index.comunicación | nº 9(1) 2019 | Páginas 33-56
E-ISSN: 2174-1859 | ISSN: 2444-3239 | Depósito Legal: M-19965-2015
Recibido el 09_10_2018 | Aceptado el 18_11_2018

Actividad e involucramiento en torno a las cuentas de Twitter de periodistas y noticieros televisivos nacionales en México

Activity and involvement around the Twitter accounts of journalists and national television news programs in Mexico

https://doi.org/10.33732/ixc/09/01Activi

Antonio Corona y Brenda Azucena Muñoz
| antoniocorona@uadec.edu.mx | brenda.munoz@uadec.edu.mx |
Universidad Autónoma de Coahuila, México

Resumen: A la luz de la creciente polarización de las identidades políticas en Internet, la distribución de noticias en redes sociales y la actitud de los usuarios ante ellas es un tema de estudio que ha cobrado una gran importancia social en los últimos años. El estudio que aquí se reporta recuperó mediante API y analizó cuantitativamente las publicaciones de cuentas informativas formales mexicanas en Twitter durante el año 2017, y las interacciones alrededor de ellas. En este trabajo se presentan los resultados de este análisis, divididos por cuentas, tipo de actividad y segmentos de interés. A partir de estos resultados, se elaboran posibles indicadores para medir el involucramiento de los usuarios con las cuentas en cuestión, buscando una medición que permita identificar controversias en la discusión de noticias en Twitter. Se concluye que la mejor manera de medir el involucramiento es haciendo un cruce del número de interacciones por publicación y la proporción entre retuits e interacciones formales. Este indicador puede facilitar la investigación cuantitativa y cualitativa en Twitter, identificando momentos de alta participación enunciativa. Palabras clave: participación; involucramiento; Twitter; análisis cuantitativo.

Abstract: In the light of the growing divide between political identities on the internet, news distribution on social networks and the attitude of users towards said news has become a very important subject of study for the social sciences these past few years. This report presents the results of our analysis of formal news accounts activity on Twitter throughout 2017, as well as the interactions that surround them, arranged by account, type of activity and segment of interest. From these results, a few possible indicators are proposed for measuring user involvement, searching for an index that allows us to identify controversies in the discussion of news on Twitter. We conclude that the best way to measure involvement is by cross-graphing the amount of interactions per post and the proportion of retweets to formal interactions. This indicator could facilitate both quantitative and qualitative research on Twitter by identifying moments of high enunciation. Keywords: Participation; User Involvement; Twitter; Quantitative Analysis.

Para citar este artículo: Corona, A. y Muñoz, B. A. (2018). Actividad e involucramiento en torno a las cuentas de Twitter de periodistas y noticieros televisivos nacionales en México. index.comunicación, 9(1), 33-56. https://doi.org/10.33732/ixc/09/01Activi

 

1. Introducción

En la coyuntura actual, el contenido y circulación de información noticiosa en redes sociales está en la mira tanto de la comunidad académica como de la población en general (Allcott y Gentzkow, 2017; Boxell, Gentzkow y Shapiro, 2017; Campos-Domínguez, 2017). Los estudios en redes sociales —y particularmente en Twitter— desmintieron hace ya tiempo las esperanzadoras apreciaciones iniciales de la academia respecto a la esfera pública digital, y nos han presentado un panorama de alta polarización y encapsulación en cámaras de eco, en el cual el diálogo entre posturas divergentes es mínimo o nulo (Barberá, Jost, Nagler, Tucker y Bonneau, 2015; Colleoni, Rozza y Arvidsson, 2014; Conover, Ratkiewicz, Francisco, Gonçalves, Menczer y Flammini, 2011; Gruzd y Roy, 2014; Morales, Borondo, Lozada y Benito, 2015; Yardi y Boyd, 2010).

Uno de los puntos a los que más se ha dado atención es al papel que juega la identidad política (y las políticas de identidad) en la recepción y circulación de noticias tanto de fuentes establecidas como de fuentes cuestionables en redes sociales. En este sentido, es importante poder distinguir el grado de involucramiento de los usuarios en dicha recepción y circulación, si deseamos comprender el panorama de la transmisión de información formal e informal en redes sociales, y delimitar el torrente de información de las redes sociales en un orden observable y analizable.

El presente informe da cuenta de la actividad e involucramiento alrededor de las cuentas de Twitter asociadas con noticieros televisivos de difusión nacional en México durante el año 2017, y se desprende del proyecto de investigación ‘Identidad, ciudadanía y pertenencia en la recepción y circulación de contenido informativo en Twitter’, cuya finalidad es conocer y comprender el papel que han jugado los distintos procesos identitarios en la creciente desconfianza hacia el periodismo formal y las fuentes establecidas de producción de contenido informativo, y en la proliferación y masificación del contenido noticioso informal, surgimiento de cámaras de eco, apelaciones masivas a la emoción y otros fenómenos similares que hoy en día son agrupados bajo el término paraguas de «post-verdad» (Lockie, 2017; Niño González, Barquero y García, 2017; Suiter, 2016). Dicho proyecto consta de cuatro focos de análisis: Involucramiento, Doble Pantalla, Otrificación y Post-Verdad. En este reporte se presentan los resultados de la primera etapa, correspondiente al análisis de la manera en que surge la discusión en Twitter alrededor de la circulación de contenido noticioso formal de fuentes periodísticas, y cómo se puede medir el involucramiento de los usuarios con dicho contenido, con miras a la identificación de momentos y temas de controversia que generan alta participación.

