Métodos y transparencia

Golpeteo — Intensidad de Señales Negativas

Tier 2 No materializado

Componente: com_mediometro / golpeteo
Método: COUNT(sentiment_label=NEG) / COUNT(*) por día y medio, desde #__fuentes_cache
Denominador: Total items editoriales (source_class != government, cat NOT IN excluded)
Modelo: sentiment_label pre-calculado por pipeline de enriquecimiento (gemma2:2b Ollama + dictionary fallback, ejecutado en cron, no en vivo)

Limitaciones

sentiment_score discreto (-1/0/1), no continuo. bias_score 100% NULL en producción.

Abstención: avg_bias marcado null cuando bias_score IS NULL; data_status=not_materialized en output del summary

Omisión — Índice de Silencio Mediático

Tier 2 No materializado

Componente: com_mediometro / omision
Método: ISM v4: gap × importance × 100. E[cov] = importance × category × (1-exp(-t/τ)) × N × base. τ=24h, base=0.3
Denominador: Fuentes mainstream activas (N_active_sources), source_class IN (mainstream, wire_service)
Modelo: Heurístico con SOURCE_TIER hierarchy (3 tiers: 1.0/0.7/0.3) y HIGH_IMPORTANCE_TOPICS keywords. No calibrado contra percentiles históricos.

Limitaciones

Factores de categoría son heurísticos (Tier 2), no calibrados contra percentiles históricos. Importance se infiere de keywords del título, no de análisis semántico.

Abstención: data_status=not_materialized, tier=2 en output del score

Borgia — Perfil de Captura

Tier 2 Heurístico

Componente: com_mediometro / golpeteo (borgia section)
Método: Cobertura léxica de titulares contra 5 rasgos invariantes del Modelo Borgia (operación dual, asimetría de poder, simulación de virtud, velocidad calibrada, indiferencia a la verdad)
Denominador: N/A (score 0-100 por medio, desde #__fuentes_borgia_perfil)
Modelo: Diccionario de keywords Borgia pre-calculado en cron, almacenado en #__fuentes_borgia_perfil

Limitaciones

No es análisis semiótico: es densidad de keywords. Ver Códice II del libro TlamatiniAI.

Réplica — Derecho de Réplica

Tier 1 Datos vigentes

Componente: com_mediometro / replica
Método: Tracking de pares afirmación/réplica desde #__mediometro_replica_pares con estado verificado/candidato
Denominador: Artículos oficiales con declaraciones impugnables
Modelo: N/A (datos curados manualmente con gravedad_score y respuesta_acto)

Limitaciones

Depende de reportación manual de solicitudes de réplica

Tónica — Detección de Tónicas

Tier 2 Parcial

Componente: com_mediometro / tonica
Método: Lectura de #__mediometro_tonica_scores con concentracion_ratio, semaforo (rojo/amarillo/verde) y alertas_generadas
Denominador: Artículos en ventana temporal (7d/30d/90d)
Modelo: Scores pre-calculados por cron (análisis temático recurrente). El modelo PHP solo lee la tabla, no invoca LLM en vivo.

Limitaciones

Los scores dependen de que el cron haya corrido. La explicación_trazable viene del cron, no se genera en vivo.

Abstención: Semáforo rojo con concentracion_ratio > 0.40 = badge de alarma; rojo sin superar umbral = morbo

Radio CDMX — Monitoreo Radiofónico

Tier 1 Datos vigentes

Componente: com_mediometro / radio
Método: Lectura de fuentes con platform=radio, cuenta transcripciones (unit_type=radio_transcript, status=ready) desde #__fuentes_text_units
Denominador: Segmentos transmitidos por programa
Modelo: ASR externo (transcripciones pre-calculadas en cron) + NLP posterior

Limitaciones

6 programas específicos (Ciro, L-D, Uresti, Loret, Warkentin, H. Alcázar)

Campo — Saturación del Campo Informacional

Tier 2 Parcial

Componente: com_mediometro / campo
Método: Lectura de #__manipulacion_campaigns con coordination_score, amplification_score, overall_score, narrative_phase (active/decay). Heatmap de saturación = volume × negativity intensity.
Denominador: Clusters con sources_count > 1, overall_score >= 30, false_positive = 0
Modelo: Campañas pre-computadas por detector de coordinación (cron). El modelo PHP consulta la tabla, no agrupa en vivo.

Limitaciones

Depende de que el detector de campañas haya corrido. narrative_phase=decay excluye clusters que perdieron momentum.

Evidence Ledger

Tier 1 Datos vigentes

Componente: com_mediometro / evidenceledger
Método: Registro append-only de cada ejecución de productor desde #__mediometro_evidence_ledger
Denominador: N/A (metadato de infraestructura)
Modelo: N/A (infraestructura)

Limitaciones

Requiere que los productores reporten al ledger

Ecografía Editorial — Atención Diacrónica

Tier 1 Datos vigentes

Componente: com_mediometro / ecografia
Método: Lectura de #__mediometro_mediacloud_observations con query_scope=domain, mode=timelinetone. Tone promedio por dominio.
Denominador: Dominios de medios mexicanos monitoreados por Media Cloud 2.0
Modelo: Media Cloud 2.0 (API externa, datos cosechados en cron)

Limitaciones

Depende de la disponibilidad de la API de Media Cloud. Ventana considerada stale después de 48h sin harvest exitoso.

Abstención: schemaError=true cuando la tabla no existe o falta columna: renderiza estado de deploy-error, no "no data"

La Tirada — Arquetipos Borgia por Medio

Tier 2 Parcial

Componente: com_mediometro / tirada
Método: Asignación de arquetipos Borgia (la_torre, el_diablo, el_juicio, etc.) por medio, con orientation (base/amplified) y score 0-1. Evidence de replica_pares cuando existe.
Denominador: Medios mainstream + independientes con cobertura de distortion evidence
Modelo: Heurístico con SAMPLE_ASSIGNMENTS fallback cuando #__mediometro_archetype_assignments está vacía. EscalamientoService para etapa/móvil.

Limitaciones

Sample assignments son fallback antes de que el analyzer corra. No es análisis semiótico: es mapeo arquetípico basado en distortion evidence.

Silencio — Genealogía del Silencio Mediático

Tier 2 Parcial

Componente: com_mediometro / silencio
Método: Catálogo de categorías de omisión con compromiso analítico por categoría
Denominador: Categorías de silencio definidas en el modelo
Modelo: Heurístico (catálogo curado, no detección automática)

Limitaciones

Las categorías son curadas, no detectadas automáticamente por NLP. La detección automática de silencio requiere cruce con Omisión ISM.