{"id":407498,"date":"2021-10-27T15:24:13","date_gmt":"2021-10-27T19:24:13","guid":{"rendered":"https:\/\/gijn.org\/?p=407498"},"modified":"2025-07-15T05:00:23","modified_gmt":"2025-07-15T09:00:23","slug":"interpretar-datos-consejos-para-evitar-errores-y-entender-los-numeros","status":"publish","type":"post","link":"https:\/\/gijn.org\/es\/articulos\/interpretar-datos-consejos-para-evitar-errores-y-entender-los-numeros\/","title":{"rendered":"Interpretar datos: consejos para evitar errores y entender los n\u00fameros"},"content":{"rendered":"<p><span style=\"font-weight: 400\">Cuando usas datos para hacer historias investigativas es importante aprender a obtener y limpiar la informaci\u00f3n. Tambi\u00e9n es vital que interpretes correctamente tus hallazgos y extraigas conclusiones acertadas a partir de n\u00fameros, filtros y hojas de c\u00e1lculo. Si haces las matem\u00e1ticas bien, pero no lees correctamente las respuestas, puedes presentar informaci\u00f3n equivocada a tu audiencia.<\/span><\/p>\n<p><span style=\"font-weight: 400\">\u00bfPor qu\u00e9 ocurre esto? A veces los datos con los que trabajamos no responden a las preguntas que hacemos. En otros casos, podemos olvidar ajustarnos a la \u00e9tica period\u00edstica durante las etapas de recolecci\u00f3n y an\u00e1lisis de datos de la investigaci\u00f3n. Debemos tener cuidado de no elegir solo las estad\u00edsticas que se ajustan a nuestro punto de vista, ignorar el contexto o enfocarnos tanto en nuestra pregunta que no escuchamos lo que dicen los datos. Recuerda, en el periodismo de datos, los datos son nuestra fuente y tenemos que respetarlos.<\/span><\/p>\n<h4><b>Errores comunes<\/b><\/h4>\n<p><span style=\"font-weight: 400\">La primera lecci\u00f3n es no sacar conclusiones sobre individuos bas\u00e1ndote en datos que est\u00e1n reunidos por pa\u00eds, u otro tipo de agrupaciones. La realidad para las personas del pa\u00eds o el lugar al que te refieres puede ser muy distinta de las impresiones que arrojan los datos generales.<\/span><\/p>\n<p><span style=\"font-weight: 400\">La cient\u00edfica de datos Heather Krause, fundadora de la compa\u00f1\u00eda canadiense Datassist, y del proyecto para la equidad en la ciencia de datos,<\/span><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/weallcount.com\/\"> <span style=\"font-weight: 400\">We All Count<\/span><\/a><span style=\"font-weight: 400\">, explica este problema, que se conoce como la<\/span><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/idatassist.com\/do-you-really-know-how-to-use-data-correctly\/\"> <span style=\"font-weight: 400\">Falacia Ecol\u00f3gica<\/span><\/a><span style=\"font-weight: 400\">, con un ejemplo sobre cigarrillos. Cuando se examina la expectativa de vida y los cigarrillos que se fuman en varios pa\u00edses, parece haber una correlaci\u00f3n positiva.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Es decir, en pa\u00edses con mayor consumo de cigarrillos, las personas tienen una mayor expectativa de vida. No obstante, ser\u00eda incorrecto concluir que fumar aumenta la expectativa de vida, no solo porque la l\u00f3gica y numerosos estudios cient\u00edficos dicen lo contrario, sino porque en este ejemplo los datos examinados no evaluaron qu\u00e9 les hac\u00edan los cigarrillos a los individuos, y simplemente comparaba dos indicadores nacionales agregados.