Modelado y difusión de temas noticiosos en medios sociales: características y factores de la emergencia de noticias en un canal informativo de Twitter // Modeling and diffusion of news topics in social media: Features and factors of the emergence of news in a Twitter informative channel

Comunicación y Sociedad Modelado y difusión de temas noticiosos en medios sociales: características y factores de la emergencia de noticias en un canal informativo de Twitter Carlos arCila Calderón1 Modeling and diffusion of news topics http://orcid.org/0000-0002-2636-2849 in social media: Features and factors eduar BarBosa Caro2 of the emergence of news in a Twitter https://orcid.org/0000-0003-0297-8224 informative channel doi: https://doi.org/10.32870/cys.v2019i0.6437 ignaCio aguaded3 https://orcid.org/0000-0002-0229-1118 Este estudio busca caracterizar el modelado y difusión de temas noticiosos en medios sociales y determinar los factores que influyan en su aparición. Con técnicas en torno a la filosofía del big data se analizó un año de tuits del medio colombiano El Tiempo, encontrando que la aparición de temas en el largo plazo se relaciona con atributos del mensaje. Se mencionan implicaciones teóricas y contribuciones para otros modelos a la luz del modelo de Difusión de Innovaciones. PalaBras Clave: Twitter, difusión de noticias, medios sociales, modelamiento de temas, big data. This study aims to characterize the modeling and diffusion of news topics in social media and determine the factors that influenced them. Big Data analysis methods such as topic modeling and sentiment analysis were used to analyze one year of tweets from Colombian newspaper El Tiempo. We found that the appearance of long-term topics was related to the message’s attributes. Theoretical implications and contributions in light of innovation are mentioned. Keywords: Twitter, dissemination of news, social media, topic modeling, Big Data. Cómo citar este artículo: Arcila Calderón, C., Barbosa Caro, E. & Aguaded, I. (2019). Modelado y difusión de temas noticiosos en medios sociales: características y factores de la emergencia de noticias en un canal informativo de Twitter. Comunicación y Sociedad, e6437. doi: https://doi.org/10.32870/cys.v2019i0.6437 1 Universidad de Salamanca, España. Correo electrónico: carcila@usal.es 2 Universidad del Rosario, Colombia. Correo electrónico: eduar.barbosa@urosario.edu.co 3 Universidad de Huelva, España. Correo electrónico: aguaded@uhu.es Fecha de recepción: 09/01/17. Aceptación: 26/07/17. Publicado: 06/03/19. Comunicación y Sociedad, 2019, e6437, pp. 1-21. 1 2 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded introduCCión Uno de los aspectos más relevantes en la rápida e innovadora evolución del ambiente digital en la última década ha sido la implementación de herramientas en Internet para extender las redes de comunicación, ampliando el target de los medios. Por lo tanto, se deduce que los medios de comunicación alrededor del mundo han optado por el uso de herramientas interactivas y medios sociales para publicar, informar e interactuar con sus lectores y audiencias (Caballero, 2001; García de Torres, Rodrigues, Saiz, Albacar, Ruiz & Martínez, 2008; Lasorsa, Lewis & Holton, 2012; Said-Hung et al., 2013). Este artículo presenta los resultados de un estudio cuantitativo a gran escala que aborda temas como el uso de la web en la producción periodística (Micó, Canavilhas, Masip & Ruiz, 2008) y la eficiencia y velocidad con la que los medios de comunicación generan conocimiento (Rogers, 2003). El objetivo principal es caracterizar el modelamiento y el proceso de difusión de temas noticiosos en medios sociales, utilizando como punto de partida el Big Data, una manera de pensar el mundo en la era de las grandes cantidades de datos, donde para crear más conocimiento es necesaria una mayor cantidad de datos (Mukherjee & Shaw,2016; Ularu, Puican, Apostu & Velicanu, 2012). Así, esta filosofía, que ha permeado distintas áreas de estudio, nos provee de una estructura de pensamiento adecuada para aproximarnos a problemas de investigación que antes parecían inalcanzables, aunque las métricas limiten en cierta medida los alcances del análisis por la propia naturaleza de los datos; es decir por su gran tamaño y complejidad. Por tales motivos, este estudio seleccionó la técnica de modelamiento de temas o topic modelling (entre otras formas de análisis automatizado de datos) y un año entero de publicaciones (54 878 tuits) de la cuenta de Twitter del periódico colombiano El Tiempo (@ElTiempo) para responder a las preguntas de investigación planteadas. Los estudios que han abordado la difusión noticiosa se han centrado en la comprensión de noticias importantes o eventos de talla mundial (Greenberg, 1964; Henningham, 2000; Rogers & Seidel, 2002). En los años sesenta, la investigación apuntó al hecho de que una historia noticiosa podría tomar entre uno y dos días en completar su proceso de di- Modelado y difusión de temas noticiosos en medios sociales: ... 