Acceso usuarios
Juan Enrique Huerta Wong, Alejandro Miguel Castañeda Valencia, Francisco Javier Manzano Mora
¿Cuál fue el nivel de información disponible a la ciudadanía un día cualquiera de 2020 respecto a la pandemia de COVID-19? Se analiza aquí el contenido en medios de la Ciudad de México y conferencias del gobierno en la pandemia de COVID, con tres técnicas de aprendizaje automático, a dos millones de caracteres de conferencias, y 28,127 notas y columnas de impresos y noticieros. Los principales resultados indican que hubo similitud en noticias y polarización en opinión. Esto es, la superficie narrativa de los medios consideró seguir la información que el Consejo General de Salubridad proporcionó con el objetivo de salvar más vidas. En cambio, la superficie de comentarios en los medios muestra una tendencia a discrepar de la opinión del conjunto de profesionales de la medicina cuya función principal fue salvaguardar vidas. Se discuten implicaciones de la responsabilidad social de los medios, en el contexto de una emergencia sanitaria.
By using a triple machine learning approach, we conduct a content analysis on dos million bites of Mexican government information, and 28, 127 news and opinion columns published in 2020, relating to COVID pandemia. Findings report similarity in news and polarization in opinion columns. This means that news covered accurately Health General Council recommendations, but comments in media tended to distort what this group of professionals in Medicine provided with the objective of protect Mexicans’ lives. Those findings bring media social responsibility and right to information to the further discussions of COVID-19, the most serious health crisis in Mexico history.