En investigaciones similares se ha encontrado que la discusión en Twitter no se encuentra aislada del resto de la esfera pública, y sus movimientos no pueden ser explicados —como se creía en un inicio— observándola en el vacío, sin el contexto de las estructuras sociales que la informan. Tal es el caso de la relación entre la actividad en Twitter y las estructuras políticas a nivel municipal (Corona y Muñoz, 2018), y también de la relación de Twitter como ‘segunda pantalla’ en momentos de recepción formal de contenidos políticos, como en el caso de los debates sostenidos en contiendas electorales (De Zúñiga y Liu, 2017; Vaccari, Chadwick y O’Loughlin, 2015). De esto resulta que la única manera en que podemos asegurarnos de hacer un análisis adecuado de la circulación de noticias en Twitter es si lo hacemos de forma continua y dentro del contexto socio-político-cultural del país o región.

Teniendo en cuenta dichos antecedentes, el presente informe parte de dos preguntas de investigación: ¿cómo es la actividad en torno a las cuentas asociadas con noticieros televisivos nacionales en México? y ¿cómo se puede medir el involucramiento de los usuarios de Twitter que interactúan con dichas cuentas? A partir de esta segunda pregunta, se formuló el objetivo de diseñar una métrica mediante la cual nos sea posible asignar un indicador cuantitativo al nivel de involucramiento de los usuarios de Twitter en la circulación de noticias formales, y a la posición que ocupan ante estas.

Partiendo tanto de la propia investigación sobre la medición de aceptación e involucramiento en otras plataformas digitales sociales (Muñoz, 2018), como del trabajo de otros académicos respecto a la formulación de métricas y metodologías para la investigación cuantitativa en esta red social (Bruns y Stieglitz, 2014; Giglietto y Selva, 2014; Kim, Hansen, Murphy, Richards, Duke y Allen, 2013), se propuso utilizar como indicador de involucramiento la división de total anual de interacciones formales entre la suma de interacciones formales más retuits (I/I+RT). Y se asume así como hipótesis que la utilización de dicho indicador nos permitiría identificar los momentos de mayor controversia alrededor de las cuentas observadas en el año. Como se verá más adelante, el indicador propuesto resultó insuficiente.

2. Metodología

En este sentido, Bruns y Stieglitz (2014) mencionan que, si bien la extracción de datos mediante API posibilita (y hasta cierto punto estandariza) la extracción de métricas claves, el uso y entendimiento efectivo de dichas cifras depende de un diseño de método apropiado para las preguntas que han dado pie a cada investigación. Dichos autores presentan cuatro categorías de las métricas que pueden ser obtenidas de la extracción sistemática de datos en Twitter: métricas básicas, temporales, de usuario y de agrupación.

Dentro de esta clasificación, las métricas planteadas para el estudio incluyen aspectos de cada una de las cuatro categorías, incluso de agrupación, ya que el método y sistema de extracción responde al estudio de una «agrupación pre-existente de cuentas de Twitter, determinada por una agenda de investigación específica[1]» (Bruns y Stieglitz, 2014: 73). En cuanto a la denominada ‘agenda de investigación’, Williams, Terras y Warwick (2013) clasifican el estudio académico de Twitter de acuerdo al objeto de investigación, presentando cuatro categorías posibles: estudio del mensaje, del usuario, de la tecnología y del concepto.

Desde el punto de vista de la comunicación, nuestra atención recae principalmente en el estudio del mensaje y del usuario. De esto se desprende que, en la matriz resultante de las clasificaciones de Bruns y Stieglitz (2014) y Williams, Terras y Warwick (2013), el texto que presentamos corresponde a un estudio del mensaje utilizando métricas básicas, temporales, de usuario y de agrupación. El método empleado tanto para la recuperación como para el análisis de los datos obtenidos es un reflejo de esta delimitación metodológica, y está informado por la misma.

Como primer paso para conformar la base de datos que se analizó en este estudio, se realizó un censo de los noticieros televisivos de transmisión nacional al 1 de enero del 2017, como se puede apreciar en la tabla 1. Con la información recabada se elaboró una parrilla de noticieros televisivos nacionales en México. Subsecuentemente se obtuvieron las cuentas de Twitter oficiales de cada uno de dichos noticieros, en caso de contar con ella. De no contar el noticiero con una cuenta oficial —o en caso en que dicha cuenta se encontrara inactiva o abandonada— se sustituyó con la cuenta oficial del presentador titular de dicho noticiero.

Tabla 1. Parrilla de programación, noticieros nacionales.

Fuente: elaboración propia.

No se tomaron en cuenta para la elaboración de esta parrilla los noticieros de corte local o metropolitano, aún cuando su distribución fuera semi-nacional o nacional. Tampoco se tomaron en cuenta programas de opinión o discusión, a menos que su planteamiento explícitamente implicara la discusión de notas propias del ciclo de noticias del día en cuestión o el día anterior. De las cuentas presentadas en la tabla 1, las cuentas de Noticiero Hechos de la Noche y de Las Noticias vespertino se eliminaron de la base de datos debido a errores de diseño.

Se realizó una recopilación sistemática durante un año natural (2017), capturando todas las publicaciones realizadas por las cuentas oficiales de noticieros y presentadores de noticias a nivel nacional, así como todas las publicaciones dirigidas a, o mencionando a, alguna de estas cuentas. Dicha recopilación se realizó mediante opciones de búsqueda (queries) al API de Twitter, utilizando el lenguaje de programación Python (Python Software Foundation, 2010) en su distribución Anaconda (Continuum Analytics, 2012) y, más específicamente, el protocolo Twython, diseñado por Ryan McGrath (2013) para la interacción con el API de dicha red social. Cada uno de los productos de software arriba mencionados son distribuidos bajo el esquema de código abierto (Open Source).

