El Futuro de la Demoscopia Electoral en México

Desafíos Metodológicos, Transparencia Regulatoria e Innovación Tecnológica con Miras a las Elecciones Intermedias de 2027

El futuro de la Demoscopía Electoral, Desafíos Metodológicos, transparencia regulatoria e innovación tecnológica

0:00

(Escucha el resumen de este artículo)

I. Diagnóstico de la Demoscopia Electoral en México: Trayectoria y Crisis de Credibilidad

I.A. La Evolución de la Encuesta en la Apertura Democrática

El rol de los estudios de opinión en México ha sido históricamente fundamental, trascendiendo la mera medición de preferencias para convertirse en un actor político crucial. Durante la transición democrática, las encuestas electorales y los conteos rápidos se establecieron como una fuente alternativa y vital para conocer los resultados de una elección, independientes del órgano regulador que, en etapas tempranas, carecía de independencia o imparcialidad.¹ Esta función de contrapeso ayudó a legitimar procesos y a contrarrestar posibles reclamos de fraude, como se observó en la elección para gobernador de Baja California en 1989 y la elección presidencial de 1988.¹ La demoscopia, por lo tanto, se consolidó como un factor esencial para reducir la incertidumbre inherente a los procesos electorales competitivos.²

Sin embargo, a pesar de su relevancia, las encuestas han mantenido una función dual que es la raíz de la actual crisis de confianza. Científicamente, buscan medir y predecir el comportamiento electoral, pero son frecuentemente utilizadas por partidos políticos y medios de comunicación como herramientas de propaganda para generar una imagen de ganador o perdedor, buscando influir en la percepción del electorado.³ El análisis de las encuestas publicadas tiende a centrarse exclusivamente en la "carrera de caballos" (la intención de voto), descontextualizando los resultados al omitir información crucial como el reconocimiento de candidato o el balance de opinión.⁵ Esta instrumentalización política ha erosionado progresivamente la credibilidad del sector, llevando a la percepción de que muchas encuestas responden a los intereses de quienes las financian.³

(demoscopia electoral en México)

I.B. La Dimensión del Error Predictivo en el Ciclo 2021-2024

Las elecciones de 2024 agudizaron la desconfianza pública debido a una significativa y generalizada falla predictiva en los resultados presidenciales. La ciudadanía fue expuesta a más de 2,500 encuestas, muchas de ellas con resultados opuestos.⁶ Aproximadamente la mitad de las encuestas finales publicadas se quedaron cortas en la estimación del margen de victoria.⁶ El resultado oficial efectivo de la votación a la presidencia arrojó una ventaja superior a los 30 puntos para la candidata ganadora, Claudia Sheinbaum, un margen que la mayoría de los pronósticos de las encuestas nunca alcanzaron a estimar.⁷

La dispersión en la precisión fue notable, revelando una brecha metodológica profunda en la industria. Mientras que algunas casas encuestadoras como MetricsMx destacaron por acertar el 100% de sus pronósticos, otras como Massive Caller solo atinaron al 40% de los resultados.⁸ Esta marcada diferencia en el desempeño, con resultados que van desde el acierto total hasta la baja precisión, alimenta el escepticismo generalizado.⁹ La crisis de credibilidad se manifiesta no solo por el error en sí, sino por la falta de consenso sobre el rigor científico, lo que hace necesario abordar este problema mediante esfuerzos pedagógicos que enfaticen tanto las capacidades como las limitaciones inherentes a la ciencia demoscópica.⁹

La siguiente tabla resume la magnitud de esta discrepancia predictiva observada en el proceso electoral de 2024:

Tabla I. Síntesis Comparativa de Precisión Predictiva en las Elecciones Presidenciales 2024 (Ejemplos Selectos)

Casa Encuestadora/Estudio	Metodología Principal	Resultado Esperado (Ventaja Media)	Resultado Oficial (Ventaja Efectiva)	Grado de Acierto Reportado	Implicación
MetricsMx	No especificado en fuente	Alta Precisión	~\sim 30+~ puntos efectivos	100% (según fuente) 8	Demuestra que la precisión era posible con metodologías robustas.
Massive Caller	No especificado en fuente	Baja Precisión / Resultados dispersos	~\sim 30+~ puntos efectivos	40% (según fuente) 8	Representa la baja calidad metodológica o el uso proselitista.
Mayoría de Encuestas Finales	Varios (In-house, Telefónica, Online)	Subestimación de margen (Media < 20 puntos)	~>30~ puntos efectivos 7	Generalmente fallaron en estimar la magnitud del triunfo.

