Glosario de inteligencia electoral

Cada término que aparece en nuestros estudios, sondeos y fichas técnicas, explicado con su definición y con lo que se puede o no concluir a partir de él.

Aprobación digital

Proporción de intervenciones públicas clasificadas como favorables hacia un actor o una política, sobre el total de intervenciones válidas del periodo.

Cómo se usa: No equivale a la intención de voto ni al respaldo de la población total: describe la conversación digital observada, no una muestra probabilística.

Índice de Aprobación Digital

Indicador compuesto de IAElectoral que agrega la aprobación observada por dimensión temática, ponderando cada tema por su peso en la conversación del periodo.

Cómo se usa: Se publica siempre con periodo, cobertura de plataformas y estado de evidencia de cada componente.

Brecha favorable

Diferencia en puntos porcentuales entre la aprobación y la desaprobación de un actor o tema.

Cómo se usa: Resume en una cifra la distancia entre apoyo y rechazo; es más estable que la aprobación aislada cuando cambia el volumen de la categoría neutral.

Relación favorable/desfavorable

Cociente entre menciones favorables y desfavorables. Una relación de 4:1 indica cuatro intervenciones de apoyo por cada una de rechazo.

Cómo se usa: Útil para comparar periodos con volúmenes de conversación muy distintos.

Corpus digital

Conjunto completo de intervenciones públicas recolectadas para un estudio, con su fecha, plataforma de origen, identificador y versión del recolector.

Cómo se usa: El tamaño del corpus, las plataformas incluidas y el volumen descartado en la limpieza se declaran en la ficha técnica.

Ficha técnica

Documento anexo a cada publicación que detalla periodo, universo, plataformas, tamaño del corpus, técnica de clasificación, límites y fecha de cierre.

Cómo se usa: En IAElectoral es parte de la pieza publicada, no un apéndice opcional.

Estado de evidencia

Etiqueta que acompaña a cada cifra e indica su origen: observado, modelado, estimado, objetivo o verificado.

Cómo se usa: Permite distinguir un dato medido directamente de una proyección o de una meta metodológica sin leer todo el documento.

Interés de búsqueda

Medida relativa del volumen de búsquedas sobre un término en un territorio y periodo, expresada en escala 0–100 respecto al punto máximo.

Cómo se usa: Es un índice relativo, no un conteo de personas ni de búsquedas absolutas.

Muestreo no probabilístico

Selección de casos sin aleatoriedad ni marco muestral, como ocurre con la participación voluntaria en canales digitales.

Cómo se usa: No admite margen de error ni inferencia a la población general; sus resultados describen a quienes participaron.

Análisis de sentimiento

Clasificación automática del tono de un texto en categorías como favorable, desfavorable o neutral, mediante modelos de lenguaje.

Cómo se usa: Tiene error propio del modelo: se reporta junto con las métricas de validación y una revisión humana de muestra.

Control de hiperactividad

Ponderación que reduce el peso de las cuentas más activas: cada usuario aporta 1/√n en su tema, donde n es su número de intervenciones.

Cómo se usa: Impide que unas pocas cuentas muy activas determinen el resultado de un tema.

Doble codificación

Revisión de una misma muestra por dos codificadores humanos independientes, para medir cuánto coinciden entre sí y con el modelo.

Cómo se usa: Es la base para calcular la concordancia entre codificadores.

Cohen's Kappa

Coeficiente que mide la concordancia entre dos codificadores descontando la coincidencia esperable por azar. Va de 0 a 1: por encima de 0,80 se considera concordancia muy alta.

Cómo se usa: Se reporta junto con el tamaño de la muestra revisada; sin ese dato la cifra no es interpretable.

F1

Media armónica entre precisión y exhaustividad de un clasificador. Resume en una cifra qué tanto acierta el modelo sin inflar el resultado por una sola de las dos.

Cómo se usa: IAElectoral trabaja con un objetivo de F1 ≥ 0,85 en la clasificación de tono.

Precisión y exhaustividad

Precisión es la proporción de aciertos entre los casos que el modelo marcó en una categoría; exhaustividad es la proporción de casos reales de esa categoría que el modelo logró detectar.

Cómo se usa: Se leen en conjunto: subir una suele bajar la otra.

Umbral de confianza

Nivel mínimo de certeza que el modelo debe alcanzar para asignar una categoría a una intervención. Por debajo del umbral, el caso queda sin clasificar o pasa a revisión.

Cómo se usa: Un umbral alto reduce errores de clasificación pero descarta más casos.