Lo que he encontrado ahora, MediaCloud.org, se parece mucho más a mi idea original (que aún quiero llevar a cabo): llevan un año rastreando feeds de medios online de habla inglesa, sobre todo americanos, y almacenando esos datos para mostrarlos luego en tres tipos de visualizaciones diferentes:

• Top 10 de términos más mencionados en ese medio
• Top 10 de términos más mencionados en las noticias que contengan un término de búsqueda
• Un mapa mundial que recoge la cobertura sobre ese país según el medio.

De momento éstas son las opciones de visualización que hay, aunque es previsible que en breve incorporen más posibilidades, y aumenten el límite de 3 medios para visualizar simultáneamente. Una de las pegas es que no hay mucha información acerca de la base de datos sobre la cual crean las visualizaciones: cuál es el rango de tiempo, si  se calcula sobre todo lo publicado en ese medio, o sobre ciertas secciones concretas, los límites sobre los que juzgan la cobertura de un país por un medio, son relativos (de X número de noticias, Y fueron sobre éste país y Z sobre este otro), o absolutos.

Luego vi que se podría hacer mucho más con eso: cantidad y frecuencia de publicación, nubes de tags al estilo wordle por día o por rango, una búsqueda de palabras al estilo google trends… Parece mentira, pero de un simple feed se pueden extraer un montón de posibilidades de visualización.

De hecho, hace poco he descubierto Kill The Cliché, que parte de una idea parecida: también analiza feeds de periódicos online, en este caso americanos, pero lo que hace es buscar en el texto de la noticia ciertos clichés, palabras o frases que se suelen repetir hasta la saciedad, y cruzarlos con los autores de las noticias. Con estos datos configuran un ranking de clichés más repetidos y de los periodistas que más los usan. Además permite a los visitantes de Kill The Cliché configurar la búsqueda de clichés: se pueden sugerir nuevas palabras y frases típicas y votar las que ya se están monitorizando.

Su lema es: More data = better media y resulta un experimento interesante para comprobar lo que da de sí un feed de texto con un poco de imaginación. Seguramente veamos más servicios de este tipo a medida que los medios online comiencen a publicar más APIs y la interacción y el procesado de los datos que generan sea más sencillo.

Lo que he hecho con Yahoo! Pipes es una prueba de concepto de esta idea, una especie de prototipo que agrupa los feeds de Adn.es, Publico, El Pais, El Mundo y Soitu.es y extrae el autor de cada noticia. El resultado es un feed que nos muestra las noticias con un título siguiento este formato: [Medio] Autor, lo que nos permite de un vistazo ver los autores de las últimas noticias publicadas en los principales medios online españoles y ver, por ejemplo, cuál es la prevalencia de las agencias en cada uno, o de las noticias de redacción, las que por un motivo u otro el autor ha declinado firmar. La utilidad de los datos es limitada, claro, ya que el feed recoje sólo los últimos 5 items de cada medio, de hecho, lo de prototipo le viene un poco grande.

Lo que yo pretendo hacer va un poco más allá tanto en visualizaciones como en datos a presentar, con posibilidades de comparativas entre medios y entre el mismo medio, en dos rangos de tiempo diferentes. Para ello necesito, además de capturar los feeds, programar el script que diseccionará los feeds y que grabará el contenido en una base de datos. La parte más divertida será, mientras se van guardando los datos, ir creando las visualizaciones. De hecho, es la excusa perfecta que estoy esperando para comprarme un libro de Processing.