Dataset Card for DIVE-ES

Dataset Description

Dataset Summary

DIVE-ES (Discurso sobre la Vivienda en España) es un corpus temporal en español sobre el discurso público de la vivienda en España entre 2025-10 y 2026-09. Combina cuatro capas heterogéneas alineadas en el tiempo: texto de prensa, texto de redes sociales, una serie oficial de precios del alquiler y un calendario de hitos normativos.

• Textos: 9922 (5922 de prensa y 4000 de Bluesky)
• Cobertura: 12 meses consecutivos (2025-10 a 2026-09)
• Campos obligatorios: id, timestamp (ISO 8601, UTC), text
• Capas estructuradas: 1728 observaciones de precios, 89 hitos normativos, 3685 puntos de volumen diario

La ventana incluye un régimen de tensión acumulada y un episodio de concentración extrema de acontecimientos en septiembre de 2026 (aprobación de dos reales decretos-ley de vivienda el día 29).

Supported Tasks and Leaderboards

El corpus se diseñó para responder, con análisis de series temporales y de texto, a una pregunta: cuál de las dos señales, el precio del alquiler o la regulación, precede al discurso público sobre vivienda, y si esa precedencia varía según la presión de precios del territorio. Soporta cuatro hipótesis falsables formuladas antes de recolectar:

• H1. El volumen diario responde a hitos regulatorios discretos más que a la variación continua del precio (volumen + hitos + precios).
• H2. La intensidad del discurso por provincia correlaciona con la variación interanual del alquiler (volumen_territorial + precios).
• H3. El marco léxico se desplaza tras los hitos (corpus, subtema).
• H4. Los máximos de cobertura en prensa preceden a los de redes (volumen, por capa).

No hay tabla de clasificación. Las tareas habituales son correlación cruzada con desfase, detección de puntos de cambio, comparación de distribuciones léxicas y clasificación temática.

Languages

Español de España (es). Aparecen fragmentos de gallego, catalán y euskera en nombres propios y citas.

How to use

Instalación y carga con la biblioteca datasets de Hugging Face:

pip install datasets

from datasets import load_dataset

corpus  = load_dataset("CTDreamer/dive-es", split="train")             # prensa + Bluesky (por defecto)
prensa  = load_dataset("CTDreamer/dive-es", "prensa", split="train")
social  = load_dataset("CTDreamer/dive-es", "social", split="train")
precios = load_dataset("CTDreamer/dive-es", "precios", split="train")
hitos   = load_dataset("CTDreamer/dive-es", "hitos", split="train")
volumen = load_dataset("CTDreamer/dive-es", "volumen", split="train")
volumen_territorial = load_dataset("CTDreamer/dive-es", "volumen_territorial", split="train")

Ejemplo: serie mensual de textos por capa.

import pandas as pd

df = corpus.to_pandas()
df["timestamp"] = pd.to_datetime(df["timestamp"])
print(df.groupby([df["timestamp"].dt.to_period("M"), "capa"]).size().unstack())

Ejemplo: cruzar los textos con provincia con la serie de precios del INE.

p = precios.to_pandas()
p = p[p["nivel"] == "provincia"]
textos = df.dropna(subset=["provincia"])
cruce = textos.merge(p, left_on=["provincia", "year_month"],
                     right_on=["territorio", "year_month"], how="left")

Dataset Details

Aspecto	Detalle
Tamaño	9922 textos (5922 prensa, 4000 Bluesky) y 1728 observaciones de precios, 89 hitos y 3685 puntos de volumen
Periodo	2025-10 a 2026-09 (12 meses consecutivos)
Estructura	7 configuraciones en Parquet con una única partición train (ver Dataset Structure)
Variables	id, timestamp y text obligatorios; medio, orientación, autor anónimo, likes, hashtags, subtema, provincia y comunidad, entre otras (ver Data Fields)
Proceso de recolección	Sitemaps e Internet Archive para descubrir las URL de 11 medios; API de Bluesky por rango de fechas; API del INE; API del BOE (ver Dataset Creation)
Limitaciones principales	Prensa no aleatoria con más medios de derecha que de izquierda; provincia asignada por mención y solo en un 32% de los textos; solo titular y entradilla; Bluesky no representa a la población (ver Considerations for Using the Data)
Licencia	CC BY-NC 4.0 (ver Licensing Information)