II. Anatomía del Error Predictivo: Fallas Metodológicas y Sesgos de Cobertura

II.A. El Desafío del Muestreo Probabilístico Tradicional

Los métodos de recolección de datos tradicionales, como las entrevistas cara a cara en vivienda (que representaron el 43% de las entrevistas en 2019) y las telefónicas ¹⁰, enfrentan desafíos crecientes que afectan directamente la representatividad muestral. La desconfianza del público y la polarización política han contribuido a un aumento en la tasa de rechazo y no respuesta a la entrevista.¹¹ Cuando la tasa de rechazo general es alta, se introduce un sesgo de no respuesta que compromete la naturaleza probabilística del muestreo.

La discusión sobre la polarización política en México es crucial en este contexto. La confrontación creciente en torno al eje de posturas hacia la Cuarta Transformación (4T) ¹³ complica la medición. En un entorno polarizado, el sesgo de no respuesta o la reticencia a declarar el voto pueden volverse sesgos partidistas o ideológicos. Si los simpatizantes de un determinado bloque político tienen una mayor propensión a rechazar la entrevista o a ocultar su verdadera intención de voto (fenómeno conocido como la "espiral del silencio"), el muestreo, aunque diseñado correctamente, resultará en una subestimación o sobreestimación del apoyo real de los candidatos. Las discrepancias observadas en elecciones recientes, como las del Estado de México en 2019, evidencian estos retos para la precisión metodológica.⁹

II.B. La Crisis de la Ponderación y Modelización Estadística

Para mitigar los sesgos inherentes al muestreo, las casas encuestadoras aplican técnicas de ajuste y ponderación. Estos ajustes son particularmente importantes cuando se publican estimaciones de resultados o se utiliza un "modelo de probables votantes", cuyo uso debe ser explícitamente señalado en la publicación.¹¹

La efectividad de la ponderación está intrínsecamente ligada al mecanismo que genera la pérdida de datos y a la correlación intraclase entre la variable auxiliar utilizada para el ajuste (por ejemplo, edad, género, o voto anterior) y la variable objetivo (la intención de voto).¹² El desempeño disímil de las encuestadoras en 2024 sugiere que, si bien muchas aplicaron modelos para corregir la sobrerrepresentación de ciertos grupos demográficos, la elección de los datos auxiliares y la calibración del modelo fue heterogénea. Esta disparidad en la modelización resultó en la amplia dispersión de resultados, con algunas casas de pronóstico significativamente sesgadas hacia el error.⁸

La opacidad en la modelización agrava la crisis de confianza. Si bien el reglamento exige señalar si el reporte contiene estimaciones o modelos de probables votantes, no requiere la divulgación detallada de los algoritmos o criterios de ajuste fino.¹¹ Mientras las encuestas de intención de voto tradicionales tienen una larga trayectoria ¹⁴, la falta de transparencia sobre los ajustes complejos basados en modelos estadísticos avanzados (que son necesarios para compensar los altos sesgos) hace que el público y los analistas no puedan auditar la fuente del error, perpetuando el escepticismo.

III. Marco Regulatorio y Transparencia Metodológica (INE/OPL)

III.A. La Regulación Vigente: Título IV, Capítulo VII del Reglamento de Elecciones

El marco regulatorio en México, administrado por el Instituto Nacional Electoral (INE) y los Organismos Públicos Locales (OPL), busca garantizar la seriedad y transparencia de los estudios demoscópicos.¹¹ El Título IV, Capítulo VII del Reglamento de Elecciones establece las disposiciones aplicables a cualquier persona que realice o publique encuestas por muestreo, sondeos de opinión, encuestas de salida o conteos rápidos para dar a conocer preferencias electorales.¹¹

