Polarización en Twitter durante
la crisis de la
COVID-19: Caso Aislado y Periodista Digital
Polarization
on Twitter during the COVID-19
crisis: Caso Aislado and
Periodista Digital
Arce García,
S., Vila Márquez,
F. y Fondevila i Gascón,
J. F.1 Recibido: 28-10-2020 – Aceptado: 15-08-2021 https://doi.org/10.26441/RC20.2-2021-A2
RESUMEN: La proclamación del Estado de Alarma en España en marzo de 2020 trajo consigo
un periodo de gran intensidad informativa en medios tradicionales y digitales. Lo extraordinario de la medida, que dotaba de medidas
excepcionales al Ejecutivo para hacer frente a la pandemia de Covid-19, dio
lugar a un escenario tremendamente polarizado. En este contexto, diversos
portales conocidos por la difusión de campañas de desinformación e, incluso,
promoción de ideas simpati- zantes con la extrema derecha, fueron especialmente
activos en redes promoviendo la difusión de contenido
ideológico con el objetivo de captar tráfico para su posterior monetización
mediante pu- blicidad. Este trabajo hace el seguimiento
de la actividad alrededor de dos portales en Twitter, Caso Aislado y Periodista
Digital, con la intención de arrojar luz sobre su papel en el clima de
polarización política. Durante más de dos meses, se captaron, almacenaron y
estudiaron más de 100.000 tweets mediante el software
R y diversos algoritmos para dilucidar la actividad social,
la posible existencia o no
de bots o perfiles automatizados, la naturaleza del contenido vertido y la
carga emocional aso- ciada a él. Se comprueba una intensa
actividad organizada alrededor de ambos portales a través de un alto porcentaje de cuentas aparentemente automatizadas y el
apoyo de perfiles influencers que
ejercen como redifusores de alta potencia. Aunque
con diferencias propias de cada medio, es posible entrever una coordinación
intencionada a través de campañas que aúnan contenidos, uso de cuentas de apoyo
y automatizaciones.
Palabras clave: monetización; twitter; bot; caso aislado; periodista digital; influencer; alarma.
ABSTRACT: The announcement of the State of Alarm in Spain in March 2020 brought with it a period of great
information intensity in traditional and digital media. The extraordinary
nature of the measure, which provided the Government with exceptional measures
to confront the Covid-19 pandemic, gave
1 Sergio Arce García es Doctor Cum Laude y Premio Extraordinario de Doctorado en
Humanidades y Comu- nicación por la Universidad de Burgos. Profesor Contratado
Doctor en la Universidad Internacional de La Rioja, con un sexenio de
investigación. Investigador del grupo COYSODI de UNIR sobre comunicación y
sociedad digital. Sus líneas de investigación se centran en el análisis masivo
de medios de comunicación y redes sociales. sergio.arce@unir.net, https://orcid.org/0000-0003-0578-9787
Fátima Vila Márquez es Doctora Cum Laude
y Premio Extraordinario de Doctorado por la Universidad Compluten- se de Madrid, Master en Marketing Online
Internacional por la Escola Superior de Comerç - ESCI Pompeu Fabra y Experta
en Comunicación Corporativa y Propaganda Política
por la Universidad de Sevilla.
Profesora en Univer- sitat de Barcelona, EAE Business School (Universidad Politécnica de Barcelona)
y Ostelea (Universitat de Lleida) donde dirige varios programas de
máster. Es consultora de comunicación y contenidos digitales en Nora&Pierre
Content LAB. fatimavila@ub.edu, https://orcid.org/0000-0002-1281-4314
Joan Francesc
Fondevila i Gascón
es Doctor Cum Laude y Premio Extraordinario de Doctorado por la Universitat Autònoma de Barcelona.
Profesor titular Aneca y profesor
agregado AQU en
Blanquerna-Universitat Ramon Llull, Escola Universitària Mediterrani-Universitat de Girona, Universitat Pompeu Fabra, Cesine,
Euncet y EAE Business
School-Universitat Politècnica de Catalunya. Cuatro sexenios de investigación. IP del Grupo de Investigación sobre Sistemas Innovadores de Monetización en Periodismo y Marketing Digital
(SIMPED) y del Grupo de Investigación
sobre Periodismo Digital
y Banda Ancha.
Autor del blog científico http://www.telecomunicacionesyperiodismo.com. Director del Centro
de Estudios sobre
el Cable (CECABLE). Numerosos premios ganados
en investigación, docen- cia y gestión. joanfrancescfg@blanquerna.url.edu, https://orcid.org/0000-0002-6587-939X
Arce García,
S., Vila Márquez,
F. y Fondevila i Gascón,
J. F.
rise to a tremendously
polarized scenario. In this context, some webs known for the dissemination of
disinformation campaigns and, even, the promotion of ideas closes to the
alt-right, were especially ac- tive in networks
promoting the dissemination of ideological content
with the aim of capturing
traffic for subsequent monetization through advertising. This work follows
the activity around
of two of these webs on
Twitter, Caso Aislado
and Periodista Digital,
with the intention of determinate their
role in the political
polarization. For more than two months, more than 100,000 tweets were captured,
stored and studied using R software
and various analysis
algorithms to determine
their social activity,
the possible presence or not of bots or automated profiles, the nature of the content
and the emotional charge associated with it. There is an intense organized activity
around both portals through a high percentage of apparently automated accounts
and the support
of influencers profiles. Although with differences inherent around each web, it is possible to glimpse an intentional coordination through campaigns that combine content, use of support accounts and
automations.
Keywords: monetization; twitter; bot; caso aislado; periodista digital; influencer; alarm.
1. Introducción
En un mundo globalizado la comunicación online se ha convertido en una
infraestructura crítica desde el punto de vista político, económico y
organizacional en la que conviven los ecos de la conversación pública y
privada. Estas nuevas formas de comunicación inauguran otras maneras de contar las cosas y han consolidado la
aparición de nuevos medios y públicos (Salaverria et al., 2019). La generalización de las pantallas interactivas, en las que prima
el lenguaje audiovisual, hace que la información llegue más rápido y a más lugares,
animando la proliferación de nuevos actores e, incluso, producciones amateurs (Murolo, 2012). A través de estas transformaciones se producen
cambios estructurales en lo económico y lo social
que, pese a las diferencias de partida entre países
-por ejemplo, entre Europa y América Latina-,
van convergiendo para promover una conexión per- petua que posibilita la ubicuidad,
instantaneidad y continuidad de las conexiones (Becerra, 2016).
A través de webs
y redes sociales, los datos se trasmiten a velocidad de vértigo generando un
sin- fín de procesos entre los que destacan, por su capacidad de amenazar la
democracia, los procesos de desinformación, propaganda y manipulación de la
opinión pública. Este tipo de operaciones, si bien no son nuevas
en la historia de la comunicación, se han revelado
especialmente activas en los
últimos tiempos al hilo de crisis globales
como la pandemia por la extensión del coronavirus SARS- CoV-2 y encuentran un terreno
propicio en el peculiar funcionamiento del entorno online con las redes sociales a la cabeza.
Tal y como señala Zannettou et al. (2019),
este tipo de operaciones se cla-
sifican en ocho tipos: fabricada, propaganda, teorías conspirativas, bulos (hoaxes), informaciones hiperpartisanas,
rumores, anzuelo de clicks (clickbait)
y noticias satíricas y tienen instigadores de diversa naturaleza que van desde los bots o programas automatizados a organizaciones terroristas o criminales, organizaciones políticas
o activistas, gobiernos, trolls, periodistas, idiotas
útiles, segui- dores de teorías de la conspiración o, simplemente, individuos que sacan beneficios de informacio- nes
falsas. Pese a que el fin económico puede estar en el objetivo último de este
tipo de prácticas, la realidad es que lo común a todos ellos, sean personas
reales (trolls) o programas más o menos automatizados (bots), es la capacidad
de alterar o manipular corrientes sociales y percepciones en la sociedad
(Grimme, Preuss, Takes y Waldherr, 2019).
Aunque el fenómeno de la desinformación es antiguo, su
reciente popularización, animada por la generalización de neologismos como fake news o bulos, echa a andar durante las elecciones de Estados Unidos y el
referendum del Brexit en Reino Unido en 2016. En base a estos fenómenos,
Salaverría, Busión, López-Pan, León, López-Goñi y Erviti establecen que “Son
bulos, en suma, todos aquellos contenidos falsos que alcanzan difusión pública,
fabricados intencionadamente por múltiples motivos, que pueden ir desde la simple broma o parodia,
hasta la controversia ideológica, pasando por el fraude económico” (2020).