Utilizando estas herramientas, se recuperaron las publicaciones realizadas por cuentas de la muestra y las publicaciones dirigidas a cuentas de la muestra con una frecuencia diaria, bi-semanal o semanal, dependiendo de la densidad de actividad histórica de cada una de las cuentas. Es posible que, debido a error humano o a problemas de comunicación, en algunos casos no se haya conseguido capturar el total absoluto de la actividad; sin embargo, dado que el volumen de las publicaciones recuperadas es tan amplio, y el posible volumen de las publicaciones no recuperadas tan pequeño, es nuestra convicción que no hay ninguna diferencia apreciable ni humana ni estadísticamente entre la muestra recuperada y el universo de la actividad en torno a estas cuentas.

Cabe mencionar como limitaciones del presente trabajo el hecho de que este no se ocupa de la distribución de noticias en Twitter en México como fenómeno en su totalidad, sino solamente de lo correspondiente a las cuentas observadas (aquellas asociadas con noticieros televisivos nacionales). El criterio seleccionado deja fuera aquellas cuentas y periodistas que tienen una gran cantidad de seguidores pero no están asociados con un noticiero nacional de televisión aérea. Tal es el caso de Joaquín López-Dóriga y Carmen Aristegui, periodistas de gran influencia en el país que quedaron fuera de la muestra debido a este criterio.

Es también importante precisar la imposibilidad de conmutar los datos aquí presentados a cualquier otra esfera de Twitter o de alguna otra red social. El asunto de la representatividad estadística es también un problema en este tipo de estudios: dada la naturaleza de volumen y velocidad de los datos en redes sociales, es imposible hablar de representatividad en el sentido en que hablamos de ella al estudiar otros medios y fenómenos.

Por último, es necesario también mencionar como limitación el hecho de que el involucramiento con un líder de opinión, informador o discurso es un asunto fino y delicado, que merece un estudio cualitativo desde las perspectivas de identidad, agencia y ciudadanía. Si bien se tienen contempladas etapas cualitativas en el proyecto del cual se desprende este estudio, aún no se alcanzan dichas etapas, por lo cual los resultados presentes se mantienen en el ámbito de lo cuantitativo.

3. Resultados

La investigación arriba explicada se realizó desde el 1 de enero del 2017 hasta el 1 de enero del 2018, y recopiló durante el año aproximadamente 5.3 gigabytes de información. De acuerdo con la recuperación realizada, las cuentas observadas de noticieros y periodistas emitieron un total de 252.530 tuits a lo largo del 2017, y recibieron un total de 1.178.919 interacciones y 1.691.276 retuits.

Se denomina ‘publicaciones fuente’ a las publicaciones realizadas por las cuentas observadas —pertenecientes a periodistas y noticieros televisivos de acuerdo con la tabla 1—, y se denomina ‘interacciones’ a las publicaciones realizadas por cuentas del público en general —es decir, cualquier cuenta que no estuviera prevista en la tabla 1— dirigidas a cualquiera de las cuentas observadas. Esta interacción puede tomar la forma de:

→ 1. Respuesta directa a una publicación de una cuenta observada.

→ 2. Publicación dirigida a una cuenta observada, que no responde a una publicación específica.

→ 3. Respuesta directa a publicación de una cuenta no observada, cuyo texto menciona a una cuenta observada.

→ 4. Publicación dirigida a una cuenta no observada, cuyo texto menciona a una cuenta observada.

→ 5. Publicación no dirigida a una cuenta específica, cuyo texto menciona a una cuenta observada.

Esta categorización no contempla como interacción la figura del retuit, debido a que la mecánica del retuit no implica enunciación, sino simplemente un acto mecánico similar al like de Facebook u otras mecánicas equivalentes en distintas redes sociales. En Bruns y Stieglitz (2014) se puede leer más a fondo respecto a la diferencia cualitativa entre el acto de retuit —lo que ellos llaman aproximación diseminativa— y una interacción formal en la forma de mención o respuesta —lo que llaman aproximación enunciativa y/o discursiva—. En ese sentido, si bien se podría argumentar que el retuit es una forma de interacción en el aspecto mecánico, no lo es desde un punto de vista enunciativo, dado que no implica un posicionamiento dialéctico entre la cuenta que hace el retuit y la cuenta que hizo la publicación original.

El desglose del volumen de publicaciones por parte de las cuentas observadas (publicaciones fuente) se presenta en la tabla 2. En dicha tabla podemos comprobar que la cuenta con el mayor volumen de publicaciones fue la de Noticieros Televisa (@NTelevisa_com) con un total de 84.126 publicaciones únicas, equivalente a un promedio de 230,4 publicaciones por día. El segundo lugar en cuanto a volumen de publicaciones es ocupado por la cuenta oficial de noticieros de Canal Once (@OnceNoticiasTV), con 43.636 publicaciones únicas, o un promedio aproximado de 119,5 publicaciones al día. Dicho esto, parece claro que estos promedios no representan el comportamiento de publicación de las cuentas, dado que estas no publican de manera invariable.

Tabla 2. Desglose de volumen: publicaciones e interacciones.

Fuente: elaboración propia.

En la figura 1 se presenta la distribución temporal de los volúmenes de publicación a través del año. Los picos de volumen que se pueden apreciar durante septiembre representan la reacción al terremoto de Chiapas, en el cual murieron 95 personas (Senado de la República, 2017) y al terremoto de Puebla (también conocido como terremoto del 19 de septiembre), el cual afectó directamente a la Ciudad de México, dejó un saldo de 369 muertos (Senado de la República, 2017) y provocó una gran movilización de gobierno, prensa y ciudadanía, tanto en el espacio físico como virtual.

Figura 1. Volumen de publicaciones fuente por día.

