Autenticidad y emoción en el discurso sobre salud mental de mujeres influencers en Instagram

Alba Ayuso-Lanchares; Clara González-Sanguino; Patricia Sánchez Holgado; Noemí Merayo-Álvarez

doi:10.62008/ixc/16/02Autent

Autores/as

Alba Ayuso-Lanchares Universidad de Valladolid https://orcid.org/0000-0002-0740-7212
Clara González-Sanguino Universidad de Valladolid https://orcid.org/0000-0001-7020-0604
Patricia Sánchez Holgado Universidad de Salamanca https://orcid.org/0000-0002-6253-7087
Noemí Merayo-Álvarez Universidad de Valladolid https://orcid.org/0000-0002-6920-0778

DOI:

https://doi.org/10.62008/ixc/16/02Autent

Palabras clave:

redes sociales, salud mental, influencers, emociones, inteligencia artificial, procesamiento del lenguaje natural

Resumen

Este estudio analiza cómo la autenticidad y el tono emocional influyen en las reacciones del público ante las revelaciones sobre salud mental de influencers españolas en Instagram. Mediante herramientas de Inteligencia Artificial y Procesamiento del Lenguaje Natural, se analizaron 13.407 comentarios de usuarios para clasificar las emociones en seis categorías: admiración, empatía, enfado, tristeza, neutralidad y gratitud. Los análisis descriptivos y de correspondencias identificaron los patrones emocionales dominantes y su relación con los tipos de publicaciones —personales, no relacionadas o promocionales—. Los resultados muestran que las revelaciones auténticas generan principalmente emociones positivas (admiración y empatía), mientras que las negativas (enfado y burla) se asocian con contenidos promocionales. La autenticidad y la coherencia entre texto e imagen se consolidan como factores clave de la implicación del público. Los hallazgos contribuyen a comprender la dinámica emocional en la comunicación digital sobre salud mental.

Biografía del autor/a

Alba Ayuso-Lanchares, Universidad de Valladolid

Alba Ayuso-Lanchares se licenció en Logopedia por la Universidad de Valladolid (España) en 2014, obtuvo el máster en Neuropsicología y Educación por la Universidad de La Rioja en 2016 y el doctorado por la Universidad de Valladolid en octubre de 2021. Actualmente es profesora ayudante en el Departamento de Pedagogía de la Universidad de Valladolid. Ha sido profesora colaboradora de la Universidad de La Rioja. Sus líneas de investigación se centran en el desarrollo del lenguaje, las intervenciones logopédicas y la educación. Es miembro de la Asociación Española de Logopedas.

Clara González-Sanguino, Universidad de Valladolid

Clara González-Sanguino es Doctora en Psicología Clínica con mención internacional, actualmente Profesora Permanente Laboral en la Universidad de Valladolid (UVa). Sus líneas de investigación se centran en la salud mental, en concreto, en el estigma asociado a los distintos trastornos psicológicos, las consecuencias psicológicas del Covid-19, las secuelas psicológicas de los acontecimientos traumáticos y victimología, y los trastornos mentales graves, contando con diversos proyectos y publicaciones de distintos artículos científicos de impacto.

Patricia Sánchez Holgado, Universidad de Salamanca

Patricia Sánchez-Holgado es Profesora en el Departamento de Sociología y Comunicación de la Facultad de Ciencias Sociales de la Universidad de Salamanca. Doctora en Comunicación por la Universidad de Salamanca. Licenciada en Publicidad y Relaciones Públicas por la Universidad Complutense de Madrid, Master en Cultura Científica por la Universidad de Oviedo (2019) y Máster de profesorado y Master en Big Data por la Universidad Pontificia de Salamanca. Es miembro del Observatorio de Contenidos Audiovisuales (OCA), Grupo de Investigación de Excelencia y Unidad de Investigación Consolidada de la Junta de Castilla y León (www.ocausal.es). Sus líneas de investigación se centran en: Percepción social de la Inteligencia Artificial y la ciencia de datos; Comunicación, divulgación y cultura científica; Discursos de odio; Comunicación política; Adopción y Uso de Tecnologías de la Comunicación; estudios de género e igualdad.

Noemí Merayo-Álvarez, Universidad de Valladolid

Noemí Merayo obtuvo la licenciatura en Ingeniería de Telecomunicaciones y el doctorado por la Universidad de Valladolid (España) en 2004 y 2009, respectivamente. Es profesora titular en la misma universidad. Ha sido investigadora visitante en el Grupo de Redes Ópticas del Instituto de Investigación en Ciencia y Tecnología de la Universidad de Hertfordshire; en el Grupo de Investigación TOyBA de la Universidad de Zaragoza; y en la Universidad Tecnológica de Múnich (TUM). Su investigación se centra en el diseño y la evaluación del rendimiento de redes ópticas y en la aplicación de la inteligencia artificial en campos multidisciplinares, como la salud mental, los videojuegos y las redes ópticas.

