Base de datos de noticias asociadas al paper "Noticias y vacunas Covid-19 en Argentina. Un análisis de modelación temática"

Base de datos completa de noticia descargadas de la Plataforma EMIS (ISI Emerging Markets Group Company). La selección se realizó en la Argentina y abarca el periodo del 30 de enero de 2020 (declaración de emergencia de salud pública internacional) al 24 de diciembre de 2021 (primer año del desembarque de vacunas en el país) y considera noticias de diarios en línea. Para identificar las noticias se eligió el idioma español y las palabras clave “vacuna covid 19” y sus derivados “vacunas (s)”, “vacunación”, “vacunado (s)”, “vacunada (s)”, “vacunarse”, “vacunaron” y “vacunar”. Se seleccionaron aquellos periódicos con los que EMIS mantiene convenios, lo que facilita el acceso eficiente a sus contenidos. Esta elección respondió a criterios de factibilidad para el muestreo, considerando la disponibilidad y el procesamiento de la información. La primera búsqueda incluyó 29.279 noticias publicadas en La Nación, Clarín, La Voz del Interior, Crónica y El Cronista. Sin embargo, para este estudio se consideraron únicamente las noticias provenientes de los diarios Clarín y La Nación (n=20.799), ya que ambos cuentan con cobertura informativa continua durante todo el período analizado y son los diarios de mayor consumo semanal en el país (Newman et al., 2023), lo que evita sesgos regionales y noticias de periódicos orientados temáticamente. Análisis LDA El modelo Latent Dirichlet Allocation (LDA) procede de la siguiente manera: primero, se determina la longitud del documento N a partir de una distribución de Poisson. Luego, se seleccionan los parámetros del modelo: K representa el número de temas; α (alpha) es el parámetro del vector de Dirichlet para la distribución de temas en cada documento; y β (beta) es el parámetro del vector de Dirichlet para la distribución de palabras en cada tema. En el proceso de inferencia variacional, γ (gamma) denota la distribución aproximada (variacional) para la distribución de temas en un documento específico.