Fuente: elaboración propia.

En la tabla 2 se puede apreciar el desglose de las interacciones —publicaciones de cuentas no observadas que respondieron, fueron dirigidas o mencionaron a una o más de las cuentas observadas—. Como se muestra en dicha tabla, la cuenta personal de Carlos Loret de Mola (@CarlosLoret) fue la que registró más interacciones ya sea en forma de respuesta, mención o enunciación en el 2017, con 229.608 publicaciones en este rubro.

El segundo y tercer lugar son ocupados por la cuenta de Noticieros Televisa (@NTelevisa_com) y la de Denise Maerker (@DeniseMaerker) respectivamente. La figura 2 representa la distribución durante el año del volumen de interacciones. Se puede apreciar en dicha figura un pico mucho más marcado de actividad durante los terremotos de septiembre (particularmente durante el terremoto de Puebla, que afectó directamente a la Ciudad de México). En ese sentido, al comparar la distribución diaria de actividad de publicaciones fuente con la actividad de interacción, podemos observar que el pico de actividad correspondiente a los terremotos es proporcionalmente muchas veces mayor en el caso de las interacciones que en el de las publicaciones de las cuentas observadas.

Del mismo modo, la figura 2 nos muestra que, durante el resto del año, el volumen promedio de interacción es proporcionalmente menor a la actividad de las cuentas de noticieros y periodistas televisivos. Es decir, mientras que el terremoto del 19 de septiembre implicó un aumento de cerca del 20 por ciento en la cantidad de tuits emitidos por las cuentas informativas, el mismo evento implicó un aumento de varios órdenes de magnitud en la interacción del público con dichas cuentas.

Figura 2. Volumen de interacciones por día.

Fuente: elaboración propia.

Los indicadores de la figura 3 se obtuvieron dividiendo el número de publicaciones fuente o de interacciones de cada día entre el respectivo total anual, de lo cual resulta un número menor a uno, equivalente al porcentaje del volumen anual de actividad registrado durante el día en cuestión. Esta comparación nos muestra de nuevo que la diferencia proporcional de actividad es mucho más marcada en el caso de las interacciones que en el de las publicaciones fuente. Lo anterior se debe, presumiblemente, a que las cuentas oficiales de los periodistas y noticieros televisivos cubren los acontecimientos noticiosos de la semana de forma cotidiana, independientemente de la magnitud de estos, mientras que el público en general tiene un grado de involucramiento con los eventos noticiosos menor al de las cuentas observadas durante la mayor parte del tiempo, y dicho involucramiento se multiplica exponencialmente ante acontecimientos graves o que, como en el caso de los terremotos, requieren —al menos en la percepción del público— el involucramiento directo e incluso el uso de las redes sociales como herramienta de comunicación con la intención de organización y movilización de la sociedad civil.

Figura 3. Comparativa de porcentaje diario del volumen anual.

Fuente: elaboración propia.

3.1 Indicadores de actividad

En la tabla 3 se presentan los indicadores de actividad propuestos con la finalidad de establecer el nivel de involucramiento alrededor de cada una de las cuentas observadas. Dichos indicadores son:

→ I/P= Interacciones entre Publicaciones: número de interacciones acaecidas por cada publicación fuente (total anual).

→ RT/P= Retuits entre Publicaciones: número de retuits por cada publicación fuente (total anual).

Tabla 3. Indicadores de actividad por cuenta observada.

Fuente: elaboración propia.

La tabla 3 muestra, junto con estos indicadores, los totales anuales de publicaciones, interacciones y retuits por cada cuenta observada, cifras con las cuales se generaron los indicadores. La finalidad de la utilización de estos indicadores es proveer una cuantificación del nivel de actividad en torno a las cuentas en cuestión que no sea afectada por la disparidad en el volumen de publicación o en la popularidad de las cuentas. En la tabla 4, por otro lado, se presentan los promedios resultados de los indicadores arriba mencionados al dividir los datos de acuerdo a segmentos de interés, tales como el género de los presentadores de noticias, la televisora a la que pertenecen y el horario de transmisión.

Tabla 4. Indicadores de actividad (promedios) por segmento de interés.

Fuente: elaboración propia.

En cuanto al género de los presentadores, se puede apreciar en la tabla 4 y en la figura 4 que tanto las interacciones como los retuits por publicación de las presentadoras de noticias son casi la mitad que las de sus contrapartes masculinos. También en la figura 4, observamos la comparación entre los indicadores de las cuentas personales de periodistas y los de cuentas institucionales (noticieros y televisoras).

Más allá del volumen mucho mayor de todo tipo de interacciones alrededor de las cuentas personales (lo cual parece indicativo de un mayor involucramiento con las cuentas que representan a personas identificables), podemos apreciar que las cuentas institucionales tienen un mayor número de retuits que de interacciones por cada publicación, mientras que en el caso de las cuentas personales nos encontramos con lo contrario. Podríamos argumentar que esto apoya la decisión de tomar el retuit no como una enunciación sino como una interacción mecánica: es esperable que la intención de enunciación y de diálogo sea mayor cuando la publicación original viene de una cuenta que representa a una persona de carne y hueso y no a una institución, agencia noticiosa o programa televisivo. Puede ser incluso que la intención de enunciación surja no de la lectura de una publicación sino de la recepción de una nota televisiva formal, de la cual el rostro inmediato sería el periodista o presentador de noticias, y no el noticiero ni la televisora. Las gráficas de horarios de publicación, que se verán más adelante, apoyan la posibilidad de este último escenario.

