OCPESGF Elecciones 2021, ELECTORAL

El debate del debate: Cómo se vivió en Twitter el debate de lxs candidatxs a diputadxs nacionales por la Provincia de Buenos Aires

Emmanuel Borthiry (CEHis- UNMdP)

 

La noche del 20 de octubre tuvo como evento central el debate de candidatxs a diputadxs nacionales por la provincia de Buenos Aires. El debate fue organizado por el programa televisivo A Dos Voces del canal TN de Argentina, el cual reunió a quienes superaron el 1,5% en las PASO y se encuentran actualmente en la recta final hacia las elecciones generales del 14 de noviembre. Entre lxs protagonistas se encontraban Diego Santilli (JxC, 37,33% PASO), Victoria Tolosa Paz (FdT, 33,25%), Nicolás del Caño (Fit-U, 4,99%), José Luis Espert (Avanza Libertad, 4,78%), Florencio Randazzo (Vamos con Vos, 3,64%) y Cynthia Hotton (+Valores, 1,5%). La estructura del debate ya había sido utilizada la semana anterior, el 13 de Octubre, para el debate de la Ciudad de Buenos Aires. Lxs candidatxs contaban con un minuto de presentación para luego continuar con una exposición sobre tres ejes temáticos (Calidad institucional, seguridad y justicia; Economía, educación y trabajo; Política sanitaria en pandemia) que concluían con una ronda de réplica y 9 minutos de debate libre. Luego pasaron a una ronda de preguntas y respuestas entre dos candidatxs (Tolosa Paz-Santilli, Espert-Del Caño, Hotton-Randazzo). Al finalizar este bloque, culminaron la velada con sus minutos de cierre.

El debate ocupó un espacio central en la prensa y las redes sociales, en donde se discutió acerca de los tópicos, las intervenciones y sobre quién resultó ganador. Por tal razón, nuestra propuesta para analizar el debate se vincula con el uso de herramientas digitales para extraer, procesar y visualizar los tweets agrupados alrededor del hashtag “#DebateBuenosAires”, el cual fue propuesto por la organización y utilizado por lxs candidatxs y lxs usuarixs en Twitter. Nos guían preguntas como: ¿Quiénes fueron lxs usuarixs centrales en la red del debate? ¿Cuáles fueron los tópicos de discusión y cuáles fueron los más destacados? ¿Se produjo en Twitter un debate entre internautas de distintas afinidades políticas o la tendencia fue de segregación y polarización?

Desde hace décadas los debates electorales han sido objeto de estudio de las ciencias sociales, no obstante, en los últimos años se ha desarrollado un campo de estudios que vincula los debates electorales con el “debate del debate” (Kalsnes et al., 2014) que se produce en las redes sociales, especialmente en Twitter, la red de microblogging más utilizada para la discusión política. Podemos decir que los debates electorales se hallan frente a un nuevo escenario, caracterizado por la convergencia e hibridación mediática, en donde los personalismos políticos se acentúan y lxs candidatxs buscan viralizar su mensaje y movilizar a activistas en línea. En sus inicios, internet fue visto como una herramienta con potencial para revitalizar la democracia y habilitar canales para la discusión en la esfera pública. Sin embargo, años más tarde nos encontramos con miradas críticas que sugieren que espacios como Twitter se asemejan más bien a una “cámara de eco”, debido a que predominan la segregación y polarización política, es decir, un escenario en el cual se refuerzan las posiciones políticas previas y tampoco se genera un debate directo entre las partes (Calvo y Aruguete, 2020; Reyes, 2019)