Polarización
en Twitter durante
la crisis de la COVID-19:
Caso Aislado y Periodista Digital
(29-47)
La importancia de las redes sociales en la transmisión de
bulos y noticias falsas sería imposible de entender sin tener en cuenta el
proceso de traslación del poder informativo desde los legacy media (televisión, radio
y prensa tradicionales) al entorno digital
y social a partir de finales del siglo XX. La
crisis de credibilidad, por un lado,
y los cambios en el consumo de medios electrónicos por otro, están en
la base de un proceso que ha hecho que los medios tradicionales pierdan su
poder como seleccionadores y distribuidores de información en favor de los motores
de búsqueda, las redes so- ciales o las aplicaciones de mensajería (Bell et al., 2017; Nielsen
y Ganter, 2017). Según la Asocia-
ción de Medios de Información (2017), el 56,8% de los españoles dicen consumir preferentemente noticias a través de las
redes sociales y hacerlo no a través de los perfiles de los propios medios de comunicación, sino de la redifusión a
partir de otros usuarios. Además, más
de la mitad de los lectores, el 57,8%,
solamente leen los titulares sin conocer el contenido completo
del artículo lo que
supone un consumo incompleto y no verificado que se presta a la proliferación
de noticias falsas.
Este escenario de traslación de la confianza informativa
hacia las redes sociales y nuevos medios online ha
sido utilizado por los movimientos populistas primero y por los partidos de extrema dere- cha más tarde (Schulz, 2018), al
calor de un discurso conspiranoico que cuestiona la fiabilidad del stablishment informativo y les presenta como únicos garantes
de la verdad. Estas ideas
encuentran luego su redifusión en nuevos medios afines y en perfiles
influenciadores creando un ecosistema de información propio, una red de sitios falsos (Tandoc,
Lim y Ling, 2018), que servirá sustento y validación entre los políticos y
periodistas de extrema derecha (Frischlisch, Klapproth y Brinks- chulte, 2019).
La literatura académica ha arrojado datos
sobre la mayor
tendencia entre los votantes
de opciones populistas para creer, encontrar y redistribuir dichas
desinformaciones (Freelon et al., 2020), una tendencia que comparten con las
capas de la sociedad con menor poder adquisitivo y educación (Glenski, Weninger y Volkova, 2018). Esta predisposición de base, sin embargo, no al-
canzaría el nivel de redifusión actual si no se valiera del modelo de negocio
de las redes sociales, configuradas para filtrar y seleccionar los contenidos
más afines a los consumidores (Iyengar y Hahn, 2009) con el objetivo último de
que estos pasen el mayor tiempo posible conectados. Esta economía de la atención
(Campos Freire, 2008) supone que, de facto, y gracias
a los algoritmos de
afinidad, las personas reciben prioritariamente mensajes con los que están de acuerdo
o son capaces de compartir. Además, cada información está acompañada
de rankings de popularidad (Sundar,
2008) como los Me Gusta, los retuits o
los comentarios que aumentan las posibilidades de que un contenido pueda ser visto por otras personas y que los lectores menos formados interpreten su éxito como un
elemento de legitimidad.
El resultado es que, a través de este ecosistema informativo alternativo, los usuarios son reforzados
en sus creencias, prejuicios y opiniones ocultándoseles aquellas que les son
contrarias dentro de lo que Pariser
(2011) denomina filter bubbles o
filtros burbuja. De esta manera, se generan grupos de opinión que intercambian
informaciones afines a través de cámaras de eco o resonancia (Levi, 2019) al ser redifusores del contenido (Klinger
y Svensson, 2016). Cada grupo social puede poner-
los al servicio de su comunidad, expresando sus intenciones y desempeñando su rol e imagen públi- ca
(Padilla Herrada, 2016).
En definitiva, estas
burbujas no son solo un espejo, sino que representan una estructura donde las
personas, creyendo informarse racionalmente, ven sobrerrepresentada su propia
opinión (Calvo y Aruguete, 2020).
En este escenario, Twitter se ha convertido en el lugar idóneo para difundir mensajes
“alternativos” (Oltmann, Cooper y Proferes, 2020) y se revela como un
escenario altamente polarizado (Urman, 2019; Evolvi, 2017). La identificación
de cascadas de tuits que redifunden un mensaje original amplificado por los procesos
antes descritos puede
darse de diversas
maneras. A través
de usuarios populares,
usuarios semiautomáticos o directamentamente mediante bots que apoyan cada fase de multiplicación del mensaje hasta su
inundación (Kessling y Grimme, 2019). La influencia y difu- sión de este tipo de contenidos puede llegar a ser tal que las redes que promueven la desinformación
Arce García,
S., Vila Márquez,
F. y Fondevila i Gascón,
J. F.
presentan estructuras de difusión, redifusión y
organización mayores que las de información veraz por lo que solo acciones rápidas
y coordinadas por parte de fuentes fidedignas son capaces de poner
freno a su diseminación (Xu, Chen y Safarnejad, 2020; Vila Márquez y Arce
García, 2019; Vraga, Bode y Tully,
2020).
El uso masivo de redes sociales durante las semanas más
críticas de la extensión de la pandemia del Covid-19 en Europa confirmó Twitter
como un lugar propicio para la rápida difusión de noti- cias, información
médica o de servicios pero también como plataforma
para la desinformación y negación de la literatura científica hasta el punto de llegar a ser definida como la primera
pandemia en redes sociales (Rosenberg, Syed y Rezaie, 2020, Kawchuk et
al., 2020). Aunque la existencia de este tipo de prácticas
malintencionadas en temas relacionados con la salud pública no es nueva
-ha sido largamente identificada en episodios como las
granjas de trolls antivacunas orquestadas desde servidores rusos (Walter, Ophir y Jamieson, 2020) o en la crisis del ébola en 2014 (Kilgo
et al., 2019)- los niveles de difusión y polarización fueron tales en la crisis
del coronavirus que la Organización Mundial de la Salud
(OMS) y otros
organismos internacionales tuvieron
que llegar a un acuerdo con compañías de medios de comunicación y las grandes
tecnológicas para combatirlos (Sell, Hosangadi y Trtochaud,
2020).
1.1. Monetización digital
En los últimos 20 años los medios de comunicación han
protagonizado una importante transfor- mación derivada de la revolución
tecnológica de internet. Mucho antes de la crisis de credibilidad apuntada en
la Introducción, los medios se enfrentaron a la transición al canal online
primero -con el reto de la supervivencia económica en una plataforma donde todo se mostraba como gratis- y a la aparición de nuevos agentes
y competidores después
de la mano de la simplificación de las tecnolo- gías para publicar contenido. El resultado es que, hoy por hoy, los medios
de información digitales
-consolidados o de nueva creación- ensayan constantemente
nuevos modelos de negocio que les permitan monetizar y ser económicamente
viables. Actualmente, la publicidad automatizada con tarificación programática
-publicidad de coste por clic o coste por mil visualizaciones adquirida a
través de una subasta algorítmica (advertising exchange)- no solo es una fuente fundamental de in-
gresos para los grandes medios
tradicionales en internet, sino que anima
la proliferación de medios
nuevos de baja calidad que obtienen ingresos a través de la publicidad. En este
escenario, algunos portales sensacionalistas lanzan agresivas acciones de
captación de tráfico para obtener visitas -y con ellas, beneficios publicitarios- usando noticias que “venden” un titular polémico
y de gran im- pacto que puede, incluso,
guardar información falsa
(Gutiérrez Martín, Torrego
González y Vicente Mariño, 2019, Comisión Europea,
2018). Existen distintas motivaciones detrás de estas acciones de
desinformación: intenciones políticas, humorísticas, de promoción de
ideologías, para recogida de datos de usuarios, razones tecnológicas o, como se
apunta, el beneficio económico (Meel y Vi-
shwakarma, 2019). De esta forma se atrae a través de titulares hacia las
noticias donde:
Se desprende, por tanto, un juego de confianza hacia
los acontecimientos más cercanos a la línea
editorial, y en sentido opuesto, el ofrecimiento de miedo a lo
contrario, polarizando el discurso vertido en redes y alimentando así su difusión
a través de las cámaras
de resonancia y reafirmación de los seguidores de sus cuentas. Son así fuentes
reconocidas como fidedignas, que pueden ser empleadas en las redes
sociales por grupos afines a su línea editorial
que muestran y redifunden dichas informaciones como sustento y apoyo
de sus discursos. A la par, todo este proceso
atrae tráfico de internet y consumo como sustento económico hacia los diarios. Se trata por tanto no de cantidad
de emociones y sentimientos escritos, sino de expresión de provocar determinadas
emociones que polarizan a favor o en contra, confianza y miedo alrededor de
noticias destacables (Arce García, Orviz Martínez y Cuervo Carabel, 2020).
