Mapa de los cibermedios de España en 2018: análisis cuantitativo= Map of digital news media at Spain in 2018: quantitative analysis
Bibliographic record
Abstract
A punto de cumplir su primer cuarto de siglo, los medios periodísticos digitales de España continúan con su crecimiento constante. La presente investigación presenta un mapa actualizado, a marzo de 2018, de los cibermedios periodísticos en España. Metodología: En concreto, identifica y analiza una muestra compuesta por 3.431 medios digitales, localizados gracias a una revisión de directorios especializados y al empleo de diversas estrategias de búsqueda avanzada. Se trata de la mayor muestra de publicaciones digitales de España hasta el momento. Resultados: Sobre el conjunto de medios identificado, se estudian aspectos como el estado actual de las publicaciones (activas o inactivas), número y tipo de plataformas donde se publican, tema, alcance, distribución territorial, lenguas de publicación, titularidad y modelo de financiación. Discusión y Conclusiones: El resultado es un mapa actualizado y minucioso, aunque no exhaustivo, de los cibermedios en España, que retrata estas publicaciones como un medio altamente consolidado y en expansión.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.011 | 0.022 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".