<\/span><\/p>\n<aside class=\"module align-right half type-pull-quote\">Las historias que se publican como resultado de un an\u00e1lisis profundo de datos le dan forma a c\u00f3mo la gente y los gobiernos toman decisiones<\/aside>\n<p><span style=\"font-weight: 400\">Esta falacia tambi\u00e9n revela otro problema que puede llevar a una mala interpretaci\u00f3n: los datos que est\u00e1n siendo comparados no tienen una relaci\u00f3n causal. Otra forma de decirlo es: la correlaci\u00f3n no implica causalidad. Dado que los datos no se reunieron originalmente con el prop\u00f3sito de averiguar si fumar cigarrillos ten\u00eda un efecto sobre la expectativa de vida, el an\u00e1lisis estad\u00edstico arroja una predicci\u00f3n en lugar de un resultado causal.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Los reporteros que observan estos dos grupos de datos deber\u00edan considerar otras variables, para encontrar una posible explicaci\u00f3n para la correlaci\u00f3n, como el poder de adquisici\u00f3n que les permite a las personas en pa\u00edses ricos comprar cigarrillos, pero tambi\u00e9n acceder a mejores cuidados de salud.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Adem\u00e1s de asegurarnos de que nuestros c\u00e1lculos sean acertados, los periodistas debemos evaluar si las figuras revelan la realidad que tratamos de reportar. \u00abTen mucho cuidado con los promedios: pueden ser enga\u00f1osos si hay intervalos demasiado grandes entre los datos\u00bb, advierte Sandra Crucianelli, directora de la Unidad de Inteligencia de Datos de Infobae, un portal de noticias argentino.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Esto ocurre frecuentemente con los reportajes sobre los salarios u otros temas relacionados con desigualdad. En pa\u00edses con altos \u00edndices de desigualdad, las cifras del salario promedio no son representativas de la realidad, pues estos datos no toman en cuenta la brecha entre los ricos y los pobres.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Miguel Paz, un ex becario de la Fundaci\u00f3n Nieman y fundador de la agencia de suscripci\u00f3n digital Reveniu, recomienda a los reporteros usar la media, el valor que est\u00e1 en la posici\u00f3n central de una lista organizada de datos, porque se acerca m\u00e1s a la realidad de la mayor\u00eda de los individuos. \u00ab\u00a1Debemos dejar de escribir en promedios!\u00bb, urge Paz, que ha desarrollado proyectos de periodismo de datos y realizado talleres sobre c\u00f3mo los periodistas de datos se pueden equivocar, incluso cuando hacen bien los c\u00e1lculos matem\u00e1ticos.<\/span><\/p>\n<aside class=\"module align-right half type-pull-quote\"><span style=\"font-weight: 400\">La pandemia demostr\u00f3 que es importante que los periodistas de todas las \u00e1reas sean letrados en datos, para lidiar adecuadamente con los datos agregados.<\/span><\/aside>\n<p><span style=\"font-weight: 400\">Los porcentajes y las tasas tambi\u00e9n son buenos aliados cuando se describen las condiciones socio-demogr\u00e1ficas. Cada a\u00f1o, tan pronto como la polic\u00eda publica cifras de crimen en mi pa\u00eds, Colombia, veo docenas de reportajes de medios haciendo afirmaciones como \u00abMedell\u00edn es la ciudad m\u00e1s peligrosa\u00bb o \u00abBogot\u00e1 es el peor lugar para tener un tel\u00e9fono m\u00f3vil\u00bb. Pero estos reportajes solo usan los valores absolutos, y por lo tanto no reflejan la situaci\u00f3n real de seguridad. Si los periodistas que trabajan estas historias hicieran algo de an\u00e1lisis, al contextualizar los datos relativos a la poblaci\u00f3n o el uso de tel\u00e9fonos m\u00f3viles, hallar\u00edan que, en Bogot\u00e1, una metr\u00f3polis de 8 millones de personas, o en Medell\u00edn, una ciudad de 2,5 millones, las cifras no son tan malas como sugieren los valores absolutos y, de hecho, la inseguridad requiere de m\u00e1s atenci\u00f3n en otras ciudades con tasas m\u00e1s altas de crimen per c\u00e1pita.