El principio rector es la máxima publicidad, cuyo propósito es doble: reconocer el trabajo demoscópico riguroso y desalentar el uso de encuestas sin rigor metodológico (fake polls).¹⁵ Para asegurar esto, el Artículo 136 del Reglamento impone estrictas obligaciones de publicación y entrega del estudio completo.¹¹ Las empresas deben entregar una copia del estudio completo al INE o al OPL a más tardar dentro de los cinco días siguientes a su publicación.¹¹

Además de la entrega del estudio, la publicación original debe especificar públicamente siete elementos clave.¹¹ El cumplimiento de estos requisitos es esencial para la evaluación metodológica.

Tabla II. Requisitos Clave de Transparencia Metodológica (Reglamento INE, Art. 136 y Anexo 3)

Requisito Obligatorio de Publicación	Justificación Metodológica	Implicación para la Credibilidad	Referencia Normativa
Fechas en que se realizó el levantamiento	Asegurar la relevancia temporal de los datos.	Permite entender si el estudio es obsoleto o captura el efecto de eventos recientes.	11
Fraseo Exacto de Preguntas	Excluir el sesgo en la formulación (leading questions).	Permite la replicabilidad y garantiza la neutralidad del instrumento.	11
Frecuencia de No Respuesta y Tasa de Rechazo	Medir la calidad operativa y el sesgo de autoselección.	Métrica crítica para evaluar si la muestra final difiere del universo.	11
Señalar uso de Modelo de Probables Votantes	Distinguir entre intención de voto cruda y estimación.	Transparentar las inferencias, ajustes y proyecciones aplicadas.	11
Calidad de la Estimación (Confianza y Error Máximo)	Cuantificar la incertidumbre estadística inherente.	Establecer los límites científicos de la predicción y evitar sobreinterpretación.	11

Es fundamental notar que el Artículo 134 mantiene la prohibición estricta de publicar o difundir resultados de encuestas o sondeos de opinión durante los tres días previos a la elección y hasta el cierre oficial de todas las casillas, regulando cuidadosamente el flujo de información para evitar posibles efectos en el voto.¹¹

III.B. Desafíos Regulatorios y Monitoreo (El Reto de la Fiscalización)

A pesar de la existencia de un marco normativo claro, la fiscalización de las encuestas electorales sigue siendo un desafío operativo. El monitoreo realizado por la Coordinación Nacional de Comunicación Social del INE en 2024 identificó un número considerable de publicaciones originales (75 en el periodo reportado) de las que no se recibió el estudio completo con los criterios de carácter científico, obligando a la Secretaría Ejecutiva a formular los requerimientos correspondientes.¹⁶ La autoridad electoral debe emitir requerimientos y, en su caso, iniciar procedimientos sancionadores por incumplimiento, conforme al Reglamento de Elecciones.

El principal desafío regulatorio de cara a 2027 radica en la adecuación del Anexo 3, que contiene los Criterios Generales de Carácter Científico.¹¹ Este anexo fue diseñado originalmente pensando en la metodología probabilística tradicional. Las nuevas técnicas basadas en Internet y paneles en línea, que representan el futuro metodológico ⁹, operan bajo lógicas de reclutamiento no-probabilístico y autoselección. Para estas metodologías digitales, las métricas tradicionales exigidas, como la "tasa de rechazo general a la entrevista" y el "error máximo implícito en la muestra" ¹¹, pierden su significado estadístico estricto. La regulación debe evolucionar para exigir criterios de rigor científico aplicables a las metodologías no probabilísticas, enfocándose en la transparencia de los mecanismos de reclutamiento y los ajustes demográficos y estadísticos aplicados para compensar el sesgo de cobertura digital.