Dataset Structure

Data Instances

Una instancia de prensa:

{
  "id": "68894558cfdbb537",
  "timestamp": "2025-10-01T09:19:17Z",
  "text": "La Región de Murcia, segunda CCAA donde más se encarece el precio de la vivienda usada en el tercer trimestre. La Región de Murcia es segunda comunidad autónoma en la que más se ha encarecido el precio la vivienda de",
  "url": "https://www.europapress.es/murcia/noticia-region-murcia-segunda-ccaa-donde-mas-encarece-precio-vivienda-usada-tercer-trimestre-20251001111917.html",
  "medio": "Europa Press",
  "orientacion": "agencia",
  "year_month": "2025-10",
  "provincia": "Murcia",
  "ccaa": "Murcia, Región de",
  "territorio_fuente": "seccion",
  "subtema": "compraventa"
}

Una instancia de social:

{
  "id": "e1d15cee276feb96",
  "timestamp": "2025-10-01T06:09:53Z",
  "text": "Este agente de los Mossos se inventó la agresión de un manifestante en un desahucio para detenerle. Las imágenes grabadas destaparon que era todo mentira. Pues el tribunal ha considerado que la detención no fue ilegal. El agente ha sido multado con solo 500€ y no será inhabilitado. Impunidad.",
  "autor_hash": "11dd79d5b627d320",
  "year_month": "2025-10",
  "provincia": null,
  "ccaa": null,
  "subtema": "desahucios",
  "mentioned_price_eur": 500.0
}

Data Fields

Configuraciones (todas con una única partición train):

Configuración	Filas	Contenido
corpus (por defecto)	9922	Prensa + Bluesky con los campos comunes
prensa	5922	Titular y entradilla de 11 medios
social	4000	Posts de Bluesky seudonimizados
precios	1728	Índice INE del alquiler de vivienda
hitos	89	Disposiciones de vivienda publicadas en el BOE
volumen	3685	Volumen diario de discurso, sin muestrear
volumen_territorial	688	Posts válidos por mes y provincia, sin muestrear

Campos comunes de corpus: id, timestamp, text, capa (prensa o social), fuente (medio o bluesky), year_month, subtema, provincia y ccaa (con los nombres exactos del INE; nulos si el texto es de ámbito estatal) y territorio_fuente (seccion, texto o ninguna).

corpus (9922 filas)

Campo	Tipo	Descripción	Ejemplo
id	str	Identificador único (hash de 16 caracteres)	0766a36a8f63dfa9
timestamp	str	Fecha y hora de publicación, ISO 8601 en UTC	2025-10-01T03:00:00Z
text	str	Contenido textual: titular + entradilla (prensa) o texto del post (Bluesky)	Pódcast / Del 'flex living' al 'build to rent': la
capa	str	prensa o social	prensa
fuente	str	Medio o bluesky	elconfidencial
year_month	str	Mes de publicación (YYYY-MM)	2025-10
subtema	str	Subtema dominante según config/keywords.yaml	sin_subtema
provincia	NoneType	Provincia con el nombre exacto del INE; nulo si el texto es de ámbito estatal	None
ccaa	NoneType	Comunidad autónoma con el nombre exacto del INE; nulo si no se puede asignar	None
territorio_fuente	str	Origen del territorio: seccion, texto o ninguna	ninguna

prensa (5922 filas)

