USUARIOS DE DUDOSA PROCEDENCIA - Observando una conversación entre bots, trolls, militantes, y vos - 100 por Cierto
←
→
Transcripción del contenido de la página
Si su navegador no muestra la página correctamente, lea el contenido de la página a continuación
USUARIOS DE
DUDOSA PROCEDENCIA
Observando una conversación entre bots, trolls, militantes, y vos.
UNIÓN EUROPEA
(1)
Este reporte fue desarrollado por Juan Ignacio Belbis y Guadalupe González por parte del Observatorio de
Redes, y en coordinación con Hernán Alberro del proyecto 100 por Cierto del Foro del Periodismo Argentino
(FOPEA). Este proyecto no hubiera sido posible sin el apoyo de la Unión Europea y Thomson Media.
Queremos agradecer también a Fernando Ruíz, María José Grillo, Andrea Schulte y John Reichertz.
Las opiniones expresadas aquí son de los autores y no representan necesariamente la visión de FOPEA o el
resto de las organizaciones involucradas en el desarrollo de este trabajo de investigación.
Los datos aquí utilizados se pueden descargar en:
https://github.com/OdeRedes/usuariosdudosaprocedencia
El código de programación utilizado para realizar los análisis fue creado en R por Guadalupe González y se
puede encontrar en:
https://github.com/OdeRedes/usuariosdudosaprocedencia
En este año de tanto ruido, esperamos haber podido aportar un poco de luz para alumbrar las zonas
oscuras de la conversación pública.
https://www.fopea.org/ http://www.thomsonfoundation.org/thomson-media/
www.100porcierto.com
www.100porcierto.com
www.100porcierto.com
https://www.fopea.org/
www.100porcierto.com
www.100porcierto.com
(2)
INTRODUCCIÓN
La pandemia originada por el virus SARSCOV-2 ha tenido un impacto ineludible en la vida de las
personas, de las instituciones y del entramado social y cultural en su conjunto. Solo basta con mencionar
los efectos en la salud pública y la economía, para comprender la dimensión de un fenómeno global que ha
generado no sólo miles de muertes, millones de personas infectadas, industrias completas colapsadas
y un planeta al vilo de la aparición de una vacuna.
Esta situación es, ha sido y será, parte de la conversación pública diariamente. Debates sobre las políticas
públicas, sobre los debates médicos o sobre los datos publicados, pasando por la creación de memes, la
proliferación de canales de streaming y el traslado de la interacción humana a canales digitales con un
nivel de masividad y rapidez pocas veces visto configuran un ecosistema de conversaciones digitales
omnipresente en la vida de la ciudadanía.
Con este contexto tan particular es que se ha desarrollado esta investigación, que pretende acercarse a
la respuesta de algunos interrogantes sobre la potencial aparición de factores desinformantes en la
conversación pública respecto de la pandemia:
¿Existe circulación de desinformación en Twitter referida a la pandemia COVID-19 en Argentina?
¿Es posible verificar qué cuentas son las que divulgan estos contenidos?
¿Es posible encontrar patrones de comportamiento que puedan ser interpretados como signos de
intencionalidad?
¿Existen cuentas automatizadas (bots) que generan contenidos en este sentido?
¿Es posible detectar cuentas de comportamiento malicioso (trolls) que se posicionen como
referen tes en estas conversaciones?
Es menester mencionar que la selección de Twitter como medio a analizar responde a dos cuestiones
fundamentalmente. A lo largo del reporte se puede mencionar a Twitter tanto como un medio así como
una plataforma, dependiendo del punto de vista: como medio en función del espacio donde se generan
contenidos que cuentan con una audiencia específica que implica ciertos hábitos y códigos compartidos;
o como plataforma en función de la tecnología detrás de este medio y sus funcionalidades particulares.
En principio la consideración de dicha plataforma como un espacio con eje central en la información,
donde diversos actores de la vida pública (incluyendo políticos, periodistas, figuras del mundo deportivo,
artístico y académico, etc) convergen e interactúan respecto de noticias, opiniones y novedades que
muchas veces son replicadas luego en medios tradicionales. La segunda tiene que ver con las
posibilidades técnicas que permite la herramienta de poder trabajar con las publicaciones de los usuarios
de forma muy exhaustiva, dado que existe la posibilidad de descargar conjuntos de datos de gran volumen
para la construcción de corpus estructurados.
8%
(3)
LOS CONCEPTOS CLAVES
Es necesario en este punto realizar un conjunto de definiciones de algunos conceptos clave. Varios de ellos
ya fueron mencionados previamente en la descripción técnica de esta investigación, pero merecen una
pausa reflexiva para comprender el punto de vista de quienes realizamos este trabajo.
¿Desinformación, fake news o posverdad?