3 fusión, incluso teniendo un gran despliegue en los medios tradicionales (Deutschmann & Danielson, 1960). Esto, sin lugar a duda, ha cambiado drásticamente en el tiempo, y especialmente con el advenimiento de Internet y los medios sociales. El concepto de difusión de noticias ha sido notablemente influenciado por el trabajo de Rogers (2003), para quien las noticias pueden ser examinadas desde el punto de vista de la “prominencia”, un concepto que expresa el grado de importancia de un evento noticioso considerado por los individuos. Por tal razón, se entiende que, de todos los canales de comunicación disponibles en el espectro mediático, el público escoge y estructura las noticias que consume. Con el surgimiento de los medios sociales, el análisis de la difusión de noticias se ha convertido en un área de estudio que se ha desarrollado dramáticamente a medida que emergen nuevas formas de informar y comunicar. Este nivel de complejidad se debe, al mismo tiempo, a la naturaleza impredecible de la ocurrencia de temas noticiosos, combinada con su rápida difusión (Rogers, 2000). La variedad de noticias diseminadas a través de los medios sociales hace que el estudio de la difusión de temas noticiosos a través de largos periodos de tiempo permita el modelamiento de estos temas específicos dentro de otros más generales. De hecho, la mayoría de los temas de largo plazo se podrían etiquetar como “política”, “negocios” o “noticias”, y que temas noticiosos similares tienden a organizarse temporalmente en “cadenas de temas” (Kim & Oh, 2011). Kim y Oh encontraron que algunos “temas únicos” o de corta duración que aparecen al utilizar herramientas de modelamiento de temas son incoherentes (aunque algunos de ellos podrían representar eventos relevantes como la muerte de un famoso o el incremento en la seguridad de la aviación). Lo anterior, debido a que la técnica de modelamiento de temas es un método que “aprende” estructuras de temas a partir de una colección de documentos sin supervisión humana (Arora et al., 2013), un avance necesario teniendo en cuenta que con toda la información disponible en línea, hemos alcanzado el punto en donde es imposible procesarla totalmente (Blei, 2012). Zhao et al. (2011) se refirieron al asunto de Twitter como otro feed de noticias más rápido que los medios tradicionales aprovechando el modelamiento de temas sin supervisión, una forma de extraer temas 4 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded (temas semánticos subyacentes) usando solamente las palabras que se encontraban en un conjunto de documentos (Blei & McAuliffe, 2007). De esta manera, entonces, cada tuit puede ser asociado a un tema, y cada tema a una categoría específica (Zhao et al., 2011). Las discusiones previas, así como la creciente dinámica de difusión noticiosa de los medios tradicionales a través de los medios sociales, nos llevan a examinar este proceso en la cuenta de Twitter de un medio de comunicación nacional y preguntarnos: Pi1a: ¿Cuáles son los temas noticiosos que emergen de los tuits publicados en el canal de Twitter del periódico colombiano El Tiempo durante un año? Por otro lado, diversos estudios han contribuido a establecer las características de la información periodística transmitida a través de los canales de Twitter y qué propiedades de esos mensajes son los responsables de hacer que los usuarios estén dispuestos a seguir las cuentas en esta red social (Argüelles & Muñoz, 2012; Lotan, Graeff, Ananny, Gaffney, Pearce & Boyd, 2011; Schultz & Sheffer, 2012; Stubbs, 2001; Ure & Parselis, 2013; Wasike, 2013). Además de las características formales del contenido encontradas en los medios sociales (longitud, enlaces, etcétera), el tono o sentimiento expresado en el texto ha sido una de las categorías que mejor puede caracterizarlo, debido a que nos permite dilucidar automáticamente si los mensajes contienen sentimientos positivos, negativos o neutros en su estructura (Leetaru, 2012). Existen diferentes tipos de análisis de sentimiento (Feldman, 2013), pero su objetivo general es que la máquina procese y evalúe sentimientos (Kechaou, Ammar & Alimi, 2013). No obstante, aunque limitadamente (Stieglitz & Dang-Xuan, 2013), su uso se ha propagado en el análisis de varios tipos de contenido como blogs, sitios de reseñas, bases de datos y microblogging (Vinodhini & Chandrasekaran, 2012) y se ha diversificado (Meena & Prabhakar, 2007; Turney, 2002), combinado con el modelamiento de temas (Cai, Spangler, Chen & Zhang, 2010). El tono o sentimiento al interior de un mensaje puede ser claramente identificado como una característica innovadora o propiedad del contenido. Sabiendo que las características de una innovación están relacio- Modelado y difusión de temas noticiosos en medios sociales: ... 