Consideramos que tanto las discusiones entre optimistas y pesimistas, así como también las preguntas planteadas para analizar qué pasó en las redes con respecto al debate, sólo pueden comenzar a saldarse a partir de estudios situados. En este caso, el análisis a partir del hashtag #DebateBuenosAires nos puede ayudar a comprender los usos de Twitter durante las campañas y debates políticos. El hashtag (#) es utilizado para vincular tweets particulares con un tópico en común y permite que lxs usuarixs participen en tiempo real. Twitter ha demostrado ser un medio de interés para lxs candidatxs y los medios para dar continuidad al debate sobre grandes eventos televisivos, particularmente los vinculados a la política (Kalsnes et al., 2014; Reyes, 2019). En nuestro caso, la muestra con la que trabajamos se compone de un corpus de 89.891 tweets, de los cuales 26.369 (29,33%) son tweets publicados por usuarixs y 63.522 son retweets (70,67%). Para la extracción y visualización de los datos se utilizaron los software R y Gephi.  El conjunto de datos incluye los tweets que utilizaron el hashtag #DebateBuenosAires entre el día 16 de Octubre a las 21:00, momento en el que TN anuncia por redes el debate, y el 21 de Octubre a las 13:00, para captar los comentarios posteriores.

El dato de que la mayor parte de los tweets son en realidad retweets da cuenta de cómo unxs pocxs usuarixs son centrales tanto en la activación de la red como en la difusión de ciertos mensajes. Por lo cual es importante, en primer lugar, observar y distinguir cuales fueron lxs usuarixs y los tweets que más interacciones recibieron, es decir, los de más retweets y likes.

 

Figura 1. Tabla de los tweets con más “me gusta” del hashtag #DebateBuenosAires

 

Si observamos lxs usuarixs con mayor número de likes encontramos en primer lugar al candidato José Luis Espert, quien se posicionó en las PASO en 4to lugar con un 4,78% de los votos. No obstante, tal como veremos a partir de distintos datos, tuvo un lugar central en la red del hashtag #DebateBuenosAires. Los dos tweets más likeados fueron los de su minuto de presentación y el de cierre, en los cuales expone, respectivamente, su punto de vista sobre los problemas de la Argentina y una propuesta para el futuro. En segundo lugar se ubica el perfil del sitio de noticias TN, organizador del debate. Desde su cuenta de Twitter fueron compartiendo distintos momentos y comentarios del debate, aunque lo más interesante es que los tweets con más “me gusta” fueron también aquellos que recopilaban alguna declaración de Espert. Entre estos tweets se destaca un minuto en el cual habla sobre seguridad en donde afirma que “matar tiene que dejar de ser gratis en Argentina” y propone medidas para endurecer las penas y reducir la edad de imputabilidad. Otros de los que sobresalen son un clip en el que asegura vehementemente que Victoria Tolosa Paz dice “estupideces” y otro en el cual increpa a Nicolás del Caño acerca del éxito de los países socialistas y comunistas.

 

Figuras 2 y 3. Tweets de José Luis Espert que más “Me gusta” recibieron.

Del mismo modo aparecen entre los primeros puestos usuarios como el historietista Nik Gaturro (@Nikgaturro) y el periodista de espectáculos Angel de Brito, quienes critican a lxs candidatxs de la izquierda y el peronismo y avalan las declaraciones de Espert. En síntesis, el gráfico nos muestra cómo los discursos de derecha son los que más likes recibieron y estuvieron más vinculados a la figura de Espert que a la de otrxs candidatxs como Diego Santilli o Cynthia Hotton. Si bien la candidata del Frente de Todxs, Victoria Tolosa Paz, se encuentra en segundo lugar, su posición se puede comprender mejor a partir del gráfico de retweets.

Figura 4. Tabla de los tweets con más retweets del hashtag #DebateBuenosAires

El gráfico de retweets posiciona a Victoria Tolosa Paz en el primer lugar. Una de las posibles interpretaciones está ligada a las dinámicas que adopta el Frente de Todxs para utilizar Twitter. La estrategia de la campaña digital consiste principalmente en la realización de hilos de Twitter alrededor de un hashtag (en este caso #DebateBuenosAires) el cual es retwitteado por otrxs políticxs del espacio, así como también por la militancia. El objetivo de la estrategia es amplificar el mensaje lo más posible.