Entendemos como desinformación al proceso a través del cual se intenta afectar la
conversación pública a través de la inclusión de mensajes/contenidos que no sean el reflejo
literal de la realidad por parte de ciertos participantes de esa conversación con el fin de
obtener una ganancia. Existen referencias a estos fenómenos bajo el concepto de
posverdad, es interesante la distinción que al respecto hace Guadalupe Nogués,
diferenciando la posverdad causal, emergente de la falta de atención o desinterés de las
audiencias; por contrario, la posverdad intencional está atada a la explotación de estos
recursos por parte de grupos de interés intervinientes en la conversación (Pensar con otros,
2018).
Siguiendo en esa línea, y para los fines de esta investigación, la intencionalidad es el eje
central que permite reunir estos fenómenos que desde diferentes bibliotecas se
conceptualizan, y que en la narrativa popular se conoce como “fake news”. En este sentido
Aruguete y Calvo definen: “La información falsa, (…) es un ejercicio del poder político cuyo
objetivo es dañar al oponente y energizar al militante propio” (Fake news, trolls y otros
encantos, 2020). Es destacable cómo vamos entrando en el terreno de la estrategia. Ya no
sólo se interpreta a estos fenómenos como intencionales, sino que se empiezan a vislumbrar
los usos estratégicos que pueden tener esos grupos interesados, tanto en sus adversarios
como en sus adherentes. Así como entendemos que hay estrategias de desinformación,
que pueden tener diferentes audiencias, es menester comprender quiénes son los sujetos
que ejecutan estas estrategias.
¿Qué es un troll? Mejor dicho. ¿Quién es un troll?
En una investigación realizada para Chequeado, Pablo Fernández define a los trolls como
“alguien enfocado en acosar, criticar o antagonizar de manera provocadora y despectiva”
(Fernández, 2017). También nos recuerda que el origen de este término proviene de unos
seres mitológicos escandinavos, luego incorporado en las primeras formas de comunidades
online (foros, chats) con el sentido previamente descripto. Lo más importante a destacar
entonces es que estamos hablando de alguien, de una persona que tiene una tarea
específica: anular a aquellos que se encuentran en su posición antagónica a través de
agresiones, acoso y otras prácticas violentas en el marco de plataformas de socialización
online.
(4)
¿Y entonces qué sería un Bot?
Bot proviene claramente de la palabra robot. Es decir que en principio cuando nos referimos
a un bot estamos hablando de un usuario que no es humano. O al menos el comportamiento
automatizado de un usuario. Porque cuando entramos en los detalles, podemos ver que hay
usuarios que combinan un comportamiento automatizado con un comportamiento humano.
Hay bots que buscan evitar ser reconocidos como tales y los hay que tienen fines
específicos y otros que se activan momentáneamente. En resumen un bot es el producto
de la programación de código realizada por una persona, pero ejecutada automáticamente
sin intervención de un humano.
Uno de los puntos que nos interesa destacar y que surge del análisis de los datos que son expuestos a
continuación es que no todos los usuarios que tienen tendencias a practicar la desinformación son trolls
y/o bots. Encontramos otras dos categorías, con sus propias subcategorías que merecen ser
destacadas:
Los influencers y los medios: son actores institucionales o individuales que tienen una jerarquía
relevante y se convierten en autoridades de la conversación, con fines legítimos y en general su
relevancia está asociada a un conocimiento específico del tema en cuestión. En algunos casos
destacados cumplen rol de combatir la desinformación, discutiendo con otros usuarios y aportando
datos veraces y validados objetivamente.
Los militantes/activistas: esta categoría merece un análisis en profundidad mayor, dado que presenta
características muy similares a las de un bot en términos de comportamiento compulsivo (un volumen
muy alto de tuits emitidos por día, por ejemplo) y pueden presentar un tono agresivo en ciertas apariciones,
al estilo troll, pero a diferencia de estos y como fuera descripto anteriormente, su objetivo más que correr
al otro de la discusión es el de convencerlo de que su postura es errónea. Esta diferencia, que puede
parecer sutil, en términos tácticos es muy relevante, dado que parecería ser una herramienta de
construcción política más que de afectación de la conversación pública. Hecha esta aclaración, es
importante destacar que estas prácticas parecen estar distribuidas en los diferentes espacios políticos
que componen la arena discursiva de la tuitósfera argentina, aunque con pregnancias particulares y
matices propios de cada uno de esos espacios.
(5)
LA CONSTRUCCIÓN DEL CORPUS
Para poder realizar estos análisis se diseñó un proceso de captura de contenidos a través de la API de
Twitter 1. Para ello se definieron dos conjuntos de palabras claves que determinarían el ingreso de los tuits
emitidos en el corpus. Uno generalista que incluye términos sobre la conversación alrededor de la
pandemia, y uno específico en función del análisis de las noticias verificadas y determinadas como falsas
2 3
según los portales específicos sobre la temática de Telam y Chequeado . El período temporal definido
para la captura de los tuits fue del 13 de abril al 15 de mayo de 2020.