5 nadas con el proceso de difusión en medios sociales (Peslak, Ceccucci & Sendall, 2010), así como con las noticias o temas noticiosos (Rogers, 2003), nos preguntamos: Pi1b: ¿Cuáles fueron las características o propiedades innovadoras de los temas noticiosos diseminados? Pi2a: ¿Influenciaron estas características la difusión de temas noticiosos? Los medios sociales han creado un complejo ecosistema en términos de duración y distribución de los productos noticiosos (Newman, Dutton & Blank, 2012), y por lo tanto se han abierto debates acerca de las respuestas emocionales como una función de la difusión de noticias (Ibrahim, Ye & Hoffner, 2008), los temas, entidades y relaciones expuestas en los artículos noticiosos y los medios sociales (Kang, O’Donovan & Höllerer, 2012; Newman, Chemudugunta, Smyth & Steyvers, 2006), las dinámicas temporales de los mensajes respecto de eventos específicos (Jungherr, 2014) y la aceptación o rechazo de la información (Emery, Szczypka, Abril, Kim & Vera, 2014). Uno de los retos al abordar estos temas cuando se trabaja con datos a gran escala de un amplio periodo es la identificación de estas diversas etapas del proceso. Este incluye el descubrimiento de temas, encontrar cuáles son similares y agruparlos, hallar temas de corta duración entre los temas e identificar cómo estos cambian en función del tiempo (Kim & Oh, 2011). En este sentido, este estudio tratará de responder: Pi1c: ¿Cómo se difunden estos temas en el tiempo? Pi2b: ¿Cuál fue la relación entre el tiempo o momento de producción del mensaje y la aparición de los temas noticiosos? Por último, a pesar de que ha habido estudios de los medios sociales con técnicas de análisis de grandes cantidades de datos (Asfari, Hannachi, Bentayeb & Boussaid, 2013; Bogdanov, Busch, Moehlis, Singh & Szymanski, 2013; Gerber, 2014; Ghosh & Guha, 2013; Ferrari, Rosi, Mamei & Zambonelli, 2011; Michelson & Macskassy, 2010; Paul & Dredze, 2014), poco se ha hecho para estudiar la importancia de la autoría del mensaje. En plataformas como Twitter, el “canal” puede Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded 6 referirse al autor que emite el mensaje, teniendo la posibilidad de que este mensaje fuese creado por la propia cuenta o por un tercero que ha sido retuiteado, lo cual puede tener implicaciones en las dinámicas de producción de la información. Por lo tanto, es necesario determinar: Pi1d: ¿Cuáles fueron los “canales” o los tipos de autoría del mensaje que originaron los temas noticiosos? Pi2c: ¿De qué manera los canales o tipos de autoría afectaron la aparición de temas noticiosos? Método Muestra y procedimiento Para este estudio cuantitativo, un total de 54 878 tuits recopilados del 1 de febrero de 2013 al 1 de febrero de 2014 fueron recogidos a través de un script automatizado utilizando Open Standard for Authorization (OAuth) y las rest aPis de Twitter, que proveen acceso a los tuits y sus metadatos en formato json. Todos los tuits provinieron de la cuenta del periódico colombiano El Tiempo (@ElTiempo), uno de los más tradicionales, que sirve como referencia en el contexto de América Latina. Para esta tarea, dos codificadores entrenados previamente descargaron y almacenaron el texto completo de los mensajes (text), así como también los metadatos correspondientes a fecha y hora (created at), usuario (user.screen_name), retuit (rt) y vínculo externo (url). Medidas Con el objetivo de recolectar y procesar los datos, una serie de variables fueron adaptadas ad hoc, partiendo del modelo tradicional de Rogers (2003). Esto permitió describir una serie de indicadores inherentes a las dinámicas de una red social y establecer relaciones entre ellos, y así poder responder a las preguntas de investigación propuestas. Más específicamente, las siguientes variables fueron tenidas en cuenta: 1. Características o propiedades del mensaje: el “contenido de la innovación” (se refiere al tema noticioso, sus subcategorías fueron extraídas inductivamente gracias al modelamiento computacional) Modelado y difusión de temas noticiosos en medios sociales: ... 7 y las propiedades de la innovación (que se refieren a las características o propiedades del mensaje). Por otro lado, el tono o sentimiento del mensaje fue analizado. Su escala se midió con la siguiente clasificación: Positivo o P+ (+1), Negativo o N+ (-1) y Neutral o neu (0). Adicionalmente, los indicadores formales como el número de caracteres, número de palabras, número de enlaces y número de menciones por tuit fueron extraídos. 2. Tiempo: se refiere al momento de producción del tuit; es decir, el día y la hora en que ese mensaje fue publicado. 