Metodología

Qué es esto

Se trata de una agregación independiente y no oficial de datos públicos de informes de transparencia, sin afiliación con ninguna plataforma, empresa ni gobierno. Reúne dos cuerpos de información en un único esquema consultable:

• Informes de transparencia DSA de la UE
  Estadísticas periódicas de moderación de contenido que los proveedores publican en virtud de la Ley de Servicios Digitales de la UE (DSA) — los informes de transparencia recurrentes exigidos por los artículos 15, 24 y 42 de la DSA (los deberes de información para los servicios intermediarios, las plataformas en línea y las plataformas de muy gran tamaño, respectivamente), no la base de datos de transparencia de la DSA en tiempo real, independiente, de las declaraciones de motivos individuales. Los declarantes utilizan una plantilla compartida y escalonada de la UE: cada proveedor completa únicamente las secciones de información que exige su nivel (este conjunto de datos indexa internamente esas secciones como t3–t11). Abarca las plataformas en línea y los motores de búsqueda de muy gran tamaño (VLOPs / VLOSEs) — aquellos que la Comisión Europea ha designado formalmente por su alcance en la UE — que informan con mayor frecuencia y detalle, junto con decenas de plataformas más pequeñas. Consulta el panel de Informes DSA para ver los recuentos en directo y el periodo cubierto.
• Solicitudes gubernamentales de retirada de Google
  Recuentos publicados por Google de solicitudes gubernamentales para retirar contenidos, por país, producto, motivo y período de notificación — el propio informe de transparencia voluntario de larga trayectoria de Google, no una presentación en virtud de la DSA. Explóralo en el panel de Retiradas de Google.

El lugar donde cada plataforma publica su informe subyacente está catalogado en la página de Ubicaciones de informes, con enlaces a copias archivadas de los archivos de origen.

De dónde proceden los datos

Cada cifra procede de la plataforma o empresa que la publicó — son sus números declarados, reproducidos sin alterar los valores comunicados, no estimaciones elaboradas por este proyecto. La aportación aquí es la agregación y estructuración: recopilar los informes publicados individualmente, extraer sus tablas y normalizarlas en un único esquema para poder compararlas y consultarlas. Los valores declarados en sí nunca se editan; las transformaciones son estructurales — extracción, marcado de las filas de totales agregados, normalización de etiquetas entre idiomas y descarte de las filas que no pueden analizarse — y se describen a continuación.

Cómo un informe se vuelve consultable

Las tablas de cada informe de origen se extraen y se cargan en una base de datos que la API abre en modo de solo lectura (defensa en profundidad) y a la que accede únicamente a través de una interfaz que puede leer pero nunca escribir, organizada como un esquema en estrella: una tabla de cifras por cada tabla de informe DSA (indexada internamente como t3–t11), rodeada de tablas de búsqueda compartidas (servicios, categorías, secciones, indicadores, ámbitos, superficies, periodos de declaración). Las etiquetas repetidas se almacenan una sola vez y se referencian mediante un número, de modo que el mismo nombre de categoría o de plataforma reside en un único lugar. Explore las tablas resultantes y todos los campos consultables en la página Esquema.

Las nueve tablas de informes se descodifican así: t3 órdenes de los Estados miembros · t4 notificaciones (incl. alertadores fiables) · t5 / t6 acciones por iniciativa propia (contenido ilícito / condiciones del servicio) · t7 recursos y reincidencia · t8 uso de medios automatizados · t9 recursos humanos · t10 promedio de destinatarios activos mensuales · t11 descripciones cualitativas.

Cuando un informe no se ajusta a la plantilla

La mayoría de las plataformas entregan el libro fijo de 11 secciones, y el cargador coloca cada hoja según el número de sección que figura en su nombre. Unas pocas presentan una variante de formato: el mismo contenido de la plantilla subyacente, pero con las hojas renombradas o renumeradas. Estas se asignan mediante una tabla explícita, por plataforma, que vincula cada hoja con su sección canónica, de modo que las cifras siguen quedando en la tabla de informe correcta: LINE condensa la plantilla en cinco hojas sin numerar (asignadas a las secciones 1, 3, 4, 5 y 11), mientras que Discord omite las secciones de iniciativa propia sobre contenido ilegal, de recursos humanos y de destinatarios activos, y renumera el resto, por lo que sus hojas se identifican por su nombre (su “Own Initiative TC”, por ejemplo, es la tabla de iniciativa propia sobre las condiciones del servicio, la sección 6, no la sección 5). Un documento que no es en absoluto la plantilla armonizada no se fuerza a encajar en ella, porque asignarlo inventaría una estructura que la fuente no tiene: el informe del foro de heise es un breve resumen de formato libre conforme al artículo 15 con categorías de texto libre en alemán, y WordPress.com publica un informe distinto (solicitudes DMCA, gubernamentales y de IRU). Esos se conservan como archivos de origen archivados en lugar de cargarse en t3–t11.

Cómo se evita la doble contabilización

La plantilla del DSA coloca una fila de total agregado justo al lado de las filas de desglose que suma (por ejemplo, una categoría de total general “All the entries” junto a los recuentos por categoría, un ámbito “Total number” junto a los resultados confirmados/revocados, o una superficie “All” que suma las filas por superficie como Core y Ads). Un SUM ingenuo sobre una columna así cuenta las partes y su propio total, inflando la cifra. El cargador marca cada fila agregada con un indicador is_total y la expone como una dimensión filtrable, de modo que una consulta puede elegir deliberadamente un único nivel de detalle —solo los totales, o solo el desglose— y nunca sumar un total junto con sus componentes. Las cifras principales del panel utilizan los totales declarados; sus gráficos de desglose utilizan las filas de los componentes. Cuando una cifra sigue llevando una salvedad, la API devuelve una nota de warnings que el panel muestra junto al resultado.