Conjunto 1
#AislamientoObligatorio; #COVID19Argentina; #CuarentenaObligatoria;
#Quedateencasa, #Quedateentucasa; Alferdez; ginesggarcia
Conjunto 2
alcohol en gel en casa; automedicarse; bancos cerrados; bebidas
calientes; certificado circulación; check in; circulacion; Desinfectantes
en aerosol; ENACOM; Fronteras; Ibuprofeno; Limítrofes; Máscaras
faciales; Paracetamol; permiso de transito; solución fisiológica; TAD;
vacuna gripe
Finalmente se capturaron 2.886.288 tuits, sumando los resultados de la captura de ambos conjuntos. Dadas
las propias limitantes de la plataforma respecto de la georeferenciación de las publicaciones, es
importante destacar que en el corpus ingresaron tuits en diversos idiomas y de diferentes países, lo que
motivó a un riguroso proceso de filtrado incluyendo segmentación por idioma y ubicación4 con el fin de
analizar tuits emitidos en nuestro país. En el análisis final realizado para este informe se trabajó sobre una
versión recortada del corpus de 30.192 tuits que fueron emitidos por 17.760 usuarios.
La Metodología para el análisis
Desde el momento del diseño de la investigación el foco del estudio estuvo puesto en los usuarios y la
emisión. No buscamos comprender los circuitos de circulación de los contenidos, sino conocer a sus
emisores con el fin de intentar definir modelos de usuarios e intentar comprender si su comportamiento
tiene intenciones perceptibles de desinformar.
1 Los detalles técnicos sobre el proceso se encuentran en el Anexo I, así como el código utilizado para realizar las capturas y los análisis se puede descargar
desde el espacio en Github del Observatorio de Redes.
2 https://confiar.telam.com.ar/fake-news/
3 https://chequeado.com/tag/coronavirus/
4 Cabe mencionar que la “Ubicación” de cada usuario es un campo abierto en que se puede ingresar cualquier tipo de texto, o ninguno, lo que complejiza la
definición de criterios respecto de que es considerado como un tuit emitido en la “tuitósfera” argentina. Para ello se construyó un conjunto de términos
considerados como indicadores de residencia en nuestro país.
(6)Con el fin de comprender más sobre estos usuarios se construyó un indicador que opera sobre un conjunto
de variables propias de cada usuario en las conversaciones que fueron incluídas en el corpus:
Cantidad de tuits emitidos
Cantidad de retuits realizados
Cantidad de seguidores del usuario
Cantidad de cuentas que sigue el usuario
Cantidad de días en los que la cuenta del usuario estuvo abierta
Puntaje Indicador de
Indicador Quantile Escala
asignado comportamiento
< 0.25 & > 0.76 bajo 1
I1:
cantidad_rtweets < 0.26 & > 0.50 medio 2
> 0.51 & < 0.75 alto 3
I4: Suma de puntaje
< 0.25 & > 0.76 bajo 1 obtenido en las 3
I2: categorías
extremos_seguidores_seguidos < 0.26 & > 0.50 medio 2
> 0.51 & < 0.75 alto 3
< 0.25 & > 0.76 bajo 1
I3:
ratio_seguidores_dias < 0.26 & > 0.50 medio 2
> 0.51 & < 0.75 alto 3
Este Indicador de Comportamiento compuesto nos permite percibir lo que entendemos como un
comportamiento fuera de la media de estos usuarios, en el contexto de las conversaciones que fueron
capturadas, pero también en su historia como usuario de Twitter. De esta forma hacemos foco en un
conjunto de 50 usuarios con el puntaje i4 más alto, que son los que observaremos en detalle para
categorizar su comportamiento, e intentar dilucidar la intención de sus contenidos.
5
Finalmente se incorporó una última herramienta desarrollada por Michael W. Kearney (Kearney, 2018) que a
través de un análisis algorítmico alimentado por procesos de aprendizaje automático establece con un
93% de confianza la probabilidad de que un usuario sea un bot o no. Utilizamos este dato como punto de
contraste para los análisis que realizaremos luego para comprender si existe una presencia de usuarios de
comportamiento automatizado, o si el comportamiento anómalo de ciertos “súperusuarios” pueda ser
confundido con el de un bot.
5 https://github.com/mkearney/tweetbotornot
(7)LOS ACTORES DESTACADOS DE LA
CONVERSACIÓN
Analizamos entonces los 50 usuarios más destacados en función del indicador construido para esta
investigación, con el fin de construir conjuntos de usuarios en función de su comportamiento. En primer
lugar repasamos algunos indicadores generales comparando el universo total de usuarios incluídos en el
corpus (17.759) y los Top 50 con el fin de comprobar la excepcionalidad de este segmento.
Promedio Relación
Dimensión Promedio Corpus
Top 50 aproximada
Tuits en el corpus por usuario 1.7 20.96 12x
Tuits por día en promedio 14.91 67.62 5x
Tuits promedio emitidos 28949.5 134079 5x
Los usuarios del top 50 tienen 12 veces la cantidad de tuits promedio en el corpus construído en relación
al total, y casi 5 veces más tanto de tuits por día emitidos desde la creación de su cuenta, como de tuits
emitidos promedio por día. Sin dudas son usuarios con una actividad muy por encima del promedio de
los más de 17 mil usuarios analizados en este trabajo.
