Agustín Nieto y Silvana Ferreyra (CONICET – INHus – CEHis)
En los últimos meses, y con más intensidad en las últimas semanas, el coronavirus se ha vuelto un tema central y recurrente en la vida de lxs argentinxs. La plataforma Twitter se presenta como una caja de resonancia de estas conversaciones aleatorias, un soporte online para opiniones de masas en el que, ante la mirada del público, se forman emociones colectivas y nacen y mueren tendencias (Van Dijck, 2016). No todo pasa en Twitter, pero todo pasa por Twitter. Los trending topics organizan la conversación y colocan temas en la agenda de periodistas, gobiernos y políticxs.
En los últimos años, una de las preguntas que ha orientado las investigaciones sobre los vínculos entre Twitter y Política se concentró en identificar el modo en que las narrativas organizadas en torno al seguimiento de #hashtags pueden ser clasificadas como “conversaciones nacionales”, aquellas donde lxs usuarixs representan una amplia variedad ideológica, o “cámaras de eco”, para referir a los diálogos que se entablan entre lxs partidarixs de las mismas ideas (Barberá, 2015; Aruguete y Calvo, 2020, Gualda Caballero, Borrero y Cañada, 2015). En esta publicación construida al calor de la coyuntura, con todas las potencialidades y limitaciones que esto supone, buscaremos clasificar a partir de estos parámetros la conversación en torno al tópico del COVID-19 en Argentina.
Entre las 00:00 horas del domingo 23 de febrero y las 23:59 horas del martes 31 de marzo de 2020 se emitieron 407.226 tweets que incluía el hashtag #CoronavirusArgentina (o su homónimo #CoronavorusEnArgentina).[1]
A lo largo de los primeros 38 días de vida la performance del hashtag fue, aunque con una tendencia ascendente y cierta regularidad horaria, muy dispar. Su pico se produjo, como se ve en el gráfico, entre los días 15 y 16 de marzo, al calor de los pedidos de cuarentena y suspensión de clases.
El total de usuarixs implicadxs fue de 136.875. Aunque se trata de un promedio de casi tres tweets por usuarix, el escenario es considerablemente más desigual, en especial si prestamos atención a los retweets (en adelante, RT). Veamos la conversación representada como una red, imaginemos que la mayor parte de los puntos que aquí no visualizamos se constelan aislados, en torno a esta red, densamente conectada a partir de los RT.
Red de retweets #CoronavirusArgentina y #CoronavirusenArgentina
Nota: Elaborado con Gephi.
Tamaño de los nodos y etiquetas según el grado de entrada, color (Comunidades según Modularity Class); representación (Force Atlas 2).
Estudios previos sugieren que este tipo de tópicos, a los que podríamos catalogar como de interés general, muestran en Twitter escenarios menos polarizados, asociados a conversaciones globales. El gráfico de redes verifica en parte esta tesis, pues aunque se han asignado colores diferentes para detectar comunidades, estas muestran altos niveles de conexión y baja polarización.
En efecto, en los últimos días, el discurso mediático y el gubernamental han apuntado a fortalecer este sentido, al considerar la pandemia una oportunidad para construir #UnidosPorArgentina y pausar la grieta que ha marcado el ritmo de la política argentina en las últimas décadas. Aunque la excepcionalidad del slogan se esfuma cuando una mirada internacional nos permite comparar este proceso con otras experiencias, tales como la española, no cabe duda que se trata de un tema que fortalece las identidades nacionales.
El 30 de marzo, la convocatoria a una protesta para que lxs políticxs bajen sus salarios, agitó a través del hashtag #cacerolazo los fantasmas de la grieta y asoció nuevamente el coronavirus a la polarización política en Twitter. Aunque el «call center de Marcos Peña» o el «ejército de trolls del macrismo» aparecían como los protagonistas de esta nueva escena, consideramos que un análisis en profundidad de la conversación sobre coronavirus durante el mes de marzo nos permitirá visualizar cómo las comunidades políticas antagónicas estaban presentes desde el comienzo de esta conversación.