3. Canal: hace referencia a la “autoría del mensaje”. En este estudio, el canal fue definido como la fuente desde la cual vino el mensaje; es decir, si el mensaje fue producido por el medio (0) o si fue retuiteado (rt) desde un tercero. Análisis de datos Para el análisis se utilizaron herramientas de procesamiento para Big Data, tales como la codificación automatizada de texto, análisis de sentimiento y otras herramientas computacionales basadas en machine learning, como el modelado de temas no supervisado (unsupervised topic modeling), que permite modelar los temas subyacentes en un conjunto de textos no estructurados (Arcila, Barbosa & Cabezuelo, 2016). Estas tecnologías permitieron abarcar la totalidad de los tuits recogidos evitando tener que seleccionar una muestra. Además, con esto los procesos esperados para responder a las preguntas de investigación (Pi) fueron ejecutados rápida y eficientemente. Debido al número de mensajes recogidos y especialmente, a las técnicas de análisis utilizadas; estas herramientas fueron esenciales para poder llevar a cabo el estudio. Los software utilizados para extraer información de los datos fueron a) Stanford Topic Modeling Tool Box (una herramienta desarrollada por The Stanford Natural Language Processing Group y basada en el modelo lda o Latent Dirichlet Allocation), que permitió el modelamiento de temas para obtener de los mismos datos diversos grupos de términos que fueran asociados a temas específicos; b) Textalytics for Excel, para el análisis automatizado de sentimiento (basado en diccionarios); c) Microsoft Excel, para contar frecuencias y automatizar la codificación; d) sPss Statistic y R, para la tabulación cruzada de variables, regresio- Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded 8 nes y otras operaciones estadísticas; e) qda Miner, un paquete que permitió obtener frecuencias de palabras clave en el corpus, los hashtags más usados, las frases más utilizadas y las palabras clave en contexto. Hallazgos El número de tuits emitidos por el periódico El Tiempo en Twitter para el año 2013 (N= 54 878) fue menor en los meses de junio y agosto (2 544 y 4 133, respectivamente), y más alto en el mes de febrero (5 266 mensajes), (enero= 5 122, marzo= 4 414, abril= 5 085, mayo= 4 722, julio= 4 557, septiembre= 4 280, octubre= 5 249, noviembre= 4 769, diciembre= 4 501). Del 9 al 20 de junio no se registran tuits debido a un error técnico en la aplicación con la cual se capturaron los tuits de la cuenta @ElTiempo, lo que explica el valor atípico de este mes. Figura 1 núMero total de tuits (eje vertiCal) Por Hora durante la seMana (eje Horizontal). aCuMulado Para el año 2013. PerFil: @eltieMPo 800 600 400 200 0 5 10 15 20 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 106 111 116 121 126 131 136 141 146 151 156 161 166 0 Fuente: Elaboración propia. Los tres días de la semana con el mayor número de tuits emitidos por @ElTiempo en 2013 fueron jueves (n= 9 155), martes (n= 9 114) y miércoles (n= 8 675). La Figura 1 es una visualización de la difusión de tuits a lo largo de una semana promedio en 2013, teniendo en cuenta que el lunes empieza a la hora 0 y el domingo termina en la hora 166. Podemos ver que cada día de la semana tuvo un comportamiento si- Modelado y difusión de temas noticiosos en medios sociales: ... 9 milar, con un pico de emisión de mensajes alrededor de las 10:00 de la mañana y un notable decrecimiento que comienza a las 8:00 de la noche. Estos resultados nos permitieron corroborar que la dinámica del proceso de difusión se corresponde con una serie de tipo estacional con ciclos claros: uno por día (con 7 curvas regulares, siendo más pequeñas las de los fines de semana) y otro por hora (con una tendencia al alza durante la horas laborales (entre 8:00 am y 9:00 pm). Para responder a la pregunta sobre cuáles temas noticiosos emergieron de la cuenta @ElTiempo durante 2013 y cómo fueron difundidos (Pi1a), los temas subyacentes fueron modelados con modelamiento de temas sin supervisión (unsupervised topic modeling), con el cual las palabras clave fueron repetidamente puestas en clústeres (con eliminación sucesiva de las palabras de parada o stop words) y luego la predominancia de cada tema en cada mensaje fue determinado. • • • Tema 1: Venezuela/Internacional. Este tema abarca los ítems noticiosos enfocados en asuntos internacionales, y también los tuits referentes a Venezuela (política y militarmente), directa o indirectamente. Contienen palabras como “Venezuela”, “Chávez”, “Maduro” y “General”. Un ejemplo de este tema es el siguiente tuit: “El presidente Chávez está en Venezuela en una batalla para recuperarse” (@VillegasPoljakE a @WRadioColombia). Tema 2: Deportes/Entretenimiento/General. En esta clasificación encontramos tuits que abordan temas relacionados con los deportes y el mundo del entretenimiento. Hay también algunos mensajes de menor importancia y, además, con poca presencia. Algunas de las palabras clave que pueden resaltarse son “mundial”, “Colombia”, “liga”, “final”, “copa”, “tiempo”, “partido”, “gol”, “Falcao”, “Medellín” y “colombiano”. Un tuit que sirve como ejemplo es: Todos al acecho de Santa Fe en el grupo A de la Liga. Tema 3: Política/Interés Nacional/Conflicto. Este tema agrupa todos los tuits que se refieren a situaciones alrededor de la política, la guerra o el conflicto armado. Algunas de sus palabras claves son “Gobierno”, “FarC”, “paro”, “política”, “paz”, “proceso”, “ataque”, “libertad” y “Santos”. Un tuit representativo podría ser: El balance de las Farc y el Gobierno de siete meses de #DiálogosDePaz. 