Si procedemos a construir categorías, surge una distribución llamativa, encontrando a dos usuarios que
tienen un rol de autoridad, cinco que pertenecen al sector periodístico, siete que conforman la categoría
ad-hoc de Usuarios de Dudosa Procedencia (UDP), 33 que integran la categoría de Activistas, con un
resultado tan amplio que merece un análisis en mayor profundidad, finalmente tres usuarios que
conforman la categoría residual de Otros, los que también serán detallados luego. Comenzamos
entonces a describir cada categoría.
4%
Autoridad
10%
Otros
10%
Periodismo
14%
UDP 62%
Activistas
(8)Las autoridades
Promedio Promedio tuits/día Bot or
screen_name tuits/día Indicador de Comportamiento Categoría Descripción
Not
jorgeluisaliaga 13.08 322.00 15% Autoridad Influencer
moscarielloe 16.83 126.00 5.91% Autoridad Influencer
El personaje con mayor puntaje según el Indicador de Comportamiento es una autoridad del mundo
científico y de la gestión educativa, cuyo rol en la conversación pública sobre el COVID-19 ha sido el de
brindar información y datos sobre los hallazgos científicos. De hecho en muchos casos ha adoptado el rol
de refutar a otros actores que aportan datos que en el contexto de esta investigación podría ser
caracterizada como desinformación.
Encontramos otro usuario que tomó relevancia en las discusiones sobre aspectos económicos y de gestión
de algunas políticas públicas, partiendo de un conocimiento sectorial que en el contexto de corpus
analizado tomaron relevancia en la conversación pública.
El periodismo
Promedio Promedio tuits/día Bot or
screen_name tuits/día Indicador de Comportamiento Categoría Descripción
Not
ViajesyPaseos 0.75 217.00 15.70% Periodismo Medio local
TerritorioD 34.26 189.00 3.92% Periodismo Medio local
QuePasaWeb 15.00 173.00 51.10% Periodismo Medio local
primeraedicionw 34.50 105.00 0.38% Periodismo Medio local
jotaleonetti 38.40 98.00 1.83% Periodismo Periodista
Cinco cuentas fueron categorizadas como parte del sector periodístico, cuatro de ellas de medios “locales”
o especializados. Y finalmente una de un periodista especializado en tránsito que utiliza su cuenta como
un medio en sí mismo.
(9)Usuarios de Dudosa Procedencia (UDP)
Promedio Promedio tuits/día Bot or
screen_name tuits/día Indicador de Comportamiento Not Categoría Descripción
DocHissa 0.08 228.00 98.13% UDP Bot
RachelHolwaySoy 3.89 141.59 NA UDP Suspendida
Suspendida
matuastoandinio 73.48 130.00 NA UDP al momento
de revisión
MrsgreyV 118.17 119.00 96.32% UDP Bot
"Esta cuenta
punky2007caba 24.71 115.00 NA UDP no existe"
marcelomartino5 146.95 Cuenta
102.00 NA UDP
Candado
josemorillogr 42.49 "Esta cuenta
96.00 99.32% UDP
no existe
Siete usuarios fueron categorizados como UDP por defecto. Dos de estas cuentas fueron suspendidas,
dos fueron categorizadas como bots, dos de ellas fueron cerradas o cambiaron su nombre de usuario y la
última de ellas se encuentra configurada como “privada”, es decir que selecciona los usuarios que pueden
leer sus contenidos, hecho realizado luego de la captura de los tuits que componen el corpus.
Esto en primera instancia nos abre un conjunto de interrogantes sobre los criterios de Twitter respecto de
la gestión de su comunidad y su capacidad de aplicación de las normas de comportamiento admitido en
su plataforma 6, que fueron aplicados sobre la mayoría de estos usuarios, aunque no sobre todos. Según
indica la propia plataforma:
“La violencia, el acoso y otros tipos de comportamiento similares no incentivan a las
personas a expresarse y, en última instancia, disminuyen el valor de la conversación
pública a nivel mundial. Nuestras reglas tienen como objetivo garantizar que todas las
personas puedan participar en la conversación pública de manera libre y
segura” (Twitter, 2020).
Twitter interviene cuando detecta violaciones a sus prácticas admitidas en términos de seguridad
(violencia, terrorismo, explotación sexual infantil, abuso/acoso, incitación al odio, violencia gráfica, y/o
oferta de servicios ilegales o regulados), en términos de privacidad (información privada y desnudez no
concensuada), y autenticidad (spam y manipulación de la plataforma, integridad cívica, suplantación de
identidad, contenidos falsos y alterados,y derechos de autor y marca). Esta última categoría plantea
algunas inquietudes respecto de la objetividad de estos criterios, y abre la puerta a ciertas prácticas
discutibles por parte de la propia plataforma abandonando un espacio de neutralidad y tomando posición
en debates públicos.
