Metodología y transparencia
Este documento reúne todo el sustento técnico de los estudios de IAElectoral: de dónde sale cada dato, cómo se depura, cómo se pondera, cómo se clasifica, cómo se valida y qué no puede concluirse a partir del resultado. La ficha técnica es parte de la pieza, no un anexo.
Medición de conversación digital. Los análisis de conversación digital y sondeos digitales no equivalen necesariamente a una encuesta probabilística de opinión pública.
Sistema propio
Método guía y software propio IAELECTORAL
Todas las mediciones se ejecutan con metodología y plataforma desarrolladas por IAELECTORAL, no con herramientas comerciales de escucha genéricas.
Método guía propietario
Un protocolo escrito define, para cada estudio, el período, las publicaciones semilla, la expansión temática, los pesos por dimensión, los topes de concentración y los umbrales de aceptación. El mismo protocolo se aplica a todos los estudios, de modo que las series sean comparables entre sí.
Software propio IAELECTORAL
La recolección autorizada, la normalización, la deduplicación, el control de hiperactividad, la clasificación asistida por IA y el cálculo del índice se ejecutan en la plataforma propia IAELECTORAL. No hay hojas de cálculo manuales entre el dato y el resultado publicado.
Trazabilidad de cada lote
Cada lote procesado queda registrado con hash del contenido, marca de tiempo de captura y versión del modelo de clasificación empleado. Eso permite reconstruir cómo se obtuvo una cifra publicada meses después y auditar cualquier recálculo.
Modelo declarado en los estudios vigentes: IAElectoral — Análisis de conversación digital. Ámbito: Colombia. Plataformas: Facebook, Instagram, TikTok, X, YouTube.
Proceso
Arquitectura: del dato en bruto a la publicación
Seis etapas con entrada, salida y control de calidad definidos.
- Etapa 1
Recolección
- Entra
- Publicaciones semilla y expansión temática por acontecimiento, palabras clave, hashtags, medios, ministros y cuentas políticas.
- Sale
- Lote crudo de publicaciones, comentarios y métricas de interacción con marca de tiempo.
- Control
- Registro de vía de acceso autorizada por plataforma y verificación de que el período coincide con el declarado.
- Etapa 2
Normalización
- Entra
- Lote crudo con formatos heterogéneos de texto, fecha y métricas.
- Sale
- Registros homogéneos comparables entre las cinco plataformas.
- Control
- Detección de idioma, control de codificación y validación de rangos de fecha.
- Etapa 3
Depuración
- Entra
- Registros normalizados.
- Sale
- Corpus depurado de opiniones únicas útiles.
- Control
- Porcentaje de duplicados y de spam eliminados, reportado en la ficha técnica.
- Etapa 4
Clasificación
- Entra
- Corpus depurado.
- Sale
- Cada comentario con clase (+1 / 0 / −1), objeto evaluado y probabilidad asignada.
- Control
- Umbral de confianza; por debajo del umbral el caso se marca como ambiguo y pasa a revisión humana.
- Etapa 5
Ponderación y cálculo
- Entra
- Comentarios clasificados con su peso de usuario, plataforma y medio.
- Sale
- Índice de Aprobación Digital y sus componentes temáticos.
- Control
- Topes por plataforma, por medio y por publicación para impedir que un solo emisor determine el resultado.
- Etapa 6
Publicación
- Entra
- Índice, indicadores de calidad y resultados de robustez.
- Sale
- Pieza publicada con ficha técnica, estado de evidencia por cifra y nota metodológica.
- Control
- Revisión editorial de redacción para no presentar la medición digital como encuesta.
Secuencia técnica completa
- 1
Publicaciones semilla
59 publicaciones y puntos de entrada identificados en YouTube, Instagram, Facebook, X y TikTok. Son el punto de partida, no el universo del estudio.
- 2
Expansión temática
Ampliación por acontecimiento, palabras clave, hashtags, publicación relacionada, medio, ministro, cuenta política, videos derivados, reels, shorts, reposts, respuestas y menciones.
- 3
Recolección
API oficial de YouTube, API autorizada o herramientas compatibles en X, interfaces autorizadas en Meta, Research API o acceso permitido en TikTok e indexación pública donde esté permitido. Ver que un contenido sea público no equivale a estar autorizado a extraerlo masivamente.