Citas

Adeane E., & Stasiak K. (2024). It’s really hard to strike a balance: The role of digital influencers in shaping youth mental health. Digital Health, 10. https://doi.org/10.1177/20552076241288059

Al-Rawi, A. (2017). Viral News on Social Media. Digital Journalism, 7(1), 63–79. https://doi.org/10.1080/21670811.2017.1387062

Alhussein, G., Ziogas, I., Saleem, S., & Hadjileontiadis, L. J. (2025). Speech emotion recognition in conversations using artificial intelligence: a systematic review and meta-analysis. Artificial Intelligence Review, 58, 198. https://doi.org/10.1007/s10462-025-11197-8

Alvarez-Mon, M. A., Donat-Vargas, C., Santoma-Vilaclara, J., Anta, L. de, Goena, J., Sanchez-Bayona, R., Mora, F., Ortega, M. A., Lahe-ra, G., Rodriguez-Jimenez, R., Quintero, J., & Álvarez-Mon, M. (2021). As-sessment of Antipsychotic Medications on Social Media: Machine Learn-ing Study. Frontiers in Psychiatry, 12, 14. https://doi.org/10.3389/FPSYT.2021.737684

Arcila Calderón, C., Van Atteveldt, W., & Trilling, D. (2021). Métodos Computacionales y Big Data en la Investigación en Comunicación: Edito-rial Dossier. Cuadernos.Info, 49, I-IV. https://doi.org/10.7764/cdi.49.35333

Audrezet, A., De Kerviler, G., & Moulard, J. G. (2020). Authenticity under threat: When social media influencers need to go beyond self-presentation. Journal of Business Research, 117, 557–569. https://doi.org/10.1016/j.jbusres.2018.07.008

Baquerizo-Neira, M. G., Labate, C., Zerega Garaycoa, M. M., Cisternas Osorio, R., & Becker Cantariño, L. M. (2025). Identidad digital y co-municación de contenidos de influencers del bienestar emocional his-panoamericanos. Revista Española De Comunicación En Salud, 16(1), 89-105. https://doi.org/10.20318/recs.2025.9315

Benton, M., Wittkowski, A., Edge, D., Reid, H. E., Quigley, T., Sheikh, Z., & Smith, D. M. (2024). Best practice recommendations for the integra-tion of trauma-informed approaches in maternal mental health care within the context of perinatal trauma and loss: A systematic review of current guidance. Midwifery, 131, 103949. https://doi.org/https://doi.org/10.1016/j.midw.2024.103949

Berger, J., & Milkman, K. L. (2012). What makes online content viral?. Jour-nal of Marketing Research, 49(2), 192–205. https://doi.org/10.1509/jmr.10.0353

Bernal-Delgado, E., Angulo-Pueyo, E., Ridao-López, M., Urbanos-Garrido, R. M., Oliva-Moreno, J., García-Abiétar, D., & Hernández-Quevedo, C. (2024). Spain: health system review 2024. Health Systems in Transition, 26(3), 1-187. https://tinyurl.com/mpjwjm8j

Birnbaum, M. L., Ernala, S. K., Rizvi, A. F., De Choudhury, M., & Kane, J. M. (2017). A collaborative approach to identifying social media markers of schizophrenia by employing machine learning and clinical appraisals. Journal of Medical Internet Research, 19(8), e7956. https://doi.org/10.2196/jmir.7956

Bograd, S., Chen, B., & Kavuluru, R. (2022). Tracking sentiments toward fat acceptance over a decade on Twitter. Health Informatics Journal, 28(1), 14604582211065702. https://doi.org/10.1177/14604582211065702

Budenz, A., Klassen, A., Purtle, J., Yom Tov, E., Yudell, M., & Massey, P. (2020). Mental illness and bipolar disorder on Twitter: implications for stigma and social support. Journal of Mental Health, 29(2), 191–199. https://doi.org/10.1080/09638237.2019.1677878

Cervantes Olivera, J. (2025). El impacto de las redes sociales en las emociones de los adolescentes de 12 a 18 años: sentido de pertenencia. Ciencia Y Reflexión, 4(2), 920–945. https://doi.org/10.70747/cr.v4i2.332

Chang, Y. P., Lin, Y. C., & Chen, L. H. (2012). Pay it forward: Gratitude in SNs. Journal of Happiness Studies, 13(5), 761-781. https://doi.org/10.1007/s10902-011-9289-z

Confederación Salud Mental España y Mutua Madrileña. (2023). La situación de la salud mental en España. https://tinyurl.com/y6zc7mkh

Connelly, L. (2019). Chi-Square Test. Medsurg Nursing, 28(2), 127. https://tinyurl.com/4efezw95