Nos proponemos dos ejes de trabajo para develar los sentidos ideológicos que aparecen cuando miramos, con otras herramientas, la mantra del coronavirus en Twitter. En primer lugar, analizaremos quienes son lxs usuarixs centrales en esta conversación. En segundo término, trabajaremos con una análisis de co-ocurrencia entre hashtags, citados en el corpus de tweets bajo análisis.
Una conversación despareja
Las conversaciones en Twitter parecen bastante alejadas de la democracia digital que algunxs intelectuales imaginaron con el desarrollo de la web 2.0. En su lugar, un pequeño número de usuarixs monopoliza las discusiones. En la red sobre #CoronavirusArgentina, por ejemplo, los tweets de 104.856 usuarixs no reciben ningún tipo de réplica. En su lugar, unxs pocxs miles de usuarixs son centrales para comprender el flujo de la información.
Si prestamos atención únicamente a la publicación de tweets, el ranking está encabezado por la cuenta @Crxtn_V, que tuitea y retuitea contenido diverso y abundante sobre el tópico ‘coronavirus’ sin posicionamientos claros en torno al gobierno nacional, lo que en apariencia refuerza la hipótesis sobre la transversalidad del diálogo. @Crxtn_V, al igual que una buena parte de las cuentas que integran este ‘top 15’, pueden ser clasificadas como retuiteadoras, condición que se verifica al observar que en el recuento de siguiendo/seguidores, lxs primerxs superan por amplia mayoría a lxs segundxs. La neutralidad no es, sin embargo, una cualidad persistente, ya que existe un sesgo claro hacia los opositores al gobierno.
| Usuarixs | N | % |
|---|---|---|
| Crxtn_V | 1683 | 30.5 |
| FEF737 | 514 | 9.3 |
| PolaquitaLa | 334 | 6.1 |
| la88renegadavi1 | 323 | 5.9 |
| DaPepitos07 | 307 | 5.6 |
| bigbangnw | 286 | 5.2 |
| LaVegana_online | 269 | 4.9 |
| perfilcom | 253 | 4.6 |
| huguiale | 247 | 4.5 |
| HDA1983 | 238 | 4.3 |
| arieltricolores | 226 | 4.1 |
| EleterNautax | 226 | 4.1 |
| Jo767997 | 211 | 3.8 |
| mdzol | 208 | 3.8 |
| estegano_grafia | 195 | 3.5 |
El gráfico que muestra la red de rt en torno a #CoronavirusArgentina, nos muestra otro modo de medir la centralidad, enfocada en aquellxs usuarixs más retuiteadxs. La centralidad relativa de cuentas de servicio como @AlertasTransito y @emergencisAR refuerzan la idea de conversación nacional. Sin embargo, el lugar preeminente de @segregustavo, identificado con ideas ultra-liberales, nos muestra otra perspectiva. Este nodo, el más grande de la red de rt, encabeza una comunidad (coloreada con rosa), claramente opositora al gobierno nacional. Allí se condensa buena parte de los nodos con más rt, algunos son reconocidxs políticxs opositorxs (@marioraulnegri, @gracielaocaña) y otrxs son cuentas anónimas fuertemente antikirchneristas (@SantiCis3010, @fantoche_triple, @LechuzaPlanera). No hay dudas de que esta comunidad es la más relevante de la red si la pensamos en relación a los nodos más influyentes.
Por otro lado, en la comunidad verde, la centralidad corresponde a cuentas de periodismo asociado al arco progresista @C5N o @soyingridbeck, así como a cuentas anónimas identificadas con el gobierno nacional (@raulbatistarui1). Se trata de una comunidad menos influyente, más difusa pero también más extensa.
