Voces autorizadas en Twitter durante la pandemia de COVID-19: actores, léxico y sentimientos como marco interpretativo para usuarios ordinarios.

Gabriela Elisa Sued Palmeiro; Manuel Cebral Loureda

doi:10.35669/rcys.2020.10(2).549-568

Autores/as

Gabriela Elisa Sued Palmeiro Tecnologico de Monterrey https://orcid.org/0000-0002-4516-678X
Manuel Cebral Loureda Tecnologico de Monterrey https://orcid.org/0000-0001-6359-2427

DOI:

https://doi.org/10.35669/rcys.2020.10(2).549-568

Palabras clave:

Confinamiento, coronavirus, COVID-19, crisis sanitaria, género, gobierno, medios, pandemia, salud, twitter

Resumen

Este trabajo intenta comprender el funcionamiento de las voces autorizadas en Twitter durante la pandemia de COVID-19 y su interacción con los usuarios ordinarios. Se define a las voces autorizadas como usuarios de perfil público que poseen gran cantidad de seguidores, y cuyos mensajes son diseminados masivamente en la plataforma por los usuarios ordinarios. Para ello se recolectó un conjunto de tuits a lo largo de dos meses a través de la API de Twitter, y luego se formó un subconjunto de datos con los tuits replicados más de 100 veces. A este subconjunto se le aplicaron técnicas de etiquetado, minería de datos y análisis de sentimientos. Se observa que el marco interpretativo de la pandemia se encuentra modelado por los medios de comunicación, aunque existen percepciones propias de los usuarios ordinarios acerca de la pandemia como un momento de crisis económica, de salud, política y personal que no se encuentran presentes en las voces autorizadas. Se concluye que los medios de comunicación y los funcionarios de gobierno de primeras líneas son los que lograron mayor adhesión y amplificación de la palabra por parte de los usuarios ordinarios, aunque se observa una brecha de género importante entre las voces de los hombres y las de las mujeres.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Gabriela Elisa Sued Palmeiro, Tecnologico de Monterrey

Es doctora en Estudios Humanísticos con mención en Estudios Culturales de la Ciencia y la Tecnología por el Instituto Tecnológico de Monterrey. Es Magister en Ciencia, Tecnología y Sociedad (Universidad Nacional de Quilmes), y Licenciada en Letras (Universidad de Buenos Aires). Es profesora de Cátedra en el ITESM, México, y antes profesora en la Carrera de Ciencias de la Comunicación Social de la Universidad de Buenos Aires. Sus temas de docencia e investigación son: los métodos de investigación digital, los usos sociales de las tecnologías de información y comunicación, las culturas digitales, y las relaciones entre género, ciencia e innovación tecnológica.

Manuel Cebral Loureda, Tecnologico de Monterrey

Doctor y Licenciado en Filosofía por la Universidad de Santiago de Compostela con una tesis sobre minería de datos y Big Data. Posee una Maestría en Aprendizaje estadístico y minería de datos por la UNED y otra en Arte, filosofía y creatividad por la Universidad de Valencia. Actualmente es profesor de planta a tiempo completo en el ITESM, México, donde coordina la Línea de Generación y Aplicación del Conocimiento (LGAC) de Ciencia, Tecnología y Sociedad así como el Seminario de Humanidades digitales. Sus temas de docencia e investigación giran en torno al impacto social de las tecnologías, la filosofía de la tecnología y el posthumanismo, implementando métodos computacionales de cálculo a través de herramientas como la programación en R.

Citas

Burgess, J., & Baym, N. K. (2020). Twitter: A biography. New York University Press.

Calvo, E., & Aruguete, N. (2020). Fake news, trolls y otros encantos: Cómo funcionan. Buenos Aires: Siglo XXI Editores.

Camarena, M. E., Saavedra, M. L., & Saldívar, D. D. (2015). Panorama del género en México: Situación actual. Revista Guillermo de Ockham, 13(2), 77-87. doi: 10.21500/22563202.2066

Castells, M. (2012). Redes de indignación y esperanza: Los movimientos sociales en la era de internet. Alianza Editorial.

Cebral Loureda y Sued Palmeiro (2020) La percepción de COVID-19 en Twitter. Análisis computacional de la conversación pública en lengua española. En proceso de publicación

Ceciarini, S. (2019). Women in Politics: Local and European Trends. The Council of European Municipalities and Regions (CEMR).

Colleoni, E., Rozza, A., & Arvidsson, A. (2014). Echo Chamber or Public Sphere? Predicting Political Orientation and Measuring Political Homophily in Twitter Using Big Data: Political Homophily on Twitter. Journal of Communication, 64(2), 317-332. doi: 10.1111/jcom.12084

Csárdi, G. (2019). Package ‘igraph’. Network Analysis and Visualization. https://cran.r-project.org/package=igraph

De Miguel, R. de M., Hanitzsch, T., Fernández, S. P., & Conde, M. R. B. (2017). Mujeres periodistas en España: Análisis de las características sociodemográficas y de la brecha de género. El profesional de la información, 26(3), 497-506. http://www.elprofesionaldelainformacion.com/contenidos/2017/may/16_esp.pdf

El Universal. (2020). ¿Cómo es el consumo digital en México en el marco de la pandemia? El Universal. Recuperado de https://www.eluniversal.com.mx/techbit/como-es-el-consumo-digital-en-mexico-en-el-marco-de-la-pandemia

Gao, J., Zheng, P., Jia, Y., Chen, H., Mao, Y., Chen, S., Wang, Y., Fu, H., & Dai, J. (2020). Mental health problems and social media exposure during COVID-19 outbreak. PLOS ONE, 15(4), e0231924. doi: 10.1371/journal.pone.0231924

Frankze, A., Bechmann, A., Zimmer, M., & Ess, C. (s. f.). Internet Research: Ethical Guidelines 3.0.

