La manipulación de redes sociales en periodos de elecciones

El aumento de las redes sociales ha afectado profundamente la forma en que las personas adquieren y procesan la información. Utilizando los datos de Twitter sobre el referéndum Brexit y las elecciones presidenciales de 2016 en Estados Unidos, esta columna estudia cómo las redes sociales ayudan a moldear la opinión pública y los resultados de la votación.

Los últimos años han sido testigos de un cambio dramático en la forma en que las personas se comunican y obtienen información. El consumo de los medios informativos tradicionales está disminuyendo Stempel, (2000) mientras que los medios en línea se han convertido en una fuente de información cada vez más importante Bialik y Matsa, (2017). Las preguntas clave son cómo esta revolución de la comunicación ha influido en los flujos de información entre individuos y cómo uno puede hacerlo.

En un estudio reciente (Gorodnichenko et al. 2018), examinamos la difusión de información en las redes sociales durante eventos de alto impacto usando datos de Twitter relacionados con el referéndum de la Unión Europea en el Reino Unido (Brexit) y las elecciones presidenciales de 2016 en Estados Unidos. Identificamos dos tipos de agentes de medios sociales: usuarios reales (humanos) y bots sociales (algoritmos de computadora utilizados para producir contenido automatizado). Consideramos estos bots como una fuente de variación en los conjuntos de información de los humanos y estudiamos cómo esta información influye en los humanos, cómo se disemina entre los humanos y cómo el sentimiento (tonalidad) de los mensajes de los bots afecta a los humanos.

El uso de Twitter para compartir información sobre el Brexit y las elecciones de EE. UU.
La Figura 1 presenta la evolución en los volúmenes diarios y por hora de tweets relacionados con el Brexit para humanos y bots. Hubo un aumento significativo en el número de tweets creados por humanos el 23 y el 24 de junio de 2016. Sin embargo, el volumen de tweets creados por los bots, aunque relativamente alto, fue más estable. Curiosamente, el volumen diario de tweets pro-leave siempre fue más alto que el volumen diario de tweets pro-restantes. Esta brecha fue máxima a las 00:00 y a las 06:00 del 24 de junio, con un pico de aproximadamente 10,000 tweets. Hay un patrón claro en el volumen de tweeting por hora de los humanos. Las cuentas humanas son más activas entre las 6 am y las 6 pm y muestran una intensidad considerablemente menor en otras horas. Por el contrario, no observamos ningún patrón claro en la actividad de twitteo hora a hora de los bots.

Los volúmenes diarios y horarios de tweets relacionados con las elecciones estadounidenses de 2016 se muestran en la Figura 2. La mayoría de las veces, el número diario de tweets pro-Trump superó al de los tweets pro-Clinton. Un aumento a gran escala en los tweets pro-Clinton solo apareció poco antes del día de las elecciones. Unos cinco días antes y el día de las elecciones, el número de tweets pro-Clinton se elevó con un pico de casi 10.000 tweets por hora y fue más alto que el número de tweets pro-Trump. Comparando las diferencias en el número de tweets creados por las dos partes antes y después del día de la votación, observamos una disminución significativa en la brecha de hora por hora entre los dos períodos.

Figura 1  Dinámica de tweets relacionados con Brexit generados por humanos y bots

Notas: Esta figura muestra la dinámica de los tweets creados por bots (paneles A y C) y humanos (paneles B y D) para la muestra del Brexit. El tiempo (eje horizontal) en los paneles A y B se refiere a 30 días antes y después del día del referéndum, mientras que el tiempo (eje horizontal) en los paneles C y D presenta horas de días alrededor del evento. La línea azul discontinua y la línea negra continua muestran los volúmenes de tweets pro-leave y pro-remain, respectivamente.

Figura 2 Dinámica de los tweets relacionados con las elecciones presidenciales estadounidenses de 2016 generadas por humanos y bots

Notas: Esta figura muestra la dinámica de los tweets creados por bots (Panels A y C) y humanos (Panels B y D) para la muestra de elección de los Estados Unidos. El tiempo (eje horizontal) en los paneles A y B se refiere a 30 días antes y después del día de las elecciones mientras que el tiempo (eje horizontal) en los paneles C y D presenta horas de días alrededor del evento. La línea azul discontinua y la línea negra continua muestran los volúmenes de tweets pro-Trump y pro-Clinton, respectivamente.