6
https://github.com/mkearney/tweetbotornot
(10)Los activistas
Promedio Promedio tuits/día Bot or
screen_name tuits/día Indicador de Comportamiento Categoría Descripción
Not
MEGA
CARLOSA 119.99 217.94 4.42% Activistas Militante
TOLOSA JxC - Falleció
MEGA
alitapaz 137.51 184.00 98.65% Activistas Militante K
MEGA
DaPepitos07 66.46 171.00 93.30% Activistas Militante JxC
MEGA
placebo99 38.57 152.00 51.91% Activistas Militante JxC
saavibal 12.66 138.00 NA Activistas Militante K
Mega
aries2011956 238.78 136.00 NA Activistas
Militante CC
MEGA Mili-
Maria_e_pt 180.82 129.00 40.55% Activistas
tante Macri
MEGA Mili-
marietafernand7 33.69 126.00 97.18% Activistas
tante Macri
Militante
Laurazul9 22.24 123.00 9.99% Activistas
Macri
MEGA Mili-
BarbieNiemann 129.37 122.00 98.20% Activistas tante Macri +
Derechos
animales
MEGA Mili-
Okampus 63.69 121.08 82.59% Activistas
tante Macri
MEGA Mili-
silvinabs22 263.97 118.00 88.98% Activistas
tante Macri
MEGA
lilygabet 250.54 111.00 93.13% Activistas
Militante K
Militante
RosaMar89924286 31.98 108.00 56.97% Activistas Cristiandad >
48% Macri
MEGA
GuardiaViejaAr1 224.61 102.00 86.02% Activistas Militante K
Simpatizante
cheffersorii 15.39 102.00 85.29% Activistas Alfonsin
Militante
patitorossi93 8.51 99.00 84.98% Activistas Macri
Militante
fedewessn 3.73 98.29 71.24% Activistas Antivacunas
NOS
(11)joven8591 228.48 98.00 8.83% Activistas MEGA Mili-
tante UCR
agustina3637 136.87 98.00 96.79% Activistas MEGA Mili-
tante Macri
MEGA Mili-
Natalyalulu 69.02 98.00 94.77% Activistas tante Macri
MEGA Mili-
mhkerry75 32.45 98.00 43.89% Activistas tante Macri
Militante
euledzep 16.78 98.00 4.57% Activistas Macri
Militante
MPParis 30.46 97.00 41.52% Activistas Macri
Mega Mili-
FreddyArias531 30.78 96.56 90.15% Activistas
tante Macri
Militante
nbrouchy 24.98 96.00 13.15% Activistas
Macri
Activistas MEGA Mili-
Augusto18211689 209.95 95.00 83.33%
tante Macri
Militante
ReneGuer16 22.43 95.00 94.32% Activistas
Celeste
Anti K Vélez
MEGA Mili-
MerixValentini 18.71 95.00 94.63% Activistas
tante Macri
MEGA
R62Gustavo 42.95 94.60 59.19% Activistas
Militante K
MEGA Mili-
hannabarbera02 5.04 93.00 94.11% Activistas
tante Macri
El conjunto más grande de usuarios del Top 50 responde a esta categoría, que como tal debería ser
analizada en detalle, para comprender si encontramos un patrón único o encontramos diferentes
fenómenos en este segmento de 31 usuarios. Cabe destacar que analizando los contenidos, la mayoría de
estos usuarios están profundamente politizados, respondiendo a consignas partidarias de la política
vernácula. En este sentido hay una predominancia notoria de usuarios que se alinean con planteos
discursivos propios de la actual oposición ,7 aun con matices de origen (hay usuarios que tienen tenden-
cias más claras a la defensa o difusión de contenidos de un partido específico del frente opositor). Esto
no quita que existan actores que aparezcan en esta clasificación y que presenten las mismas prácticas
alineados a posiciones o acciones oficialistas, aunque la relación es de cinco a uno en comparación con
los opositores.
En principio, como se puede ver en la tabla completa incluída ( y ampliada en el anexo 1), una gran
cantidad de usuarios fueron evaluados como bots por el algoritmo BorOrNot mencionado previamente.
7 Consideramos como oposición al frente Juntos por el Cambio, integrado mayoritariamente por los partidos PRO, UCR y Coalición Cívica.
(12)Más precisamente, 17 de los 31 usuarios presentan una probabilidad arriba del 80% de ser bot. Sumado a
esto, 11 de estos usuarios emiten en promedio más de 100 tuits diarios, incluyendo a seis usuarios que
emiten más de 200 tuits diarios. Esto significa que si entendemos que una persona está 18 horas despierta
por día, estos usuarios están produciendo más de 11 tuits por hora, todos los días. Algo llamativo.