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Los titulares tambi\u00e9n demuestran c\u00f3mo la generalizaci\u00f3n puede causar problemas. Para explorar cu\u00e1les son las m\u00e1s peligrosas, se necesita un n\u00famero amplio de indicadores, para trazar una imagen m\u00e1s matizada.<\/span><\/p>\n<h4><b>COVID-19 y la curva de aprendizaje de datos<\/b><\/h4>\n<div id=\"attachment_384860\" style=\"width: 781px\" class=\"wp-caption alignnone\"><a href=\"https:\/\/gijn.org\/wp-content\/uploads\/2021\/09\/shutterstock_1927493216.jpg\"><img loading=\"lazy\" decoding=\"async\" aria-describedby=\"caption-attachment-384860\" class=\"wp-image-384860 size-full\" src=\"https:\/\/gijn.org\/wp-content\/uploads\/2021\/09\/shutterstock_1927493216.jpg\" alt=\"Periodismo de datos\" width=\"771\" height=\"514\" srcset=\"https:\/\/gijn.org\/wp-content\/uploads\/2021\/09\/shutterstock_1927493216.jpg 1000w, https:\/\/gijn.org\/wp-content\/uploads\/2021\/09\/shutterstock_1927493216-336x224.jpg 336w, https:\/\/gijn.org\/wp-content\/uploads\/2021\/09\/shutterstock_1927493216-771x514.jpg 771w, https:\/\/gijn.org\/wp-content\/uploads\/2021\/09\/shutterstock_1927493216-768x512.jpg 768w\" sizes=\"auto, (max-width: 771px) 100vw, 771px\" \/><\/a><p id=\"caption-attachment-384860\" class=\"wp-caption-text\">Los reporteros se han convertido en periodistas de datos de la noche a la ma\u00f1ana para darle sentido al aumento de casos de COVID-19, pero las comparaciones internacionales pueden ser dif\u00edciles. Imagen: Shutterstock<\/p><\/div>\n<p><span style=\"font-weight: 400\">Algo similar ha sucedido con el COVID-19. Se han publicado varios reportajes comparando el n\u00famero de personas infectadas o las muertes en distintos pa\u00edses, pero generalmente estas comparaciones no son acertadas, en especial porque la medida adecuada en este caso es la tasa de infecci\u00f3n -el n\u00famero de personas infectadas en comparaci\u00f3n con la poblaci\u00f3n-, y porque otros factores<\/span><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.bbc.com\/news\/52311014\"> <span style=\"font-weight: 400\">han dificultado las comparaciones internacionales<\/span><\/a><span style=\"font-weight: 400\">.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Por ejemplo, durante los primeros meses del brote, algunos pa\u00edses no incluyeron las muertes que ocurrieron en casas de retiro. Tambi\u00e9n hubo variaciones relacionadas con los pa\u00edses que sumaban un nuevo caso en los registros nacionales del COVID-19 solo cuando el virus era la principal causa de muerte o si hab\u00eda una prueba que confirmara la presencia del virus cuando la persona muri\u00f3. Hay incluso otros criterios de conteo menos exigentes. Es importante considerar la cantidad de tiempo que el virus ha estado presente en cada pa\u00eds, porque ese factor junto con otros, como los sistemas de salud fuertes o d\u00e9biles, hacen la diferencia con respecto a c\u00f3mo cada gobierno responde a la pandemia.<\/span><\/p>\n<aside class=\"module align-right half type-pull-quote\">Se han publicado varios reportes comparando el n\u00famero de personas infectadas o las muertes en distintos pa\u00edses, pero esas comparaciones generalmente no son acertadas.<\/aside>\n<p><span style=\"font-weight: 400\">En relaci\u00f3n con el cubrimiento de la pandemia, hay otro indicador importante a tener en cuenta: la tasa de mortalidad de las infecciones, o la cantidad de muertes por COVID-19, dividida por todos los infectados. El problema con esta figura es que cada pa\u00eds ha establecido su propio r\u00e9gimen de diagn\u00f3stico. Algunos hacen m\u00e1s pruebas que otros y algunos cambian la frecuencia de las pruebas a medida que evoluciona la pandemia, lo que hace imposible las comparaciones. Por supuesto, se cree que en muchos pa\u00edses hay un enorme subregistro en t\u00e9rminos de casos registrados (a causa de ausencia de equipos para realizar pruebas) y muertes (ya que no se registraron todas las muertes o no se ligaron a COVID-19). Esto hizo que las comparaciones con pa\u00edses como el Reino Unido, los Estados Unidos o India fuera muy dif\u00edcil. En el Reino Unido, por ejemplo, al principio de la pandemia solo se le realizaba la prueba a las personas que resultaban admitidas al hospital, por lo que la tasa de mortandad parec\u00eda m\u00e1s alta de lo que realmente era: solo los casos m\u00e1s graves eran registrados.