Si analizamos la topología de la red a través de un grafo de lxs usuarixs más retwitteadxs (Figura 5), podemos observar una red sumamente polarizada entre dos grandes polos compuestos por distintas comunidades. Las comunidades en red son agrupaciones de distintos tipos de actores vinculados a partir de usos, prácticas y discursos en común mediados tecnológicamente, en este caso la grupalidad de lxs usuarixs y su proximidad está producida por las interacciones (likes, RT, comentarios, etc.) que mantienen en Twitter. En la parte superior se distingue una comunidad agrupada a partir de la cuenta de la candidata Victoria Tolosa Paz y la cuenta del Frente de Todxs (Color verde claro). El grafo da cuenta de cómo la comunidad oficialista no dialoga demasiado con otras comunidades, solo lo hace con la comunidad de color verde oscuro agrupada en base a la figura de Myriam Bregman, candidata del Frente de Izquierda por la Ciudad Autónoma de Buenos Aires. Es interesante como la red se configura a partir de dos polos que podríamos identificar, por un lado, uno que agrupa a espacios progresistas y de izquierda (en la parte superior) y otro integrado por candidatxs y usuarixs vinculadxs a la derecha (en la parte inferior). Dentro de este segundo polo se destaca nuevamente el candidato José Luis Espert (Color violeta). Su comunidad se halla cercana a otras que movilizan discursos similares a los del candidato liberal y tienen gran protagonismo en la red de #DebateBuenosAires. Por último, vale señalar que la comunidad del candidato Diego Santilli (Color gris) se halla en la parte inferior derecha, la misma pasa bastante desapercibida y no logra movilizar ciberactivistas como si lo hacen la comunidad oficialista y la de Avanza Libertad.

Figura 5. Grafo de los usuarixs más retwitteadxs que utilizan el hashtag #DebateBuenosAires. El grafo fue realizado con el software Gephi, utilizando el algoritmo Force Atlas 2

 

Figuras 6 y 7. Tweets de Angel de Brito y Nik Gaturro

Por su parte, el grafo de la red de hashtags (Figura 8), es decir, los hashtags más utilizados asociados al hashtag #DebateBuenosAires, nos muestra nuevamente como lxs candidatxs que más actividad tuvieron en la red fueron Espert (#EsConEspert y #Espert) y Tolosa Paz (#TolosaPaz). También vale señalar el hashtag #AhPeroMacri, uno de los más utilizados de la noche para criticar el discurso de la candidata oficialista, centrado principalmente en la polarización con Diego Santilli y una crítica al gobierno de Mauricio Macri. Por último, aparece con fuerza Nicolás Del caño a partir del hashtag #DelCaño. El candidato por el Frente de Izquierda tuvo su momento de mayor exposición cuando se enfrentó a José Luis Espert en la ronda de preguntas y respuestas.

Figura 8. Grafo de la red de hashtags a partir del hashtag #DebateBuenosAires El grafo fue confeccionado con Gephi utilizando el algoritmo Force Atlas 2

Por último, nos interesaba mostrar una nube de palabras para analizar los tópicos y las palabras más frecuentes del debate en Twitter. La información que nos arroja la nube también nos sirve para ver qué relaciones existen entre la agenda temática que sigue el debate televisivo y en las redes. La bibliografía sobre Twitter y debates señala al respecto que, por lo general, son las agendas del debate las que estructuran la conversación en Twitter (Kalsnes et al., 2014; Pérez-Curiely García-Gordillo, 2020). En nuestro caso, podemos observar  cómo aparecen efectivamente los tópicos pautados en el debate (Seguridad, pandemia, educación), no obstante, estos tienen un protagonismo menor al de lxs candidatxs políticxs. Las palabras con mayor frecuencia son las de los nombres de lxs candidatxs, lo cual da cuenta de una dinámica que se ve intensificada en las redes sociales: el personalismo político. Por último, vale destacar la centralidad de la figura de Mauricio Macri, quien emergió a partir del hashtag “#AhPeroMacri” como una consigna a modo de respuesta al discurso que sostuvo Tolosa Paz durante el debate.

Figura 9. Nube de palabras del hashtag #DebateBuenosAires.

