El periodismo de datos no es una disciplina nueva, pero desde 2010 ha ido creciendo hasta convertirse en uno de los pilares de los medios de comunicación (Carrasco-Polaino y Flores-Vivar, 2020). Esta especialidad experimentó un notable auge tras las primeras filtraciones de Wikileaks; a raíz de declaraciones como las de Tim Berners-Lee en las que aseguraba que el futuro de la profesión periodística residía en el análisis numérico, o con la publicación del especial de The Economist titulado «Datos, datos en todas partes», donde se bautizaba como el «nuevo petróleo» (Camaj et al., 2022).

El periodismo de datos permite obtener, procesar y visualizar de forma automatizada y atractiva grandes cantidades de información (Vállez y Codina, 2018) sobre cualquier temática gracias a su transversalidad (Córdoba-Cabús et al., 2023). Estos avances han obligado a los periodistas a adaptarse y a formarse para poder dar valor añadido a sus historias (Mair et al., 2015). La evolución de esta especialidad obliga también a fomentar la capacidad crítica entre los profesionales sobre la naturaleza y la repercusión de sus trabajos (Gray y Bounegru, 2021). Y entre los nuevos conocimientos que los profesionales deben adquirir, los lenguajes de programación y el manejo de las herramientas digitales adquiere un especial protagonismo.

Profundizar en cuáles son y cómo se utilizan estos recursos constituye el principal objetivo de esta investigación, que se desarrolla a partir de las siguientes preguntas de investigación (PI):

La evolución tecnológica hizo posible rastrear y analizar bases de datos con el fin de contextualizar hechos informativos. En ese momento, comienza a hablarse de Database Journalism (DBJ), Computer Assisted Journalism (CAJ) o Computer Assisted Reporting (CAR) (Bounegru et al., 2012). En gran medida, se trataba de derivaciones del ya denominado periodismo de precisión (Meyer, 1973, p. 6), pero con la introducción de ordenadores para examinar grandes cantidades de datos y así descubrir asociaciones o correlaciones estadísticas en todo tipo de documentos (Ferreras, 2016).

Aunque no haya una diferencia clara entre los objetivos y técnicas del periodismo de precisión y el de datos (Dader, 2002; Ferreras, 2016), la aparición de esta última etiqueta, a principios del siglo XXI, indica una nueva fase en esta especialidad. El volumen de datos que está disponible en línea, en combinación con sofisticadas herramientas centradas en el usuario, la autopublicación y herramientas crowdsourcing, permitía a más profesionales trabajar más fácilmente con mayores volúmenes de información (Bounegru et al., 2012).

El big data nace del interés por las grandes cantidades de datos disponibles en internet gracias al uso masivo de los denominados medios sociales (Facebook, Twitter, blogs, etc.) y de otras fuentes textuales de información (medios de comunicación online, webs oficiales, etc.) (Broussard, 2019). Se ha intentado vincular el big data solo con el tamaño de los datos (por ejemplo, en los papeles de Panamá se usaron 2,6 terabytes). Esta dimensión no es suficiente para caracterizarlo, ya que el concepto se refiere fundamentalmente a volúmenes masivos y complejos de información tanto estructurada como no estructurada, que es recogida durante cierto periodo de tiempo y que requiere de métodos computacionales para extraer conocimiento (Arcila et al., 2016). Otros conceptos importantes ligados al estudio del big data también aluden a su intencionalidad y utilidad (Murphy y Barton; 2014).

Por tanto, se puede calificar el periodismo de datos como una disciplina que se manifiesta en tres fases clave del periodismo: el acceso, el tratamiento y la publicación de la información. Y en todas, la tecnología es el denominador común. Probablemente fue Bradshaw (2011) quien mejor conceptualizó la especialidad mediante un diagrama, con forma de pirámide invertida, para representar las fases del proceso de producción. El autor diferenciaba entre cinco niveles: compilar, limpiar, contextualizar, combinar y comunicar. La esencia de esta propuesta se conserva en las versiones posteriores (Antón-Bravo, 2013, p. 112; Ferreras, 2016, p. 270; La Rosa y Sandoval-Martín, 2016, p. 1212; López López, 2019, p. 111; Lorenzi Reno, 2016, p. 176). El mayor esfuerzo por aunar las características de esta especialización fue probablemente el de Coddington (2015), quien la concebía como la práctica periodística de obtener, reportear, organizar, editar y publicar datos de interés públicos con la aplicación de técnicas estadísticas, computacionales, de visualización y de diseño.