<\/span><\/p>\n<p><span style=\"font-weight: 400\">La pandemia demostr\u00f3 que<\/span><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/journocode.com\/en\/blog\/warum-der-journalismus-mehr-data-literacy-braucht\/\"> <span style=\"font-weight: 400\">es importante que los periodistas de todas las \u00e1reas sean letrados en datos<\/span><\/a><span style=\"font-weight: 400\">, para lidiar adecuadamente con los datos agregados, y deber\u00edamos tener cuidado de cometer errores con variables que no son comparables. Muchos funcionarios p\u00fablicos caen en este error, y como periodistas debemos aprender a identificar estas equivocaciones y evitarlas.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Otro ejemplo, pero esta vez del mundo pre-pand\u00e9mico: Colombiacheck, la primera organizaci\u00f3n de verificaci\u00f3n de datos en Colombia, examin\u00f3 la afirmaci\u00f3n de una congresista que dijo que<\/span><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/colombiacheck.com\/chequeos\/la-tierra-esta-concentrada-en-manos-de-comunidades-negras-y-resguardos-indigenas\"> <span style=\"font-weight: 400\">la tierra rural en el pa\u00eds estaba concentrada en manos de comunidades negras e ind\u00edgenas<\/span><\/a><span style=\"font-weight: 400\">, y gener\u00f3 una enorme controversia, ya que estas comunidades han sido v\u00edctimas frecuentes del despojo de tierras, como resultado del largo conflicto armado en el pa\u00eds. Mientras verificamos su afirmaci\u00f3n, los periodistas aprendieron que, as\u00ed las cifras oficiales arrojaran que estos dos grupos ten\u00edan m\u00e1s tierra <\/span><i><span style=\"font-weight: 400\">en total<\/span><\/i><span style=\"font-weight: 400\"> que los colombianos de otros grupos \u00e9tnicos, era un error insinuar que los t\u00edtulos colectivos de propiedad de estas comunidades les daban a los individuos de esas comunidades mayor poder terrateniente.<\/span><\/p>\n<h4><b>Consejos para blindar tu interpretaci\u00f3n de datos<\/b><\/h4>\n<p><span style=\"font-weight: 400\">Aqu\u00ed hay una lista de puntos a tener en cuenta, para asegurarte de estar interpretando los datos correctamente antes de publicar:<\/span><\/p>\n<ul>\n<li><span style=\"font-weight: 400\"><\/span><span style=\"font-weight: 400\">Preg\u00fantate si los datos est\u00e1n relacionados con tu pregunta de investigaci\u00f3n. \u00bfHay suficiente informaci\u00f3n? \u00bfEstoy mirando esto desde el \u00e1ngulo adecuado? \u00bfEstoy haciendo suficientes preguntas a los datos? \u00bfEstoy analiz\u00e1ndolos para ver todos sus matices? \u00bfSon comparables las variables?\u00a0\u00a0<\/span><\/li>\n<li><span style=\"font-weight: 400\"><\/span><span style=\"font-weight: 400\">Cuenta la historia seg\u00fan el nivel de datos que tienes. Si solo tienes informaci\u00f3n a nivel de pa\u00eds, tus hallazgos solo deber\u00edan tratar tendencias nacionales o predicciones. Si tienes datos hasta el nivel individual, entonces puedes llegar a conclusiones sobre el comportamiento de las personas o las tendencias.