Para finalizar, podemos obtener algunas conclusiones a partir del análisis del hashtag #DebateBuenosAires. En primer lugar, señalar que las comunidades que más actividad mantuvieron fueron, por un lado, la comunidad oficialista a partir de la figura de Victoria Tolosa Paz y, en menor medida, de la cuenta del Frente de Todxs. Sin embargo, la comunidad kirchnerista no logró dialogar con otros actores por fuera de sus seguidores y militantes. Por otra parte, distintas comunidades lograron conformar un núcleo opositor en base a figuras políticas, principalmente Espert, quien con claridad fue el candidato que más repercusión mediática tuvo en el evento, tal como observamos en el grafo de comunidades. Todo pareciera indicar que en los últimos tiempos las derechas alternativas son quienes han hecho una mayor capitalización política del uso de redes sociales.

Podemos considerar algunas ideas para pensar el por qué logran que su discurso, por más que sea minoritario en las urnas, acapare una notable centralidad en las redes sociales y particularmente también lo hizo en este evento, desplazando a figuras como Diego Santilli, candidato de jxc, espacio al que se le suele adjudicar un uso eficiente de las redes. Figuras como Milei o Espert han conseguido, por un lado, movilizar a sectores de la juventud -principalmente hombres, blancos y de clase media- que ya participaban de distintas culturas en línea hacia espacios de discusión política como Twitter. Así como en Estados Unidos se vincula a jóvenes que utilizan foros como 4chan o Reddit con candidatos de derecha como Donald Trump, aquí en Argentina podría pensarse que el tipo de cibermilitante del espacio Avanza Libertad parte de un perfil similar que, en una escala local, podemos encontrar en sitios como Taringa[1]. Por último, estudios recientes realizados por investigadores de Twitter[2] reconocen que es probable que los algoritmos de la plataforma amplifiquen los discursos de derecha por sobre otros. De momento afirman que no es algo intencional de la plataforma y desconocen los motivos de su funcionamiento.

Más allá de las conclusiones que podamos aventurar de un evento como el debate (y más aún del debate en redes sociales), sus repercusiones en el proceso electoral no necesariamente se darán de manera homóloga. Lo que sí pueden estar haciendo es mover el eje de la discusión y de la oposición al gobierno hacia la derecha. En todo caso, es algo que podremos considerar a partir de los resultados del próximo 14 de noviembre.

 

Referencias

 

-Calvo, E., y Aruguete, N. (2020). Fake news, trolls y otros encantos: Como funcionan (para bien y para mal) las redes sociales. Siglo XXI.

-Kalsnes, B., Krumsvik, A. H., & Storsul, T. (2014). Social media as a political backchannel: Twitter use during televised election debates in Norway. Aslib Journal of Information Management, 66(3), 313-328.

-Pérez-Curiel, C., y García-Gordillo, M. (2020). Del debate electoral en TV al ciberdebate en Twitter. Encuadres de influencia en las elecciones generales en España (28A). Profesional de la Información, 29(4), Article 4.

-Reyes, R. J. (2019). ¿Cámaras de Eco o mayor Pluralismo? Twitter y la diversificación de los debates presidenciales en Chile. Amoxtli, 3, 47-60.

 

[1] Taringa es una red social de origen argentin que adopta características similares a un foro en línea. A través de sus secciones se debaten distintos tópicos, dentro de los cuales la política, principalmente vinculada a ideas y candidatos de derecha, ha cobrado protagonismo. Por ejemplo, existen entradas como “Hagamos presidente a Javier Milei” https://www.taringa.net/+info/hagamos-presidente-a-javier-milei_1dc4y0

 

[2] Nota de Eldiario.es https://www.eldiario.es/tecnologia/twitter-reconoce-algoritmos-amplifican-politicos-medios-derechas-espana_1_8420512.html

 

 

 

 

OCPESGF CORONAVIRUS

Segundo Informe Técnico COVID 19 – MGP 2020

Presentamos el segundo informe derivado del proyecto de carácter transdisciplinar “Monitoreo y seguimiento de estrategias para minimizar la circulación del COVID-19 en el Municipio de General Pueyrredon” (Código MINCYT, BUE 14), aprobado y financiado por el Programa de Articulación y Fortalecimiento Federal de las Capacidades en Ciencia y Tecnología COVID-19 del Ministerio de Ciencia, Tecnología e Innovación de la Nación. El mismo se desarrolla desde junio del presente año en el Instuto de Humanidades y Ciencias Sociales (INHUS), unidad ejecutora de doble dependencia entre el CONICET y la Universidad Nacional de Mar del Plata.

