Una de las debilidades de la literatura reciente es que la mayoría de los artículos han analizado los mensajes de las redes sociales a través de un eje de separación. Esto se conoce como clivaje: una división compuesta basada en intereses, opiniones o actitudes que otorga una identidad colectiva a sus miembros y una sólida base organizativa. Los partidos como canalizadores, captadores de estos múltiples intereses de la opinión pública se van posicionando a través del eje izquierda vs derecha. Sin embargo, en un contexto donde la opinión pública se polariza por otras cuestiones puede dar lugar a la convivencia de múltiples ejes.
En un contexto como las últimas elecciones catalanas, la conversación en Twitter se distribuyó en varios ejes de polarización relacionados con diferentes clivajes sociales, lo cual, reflejan una sociedad más compleja y multi atomizada.
Durante las elecciones al Parlamento de Cataluña de 2021, entre las fechas del 24 de enero al 14 de febrero, día de las elecciones, se monitorizaron los diferentes hashtags utilizados por cada una de las organizaciones políticas que se presentaron. En total, se recogieron 501.027 tweets recopilados asegurándose así que estuviesen relacionados con la campaña.
Un panorama de sociedad de múltiples divisiones reflejado en las redes sociales
La Figura 1 generada por los retweets entre usuarios crea múltiples comunidades donde las cuentas de los partidos fueron las cuentas que recibieron mayor cantidad de retweets dentro de su grupo. La proximidad entre ellos revela que hay más usuarios que actúan como puente entre dos comunidades. Partiendo de esta idea, el grafo muestra la sintonía entre los usuarios para el contexto electoral catalán. Asimismo, las elecciones envueltas en medio de la pandemia han dibujado dos ejes.
El primero es el eje clásico de izquierda y derecha y, el segundo es el eje nacionalismo español-nacionalismo catalán. Para este contexto, se observa que las izquierdas, independientemente de su posición territorial, están más cerca entre sí que las derechas independentistas frente a las derechas nacionalistas españolas. Por eso, el eje de mayor polarización de estas elecciones catalanas ha sido la cuestión territorial.
Desde una perspectiva territorial, el PSOE y UP más proclives al diálogo con una posición de reconocimiento de Cataluña como un territorio con identidad propia dentro de España, se encuentran en posiciones más neutrales dentro de la red. En cambio, en la otra región del grafo, están los partidos más nacionalistas españoles. El PP y Cs están más cerca entre sí que con VOX, cuya comunidad está desplazada a un extremo de la red.
Al identificar la comunidad a la que pertenece cada usuario, se puede saber los pesos de cada grupo, en términos de número de tuits. Se observa un alto peso de los partidos considerados independentistas (JxCat, seguido de ERC) como se muestra en la Figura 2. Los siguientes son los partidos progresistas nacionales: PSOE y UP (con menos peso).
También hay que señalar la poca presencia de los partidos más sesgados al nacionalismo español. Esto puede deberse a varios motivos:
- Una menor relevancia y presencia política que tienen estos partidos en el territorio catalán.
- Una estrategia política, dando mayor peso a este discurso de confrontación en el debate nacional y no tanto en el debate regional.
- Un tercer motivo puede ser que estos partidos usan menos los hashtags durante la campaña.
El idioma como otro “game changer”
El PP, Cs y VOX publican mayoritariamente en español, dando mayor peso a su identidad nacional. Por el contrario, los partidos con una identidad más progresista e independentista dan mayor peso al catalán.
Para determinar la presencia del catalán, el castellano y el inglés en cada comunidad, se calcula el porcentaje de tuits escritos en cada idioma por comunidad como se puede ver en la Figura 3. En cambio, también resulta ilustrativo visualizar el grafo coloreando a los usuarios en base al idioma preferente de cada uno.
Así pues, se observa dos grandes bloques. Por un lado, los partidos nacionalistas españoles (PP, Cs y VOX) cuyo idioma más recurrido es el español y, por otro, los grupos independentistas catalanes (JxCat, ERC y CUP) y partidos progresistas no independentistas, como el PSOE y UP cuyo idioma más recurrido es el catalán . Resulta curioso que dentro de cada comunidad, los usuarios cuyo idioma preferido es el catalán están más cerca de los centroides de los grupos independentistas.
Análisis de sentimiento por comunidad
Otro aspecto que condicionó el debate electoral fue el discurso de odio, centrado en temas como el feminismo, el independentismo, la inmigración y la defensa del idioma.
La Figura 5 muestra una distribución de la polaridad de los tweets pertenecientes a cada uno de los grupos políticos, siendo 1 el valor asignado a los mensajes más negativos y 5 el valor asignado a los mensajes más positivos.
Como se puede observar, existe una clara diferencia entre VOX y el resto de partidos. La mayoría de partidos se centran sus medias entre el 2,6 y el 2,9 mientras que VOX se inclina más por mensajes más negativos cuya media se centra en 2,2. Aunque la presencia de VOX en Twitter durante la campaña catalana fue menor, sus mensajes tenían una componente negativa y de mayor confrontación.