IV. La Transición Metodológica: Hacia Modelos Híbridos y Predictivos

IV.A. La Inevitabilidad de las Encuestas Basadas en Internet y Paneles

La revolución digital ha transformado la industria demoscópica, trayendo consigo la expansión de las encuestas basadas en Internet. Estas representaron el 37% de las entrevistas realizadas en México en 2019, superando a las telefónicas y solo por debajo del cara a cara.¹⁰ Las encuestas basadas en la web son consideradas el futuro de la medición de opinión debido a su eficiencia, velocidad y potencial para llegar a segmentos específicos de la población.⁹

Sin embargo, esta transición no está exenta de problemas metodológicos. El principal reto es la representatividad. Los paneles en línea a menudo presentan sesgos de autoselección y cobertura digital, lo que hace mayúsculo el desafío de garantizar la inclusividad y diversidad de los participantes.⁹ La clave para el proceso de 2027 residirá en la adopción de diseños de modo mixto (mixed-mode), que combinan la precisión probabilística del cara a cara o la telefónica con la eficiencia del Internet. Estos diseños híbridos, correctamente ponderados, buscan mitigar los sesgos de cobertura asociados a una sola modalidad.

IV.B. Inteligencia Artificial, Big Data y Modelos Predictivos

El futuro de la predicción electoral se apoya en la minería de datos y el uso de modelos predictivos avanzados, como los basados en árboles de decisiones y redes neuronales, que han demostrado ser efectivos para optimizar la selección de la técnica de medición de opinión pública a utilizar.¹⁰

La capacidad predictiva se está desplazando de la mera encuesta de intención de voto a la integración de datos heterogéneos y la modelización del comportamiento. Los estudios demuestran que las predicciones ciudadanas han mejorado en México a lo largo del tiempo, equiparándose a veces a las encuestas de intención de voto, lo que subraya el potencial de integrar la "sabiduría colectiva" en los modelos predictivos.¹⁴ El uso de Inteligencia Artificial (IA) y Big Data permite a las casas encuestadoras manejar vastos volúmenes de información social y digital para calibrar mejor sus muestras y sus proyecciones.

No obstante, la IA introduce un contrapeso ético y democrático. Durante las elecciones de 2024, la IA fue utilizada activamente para la generación de desinformación, manipulación de contenido digital (deepfakes, audios manipulados) y la operación de bots en redes sociales.¹⁸ Este ruido digital contamina el ambiente electoral y puede sesgar la respuesta honesta del electorado, lo cual las encuestadoras deben contrarrestar. Aunque la IA es una herramienta tecnológica innovadora, se deben tomar en cuenta sus limitaciones y los riesgos asociados a su confiabilidad.¹⁹ Esto obliga a un debate regional sobre la necesidad de regulaciones que mitiguen estos riesgos, como la implementación de etiquetas para el contenido generado por IA.¹⁸

La siguiente tabla evalúa el potencial y los riesgos de estas nuevas técnicas con miras a 2027:

Tabla III. Evaluación de la Capacidad Predictiva y Riesgos de las Nuevas Técnicas

Técnica Emergente	Ventajas (Potencial Predictivo)	Limitaciones/Riesgos Metodológicos	Necesidad Regulatoria/Proyección a 2027
Encuestas Basadas en Internet (Paneles)	Mayor accesibilidad y velocidad; menor costo operativo.9	Sesgos de cobertura/autoselección; dificultad para garantizar inclusividad.9	Actualizar el Anexo 3 para validar paneles y compensar sesgos digitales.
Modelos Predictivos (IA/ML)	Optimización de la selección de técnicas; identificación de patrones complejos.10	Dependencia de la calidad del dato de entrenamiento; riesgo de "caja negra" en las inferencias.	Promover la transparencia en los algoritmos y los datos de entrada utilizados para el modelaje.
Big Data/Redes Sociales	Gran volumen de datos; análisis de sentimiento en tiempo real.20	Sesgo de cobertura demográfica (jóvenes, urbanos); vulnerabilidad a la manipulación (bots, IA).18	Requiere mecanismos de validación y filtrado de contenido generado por IA/desinformación.