10 • Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded Tema 4: Temas residuales. En este tema encontramos aquellos tuits que no pudieron ser claramente asociados con ninguno de los otros tres grupos. Los resultados mostraron que el 31.9% de los tuits encajan en el tema Política/Interés Nacional/Conflicto, que está compuesto a su vez por temas como el conflicto armado, la violencia, eventos nacionales de gran envergadura e incidentes correspondientes a figuras políticas y organizaciones gubernamentales. En segundo lugar, hallamos mensajes asociados con el tema Deportes/Entretenimiento/General (27.7%), seguido por Venezuela/Internacional (10.3%) y los Temas residuales (23%). En esta última clasificación se incorporan mensajes que podrían referirse a temas sociales localizados, de género, noticias “aisladas” u otras temáticas particulares que, por su naturaleza y frecuencia, no se podrían asociar de manera inequívoca con alguno de los grandes temas identificados en el corpus o generar otros nuevos. En este grupo se hallaron ejemplos como los siguientes: • • • Mujer inglesa esta dispuesta a todo por convertirse en paraplejica. De que sirve enamorarse. Si no dice matrimonio no lo vamos a aceptar: pareja lgBti. La visualización de cómo estos temas se difundieron en el tiempo durante el año 2013 (Pi1c) son mostrados en la Figura 2. Estas series temporales muestran claramente que no existe una regularidad subyacente en la aparición de temas, por lo que no se puede hablar de una serie estacional, lo que sugiere que otras características –diferentes a la propia temporalidad– son las responsables de la variación en cada uno de los cuatro temas. Con el fin de describir las características innovadoras o propiedades de los temas noticiosos difundidos durante el año 2013 (Pi1b), tanto el tono del mensaje como los aspectos formales fueron identificados. En primer lugar, encontramos que un número importante de mensajes no tienen marcas de subjetividad. Esto quiere decir que podrían ser clasificados como “neutrales” (39.2%). Sin embargo, un claro sentimiento fue detectado en la mayoría de ellos, teniendo 19.8% un tono positivo y Modelado y difusión de temas noticiosos en medios sociales: ... 11 Figura 2 evoluCión teMPoral de teMas en el año 2013 0.8 Tema 1 (Venezuela/Internacional) 0.6 0.4 0.2 0.0 1.00 Tema 2 (Deportes/Entretenimiento/En General) 0.75 0.50 0.25 0.00 1.00 Tema 4 (Política/Interés nacional/Conflicto) 0.75 0.50 0.25 0.00 1.00 Tema 3 (Temas residuales) 0.75 0.50 0.25 0.00 Abril 2013 Julio 2013 Octubre 2013 Fuente: Elaboración propia. 19.7% negativo. Este análisis resulta significativo debido a que permite evidenciar la carga semántica de dichos mensajes y, por ende, comprender de mejor manera la intencionalidad de los mismos. Los mensajes neutros (con puntuación 0, ya que las puntuaciones +1 correspondían a los positivos y las -1 a los negativos), sin embargo, pueden ser entendidos como emitentemente “informativos”, lo que explica su mayor presencia en los resultados. 12 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded De la misma manera, las características formales de los mensajes fueron analizadas, y se señalaron las palabras más usadas. Entre estas, hay una clara predominancia de Colombia (2 971 casos) y Bogotá (2 391 casos) en el corpus. Estas fueron enlistadas con otras palabras relacionadas con el conflicto, eventos delincuenciales o violencia (“paz”, “gobierno”, “FarC”, “presidente”, “policía”, “Santos”). Se destaca la presencia de las palabras “mundial” (723 casos) y “mujer” (482 casos) entre las más frecuentes. Cuando miramos el número promedio de caracteres (M= 93.91, de= 21.25), vemos que los mensajes no usaron el máximo número permitido para el momento (140 caracteres), teniendo en promedio 12 palabras por tuit (M= 11.65, de= 3.98). Los datos revelaron que la mayoría de los mensajes incluyó enlaces (M= 0.88, de= 0.35) a otros sitios y, en menor medida, menciones a otros usuarios (M= 0.35, de= 0.63) y hashtags (M= 0.33, de= 0.54). Un análisis de las menciones (@) encontradas revela que la mayoría de los perfiles más mencionados (@Portafolioco, @ElTiempo, @FutBolred, @Citytv) pertenecen a la misma casa editorial en la que está el periódico (Casa Editorial El Tiempo). Asimismo, se observa que las figuras públicas más mencionadas fueron @juanMansantos, @Petrogustavo, @FalCao y @BaraCkoBaMa. Para entender el tipo de autoría o canal utilizado para difundir los temas noticiosos (Pi1d), se llevó a cabo un análisis de los retuits (rt). Se encontró que 18.86% de lo publicado en el año 2013 fue originado por fuentes distintas a la cuenta original de El Tiempo (es decir, fueron retuits), mientras que el porcentaje de contenido propio asciende a 81.4%. Luego, con miras a verificar la relación entre la aparición de temas noticiosos y: a) las características innovadoras o propiedades del mensaje respecto del tema y los aspectos formales (Pi2a); b) el