<\/span><\/li>\n<li><span style=\"font-weight: 400\"><\/span><span style=\"font-weight: 400\">Verifica si las variables que est\u00e1s analizando tienen una relaci\u00f3n causal directa (una causa la otra) o si hay elementos intermediarios que deber\u00edan tomarse en cuenta. Puedes hacer esto al mirar la forma en que se recogieron y procesaron los datos.<\/span><\/li>\n<li><span style=\"font-weight: 400\"><\/span><span style=\"font-weight: 400\">Si la correlaci\u00f3n no es causal, sino predictiva, aseg\u00farate de contar la historia de esa manera, con oraciones como: \u00abSi <\/span><i><span style=\"font-weight: 400\">x <\/span><\/i><span style=\"font-weight: 400\">aumenta, ser\u00e1 m\u00e1s probable que <\/span><i><span style=\"font-weight: 400\">y <\/span><\/i><span style=\"font-weight: 400\">caiga\u00bb. Si la correlaci\u00f3n es coincidencia, considera descartarla.<\/span><\/li>\n<li><span style=\"font-weight: 400\"><\/span><span style=\"font-weight: 400\">S\u00e9 consciente de qu\u00e9 representa cada registro (una persona, un hecho, un caso, un lugar) y seg\u00fan esto describe tus hallazgos.<\/span><\/li>\n<li><span style=\"font-weight: 400\"><\/span><span style=\"font-weight: 400\">Cuando encuentras datos at\u00edpicos, no te apresures a publicarlos. Primero, observa si la explicaci\u00f3n para valores extremadamente altos o bajos realmente los hace period\u00edsticamente relevantes, si los datos son errados, o si hay un elemento extra que explique la atipicidad.<\/span><\/li>\n<li><span style=\"font-weight: 400\"><\/span><span style=\"font-weight: 400\">Considera qu\u00e9 operaci\u00f3n estad\u00edstica vas a usar para analizar tus datos: con porcentajes, con un promedio, con una tasa o con una proporci\u00f3n. Tu decisi\u00f3n depender\u00e1 de las caracter\u00edsticas de los datos y el tema.<\/span><\/li>\n<li><span style=\"font-weight: 400\"><\/span><span style=\"font-weight: 400\">Habla con los expertos. Un estad\u00edstico puede ayudarte a identificar el tipo de datos con los que est\u00e1s lidiando: predictivos, causales, comparables o no, etc\u00e9tera. Un especialista en el \u00e1mbito espec\u00edfico de tu historia puede ayudarte a ver vac\u00edos, malinterpretaciones, elementos ausentes, y nuevas correlaciones.<\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400\">Por \u00faltimo, recuerda que las historias que se publican como resultado de un an\u00e1lisis profundo de datos dan forma a c\u00f3mo la gente y los gobiernos toman decisiones. Ser letrado en datos, es importante. Si no tenemos en cuenta los factores necesarios y lanzamos conclusiones sin un an\u00e1lisis de contexto necesario, podemos dar protagonismo a un enfoque equivocado, y sin querer, persuadir a que la gente adopte h\u00e1bitos que hacen da\u00f1o o producir una historia que excluya a una porci\u00f3n de la poblaci\u00f3n.<\/span><\/p>\n<h4><b>Recursos adicionales<\/b><\/h4>\n<p><a href=\"https:\/\/gijn.org\/2021\/07\/19\/consejos-para-crear-una-base-de-datos-efectiva-para-tus-investigaciones\/\"><span style=\"font-weight: 400\">Consejos para crear una base de datos efectiva para tus investigaciones<\/span><\/a><\/p>\n<p><a href=\"https:\/\/gijn.org\/como-investigar-cadenas-de-suministro\/\">Centro de recursos de GIJN: c\u00f3mo investigar cadenas de suministro<\/a><\/p>\n<p><a href=\"https:\/\/gijn.org\/2021\/07\/13\/investigar-las-finanzas-del-crimen-organizado\/\">C\u00f3mo investigar las finanzas del crimen organizado<\/a><\/p>\n<p><a href=\"https:\/\/gijn.org\/gijn-en-espanol\/\">Lo \u00faltimo de GIJN en espa\u00f1ol<\/a><\/p>\n<hr \/>\n<p><a href=\"https:\/\/gijn.org\/wp-content\/uploads\/2021\/10\/miriam-1-140x140-1.jpeg\"><img loading=\"lazy\" decoding=\"async\" class=\"size-full wp-image-403272 alignleft\" src=\"https:\/\/gijn.org\/wp-content\/uploads\/2021\/10\/miriam-1-140x140-1.jpeg\" alt=\"\" width=\"140\" height=\"140\" srcset=\"https:\/\/gijn.org\/wp-content\/uploads\/2021\/10\/miriam-1-140x140-1.jpeg 