Lectura entre distintos idiomas

Las plataformas que no son VLOP pueden presentar la plantilla armonizada en cualquier lengua oficial de la UE, por lo que la misma fila de la plantilla puede llegar como un texto distinto (Decisions upheld / Décisions confirmées / Bestätigte Entscheidungen). Cada fila conserva su etiqueta en la lengua original para mostrarla, pero también se le estampa una etiqueta estándar neutra respecto al idioma — una clave canónica — emparejada mediante un mapa de traducción (una “tabla de equivalencias”) que alinea informes con la misma estructura con una referencia en inglés y descarta cualquier cosa ambigua. Las consultas pueden agrupar o filtrar por la clave canónica para comparar elementos equivalentes entre idiomas, mientras se sigue mostrando el texto original — aunque la cobertura aún no es uniforme en todos los idiomas (consulta Limitaciones conocidas).

Cómo se consulta

No hay interfaz de SQL. Una consulta es una solicitud estructurada: nombra una tabla, un filtro booleano de condiciones de campo/operación/valor y, opcionalmente, agrupación, agregados, ordenación y límites. El servidor valida cada campo y cada operación contra el registro fijo de esa tabla y los compila en una única búsqueda en la base de datos comprobada de antemano (un SELECT parametrizado), donde lo que introduces siempre se trata como datos y nunca se ejecuta como un comando. Las consultas también están acotadas —un tamaño de resultado limitado, límites de tamaño y de complejidad de la solicitud y un límite de frecuencia por clave—, de modo que una sola solicitud no puede agotar el servicio. Las consultas “compuestas” entre tablas unen dos o más tablas por dimensiones compartidas a través de esa misma frontera validada. La casilla “Preguntar” en lenguaje natural, donde está habilitada, envía tu pregunta escrita (junto con el esquema en estrella del conjunto de datos) a un LLM de terceros (Claude, de Anthropic) para que redacte una consulta estructurada, que luego se valida como cualquier otra antes de ejecutarse; esa llamada al LLM es la única vez que el servicio envía por su cuenta lo que introduces a un tercero. La otra única vía de salida es opcional y la diriges tú: una callback_url opcional que adjuntas a una consulta y que entrega tu propio resultado a una URL que tú eliges. Pruébalo en el panel de Informes DSA, o consulta la referencia de la API y nuestra nota de Privacidad.

Reproducibilidad y citación

La base de datos es una instantánea estática y de solo lectura. Cada instantánea lleva una versión del conjunto de datos inmutable —una huella de su contenido, por lo que cambia siempre que cambian los datos—, enviada como un encabezado ETag y X-Dataset-Version, y cada fila de datos expone el report_id del informe que la origina. Una cifra queda fijada por tres cosas en conjunto —la versión del conjunto de datos, la consulta exacta y el o los report_id de los que procede—, así que cita las tres y las filas podrán volver a recuperarse (la versión y el report_id por sí solos identifican un informe de origen, no una cifra concreta). Los resultados se devuelven en un orden totalmente determinista siempre que ordenas o paginas, de modo que una extracción guardada es reproducible byte a byte. La fecha de creación de la instantánea y el periodo que cubre aparecen en la línea «Citar como» de cada panel y en los encabezados de cada exportación, y el report_id de una fila identifica su informe de origen (plataforma, periodo y nivel); para las plataformas no VLOP, dónde se publica ese informe se enumera por plataforma en el catálogo de Ubicaciones de informes.

Atribución: atribuye la cifra a la plataforma que la declaró; cita este sitio únicamente como la herramienta de acceso.

Ejemplo: YouTube, EU DSA transparency report (H2 2025), accessed via the Transparency Report API — dataset version 7f3c1a2b9d04, report_id 42, retrieved 2026-06-26. La versión exacta del conjunto de datos y el periodo cubierto de la instantánea en directo aparecen en la línea “Cite as” de los paneles de Informes DSA y Retiradas de Google.

Limitaciones conocidas

• Instantánea, no datos en directo
  Las cifras reflejan los informes disponibles cuando se construyó la instantánea; las correcciones posteriores o los informes recién presentados solo aparecen en una instantánea posterior (con una nueva versión del conjunto de datos).
• La calidad de las fuentes varía
  Las plataformas presentan sus informes con distinto rigor y formato. Las filas basura mal interpretadas (celdas de encabezado, espacios en blanco, valores sueltos filtrados por algunas extracciones) se descartan durante la carga en lugar de adivinarse — al igual que las filas de la plantilla que la tabla de equivalencias entre idiomas no puede mapear de forma inequívoca. Los recuentos exactos de filas descartadas y la cobertura de la tabla de equivalencias aún no se publican, por lo que la integridad global no está cuantificada.
• Algunas etiquetas quedan sin normalizar
  Las extracciones en griego presentan un desplazamiento de columnas en los datos de origen, por lo que la mayoría de las etiquetas griegas de indicador/ámbito se dejan correctas pero sin mapear en lugar de arriesgar un mapeo erróneo; las etiquetas de categoría todavía no se han cruzado entre idiomas.
• Servicio de demostración
  Este es un proyecto de portafolio/demostración. Es fiel a sus fuentes, pero no es un registro oficial: confirma siempre con el informe publicado por la propia plataforma (enlazado desde Ubicaciones de informes) para cualquier asunto de importancia.

Fuentes y código

Construido enteramente a partir de información pública. Todo el flujo de procesamiento —extracción, normalización, la tabla de equivalencias y la capa de consulta— es de código abierto en github.com/krMaynard/transparency-report-api. Empieza a explorar: Informes DSA · Retiradas de Google · Esquema.