Buscando datos reales de un eclipse: lo que tardé en conseguirlo (y por qué mereció la pena)

Estaba leyendo el capítulo de "Mastering Claude AI" sobre análisis de datos y visualización, y antes de seguir con la lectura quise probar algo por mi cuenta: pedirle a Claude una tabla de datos reales que relacionara el porcentaje de sol tapado durante un eclipse con la temperatura registrada en ese momento, para poder analizarla y hacer gráficos con mi alumnado antes del eclipse del 12 de agosto. Nada de datos inventados ni simulados: reales, verificables, de un eclipse que ya hubiera ocurrido.

La primera respuesta que me dio Claude, tras un buen rato buscando, fue interesante pero no era exactamente lo que necesitaba: una tabla comparando distintos eclipses, con un hallazgo curioso de por medio (el mismo eclipse, con el mismo porcentaje de sol tapado, produce una caída de temperatura tres veces mayor con cielo despejado que con cielo nublado, lo que demuestra que el porcentaje de oscuración por sí solo no explica toda la variación). Un dato interesante, pero yo necesitaba otra cosa: la serie completa de un único eclipse, instante a instante, con una caída de temperatura marcada, para poder graficarla.

Ahí empezó la parte larga del vídeo. Le pedí específicamente el eclipse del 21 de agosto de 2017, uno de los más documentados, y que no se inventara nada bajo ningún concepto. Mientras Claude seguía buscando, probé en paralelo con ChatGPT para comparar resultados. La primera tabla que conseguimos solo tenía datos cada hora, porque esa era la resolución de la fuente meteorológica original (una estación de aeropuerto que solo publica observaciones horarias); yo necesitaba más detalle, cada diez minutos, para que la gráfica mostrara bien la forma de la caída.

Y aquí llegó el momento clave del vídeo: en vez de esperar a que la IA encontrara por su cuenta una fuente con más resolución, decidí buscarla yo mismo. Encontré un archivo Excel descargable con datos de una red de ciencia ciudadana (voluntarios que miden y comparten datos meteorológicos reales), organizado por estados de Estados Unidos. Antes de descargarlo, le pregunté a Claude en qué estado se había podido ver el eclipse total completo, para saber cuál de todos los archivos por estado me interesaba. Me confirmó que la franja de totalidad cruzaba varios estados de oeste a este, y que Wyoming era uno de ellos, coincidiendo justo con los datos del mismo eclipse de 2017 que ya estábamos usando.

Le pasé el archivo de Wyoming, y ahí Claude hizo el trabajo que de verdad importaba: extraer solo las columnas relevantes (hora, temperatura), agrupar las lecturas de decenas de estaciones distintas en intervalos de diez minutos, y calcular el porcentaje de oscuración correspondiente a cada momento. El resultado final fue justo lo que buscaba desde el principio: una tabla real, con la temperatura bajando claramente a medida que el sol se iba tapando, con un detalle que me pareció especialmente interesante -la temperatura más baja no coincide exactamente con el momento de mayor oscuridad, sino que llega unos minutos después, porque la atmósfera tarda un poco en enfriarse del todo.

Lo que quiero que os quede claro de este vídeo, más allá del dato en sí, es el proceso: pedirle a una IA "datos reales" no es tan sencillo como escribir la petición y esperar. Ha hecho falta reformular la pregunta varias veces, comparar con otra IA, detectar que una fuente no tenía suficiente resolución, y finalmente aportar yo mismo un archivo de una fuente que había encontrado por mi cuenta para que Claude pudiera extraer de ahí exactamente lo que necesitábamos. La IA ayuda muchísimo en la parte de organizar, calcular y estructurar, pero encontrar la fuente adecuada y verificar que los datos son reales sigue siendo trabajo nuestro.

Con esta tabla ya lista, en el próximo vídeo la analizaremos y haremos las gráficas con calma.