Metodología de City Reputation Reports (CRR)

Este proyecto sigue el "principio de registro espejo": consideramos que el contenido generado por IA es un "espejo" de la información digital global dentro de los modelos algorítmicos. Este estudio no realiza investigación de campo sobre las ciudades en sí, sino que audita la claridad, precisión y preferencias narrativas de ese "espejo".

• Objetividad: Solo registramos la información original producida por la IA, sin agregar preferencias personales de los investigadores.
• Neutralidad: No clasificamos, puntuamos ni juzgamos a las ciudades como mejores o peores.
• Verificabilidad: Cada informe debe incluir el enlace de compartir original e inmutable generado por la plataforma de IA.

La auditoría observa cinco dimensiones centrales de la presencia de una ciudad en el entorno digital:

1. Narrativas gastronómicas: El conocimiento de la IA sobre la cocina local, la reputación culinaria y los sabores representativos.
2. Patrimonio y tradición: Las descripciones de la IA sobre el patrimonio histórico de una ciudad y los programas de preservación cultural inmaterial.
3. Ritmos festivos: Los registros de la IA sobre celebraciones periódicas, eventos y su influencia cultural.
4. Visuales de hitos: La asignación de peso de la IA a la arquitectura física y los paisajes naturales.
5. Arte y creatividad: La caracterización cualitativa de la IA sobre arte moderno, industrias creativas y atmósfera cultural.

1. Etapa de preguntas

Se utiliza un marco estandarizado de indicaciones para garantizar que diferentes ciudades se observen bajo las mismas condiciones pasivas en la misma plataforma.

• Auditoría de una sola plataforma: Realizar conversaciones profundas de múltiples turnos en una plataforma específica (como ChatGPT o Claude).
• Protocolo de indicaciones: Utilizar una "pregunta de extracción neutral". Ejemplo: "Describa la reputación internacional de [nombre de la ciudad] en la dimensión de [dimensión] y enumere los hechos centrales citados."

2. Archivo de evidencias — etapa central

• Generación de enlace: Una vez finalizado el intercambio, crear el enlace oficial de compartir de la plataforma.
• Inmutabilidad: Una vez generado, el contenido del enlace queda bloqueado. El informe trata este enlace como la única fuente de evidencia, asegurando que los lectores puedan rastrearlo y verificarlo.
• Registro original: Si la salida de la IA contiene errores o alucinaciones, el informe registra esa "existencia" tal cual, sin corrección manual.

3. Extracción y clasificación de datos

Los investigadores extraen los siguientes elementos objetivos de la conversación original:

• Palabras clave de alta frecuencia: Términos mencionados repetidamente por la IA al describir la ciudad.
• Fuentes citadas: Referencias nombradas explícitamente por la IA (si las hay).
• Puntos de discontinuidad de información: Activos urbanos importantes conocidos que la IA no logró cubrir (es decir, "narrativas silenciosas").

4. Redacción del informe

La estructura del informe sigue estrictamente estos elementos:

• Identificador de plataforma: Indicar claramente la plataforma de IA y la versión del modelo utilizados en la auditoría.
• Resumen narrativo: Resumir objetivamente cómo la plataforma describe la ciudad.
• Ancla de evidencia: Insertar el enlace inmutable de la conversación original.
• Hallazgos observados: Describir los patrones presentes en la narrativa de la IA (por ejemplo: cuando el 90% de la descripción gastronómica de una ciudad se concentra en un solo plato).

1. Auditoría especializada
   • Definición: Un escaneo de dimensiones urbanas realizado en una sola plataforma de IA.
   • Propósito: Presentar el perfil de la ciudad producido bajo una lógica algorítmica específica, ayudando a comprender la "primera impresión" de ese modelo sobre la ciudad.
   • Forma de publicación: Boletines e informes regulares.
2. Auditoría personalizada / cruzada
   • Definición: Una comparación horizontal de narrativas sobre la misma ciudad en múltiples plataformas (ChatGPT, Claude, Gemini, Perplexity, etc.).
   • Propósito: Identificar consensos y diferencias entre plataformas, y detectar sesgos sistemáticos de información.
   • Escenarios aplicables: Asesoramiento profesional, informes internos gubernamentales o investigación cultural en profundidad.

1. Dinamismo: Los modelos de IA y sus bases de datos continúan evolucionando; cada informe solo captura el estado narrativo en el momento de la auditoría.
2. No exhaustividad: Las descripciones de la IA no representan la realidad completa de una ciudad, solo su proyección dentro de corpus digitales.
3. Carácter no oficial: Este proyecto es un estudio independiente y no representa la posición de las plataformas de IA ni de las autoridades de la ciudad.