- 4
Normalización
Homogeneización de textos, fechas, plataformas y métricas de interacción.
- 5
Deduplicación
Eliminación de duplicados exactos y de variaciones mínimas de un mismo texto distribuido repetidamente.
- 6
Eliminación de spam
Publicidad, enlaces irrelevantes, contenido comercial y patrones anormales de repetición y frecuencia.
- 7
Control de hiperactividad
Cada comentario recibe un peso wᵤ = 1 / √nᵤ, donde nᵤ es el número de intervenciones válidas del mismo usuario dentro del mismo tema.
- 8
Clasificación mediante IA
Cada comentario se clasifica en +1 aprobación, −1 desaprobación o 0 neutral, y se etiqueta según objeto: presidente, Gobierno, ministro, política pública, acontecimiento, oposición, medio o no relacionado.
- 9
Confianza del clasificador
Se asigna P(clase | comentario). Por debajo de una confianza cercana a 0,70–0,75 el caso se marca como ambiguo y pasa a revisión.
- 10
Validación humana
Selección aleatoria de 2.000–5.000 comentarios revisados por dos codificadores independientes. Indicadores: precision, recall, F1, matriz de confusión y Cohen's Kappa, con objetivo F1 ≥ 0,85.
- 11
Ponderación
Control por plataforma (αₚ = 0,5 × 0,20 + 0,5 × (Iₚ / ΣI), con tope aproximado de 30 % por red), tope de 10–12 % por medio y máximo de 1 % del indicador por publicación.
- 12
Cálculo del índice
IAD = Σ (peso del tema × aprobación del tema) sobre las seis dimensiones del período.
- 13
Pruebas de robustez
Recalcular sin la publicación más viral, sin el medio de mayor volumen, sin YouTube, sin X, sin terremoto, sin seguridad y con bootstrap estratificado de 2.000 repeticiones.
- 14
Publicación
Publicación del índice acompañado de los indicadores de calidad, el estado de evidencia de cada cifra y la nota metodológica obligatoria.
Fuentes
Recolección autorizada por plataforma
| Plataforma | Vía de acceso | Qué se recolecta |
|---|---|---|
| YouTube | API oficial de YouTube. | Videos, descripciones y comentarios públicos del período. |
| X | API autorizada o herramientas compatibles con los términos de la plataforma. | Publicaciones, respuestas, reposts y menciones públicas. |
| Interfaces autorizadas de Meta. | Publicaciones públicas de medios, cuentas institucionales y políticas, con sus comentarios. | |
| Interfaces autorizadas de Meta. | Publicaciones, reels y comentarios públicos. | |
| TikTok | Research API o acceso permitido. | Videos, derivados y comentarios públicos. |
| Web abierta | Indexación pública donde esté permitido. | Notas de medios digitales y tendencias de búsqueda usadas como contexto. |
Corpus objetivo por plataforma en el estudio vigente: X 1.700 · Facebook 1.100 · Instagram 900 · TikTok 700 · YouTube 600 publicaciones de alto impacto.
Depuración
Cómo se limpia el corpus
Deduplicación
Se eliminan duplicados exactos y variaciones mínimas del mismo texto redistribuido. El porcentaje descartado se informa en la ficha técnica.
Spam y contenido comercial
Publicidad, enlaces irrelevantes y patrones anormales de repetición o frecuencia salen del corpus antes de clasificar.
Control de hiperactividad
Cada comentario pesa wᵤ = 1 / √nᵤ, donde nᵤ es el número de intervenciones válidas del mismo usuario dentro del mismo tema.
- 1 intervención → peso 1,00
- 4 intervenciónes → peso 0,50
- 25 intervenciónes → peso 0,20
Ponderación
Cómo se construye el Índice de Aprobación Digital
Ningún emisor, red o tema puede determinar por sí solo el resultado.
Peso por plataforma
αₚ = 0,5 × 0,20 + 0,5 × (Iₚ / ΣI)
Mitad peso igualitario entre las cinco redes y mitad proporcional a la interacción observada, con un tope aproximado del 30 % por red. Así una plataforma con un pico puntual no arrastra el índice.
