El uso de la estadística en la comunicación: metodología de investigación y tendencias con inteligencia artificial

José Luis Vázquez Luna

La estadística ha sido históricamente una herramienta fundamental en las ciencias sociales, y su aplicación en el campo de la comunicación no es la excepción. En un entorno mediático cada vez más saturado de datos, la capacidad de interpretar, analizar y comunicar información cuantitativa se ha vuelto esencial. A esto se suma la irrupción de la inteligencia artificial (IA), que ha transformado los métodos de investigación y producción de contenidos en el ámbito comunicacional. La estadística en comunicación cumple múltiples funciones: desde la medición de audiencias hasta el análisis de contenido, pasando por estudios de opinión pública, análisis de redes sociales y evaluación de campañas mediáticas. Su uso permite transformar fenómenos cualitativos en datos cuantificables, facilitando la toma de decisiones y la generación de conocimiento científico (Hernando Samit, 2020).

Los medios de comunicación utilizan frecuentemente representaciones gráficas como diagramas de barras, gráficos circulares o mapas para transmitir información de manera visual y accesible. Sin embargo, también se ha documentado el uso incorrecto o manipulado de estas representaciones, lo que puede distorsionar la percepción pública de los hechos. Este fenómeno, conocido como "anumerismo", refleja la necesidad de una cultura estadística crítica tanto en los emisores como en los receptores de la información (Hernando Samit, 2020). La estadística no solo aporta rigor a la investigación comunicacional, sino que también actúa como un filtro contra la desinformación. En un contexto donde las noticias falsas proliferan, la capacidad de interpretar datos correctamente se convierte en una competencia ciudadana esencial.

La investigación en comunicación ha evolucionado desde enfoques positivistas hacia paradigmas más interpretativos y críticos. No obstante, la estadística sigue siendo un componente clave, especialmente en estudios cuantitativos. Las metodologías mixtas, que combinan técnicas cualitativas y cuantitativas, son cada vez más comunes en el análisis de fenómenos comunicacionales complejos. Maldonado et al. (2013) destacan la importancia de una perspectiva transmetodológica, que permita articular diversas técnicas y enfoques según las características del objeto de estudio. Esta visión reconoce que los fenómenos comunicacionales no pueden ser reducidos a una sola dimensión, y que la estadística debe integrarse de manera crítica y contextualizada.

Entre las técnicas estadísticas más utilizadas en comunicación se encuentran el análisis de contenido cuantitativo, que permite codificar y contar elementos en mensajes mediáticos; las encuestas y análisis de variables, útiles para estudiar audiencias, hábitos de consumo y percepciones; y los modelos de regresión y análisis multivariado, aplicados en estudios de efectos mediáticos y segmentación de públicos (Igartua, 2006). La elección de la técnica depende de la pregunta de investigación, el diseño metodológico y la naturaleza de los datos disponibles.

La irrupción de la inteligencia artificial ha transformado radicalmente la forma en que se produce, analiza y consume la información. En el ámbito de la investigación en comunicación, la IA ha potenciado el análisis estadístico mediante herramientas de aprendizaje automático (machine learning), procesamiento de lenguaje natural (NLP) y minería de datos. Un estudio bibliométrico reciente de Pérez y Perdomo (2024) analizó 994 publicaciones científicas sobre IA en comunicación entre 2013 y 2023, revelando un crecimiento exponencial en la producción académica sobre el tema. Las principales líneas de investigación incluyen el periodismo automatizado, la generación de contenido por IA, la detección de noticias falsas y el análisis de grandes volúmenes de datos (big data).

La IA permite automatizar procesos de análisis estadístico que antes requerían mucho tiempo y recursos. Por ejemplo, el análisis de sentimiento en redes sociales mediante NLP permite clasificar millones de mensajes según su carga emocional; la segmentación de audiencias mediante algoritmos de clustering permite identificar patrones de comportamiento en grandes bases de datos; y la predicción de tendencias mediáticas mediante modelos de series temporales y redes neuronales puede anticipar cambios en el consumo de medios (Pérez & Perdomo, 2024). Estas aplicaciones no solo optimizan la investigación, sino que también plantean desafíos éticos y metodológicos, como la transparencia algorítmica, el sesgo en los datos y la necesidad de nuevas competencias digitales entre los investigadores.

La convergencia entre estadística, IA y comunicación exige una renovación de los marcos metodológicos tradicionales. La investigación en comunicación debe adaptarse a un entorno digital, dinámico y multidimensional, donde los datos son abundantes pero también complejos. En este sentido, la propuesta transmetodológica de Maldonado et al. (2013) resulta especialmente pertinente. Esta perspectiva promueve una articulación flexible entre métodos, que permita abordar los objetos de estudio desde múltiples dimensiones: cuantitativa, cualitativa, tecnológica y ética. Además, la formación de investigadores en comunicación debe incluir competencias en estadística avanzada, programación, visualización de datos y pensamiento crítico. Solo así será posible aprovechar el potencial de la IA sin perder de vista los principios fundamentales de la investigación científica.

La estadística sigue siendo una herramienta indispensable en la investigación en comunicación, tanto para describir fenómenos como para explicar relaciones causales y predecir comportamientos. Su integración metodológica, especialmente en combinación con técnicas cualitativas, permite una comprensión más rica y profunda de los procesos comunicacionales. La inteligencia artificial ha ampliado las posibilidades del análisis estadístico, pero también ha introducido nuevos desafíos que requieren una reflexión crítica y ética. En este contexto, la metodología de investigación debe evolucionar hacia enfoques más integradores, flexibles y transdisciplinarios. El futuro de la investigación en comunicación dependerá de la capacidad de los investigadores para combinar el rigor estadístico con la creatividad metodológica, y para utilizar la IA como una aliada en la construcción de conocimiento socialmente relevante.

Referencias

Hernando Samit, I. (2020). Estadística y medios de comunicación [Trabajo Fin de Máster, Universidad de Alcalá]. Repositorio Institucional UAH. https://ebuah.uah.es/dspace/bitstream/handle/10017/50687/TFM_Hernando_Samit_2020.pdf?sequence=1

Igartua, J. J. (2006). Métodos cuantitativos de investigación en comunicación: técnicas y procesos. Bosch. https://www.researchgate.net/publication/361053702_Metodos_cuantitativos_de_investigacion_en_comunicacion

Maldonado, A., Galindo, J., & Piñuel, J. L. (2013). Metodologías de investigación en comunicación: perspectivas transmetodológicas. McGraw-Hill. https://biblio.flacsoandes.edu.ec/libros/digital/55390.pdf

Pérez Pérez, C., y Perdomo, B. (2024). Inteligencia artificial en comunicación: una revisión bibliométrica en Web of Science. Investigación Bibliotecológica: archivonomía, bibliotecología e información 38 (99): 165-185. http://dx.doi.org/10.22201/iibi.24488321xe.2024.99.58882.