La segunda ronda de relevamiento tuvo lugar en el mes de octubre, cuando el Partido de General Pueyrredon ( PGP) se encontraba en fase 3 del Aislamiento Social, Prevenvo y Obligatorio (ASPO) a la que había retrocedido a fines de agosto. Con referencia a la metodología, la muestra sobre la que se realizó el relevamiento de los cuestioonarios es no probabilísca, también llamada muestra intencional, dado que la elección de los casos depende de decisiones acordadas por el equipo de invesgación. Se parte de informantes calificados quienes señalan a referentes de los Comités Barriales de Emergencia (CBE) o de comedores/merenderos de los barrios seleccionados como posibles encuestados, pudiendo de esa manera construir la trama o red de contactos.

Además de las encuestas, sobre las que se ha construido el núcleo de este segundo informe, se utilizaron otras técnicas complementarias. Tal como se puede apreciar hasta el momento, una de ellas corresponde a la construcción de mapas temácos donde se han georreferenciado actores, e indicadores de vulnerabilidad social (población mayor de 65 años, calidad de vida, necesidades básicas insasfechas -NBI-), en recortes territoriales de acuerdo con la concentración de problemas. Otra, al análisis datos estadíscos de variables y su expresión en gráficos para reconstruir, por ejemplo, la evolución e incidencia de la pobreza e indigencia, la composición etaria de la población, entre otros, comparando comportamientos entre el PGP y la Región Pampeana, por ejemplo.

También se ha recurrido a técnicas cualitativas, como se pone en evidencia en los relevantes apéndices de este informe. La descripción analíca propia del método histórico permitió reconstruir la trama de la evolución de la pandemia en base a bibliografía secundaria y a información primaria obtenida de los portales de la Organización Mundial de la Salud (OMS) y la Organización Panamericana de la Salud (OPS) (Apéndice 1). Asimismo, se recurrió a la observación y el análisis de dos asambleas plenarias de referentes de los CBE, realizadas de manera sincrónica los días 1° de agosto y 26 de septiembre de 2020. Estas fueron convocadas a través de un programa de reuniones virtuales y es posible consultarlas en el canal Youtube. A los fines de este informe, se recuperaron las intervenciones de los, las y les referentes en su entorno, con las limitaciones a la participación derivadas de la modalidad posible de adoptar (Apéndice 2).

Finalmente, se recupera el análisis de conversaciones en Twitter sobre coronavirus en Mar del Plata. Se empleó minería de textos, una aplicación de la lingüística computacional y del procesamiento de textos que pretende facilitar la idenficación y extracción de nuevo conocimiento a partir de colecciones de documentos o corpus textuales (Apéndice 3).

Pueden descargar aquí el informe completo

 

OCPESGF CORONAVIRUS

Twitter en tiempos de pandemia: ¿unidxs o polarizadxs?

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.

Top 15 de usuarixs
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. 

Top 15 de menciones en tweets, retweets y réplicas
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. 

Top 15 de hashtags
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.

Mariana Pozzoni Elecciones 2019, ELECTORAL

Tus seguidores me simpatizan

Por Wanda Juares

Nos encontramos en el tramo final de contienda electoral. Una campaña sumamente polarizada entre las fuerzas de Juntos por el Cambio y el Frente de Todxs.  Los resultados de las PASO develan la tendencia para este domingo para la Presidencia y gobernación de la provincia de Buenos Aires. Sin embargo no todo está definido, entre los municipios bonaerenses existen 22 elecciones abiertas a la disputa electoral, y entre ellos el Partido de General Pueyrredón (PGP). En estos distritos la pregunta por cómo traccionar votos del electorado flotante se vuelve indispensable.