La delimitación de funciones y perfiles de los profesionales de la información vuelven a ser revisada, como en anteriores ocasiones, ante la evolución tecnológica (Sánchez-García et al., 2015). En el periodismo de datos, se necesita un profesional que puede estar formado en documentación, periodismo o cualquier otra disciplina, que posee un aditivo de conocimiento necesario para la gestión datos y clasificación de información, así como para la búsqueda, procesamiento, interpretaciones concluyentes, análisis de datos y capacidad para crear y publicar información con una narrativa propia que se desprende del propio género utilizado. Deberá manejar grandes cantidades de información, clasificar y después introducir esos datos en las aplicaciones tecnológicas. Además, deben de tener conocimientos sobre estadística, programación, diseño, sociología, psicología, además del periodismo (Flores y Cebrián, 2012). Es por este motivo por el que los profesionales de esta disciplina desean recibir más formación sobre el manejo de datos y el ámbito técnico que las relacionadas con el periodismo y la ética (Bisiani et al., 2023).

La literatura especializada coincide en que la naturaleza de esta especialidad obliga a profundizar en dos aspectos clave: la tecnología y el manejo de datos. En relación con el primero, Appelgren y Lindén (2020, p. 61) destacan dos claves: la capacidad para programar y para diseñar. López-García et al. (2016, p. 292) señalan la necesidad de dominar herramientas informáticas, concretamente las relacionadas con la gestión de bases de datos, visualización de información y narrativas multimedia. Broussard y Boss (2018, p. 1213) añadieron más detalles y resaltaron la importancia de conocer frameworks y lenguajes de programación como Javascript para crear proyectos. Boyles y Meisinger (2020, p. 189), por su parte, incidían en la necesidad de aprender a identificar las oportunidades y también los riesgos que ofrece la comunicación con las máquinas.

Las habilidades técnicas servirían para las fases finales del proceso, como la visualización de datos o el diseño de interfaces, pero también para las iniciales, como la obtención automatizada de bases de datos (Boyles y Meyer, 2017, p. 435). En esta línea, Engebretsen et al. (2019, p. 3) resaltaron la relación entre el desarrollo de fenómenos como la visualización de datos y el auge de la innovación tecnológica. Loosen et al. (2017) concluyeron que las habilidades híbridas entre el programador y el periodista de datos actualmente están mejorando el periodismo. Finalmente, Diakopoulos (2020, p. 2) destacó los beneficios del uso de algoritmos para orientar la atención editorial hacia eventos o información potencialmente de interés periodístico antes de la publicación.

Sobre el otro aspecto clave, el tratamiento de datos, Appelgren y Lindén (2020, p. 61) enumeraron la necesidad de conocer los métodos de periodismo de investigación, el conocimiento en estadística, la gestión de datos y la elaboración de informes estadísticos. En este sentido, los periodistas con múltiples habilidades están siendo cada vez más valorados. Davies (2018, p. 110) incidió en la importancia de acabar con la ansiedad por las matemáticas y acercar la utilidad de estos recursos para el periodismo diario. En esta línea, Weiss y Retis-Rivas (2018, p. 3) defendieron la necesidad de acabar con la idea de que las matemáticas y la estadística se alejan de la labor periodística. Sobre todo porque, ahora que la simplificación de las herramientas elimina algunas de las barreras tecnológicas, los editores cada vez le dan más importancia a la capacidad para encontrar temas entre grandes volúmenes de datos (Arias-Robles y López-López, 2020, p. 10).

Para el periodismo de datos, por lo tanto, hace falta entrenamiento y aprendizaje constantes y conocimientos de materias generalmente alejadas de las preferencias del periodista convencional. Se debe conocer el funcionamiento de la administración pública, dominio del inglés para entender las herramientas más utilizadas, ya que no tienen su versión en español, habilidades en búsquedas en la web más avanzadas de las habituales, conocer los principios básicos de programas de análisis de datos (como Excel o Google Spreadsheets), conocimientos de matemática básica y de estadística para poder entrevistar a los números, así como de visualización (Arias-Robles y López-López, 2020; Crucianelli, 2013).