Cuando incorporamos al análisis las menciones, es decir, la práctica de añadir el nombre de unx usuarix en un tweet, aparece en nuestro Top 15 un usuarix que no estaba en la red del gráfico 2. En efecto, durante el período bajo análisis @alferdez no escribió ningún tweet con #CoronavirusArgentina, pero la enorme cantidad de menciones que recibió muestran la indudable centralidad que el presidente tiene en este corpus.
| Usuarixs | Menciones |
|---|---|
| segregustavo | 49671 |
| alferdez | 20414 |
| C5N | 19763 |
| AlertasTransito | 18283 |
| marioraulnegri | 9871 |
| gracielaocana | 8985 |
| SantiCis3010 | 5785 |
| fantoche_triple | 5193 |
| soyingridbeck | 5023 |
| peponila | 4320 |
| LechuzaPlanera | 4107 |
| MComadreja | 3838 |
| raulbatistarui1 | 3647 |
| Oberst_Moncha | 3452 |
| Marta0061 | 3333 |
En resumen, hemos observado una red cuyo diagrama muestra baja polarización, un lugar central del presidente de la nación en las menciones, una comunidad oficialista extensa pero menos influyente que la comunidad opositora. Pasemos ahora a analizar nuestro corpus a partir de los hashtags.
Todo #hashtag es político
El seguimiento de hashtags ofrece la posibilidad de analizar la construcción de narrativas colectivas y comunidades en el proceso de transmisión de información en las redes. En este caso, hemos elegido rastrear #CoronavirusArgentina y #CoronavirusenArgentina. Pero los tweets que incorporan esta etiqueta suelen hacerlo de manera conjunta con otras, que completan sus significados. Creemos que el análisis de co-ocurrencias de hashtags nos permitirá visibilizar con más claridad los enfrentamientos políticos que se suscitaron en torno a la conversación más global que mostramos al inicio.
De nuevo, la concentración predomina por sobre la diversidad, y un puñado de hashtags asociados concentra casi la totalidad de los tweets: solo los primeros cinco representan el 82 %. Asimismo, esos primeros cinco refieren, en apariencia, a hashtags transversales, mientras que los siguientes 10 están dominados por hashtags ‘partidarios’, con mayoría de hashtags opositores. El peso relativo de estos últimos es bajo pero su concentración y densidad comunitaria los vuelve muy visibles.
| Hashtags | N | % |
|---|---|---|
| coronavirus | 86158 | 36.0 |
| yomequedoencasa | 45598 | 19.1 |
| cuarentenaobligatoria | 28580 | 12.0 |
| cuarentena | 21038 | 8.8 |
| quedateencasapelotudo | 14248 | 6.0 |
| somosresponsables | 6684 | 2.8 |
| argentina | 5402 | 2.3 |
| pandemia | 5243 | 2.2 |
| volvieronpeores | 5041 | 2.1 |
| noscuidamosentretodos | 4300 | 1.8 |
| renunciagines | 4067 | 1.7 |
| ahora | 3836 | 1.6 |
| estadodesitioya | 3052 | 1.3 |
| suspendanlasclasesya | 2916 | 1.2 |
| testsmasivosya | 2907 | 1.2 |
Si miramos las relaciones entre los hashtags y dejamos de lado (filtramos) a los primeros, veremos que la red está centrada en tres hashtags: #SomosResponsables, #NosCuidamosEntreTodos y #VolvieronPeores. Cada uno refiere y encabeza su respectivo grupo: transversales, oficialistas y opositores respectivamente. En esta línea, nos pareció un ejercicio prudente realizar una primera clasificación a partir de su contenido explícito.
#SomosResponsables se encuentra en el centro de la red porque es el que más reproducciones contabiliza. Otro rasgo es que está más fuertemente conectado con otros tres hashtags: #CompromisoCiudadano (transversal), #NosCuidamosEntreTodos y #ArgentinaUnida (ambos oficialistas). Por su parte, #NosCuidamosEntreTodos se relaciona más intensamente con los hashtags #ArgentinaUnida (oficialista), #SomosResponsables y #NoSonVacaciones (ambos transversales). Finalmente, el hashtag #VolvieronPeores ata más relaciones intensas con hashtags de su mismo grupo. Esto último es una pista sobre el mayor compromiso (actividad) y menor diversidad (cantidad de usuarixs por campaña) de esta comunidad en relación a otras comunidades, en particular, la oficialista.
La red de las principales co-ocurrencias entre hashtag asociados a #CoronavirusArgentina nos permite ver subredes de hashtags asociados. Al igual que en la red precedente, las co-ocurrencias detectadas nos permiten inferir dinámicas comunitarias diferenciadas. Lxs usuarixs que tuitean hashtags identificables con el oficialismo los anteceden o siguen con hashtags transversales. Por su parte, quienes tuitean hashtags identificables con la oposición los anteceden o siguen con hashtags opositores.