En lo que respecta a la segmentación por televisoras, llama la atención el alto volumen de las cuentas pertenecientes a periodistas del Grupo Imagen, sobre todo por la corta edad de la televisora en comparación con Televisa y TV Azteca (Imagen Televisión inició transmisiones en octubre del 2016). Es también interesante que las cuentas pertenecientes a Canal 22 generan una alta cantidad de retuits, pero muy poca interacción. Esto puede deberse a que, al ser una televisora de corte cultural a cargo de la Secretaría de Cultura, es posible que sus noticieros tengan un menor potencial para generar controversia. Lo anterior no puede ser comprobado a esta altura del estudio, pero es un punto importante que puede informar la agenda de las etapas cualitativas posteriores.

En la figura 4 aparece una comparativa de segmentos correspondientes a los tres horarios principales de transmisión de noticieros televisivos en México: matutino, vespertino y nocturno. La distribución que se observa es congruente con la importancia que se le otorga tradicionalmente a cada uno de los horarios en cuestión del emparrillado televisivo del país. Cabe recalcar, sin embargo, que algunas de las cuentas con más volumen de interacciones (Carlos Loret, por ejemplo) se ubican en el horario matutino, como se puede observar al comparar las tablas 1 y 3.

3.2 Índice de Involucramiento

Vaccari, Chadwick y O’Loughlin (2015), en su análisis del uso de Twitter como segunda pantalla en el seguimiento de contiendas políticas, encontraron que las prácticas «echadas hacia adelante» (lean-foward), es decir, aquellas que hacen uso de comentarios y conversaciones, tienen una mayor y más consistente asociación con el involucramiento que las prácticas más pasivas. Bruns y Stieglitz (2014), por otro lado, consideran que es posible examinar el equilibrio entre respuestas y retuits para evaluar la visibilidad e importancia de las cuentas y la simetría de las relaciones entre cuentas. De esta manera, la proporción entre respuestas/menciones (lo que consideramos en este estudio como interacciones) y retuits puede ilustrar si el destinatario está posicionado como un interlocutor —en un posicionamiento horizontal— o como una fuente de información —en un posicionamiento vertical—.

Partiendo de lo anterior se elaboró la hipótesis de que, en el caso de la actividad alrededor de las cuentas pertenecientes a periodistas y noticieros televisivos mexicanos en el 2017, la proporción entre interacciones formales y retuits (I/I+RT) podría funcionar como predictor de la naturaleza del involucramiento. Específicamente, se planteó que una mayor cantidad de retuits que interacciones (es decir, una proporción más cercana al 1,0 en favor de los retuits) podría resultar indicativa de una menor controversia en torno al evento noticioso en cuestión, mientras que una mayor proporción de interacciones formales (es decir, de enunciaciones directas) podría indicar una mayor controversia.

Figura 4. Comparación de indicadores: género, tipo de cuenta, televisora y horario.

Fuente: elaboración propia.

Bajo este esquema, una situación de emergencia en la cual la sociedad civil percibe la necesidad de organización inmediata, sin tiempo para discusiones, estaría marcada por una mayor proporción de retuits. Del mismo modo, un momento de ‘escándalo’ o controversia, particularmente en torno a los medios informativos, resultaría en una mayor proporción de interacciones. En el año 2017, la tragedia del terremoto del 19 de septiembre nos presentó con ambos escenarios en un lapso mínimo de tiempo: como ya se dijo, el terremoto provocó una inmediata organización y alianza de gobierno, medios y sociedad civil para el rescate y ayuda en las horas subsecuentes. Para muchos ciudadanos, esta necesidad de organización y esfuerzo común se encarnaba en Frida Sofía, una niña enterrada bajo los escombros del derrumbado Colegio Enrique Rébsamen (Specia, 2017).

Un par de días después, la población se enteró de que Frida Sofía nunca existió y su creación fue producto —en el mejor de los casos— de un error de comunicación entre la Marina, los cuerpos de rescate y los medios de comunicación (Specia, 2017). Durante los días siguientes, los actores involucrados se culparon unos a otros y la voz pública se enfocó en el reclamo ante la falta de profesionalidad que dio lugar a semejante confusión.

Si bien ya se vio que durante la crisis del terremoto la participación ciudadana en Twitter —en forma de interacciones con cuentas informativas— se disparó dramáticamente, la teorización arriba discutida respecto a la proporción entre interacciones y retuits nos haría suponer que en las horas subsecuentes al terremoto, ante una emergencia que requiere el esfuerzo coordinado, las cuentas informativas recibirían una mayor cantidad de retuits que de respuestas o menciones, mientras que tras el desencanto provocado por el escándalo de Frida Sofía, la cantidad de interacciones sería mucho mayor, al tomar voz los ciudadanos para dirigirse a los medios en reclamo por lo ocurrido. Esta hipótesis supone también que, al tratarse ambos casos de momentos de crisis, las proporciones entre interacciones y retuits de estos dos días estarían alejadas del promedio resultante de todas las proporciones diarias del año.

Tabla 5. Comparativa de proporción I/(I+RT).

Fuente: elaboración propia.

Como se puede apreciar en la tabla 5, el promedio anual de la proporción diaria entre interacciones y retuits es de 0,45. En este sentido, se comprobó el supuesto de que las horas subsecuentes al terremoto del 19 de septiembre mostrarían una proporción mucho mayor de retuits a interacciones: el 19 de septiembre presentó la proporción de interacciones más baja del año, con 0,247. Por otro lado, si bien las horas posteriores al descubrimiento de la falsedad de Frida Sofía tuvieron una proporción de interacciones mayor que el promedio, no hubo en este caso una diferencia tan notable como en el caso del 19 de septiembre, y no representó ni siquiera la mayor proporción del mes de septiembre: fue superado por la proporción del 15 de septiembre (víspera de la celebración de la independencia y día de la festividad del ‘Grito’) y del 25 de septiembre, día del regreso a clase tras la tragedia del terremoto.