Estas historias falsas
y/o extravagantes que necesariamente despiertan curiosidad aumentan tráfico y el intercambio e información entre usuarios, tal como señalan Bakir y McStay (2017), lo que re-
Polarización
en Twitter durante
la crisis de la COVID-19:
Caso Aislado y Periodista Digital
(29-47)
duce el coste de su difusión y ahonda aún más en la proliferación de medios de escasa calidad
(Pe- terson, 2018). Un objetivo económico
que se vale de los momentos críticos
y de los temas de mayor
intensidad informativa y que ya ha sido detectado en la propagación de noticias
falsas durante la pandemia de la Covid-19 en relación al 5G (Ahmed et al.,
2020).
1.2. Caso Aislado y Periodista Digital
En su artículo
del 23 de mayo de 2018 en el diario El País, los periodistas Fernando Peinado y Da-
niel Muela denuncian el modelo
de negocio de lo que llaman “el negocio de la manipulación digital en España” (2018). En su artículo se citan ocho
portales -Periodista Digital, OK Diario, Esdiario, Gaceta, Caso Aislado, La Tribuna de Cartagena, Mediterráneo Digital y Digital
Sevilla- como “las páginas españolas de contenido
partidista, sesgado o bulos se lucran gracias a la red de publici- dad de
Google, la Google Display Network”. Los periodistas llaman la atención sobre
que estas empresas son “muy diferentes en cuanto a sus recursos y contenidos:
unas tienen redacciones y a veces publican exclusivas; otras son productos de amateurs
que se limitan
a reciclar el contenido de grandes medios modificando solo los
titulares. Algunas publican
contenido xenófobo o machista; otras, demagogia y bulos”. El resultado es un
ecosistema digital en el que muchos lectores tienen difícil diferenciar entre noticias verdaderas y falsas. Según Cid (2020) este tipo de sitios lanzan te- mas polémicos con titulares
explosivos y llenan sus páginas con publicidad, incluso más de cuatro anuncios
por noticia que pueden llegar a generar unos 1.000 € mensuales.
Atendiendo a reconocidas iniciativas de fact checking que recogen fenómenos de
desinformación en España (Lopez Pan y Rodríguez Rodríguez, 2020), se puede comprobar a fecha de julio de 2021
en la web Maldita.es, en su apartado denominado “Maldito Bulo”, la presencia de
18 desinforma- ciones relacionadas con Periodista Digital en los últimos tres
años (https://bit.ly/3rBq9HO) y 20 relacionadas con Caso Aislado (https://bit.ly/3x5F7qH) en el mismo periodo. De todos
los diarios citados por El País, a excepción de Mediterraneo Digital,
que tiene 35 apariciones en Maldito Bulo, el resto tienen diez apariciones o
menos en el mismo periodo.
Fundado en 2017 por el valenciano Jorge Bayer Sáez
-director también de otras páginas como Diario Patriota o Altavoz de Sucesos-,
Caso Aislado reunía en marzo de 2018 un total de 3,5 millones de usuarios únicos
(Peinado y Muela,
2018). Analizado por Cid (2020),
los portales de información
incrementaron sustancialmente sus visitas en el periodo de la pandemia por la
Covid-19 recibiendo un 69% de todas las visitas desde redes sociales,
con Facebook con un
93% a la cabeza.
Periodista Digital, por su parte, fue fundado en 2004 por
el periodista Alfonso Rojo y también
ha sido objeto de críticas diversas. En el año 2014 fue reprendido por la
Federación de Asociaciones de Periodistas de España (FAPE)
por vulneración de diversos artículos del código deontológico por emisión de opiniones e informaciones discriminatorias o degradantes y no rectificar adecuadamente (Asociación de la Prensa de Madrid, 2014).
Además, desde otros medios como eldiario.es, se ha denunciado la existencia de
firmas falsas (Sarabia, 2019).
Aunque existen pocos estudios que analicen en concreto el
fenómeno de estos diarios digitales sensacionalistas, su espectro ideológico ha
sido abordado indirectamente desde algunos artículos académicos y periodísticos. Así, Ramírez y Castejón (2018) establecen la cercanía de Caso Aislado con el partido político Vox no solo atendiendo a sus contenidos,
sino también por sus firmas y por la publicidad insertada. Es común que estos medios
compartan audiencias con otras páginas
web de similar tendencia ideológica lo que los lleva
a desarrollar e instaurar su propia agenda
en torno a los
temas y polémicas definidas y redifundidas por ellos. En lo que a Caso Aislado respecta,
Hernández Conde y Fernández García, concluyen “que el uso de los portales de fake news y
su viralidad no son
Arce García,
S., Vila Márquez,
F. y Fondevila i Gascón,
J. F.
usados como una alternativa a los medios de comunicación
tradicionales, ya que el acceso a estos no se encuentra vedado, sino como una
herramienta complementaria con un papel bien definido” (2019, p. 49). En el
otro lado, tal y como señalan Parra-Valero y Rubio-Jordán, Periodista Digital,
con una media de 7,4 millones de usuarios únicos,
se ha desplazado de su moderación inicial
hasta verse envuelto en numerosas polémicas y demandas judiciales en los
últimos años. En paralelo, en sus
noticias es posible identificar prácticas como el sensacionalismo en titulares
o “clickbait o “ciberanzuelo”, es
decir, titulares llamativos que tienden a llamar la curiosidad del lector
logrando que haga click en el contenido enlazado” (2020).
2. Objetivos
Tomando como referencia el ecosistema social alrededor de
los portales digitales Caso Aislado
y Periodista Digital, el objetivo de este artículo
es determinar la naturaleza y el comportamiento de la discusión en Twitter durante
el Estado de Alarma decretado por el Gobierno
de España para conte-
ner la pandemia de Covid-19
en la primavera de 2020, así como señalar las emociones y principales
discursos vertidos. Reconocidas por prácticas agresivas como el clickbait y acusadas de difundir
noticias falsas o discriminatorias, se intenta dilucidar la posible
contribución de estas webs a las campañas desinformación, la presumible
existencia de estrategias de monetización alrededor de ellas y el grado de
organización de las mismas.
El objetivo de esta investigación no es analizar la
veracidad o no de la información vertida por los diarios, sino determinar la
posible existencia de una estructura de difusión organizada, así como señalar
lo que los seguidores y redifusores de dichos diarios vierten en Twitter. Por
tanto, se trata analizar la estructura de la red de usuarios
y de conocer las emociones
y principales discursos
verti- dos. Se intenta
conocer así cómo se redifunden estos mensajes, qué emociones provocan
y si existen diferencias entre los dos diarios analizados durante
un periodo de especial
interés con la pandemia global en primer término.
Así las cosas,
la temática de este estudio
se inserta dentro
de los trabajos relativos al periodismo di- gital, las redes sociales
y su monetización y la creación de opinión en fenómenos de desinformación
(con las fake news como referencia).
3. Metodología
A partir de la
selección de dos de las webs que más rentabilidad sacan de la desinformación y
la propaganda (Peinado y Muela, 2018), se realizó
una captura de todos los tuits alrededor
de las cuen- tas de Twitter
@CasoAislado_Es y @periodistadigit durante el periodo
de Estado de Alarma por el
coronavirus en España
entre marzo y mayo de 2020. La captura de mensajes se realizó mediante
el software libre estadístico R bajo RStudio en su versión 1.2.5033 con
librería de recogida RTweet (Kearney, 2019) a través de enlace con el interfaz
de programación de aplicaciones (API) de Twit- ter para desarrolladores. La
selección para el análisis se realiza, por tanto, tomando como base los citados diarios
digitales por Peinado
y Muela en El País y cotejándolos con los que más volumen
de desinformación, en segundo y tercer puesto, acaparan según el
proyecto de fact checking Maldito Bulo.