En el PGP la carrera por la Intendencia concentró el mayor caudal de votos entre lxs candidatxs de las principales fuerzas nacionales, Fernanda Raverta por el Frente de Todxs y Guillermo Montenegro por Juntos por el cambio; por otra parte, lxs candidatxs de tradición local-vecinalista como Vilma Baragiola quien queda afuera tras la interna con Montenegro, y Gustavo Pulti de Acción marplatense quien continua su candidatura apelando al corte de boleta. Para complementar el análisis de las fuerzas locales y el electorado (https://www.observatoriopolitico.com.ar/el-corte-de-boleta-en-general-pueyrredon/).

Para definir esta elección lxs candidatxs mas votadxs deben interpelar al electorado, sobre todo a aquellos que votaron por alguna opción que no continua o no es viable en términos estratégicos de cara al 27 de Octubre.

Las redes sociales son un escenario predilecto para la comunicación política, sobre todo  durante la campaña para interactuar e interpelar a lxs usuarixs.

En momentos de campañas políticas el análisis de la estructura de las redes sociales, sus interacciones, diálogos y flujos nos permiten construir el mapa político de la tuitósfera y vislumbrar dinámicas y posicionamientos de los usuarios en la esfera pública online.  Siguiendo el análisis de lxs precandidatxs a Intendente desde la tuitósfera (https://www.observatoriopolitico.com.ar/2019/06/) pusimos la mirada en los seguidorxs de cada perfil de lxs políticos de la campaña local. Siguiendo a Barberá (2015) la acción seguir/follow  trasmite información sobre las preferencias ideológicas y las proximidades políticas de los usuarios. Partiendo de esta premisa tomamos el corpus de datos de usuarios que durante la campaña deciden “seguir” a lxs precandidatxs a Intendentx, con el objetivo de recuperar la pregunta sobre la configuración del espacio político digital.

¿Qué particularidades adquiere la segmentación de comunidades de usuarios para campañas locales en Twitter? ¿Los seguidores de lxs precandidatxs reflejan sus bases electorales? ¿Existe concentración o dispersión entre los seguidores de Twitter hacia los candidatxs? ¿Hay cruces entre los seguidores de las distintas cuentas? ¿Qué proximidades políticas se vislumbran en Twitter? Estas aproximaciones ¿dan cuenta de posibles traspasos de votos?

Analizamos 85.820 registros de cuentas de seguidores de los perfiles de 10 precandidatxs que tienen cuenta de Twitter. Del total de las cuentas observadas un 88% de los usuarios solo siguen a un candidatx, 7.7% siguen a dos candidatxs y un 2.4 % siguen a tres candidatxs, finalmente un 2% siguen a 4 o más. La mayoría de los usuarios solo sigue a un/a candidatx, aunque esta tendencia adquiere mayor fuerza en figuras como Guillermo Montenegro, quien más seguidores tiene, el 91.5 % solo lo siguen a él;  al igual que Fernanda Raverta, que de sus seguidores un 85% solo la siguen a ella. En contraparte se observa que lxs candidatxs localistas como Gustavo Pulti (68,5), Vilma Baragiola (50), Carlos Arroyo (40.3) disminuyen el porcentaje de seguidores propios.

En la matriz de coincidencia se observan las superposiciones, cercanías y distancias entre lxs distintos candidatxs cruzando las bases de seguidores en común.

  • Fuente: Elaboración propia- Datos extraídos para el mes de Agosto

Lxs vecinalistas Baragiola, Pulti y Arroyo son quienes tienen mayor cantidad de coincidencias a pesar de no pertenecer a fuerzas políticas cercanas. Esto nos muestra que entre los candidatxs vecinalistas y de mayor arraigo local es menor la tendencia a la polarización entre sus seguidores, siendo más frecuente que usuarios decidan seguirlos en forma simultánea.

Fernanda Raverta posee un alto porcentaje de seguidores propios, solo un 15% de quienes siguen a este perfil siguen también a otro, teniendo mayor coincidencia con Gustavo Pulti y en menor proporción con Vilma Baragiola.

Montenegro también concentra sus seguidores, aunque un 10% de sus seguidores también siguen a Vilma Bragiola, y en menor proporción a Gustvo Pulti.