Topes de concentración
- Máximo 10–12 % del indicador por medio de comunicación.
- Máximo 1 % del indicador por publicación individual.
- Peso decreciente por usuario hiperactivo dentro de cada tema.
Fórmula del índice
IAD = Σ (peso del tema × aprobación del tema)
Los pesos temáticos se fijan antes de calcular, según relevancia y volumen del período, y suman 100 %. En el estudio vigente:
| Dimensión | Peso | Aprobación | Aporte al índice |
|---|---|---|---|
| Seguridad | 32 % | 82 % | 26,24 pts |
| Terremoto y reconstrucción | 24 % | 76 % | 18,24 pts |
| Libro de la Verdad | 15 % | 73 % | 10,95 pts |
| Migración | 10 % | 65 % | 6,5 pts |
| Salud | 9 % | 58 % | 5,22 pts |
| Economía y presupuesto | 10 % | 53 % | 5,3 pts |
Clasificación
Cómo la IA etiqueta cada comentario
Escala y objeto
Cada comentario se clasifica en +1 aprobación, 0 neutral o −1 desaprobación, y se etiqueta según a quién evalúa: presidente, Gobierno, ministro, política pública, acontecimiento, oposición, medio o no relacionado. Lo no relacionado no entra al índice.
Umbral de confianza 0,70–0,75
El modelo devuelve una probabilidad por clase. Un caso claro se resuelve automáticamente; por debajo del umbral se marca como ambiguo y pasa a revisión humana.
- Caso claro: aprobación 0,91 · neutral 0,06 · desaprobación 0,03
- Caso ambiguo: aprobación 0,43 · neutral 0,37 · desaprobación 0,20 → revisión
Validación
Control humano y métricas de calidad
Doble codificación independiente
Se seleccionan aleatoriamente entre 2.000 y 5.000 comentarios que revisan dos codificadores por separado. Se calculan precisión, exhaustividad, F1, matriz de confusión y Cohen's Kappa, con un objetivo de F1 ≥ 0,85. Los desacuerdos se arbitran y realimentan el modelo.
Definiciones de cada métrica en el glosario técnico.
Indicadores que se reportan
- Número de publicaciones capturadas
- Número de comentarios procesados
- Número de usuarios únicos anonimizados
- % de duplicados eliminados
- % de spam eliminado
- % neutral
- Cobertura estimada de interacción
- Distribución por plataforma
- Distribución por tema
- Exactitud / F1 del clasificador
- Fecha de corte
Robustez
Pruebas que debe pasar cada indicador
El índice se recalcula quitando los elementos que podrían estar sosteniéndolo.
- Eliminar la publicación más viral.
- Eliminar el medio con mayor volumen.
- Calcular el indicador sin YouTube.
- Calcular el indicador sin X.
- Calcular el indicador sin terremoto.
- Calcular el indicador sin seguridad.
- Bootstrap estratificado de publicaciones, repitiendo el cálculo 2.000 veces.
Si el resultado se mueve más de lo tolerado en alguna de estas pruebas, la cifra no se publica como estimación estable: se informa el rango y la fuente de inestabilidad.
Evidencia
Cada cifra publicada lleva su estado
Regla de oro editorial: ninguna cifra aparece sin decir de qué tipo de dato se trata.
| Estado | Qué significa |
|---|---|
| Observado | Dato registrado directamente en fuentes públicas o exportaciones aportadas al estudio. |
| Modelado | Resultado calculado por el modelo de ponderación temática de IAElectoral. |
| Estimado | Estimación técnica de planificación, no una medición ya realizada. |
| Objetivo de validación | Meta técnica de recolección y validación aún no alcanzada. |
| Verificado | Dato contrastado con validación humana independiente. |
Universo
Qué tan grande es lo que se mide
59 publicaciones
Publicaciones y puntos de entrada semilla en YouTube, Instagram, Facebook, X y TikTok.
18.000–32.000
Publicaciones de medios estimadas para el período; estimación central ≈24.000 contenidos.
35.000–55.000
Universo digital ampliado estimado de contenidos públicos; estimación central de planificación ≈45.000.
≈5.000 publicaciones
Corpus objetivo de alto impacto: X 1.700, Facebook 1.100, Instagram 900, TikTok 700, YouTube 600.