Lewis et al. (2020) resaltaron algunas de las claves para la formación en periodismo de datos: dominar la estadística descriptiva y la interpretación de datos, respetar la ética y desplegar el pensamiento computacional. En esta línea, López-García et al. (2017, p. 81) resaltaron el incremento de la influencia de la tecnología en los periodistas de esta especialidad. Baack (2018) ya había avanzado la idea de la hibridación entre periodistas de datos y «tecnólogos sociales», algo en lo que profundizaron Dodds et al. (2024) para analizar la complejidad que promueve la colaboración entre diferentes redacciones, facilitada gracias a plataformas como GitHub.

Y todo esto no hace sino crecer ante el auge de la inteligencia artificial (IA), cuya vinculación con el periodismo de datos es indudable. La IA, entendida como «a collection of ideas, technologies, and techniques that relate to a computer system’s capacity to perform tasks normally requiring human intelligence» (Beckett, 2019, p. 15), comprende tecnologías como el análisis estadístico o el procesamiento del lenguaje, cuyos elementos han sido parte integral del periodismo desde sus inicios (Deuze y Beckett, 2022, p. 1915). Una investigación de Parratt-Fernández et al. (2021) reflejó que los temas más estudiados en las investigaciones sobre IA son la aplicación al periodismo de datos, la redacción por robots y la verificación de noticias.

Esta tecnología lleva años realizando tareas cotidianas en nuestros trabajos sin que le prestáramos atención, pero en la actualidad, con la revolución provocada con la aparición de ChatGPT (Pavlik, 2023, p. 92), se han creado muchas herramientas que permiten realizar tareas complejas en poco tiempo. Estos recursos están entrando en las redacciones de una forma ágil pero cautelosa. A pesar de no ser conscientes ni autónomas, plataformas como ChatGPT consiguen procesar y presentar información de manera que puede parecer humana. Destacan además por ofrecer una mayor accesibilidad y menores requisitos técnicos que las anteriores aplicaciones de IA, lo que ha supuesto un salto para las redacciones (Beckett y Yaseen, 2023, p. 8). Y su margen de desarrollo parece aún enorme (Newman, 2023, p. 35).

Casi dos décadas después de los primeros experimentos con algoritmos de generación automática de lenguaje natural en medios estadounidenses (Zheng et al., 2018, p. 267), la integración de la IA en el periodismo ha alcanzado ya una fase de mayor madurez. Varios grupos mediáticos españoles implantaron proyectos de diversa índole y magnitud incluso antes de la irrupción de ChatGPT (Túñez-López et al., 2021, p. 178). Atrás han quedado las reacciones más extremas, tanto de entusiasmo como de rechazo. En cambio, sí parece consolidarse la idea de que la IA va a determinar el futuro desarrollo de la transformación de los medios (Zheng et al., 2018, p. 273).

No obstante, la emergencia de los grandes modelos de lenguaje ha propulsado avances previamente inimaginables (Maslej, 2023). Se espera que su evolución persista y su impacto en la cotidianidad se intensifique (Chui, 2022). Rao y Verweij (2022) calculaban que la mitad de la integración de nuevas tecnologías en los medios de comunicación se realizará en el corto plazo (menos de tres años). El último informe de JournalismAI (Becket y Yaseen, 2023) refleja que más del 75 % de los profesionales incorporan la IA en al menos una fase de la cadena de valor periodística, pero que solo una tercera parte de las entidades ha formulado una estrategia para capitalizar esta tecnología.

Esta investigación se basa en la realización de un estudio de campo longitudinal en dos etapas basado en entrevistas semiestructuradas a periodistas de datos de medios de comunicación. Las primeras entrevistas se realizaron durante la primera mitad de 2021 y las entrevistas comparativas se han realizado durante la primera mitad de 2024 con la finalidad de descubrir la evolución del uso de la programación y de herramientas alternativas, además de identificar los usos que se le da en la actualidad a la IA en las redacciones de medios de comunicación españoles.