Los mecanismos de fertilización cruzada en las cámaras de eco de las redes sociales
Otro de los problemas asociados a las redes sociales a parte de la polarización, son lo que se conoce como cámaras de eco, es decir, patrones de intercambio de información basados en un conjunto de fuertes creencias políticas que impiden la introducción de puntos de vista opuestos. Así pues, resulta inevitable preguntarse ¿Existe la introducción cruzada de ideas entre comunidades? ¿Son comunidades totalmente herméticas o para determinados temas existe el cruce de información?
La implementación del modelo Bertopic sobre el conjunto de tuits ha permitido identificar 45 temas de campaña. Cruzando con el resto de datos, se puede identificar los temas más comunes entre los diferentes clusters junto con los temas más característicos y diferenciadores de cada comunidad.
Así, y como era de esperar, si seleccionamos los temas más identitarios, es decir, temas cuya presencia de una única comunidad supera el 80% de los tuits, se encuentra que en su gran mayoría son las consignas de campaña, es decir, temas cuyas palabras claves son el nombre del candidato, o los hashtags de campaña de cada partido.
En general, los mensajes con lemas de campaña en los grupos políticos tienen mayor presencia en su comunidad y con puntuaciones positivas entre sus mensajes. Sin embargo, en VOX, algunos hashtags utilizados tenían una carga negativa en el adversario político como #StopIslamizacion o #VoxExtremaNecesidad, por tanto, sus mensajes, incluso en los de las lemas de campaña, eran negativos.
Entre los temas más utilizados, es decir, los temas más comunes por las diferentes comunidades están la Covid-19, el debate entre candidatos, las encuestas y las tendencias electorales. Estos temas son los que tienen una presencia más igualitaria entre la mayoría de los partidos.
Al cruzar la polaridad con los temas, podemos ver que las comunidades no son exclusivamente cámaras de eco, también hay interpelaciones que permiten la permeabilidad en diferentes comunidades (Figura. 7). En este sentido, hay temas unificadores entre las izquierdas, sean o no independentistas y cuya polaridad es positiva. Quizá sea por eso que las izquierdas están más cerca en el grafo de la Figura 1 que las derechas. El medio ambiente, el feminismo, la sanidad pública, el colectivo LGTBI y la juventud son los temas con mayor presencia entre la izquierda. JxCAT también participa en algunos de estos temas pero su presencia relativa es bastante menor respecto de la conversación global.
En la derecha, hay muy pocos temas en común entre los partidos nacionales españoles y los independentistas, un indicador más de que el eje principal fue la cuestión territorial. Apenas hay interpelación entre comunidades. VOX y PP cuando hablan de independentismo, tienen un discurso negativo a diferencia de JxCAT. Además sus tuits sólo representan un 2% del conjunto de tuits sobre el tema independentista. En el caso contrario, JxCat sí entra en los hashtags de campaña de VOX y Cs con una presencia del 5% y un 46%, respectivamente. Sin embargo, al comentar los tuits de campaña de las otras dos derechas lo hace con polaridad negativa, un 1,94 en VOX y un 2,07 en Cs.
Una última cuestión queda por responder. Hasta el momento, se han encontrado temas en la izquierda independentista y federalista cuya participación es alta y positiva. En cambio en la derecha independentista y derecha nacional española no tienen apenas temas de conversación donde destaquen todos ellos y que sean de carácter positivo. Podría darse un escenario en que la izquierda tiene temas comunes pero no existe fertilización cruzada entre comunidades.
Identificando los usuarios que hablaron sobre los temas propios de la izquierda, y pintándolos en la red de retweets de color rojo, vemos que sí existe una fertilización cruzada entre usuarios de las comunidades de izquierdas, parte del PdeCAT, JxCAT y Cs. Asimismo, se observa que los usuarios puente entre comunidades de izquierdas (nodos alejados de los centroides de las comunidades) retuitea tuits de estos temas (aristas rojas). Cuantificar esta fertilización es un paso que queda por explorar y métricas como la Betweenness centrality nos pueden esclarecer este punto.
En resumen, la ultima campaña de las elecciones catalanas propició un escenario donde coexistieron varios ejes de polarización, siendo la cuestión territorial, el principal eje. Analizando los temas y el sentimiento hacia otras comunidades políticas, los resultados presentados revelan un panorama mixto entre las dos líneas existentes de la literatura científica (cámaras de eco vs fertilización cruzada). La polarización y las cámaras de eco pueden surgir en algunos temas, mientras que la fertilización cruzada-intercambio de ideas, a través de patrones de difusión de información, pueden aparecer en otros.
Metodología:
El presente artículo se trata de un resumen divulgativo del reciente paper que nos han publicado en la revista Social Network Analysis and Mining de Springer. En él se detalla con más precisión cada modelo empleado así como los pasos realizados para llegar a estos resultados.