En este sentido, nos encontramos con que la proporción interacciones-retuits no es efectiva por sí misma como indicador de controversia: es claro que la controversia en torno a Frida Sofía generó más involucramiento que el regreso a clases; sin embargo, dado que el indicador interacciones-retuit no contempla el volumen de actividad sino solamente su proporción, dicho involucramiento no es registrado.

Al comparar estos resultados con los de la tabla 3, nos encontramos con que ni la proporción interacción-retuit ni el indicador I/P (interacciones por publicación) son suficientes por sí mismos para identificar aquellos momentos en que los usuarios de Twitter deciden involucrarse con el contenido noticioso formulando enunciaciones —de la forma «hacia adelante» de la que hablan Vaccari, Chadwick y O’Loughlin (2005)—, y no solamente con interacciones mecánicas. Por un lado, tomar como indicador únicamente la cantidad de interacciones por publicación no nos da un contexto suficiente respecto a la cantidad de receptores que están realizando actos de enunciación, en contraste con aquellos que sólo interactúan mecánicamente.

Por otro lado, la proporción de interacciones a retuits no toma en cuenta el volumen de publicaciones en relación con la cotidianeidad de la cuenta observada. Teniendo en cuenta lo anterior, se decidió formular una visualización en forma de dispersión, tomando en cuenta ambos indicadores. Esta gráfica (figura 5) nos permite ver la relación entre volumen y proporción de enunciaciones en relación con las publicaciones fuente, lo cual facilitaría realizar decisiones metodológicas respecto a los datos. En esta visualización —con el número de interacciones por publicación como eje vertical y la proporción interacción-retuit como eje horizontal— el cuadrante superior derecho representaría los momentos de controversia que motivan a la enunciación, mientras que el cuadrante superior izquierdo los momentos de organización y emergencia que motivan a la interacción mecánica.

Como se puede observar, el posicionamiento de los días en la gráfica es consecuente con los acontecimientos de dichos días y con lo que se ha observado en las tablas y gráficas anteriores. Podemos observar en las coordenadas tanto el volumen de actividad como el posicionamiento de la misma: la actividad del 20 de septiembre es menor en volumen a la del 21, pero además es muy diferente en naturaleza: el 21 de septiembre, tras el desengaño de Frida Sofía, una grandísima cantidad de usuarios estuvieron interactuando y enunciando directamente hacia los representantes de los medios formales, a quienes responsabilizan del fiasco.

Figura 5. Gráfica de dispersión. X: I-RT. Y: I/P.

Fuente: elaboración propia.

Utilizando la misma matriz, se rehízo la gráfica anterior descartando el mes de septiembre, con la finalidad de remover los extremadamente atípicos valores de los eventos alrededor de los terremotos, para corroborar si la matriz realmente es útil en la identificación de momentos de gran involucramiento o controversia. En la figura 6 se puede observar que, descartando los valores correspondientes a septiembre, las coordenadas más altas en el índice corresponden a los días 18 de junio, 5 de enero, 27 de enero y 7 de octubre.

En un análisis posterior se buscaron en la base de datos los temas controvertidos que provocaron la aparente alza en el involucramiento, y se encontró lo siguiente: el día 18 de junio circuló en redes sociales una serie de fotos de periodistas de renombre en el país (incluyendo miembros de la muestra) saludando afablemente al Presidente Enrique Peña Nieto, lo cual fue tomado en redes sociales como evidencia de colusión (Arreola, 2017).

El 5 de enero corresponde a los saqueos que resultaron del descontento por el llamado ‘gasolinazo’ —aumento drástico en el precio de la gasolina— de enero del 2017 (El Universal, 2017). El 27 de enero, el controvertido expresidente Felipe Calderón visitó varios espacios informativos para promover su plan de contención ante Donald Trump y la candidatura de su esposa, Margarita Zavala (Noguez, 2017).

Figura 6. Gráfica de dispersión, descartando el mes de septiembre.

Fuente: elaboración propia.

El 7 de octubre se concatenaron las reacciones por la renuncia de Margarita Zavala al PAN (El Financiero, 2017) y las denuncias por partes de militantes jóvenes del PRI respecto a la falta de cobertura mediática de un supuesto documento de la dirigencia nacional del partido, el cual resultó ser apócrifo (La Silla Rota, 2017).

En la mayoría de estos casos, el posicionamiento de amplios segmentos de la opinión pública fue en franca oposición a los periodistas y medios. Al ser así, pareciera ser que es factible el uso de este cuadrante como herramienta para identificación de controversias y momentos de alto involucramiento de los usuarios de Twitter en contraposición a los medios informativos tradicionales. Lo anterior resulta de enorme utilidad para el proyecto del cual se desprende este estudio, el cual planteó como uno de sus objetivos finales el esclarecimiento de la relación entre la desconfianza ante los medios tradicionales y la circulación de ‘hechos alternativos’ en redes sociales. Más allá de esto, sin embargo, una cuantificación similar tiene el potencial de facilitar cualquier estudio sobre participación y controversias en torno a temas y eventos específicos en redes sociales.

Cabe aclarar que, en caso de que los datos disponibles no permitan realizar esta visualización (por ejemplo, si no se conoce el número de retuits), el indicador de interacciones por publicación también permite por sí solo identificar los momentos de mayor actividad. Si bien se perdería la información respecto al posicionamiento de los usuarios ante el medio, dicha información puede ser obtenida en una etapa posterior (por ejemplo, con análisis cualitativo de contenido).