La investigación sobre estudio de casos constituye una metodología muy extendida en las ciencias sociales (Jiménez Chaves y Comet Weiler, 2016) para analizar el «cómo» y el «porqué», dos elementos fundamentales en este trabajo sobre el uso de códigos de programación y herramientas tecnológicas (Yin, 2014). Esta estrategia de investigación, que puede basarse en uno o más casos, se enfoca en entender las dinámicas presentes en el fenómeno a explicar y combinan métodos de colección de datos como entrevistas o cuestionarios (Eisenhardt, 1989).

La selección de los medios es fundamental para comprender cómo se está utilizando la programación en las secciones de periodismo de datos de los medios de comunicación en España. El propósito de esta selección es identificar a aquellos profesionales que trabajen, y a ser posible lideren, medios con equipos consolidados y que cuenten con una presencia significativa en el campo, lo que nos permite analizar de manera precisa el grado de integración y aplicación de herramientas de programación en las dinámicas periodísticas actuales. La primera oleada de entrevistas se basó en la audiencia y la repercusión en redes sociales que tuvieron en los dos primeros meses de 2021 sus medios. Entre ellos, la premisa fue que dispusiera de un equipo consolidado dedicado al periodismo de datos.

Para identificar estos medios, se utilizó una matriz que consideraba tanto el número de periodistas de datos —extraídos del proyecto «Periodistas de datos», que recoge una lista de profesionales del periodismo de datos en España y Latinoamérica, elaborado por Félix Arias y Miguel Carvajal—, como su presencia en redes sociales (véase el Anexo 1), lo que permitió identificar 11 medios adecuados para el estudio (El País, Maldita, Civio, El Confidencial, RTVE, Newtral, Storydata, El Mundo, elDiario.es, La Sexta y Datadista), al contar todos ellos con varios especialistas en la plantilla y tener relevancia en redes sociales. A continuación, se escogió a un periodista que trabajase en el medio: siempre que fue posible, al responsable de la sección de datos de cada medio. Finalmente, se pudo realizar diez entrevistas por la falta de respuesta de un medio (El Mundo).

Para conservar el anonimato de los entrevistados, no se recogen sus nombres en esta investigación, pero su perfil profesional es el siguiente: seis son hombres y cuatro, mujeres; nueve tienen formación en periodismo y uno en ingeniería informática; tres de ellos son cofundadores del medio al que pertenecen, cuatro están a cargo de la sección de datos y los tres restantes forman parte del equipo especializado en datos. Para contactar con los profesionales, se recurrió al correo personal o corporativo, si era público, y en caso contrario a redes sociales como Twitter o LinkedIn.

Las 16 preguntas se dividieron en dos bloques. En el primero (3) se buscó conocer las opiniones sobre los lenguajes de programación en general y en las situaciones en las que recurren a ellos (PI1). El segundo bloque (7) se centró en descubrir qué lenguajes de programación utilizan para cada parte del proceso periodístico y las librerías que utilizan (PI1), así como las herramientas elegidas como alternativa a estos lenguajes (PI2). Para finalizar, se realizaron seis preguntas de tipo Escala de Likert en las que los entrevistados otorgaron una nota (de 0 a 10) a cada una de las afirmaciones propuestas.

Las entrevistas tuvieron una duración media de 35 minutos. La mayoría se realizaron a través de la plataforma de videollamada Google Meet para poder compartir pantalla para la explicación de las respuestas. En caso de no poder realizarla mediante esta plataforma, se llevaron a cabo vía telefónica con la misma duración media. Para comprobar la idoneidad de las preguntas y la duración de las entrevistas, se realizó un pretest con uno de los seleccionados (Datadista). Se comprobó la necesidad de aclarar que las preguntas buscan conocer los pensamientos de los profesionales y la forma en la que trabajan. De estas respuestas se extrajo la información concreta para realizar la muestra cuantitativa y las explicaciones de estas se utilizaron para añadir conocimiento profesional en el apartado de «Discusión y conclusión».

En la selección de los medios para la segunda entrevista, se contactó —a través del correo electrónico corporativo o, en su defecto, mediante redes sociales personales— a los mismos profesionales de los medios que participaron en la primera fase. En los casos en que no se obtuvo respuesta o no pudieron participar, se sustituyeron por otros medios que también tienen equipos consolidados de periodismo de datos, siguiendo los mismos criterios y metodología empleados en la primera entrevista. De esta forma, se consiguió realizar ocho entrevistas a periodistas de El País, Maldita, El Confidencial, RTVE, Storydata, Relevo, El Orden Mundial y elDiario.es. Este enfoque permitió mantener la continuidad y comparabilidad de los datos, asegurando la participación de medios con una base sólida en esta especialidad.

Las entrevistas se desarrollaron con el mismo sistema que en la ocasión anterior y con parecida duración media. Las preguntas de estas entrevistas se dividieron en tres bloques, más un último bloque con preguntas del tipo escala de Likert. Los dos primeros bloques han contenido las mismas preguntas que las realizadas en 2021. Se añadió un tercer bloque centrado en el uso de la IA (PI3) en el periodismo de datos. Un único entrevistado tuvo que contestar por escrito, de manera asíncrona, al no disponer de tiempo para atender la entrevista vía telefónica.

Los resultados muestran que el uso de la programación se va asentando en el día a día de las redacciones españolas y que este aumento lleva a la estandarización de su uso y prácticamente se limite a los lenguajes de programación R, Python y JS. El código, como sucede también más allá de Occidente, se afianza en España como un catalizador de la innovación en el periodismo de datos (Dodds et al., 2024, p.10). La investigación también refleja que el uso de la programación potencia la creación de todo tipo de proyectos periodísticos, especialmente los que cuentan con un gran volumen de datos y permiten mostrar estos datos de diversas formas innovadoras y únicas que diferencian a los medios de comunicación. Y esto no ha hecho más que crecer con la implantación de la IA (Túñez-López et al., 2021, p. 184).

Por otra parte, las entrevistas con responsables de cinco empresas tecnológicas que colaboran con medios de comunicación han permitido entender aspectos importantes sobre el proceso de implantación de la IA periodística en España: en particular, sobre los motivos (laborales, profesionales, tecnológicos o incluso psicológicos) por los que hasta ahora no se han aprovechado por completo las posibilidades que brindan a los periodistas estas herramientas.

Todos los medios encuestados utilizan programación para elaborar sus piezas. Esto se puede traducir en una mejor preparación a la hora de cubrir sucesos especiales como fue la pandemia, en la que muchos profesionales invirtieron tiempo para poder aprender programación y trabajar con bases de datos muy pesadas o extraer grandes cantidades de información de las páginas web mediante el web scraping (raspado). Las herramientas digitales se siguen utilizando para los temas de los que no disponen de mucho tiempo o poco volumen de datos, por lo que trabajar de forma híbrida con programación y herramientas permite a los medios publicar informaciones más profundas y otras más ligeras optimizando el tiempo.

Entre los lenguajes de programación más utilizados (PI1), R se ha convertido en el más utilizado gracias a su potente comunidad que permite resolver dudas y errores rápidamente. JavaScript, gracias a su potente librería de visualización D3, es el lenguaje más utilizado para la visualización al permitir crear gráficos únicos, mientras Python, al que se le valora la versatilidad, se le da un menor uso. En la mayoría de los casos, la selección de librerías en distintos lenguajes de programación está determinada por la necesidad de ejecutar tareas específicas, lo que lleva a los periodistas a buscar y utilizar aquellas librerías que mejor se adapten a esos requisitos. Sin embargo, existen librerías que dan la posibilidad de realizar tareas complejas en la ciencia de datos que las convierten en esenciales para los periodistas. Este es el caso de Tidyverse en R o Pandas en Python presentes en todas las redacciones.

En la actualidad los periodistas utilizan menos las herramientas alternativas. Sin embargo, siguen siendo muy recurridas las hojas de cálculo de Excel o Google SpreadSheets para analizar, sobre todo, bases de datos pequeñas. La elección de una herramienta u otra se basa en si en el medio se trabaja de forma colaborativa (Google Sheets) o si el trabajo es personal (Excel) por lo que la forma de trabajar de cada departamento influye en la elección. En cuanto a la visualización, Datawrapper es la herramienta más utilizada y cuenta con una fluida integración con R y Python, que permite utilizarla simultáneamente con programación. Flourish, sin embargo, se utiliza gracias a su gran cantidad de gráficas diferentes. La prevalencia de estas dos herramientas en los medios de comunicación ha llevado a que muchas de las visualizaciones publicadas por estos medios presenten características similares (PI2). En contraste, el uso de JavaScript para la creación de gráficos permite desarrollar visualizaciones con una identidad única, dado que requiere programación personalizada para cada gráfica, evitando así la homogeneidad observada con herramientas preconfiguradas.

La investigación evidencia que la programación está ganando terreno en las redacciones españolas, permitiendo la creación de proyectos periodísticos innovadores y profundos, como se ha estudiado especialmente en países escandinavos (Dodds et al., 2024, p.10). A medida que se estandarizan lenguajes como R, Python y JavaScript, la calidad de las piezas obtiene una identidad singular. Para potenciar aún más su uso, es esencial fomentar la formación continua en programación entre los periodistas y promover la creación de plantillas estandarizadas que agilicen el uso de la programación en tareas sencillas en la que utilizan herramientas de terceros por falta de tiempo.

La investigación sobre el uso de la inteligencia artificial (IA) en el periodismo de datos en España refleja un panorama de adopción cautelosa. A pesar de que la IA, especialmente herramientas como ChatGPT, ha demostrado su utilidad en la generación y resolución de dudas o errores de código, la confianza de los periodistas en estas tecnologías es limitada (Pavlik, 2023, p. 92). Los datos muestran que la programación es el área donde los periodistas de datos ven más beneficios de la IA, seguida de la automatización de procesos y la asistencia en la limpieza de datos (PI3). Sin embargo, persisten serias reservas sobre la delegación completa de ciertas tareas a la IA.

La adopción de la IA en el periodismo de datos tiene un gran potencial para revolucionar la eficiencia y la precisión en el manejo de grandes volúmenes de información. Sin embargo, para que esta adopción sea más amplia y efectiva, es crucial abordar las limitaciones actuales (Becket y Yaseen, 2023, p. 35). La IA debe avanzar en su capacidad para proporcionar resultados más precisos y confiables, y se deben desarrollar políticas claras sobre su uso ético en el periodismo. Futuras mejoras podrían enfocarse en la capacitación de los periodistas en el uso de estas tecnologías y en la creación de sistemas de IA más transparentes y con mejores mecanismos de verificación de la información. Esto permitirá no solo una mayor confianza en la IA, sino también una integración más efectiva en las prácticas periodísticas diarias.

Son evidentes las limitaciones de esta investigación. Cuenta con una muestra valiosa, aunque pequeña (diez medios entrevistados la primera ronda y ocho la segunda), y se circunscribe a una especialidad muy concreta, como es el periodismo de datos, en un solo país: España. Se excluyen otras secciones de los medios de comunicación que también emplean las técnicas analizadas para la elaboración de sus piezas periodísticas, así como otros países, que permitirían un análisis más profundo del uso de la programación, herramientas e IA en el periodismo. Se abre vía la vía para futuras investigaciones que comparen la metodología de trabajo en diferentes naciones de la Unión Europea o entre territorios hispanohablantes. Queda pendiente, además, el uso de las propias tecnologías estudiadas, principalmente Phyton y R, para investigar sobre el big data en periodismo (Arcila-Calderón et al., 2016, p. 623).

No obstante, la investigación aporta valor especialmente desde el punto de vista descriptivo, centrándonos en un aspecto clave para la innovación en el periodismo como es el uso de lenguajes de programación y herramientas digitales para mejorar el producto informativo y la eficiencia en las tareas profesionales. En este estudio, que abarca 18 entrevistas a periodistas de medios relevantes en dos tandas espaciadas por tres años, se ha explorado cómo la adopción de tecnologías avanzadas, particularmente en el campo del periodismo de datos, refleja el futuro de la profesión. Esta investigación, centrada en una especialidad puntera, subraya la creciente interconexión entre tecnología y periodismo. A través de esta aportación, proporcionamos una visión crucial sobre cómo la innovación tecnológica está transformando las prácticas periodísticas.