El periodo de recogida coincide con los días de mayor
impacto en redes tras el anuncio del inicio del Estado de Alarma. Esta medida excepcional,
promulgada por el Gobierno de España -formado por una coalición del Partido Socialista (PSOE) y Unidas
Podemos (conglomerado de formaciones
de izquierda)- se promulgó el 13 de marzo de 2020 sin votos en contra, pero bajo un clima de gran
crispación y abundantes críticas por parte de los partidos de la oposición.
Polarización
en Twitter durante
la crisis de la COVID-19:
Caso Aislado y Periodista Digital
(29-47)
Para la recogida se seleccionaron todos los tuits que
nombraban o redifundían las cuentas de cual- quiera de los dos portales de
manera global. Al mismo tiempo, se
buscaron tuits de forma paralela a la consulta principal por procedencia
geográfica (geolocalización) desde distintos puntos de Es- paña y del mundo
marcando las coordenadas de longitud y latitud, junto al radio de influencia de
interés. Dicha geolocalización se realizó a través de la consulta de la API de Twitter con la ayuda de RTweet,
aunque no presenta una fiabilidad al 100% en la ubicación correcta de los
resultados. Diversos estudios estiman fiabilidades en función del lugar del tuit
por encima del 90% en Reino Unido o Estados
Unidos, 85,8% en España o 83,95% Filipinas, con una media mundial del 77,84%
y 88,15% en Europa (van der Veen et al., 2015), o un error
medio de localización de 256 kilómetros (Holbrook et al., 2016). Dichos porcentajes pueden ser mejorados
mediante el uso de técnicas
com- plementarias varias de las que hay diversa
bibliografía, que no han sido aplicadas para este trabajo (Zola, Ragno y Cortez, 2020).
Tras la obtención
de los datos se efectuaron los siguientes análisis:
* Análisis
de redes mediante el programa Gephi en su versión 0.9.2, que permite la
visualización gráfica de las estructuras y relaciones o nodos entre usuarios
(Bastian, Heymann y Jacomy, 2009). Para su obtención se aplicaron sucesivamente los algoritmos Open Ord (Martin
et al., 2011)
y Yifan Hu (Hu, 2006), además
de realizarse un análisis de clusters o de modularidad y un análisis
de inter- mediación o betweenness centrality (Blondel et al.,
2008).
* Análisis de comportamiento bot mediante la librería experimental en R tweetbotornot de Kearney
(2018). Según el propio autor, esta metodología presenta un 93,53% de aciertos
en clasificación de bots y un 95,32% para no bots (media de
93,8% aciertos).
* Análisis de polaridad y emociones a través del léxico desarrollado por el National Research
Coun- cil of Canada (NRC) en su versión
0.92 en español (Mohammad y Turney, 2010, 2013) a través de la librería Syuzhet (Jockers, 2017) en
R.
* Análisis estadístico y gráfico, a través del software R, empleado para establecer gráficos
entre las distintas variables
obtenidas de cada tuit y de cada usuario.
4. Discusión/Resultados
Como se ha apuntado arriba, la recogida ininterrumpida y
análisis de tuits alrededor de los por- tales
digitales CasoAislado.es y PeriodistaDigital.es fue realizada durante
el periodo de Estado
de Alarma por la pandemia de Covid-19. La fecha de inicio es desde el
22/03/2020 –seis días después de la publicación del Estado de Alarma- hasta el 12/05/2020, casi dos
meses más tarde. El número
de tuits recogido
fue de 166.431 (de un total de 48.098 cuentas)
para Caso Aislado y de 119.640 (proveniente de 31.258
cuentas) para Periodista Digital. Entre los datos intere- santes que apuntan
a la existencia de cámaras
de resonancia ideológicas es preciso señalar
que se encontraron 14.594 cuentas que retuitean mensajes de ambos
diarios digitales (30,34% y 46,69% del total de cuentas respectivamente), por
lo que resulta evidente que comparten mu- chos usuarios entre sí.
Respecto a la intensidad de la conversación social, según
puede observarse en la Imagen 1, la di- fusión de contenidos en redes no
muestra un perfil idéntico a lo largo de los días analizados y los días más
activos no parecen necesariamente corresponderse los días de mayor seguimiento de
las noticias difundidas desde estas páginas web. Sí que pueden apreciarse, sin
embargo, que en deter- minados días se producen picos
de redifusión, con el doble
y hasta el cuádruple de comparticiones
de tuits.
Arce García,
S., Vila Márquez,
F. y Fondevila i Gascón,
J. F.
Imagen 1. Tuits alrededor de Caso Aislado
y Periodista Digital
durante el estado
de alarma por Covid-19.
Fuente: Elaboración propia a partir de datos recogidos de Twitter
El análisis de las cuentas que participan en la difusión
muestra un patrón distinto en ambos dia- rios digitales. Según puede apreciarse
en la Imagen 2 -donde aparece el grafo de Caso Aislado a la izquierda y Periodista Digital a la derecha-, en Caso Aislado
la distribución del contenido se hace principalmente a partir de la fuente
original y su cuenta en Twitter @CasoAislado_Es, con un 92,4% del tráfico (en color rosa en la imagen). Únicamente
otros dos grupos (en color azul y verde) llegan a alcanzar cierta importancia
manteniéndose por debajo del 1,50% de la redifusión de mensajes en cada caso. Cabe destacar de entre ellos
la cuenta @FuerzasDelOrden (en azul en la
izquierda de la imagen), denominada “Antidisturbios”, y que se define
como “Cuenta dedicada
a las Fuerzas de Seguridad
encargadas de mantener el Orden Público”. Esta
cuenta distribuye imágenes y noticias de incidentes e intervenciones policiales
en actos que, generalmente, están relacionados con problemas con migrantes, grupos independentistas vascos
o catalanes o movimientos de extre-
ma izquierda. En definitiva, es posible afirmar que no existen cuentas
populares que difundan los mensajes de Caso Aislado sino que su popularidad online se alimenta de la actividad
de multitud de cuentas desconocidas sin aparente
conexión entre sí.
En el otro lado, con un comportamiento completamente distinto, la distribución de contenido alrede- dor de Periodista Digital se realiza entre grupos distintos pero muy relacionados entre sí que compar-
Polarización en Twitter durante
la crisis de la COVID-19:
Caso Aislado y Periodista Digital
(29-47)
ten usuarios. Así, el perfil
principal es la cuenta oficial
del diario, @periodistadigit, con un 32,14% del tráfico a su alrededor y una centralidad 1, pero es posible identificar otros grupos destacables y muy relacionados como las cuentas
de conocidos columnistas y periodistas como @CristinaSegui_,
con
un 16,38% (en verde, centralidad 0,556) o el europarlamentario por el partido político Vox @her- manntertsch (10,29% en azul, centralidad 0,377). En medio de ellas se encuentra la cuenta del director,
@AlfonsoRojoPD (verde oscuro,
centralidad 0,170). Como dato curioso,
más allá de las relaciones centrales puede encontrarse, en naranja a la derecha en la imagen y con un 5,52% del tráfico, la cuenta
de @NituPerez, perteneciente a una periodista venezolana crítica con el Gobierno de Nicolás Maduro.
Es importante destacar la afinidad bajo este proceso de
redifusión ya que ninguno de los análisis arroja nodos creados alrededor de
ataques o contestaciones críticas hacia las cuentas difusoras. En su mayoría se
aprecian contenidos enfocados a difundir y comentar las informaciones vertidas.
Imagen 2. Grafos de asociación de retuiteos en CasoAislado y Periodiado de alarma por Covid-19.
Fuente: Elaboración propia a partir de datos recogidos de Twitter
Respecto al perfil de los seguidores Twitter de ambos
diarios digitales, todos tienen un comporta- miento que se asemeja bastante y
comparten entre sí numerosas cuentas. Otro rasgo común es que las fechas de
creación de estas cuentas seguidoras y redifusoras se centran sobre todo en el
mismo año 2020, aunque también existen numerosas altas en otoño de 2017,
coincidiendo con el periodo del proceso independentista en Cataluña, y en el
año 2011 cuando tuvo lugar el adelanto electoral que llevó a la victoria a Mariano
Rajoy al Gobierno de España.
Al aplicar a la muestra el algoritmo de probabilidad que
dilucida si un perfil es o comporta como un bot, de las 48.098 cuentas que intervienen alrededor de Caso Aislado
y las 31.258 con Periodista Digital, se encuentran una gran
cantidad de perfiles sospechosos de ser o actuar como programas automatizados por encima del 50%. Tal como puede observarse en las Imágenes 3 y 4, un total de
21.112 (43,89%) y 15.501 (49,59%)
de los seguidores de Caso Aislado y Periodista Digital
respec- tivamente, son sospechosos de ser bots.