320.000–510.000
Comentarios y respuestas objetivo; tras depuración se esperan 220.000–350.000 opiniones únicas útiles.
> 60 %
Cobertura mínima objetivo de la interacción pública observable, medida como C = interacciones analizadas / interacciones detectadas.
Instrumentos
Qué mide cada instrumento y qué no
| Instrumento | Qué es | Para qué sirve | Qué no permite |
|---|---|---|---|
| Encuesta probabilística | Selección aleatoria de una muestra representativa. Permite inferencia poblacional y margen de error. | Estimar la opinión de una población. | IAElectoral no realiza este instrumento en sus índices digitales. |
| Sondeo digital | Participación voluntaria y autoseleccionada en canales digitales. No hay marco muestral ni aleatoriedad. | Observar intensidad y dirección de una preferencia entre quienes participan. | No permite proyectar resultados a la población ni calcular margen de error. |
| Escucha de conversación digital | Descripción del volumen y tono de menciones públicas sobre un tema o actor. | Detectar picos, encuadres y actores dominantes en la conversación. | No mide intención de voto. |
| Índice de Aprobación Digital | Indicador ponderado que combina clasificación de tono, pesos temáticos y controles por plataforma, medio y usuario. | Comparar la valoración digital entre temas, carteras y períodos con la misma metodología. | No sustituye una encuesta ni describe a quienes no participan en la conversación digital. |
Límites
Qué no afirmamos
Por qué no publicamos margen de error
Aunque el corpus alcance cientos de miles de comentarios, no es correcto hablar de margen de error. Los comentarios digitales no forman una muestra probabilística de la población colombiana: un corpus grande reduce el error de clasificación y la variabilidad interna, pero no elimina el sesgo de selección. Por eso el estudio informa estabilidad del índice, sensibilidad, dispersión entre plataformas, cobertura y precisión del clasificador.
Qué no es el índice
- No es intención de voto ni pronóstico electoral.
- No describe a quienes no participan en la conversación digital.
- No es comparable con encuestas probabilísticas: metodologías distintas no se restan entre sí.
- No mide verdad de los hechos, sino valoración expresada públicamente.
Publicación
Ficha técnica obligatoria y versionado
Campos que acompañan cada pieza
- Período de observación y fecha de corte
- Plataformas y vías de acceso utilizadas
- Universo declarado y tamaño del corpus
- Criterios de depuración y volumen descartado
- Técnica de clasificación y versión del modelo
- Resultados de la validación humana
- Cobertura estimada de la interacción
- Limitaciones conocidas y estado de evidencia de cada cifra
Correcciones y actualizaciones
Toda pieza indica fecha de publicación y de actualización. Si una cifra cambia tras un recálculo o una corrección, se actualiza el texto, se conserva la referencia al valor anterior y se explica el motivo. Nada se reemplaza en silencio.
Ética
Datos personales y uso responsable
- Solo se procesa contenido publicado en abierto; no se accede a perfiles privados, mensajes directos ni grupos cerrados.
- Los usuarios se anonimizan: las publicaciones informan volúmenes y proporciones, nunca datos personales identificables ni cuentas individuales de ciudadanos.
- El peso por usuario impide que la insistencia de una cuenta se convierta en opinión mayoritaria.
- Que un contenido sea público no equivale a estar autorizado a extraerlo masivamente: cada plataforma se recolecta por la vía que sus términos permiten.
Advertencia metodológica permanente
Los análisis de conversación digital y sondeos digitales no equivalen necesariamente a una encuesta probabilística de opinión pública.
IAElectoral — Medición de conversación digital. Los resultados corresponden a un índice de aprobación digital modelado a partir de publicaciones públicas, interacción, conversación digital, tendencias de búsqueda, relevancia temática y hechos verificables asociados al período analizado. No constituye una encuesta probabilística, intención de voto ni estimación de la totalidad de la población colombiana. Las cifras de universo ampliado corresponden a estimaciones técnicas de planificación hasta completar la recolección automatizada. La versión definitiva deberá informar el número efectivo de publicaciones, comentarios y usuarios únicos procesados, así como los indicadores de depuración, cobertura y validación del clasificador.