Campo	Tipo	Descripción	Ejemplo
id	str	Identificador único (hash de 16 caracteres)	0766a36a8f63dfa9
timestamp	str	Fecha y hora de publicación, ISO 8601 en UTC	2025-10-01T03:00:00Z
text	str	Contenido textual: titular + entradilla (prensa) o texto del post (Bluesky)	Pódcast / Del 'flex living' al 'build to rent': la
titular	str	Titular de la noticia	Pódcast / Del 'flex living' al 'build to rent': la
entradilla	str	Entradilla o descripción de la noticia	La vivienda tradicional cede terreno frente a nuev
url	str	Enlace al original	https://www.elconfidencial.com/vivienda/2025-10-01
medio_id	str	Identificador del medio	elconfidencial
medio	str	Nombre del medio	El Confidencial
tipo_medio	str	Agencia, generalista, económico, nativo digital o regional	nativo_digital
orientacion	str	Orientación editorial aproximada del medio	centro_derecha
grupo_orientacion	str	Orientación agrupada (derecha, izquierda, centro, agencia, regional)	derecha
year_month	str	Mes de publicación (YYYY-MM)	2025-10
provincia	NoneType	Provincia con el nombre exacto del INE; nulo si el texto es de ámbito estatal	None
ccaa	NoneType	Comunidad autónoma con el nombre exacto del INE; nulo si no se puede asignar	None
territorio_fuente	str	Origen del territorio: seccion, texto o ninguna	ninguna
provincias_mencionadas	str	Provincias nombradas en el texto, separadas por
subtema	str	Subtema dominante según config/keywords.yaml	sin_subtema
subtemas_secundarios	str	Otros subtemas con coincidencias, separados por
terminos_nucleo	str	Términos del núcleo que hicieron entrar al texto, separados por
cuasi_duplicado_de	str	id de otro medio con un titular casi idéntico (Jaccard >= 0,85)
fecha_fuente	str	De dónde se leyó la fecha: meta, jsonld o url	meta
via_descarga	str	Cómo se obtuvo la página: directa, wayback o piloto	wayback

social (4000 filas)

Campo	Tipo	Descripción	Ejemplo
id	str	Identificador único (hash de 16 caracteres)	e1d15cee276feb96
timestamp	str	Fecha y hora de publicación, ISO 8601 en UTC	2025-10-01T06:09:53Z
text	str	Contenido textual: titular + entradilla (prensa) o texto del post (Bluesky)	Este agente de los Mossos se inventó la agresión d
year_month	str	Mes de publicación (YYYY-MM)	2025-10
provincia	NoneType	Provincia con el nombre exacto del INE; nulo si el texto es de ámbito estatal	None
ccaa	NoneType	Comunidad autónoma con el nombre exacto del INE; nulo si no se puede asignar	None
territorio_fuente	str	Origen del territorio: seccion, texto o ninguna	ninguna
provincias_mencionadas	str	Provincias nombradas en el texto, separadas por
autor_hash	str	Autor seudonimizado: hash con sal secreta que no se publica	11dd79d5b627d320
likes	int	Me gusta del post	597
reposts	int	Veces que se compartió	397
respuestas	int	Respuestas recibidas	50
es_respuesta	bool	El post responde a otro	False
contiene_enlace	bool	El texto incluye una URL	False
hashtags	str	Hashtags del post en minúsculas, separados por
subtema	str	Subtema dominante según config/keywords.yaml	desahucios
subtemas_secundarios	str	Otros subtemas con coincidencias, separados por
terminos_nucleo	str	Términos del núcleo que hicieron entrar al texto, separados por
mentioned_price_eur	float	Precio en euros mencionado en el texto (150-6000), si lo hay	500.0
mentioned_m2	NoneType	Superficie en m2 mencionada en el texto (10-500), si la hay	None

precios (1728 filas)

Campo	Tipo	Descripción	Ejemplo
nivel	str	provincia, ccaa o nacional	provincia
territorio	str	Territorio con el nombre del INE	Albacete
year_month	str	Mes de publicación (YYYY-MM)	2024-09
indice	float	Índice IPC del subgrupo alquiler de vivienda	97.118
var_anual	NoneType	Variación interanual (%), calculada localmente	None
en_ventana_analisis	bool	Falso en los 12 meses de base que solo sirven para la variación interanual	False

hitos (89 filas)