Datareportal. (2024). Digital 2024: Spain. DataReportal global digital se-ries. https://tinyurl.com/ycvdjch9

Francis, D. B. (2021). Twitter is Really Therapeutic at Times: Examination of Black Men’s Twitter Conversations Following Hip-Hop Artist Kid Cudi’s Depression Disclosure. Health Communication, 36(4), 448–456. https://doi.org/10.1080/10410236.2019.1700436

Franssen, G. (2019). The celebritization of self-care: The celebrity health narrative of Demi Lovato and the sickscape of mental illness. European Journal of Cultural Studies, 23(1), 89–111. https://doi.org/10.1177/1367549419861636

Fundación AXA (2023). Estudio internacional de salud mental AXA España. https://tinyurl.com/3x5d5ncf

Gronholm, P. C., & Thornicroft, G. (2022). Impact of celebrity disclosure on mental health-related stigma. Epidemiology and psychiatric sciences, 31, e62. https://doi.org/10.1017/S2045796022000488

Ibáñez-Hernández, A. y Carretón-Ballester C. (2025). La visibilidad de la epidemia en Instagram: el rol de los influencers como creadores de contenido en salud. index.comunicación, 15(2), 83-108. https://doi.org/10.62008/ixc/15/02Lavisi

Jilka, S., Odoi, C. M., Van Bilsen, J., Morris, D., Erturk, S., Cummins, N., Cella, M., & Wykes, T. (2022). Identifying schizophrenia stigma on Twit-ter: a proof of principle model using service user supervised machine learning. Schizophrenia, 8(1), 1. https://doi.org/10.1038/s41537-021-00197-6

Khan, A., Ali, R. (2024). Unraveling minds in the digital era: a review on mapping mental health disorders through machine learning techniques using online social media. Social Network Analysis and Mining, 14(78) https://doi.org/10.1007/s13278-024-01205-0

Lee, Y. H., Yuan, C. W., & Wohn, D. Y. (2021). How Video Streamers’ Mental Health Disclosures Affect Viewers’ Risk Perceptions. Health Communica-tion, 36(14), 1931–1941. https://doi.org/10.1080/10410236.2020.1808405

Li, Y., & Xie, Y. (2020). Is a picture worth a thousand words? An empirical study of image content and social media engagement. Journal of market-ing re-search, 57(1), 1-19. https://doi.org/10.1177/0022243719881113

Lindgren, S. (2025). Digital Media and Society, 3rd Edition. Sage.

López-de-Ayala, M.C., & Díaz-Lucena, A. (2025). Instagram como Platafor-ma para la Salud Mental: evolución de las estrategias de publicación y com-promiso. Miguel Hernández Communication Journal, 16 (2), 467-484. https://doi.org/10.21134/tkb48j06

López-Ubeda, P., Del Arco, F. M. P., Galiano, M. C. D., Lopez, L. A. U., & Martín-Valdivia, M. T. (2019). Detecting anorexia in Spanish tweets. In Proceedings of Recent Advances in Natural Language Processing, pages 655–663, Varna, Bulgaria, Sep 2–4, 2019. https://doi.org/10.26615/978-954-452-056-4_077

Luo, M., & Hancock, J. T. (2020). Self-disclosure and social media: motiva-tions, mechanisms and psychological well-being. Current opinion in psy-chology, 31, 110-115. https://doi.org/10.1016/j.copsyc.2019.08.019

Malhotra, A., & Jindal, R. (2022). Deep learning techniques for suicide and de-pression detection from online social media: A scoping review. Ap-plied Soft Computing, 130, 109713. https://doi.org/10.1016/j.asoc.2022.109713

Mardon, R., Cocker, H., & Daunt, K. (2023). When parasocial relationships turn sour: Social media influencers, eroded and exploitative intimacies, and anti-fan communities. Journal of Marketing Management, 39(11-12), 1132-1162. https://doi.org/10.1080/0267257X.2022.2149609

Marwick, A. E. (2015). Instafame: Luxury selfies in the attention economy. Public culture, 27(1(75)), 137-160. https://doi.org/10.1215/08992363-2798379

Nelson, A. (2019). Ups and Downs: Social Media Advocacy of Bipolar Disor-der on World Mental Health Day. Frontiers in Communication, 4. https://doi.org/10.3389/fcomm.2019.00024

Oscar, N., Fox, P. A., Croucher, R., Wernick, R., Keune, J., & Hooker, K. (2017). Machine Learning, Sentiment Analysis, and Tweets: An Examina-tion of Alzheimer’s Disease Stigma on Twitter. The Journals of Gerontolo-gy: Series B, 72(5), 742–751. https://doi.org/10.1093/geronb/gbx014

Ouvrein, G. (2025). Followers, fans, friends, or haters? A typology of the online interactions and relationships between social media influencers and their audiences based on a social capital framework. New Media & Society, 27(10), 5659-5690. https://doi.org/10.1177/14614448241253770

Pande, S.D., Hasane Ahammad, S.K., Gurav, M.N., Faragallah, O.S., Eid, M. M. A., & Rashed A.N.Z. (2024). Depression detection based on social networking sites using data mining. Multimedia Tools Applied, 83, 25951–25967. https://doi.org/10.1007/s11042-023-16564-7

Papacharissi, Z. (2014). Affective Publics: Sentiment, Technology, and Poli-tics. Oxford University Press. New York. https://doi.org/10.1093/acprof:oso/9780199999736.001.0001.