Este hecho es más significativo si se toman
únicamente las cuentas que
superen el 80% de probabilidad: 9.303 (19,34%) y 5.707 (18,26%)
respectivamente. De esta manera,
puede asegurarse que un gran porcentaje de las cuentas
participantes en la conver-
sación social durante el Estado de Alarma
tienen una alta probabilidad de ser bots (ya sean dirigidos
automáticamente o por humanos).
Arce García,
S., Vila Márquez,
F. y Fondevila i Gascón,
J. F.
Imagen 3. Probabilidad de ser Bot y fecha de creación de las cuentas
seguidoras de CasoAislado durante el estado de alarma
por Covid-19.
Fuente: Elaboración propia a partir de datos recogidos de Twitter
Imagen 4. Probabilidad de ser Bot y fecha de creación de las cuentas
seguidoras de Periodista Digital durante el estado de alarma por Covid-19.
Fuente: Elaboración propia a partir
de datos recogidos de Twitter
En lo que a la procedencia geográfica se refiere, los
usuarios proceden, según de dónde se definen ellos mismos, de diversos lugares
de España, principalmente Madrid, Barcelona, Valencia, Sevilla y Málaga, además de un pequeño porcentaje de
cuentas que se apuntan a Venezuela y, en menor medida, de Colombia.
Para realizar un análisis del grado de veracidad de estos datos geográficos, se realizó una corrobora-
ción posterior capturando una muestra extra entre los días 30/06/2020 al 08/07/2020. De la misma se
obtuvieron un total de 8.316 tuits alrededor de Caso Aislado y 18.238 de Periodista Digital. En lo que apunta a Caso Aislado,
en un total de 4.063
no se ponía procedencia, el resto, 611 eran de localiza-
ciones preferentemente españolas: 344 Madrid, 116 Valencia, 82 Barcelona, 63 Sevilla, 54 Valencia,
hasta un total de 1.431 localizaciones. En Periodista Digital 9.649 tuits no ponen procedencia, siendo
1.453 de España con 1.335 de Madrid, 265 Barcelona, 150 Valencia, 148 Sevilla y así hasta 1.569 procedencias de diversos lugares
de España casi en su totalidad. Si se atiende
a una extracción paralela de tuits filtrados por geolocalización según coordenadas de longitud, latitud y un radio que abarque el
Polarización en Twitter durante
la crisis de la COVID-19:
Caso Aislado y Periodista Digital
(29-47)
ámbito de búsqueda, en el entorno de Caso Aislado se enviaron 6.532 tuits desde Filipinas, 394 desde España (108 desde Madrid), 75 desde Estados
Unidos, 40 Venezuela o 14 desde
Londres. En el caso de Periodista Digital, se obtuvieron 14.276 tuits desde España (13.198 de ellos desde Madrid), 446 desde Filipinas, 114 desde Estados Unidos y 21 desde Venezuela. Es posible verificar, por tanto, que existe una gran discrepancia entre los supuestos orígenes de las cuentas y los datos reales obtenidos a través de análisis por ubicación. Las principales zonas emisoras son Filipinas en Caso Aislado
(78,55% del total de los tuits
en el periodo analizado) y Madrid (72,36%)
en el caso de Periodista Digital.
4.1. Análisis de sentimientos y emociones
El análisis de polaridad y emociones a través del léxico, se determina que se emite un discurso
pre- dominantemente negativo. Como puede apreciarse en las Imágenes 5 y
6, en las que se representa el sentimiento o polarización positiva
o negativa del contenido de la franja
de tiempo analizada, los tuits emitidos presentan una gran carga de polarización. Pueden apreciarse muchos mensajes de gran intensidad
(por encima de valores de 4), llegando a valores de 16-17 en ambos casos. Comparados con los niveles
de vector de los principales diarios de información españoles expuestos en otros estudios (Arce García, Orviz Martínez
y Cuervo Carabel,
2020) ambos perfiles
arrojan, sin duda, una mayor polarización. La media del vector de sentimiento, representado en ambas figuras
mediante una línea de tendencia azul, es siempre negativa y solo en breves momentos llega a acercarse a un valor neutro.
Como curiosidad, no existen muchos mensajes marcados como
Favorito, representados por el ta- maño del punto y los que sí lo presentan
muestran, por contra, un valor bastante neutro. Alrededor de Caso Aislado
el 23% de los tuits son negativos y 14,80% positivos, con un nivel de
intensidad media de 2,48 y 1,59, respectivamente. Sobre Periodista Digital hay
un 23,46% negativos y un 15,46% positivos, con intensidades medias de 1,234 y 0,8134,
respectivamente. Se puede compro-
bar por tanto que existe un gran volumen de contenido negativo
y de intensidad, que es más acusado alrededor de Caso Aislado.
Imagen 5. Vector de sentimiento en Caso Aislado.
Fuente: Elaboración propia.
Arce García,
S., Vila Márquez,
F. y Fondevila i Gascón,
J. F.
Imagen 6. Vector de sentimiento de Periodista Digital.
Fuente: Elaboración propia.
El análisis de emociones, reflejado en las Tablas
1 y 2, muestra que ambos discursos están liderados
principalmente por el Miedo, seguidos a distancia por la Tristeza y Confianza, Disgusto y Enfado. La Alegría
y la Sorpresa son testimoniales. De nuevo, se aprecia una mayor intensidad en las emo- ciones, especialmente en el Miedo,
alrededor de Caso Aislado.
Tabla 1. Emociones de los discursos de los tuits alrededor de Caso Aislado
|
Caso Aislado
|
Enfado
|
Anticipación
|
Disgusto
|
Miedo
|
Alegría
|
Tristeza
|
Sorpresa
|
Confianza
|
|
Porcentaje
aparición
|
7,82
|
5,37
|
8,11
|
14,18
|
3,12
|
10,45
|
2,48
|
10,66
|
|
Valor
medio intensidad
|
0,84
|
0,58
|
0,87
|
1,53
|
0,34
|
1,13
|
0,27
|
1,15
|
|
Valor
máximo
|
11
|
8
|
10
|
11
|
8
|
12
|
4
|
10
|
Tabla 2. Emociones de los discursos de los tuits alrededor de Periodista Digital
|
Periodista Digital
|
Enfado
|
Anticipación
|
Disgusto
|
Miedo
|
Alegría
|
Tristeza
|
Sorpresa
|
Confianza
|
|
Porcentaje
aparición
|
8,07
|
6,05
|
7,53
|
14,11
|
3,35
|
9,53
|
3,29
|
9,14
|
|
Valor
medio intensidad
|
0,43
|
0,32
|
0,40
|
0,74
|
0,18
|
0,50
|
0,173
|
0,48
|
|
Valor
máximo
|
9
|
6
|
8
|
10
|
6
|
13
|
4
|
7
|
4.2. Análisis de minería
de texto
El análisis de contenido nos permite identificar las palabras más usadas y la relación
de estas entre sí
para, presumiblemente, identificar las temáticas más tratadas en cada uno de los medios. El estudio
mediante escalamiento multidimensional de los ocho principales clusters de
asociación de palabras permite vislumbrar los temas principales que se exponen en cada medio (expuesto
en la Tabla 3).
Polarización en Twitter durante
la crisis de la COVID-19:
Caso Aislado y Periodista Digital
(29-47)
Atendiendo a las palabras usadas, se aprecia que los
perfiles en Twitter no están recogiendo una variedad de palabras que atienda a lo que se espera de tal momento informativo. Los agrupamientos de
palabras son en realidad alusiones genéricas a la pandemia y, sobre todo, a la
coalición de Go- bierno de PSOE y Unidas Podemos acusándoles de que mienten y
de que son responsables de la extensión de la enfermedad e, incluso, suponen un
peligro. Hay una intención clara por parte de ambos perfiles de asociar la
pandemia y sus estragos con los principales dirigentes. Entre las dife- rencias apreciables, alrededor de Caso Aislado se confrontan los temas dando voz al partido Vox y
a su líder Santiago Abascal,
mientras que este tipo de referencias no aparecen en torno a Periodista
Digital. Alrededor de Periodista
Digital se produce un número considerable de ataques hacia otros medios de
comunicación, con el canal de televisión estatal La Sexta (perteneciente a AtresMedia) a la cabeza.