Campo	Tipo	Descripción	Ejemplo
fecha	str	Fecha de publicación en el BOE	2024-09-21
fecha_norma	str	Fecha de la propia norma, leída del título	2024-09-17
id_boe	str	Identificador BOE (o MANUAL-n)	BOE-A-2024-18933
rango	str	Rango normativo	orden
tipo	str	norma, convalidacion, derogacion...	organizativa
relevancia	str	alta, media o baja	baja
ambito	str	estatal o autonomico	estatal
ccaa	str	Comunidad autónoma con el nombre exacto del INE; nulo si no se puede asignar
seccion_boe	str	Sección del BOE	1
departamento	str	Órgano que publica	MINISTERIO DE VIVIENDA Y AGENDA URBANA
titulo	str	Título de la disposición	Orden VAU/1001/2024, de 17 de septiembre, por la q
url_html	str	Texto en el BOE	https://www.boe.es/diario_boe/txt.php?id=BOE-A-202
url_pdf	str	PDF en el BOE	https://www.boe.es/boe/dias/2024/09/21/pdfs/BOE-A-
en_ventana_analisis	bool	Falso en los 12 meses de base que solo sirven para la variación interanual	False
revisado_manual	str	Marca de revisión manual
fuente	str	Medio o bluesky	boe

volumen (3685 filas)

Campo	Tipo	Descripción	Ejemplo
fecha	str	Fecha de publicación en el BOE	2025-10-01
capa	str	prensa o social	prensa
fuente	str	Medio o bluesky	abc
n	int	Valor medido	4
medida	str	urls_candidatas o posts_filtrados	urls_candidatas

volumen_territorial (688 filas)

Campo	Tipo	Descripción	Ejemplo
year_month	str	Mes de publicación (YYYY-MM)	2025-10
provincia	NoneType	Provincia con el nombre exacto del INE; nulo si el texto es de ámbito estatal	None
ccaa	NoneType	Comunidad autónoma con el nombre exacto del INE; nulo si no se puede asignar	None
capa	str	prensa o social	social
posts_validos	int	Posts válidos del mes y la provincia	7125

Data Splits

No hay particiones de entrenamiento y prueba: cada configuración es una única partición train porque el corpus está pensado para análisis temporal, no para aprendizaje supervisado. La partición natural es el tiempo.

Por mes

Mes	Prensa	Bluesky	Total
2025-10	502	322	824
2025-11	469	298	767
2025-12	442	267	709
2026-01	474	315	789
2026-02	536	312	848
2026-03	498	299	797
2026-04	520	333	853
2026-05	484	292	776
2026-06	464	255	719
2026-07	424	241	665
2026-08	276	203	479
2026-09	833	863	1696

Prensa por medio

Medio	Textos	%
Europa Press	893	15.1 %
elDiario.es	893	15.1 %
ABC	866	14.6 %
El Espanol	790	13.3 %
La Vanguardia	638	10.8 %
La Razon	576	9.7 %
El Pais	419	7.1 %
El Confidencial	323	5.5 %
Diario de Navarra	245	4.1 %
El Mundo	149	2.5 %
infoLibre	130	2.2 %

Prensa por orientación editorial aproximada

Grupo	Textos	%
derecha	2704	45.7 %
izquierda	1442	24.3 %
agencia	893	15.1 %
centro	638	10.8 %
regional	245	4.1 %

Dataset Creation

Curation Rationale

Los datasets clínicos propuestos inicialmente se descartaron porque ninguno reunía a la vez español, temporalidad y redistribución legal. El dominio de la vivienda aporta datos complejos en el sentido del curso: heterogeneidad estructural (texto, series numéricas y calendario de eventos), multidimensionalidad (tiempo, territorio, tema, fuente) y temporalidad. El corpus se diseñó siguiendo CRISP-DM: la pregunta, las hipótesis y los criterios de éxito se fijaron antes de recolectar.

Source Data

Initial Data Collection and Normalization

Fuentes de texto. 11 medios con histórico recuperable (de 35 declarados en config/sources.yaml): 4 mediante sus sitemaps fechados (Europa Press, elDiario.es, infoLibre, Diario de Navarra) y 7 mediante el índice del Internet Archive para descubrir las URL (El País, El Mundo, ABC, La Razón, La Vanguardia, El Confidencial, El Español). Los feeds RSS no sirven para reconstruir meses pasados. Bluesky se consultó con su API de búsqueda por rango de fechas, semana a semana, con 17 términos y 8 hashtags. Reddit se descartó: exige credenciales aprobadas y no da histórico.