Pendleton S. M. (2023). Exploring Stigma and Black Mental Health on Twit-ter. Journal of health communication, 28(7), 425–435. https://doi.org/10.1080/10810730.2023.2218288

Pérez-Castaños, S., Antón-Merino, J., & García-Santamaría, S. (2023). Emociones, liderazgo y redes sociales. Propuesta para su medición en materiales de campaña electoral. Revista Española De Investigaciones So-ciológicas, (184). https://doi.org/10.5477/cis/reis.184.125

Sánchez Castillo, S., Armayones Ruiz, M. y Meléndez-Labrador, S. (2025). La información sobre salud en la esfera digital. in-dex.comunicación, 15(2), 13-32. https://doi.org/10.62008/ixc/15/02Lainfo

Sun, Y., Wu, Y., Fan, S., Dal Santo, T., Li, L., Jiang, X., Li, K., Wang, Y., Tasleem, A., Krishnan, A., He, C., Bonardi, O., Boruff, J. T., Rice, D. B., Markham, S., Levis, B., Azar, M., Thombs-Vite, I., Neupane, D., … Thombs, B. D. (2023). Comparison of mental health symptoms before and during the covid-19 pandemic: evidence from a systematic review and meta-analysis of 134 cohorts. BMJ, 380, e074224. https://doi.org/10.1136/bmj-2022-074224

Tudehope, L., Harris, N., Vorage, L., & Sofija, E. (2024). What methods are used to examine representation of mental ill-health on social media? A systematic review. BMC Psychology, 12(1), 105. https://doi.org/10.1186/s40359-024-01603-1

Valenzuela-García, N., Maldonado-Guzmán, D. J., García-Pérez, A., & Del-Real, C. (2023). Too lucky to be a victim? an exploratory study of online harassment and hate messages faced by social media influencers. European journal on criminal policy and research, 29(3), 397-421. https://doi.org/10.1007/s10610-023-09542-0

Van Dijk, T. A. (2016). Discourse and Knowledge. Cambridge University Press.

Vasha, Z. N., Sharma, B., Esha, I. J., Al Nahian, J., & Polin, J. A. (2023). Depression detection in social media comments data using machine learning algorithms. Bulletin of Electrical Engineering and Informatics, 12(2), 987–996. https://doi.org/10.11591/eei.v12i2.4182

Withers, M., Jahangir, T., Kubasova, K., & Ran, M.-S. (2021). Reducing stigma associated with mental health problems among university stu-dents in the Asia-Pacific: A video content analysis of student-driven pro-posals. International Journal of Social Psychiatry, 68(4), 827–835. https://doi.org/10.1177/00207640211007511

Wongkoblap, A., Vadillo, M. A., & Curcin, V. (2021). Deep Learning With Anaphora Resolution for the Detection of Tweeters With Depression: Al-go-rithm Development and Validation Study. JMIR Ment Health, 8(8), e19824. https://doi.org/10.2196/19824

Xue, J., Chen, J., Hu, R., Chen, C., Zheng, C., Su, Y., & Zhu, T. (2020). Twit-ter Discussions and Emotions About the COVID-19 Pandemic: Machine Learning Approach. Journal of Medical Internet Research, 22(11), e20550. https://doi.org/10.2196/20550

Zerega Garaycoa, M.M., Tutivén-Román, C., Cisternas-Osorio, E., Labate, C. & Becker Cantariño, L.M. (2024). Spanish-speaking wellness influencers in the era of care: trends and topics in 2023. Vivat Academia, 157, 1-25. http://doi.org/10.15178/va.2024.157.e1533

Zhang, Z., Reavley, N., Armstrong, G., & Morgan, A. (2025). Public disclo-sures of mental health problems on social media and audiences’ self-reported anti-stigma effects. Health Promotion International, 40(1). https://doi.org/10.1093/heapro/daae204

Zsila, Á., Orosz, G., McCutcheon, L. E., & Demetrovics, Z. (2021). Indi-vidual Differences in the Association Between Celebrity Worship and Sub-jec-tive Well-Being: The Moderating Role of Gender and Age. Frontiers in Psychology, 12. https://doi.org/10.3389/fpsyg.2021.651067