140w, https:\/\/gijn.org\/wp-content\/uploads\/2021\/10\/miriam-1-140x140-1-60x60.jpeg 60w\" sizes=\"auto, (max-width: 140px) 100vw, 140px\" \/><\/a><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/twitter.com\/Miriescribe\"><b><i>Miriam Forero Ariza<\/i><\/b><\/a><i><span style=\"font-weight: 400\"> es una periodista de datos e investigaci\u00f3n colombiana cuyo trabajo ha sido publicado por Vice, ColombiaCheck y El Espectador. Tiene una d\u00e9cada realizando investigaciones colaborativas, an\u00e1lisis de datos y visualizaciones. Coautora del Manual Iberoamericano de Periodismo de Datos.<\/span><\/i><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Al usar datos para historias de investigaci\u00f3n, es importante aprender a obtener y limpiar la informaci\u00f3n. Pero tambi\u00e9n es vital que interpretes tus hallazgos correctamente y extraigas las conclusiones correctas de los n\u00fameros, filtros y hojas de c\u00e1lculo. Si haces los c\u00e1lculos correctos pero no lees las respuestas como deber\u00edan ser, puedes terminar enga\u00f1ando a tu audiencia.<\/p>\n","protected":false},"author":3031154,"featured_media":1100627,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_price":"","_stock":"","_tribe_ticket_header":"","_tribe_default_ticket_provider":"","_tribe_ticket_capacity":"0","_ticket_start_date":"","_ticket_end_date":"","_tribe_ticket_show_description":"","_tribe_ticket_show_not_going":false,"_tribe_ticket_use_global_stock":"","_tribe_ticket_global_stock_level":"","_global_stock_mode":"","_global_stock_cap":"","_tribe_rsvp_for_event":"","_tribe_ticket_going_count":"","_tribe_ticket_not_going_count":"","_tribe_tickets_list":"[]","_tribe_ticket_has_attendee_info_fields":false,"republication-tracker-tool-hide-widget":false,"footnotes":"","_tec_slr_enabled":"","_tec_slr_layout":""},"categories":[23188],"tags":[23927,23524,27446,25108,27447,23767,23270],"gijn_topic":[18875,18867],"series":[],"gijn_language":[17790],"gijn_region":[],"class_list":["post-407498","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-articulos","tag-bases-de-datos-es","tag-colombia","tag-comprobar-datos-es","tag-consejos-es","tag-miriam-forero-ariza-es","tag-periodismo-de-datos-es","tag-periodismo-de-investigacion-es","gijn_topic-herramientas-y-consejos","gijn_topic-periodismo-de-datos","gijn_language-es-es"],"acf":[],"ticketed":false,"_links":{"self":[{"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/posts\/407498","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/users\/3031154"}],"replies":[{"embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/comments?post=407498"}],"version-history":[{"count":1,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/posts\/407498\/revisions"}],"predecessor-version":[{"id":2381961,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/posts\/407498\/revisions\/2381961"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/media\/1100627"}],"wp:attachment":[{"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/media?parent=407498"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/categories?post=407498"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/tags?post=407498"},{"taxonomy":"gijn_topic","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/gijn_topic?post=407498"},{"taxonomy":"series","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/series?post=407498"},{"taxonomy":"gijn_language","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/gijn_language?post=407498"},{"taxonomy":"gijn_region","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/gijn_region?post=407498"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}