Interacción entre bots y humanos para difundir información

En nuestro análisis empírico, utilizamos las propiedades únicas de Twitter, así como las herramientas estándar de análisis de series de tiempo para estudiar la interacción entre los agentes de Twitter con diferentes puntos de vista a la hora de difundir información. Encontramos evidencia consistente con la baja rigidez de la información y / o los ciclos de noticias breves en las redes sociales. Específicamente, la información sobre el Brexit y las elecciones presidenciales estadounidenses de 2016 se difunde y se absorbe entre los usuarios de Twitter en 50-70 minutos. Sin embargo, el grado de interacción entre los diferentes tipos de usuarios es variable. Por ejemplo, los seguidores de Remain en el referéndum de la UE responden con mayor fuerza y ​​rapidez a los mensajes creados por otros partidarios de Remain en comparación con los mensajes de los partidarios de Leave. Este patrón es consistente con la opinión de que las redes sociales crean ‘cámaras de eco’.

También observamos el impacto considerable de los bots en la actividad de tweeting en humanos. El grado de influencia depende de si un bot proporciona información consistente con los antecedentes de un ser humano. Por ejemplo, un bot que soporte la campaña Leave tiene un impacto más fuerte en un seguidor de Leave que en un seguidor de Remain. Del mismo modo, los partidarios de Trump tienen más probabilidades de reaccionar a los mensajes difundidos por los bots pro Trump. Un examen más detallado muestra que el sentimiento de los tweets juega un papel importante en la forma en que se difunde la información: un mensaje con sentimiento positivo (negativo) genera otro mensaje con el mismo sentimiento.

Evidencia sobre la influencia de bots de Twitter en los resultados de votación

Si los bots de Twitter tienen cierta influencia en las actividades de tweeting de los humanos y estas actividades a su vez afectan las elecciones políticas de las personas, entonces es posible que el tráfico de bots pueda contribuir a los resultados reales de la votación. Para cuantificar esta conjetura, primero documentamos que la actividad de Twitter es un predictor útil de votos compartidos. Luego construimos los flujos de Twitter que se habrían observado si los bots no hubieran estado presentes. Encontramos que el efecto de los robots probablemente fue marginal, pero posiblemente lo suficientemente grande como para afectar los resultados de las votaciones, dados los estrechos márgenes de victorias en el referéndum de la UE y las elecciones presidenciales de EE. UU.

Conclusión

Dado que Twitter y otras plataformas de redes sociales pueden crear un sentido de consenso público o apoyo, las redes sociales podrían afectar las opiniones públicas de nuevas maneras. Específicamente, los bots sociales podrían diseminar y amplificar (mal) la información, lo que influiría en lo que los humanos piensan sobre un tema determinado y probablemente reforzaría las creencias de los humanos. No es de extrañar que los robots se utilizaran durante las dos campañas que estudiamos para dinamizar a los votantes y, de acuerdo con nuestros simples cálculos, los bots pueden haber contribuido marginalmente a los resultados del referéndum Brexit y las elecciones presidenciales estadounidenses de 2016.

Nuestros resultados plantean una serie de preguntas sobre si los diseñadores de políticas deberían considerar mecanismos para prevenir el abuso de bots en el futuro. Obviamente, la regulación de los flujos de información es un asunto extremadamente delicado en una sociedad democrática caracterizada por diversos puntos de vista y tolerancia hacia esta diversidad. Sin embargo, valorar la diversidad no significa que uno deba permitir la propagación de mentiras y manipulaciones en la medida en que el público no pueda tomar una decisión bien informada. Donde uno debe trazar la línea es una pregunta importante para la sociedad.

Referencias

Bialik, K y K Matsa (2017), » Tendencias clave en los medios de comunicación social y digital «, Pew Research Center, 4 de octubre.

Gorodnichenko, Y, T Pham y O Talavera (2018), » Redes sociales, sentimiento y opiniones públicas: Evidencia de #Brexit y #USElection «, documento de trabajo NBER 24631.

Stempel, GH, T Hargrove y JP Bernt (2000), «Relación del crecimiento del uso de Internet con los cambios en el uso de los medios de 1995 a 1999»,  Journalism & Mass Communication Quarterly  77 (1): 71-79.

Artículo escrito por Yuriy Gorodnichenko, Tho Pham, Oleksandr Talavera. Puedes encontrar el original aquí.