V. Desafíos Estructurales de las Elecciones Intermedias 2027

V.A. La Complejidad del Muestreo Subnacional y Distrital

Las elecciones intermedias de 2027 presentarán desafíos metodológicos significativamente distintos a los de 2024, principalmente debido a la escala geográfica y el objeto de estudio. Mientras que la elección presidencial se enfoca en un único universo nacional, las intermedias (renovación de la Cámara de Diputados, gubernaturas, congresos locales) requieren una precisión a nivel subnacional y, crucialmente, distrital.²¹

El muestreo distrital exige un esfuerzo logístico y un tamaño de muestra mucho mayor que el muestreo nacional para lograr representatividad a ese nivel desagregado. Las encuestas electorales locales son intrínsecamente más complejas de realizar.²¹ Además, las elecciones intermedias suelen caracterizarse por un menor nivel de participación ciudadana (turnout) en comparación con las presidenciales. Este factor dificulta la modelización del probable votante, lo que potencialmente magnifica el error si las proyecciones son incorrectas. La autoridad electoral, a través de los OPL, ya está preparándose para la complejidad logística y técnica, como lo demuestra el desarrollo de sistemas informáticos como el SIAC en elecciones locales recientes para garantizar resultados transparentes.²²

V.B. El Giro Metodológico hacia los Mecanismos Causales (Cuantitativo-Cualitativo)

La literatura reciente subraya las tensiones metodológicas en el estudio de fenómenos complejos a nivel subnacional, como la formación de alianzas electorales.²³ Se ha observado que los estudios puramente cuantitativos (N grande), si bien útiles para identificar correlaciones entre variables, son insuficientes para explicar por qué las expectativas teóricas a menudo no se cumplen en los registros empíricos locales.²³

La complejidad del fenómeno aliancista subnacional radica en que responde principalmente a una lógica local, influenciada por condiciones políticas históricas, momentos de negociación y la distribución de beneficios entre socios potenciales.²³ Factores que escapan a los indicadores electorales macro, como la inercia del antiguo sistema de partido hegemónico o elementos idiosincráticos del caso (por ejemplo, Aguascalientes o Durango en 2016), pueden tener un mayor poder explicativo.²³

Por lo tanto, para una predicción y un análisis robustos en 2027, el enfoque metodológico debe incorporar un giro hacia la complementación entre lo cuantitativo y lo cualitativo. Es imperativo complementar las encuestas (que miden la intención) con estudios de caso (N pequeña).²³ Los estudios de caso permiten examinar con profundidad la conexión entre variables independientes y dependientes, revelando los mecanismos causales que sustentan las correlaciones estadísticas y que a menudo se omiten en el enfoque de variables.²³ Este método híbrido es vital para afinar el conocimiento y evitar las anomalías predictivas en las contiendas locales altamente volátiles.

La Tabla IV contrasta la naturaleza del desafío predictivo entre los dos tipos de procesos electorales:

Tabla IV. Contraste de Complejidad: Presidenciales 2024 vs. Intermedias 2027

Dimensión del Desafío	Elecciones Presidenciales (2024)	Elecciones Intermedias (2027)	Implicación Crítica para la Metodología 2027
Escala Geográfica	Nacional (Macro, un solo universo de estudio).	Distrital y Subnacional (Multiples universos, baja escala).21	Se requieren diseños muestrales geográficamente complejos y desagregados (distrital).
Nivel de Movilización	Alto perfil, alta movilización y cobertura mediática.	Bajo perfil, menor interés público y baja participación (turnout).	Aumenta la dificultad de modelar el probable votante y de obtener altas tasas de respuesta.
Fenómeno Político Clave	Liderazgos y coaliciones nacionales.	Alianzas electorales locales (mecanismos causales).23	Necesidad imperativa de estudios de caso (cualitativos) para complementar la inferencia estadística.

VI. Proyecciones y Recomendaciones Estratégicas para 2027

La obtención de información demoscópica precisa y creíble de cara a 2027 requiere un esfuerzo concertado que aborde simultáneamente los retos metodológicos derivados de la fragmentación social y tecnológica, y los desafíos regulatorios de la transparencia.

VI.A. Hoja de Ruta Metodológica para las Casas Encuestadoras

1. Adopción Obligatoria de Diseños Mixtos (Mixed-Mode): Para mitigar el sesgo de cobertura digital de los paneles en línea y el sesgo de no respuesta del cara a cara, las encuestadoras deben estandarizar el uso de metodologías híbridas.⁹ Esto es especialmente relevante para el muestreo distrital en 2027, donde la combinación de modos puede garantizar una representación más fiel de la población objetivo.