Aun así no nos consideramos en condición suficiente para caracterizarlos como bots. Presentan un
comportamiento compulsivo, similar al de un autómata, pero analizando minuciosamente sus
publicaciones, parecen ser usuarios humanos. En este sentido es interesante además como tienen
matices. Hay usuarios que tienen favoritismos futbolísticos además de sus inclinaciones políticas, o
tendencias individuales en la forma de involucrarse más con ciertas causas. Se perciben además ciertos
niveles de coordinación entre estas cuentas, al menos las que responden la misma orientación en el eje
oficialismo-oposición.
Miremos en detalle y como ejemplo a los tres usuarios con mayor indicador de comportamiento.
@CARLOSATOLOSA
Este caso es muy particular para demostrar lo necesario de contrastar diferentes indicadores, e incluye un
factor más que elocuente sobre los fenómenos humanos que subyacen a los datos. En primer término
miraremos los indicadores y el comportamiento de este usuario. Al momento de cierre del corpus tenía
publicados 420466 tuits en su cuenta, que fue abierta en septiembre de 2010. Es decir, un promedio de casi
120 tuits diarios, de forma constante durante casi 10 años. No parece ser un comportamiento habitual, muy
por fuera de los promedios.
Los indicadores cuantitativos llaman la atención así que realizamos un análisis cualitativo sobre los tuits
(13)de este usuario, para encontrarnos con una gran sorpresa. No sólo presenta una constancia y coherenciaen
los tuits incluídos en el corpus (31), sino que al ver publicaciones más actuales al momento de la
8
redacción de este informe aparecen las siguientes publicaciones .
8 https://twitter.com/CARLOSATOLOSA/status/1298790496320524290
(14)Sin dudas es conmocionante la lectura del hilo publicado por su hija, siempre asumiendo la veracidad de
los mensajes y la historia narrada. También es interesante leer el intercambio que se da con otros usuarios
tras esta publicación en la que se expresan condolencias, lo que también trae a colación la idea de que
estos usuarios funcionan en comunidad. Por último, es difícil no notar que aun en una circunstancia tan
compleja, @tititoll elige tomar un posicionamiento político al publicar el mensaje, incluyendo una
publicación en Medium donde relata el proceso en el contexto de la pandemia .
@alitapaz
Esta usuaria presenta un volumen de publicaciones aún mayor al caso anterior, un promedio de más de 137
publicaciones por día en más de 10 años. Además, a diferencia del caso anterior, el indicador de bot da un
número extremadamente alto, con una posibilidad de 98.65% de que la cuenta presente un
comportamiento automatizado. Es interesante al ver en detalle su comportamiento, que un gran porcentaje
de sus publicaciones son retuits de cuentas oficialistas o gubernamentales, pero que además intercala
algunos mensajes propios, en una relación muy baja. No podemos afirmar categóricamente que es un bot,
tampoco que no lo es.
9 https://medium.com/@astrid.fs/digamos-basta-19351c8603f8
(15)@DaPepitos07
Este usuario presenta al igual que el anterior un indicador de bot muy alto, con un 93.30% de probabilidad
de que la cuenta sea automatizada. Aunque tiene un promedio menor de publicaciones que las vistas
anteriormente, sigue siendo algo, con más de 66 publicaciones diarias en promedio en más de 9 años. Sus
publicaciones son en gran parte retuits de cuentas con el mismo sesgo opositor de los pocos mensajes
que publica.
No nos es posible concluir que sea un bot, tampoco presenta comportamiento atribuible a un troll, pero es
claro que hay una intencionalidad de afectar la conversación pública en los patrones de conducta de este
usuario. Esto se agrava revisando que efectivamente redistribuye información verificada como falsa o
manipulada. De alguna forma, presenta patrones que sin ser los de un troll o un bot necesariamente,
configuran un usuario que con fines políticos, sin agredir, daña el tejido del debate público.
Y vos (los otros)
Promedio Promedio tuits/día Bot or
screen_name tuits/día Indicador de Comportamiento Categoría Descripción
Not
Leonelanaya1 1.41 217.00 15.70% Otros Simpatizante
SebiQuintero 54.25 189.00 3.92% Otros Usuario
Usuario con
ArLui1984 0.07 173.00 51.10% Otros causa
Internaciona-
adperotti 2.65 105.00 0.38% Otros
lista celeste
gus76855047 48.40 97.63 65.58% Otros Periodista
(16)El conjunto final, es en el que recaen seguramente la mayoría de usuarios. El de un observador y
comentador de la realidad. Con sus sesgos, opiniones, favoritismos y causas propias. En este sentido nos
parece interesante destacar la historia de uno de ellos.
@ ArLui1984
16%
Este usuario presenta indicadores muy particulares. Al momento de cierre del corpus tenía un solo
seguidor y seguía a 11 cuentas. Con la cuenta abierta desde 2012, presentaba un promedio de 0.07 tuits
diarios con un total de 196 tuits emitidos. Completamente distinto a lo visto en los usuarios analizados en la
categoría anterior. ¿Entonces por qué surge como destacado en el top 50? De esos 196 tuits, 18 estaban
dentro de nuestro corpus.