Selección. Un texto entra si contiene al menos un término del núcleo de config/keywords.yaml (vivienda, alquiler, hipoteca, desahucio...) y no cae en una exclusión. En prensa se descargan solo las URL cuyo slug contiene un término de vivienda.

Muestreo. El volumen disponible supera el máximo del corpus. Se reparte el objetivo entre meses en proporción al volumen real de cada mes (el corpus conserva la variación temporal) y se selecciona en un orden pseudoaleatorio fijo (hash con semilla), con un tope de 15 % por medio y de 20 posts por autor. En Bluesky el muestreo es estratificado por provincia: se garantiza que cada provincia con menciones suficientes llegue a 35 textos entre prensa y redes, para que ninguna quede sin señal; el resto se reparte en proporción al volumen. Por eso contar textos del corpus por provincia no mide la intensidad territorial: para eso están las configuraciones volumen y volumen_territorial, que recogen todo lo válido sin muestrear.

Procesado. Normalización a UTC, filtro de idioma, deduplicación exacta (titular o texto normalizado) y difusa (similitud de Jaccard >= 0,85 en titulares de días consecutivos, umbral fijado en la Fase 1), enriquecimiento con subtema, provincia y comunidad autónoma, y validación del esquema.

Capas estructuradas. precios: subgrupo ECOICOP Alquiler de vivienda del IPC (INE, serie 763:418071), mensual, 52 provincias, CCAA y nacional; la variación interanual se calcula localmente. hitos: sumario diario del BOE (API de datos abiertos), secciones I, III y TC, clasificados por rango, tipo, ámbito y relevancia, con dos fechas: fecha (publicación en el BOE) y fecha_norma (aprobación o firma, leída del título).

Who are the source language producers?

Redacciones de 11 medios digitales españoles (titulares y entradillas) y usuarios de la red social Bluesky que escriben en español. Los hitos proceden del Boletín Oficial del Estado y los precios del Instituto Nacional de Estadística.

Annotations

Annotation process

Las anotaciones son automáticas y declarativas, reproducibles desde config/keywords.yaml: subtema (el subtema con más coincidencias del diccionario; el resto en subtemas_secundarios), provincia y ccaa, y mentioned_price_eur y mentioned_m2 en Bluesky (expresiones regulares con filtro de plausibilidad). La provincia y la comunidad se asignan, por este orden, por la sección o el medio regional que publica y por las menciones de provincias, capitales y municipios grandes en el titular y la entradilla (territorio_fuente), con los nombres exactos del INE para poder cruzar con precios. Si un texto menciona provincias de comunidades distintas no se adivina: queda sin territorio y las menciones se listan en provincias_mencionadas.

Calidad.

Embudo de limpieza: prensa

Paso	Registros
URLs planificadas	8640
No descargadas	-44
Idioma	-11
Fuera de ventana	-10
Sin termino de nucleo	-963
Exclusion	-529
Duplicado exacto	-745
Duplicado difuso (mismo medio)	-4
Excedente sobre la cuota	-412
Corpus final	5922

Cuota no cubierta por medio (faltan textos validos): lavanguardia 41, elmundo 13, elespanol 10, abc 9, elconfidencial 5

Embudo de limpieza: Bluesky

Paso	Registros
Posts recogidos	238388
Idioma	-377
Fuera de ventana	-15910
Sin termino de nucleo	-103135
Exclusion	-1602
Duplicado (texto sin enlaces)	-7496
Validos	109868
Descartados por tope de autor	-43
Excedente sobre la cuota	-105825
Corpus final	4000

Distribucion mensual

Mes	Prensa	Bluesky
2025-10	502	322
2025-11	469	298
2025-12	442	267
2026-01	474	315
2026-02	536	312
2026-03	498	299
2026-04	520	333
2026-05	484	292
2026-06	464	255
2026-07	424	241
2026-08	276	203
2026-09	833	863

Prensa por medio y orientacion

Medio	Textos	%
Europa Press	893	15.1 %
elDiario.es	893	15.1 %
ABC	866	14.6 %
El Espanol	790	13.3 %
La Vanguardia	638	10.8 %
La Razon	576	9.7 %
El Pais	419	7.1 %
El Confidencial	323	5.5 %
Diario de Navarra	245	4.1 %
El Mundo	149	2.5 %
infoLibre	130	2.2 %

Grupo	Textos	%
derecha	2704	45.7 %
izquierda	1442	24.3 %
agencia	893	15.1 %
centro	638	10.8 %
regional	245	4.1 %

• Prensa marcada como cuasi duplicado de otro medio: 29
• Bluesky con precio mencionado: 89
• Bluesky con enlace: 912
• Autores distintos en Bluesky: 2360

Validación manual.

Medida	Anotados	Aciertos	Precision	IC 95 %	Rango con casos limite
Prensa: trata de vivienda	50	45	90.0%	78.6% - 95.7%	84.0% - 92.0%
Bluesky: trata de vivienda	50	41	82.0%	69.2% - 90.2%	64.0% - 88.0%
Bluesky (septiembre de 2026): trata de vivienda	25	20	80.0%	60.9% - 91.1%	64.0% - 88.0%
Bluesky: el precio es de vivienda	30	23	76.7%	59.1% - 88.2%	63.3% - 83.3%
Provincia asignada correcta	89	78	87.6%	79.2% - 93.0%	85.4% - 87.6%

Anotador: Cristhian Torres. Las filas 1 a 23 las anotó directamente el autor; el resto se anotó con asistencia de un modelo de IA (Claude) por encargo del autor, que valida el resultado.

28 de los 195 textos (todos de Bluesky) no figuran entre los 4.000 posts del corpus final, que se muestrea por cuotas mensuales y provinciales y con tope por autor. Se extrajeron de una versión previa del corpus, anterior a incorporar Bluesky de septiembre de 2026, y todos superan el filtro actual, por lo que valen para estimar su precisión. Como esa versión no tenía ningún post de septiembre (el 21,6 % de Bluesky), el estrato «septiembre» se sorteó después desde el corpus final.

Who are the annotators?

Procesos automáticos para el filtrado y el enriquecimiento. La muestra de validación de 195 textos la anotó el autor (Cristhian Torres) en sus 23 primeras filas; el resto se anotó con asistencia de un modelo de IA (Claude), por encargo del autor y siguiendo los criterios documentados en validacion_manual.py, y el autor valida el resultado. Los casos dudosos se marcan en la columna comentario de reports/validacion_manual.csv y se reflejan como un rango en la tabla anterior.

Personal and Sensitive Information

No se publica el usuario de Bluesky ni la URI del post: autor_hash e id son hashes con una sal secreta que no se publica. Dentro del texto, las menciones a otras cuentas (@usuario), los enlaces a perfiles de Bluesky (bsky.app/profile/…), los correos ([correo]) y los teléfonos ([telefono]) se sustituyen por esas marcas, tanto en Bluesky como en prensa; el crudo de data/raw/ no se modifica. El texto de un post puede seguir siendo localizable mediante búsqueda; no se debe intentar reidentificar a los autores. No se infiere ninguna característica de las personas ni se asocia localización a personas físicas: el campo territorial se deriva de menciones en el texto, no de la ubicación del autor. Los datos de prensa, INE y BOE no contienen datos personales sensibles.

Considerations for Using the Data

Social Impact of Dataset

El dominio tiene carga política. El corpus es un instrumento descriptivo del discurso y no soporta una posición sobre la materia: la relación de medios se publica íntegra con su criterio de selección, y cualquier medición de encuadre está condicionada por esa composición. El diseño es observacional: solo permite hablar de asociación temporal y precedencia, no de causalidad.

Discussion of Biases

• Composición de la prensa. No es una muestra aleatoria de la prensa española: son los medios con histórico accesible. Hay más medios de derecha y centro-derecha que de izquierda; el reparto final está en la tabla de orientación. La orientación asignada es aproximada.
• Concentración de grupo. Varias cabeceras comparten grupo editorial y Europa Press es agencia: parte del contenido se repite entre medios (campo cuasi_duplicado_de).
• Bluesky no es la población. Sus usuarios no representan a la población española; hay cuentas automatizadas (mitigado con el tope por autor) y muchos posts solo comparten noticias (contiene_enlace).
• Medios excluidos. 6 medios declarados se retiraron por feeds caídos o bloqueo anti-bot (Agencia EFE, RTVE Noticias, Publico, Cinco Dias, elEconomista, La Tribuna de Toledo).

Other Known Limitations

• Territorio por mención, no por ubicación. La provincia se asigna si el texto o la sección la nombran: «Sánchez anuncia en Madrid...» se asigna a Madrid aunque la medida sea estatal, y un post de Bluesky no dice dónde vive su autor. Solo el 34% de la prensa y el 28% de Bluesky tienen provincia (41 provincias con 30 o más textos). El resto es discurso de ámbito estatal y asignarle una provincia sería inventar el dato; el campo es nulo a propósito.
• Menciones enmascaradas. Para no publicar datos personales de terceros, @usuario sustituye a cualquier mención a otra cuenta (también de instituciones, medios y cargos públicos), de modo que no se puede analizar a quién se menciona.
• Solo titular y entradilla. El cuerpo de las noticias no se incluye (derechos de autor); url permite acceder al original.
• Prefiltro por slug. Las noticias de vivienda con URL no descriptiva quedan fuera: el corpus representa el discurso explícitamente titulado como vivienda.
• Precios declarados. 89 posts mencionan un precio; el patrón no distingue alquileres de otras cifras (precisión medida en la validación manual). Solo se extrae en Bluesky, guarda la primera cifra en euros dentro del rango plausible y no interpreta rangos («de 525 a 843 euros»). La validación manual mide la precisión de lo detectado, no su exhaustividad: los precios que el patrón no detecta no se cuentan.
• Indicador de precios. El índice del INE mide rentas de contratos vigentes, no precios de oferta, y es más inercial que lo que percibe el público. Hay un cambio de base del IPC dentro del periodo, y el dato de septiembre de 2026 no estaba publicado en la fecha de corte (2026-10-05).
• Hitos. El filtro es por título: una norma ómnibus que reforme la vivienda sin mencionarla no aparece. Algunas leyes autonómicas llegan al BOE semanas después de su aprobación; fecha_norma recoge la fecha propia de la norma.
• Acceso. No se sortearon bloqueos anti-bot. Para dos medios que bloquean la descarga automática (El Confidencial, La Razón) se usó la copia pública del Internet Archive.

Additional Information

Dataset Curators

Cristhian Torres. Proyecto final de la asignatura Descubrimiento de Conocimiento en Datos Complejos (Universidad Politécnica de Madrid, E.T.S.I. de Sistemas Informáticos).

Licensing Information

La compilación, las anotaciones y los campos derivados se publican bajo CC BY-NC 4.0. Los titulares y entradillas pertenecen a sus medios y se incluyen como fragmentos con fines de investigación no comercial, con enlace al original; los posts pertenecen a sus autores; los datos del INE y del BOE son reutilizables citando la fuente.

Reproducibilidad

config/keywords.yaml y config/sources.yaml son la configuración congelada que define el corpus, con su historial de cambios. El procesado es determinista (semilla 20261004).

Citation Information

@misc{dive_es_2026,
  title  = {DIVE-ES: Discurso sobre la Vivienda en España},
  author = {Cristhian Torres},
  year   = {2026},
  url    = {https://huggingface.co/datasets/CTDreamer/dive-es}
}

Acknowledgements

Al Instituto Nacional de Estadística y al Boletín Oficial del Estado por sus datos abiertos; al Internet Archive por conservar el histórico de la prensa que hizo posible recuperar los meses pasados; a Bluesky por su API pública de búsqueda; y a los medios cuyos titulares y entradillas se citan con enlace al original. Proyecto dirigido por el profesor Carlos Badenes Olmedo (Universidad Politécnica de Madrid).

Contributions

Construido por Cristhian Torres con la ayuda de Claude (Anthropic) para el desarrollo de los scripts de recolección y procesado.