Han, X., Wang, J., Zhang, M., & Wang, X. (2020). Using Social Media to Mine and Analyze Public Opinion Related to COVID-19 in China. International Journal of Environmental Research and Public Health, 17(8). doi: 10.3390/ijerph17082788

Kearney, M. (2020). Package ‘RTweet’. https://cran.r-project.org/web/packages/rtweet/rtweet.pdf

Kullar, R., Goff, D. A., Gauthier, T. P., & Smith, T. C. (2020). To Tweet or Not to Tweet—A Review of the Viral Power of Twitter for Infectious Diseases. Current Infectious Disease Reports, 22(6), 14. https://doi.org/10.1007/s11908-020-00723-0

Kwak, H., Lee, C., Park, H., & Moon, S. (2010). What is Twitter, a Social Network or a News Media?. Proceedings of the 19th International Conference on World Wide Web, 591–600. doi: 10.1145/1772690.1772751

Lin Pedersen, T (2020a). Package ‘ggraph’. https://ggraph.data-imaginist.com

Lin Pedersen, T. (2020b). Package ‘tidygraph’. A Tidy API for Graph Manipulation. Recuperado de https://cran.r-project.org/package=tidygraph

Mohammad, S., Kiritchenko, S., & Zhu, X. (2013). NRC-Canada: Building the State-of-the-Art in Sentiment Analysis of Tweets. ArXiv: 1308.6242

Moreno, A., & Redondo, T. (2016). Text Analytics: The convergence of Big Data and Artificial Intelligence. International Journal of Interactive Multimedia and Artificial Intelligence, 3 (Special Issue on Big Data and AI, 6), 57-64. doi: 10.9781/ijimai.2016.369

Newman, N., Fletcher, R., Schulz, A., Simge, A., & Kleis Nielsen, C. (2020). Reuters Institute Digital News Report 2020. Reuters Institute for the Study of Journalism. Recuperado de http://www.digitalnewsreport.org

Percastre-Mendizábal, S., Pont-Sorribes, C., & Suau-Gomila, G. (2019). La gestión comunicativa en redes sociales digitales de la emergencia del Ébola en España. The communicative management in social media of the emergence of Ebola in Spain., 80-90. doi: 10.20318/recs.2019.4437

Robinson, D. (2020). Package ‘widyr’. Widen, process, and re-tidy a dataset. https://cran.r-project.org/package=widyr

Rogers, Richard. (2018). Otherwise Engaged: Social Media from Vanity Metrics to Critical Analytics. International Journal of Communication, 12(0), 23. Recuperado de https://ijoc.org/index.php/ijoc/article/view/6407

Roy, M., Moreau, N., Rousseau, C., Mercier, A., Wilson, A., & Atlani-Duault, L. (2020). Ebola and Localized Blame on Social Media: Analysis of Twitter and Facebook Conversations During the 2014–2015 Ebola Epidemic. Culture, Medicine, and Psychiatry, 44(1), 56-79. doi: 10.1007/s11013-019-09635-8

Rufai, S. R., & Bunce, C. (2020). World leaders’ usage of Twitter in response to the COVID-19 pandemic: A content analysis. Journal of Public Health, 42(3), 510-516. doi: 10.1093/pubmed/fdaa049

Robinson, D., & Silge, J. (2020). Package ‘tidytext’. Text Mining using «dplyr», «ggplot2», and Other Tidy Tools (0.2.4). Recuperado de https://cran.r-project.org/package=tidytext

Thelwall, M., & Thelwall, S. (2020). Covid-19 tweeting in English: Gender differences. El Profesional de La Información, 29(3). doi: 10.3145/epi.2020.may.01

Towers, S., Afzal, S., Bernal, G., Bliss, N., Brown, S., Espinoza, B., Jackson, J., Judson-Garcia, J., Khan, M., Lin, M., Mamada, R., Moreno, V. M., Nazari, F., Okuneye, K., Ross, M. L., Rodriguez, C., Medlock, J., Ebert, D., & Castillo-Chavez, C. (2015). Mass Media and the Contagion of Fear: The Case of Ebola in America. PLOS ONE, 10(6), e0129179. doi: 10.1371/journal.pone.0129179

Vega Montiel, A. (2014). Igualdad de género, poder y comunicación: Las mujeres en la propiedad, dirección y puestos de toma de decisión. Revista de Estudios de Género La Ventana, 5(40), 186-212.

Victoria-Mas, M. (2020). Report: News consumption patterns and misinformation perceptions during the COVID-19 crisis in Spain. CharleMagne Prize Academy. Recuperado de https://www.charlemagneprizeacademy.com/en/publications/report-news-consumption-patterns-and-misinformation-perceptions-during-the-covid-19-crisis-in-spain

Wickham, H. (2019). Package ‘tidyverse’. https://cran.r-project.org/package=tidyverse