En este caso, mirando en detalle encontramos lo que podríamos llamar “un tuitero con una causa”. Todos
esos tuits estaban dirigidos a funcionarios nacionales y expresando un reclamo puntual. La madre del
usuario no estaba pudiendo cobrar su jubilación dado el contexto de la pandemia.
(17)Conclusiones
Los mega militantes tienen un comportamiento que indica una combinación de características atribuibles
tanto a bots como a trolls. En muchos casos son dañinos para la conversación pública, pero constituyen
una nueva categoría de usuario con patrones y prácticas propias.
Un solo indicador no es suficiente. Todos los indicadores sirven para acercarse a comprender aspectos
diferentes sobre el comportamiento de los usuarios y cómo categorizarlos.
Los análisis cuantitativos nos sirven para orientar dónde hacer foco. Los indicadores nos destacan usuarios,
que nos permiten indagar en profundidad en sus historias, sus hábitos y sus prácticas.
Trabajos citados
Nogués, G. (2018). Pensar con otros. Buenos Aires: El gato y la caja.
Aruguete, N., & Calvo, E. (2020). Fake news, trolls y otros encantos. Buenos Aires: Siglo XXI.
Fernández, P. M. (2017). El mundo secreto de los bots y los trolls… (y cómo esos “ejércitos” influyen en la
política). Buenos Aires: Chequeado.
Kearney, M. W. (2018, diciembre 28). tweetbotornot. Retrieved from Github: https://github.com/mkear-
ney/tweetbotornot
Twitter. (2020). Reglas de Twitter. Retrieved from Centro de ayuda: https://help.twit-
ter.com/es/rules-and-policies/twitter-rules
Anexo I: Tabla completa top 50 usuarios
screen Total Días Promedio Indicador de Bot or categoría Descripción
_name Tuits Seguidores Seguidos tuits tuits/día Comportamiento Not
jorgeluisaliaga 46 23801 1851 43407 3319.69 13.08 322.00 1.15 Autoridad Influencer
https://twitter.com7
jorgeluisaliaga
DocHissa 38 436 2313 244 3204.05 0.08 228.00 98.13% UDP Bot
https://twitter.com/
DocHissa
CARLOSATOLOSA 31 2009 473 420466 3504.3 119.99 217.94 4.42% Activistas MEGA Militante JxC –
Falleció de COVID-19
https://twitter.com/
CARLOSATOLOSA
ViajesyPaseos 31 12529 285 2680 3558.33 0.75 217.00 15.70% Periodismo Medio local
https://twitter.com/
ViajesyPaseos
TerritorioD 27 30831 1061 129220 3771.72 34.26 189.00 3.92% Periodismo Medio local
https://twitter.com/
TerritorioD
alitapaz 30 4664 5129 49700 3614.3 137.51 184.00 98.65% Activistas MEGA Militante K
https://twitter.com/
alitapaz
QuePasaWeb 28 4651 3998 42734 848.78 15.00 173.00 51.10% Periodismo Medio local
https://twitter.com/
QuePasaWeb
DaPepitos07 33 1338 5002 21551 3242.90 66.46 171.00 93.30% Activistas MEGA Militante JxC
https://twitter.com/
DaPepitos07
placebo99 19 376 123 85900 2226.94 38.57 152.00 51.91% Activistas MEGA Militante JxC
https://twitter.com/
placebo99
Leonelanaya1 21 54 226 3258 2307.89 1.41 147.00 53.92% Activistas Simpatizante
https://twitter.com/
Leonelanaya1
(18)RachelHolwaySoy 54 3682 3718 11685 3002.38 3.89 141.59 NA UDP Suspendida
https://twitter.com/
RachelHolwaySoy
saavibal 34 1119 1346 42134 3328.57 12.66 138.00 NA Activistas Militante K
https://twitter.com/
saavibal
SebiQuintero 27 8354 8641 185898 3426.48 54.25 137.00 42.81% Activistas Usuario
https://twitter.com/
SebiQuintero
aries2011956 22 7272 6649 654060 2739.15 238.78 136.00 NA Activistas Mega Militante CC
https://twitter.com/
aries2011956
matuastoandinio 22 944 1064 78721 1071.28 73.48 130.00 NA UDP Suspendida a
momento de revisión
https://twitter.com/
matuastoandinio
Maria_e_pt 21 1590 1107 184869 1022.37 180.82 129.00 40.55% Activistas MEGA Militante Macri
https://twitter.com/
Maria_e_pt
ArLui1984 18 1 11 196 2753.36 0.07 126.00 93.51% Otros Usuario con causa
https://twitter.com/
ArLui1984
moscarielloe 18 5885 945 60762 3610.15 16.83 126.00 5.91% Autoridad Influencer
https://twitter.com/
moscarielloe