tiempo o momento de producción (Pi2b); y c) el canal o la autoría del mensaje (Pi2b), una serie de regresiones lineales fueron desarrolladas. Se verificó la ausencia de multicolinealidad (con niveles de tolerancia cercanos a 1 y el factor de inflación de la varianza [Fiv] por debajo de 5). Los resultados se resumen en la Tabla 1. El análisis muestra que sólo los modelos de regresión para los temas 2 (F(4, 54872)= 84.483, p< .000), 3 (F(4, 54872)= 11.731, p< .000) y 4 (F(4, 54872)= 44.187, p< .000) pueden explicar en su conjunto parte de regresión lineal de teMas notiCiosos Tema 1 Características formales+ Tono Tiempo rt o no Tema 2 B β -.002*** -.021*** Tema 3 B .001 β .007 Tema 4 B β .001*** .017*** B .000 β -.004 .003 .008 .019*** .043*** -.016*** -.034*** -.005* -.012* .000 -.003 -.004 -.008 .009*** .003 .061*** .005 -.006*** .011*** -.040*** .019*** -.002*** -.011*** -.015*** -.021*** + Número promedio de caracteres, número de palabras, número de enlaces y número de menciones por tuit. *p < .05; **p < .01; ***p < .001. Fuente: Elaboración propia. Modelado y difusión de temas noticiosos en medios sociales: ... taBla 1 13 14 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded la varianza de la aparición de temas noticiosos, aunque dicha varianza explicada es baja (6%, 1% y 3%, respectivamente) y que la proporción de la varianza explicada en el modelo es baja, y que los factores incluidos explican poco del comportamiento de los temas noticiosos. A pesar de esto, los datos revelan que las propiedades innovadoras del mensaje, es decir, sus características formales y tono, estuvieron ligadas a la difusión de los temas 2, 3 y 4. Similarmente, vemos que el tiempo o momento de producción fue un factor determinante en los mismos temas. En el caso de la autoría del mensaje (si era rt o no), observamos que solo logra explicar la difusión en los temas 3 y 4. Aunque la influencia de estos factores es baja, el hecho de que puedan moldear la aparición de casi todos los temas es significativo. Lo anterior sugiere que incluso si la relación es débil, la difusión de temas noticiosos no es fortuita sino que responde a estos y otros patrones que deben ser estudiados. disCusión y ConClusión En este estudio hemos examinado la difusión de temas noticiosos en Twitter a partir del modelado de patrones subyacentes en un corpus longitudinal de mensajes informativos de la cuenta social de un medio de comunicación, lo que ha permitido explorar las variables que influyen en el aparecimiento de los temas. La búsqueda de patrones se puede aplicar tanto en medios sociales como en medios informativos online, posibilitando en gran medida explorar problemas de agenda de medios e incluso, poner de manifiesto determinadas prácticas de difícil atención como es el caso de las fake news o noticias falsas, ya que los algoritmos de detección de temas subyacentes pueden modelar con distintos enfoques. De acuerdo con los resultados de nuestro estudio, el tema Política/Interés, “nacional/Conflicto” fue encontrado en la mayor parte de mensajes publicados por la cuenta en Twitter del periódico colombiano El Tiempo en el año 2013. Si examinamos los eventos noticiosos más importantes durante este año en Colombia –como los diálogos de paz entre el gobierno Santos y las Fuerzas Armadas Revolucionarias de Colombia (FarC-eP) y las eliminatorias al mundial de la FiFa 2014–, podremos notar que se corresponden tanto con los temas encontrados Modelado y difusión de temas noticiosos en medios sociales: ... 15 como con las palabras clave (“paz”, “gobierno”, “FarC”, “presidente”, “policía”, “Santos”, “contra”, “mundo” y “mundial”, entre otras). Los datos sugieren que existe una relación entre los perfiles más mencionados, las palabras frecuentes y los temas subyacentes principales (1 y 2) encontrados con el algoritmo de topic modeling, debido a que los resultados de todos estos entran en las categorías de “política” o “deporte”. Cuando se analiza el número de caracteres como una propiedad innovadora, es importante notar que los tuits que usan todo el espacio provisto por la plataforma solo alcanzan 4.5%, con un total de 2 mil 495 casos. Esto sugiere que la tendencia se inclina a la publicación de mensajes que son relativamente cortos, resumiendo la información en unas cuantas palabras y dando respuestas concisas a los demás usuarios en la plataforma. También podemos destacar que 71.4% de los tuits carecían de menciones, y que 86.5% tenían enlaces; es decir, que incorporaban una url que apuntaba usualmente al sitio web del propio medio de comunicación. Lo primero puede insinuar un bajo grado de interacción con otros usuarios o la posibilidad de que las personas nombradas no tuviesen cuenta en Twitter. Lo segundo, apunta a un alto grado de redireccionamiento desde la red social. El rango de los tuits publicados por mes varía entre 4 000 y 5 000, evidenciando una notable disminución en la producción de tuits los días sábado (5 585) y domingo (5 873) respecto de los