 

 

OCPESGF Elecciones 2019, ELECTORAL, Uncategorized

Twitter y los precandidatxs a intendente de General Pueyrredón

Wanda Juares

El sábado 22 de junio de 2019 a las 23:59 cerraron las listas de precandidatxs a Intendentes para el Partido de General Pueyrredón, la quinta sección electoral es una de las más importantes en volúmenes de votos y visibilidad para la provincia y para el país. Por ello desde el Observatorio Ciudadano, Político y Electoral (OCPE) venimos analizando esta campaña en distintos escenarios. Las redes sociales son un espacio de interacción privilegiado para las campañas electorales y la conflictividad política. Con el ojo también puesto en el espacio virtual, acercamos algunas descripciones de esta disputa electoral para la plataforma virtual Twitter, una de las redes sociales más populares entre los políticos.

Estudios empíricos en esta red han comprobado que la interacción de los candidatos con los ciudadanos incrementa su popularidad y visibilidad entre sus votantes potenciales. Sin embargo, los resultados óptimos derivados de esta interactividad no son automáticos y en ocasiones han dado pie al incremento de actitudes agresivas hacia los políticos. Por tanto, explicar cómo y cuándo son evaluadas las interacciones de los políticos con sus seguidores de manera positiva, supone la inclusión de otras variables dependientes a los modelos. (Alvídrez, 2017)

En el siguiente cuadro sintetizamos las principales características de las distintas cuentas:

UsuarioTweetsSeguidoresFavsSiguiendoCreación
@alemilitante384211291343297528/08/2011
@arroyocf2052576716711224/06/2015
@FerRaverta570118231237157019/02/2013
@gmontenegro_ok327436305113322126/09/2012
@GustavoPulti8799207321289142419/07/2011
@JulioRazona54669752726514/05/2014
@MarcosPascuan2321835249273026/06/2015
@SBonifatti2204371352960376313/07/2011
@vilmabaragiola1249911360322648508/08/2010

Esta plataforma virtual, al igual que otros espacios sociales, también posee jerarquías y desigualdades a la hora acumular “popularidad”, para lo cual debemos tener en cuenta la segmentación de la población usuaria de estas redes, el capital social, político y económico preexistente del/de la candidatx, la relación con otros medios tradicionales, entre otros factores que propician el crecimiento y visibilidad de unos usuarios por sobre otros. Entre estos elementos, y aún cuando las campañas 2.0 son mucho menos onerosas que los minutos televisivos, la cantidad de dinero que se invierta en estrategias de marketing político es una variable de peso. Para estas elecciones, incluso tres precandidatxs aún no tienen presencia en esta red social.Por otra parte, debemos tomar en cuenta que las campañas buscan sumar adherentes también en otras redes sociales, tales como Facebook e Instagram.

A continuación graficamos dos variables significativas, seguidores y favs, que muestran posicionamientos distintos de lxs precandidatxs. En efecto, mientras que seguir una cuenta no significa adhesión, elegir como favorito un tweet puede ser un indicador más claro de simpatía política.
En esta línea, viene trabajando Ernesto Calvo (2015), quien ha remarcado que en el espacio virtual no todos los tweets son iguales, adelantando que esta diferencia radica en la capacidad de quienes ganan tracción en la interaccion digital. Los fav, o aquellos que son retuiteados y comentados, tienden a dominar en la tuitósfera. ¿Qué es lo que vuelve a estos tweets populares? Pocas veces es su contenido. Más a menudo su origen político y su adscripción a una red estable de relaciones sociales. La compañía de la plataforma posee un algoritmo mediante el cual cada fav y cada retuit refuerzan los límites del intercambio de las distintas comunidades de usuarios. La diferencia entre seguidor y simpatizante puede empezar a explorarse por esta vía.

NÚMERO DE FAVS EN TWITTER POR CUENTA DE PRECANDIDATX
NÚMERO DE SEGUIDORES EN TWITTER POR CUENTA DE PRECANDIDATX

BIBLIOGRAFÍA: