The Course of News Events: A Comparison of Bottom-Up and Top-Down Approaches for Collecting Text-Based Data about Disasters

Resumen Técnico: El Curso de los Eventos de Noticias

Planteamiento del Problema
En los estudios socioambientales, los artículos de noticias sirven como una fuente crítica para comprender los impactos y la adaptación ante desastres. Sin embargo, un desafío metodológico fundamental reside en la selección de una muestra de datos representativa. Los investigadores suelen recurrir a uno de dos enfoques: un método top-down (de arriba hacia abajo), que consulta bases de datos de noticias utilizando inventarios de desastres existentes (p. ej., EM-DAT) como verdad de terreno, o un método bottom-up (de abajo hacia arriba), que utiliza el Procesamiento de Lenguaje Natural (NLP) para agrupar textos de noticias basados en características temporales y espaciales. Ambos enfoques poseen limitaciones inherentes: los métodos top-down pasan por alto eventos no registrados en los inventarios, mientras que los métodos bottom-up pueden capturar eventos considerados carentes de valor informativo por medios específicos o generar falsos positivos. Este artículo investiga cómo estas decisiones de diseño influyen en la muestra de noticias resultante, particularmente en lo que respecta a la cobertura de eventos, lo cual afecta los estudios sobre desigualdad mediática, monitoreo de desastres y enriquecimiento de inventarios.

Metodología
El estudio utiliza un conjunto de datos de aproximadamente 55,000 artículos de noticias alemanas relativas a deslizamientos de tierra en todo el mundo, recolectados entre 2000 y 2024. El análisis compara dos estrategias de emparejamiento de eventos:

1. Enfoque Bottom-Up: Basado en el trabajo previo de Madureira et al. (2026), este método identifica 4,567 eventos de noticias en 152 países. Un "evento de noticias" se define como una secuencia de artículos que refieren a deslizamientos de tierra en el mismo país, comenzando en el primer día de cobertura y terminando tras $\theta = 5$ días consecutivos sin cobertura.
2. Enfoque Top-Down: Este método extrae 2,014 eventos de deslizamientos de tierra del inventario EM-DAT (que cubre 138 países). Consulta la base de datos de noticias para artículos dentro de una ventana de tiempo específica relativa a la fecha de inicio de EM-DAT.

Procedimiento de Emparejamiento de Eventos
Para compararlos, los autores emplean una estrategia de alineación temporal (ilustrada en la Figura 2) utilizando los parámetros $\Delta_b$ (días antes) y $\Delta_a$ (días después):

• Alineación Bottom-Up: Una entrada de EM-DAT se considera alineada si su fecha de inicio cae dentro de $[\Delta_b, \Delta_a]$ del inicio del evento de noticias. Para este enfoque, $\Delta_b = 5$ y $\Delta_a = 1$, reconociendo que las noticias pueden reportar un evento ligeramente antes de la fecha de inicio oficial, pero rara vez después del primer reporte.
• Consulta Top-Down: Para cada entrada de EM-DAT, el sistema consulta la base de datos de noticias para los artículos en la ventana $[\Delta_b, \Delta_a]$. Aquí, $\Delta_b = 1$ y $\Delta_a = 5$, permitiendo un retraso en la cobertura de noticias internacionales y contabilizando posibles errores en las fechas de inicio.

Resultados Clave
La comparación revela superposiciones no biyectivas significativas entre los dos conjuntos de datos:

• Discrepancias de Cobertura: El enfoque bottom-up identificó más del doble de eventos (4,567) que el inventario EM-DAT (2,014). Sin embargo, solo el 16.1% (737) de los eventos de noticias bottom-up se alinearon temporalmente con una entrada de EM-DAT. Por el contrario, las consultas top-down recuperaron con éxito noticias para el 42.2% (851) de las entradas de EM-DAT.
• Exclusividad Mutua:
  • El 57.7% de los eventos de EM-DAT no tuvieron cobertura de noticias relevante en la base de datos alemana (consultas vacías).
  • El 82.9% de los eventos de noticias bottom-up no se alinearon con ninguna entrada de EM-DAT.
• Sesgo Espacial y Económico: Las muestras resultantes difieren significativamente en su distribución. El enfoque bottom-up asignó el 54.3% de los eventos al Sur Global, mientras que las consultas top-down asignaron el 81.4% al Sur Global. Por el contrario, el 47.7% de los eventos bottom-up se refirieron a países de ingresos altos, en comparación con el 20.6% de las consultas top-down.
• Validez de Contenido: La verificación manual de más de 150 eventos bottom-up reveló que muchos no representan desastres específicos y en curso. Las categorías incluyeron "concretos pero pasados" (recuerdos, decisiones judiciales), "indefinidos" (advertencias generales, estudios), "vagos" (ficticios/retóricos) y "falsos positivos" (geolocalización errónea o lenguaje figurado mal clasificado).

Significancia y Contribuciones
El artículo no pretende que un enfoque sea superior; más bien, argumenta que son complementarios y que la elección del método moldea fundamentalmente los resultados de la investigación.

• Perspectiva Metodológica: El estudio demuestra que confiar únicamente en consultas top-down pierde la mayoría de los eventos de noticias (aquellos no incluidos en los inventarios), mientras que confiar únicamente en la agrupación bottom-up introduce un ruido significativo y captura discusiones temáticas generales en lugar de ocurrencias de desastres específicos.
• Cuantificación de Sesgos: Los resultados resaltan que la cobertura mediática y la inclusión en los inventarios no son aleatorias. EM-DAT se centra en eventos severos, mientras que la atención mediática está influenciada por la densidad de población, la relevancia económica y el interés público.
• Mejores Prácticas: Los autores concluyen que la extracción automatizada no puede eliminar los falsos positivos. Por lo tanto, los análisis diagnósticos son imperativos para exponer las deficiencias en los paradigmas de Big Data. Los investigadores deben tomar decisiones informadas sobre qué muestra utilizar según sus objetivos específicos: los enfoques bottom-up son adecuados para estudiar patrones de atención mediática, mientras que los enfoques top-down son mejores para enriquecer las bases de datos de desastres existentes con datos de impacto, siempre que se reconozcan los sesgos inherentes al inventario.