2. Transparencia en la Modelización: Se recomienda ir más allá de la mera obligación regulatoria de señalar el uso de modelos de probables votantes. La publicación de un resumen ejecutivo sobre los criterios de ajuste estadístico y las variables auxiliares utilizadas en la ponderación (en el estudio completo entregado al INE) es crucial para aumentar la auditabilidad y la confianza en la inferencia estadística.¹¹

3. Integración Cuantitativo-Cualitativa: Dada la complejidad de los fenómenos subnacionales (alianzas, gobernabilidad local), los estudios demoscópicos deben integrarse con investigación cualitativa profunda (estudios de caso, N pequeña) para identificar los mecanismos causales y contextualizar las tendencias de voto, aportando una riqueza analítica que el enfoque cuantitativo no puede proporcionar por sí solo.²³

   
   

VI.B. Recomendaciones Regulatorias y el Fortalecimiento del INE

1. Actualización del Anexo 3 para la Era Digital: Es urgente que el INE y los OPL convoquen a la comunidad científica para revisar y actualizar el Anexo 3 del Reglamento de Elecciones.¹⁷ Los criterios de carácter científico deben adaptarse a las metodologías no probabilísticas (paneles de Internet), reemplazando o complementando métricas obsoletas como la "tasa de rechazo" con requisitos de transparencia sobre el reclutamiento, el perfilamiento de los paneles y los métodos de ajuste estadístico no-probabilístico.⁹

   
   

2. Fortalecimiento de la Fiscalización: La Secretaría Ejecutiva del INE debe fortalecer los mecanismos de requerimiento y sanción (Artículo 147) contra las personas físicas y morales que publiquen resultados sin entregar el respaldo metodológico completo en el plazo de cinco días.¹¹ Una fiscalización activa es la defensa más efectiva contra las encuestas con fines puramente proselitistas.

   
   

3. Alfabetización Metodológica: Para combatir el escepticismo resultante del abuso y la opacidad, es esencial que el INE y los OPL colaboren con medios y académicos en esfuerzos pedagógicos. Estos esfuerzos deben educar al público sobre las capacidades reales, el margen de error, la diferencia entre intención de voto cruda y estimación modelada, y las limitaciones inherentes a cualquier pronóstico, permitiendo una ciudadanía capaz de discriminar entre estudios fundamentados y aquellos sesgados ideológicamente.⁴

   
   

VI.C. Preparación para la Influencia de la Inteligencia Artificial

Finalmente, la integración de la IA en los procesos electorales exige la preparación de políticas de mitigación. Los actores electorales, incluyendo el INE, deben implementar medidas para monitorear y etiquetar el contenido generado por IA (como deepfakes).¹⁸ 

Proteger la integridad del debate público de la manipulación digital es una condición necesaria para que cualquier medición de opinión (sea tradicional o basada en Big Data) pueda reflejar una voluntad popular genuina, libre del ruido y la desinformación generada por la tecnología. La inversión en alfabetización digital para la ciudadanía y la colaboración intersectorial son claves para proteger la integridad electoral en 2027.¹⁸

Obras citadas

1. Evaluación de la precisión de las encuestas electorales. Desafíos y retos metodológicos, fecha de acceso: diciembre 6, 2025, https://www.te.gob.mx/editorial_service/media/pdf/110420241607253780.pdf

2. México: elecciones y el uso de las encuestas preelectorales - Revistas UNAM, fecha de acceso: diciembre 6, 2025, https://revistas.unam.mx/index.php/rmcpys/article/viewFile/48332/43443

3. Encuestas, ¿son confiables? - YouTube, fecha de acceso: diciembre 6, 2025, https://www.youtube.com/watch?v=XmB9jdxJ6LQ

4. Los estudios electorales, sus metodologías y capacidad predictiva - Última Década, fecha de acceso: diciembre 6, 2025, https://ultimadecada.uchile.cl/index.php/RN/article/download/66629/70040/240507

5. LA PRECISIÓN ENCUESTAS ELECTORALES - INE, fecha de acceso: diciembre 6, 2025, https://www.ine.mx/wp-content/uploads/2019/04/la_precision_de_las_encuestas.pdf

