Por periodismo entendemos el oficio que narra hechos reales que ocurrieron y cuyas características son de interés público. Es, pues, el relato veraz y ecuánime de hechos que son noticia por su actualidad, entre otros factores que importan para los criterios editoriales de los medios. Pero contar lo que puede pasar, o más exactamente, lo que va a pasar porque proyecciones estadísticas así lo advierten, también es hacer periodismo. Algunos autores lo llaman “periodismo predictivo”.
Nicholas Diakopoulos, profesor en la Escuela de Comunicación de la Universidad Northwestern y autor del artículo Periodismo predictivo: sobre el papel de la prospección computacional en los medios informativos, define a este tipo de periodismo como un género del periodismo de datos que incorpora “información predictiva, como pronósticos, predicciones inmediatas, retrospectivas u otras estimaciones en los procesos de producción de noticias mediante el uso o la confianza en técnicas de modelado computacional como el aprendizaje automático y la simulación”.
Diakopoulos cita en su artículo dos buenos ejemplos de periodismo predictivo hecho con tecnología desarrollada en computadoras: la visualización temprana de casos de COVID-19 y recuentos de muertes de The New York Times y la proyección de las tasas de vacunación en los Estados Unidos de la National Public Radio (NPR).
Predecir responsablemente
Uno de los retos que tiene el periodismo predictivo es que, al basarse en pronósticos, carece de hechos que constituyan pruebas directas, aunque siempre deba tener en el presente evidencias claras, constatables, y no meras especulaciones. “Una predicción puede diferenciarse de una especulación en función del grado de rigor de la evidencia que la respalda. Una especulación es más como una conjetura sin una base firme, mientras que una predicción se puede fundamentar y justificar racionalmente”, aclara Diakopoulos.
En un análisis sobre el periodismo predictivo hecho en cuatro medios de comunicación estadounidenses (The Economist, FiveThirtyEight, The New York Times y Washington Post), el autor encontró que el tema dominante era la política (40 %), sobre todo referida a elecciones, seguido de salud y ciencia (39%), relacionado mayormente con la pandemia de COVID-19. En el caso de las predicciones electorales, muchos medios de los EE. UU. sufrieron desprestigio por predecir erróneamente que Hillary Clinton le ganaría a Donald Trump en los comicios de 2016.
Sobre este tipo de riesgos es que el periodismo predictivo debe ser ineludiblemente responsable.
Ante esto, Diakopoulos se pregunta en su artículo: ¿cuál debería ser la ética y las expectativas de las predicciones producidas por los periodistas? ¿Cómo traducir los compromisos éticos del periodismo en principios de precisión, verificación, independencia y transparencia? Su estudio lo llevó a concluir con tres aspectos a tener siempre en cuenta: influencia en las audiencias, interpretación apropiada y edición rigurosa.
Influir, interpretar y editar
“Al identificar y diseñar proyectos de periodismo predictivo, las organizaciones de noticias deberían pensar explícitamente en la dinámica social de las predicciones y cómo podrían ser utilizadas por los lectores y potencialmente influir en las decisiones posteriores a nivel individual o social. ¿Cuáles son los riesgos de que una predicción no dé en el blanco, altos o bajos?”, apunta sobre la influencia en el público.
En cuanto a la interpretación apropiada por parte de los periodistas que hacen predicciones, el autor señala que se trata de saber cómo guiar a los lectores hacia un significado preciso de los números y de la incertidumbre que los rodea en torno a un tema. En síntesis, tener como principal propósito la comprensión de las audiencias sobre lo que se está prediciendo. “Además de la auto-reflexión crítica sobre cómo prevenir malas interpretaciones, las organizaciones de noticias también podrían crear programas de alfabetización estadística para promover estos objetivos en general”. Un buen ejemplo de esto es el video-tutorial ¿Qué está pasando en este gráfico?, producido por The New York Times.
Finalmente, la edición de un proyecto de periodismo predictivo debe tomar en consideración elementos que no son relevantes para otro tipo de periodismo. Por ejemplo, saber cómo analizar y evaluar la predicción para poder probarla o actualizarla en respuesta a los comentarios de las audiencias; ser conscientes de las limitaciones que tiene la mentalidad predictiva y, quizá lo más importante, saber cuándo no publicar una predicción. Por ejemplo, es antiético predecir la muerte de una figura política que envejece o predecir si un presidente invadirá a un país vecino, como ocurrió con Vladimir Putin en Ucrania, porque esto último depende de decisiones humanas individuales y no de datos estadísticos.
Referencias
Diakopoulos, N. (2022). Predictive journalism: On the role of computational prospection in news media. Columbia Journalism Review. 22 de abril. Disponible en: https://www.cjr.org/tow_center_reports/predictive-journalism-on-the-role-of-computational-prospection-in-news-media.php#fn2
