Investigación · Agosto 2026
El Estado sin archivar
Medición de la brecha de preservación de la prensa digital cubana. Catorce sistemas auditados; ninguno conserva versiones de lo que publica el Estado cubano.
Resumen
La objeción obvia a este proyecto es que "el Internet Archive ya hace esto". No lo hace. Medimos su cobertura directamente contra la API CDX en lugar de confiar en la impresión general, y encontramos una brecha específica: no la frecuencia del rastreo, sino el almacenamiento de versiones.
Tres razones por las que rastrear más no cierra la brecha
La latencia le gana a la edición. La primera copia llega, en mediana, un día después de la publicación. Las ediciones silenciosas del mismo día — el caso interesante — ocurren antes de que exista copia con la que comparar.
Una huella distinta no es un artículo distinto. Las páginas llevan módulos laterales y anuncios rotativos: el hash cambia sin que el cuerpo cambie. Cualquier sistema que compare la página entera producirá casi solo falsos positivos. Extraer y comparar únicamente el cuerpo del artículo es el verdadero núcleo de ingeniería del problema.
La eliminación es silencio, y el silencio no se registra. Los archivos web guardan lo que consiguieron descargar; nunca afirman "esta URL ahora responde 404". Nada en la cadena vigila la desaparición de páginas conocidas.
Los candidatos más cercanos
| Sistema | ¿Versiona? | Brecha |
|---|---|---|
| Wayback Machine | Incidental (2–13%) | Cobertura escasa; sin diferencias de cuerpo; no detecta borrados |
| ArchiveTeam NewsGrabber | No — deduplica por URL | Cubría casi los mismos medios; murió en 2017 |
| Media Cloud | No — una fila por URL | Ingesta continua, pero nunca vuelve a comparar |
| NewsDiffs / diffengine | Sí | La herramienta existe; nadie la apuntó a Cuba |
| Colección UM (Archive-It) | No — solo portada | Una captura mensual de la portada; punto ciego de 30 días |
Conclusión. Todo lo anterior al versionado ya lo construyó alguien: los objetivos de rastreo, el patrón de ingesta, el motor de diferencias, el almacenamiento. Nadie los ha ensamblado para la prensa estatal cubana, y el proyecto que más se acercó murió en 2017 y cerró su salida.
Metodología, tablas completas y salvedades: versión extendida en preparación. Los datos citados provienen de consultas propias a la API CDX de Wayback (1 jul – 13 ago 2026), deduplicadas por URL y huella de contenido.