4. Conclusiones

Los terremotos de septiembre del 2017 en México fueron tragedias que causaron pérdidas irreparables de vida, salud y patrimonio para una gran cantidad de mexicanos. En este caso, sin embargo, dicho evento no sólo ilustra la efectividad de los observatorios perennes o longitudinales en el estudio de las redes sociales, sino que además se erige como un caso claro de alta participación e interacción con las cuentas informativas formales tanto en el esquema vertical de diseminación de información (durante las horas siguientes al terremoto) como en el esquema horizontal de enunciación directa, diálogo y cuestionamiento (en el caso del desencanto de Frida Sofía).

En este trabajo se presentan dos indicadores sencillos de actividad en torno a cuentas observadas: interacciones por publicación y retuits por publicación. Ambos nos permitieron observar las diferencias de volumen y actividad en torno a cuentas de periodistas hombres y mujeres, de noticieros y presentadores, y de las distintas cadenas de televisión, respondiendo así la primera pregunta de la investigación. De estos dos indicadores, el primero es más valioso para darnos una idea de la cantidad de enunciaciones que se producen en torno a temas, eventos o comunicadores específicos. Sin embargo, sigue siendo insuficiente como índice de involucramiento.

Como ya se estableció, las interacciones discursivas o enunciativas tienen un mayor grado de involucramiento que las interacciones mecánicas como el retuit, por lo cual el porcentaje de interacciones que hacen enunciaciones debe resultar indicativo del involucramiento al menos en cierto grado. Sin embargo, utilizar sólo ese porcentaje como indicador sin tener en cuenta el volumen de actividad nos ciega respecto a las dimensiones reales de la discusión. En este sentido, la propuesta inicial de medición de involucramiento (I-RT) resultó insuficiente para la detección de controversias en Twitter, por lo cual la hipótesis inicial quedó descartada.

A raíz de este primer resultado, la propuesta del presente artículo es utilizar una matriz compuesta por el número de interacciones formales por publicación y la proporción entre interacciones formales y mecánicas para identificar los temas, momentos y comunicadores en torno a los cuales se genera el mayor grado de involucramiento, y potencialmente de controversia. Dicha matriz es más efectiva para la identificación de controversias, ya que permite observar tanto el volumen de interacción como la calidad enunciativa de ésta.

El interés por la posible predicción de momentos de controversia alrededor de la distribución de noticias en Twitter se desprende de la necesidad que, como investigadores sociales, tenemos de comprender y organizar el diluvio de información de las redes sociales para entender sus significados y lograr estudiarlo apropiadamente. Los indicadores de este tipo, para lograr la identificación de momentos de controversia, le pueden ser de utilidad a los observatorios como el que realizó este estudio para delimitar y facilitar muestras y segmentaciones que puedan después ser analizadas ya sea por métodos cuantitativos o cualitativos.

Más allá de la propuesta de indicadores, los datos básicos de la muestra anual responden a nuestra primera pregunta de investigación, presentándonos un panorama en el cual la procedencia de la cuenta informativa —horario de transmisión del noticiero, televisora que lo produce, incluso género del presentador— tiene una mayor influencia sobre el grado de interacción y discusión que la actividad de la cuenta en sí. Lo anterior tiene repercusiones para la discusión entre la comprensión de Twitter y otras redes sociales, ya sea como esferas públicas semi-independientes o como complementos en un esquema de doble o triple pantalla. Estas repercusiones son analizadas a fondo y en contexto, en etapas posteriores del proyecto del cual se desprende este reporte.

Cabe mencionar que, si bien se habla de enunciación y diálogo en estas conclusiones, no se debe eso tomar como una aseveración de la existencia de diálogo fructífero en Twitter entre identidades distintas u opuestas. Hay cada vez más evidencia empírica de que dicho diálogo es —en el mejor de los casos— infructífero y, en el peor, inexistente. Las identidades políticas en Twitter informan no sólo la lectura que se hace de los eventos noticiosos (Corona, 2018) sino la manera misma en que se interactúa con la diseminación de la información sobre dichos eventos.

En un ambiente así es muy difícil que se produzca un intercambio valioso de puntos de vista. Es precisamente por esto que urge el establecimiento de observatorios como aquel del cual se desprende este estudio, que nos provean las herramientas apropiadas para alzar la lente hacia las redes sociales, con la misma actitud crítica y rigor científico con los que en otro tiempo la alzamos hacia medios como la radio y la televisión. De no hacerlo así, corremos el riesgo de quedarnos, como observadores, ciegos ante la realidad.

5. Bibliografía

Allcott, H. y Gentzkow, M. (2017). Social Media and Fake News in the 2016 Election. Journal of Economic Perspectives, 31(2), 211-236. Doi: 10.1257/jep.31.2.211

Arreola, F. (17 de junio de 2017). Peña Nieto: fotos con periodistas; fraude 2006 y la familia de José y María derrotada en Edomex. SDP Noticias. Recuperado el 1 de agosto de 2017 de: http://cort.as/-CDk7

Barberá, P.; Jost, J. T.; Nagler, J.; Tucker, J.A. y Bonneau, R. (2015). Tweeting from left to right: Is online political communication more than an echo chamber? Psychological science, 26(10), 1531-1542. Doi: 10.1177/0956797615594620

Boxell, L.; Gentzkow, M. y Shapiro, J. (2017). Is the internet causing political polarization? Evidence from demographics. National Bureau of Economic Research, Núm. w23258. Doi: 10.3386/w23258

Bruns, A. y Stieglitz, S. (2014). Metrics for understanding communication on Twitter. En K. Weller; A. Bruns; J. Burgess; M. Mahrt y C. Puschmann (eds.). Twitter and Society, pp. 69-82. New York: Peter Lang.