otros días de la semana. Esta situación cambia con el incremento los lunes (con 2 136 tuits más que los domingos), lo que podría estar relacionado con las dinámicas periodísticas y el volumen de información generada durante los fines de semana. La literatura al respecto ha sugerido que los lapsos (como constructos sociales y mentales) ayudan a crear la realidad (Stubbs, 2001). Así, los días de la semana pueden asociarse a cierto tipo de mensajes y emociones que son transmitidas por una persona o, en este caso, por un medio de difusión noticiosa (relajación o deporte asociado a los domingos; el placer a otros días del fin de semana). Por otra parte, la baja frecuencia de retuits (18.6%) indica niveles bajos de replicación de contenido. Esto significa que el periódico genera pocos momentos de visibilidad para mensajes de otras cuentas. Al mantener un alto porcentaje de originalidad en sus publicaciones, la cuenta estudiada redirige a sus usuarios para que visiten el sitio u otros 16 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded recursos online, convirtiendo sitios externos en un marco de referencia para leer sus tuits. De este modo, incluso si sus mensajes son cortos, amplían la información a través de otros dominios. A pesar de lo anterior, se destaca que 70% de los tuits no tenían hashtags. Esto limita de alguna manera la inclusión de los mensajes en conversaciones diferentes de aquellas generadas por el medio de comunicación. No obstante, los modelos estadísticos utilizados explican mínimamente la varianza encontrada en los temas noticiosos; se recalca que las propiedades innovadoras o características y el tiempo o momento de producción del mensaje aparecen como predictores significativos en 3 de los 4 temas modelados. El canal o autoría del mensaje aparece como un predictor significativo para solo dos temas: uno de ellos referente a asuntos políticos y del conflicto, y el otro a temas residuales. Esta asociación puede deberse al hecho de que, generalmente, con el fin de reportar asuntos políticos o del conflicto, las fuentes (definidas como “canales” en este estudio) son citadas de manera textual para apoyar la información. Esto invitaría a pensar en el uso de los mensajes de otros perfiles (figuras políticas, por ejemplo) para comunicar este tipo de eventos noticiosos. Sin embargo, al considerar que los datos no son concluyentes, creemos que un análisis complementario sería beneficioso. Teniendo en cuenta lo que se presentó anteriormente, podemos argumentar que estos resultados arrojan luz, a través del uso de la teoría de Rogers (2003) y los métodos de computación avanzada, sobre algunos elementos característicos de la difusión de noticias en medios sociales. Además, se evidencia que los métodos utilizados para el análisis automatizado de contenido (y de sentimiento) y el topic modeling, entre otros, resultan convenientes para este tipo de trabajo, convirtiéndose en un apoyo teórico-práctico que ayuda al estudio de las dinámicas periodísticas. Al hallarse en el análisis de sentimiento, por ejemplo, una similitud en cifras entre los mensajes clasificados como positivos y negativos, además de buena parte del corpus etiquetado como “neutro”, podemos inferir que existe un distanciamiento en términos de subjetividad lingüística en los mensajes estudiados. Esto implica que el medio, al menos en su perfil de Twitter, evita adjetivar de una manera u otra los sucesos que comunican. Una de las limitaciones del estudio fue la falta de datos del 9 de junio al 20 de junio de 2013, debido a un problema técnico de la aplicación que Modelado y difusión de temas noticiosos en medios sociales: ... 17 fue utilizada para compilar los tuits. Esto pudo causar un ligero sesgo al observar los datos de este mes; sin embargo, es necesario tener en cuenta que no es posible recuperar los mensajes “perdidos” en el timeline de Twitter, a menos que la fuente (en este caso, el mismo periódico) los provea. Otra de las limitaciones fue la falta de investigación previa en América Latina que tuviera características similares en términos de tamaño y técnicas utilizadas. Por esta razón, hacer un comparativo con datos empíricos con otras exploraciones no fue posible. Además de lo mencionado, podemos añadir que Twitter es una plataforma donde los mensajes tienen un tiempo de vida muy corto (los mensajes más antiguos van desapareciendo a medida que nuevos tuits son publicados). También podemos señalar como limitación el hecho de no poder recolectar un archivo de tuits en un lapso más amplio, pues esto implica tener acceso abierto al contenido almacenado por los dueños de los perfiles. Por último, y respecto de la teoría de Rogers (2003), un factor limitante apareció al no poder incluir el sistema social como categoría de análisis a causa de las características particulares de Twitter y de este estudio. Sería relevante en futuras investigaciones preguntarse sobre los procesos de adopción de estos temas noticiosos en los medios sociales