6. El fallo de las encuestas 2024 - YouTube, fecha de acceso: diciembre 6, 2025, https://www.youtube.com/watch?v=SDQlVE8qvpY

7. ELECCIONES 2024: ERROR en el 50 por ciento de las ENCUESTAS - YouTube, fecha de acceso: diciembre 6, 2025, https://www.youtube.com/watch?v=hvNEMtAbqqQ

8. Estas fueron las encuestas más y menos acertadas para las elecciones 2024 | MilenIA, fecha de acceso: diciembre 6, 2025, https://www.youtube.com/watch?v=LGpQgixsm1c

9. Retos actuales de las encuestas electorales - SciELO México, fecha de acceso: diciembre 6, 2025, https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-49112024000200033

10. Modelo predictivo para la selección de técnica de medición de la ..., fecha de acceso: diciembre 6, 2025, https://revistas.anahuac.mx/index.php/the_anahuac_journal/article/view/1135/1126

11. Normatividad vigente en materia de encuestas electorales - Instituto ..., fecha de acceso: diciembre 6, 2025, https://www.ine.mx/normatividad-vigente-materia-encuestas-electorales/

12. Datos agregados para corregir los sesgos de no respuesta y de cobertura en encuestas, fecha de acceso: diciembre 6, 2025, https://www.redalyc.org/journal/2971/297165169002/html/

13. Facetas de la polarización política en México, fecha de acceso: diciembre 6, 2025, https://www.scielo.org.mx/article_plus.php?pid=S0185-013X2024000200189&tlng=es&lng=es

14. Predicciones ciudadanas de las elecciones presidenciales mexicanas, 2000-2024, fecha de acceso: diciembre 6, 2025, http://politicaygobierno.cide.edu/index.php/pyg/article/view/1751

15. encuestas electorales, fecha de acceso: diciembre 6, 2025, https://usmex.ucsd.edu/_files/democratic-integrity/integridad-democratica_14_04142024.pdf

16. Informe en materia de encuestas por muestreo, sondeos de opinión, encuestas de salida y conteos rápidos no institucionales. - Repositorio Documental, fecha de acceso: diciembre 6, 2025, https://repositoriodocumental.ine.mx/xmlui/bitstream/handle/123456789/173005/CGor202406-27-ip-15.pdf

17. Dirección Jurídica Dirección de Normatividad y Consulta Anexos del Reglamento de Elecciones La modificación, adición, escis - INE, fecha de acceso: diciembre 6, 2025, https://portal.ine.mx/wp-content/uploads/2024/03/Micrositio-RE-8-03-2024.pdf

18. Inteligencia Artificial: IA y su Influencia en las Elecciones de México 2024, fecha de acceso: diciembre 6, 2025, https://www.freiheit.org/es/mexico/ia-y-su-influencia-en-las-elecciones-de-mexico-2024

19. Inteligencia artificial en los procesos electorales. ¿Qué podemos esperar de ChatGPT?, fecha de acceso: diciembre 6, 2025, http://www.scielo.org.pe/pdf/elecciones/v22n26/1995-6290-elecciones-22-26-231.pdf

20. Estilos de comunicación de gobierno en redes sociales por pertenencia generacional, fecha de acceso: diciembre 6, 2025, https://www.revistas.unam.mx/index.php/rmop/article/view/90718

21. Métodos de recolección y precisión de encuestas. El caso de Nuevo León, México en 2021, fecha de acceso: diciembre 6, 2025, https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-49112023000200147

22. Desafíos operativos del IEEM rumbo al Proceso Electoral de 2027: el papel del SIAC - Inicio, fecha de acceso: diciembre 6, 2025, https://medioteca.ieem.org.mx/index.php/plumas-ieem/colabora-cs/item/7957-desafios-operativos-del-ieem-rumbo-al-proceso-electoral-de-2027-el-papel-del-siac

23. Los desafíos metodológicos en el estudio de las alianzas ... - Redalyc, fecha de acceso: diciembre 6, 2025, https://www.redalyc.org/journal/138/13866175001/html/