Investigación con fuentes abiertas e inteligencia artificial para periodismo

Paulette Desormeaux Parra

Periodista de la UC y magíster en Medios y Globalización por las universidades de Aarhus (Dinamarca) y Hamburgo (Alemania). Académica de la Facultad de Comunicaciones UC (categoría asistente), vicepresidenta de la fundación América Transparente y consultora de la División de Innovación en Servicios al Ciudadano del Banco Interamericano de Desarrollo, donde capacita a periodistas de toda América en el uso de datos abiertos y herramientas digitales para rastrear fondos públicos.

Vicente Agüero 

Estudiante de 6to año de Ing. Civil Matemática y Computacional, Pontificia Universidad Católica de Chile. Con experiencia en ciencia de datos, geoinformática, y análisis en seguridad y relaciones internacionales. Fundador de Dark Tensor Consulting (Software e IA) y CTO en Geostrategos, analítica de riesgo político e inteligencia. Ha realizado pasantías en innovación y ciencia de datos en Chile, Colombia, México, Estados Unidos, España y Alemania, y colaborado con organizaciones públicas y privadas (German Red Cross, Unicef, Fuerzas Armadas, etc.). Ayudante de cátedra en 9 cursos sobre ciencia de datos. Actualmente, trabajando como investigador en Uniandes, Colombia. 

El curso tiene como propósito entregar a periodistas y comunicadores herramientas digitales avanzadas para investigar con fuentes abiertas, acceder a información pública y aplicar inteligencia artificial generativa en sus procesos periodísticos. A través de una formación integral, los estudiantes aprenderán técnicas de OSINT (Open Source Intelligence), web scraping, automatización con bots, uso de APIs, análisis y visualización de datos, fortaleciendo así su capacidad investigativa frente al entorno digital actual.

El curso resulta pertinente en un contexto donde la desinformación y la abundancia de datos exigen nuevas competencias profesionales. Su aplicación directa en el trabajo periodístico permitirá a los participantes potenciar la rigurosidad, profundidad y eficiencia de sus investigaciones, especialmente en reportajes de interés público, fiscalización de fondos estatales y cobertura de temas complejos con evidencia digital.

El curso se impartirá en modalidad online, con clases en vivo que combinan teoría y práctica. La metodología contempla laboratorios interactivos con desafíos tipo Capture The Flag (CTF), que simulan situaciones reales para aplicar lo aprendido. Además, se utilizará la plataforma LMS Moodle de Educación Continua como plataforma para los estudiantes. Estas sesiones prácticas incluyen el uso de IA generativa (como ChatGPT), scraping automatizado, análisis masivo de documentos y visualización de datos, todo en un entorno accesible para profesionales sin formación técnica previa.

• Título profesional universitario de áreas disciplinarias afines a la Comunicación.
• Recomendable manejo básico de herramientas de oficina (nivel usuario de Microsoft Office o Google Workspace).

Objetivos de Aprendizaje General

Aplicar herramientas de acceso a información pública, técnicas OSINT y uso de IA en el trabajo periodístico.

Objetivos de Aprendizaje Específico

• Identificar fuentes de información pública y fundamentos de transparencia activa y pasiva en el ejercicio periodístico.
• Aplicar técnicas OSINT, web scraping y automatización con bots para la búsqueda y verificación de información en entornos digitales.
• Integrar herramientas de inteligencia artificial generativa en procesos periodísticos de análisis y visualización de datos.

• Sesiones sincrónicas, teórico-prácticas
• Laboratorio con desafíos aplicados

Unidad 1: Transparencia y acceso a la información pública

1.1 Transparencia activa y pasiva

1.2 Fuentes abiertas del Estado

1.3 Ley de Probidad y Ley de Lobby

1.4 Bases de datos públicas: CMF, CBR, Poder Judicial, Mercado Público

1.5 Registro de Transferencias y fondos públicos

1.6 Datos geoespaciales y herramientas asociadas

Unidad 2: Inteligencia artificial generativa aplicada al periodismo

2.1 Fundamentos de IA generativa: ¿Qué es la IA generativa y cómo usarla en periodismo?

           2.2 Ingeniería de prompts para periodistas: cómo diseñar prompts efectivos

           2.3 Procesamiento de lenguaje natural (NLP) aplicado al periodismo

           2.4 Asistentes virtuales de apoyo periodístico

           2.5 Desafío CTF: interacción estratégica con modelos de IA

Unidad 3: Extracción y visualización de datos

3.1 Cómo funcionan los sitios web e interpretación de HTML

           3.2 Herramientas de Web Scraping y ciberseguridad

           3.3 Uso avanzado de Google Sheets para el periodismo e integración con IA

3.4 Visualización y análisis de datos

3.5 Desafíos CTF: scraping automatizado de noticias y análisis de texto con IA en Google Sheets

Unidad 4: Investigación con OSINT y automatización de procesos

4.1 Qué es OSINT y cómo usarlo

           4.2 Herramientas básicas de línea de comando (Bash, Git)

           4.3 Qué es un bot y cómo automatizar tareas

           4.4 Creación de bots sin programar y automatización de flujos

           4.5 Desafíos CTF: rastreo de huella digital y creación de un bot para respaldar información

Unidad 5: Scraping avanzado y análisis de documentos PDF

5.1 Uso de APIs para extracción masiva de datos

5.2 Encadenamiento de procesos de scraping

5.3 OCR y lectura masiva de documentos PDF

5.4 Expresiones regulares y extracción de texto

5.5 Desafíos CTF: encontrar datos específicos en cientos de PDFs y scraping con APIs en pipeline

Unidad 6: Ciencia de datos para el periodismo

6.1 Introducción al aprendizaje automático

6.2 Cómo identificar datos de calidad

6.3 Clasificación automática de datos con algoritmos

6.4 Desafíos CTF: predicción de sucesos periodísticos con algoritmos

• Laboratorios en clases (80%)
• Autoevaluación (20%)

Cada sesión de clases (10 en total) contará con un laboratorio práctico individual en el segundo módulo, para aplicar lo aprendido en el primer módulo de clases. El/la estudiante tiene que asistir y aprobar al menos 8 de estos laboratorios para la aprobación del curso.

• Nota superior a 4.0 en trabajos prácticos de laboratorios en clases (deberán entregarse al menos ocho).
• 75% asistencia.

El alumno que no cumpla con estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.

Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital otorgado por la Pontificia Universidad Católica de Chile. Además, se entregará una insignia digital.

Las personas interesadas deberán completar la ficha de postulación que se encuentra al costado derecho de esta página web y enviar los siguientes documentos al momento de la postulación o de manera posterior a la coordinación a cargo:  

• Fotocopia simple del carnet de identidad por ambos lados.

Con el objetivo de brindar las condiciones y asistencia adecuadas, invitamos a personas con discapacidad física, motriz, sensorial (visual o auditiva) u otra, a dar aviso de esto durante el proceso de postulación.

El postular no asegura el cupo, una vez inscrito o aceptado en el programa se debe pagar el valor completo de la actividad para estar matriculado.

No se tramitarán postulaciones incompletas.

Puedes revisar aquí más información importante sobre el proceso de admisión y matrícula.