Tabla 3. Escalamiento multidimensional de los contenidos por minería de
texto
|
Caso Aislado
|
Periodista Digital
|
|
1. Coronavirus-gobierno-muertos-Pedro-Sánchez-es-
pañol-políticos-Casoaislado_
2. Infectada-sanitario-pandemia-acaba-Espa- ña-Sol-8m
3. Socialcomunista-millón-crisis-pleno-días-esta-
do-alarma-Santiago-Abascal-después-último-siguien-
te-bulo.
4. Gestión-coronavirus-personas-responsables-peli-
gro-presidente-Psoe-mil-social-contra-antes
5. Pablo-Iglesias-comunista-denuncia-congreso-dipu-
tados-alarma-Vox
6. Permitir-programa-directo-periodo-confirmar-esta- do-repaso-manera
7. Entrevista-estadodalarmatv-desmontar-actor-escu-
cha-mentiras-críticas-merece-pena-claro
8. Contagios-niños-sectarismo-verdad-asegurar-bien
|
1. Periodistadigital-alfonsorojopd-español-igle-
sias-chavista-izquierda-madrid
2. Psoe-coronavirus-censura-Pablo-social-Sán-
chez-gobierno-travesia-poder
3. Dictadura-masiva-Francisco-franquismo-vivir-buro-
fax-mordaz
4. Cristinasegui_-apoyo-red-pleno-orden-progra-
ma-estudios-emitir-Jorge
5. Covid19-Lasexta-exigir-Policía-mentiras-muer-
tos-Sol-Pedro-muchos-millón-sanitario
6. Publica-sanidad-hundir-privada-Carmen-Cal-
vo-ella-insistir-Muface-usas
7. Empleo-asegurar-embajada-maleta-ladrón-cue-
va-española-delator-delcygate-admitir
8. Común-estado-bulo-entrevista-dicen-hablan-quie- ren
|
5. Conclusiones
El análisis del contenido y los mecanismos de difusión de mensajes por parte de las cuentas
alrede- dor de los perfiles en Twitter de diarios digitales
Caso Aislado y Periodista Digital
demuestra que la exposición de mensajes que no se
circunscribe necesariamente a acontecimientos noticiables, tal y como demuestra el hecho de que sus mayores impactos
y difusiones no están circunscritos a hechos concretos. De esta forma los momentos
de gran impacto de datos en cada uno de ellos no se solapan en el tiempo, sino que siguen su
propia agenda setting, aunque con
contenidos muy semejantes y con un gran componente ideológico partisano.
El análisis de minería de texto muestra que los principales
temas de los debates generados en Twitter se centran
en ataques a la coalición del Gobierno, a la que continuamente se acusa de mentir
con los datos, de sectarismo y de ser responsables de los muertos por
coronavirus. Los adjetivos como “socialcomunista”, “comunista” o “chavista” introducen ataques muy duros
que generan una alta intensidad y vectorización en
sus discursos, muy por encima de los valores emocionales que suelen verse en
informaciones de los principales medios de comunicación. Existe un gran número
de mensajes con un vector de sentimiento extremo, principalmente negativo. Esta
negatividad se mantiene durante todo el periodo analizado a excepción de
momentos muy puntuales en los que su valor medio es neutro pero nunca positivo. Las principales emociones
giran en torno al Miedo,
Arce García,
S., Vila Márquez,
F. y Fondevila i Gascón,
J. F.
Tristeza y Enfado, a la par de Confianza en quienes
denuncian o atacan al Gobierno. Entre las diferencias entre los dos medios, destaca
el papel del partido de extrema derecha
Vox y de su líder, Santiago Abascal, recurrentemente citados por Caso Aislado, pero no así por Periodista
Digital.
La naturaleza de los perfiles
más importantes y la difusión
del contenido es distinta en los dos por-
tales: en Caso Aislado no existen cuentas
claramente identificadas como creadoras de opinión - que
puedan ser catalogadas como influencers que
arrastren a sus propios seguidores- aparte de la propia
cuenta oficial del medio, pero sí se aprecia mucha difusión desde numerosas pequeñas.
Por contra, desde Periodista Digital, la redifusión se produce a través de determinadas cuentas influencers que se van
combinando entre sí: @CristinaSegui_, @hermanntertsch, @AlfonsoRojoPD y
@NituPe- rez, correspondientes a conocidos columnistas en diversos medios de
comunicación de España y Venezuela, así como el propio director del portal.
El análisis de los perfiles que siguen y amplifican los
mensajes de estos portales en Twitter
ofrece resultados que cuestionan su veracidad. Un gran porcentaje de las
cuentas de estos seguidores y redifusores han sido creadas en el mismo año 2020
y apuntan con su actividad y comportamiento a
una alta probabilidad de ser bots (ya sean automatizados o humanos). Otra de
las cuestiones que incide en esta aparente falta
de veracidad es la diferencia entre de dónde
dicen ser las cuentas en la
descripción de su perfil -casi todas de cualquier punto de España-
mientras el muestreo
por geopo- sición muestra que
casi un 75% de las cuentas proceden de Filipinas en el caso de Caso Aislado y Madrid en el caso de Periodista
Digital. Esto deja entrever la posible artificialidad de las acciones de
redifusión presumiblemente orientadas a lograr un mayor alcance de sus
contenidos y atraer a más usuarios a las webs donde se monetiza vía publicidad.
En resumen, ambos portales presentan similitudes, pero
también diferencias en la difusión y re- difusión. Por un lado, ambos muestran
discursos muy polarizados y negativos, con acusaciones y uso de adjetivos graves contra el Gobierno en base a comentarios y críticas genéricas
que siguen su propia agenda y no se basan en los
temas del día. Ambos comparten
también una gran cantidad de seguidores con un gran porcentaje de probabilidad de ser bot (casi el 50% de cuentas supera el 50% de posibilidad de serlo), tanto
automatizado o humano. Pero, por otro lado, presentan diferencias tanto en contenido como en el tipo de cuentas redifusoras. Caso Aislado lanza
mucho contenido de apoyo al partido Vox mientras que este
apoyo explícito no se encuentra en Periodista Digital. En Caso Aislado
los mensajes se difunden a partir de pequeñas cuentas
desconocidas (nanoinfluencers) mientras que en
Periodista Digital los influencers,
varios columnistas conocidos, son los respon- sables de la viralización de los
datos. La utilización de micro y nanoinfluencers poco conocidos es una técnica que, según la revista
Forbes, se considera la herramienta del marketing
del futuro (Wissman, 2018). Finalmente, aunque ambos son apoyados por una
gran cantidad de cuentas muy concentradas, en ambos casos se encuentran ubicadas
geográficamente en sitios muy distintos
pero muy localizadas. Se trata de portales de información muy polémicos que tienen formas
de difusión de sus
informaciones en redes de forma distinta, pero con objetivos similares: atraer
tráfico hacia sus webs y difundir contenidos ideológicos muy polarizados.
Los resultados de este estudio definen la existencia de
posibles estructuras organizadas, si bien di- ferentes en su organización y funcionamiento, para la difusión
de los contenidos en Twitter
con un doble objetivo: por un
lado, ideológico, para actuar como ecos y reafirmaciones de sus seguidores tal como indicaban Arce García, Orviz
Martínez y Cuervo Carabel (2020),
y, por otro lado, de tipo
monetario o económico, explotando las nuevas formas de publicidad online. Los
mensajes de am- bos diarios provocan
emociones fuertes en sus seguidores dentro de su burbuja de influencia sin que
existan correspondencias con la agenda informativa, lo que arrojaría pistas
sobre la estructuración de acciones propias de captación de tráfico e impacto
tal como apuntan Gutiérrez Martín, Torrego
González y Vicente Mariño (2019) y la Comisión Europea (2018). Esta captación de tráfico haría
Polarización
en Twitter durante
la crisis de la COVID-19:
Caso Aislado y Periodista Digital
(29-47)
que, como apuntaba
Sundar (2008), ciertas
personas interpreten el éxito de su propagación como un elemento de legitimidad del discurso. Se estaría, por tanto, persiguiendo un doble objetivo: difusión de contenido ideológico y ganancia económica.
Los ejemplos expuestos, aunque se sitúan en el ámbito
español, son extrapolables a otros lugares del
mundo con un patrón similar.
