Periodismo de datos en medios deportivos y visibilidad web: evaluación con el marco SEOVisFrame.
Saved in:
| Title: | Periodismo de datos en medios deportivos y visibilidad web: evaluación con el marco SEOVisFrame. (Spanish) |
|---|---|
| Alternate Title: | Data journalism in sports media and web visibility: evaluation using the SEOVisFrame framework. (English) |
| Authors: | Alcaraz-Martínez, Rubén, Vállez, Mari, Escandell-Poveda, Raquel, Bajaña-Cedeño, Diana |
| Source: | Estudios sobre el Mensaje Periodistico; Oct-Dec2025, Vol. 31 Issue 4, p979-991, 13p |
| Subject Terms: | SEARCH engine optimization, DATA visualization, SPORTS journalism, CONTENT analysis, ONLINE journalism |
| Abstract (English): | Data visualizations, which have established themselves as tools with great narrative potential, face the challenge of being visible in the algorithmic environments of search engines. Scholarly literature has paid limited attention to their search engine optimisation (SEO), which restricts their reach and impact. This study examines the relationship between the narrative and technical features of data visualisations in sports journalism and their level of optimisation for search engines, using the SEOVisFrame methodological framework. The study aims to: a) validate the applicability of the framework; b) assess the compliance of an international sample of visualisations with SEO indicators; c) identify best and worst SEO practices; d) analyse differences according to media type or country of origin; and e) compare the findings with those of previously evaluated generalist journalistic products. An evaluation was conducted using the SEOVisFrame framework on 98 award-winning visualisations published between 2021 and 2023. The framework includes 33 indicators grouped into five dimensions: content SEO, technical SEO, SEO for graphic components, EEAT factors, and off-page SEO. Technical SEO showed the highest compliance rate (84.26 %), followed by content SEO (69.42 %). In contrast, EEAT factors (24.27 %) and off-page SEO (12.51 %) revealed significant shortcomings. Best practices focused on technical performance and basic semantic structure, while major weaknesses were identified in accessibility, transparency, and external authority. [ABSTRACT FROM AUTHOR] |
| Abstract (Spanish): | Las visualizaciones de datos, que se han consolidado como herramientas con gran potencial narrativo, afrontan el reto de ser visibles en los entornos algorítmicos de los buscadores. La literatura ha prestado escasa atención a su optimización para buscadores, lo que limita su alcance e impacto. Este artículo analiza la relación entre las características narrativas y técnicas de las visualizaciones en el periodismo de datos deportivo y su grado de optimización para motores de búsqueda, utilizando el marco metodológico SEOVisFrame. Se busca: a) validar la aplicabilidad del método, b) evaluar la conformidad de una muestra internacional de piezas con los indicadores, c) identificar buenas y malas prácticas SEO, d) analizar diferencias según el tipo de medio o su procedencia, e) comparar los resultados con productos periodísticos generalistas previamente evaluados. Para ello, se condujo una evaluación con el método SEOVisFrame sobre 98 visualizaciones premiadas internacionalmente entre 2021 y 2023. El marco incluye 33 indicadores agrupados en cinco dimensiones: SEO de contenido, SEO técnico, SEO para componentes gráficos, factores EEAT y SEO off-page. El SEO técnico obtuvo el mayor grado de cumplimiento (84,26 %), seguido del SEO de contenido (69,42 %). En cambio, los factores EEAT (24,27 %) y el SEO off-page (12,51 %) mostraron deficiencias significativas. Las prácticas óptimas se centraron en el rendimiento técnico y estructura semántica básica; las principales carencias afectaron a la accesibilidad, trazabilidad y autoridad externa. [ABSTRACT FROM AUTHOR] |
| Copyright of Estudios sobre el Mensaje Periodistico is the property of Universidad Complutense de Madrid and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.) | |
| Database: | Complementary Index |
Full Text Finder 
Nájsť tento článok vo Web of Science Be the first to leave a comment!