Campos-Domínguez, W. (2017). Twitter y la comunicación política. El profesional de la información, 26(5), 785-793. Doi: 10.3145/epi.2017.sep.01

Colleoni, E.; Rozza, A. y Arvidsson, A. (2014). Echo chamber or public sphere? Predicting political orientation and measuring political homophily in Twitter using big data. Journal of Communication, 64(2), 317-332. Doi: 10.1111/jcom.12084

Conover, M.; Ratkiewicz, J.; Francisco, M.; Gonçalves, B.; Menczer, F. y Flammini, A. (2011). Political polarization on twitter. ICWSM, 133, 89-96.

Continuum Analytics (2012). Anaconda (Versión Custom para Python 2.7) [Software de PC]. Recuperado de: https://anaconda.org/

Corona, A. (2018). Mecanismos de otrificación entre la oposición política en Twitter durante las elecciones estatales de 2017 en México. adComunica. Revista Científica de Estrategias, Tendencias e Innovación en Comunicación, 16, 45-70. Doi: 10.6035/2174-0992.2018.16.4

Corona, A. y Muñoz, B. A. (2018). Twitter y organización partidista a nivel local durante la elección estatal de Coahuila, 2017. Question: Revista de Periodismo y Comunicación, 1(57). Doi: 10.24215/16696581e021

De Zúñiga, G. y Liu, J. H. (2017). Second screening politics in the social media sphere: Advancing research on dual screen use in political communication with evidence from 20 countries. Journal of Broadcasting & Electronic Media, 61(2), 193-219. Doi: 10.1080/08838151.2017.1309420

El Financiero (6 de octubre de 2017). Cisma en el PAN: Margarita Zavala renuncia. El Financiero. Recuperado de: http://cort.as/-CDkG

El Universal (5 de enero de 2017). Ahora sufre la CDMX saqueos por gasolinazo. El Universal. Recuperado de: http://cort.as/-CDkL

Giglietto, F. y Selva, D. (2014). Second Screen and Participation: A Content Analysis on a Full Season Dataset of Tweets. Journal of Communication, 64(2), 260-277. Doi: 10.1111/jcom.12085

Gruzd, A. y Roy, J. (2014). Investigating political polarization on Twitter: A Canadian perspective. Policy & Internet, 6(1), 28-45. Doi: 10.1002/1944-2866.POI354

Kim, A.E.; Hansen, H. M.; Murphy, J.; Richards, A. K.; Duke, J. y Allen, J. (2013). Methodological Considerations in Analyzing Twitter Data. JNCI Monographs, 2013(47), 140-146. Doi: 10.1093/jncimonographs/lgt026

La Silla Rota (7 de octubre de 2017). Sacude al PRI supuesto ‘madruguete’ en la postulación presidencial. La Silla Rota. Recuperado de: http://cort.as/-CDkP

Lockie, S. (2016). Post-truth politics and the social sciences. Environmental Sociology, 3(1), , 1-5. Doi: 10.1080/23251042.2016.1273444

McGrath, R. (2013). Twython (Versión 3.4.0 - 3.6.0) [Software de PC]. Recuperado de: https://github.com

Morales, A. J.; Borondo, J.; Lozada, J. C. y Benito, R. M. (2015). Measuring political polarization: Twitter shows the two sides of Venezuela. Chaos: An Interdisciplinary Journal of Nonlinear Science, 25(3). Doi: 10.1063/1.4913758

Muñoz, B. A. (2018). Análisis del involucramiento y la reconfiguración en YouTube México a partir del caso #lady100pesos. Fonseca, Journal of Communication, 16, 159-175. Doi: http://dx.doi.org/10.14201/fjc201816155170

Niño González, J. I.; Barquero Cabrero, M. y García, E. (2017). Opinión pública e infoxicación en las redes: los fundamentos de la post-verdad. VivatAcademia Revista de comunicación, 139, 83-94. Doi: 10.15178/va.2017.139.83-94

Noguez, O. (7 de enero de 2017). Calderón se vuelve tendencia por su plan contra Trump. Merca2.0. Recuperado de: http://cort.as/-CDkU

Python Software Foundation (2010). Python (Versión 2.7). [Software de PC]. Recuperado de: https://www.python.org/download/releases/2.7/

Senado de la República. (2017). Recuento de los daños 7S y 19s: A un mes de la tragedia. Notas Estratégicas, 17. Instituto Belisario Domínguez.

Specia, M. (27 de septiembre de 2017). ‘Frida Sofia’: The Mexico Earthquake Victim Who Never Was. The New York Times. Recuperado de: http://cort.as/-CDkZ

Suiter, J. (2016). Post-Truth Politics. Political Insight, 7(3), 25-27. Doi: 10.1177/2041905816680417

Vaccari, C.; Chadwick, A. y O’Loughlin, B. (2015). Dual Screening the Political: Media Events, Social Media, and Citizen Engagement. Journal of Communication, 65(6), 1041-1061. Doi: 10.1111/jcom.12187

Williams, S.; Terras, M. y Warwick, C. (2013). What do people study when they study Twitter? Classifying Twitter related academic papers. Journal of Documentation, 69(3), 384-410. Doi: 10.1108/JD-03-2012-0027

Yardi, S. y Boyd, D. (2010). Dynamic debates: An analysis of group polarization over time on twitter. Bulletin of Science, Technology & Society, 30(5), 316-327. Doi: 10.1177/0270467610380011

Para citar este artículo: Corona, A. y Muñoz, B. A. (2018). Actividad e involucramiento en torno a las cuentas de Twitter de periodistas y noticieros televisivos nacionales en México. index.comunicación, 9(1), 33-56. https://doi.org/10.33732/ixc/09/01Activi