritmos CooRTweet, BLOC, SEDA, Louvain/Leiden, TF-IDF coseno, z-score/MAD, léxico Ekman
Cantidad de métricas 11
Instantánea 2026-05-29 15:28:03 CST

Historial de Cambios Metodológicos ⓘ Comparabilidad entre versiones

  • v2.1 — Correcciones C1-C8, separación SCS-Process/Content, features F1-F8, 9 dashboards por audiencia
  • v2.0 — Señal de automatización BLOC, cámaras de eco SEDA, simetría CooRTweet, taxonomía Wardle, masa narrativa
  • v1.0 — Versión inicial: score de coordinación, amplificación z-score, ráfagas de keywords, detección de silencios

Análisis Emocional ⓘ Modelo Plutchik/Ekman — escala 0-10

Ekman 6 Emotion Classification ⓘ

E(k) = Σ(w_i × match_i) / n_items × 100, k ∈ {anger, fear, disgust, sadness, surprise, joy}
Tipo Ira Miedo Asco Tristeza Sorpresa Alegría
desconocido 0.6 0.8 1.7 3.6 0.6 0
Limitaciones: análisis léxico basado en presencia de palabras, sin comprensión semántica ni contexto. Los puntajes son indicativos, no definitivos.

Fase Narrativa ⓘ Ciclo de vida narrativo

Narrative Lifecycle State Machine ⓘ

seed → amplification → legitimization → saturation → decay
14
Semilla
42pts
10
Decaimiento
47pts
9
Saturación
39pts

Alertas de Percolación ⓘ Teoría de percolación en redes

Percolation Ratio Analysis ⓘ

P = campaign_sources / total_active_feeds; phase_transition = (P ≥ threshold)

Sin alertas de percolación

Mediometro Intelligence Engine v2.1 — Todas las métricas inspiradas en literatura académica, con supuestos y limitaciones versionadas. Haz clic en cualquier métrica para ver metodología y referencias académicas.