Grupos de presión
que se valen de nuevos
portales digitales para poner en cuestión y competir con los medios
tradicionales consiguiendo así dos cosas:
crear y/o re- forzar un discurso ideológico populista más o menos cercano
a las posiciones de extrema
derecha, y lograr un beneficio económico gracias al tráfico
adquirido en sus sitios web. Tal y como demuestra este artículo, la diseminación
de la información en Twitter tiene lugar a través de las dos vías: los nanoinfluencers y los influencers consolidados y conocidos, apoyados
todos ellos desde
numerosas cuentas de dudoso origen que sirven de elemento legitimador a
ojos de los internautas menos for- mados.
Bibliografía
Ahmed, W., Vidal-Alaball, J., Downing, J. y López Seguí, F. (2020). COVID-19
and the 5G Conspiracy Theory: Social Network Analysis of Twitter Data. Journal
of Medical Internet Research, 22(5), e19458. https://doi.org/10.2196/19458
Arce García,
S., Orviz Martínez, N. y Cuervo Carabel, T. (2020). Impacto
de las emociones vertidas por diarios digitales españoles. El Profesional de la Información, 29(5).
Asociación
de la Prensa de Madrid (27 de julio de 2014). Periodistadigital.com y su
director vulneraron el código deontológico en una noticia sobre una mujer
víctima de secuestro y violación. Federación
de Asociaciones de Periodistas de España (FAPE). https://bit.ly/3iQgj0M
Auxier,
B.E. y Vitak, J. (2019). Factors Motivating Customization and Echo Chamber
Creation Within Digital News Environments. Social Media
+ Society, 5(2),
205630511984750. https://doi.
org/10.1177/2056305119847506
Bakir, V. y Mcstay,
A. (2017). Fake News and The Economy
of Emotions. Digital Journalism, 6(2), 154-175.
Bastian, M.; Heymann,
S. y Jacomy, M. (2009).
Gephi: An Open Source Software
for Exploring and Manipulating Networks. En Proceedings of the Third International ICWSM Conference, 17- 20 de mayo, San Jose: California.
Becerra, M. (2016).
Revolución digital: una introducción. Entre
la crisis y sostenibilidad. Revista
Mexicana de Comunicación, 1(139), 64-69.
Bell, E. J., Owen, T., Brown, P.D., Hauka, C. y Rashidian, N. (2017). The
Platform Press: How Silicon Valley
Reengineered Journalism. Tow Center, Columbia Journalism School.
https://bit.ly/3l1484a
Blondel, V., Guillaume, J., Lambiotte, R. y Lefebvre, E. (2008). Fast unfolding of communities
in large networks. Journal of Statistical
Mechanics: Theory and Experiment,
10. https://doi. org/10.1088/1742-5468/2008/10/P10008
Calvo, E., Aruguete, N. (2020). Fake news, trolls y otros encantos.
Cómo funcionan (para bien y para mal) las redes sociales. Siglo
XXI Editores.
Campos
Freire, F. (2008). Las redes sociales trastocan los modelos de los medios de
comunicación tradicionales. Revista Latina
de Comunicación Social, 63, 287-293. https://doi. org/10.4185/RLCS-63-2008-767-287-293
Arce García,
S., Vila Márquez,
F. y Fondevila i Gascón,
J. F.
Cid, G. (05 de mayo, 2020). 1M de clics al mes por cabrearte: las webs de desinformación se disparan con el covid. El Confidencial. https://bit.ly/375saT8
Comisión
Europea (2018). A multi-dimensional
approach to disinformation. Report of the independent high level group
on fake news and online
disinformation. Luxembourg: Publications Office of the European
Union.
Evolvi, G. (2017). #Islamexit: inter-group antagonism on Twitter. Information, Communication & Society, 22(3), 386-401.
https://doi.org/10.1080/1369118x.2017.1388427
Freelon, D., Bossetta, M., Wells, C., Lukito, J., Xia, Y. y Adams,
K. (2020). Black Trolls Matter: Racial and Ideological Asymmetries in Social Media
Disinformation. Social Science Computer
Review, 089443932091485. https://doi.org/10.1177/0894439320914853
Frischlisch, L., Klapproth, J. y Brinkschulte, F. (2019). Between
Mainstream and Alternative
–
Co-orientation in Right-Wing Populist Alternative
News Media. En First Multidisciplinary
International Symposium, MISDOOM
2019. Hamburg, Germany,
February 27 – March 1, 2019.
https://link.springer.com/book/10.1007/978-3-030-39627-5
Glenski, M., Weninger, T. y Volkova,
S. (2018) Propagation From Deceptive News Sources Who Shares, How Much, How Evenly, and How
Quickly?. IEEE
Transactions on Computational Social Systems, 5(4), 1071-1082.
https://doi.org/10.1109/TCSS.2018.2881071
Goyanes
Martínez, M. (2012). Monetizar el periodismo digital. La hoja de ruta en la que
el lector es el eslabón
fundamental. Razón y Palabra, 81. http://www.razonypalabra.org.mx/N/N81/
V81/28_Goyanes_V81.pdf
Grimme, C., Preuss, M., Takes, F.W. y Waldherr, A. (2019). Disinformation in Open Online Media. En
First Multidisciplinary International Symposium, MISDOOM 2019. Hamburg,
Germany, February 27 – March 1, 2019. https://link.springer.com/book/10.1007/978-3-030-39627-5
Gutiérrez Martín,
A., Torrego González, A. y Vicente
Mariño, M. (2019).
Media education with the monetization of YouTube: the loss of truth as an exchange
value / Educación mediática frente a la monetización en YouTube: la pérdida de la verdad como valor de cambio. Cultura y Educación, 31(2), 267-295.
https://doi.org/10.1080/11356405.2019.1597443
Hernández Conde,
M. y Fernández García, M. (2019). Partidos
emergentes de la
ultraderecha:
¿fake news, fake outsiders? Vox y la web Caso Aislado en las elecciones andaluzas de 2018. Teknokultura. Revista de Cultura Digital y Movimientos Sociales, 16(1), 33-53.
Holbrook, E., Kaur, G., Bond, J., Imbriani, J., Nsoesie, E., y Grant,
C. (2016). Tweet Geolocation
Error Estimation. En International Conference on GIScience Short Paper
Proceedings, 1.
Montreal, Canada,
27 – 30 Septiembre, 2016. https://doi.org/10.21433/b3110wf6w9p9
Hu, Y. (2006). Efficient, High-Quality Force-Directed Graph
Drawing. The Mathematica Journal, 10(1), 37-71.
https://cutt.ly/VyDIfpR
Iyengar, S., Hahn K. S. (2009).
Red media, blue media: evidence
of ideological selectivity in media use. Journal of
Communication, 59(1), 19-39.
Jockers, M. (2017). Syuzhet,
extracts sentiment and sentiment-derived plot arcs from text. https:// www.rdocumentation.org/packages/syuzhet/versions/1.0.4
Kawchuk, G., Hartvigsen, J., Harsted, S., Glissmann Nim, C. y Nyirö, L. (2020). Misinformation about spinal manipulation
and boosting immunity: an analysis of Twitter activity during the
Polarización
en Twitter durante
la crisis de la COVID-19:
Caso Aislado y Periodista Digital
(29-47)
COVID-19 crisis.
Chiropractic Manual Therapies, 28 (34). https://doi.org/10.1186/s12998-020- 00319-4
Kearney, M.W. (2018). Tweetbotornot: An R package
for classifying Twitter
accounts as bot or
not. https://github.com/mkearney/tweetbotornot
Kearney, M.W. (2019). Rtweet:
Collecting and analyzing
Twitter data. Journal of Open Source Software, 4(42), 1829.
https://doi.org/10.21105/joss.01829
Kessling, P. y Grimme,
C. (2019). Analysis
of Account Engagement in Onsetting Twitter
Message Cascades. En First Multidisciplinary International Symposium,
MISDOOM 2019. Hamburg, Germany, Febrero 27 – Marzo 1, 2019. https://link.springer.com/book/10.1007/978-3-030-39627-
5
Kilgo, D. K, Yoo, J. y Johnson,
T. J. (2019). Spreading Ebola Panic: Newspaper
and Social Media Coverage of the 2014 Ebola Health
Crisis. Health Communication, 34(8), 811-817. https://doi.org/ 10.1080/10410236.2018.1437524
Klinger,
U. y Svensson, J. (2015). The emergence of network media logic in political
communication: A theoretical approach. New Media & Society, 17(8), 1.241-1.257. https://doi. org/10.1177/1461444814522952
Levi, S. (2019). #FakeYou,
fake news y desinformación. Barcelona, España: Rayo Verde Ed.