marietafernand7 18 1069 1484 51117 1517.42 33.69 126.00 97.18% Activistas MEGA Militante Macri
https://twitter.com/
marietafernand7
Laurazul9 15 705 185 73767 3317.21 22.24 123.00 9.99% Activistas MEGA Militante Macri
https://twitter.com/
Laurazul9
MEGA Militante Macri
BarbieNiemann 22 2047 2711 260082 2010.35 129.37 122.00 98.20% Activistas + Derechos animales
https://twitter.com/
BarbieNiemann
Okampus 25 4903 5184 254608 3997.82 63.69 121.08 82.59% Activistas MEGA Militante Macri
https://twitter.com/
Okampus
MrsgreyV 17 3 13 19080 161.47 118.17 119.00 96.32% UDP Bot
https://twitter.com/
MrsgreyV
silvinabs22 22 3843 3812 231795 878.11 263.97 118.00 88.98% Activistas MEGA Militante Macri
https://twitter.com/
silvinabs22
"Esta cuenta
punky2007caba 16 865 1375 33469 1354.60 24.71 115.00 NA UDP no existe"
https://twitter.com/
punky2007caba
lilygabet 18 5111 4530 537446 2145.19 250.54 111.00 93.13% Activistas MEGA Militante K
https://twitter.com/
lilygabet
Militante Cristiandad
RosaMar89924286 18 411 818 3120 97.56 31.98 108.00 56.97% Activistas > Macri
https://twitter.com/
RosaMar89924286
primeraedicionw 15 20921 616 114410 3316.1 34.50 105.00 0.38% Periodismo Medio local
https://twitter.com/
primeraedicionw
marcelomartino5 17 2743 2891 405546 2759.68 146.95 102.00 NA UDP Cuenta Candado
https://twitter.com/
marcelomartino5
GuardiaViejaAr1 17 4505 4960 54564 242.93 224.61 102.00 86.02% Activistas MEGA Militante K
https://twitter.com/
GuardiaViejaAr1
cheffersorii 16 7 47 319 20.73 15.39 102.00 85.29% Activistas Simpatizante Alfonsin
https://twitter.com/
cheffersorii
(19)patitorossi93 15 360 1922 21071 2475.6 8.51 99.00 84.98% Activistas Militante Macri
https://twitter.com/
patitorossi93
Militante
fedewessn 17 295 770 13257 3555.90 3.73 98.29 71.24% Activistas Antivacunas NOS
https://twitter.com/
jotaleonetti 14 611823 1452 142227 3703.76 38.40 98.00 1.83% Periodismo Periodista
https://twitter.com/
jotaleonetti
adperotti 12 380 61 9827 3703.12 2.65 98.00 9.45% Otros Internacionalista
celeste
https://twitter.com/
adperotti
agustina3637 20 1442 1782 165479 1208.98 136.87 98.00 96.79% Activistas MEGA
Militante Macri
https://twitter.com/
agustina3637
Natalyalulu 14 1078 774 196026 2840.13 69.02 98.00 94.77% Activistas MEGA
Militante Macri
https://twitter.com/
Natalyalulu
mhkerry75 14 209 437 103619 3193.55 32.45 98.00 43.89% Activistas MEGA
Militante Macri
https://twitter.com/
mhkerry75
euledzep 14 1143 465 42752 2547.12 16.78 98.00 4.57% Activistas MEGA
Militante Macri
https://twitter.com/
euledzep
gus76855047 19 26 77 5466 112.93 48.40 97.63 65.58% Otros Rosarino omnisciente
https://twitter.com/
gus76855047
MPParis 12 318 93 104070 3416.08 30.46 97.00 41.52% Activistas MEGA Militante Macri
https://twitter.com/
MPParis
FreddyArias531 18 1411 1385 111913 3636.30 30.78 96.56 90.15% Activistas MEGA Militante Macri
https://twitter.com/
FreddyArias531
"Esta cuenta
josemorillogr 15 337 3714 154800 3643.33 42.49 96.00 99.32% UDP no existe"
https://twitter.com/
josemorillogr
nbrouchy 12 597 63 90009 3603.07 24.98 96.00 13.15% Activistas MEGA Militante Macri
https://twitter.com/
nbrouchy
Augusto18211689 19 90 261 7121 33.92 209.95 95.00 83.33% Activistas MEGA Militante Macri
https://twitter.com/
Augusto18211689
Celeste Anti K Vélezi
ReneGuer16 13 99 154 30315 1351.38 22.43 95.00 94.32% Activistas https://twitter.com/
ReneGuer16
MerixValentini 13 815 1170 61969 3311.26 18.71 95.00 94.63% Activistas MEGA Militante Macri
https://twitter.com/
MerixValentini
R62Gustavo 25 495 493 92528 2154.10 42.95 94.60 59.19% Activistas MEGA Militante K
https://twitter.com/
R62Gustavo
hannabarbera02 12 348 950 18373 3645.99 5.04 93.00 94.11% Activistas MEGA Militante Macri
https://twitter.com/
hannabarbera02
10 En los casos en que figura NA, al momento de conectar con el algoritmo no se logró obtener un resultado.
(20)También puede leer