Como ejemplo de la segunda dinámica comunitaria tenemos dos subredes grandes en torno a los hashtags #RenunciaGines y #SuspendanLasClasesYa. Y como ejemplo de la primera dinámica comunitaria identificamos la subred en torno al hashtag #SomosResponsables. Por otra parte, la red de co-ocurrencia nos muestra una proliferación mayor de subredes asociadas a hashtags opositores en contraste con las pocas subredes oficialistas.
Estas dinámicas diferenciadas se detectan también en las correlaciones entre hashtags. El tratamiento de las correlaciones a partir de la selección de hashtags identificables con una y otra comunidad nos deja ver estas dinámicas diferenciadas.
Los hashtags más afines al oficialismo aparecen con una correlación más débil (verde-violeta) que los hashtags más cercanos a la oposición. Estos últimos muestran una asociación fuerte (amarillo-verde) con temas relativamente distanciados del tópico #CoronavirusArgentina.
La comunidad oficialista prioriza las consignas que promueven valores comunitarios (#SomosResponsables, #Noscuidamosentretodos, #EstadoPresentePreviene) mientras que los opositores priorizan hashtags que proponen consignas de tinte más represivo (#EstadodeSitioYa, #ToquedeQueda, #SuspendanlasClasesYa).
Como se ve en el primer gráfico, la vida del hashtag #CoronavirusArgentina recorre desde el 23 de febrero hasta el 31 de marzo, pero no fue así para con sus hashtags asociados. El itinerario de los 10 más frecuentes muestra ritmos e hitos muy diferenciados.
El gráfico nos muestra un patrón comunitario en sus distribuciones temporales. Queda claro que la iniciativa en un primer momento fue exclusivamente opositora, mientras que la aparición fuerte de los hashtags oficialistas coinciden con las iniciativas gubernamentales en torno a la suspensión de las clases, primero, y a la cuarentena obligatoria, después. Asimismo, las comunidades opositoras lanzan campañas focalizadas que son intensas y cortas. Por su parte, las campañas oficialistas son extendidas en el tiempo y menos focalizadas.
En conclusión, una conversación más global como la de #CoronavirusArgentina, no escapa a las dinámicas antagonizantes que moldea la plataforma. En esta línea, aunque la densidad de la red opositora probablemente reproduzca sus mensajes en una cámara de eco, la efectividad y coordinación en los mensajes les permiten construir tendencias en las redes que fácilmente saltan a los zócalos de las noticias. Por su parte, la comunidad oficialista parece más comprometida con la construcción de conversaciones menos polares. La participación en Twitter, con la asociación de hashtags transversales y partidarios puede pensarse como un modo de construcción de hegemonía, aunque su efectividad en la propagación de tweets queda demasiado atada a la voluntad de algoritmos que se han comprobado segmentadores.
Bibliografía citada:
- Barberá, Pablo; Jost, John; Nagler, Jonathan; Tucker, Joshua A. and Bonneau,Richard (2015), Tweeting From Left to Right: Is Online Political Communication More Than an Echo Chamber?, Association for Psychological Science, volumen 26, issue: 10.
- Calvo, Ernesto y Aruguete, Natalia (2020) Fake News, trolls y otros encantos, Buenos Aires: Siglo Veintiuno Editores.
- Gualda Caballero, Estrella; Borrero, Juan Diego y Cañada, José Carpio (2015), La ‘Spanish Revolution’ en Twitter : Redes de hashtags y actores individuales y colectivos respecto a los desahucios en España», REDES- Revista hispana para el análisis de redes sociales, volumen 26.
- Van Dijck, José (2016) La cultura de la conectividad: Una historia crítica de las redes sociales , Buenos Aires: Siglo Veintiuno Editores.
_________________________
[1] El recorte cronológico es arbitrario, ya que la investigación continúa en desarrollo. Los hashtags #CoronavirusArgentina y #CoronavirusenArgentina suman 292.008 y 115.218 menciones respectivamente.