Lopez
Pan, F. y Rodríguez Rodríguez, J.M. (2020). El Fact Checking en España.
Plataformas, prácticas y rasgos
distintivos. Estudios Sobre El Mensaje
Periodístico, 26(3), 1045-1065. https:// doi.org/10.5209/esmp.65246
Martin, S.,
Brown, W., Klavans, R. y Boyack, K. (2011). OpenOrd: An Open-Source Toolbox for Large Graph Layout. En Proc. SPIE, Visualization and Data Analysis
2011, 7868. https://doi. org/10.1117/12.871402.
Meel, P. y Vishwakarma, D. K. (2019).
Fake News, Rumor,
Information Pollution in Social Media and Web: A Contemporary
Survey of State-of-the-arts, Challenges and Opportunities. Expert Systems with Applications, 112986.
https://doi.org/10.1016/j.eswa.2019.112986
Mohammad, S. y Turney,
P. (2010). Emotions
Evoked by Common Words and Phrases: Using Mechanical Turk to Create an
Emotion Lexicon. En Proceedings of the
NAACL-HLT 2010 Workshop on Computational Approaches to Analysis
and Generation of Emotion in Text. June 2010. LA: California.
Mohammad,
S. y Turney, P. (2013). Crowdsourcing a Word-Emotion Association Lexicon. Computational Intelligence, 29(3), 436-465. https://doi.org/10.1111/j.1467-8640.2012.00460.x
Mourão, R.R. y Robertson, C.T. (2019): Fake News as Discursive Integration: An Analysis of Sites
That Publish False,
Misleading, Hyperpartisan and Sensational Information. Journalism Studies, 20(14), 2077-2095.
https://doi.org/10.1080/1461670X.2019.1566871
Murolo, N.L. (2012).
Nuevas pantallas: un desarrollo conceptual. Razón y Palabra, 16(1_80), 555-565.
Nielsen,
R. K. y Ganter S. A. (2017). Dealing
with Digital Intermediaries: A Case Study of the Relations between
Publishers and Platforms. New Media & Society, 20(4), 1600-1617. https://doi. org/10.1177/1461444817701318
Arce García,
S., Vila Márquez,
F. y Fondevila i Gascón,
J. F.
Oltmann, S.M., Cooper, T.B. y Proferes, N. (2020). How Twitter’s affordances empower dissent and
information dissemination: An
exploratory study of the rogue and alt government agency Twitter accounts. Government Information Quarterly, 37(3),
101475. https://doi.org/10.1016/j. giq.2020.101475
Padilla Herrada,
M.-S. (2016). Marcadores y partículas discursivas interactivas en el entorno
político/periodístico de Twitter. Philologia
Hispalensis, Revista de Estudios Lingüisticos y Literarios, 30(1), 193-212.
https://doi.org/10.12795/PH.2016.i30.10
Pariser, E. (2011).
The Filter Bubble. Londres,
Reino Unido: Penguin
Books.
Parra-Valero,
P., Rubio-Jordán, A.-V. (2020).
Utilización de prensa nativa digital en las universidades españolas: causas de su reducida presencia. Profesional de la información, 29(5), e290526. https://doi.org/10.3145/epi.2020.sep.26
Peinado, F. y Muela,
D. (2018, 23 de mayo).
El negocio de la manipulación digital en España.
El País.
https://bit.ly/2URouly
Peterson,
T. (2018). The New York Times has
folded its programmatic sales team into its larger ad sales org. Digital Day.
https://digiday.com/media/new-york-times-folded-programmatic-sales- team-larger-ad-sales-org/
Ramírez, V. y Castellón, J. (2018). ‘Caso
Aislado’, el fabricante español de ‘fake
news’ vinculado a VOX. La Sexta. https://bit.ly/3f1aMDA
Rosenberg, H., Syed, S. y Rezaie,
S. (2020). The twitter
pandemic: The critical role of twitter in the dissemination of medical
information and misinformation during the COVID-19 Pandemic. Canadian Journal of Emergency Medicine,
22(4), 418-421. https://doi.org/10.1017/ cem.2020.361
Salaverría,
R., Buslón, N., López-Pan, F., León, B., López-Goñi, I. y Erviti, M.-C. (2020).
Desinformación en tiempos
de pandemia: tipología de los bulos
sobre la Covid-19. El profesional de la información, 29(3), e290315.
https://doi.org/10.3145/epi.2020.may.15
Salaverría, R., Martínez-Costa, M.P., Breiner, J.G.,
Negredo Bruna, S., Negreira Rey, M.C., Jimeno,
M.A. (2019). El mapa de los cibermedios en España. En Toural-Bran, C. López-García,
X. (Eds.), Ecosistema de los cibermedios en España: tipologías, iniciativas, tendencias narrativas y desafíos.Salamanca: Comunicación Social Ediciones y Publicaciones. https://doi.org/10.52495/ c1.emcs.3.p73
Sarabia, D. (28 de octubre
de 2019). Los periodistas ‘fake’
de Periodista Digital:
identidad falsa, foto sacada
de Internet y currículum inventado. Eldiario.es.
https://bit.ly/3zDB86h
Schulz, A. (2018). Where populist citizens get the
news: An investigation of news
audience polarization along populist
attitudes in 11 countries. Communication Monographs, 86(1), 88-111. https://doi.org/10.1080/03637751.2018.1508876
Sell,
T.K., Hosangadi, D. y Trtochaud, M. (2020). Misinformation and the US Ebola
communication crisis: analyzing the veracity and content of social media
messages related to a fear-inducing infectious disease
outbreak. BMC Public Health, 20, 550. https://doi.org/10.1186/ s12889-020-08697-3
Spohr, D. (2017).
Fake news and ideological polarization. Business Information Review, 34(3),
150–160. https://doi.org/10.1177/0266382117722446
Polarización
en Twitter durante
la crisis de la COVID-19:
Caso Aislado y Periodista Digital
(29-47)
Sundar, S. S. (2008). The MAIN Model:
A Heuristic Approach
to Understanding Technology Effects on Credibility. En
Metzger M. J. y Flanagin, A. J
(Eds.), Digital Media, Youth, and
Credibility, 73-100. Cambridge, MA: The MIT Press.
Tandoc, E. C., Lim, Z. W. y Ling, R. (2017).
Defining “Fake News”.
Digital Journalism, 6(2),
137–153.
Urman, A. (2019). Context matters: political
polarization on Twitter from a comparative perspective. Media, Culture
& Society, 016344371987654. https://doi. org/10.1177/0163443719876541
Van der Veen, H., Hiemstra, D., Van den Broek, T., Ehrenhard, M. y Need, A. (2015).
Determine the User Country
of a Tweet. Social and Information Networks.
https://arxiv.org/abs/1508.02483
Vila
Márquez, F. y Arce García, S. (2019).
Fake News y difusión en Twitter: el
caso de Curro, el perro “condenado”. Historia y Comunicación Social, 24(2), 485-503. https://doi.org/10.5209/ hics.66292
Vraga, E. K.;, Bode, L. y Tully, M. (2020). Creating
News Literacy Messages
to Enhance Expert Corrections of Misinformation on Twitter. Communication Research, 009365021989809. https://
doi.org/10.1177/0093650219898094
Walter,
D., Ophir, Y. y Jamieson, K. H.
(2020). Russian Twitter Accounts and the Partisan Polarization of Vaccine Discourse, 2015–2017. American Journal of Public Health, 110, 718-724. https://doi.org/10.2105/ajph.2019.305564
Wissman, B. (2 de marzo
2018). Micro-Influencers: The Marketing Force of The Future?. Forbes. https://bit.ly/3iV9xXN.
Xu, Q., Chen, S. y Safarnejad, L. (2020): Effects
of Information Veracity
and Message Frames
on Information Dissemination: A Case Study of 2016 Zika Epidemic
Discussion on Twitter. Health
Communication. https://doi.org/10.1080/10410236.2020.1773705
Zannettou,
S., Sirivianos, M., Blackburn, J. y Kourtellis, N. (2019). The Web of False Information. Journal of Data and Information Quality, 11(3), 1–37. https://doi. org/10.1145/3309699
Zola,
P., Ragno, C. y Cortez, P. (2020). A Google Trends spatial clustering approach
for a worldwide Twitter user geolocation. Information Processing & Management, 57(6),
102312. https://doi.org/10.1016/j.ipm.2020.102312