desde la perspectiva del sujeto, cómo los temas de corta duración aparecen y desaparecen en función del tiempo y qué modelos pueden crearse para tratar de explicar la varianza de otras características de los mensajes encontrados en plataformas como esta. Asimismo, se hace necesario estudios de corte interpretativo y cualitativo que puedan analizar los factores analizados en esta investigación más allá de las métricas arrojadas por el Big Data. Referencias Arcila-Calderón, C., Barbosa-Caro, E. & Cabezuelo-Lorenzo, F. (2016). Técnicas big data: análisis de textos a gran escala para la investigación científica y periodística. epi, El Profesional de la Información, 25(4), 623-631. Argüelles, I. & Muñoz, A. (2012). An insight into twitter: A corpus based contrastive study in English and Spanish. Revista de Lingüística y Lenguas Aplicadas, 7, 37-50. 18 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded Arora, S., Ge, R., Halpern, Y., Mimno, D., Moitra, A., Sontag. D., Wu, Y. & Zhu, M. (2013). Practical algorithm for topic modeling with Provable Guarantees. 30th International Conference on Machine Learning (icml), 28(2), 280-288. Atlanta, Estados Unidos. Asfari, O., Hannachi, L., Bentayeb, F. & Boussaid, O. (2013). Ontological topic modeling to extract Twitter users’ topics of interest. 8th International Conference on Information Technology and Applications (icita) (pp. 141-146). Sydney, Australia. Blei, D. (2012). Topic models and digital humanities. Journal of Digital Humanities, 2(1), 8-11. Blei, D. & McAuliffe, J. (2007). Supervised topic models. Neural Information Processing Systems, 20, 1-8. Bogdanov, P., Busch, M., Moehlis, J., Singh, A. K. & Szymanski, B. K. (2013). The social media genome: Modeling individual topic-specific behavior in social media. ieee/acm International Conference on Advances in Social Networks Analysis and Mining asonam (pp. 236-242). Niagara Falls, Canadá. Caballero, U. (2001). Periódicos mexicanos en internet. Revista Universidad de Guadalajara, 22(46). Cai, K., Spangler, S., Chen, Y. & Zhang, L. (2010). Leveraging sentiment analysis for topic detection. Web Intelligence and Agent Systems: An International Journal, 8, 291-302. Deutschmann, P. & Danielson, W. (1960). Diffusion of knowledge of the major news story. Journalism Quarterly, 37(3), 345-355. Emery, S., Szczypka, G., Abril, E., Kim, Y. & Vera, L. (2014). Are you scared yet? Evaluating fear appeal messages in tweets about the tips campaign. Journal of Communication, 64(2), 278-295. Feldman, R. (2013). Techniques and applications for sentiment analysis. Communications of the acm, 56(4), 82-89. doi: https://doi. org/10.1145/2436256.2436274 Ferrari, L., Rosi, A., Mamei, M. & Zambonelli, F. (2011). Extracting urban patterns from location-based social networks. Proceedings of the 3rd acm sigspatial international workshop on location-based social network (pp. 9-16). Chicago: aCM. García de Torres, E., Rodrigues, J., Saiz, J., Albacar, H., Ruiz, S. & Martínez, S. (2008). Las herramientas 2.0 en los diarios españoles 2006-2008: tendencias. prisma.com, 7, 193-222. Modelado y difusión de temas noticiosos en medios sociales: ... 19 Gerber, M. (2014). Predicting crime using Twitter and Kernel Density estimation. Decision Support Systems, 61, 115-125. Ghosh, D. & Guha, R. (2013). What are we ‘tweeting’ about obesity? Mapping tweets with topic modeling and geographic information system. Cartography and Geographic Information Science, 40(2), 90-102. Greenberg, B. (1964). Diffusion of news of the Kennedy assassination. Public Opinion Quarterly, 28(2), 225-232. Henningham, J. (2000). The death of Diana: An Australian news diffusion study. Australian Journalism Review, 22(2), 23-33. Ibrahim, A., Ye, J. & Hoffner, C. (2008). Diffusion of news of the shuttle Columbia disaster: The role of emotional responses and motives for interpersonal communication. Communication Research Reports, 25(2), 91-101. Jungherr, A. (2014). The logic of political coverage on Twitter: Temporal dynamics and content. Journal of Communication, 64(2), 239259. Kang, B., O’Donovan, J. & Höllerer, T. (2012). Modeling topic specific credibility in Twitter. iui ‘12 Proceedings of the 2012 acm International Conference on Intelligent User Interfaces (pp. 179-188). Lisboa, Portugal. Kechaou, Z., Ammar, M. & Alimi, A. (2013). A multi-agent based system for sentiment analysis of user-generated content. International Journal on Artificial Intelligence Tools, 22(2), 1-28. Kim, D. & Oh, A. (2011). Topic chains for understanding a news corpus. cicling’11 Proceedings of the 12th International Conference on Computational Linguistics and Intelligent Text Processing-Volume Part II (pp. 163-176). Tokio, Japón. Lasorsa, D., Lewis, S. & Holton, A. (2012). Normalizing Twitter: Journalism practice in an emerging communication space. Journalism Studies, 13(1), 19-36. Leetaru, K. (2012). Data mining methods for the content analyst. An introduction to the computational analysis of content. Nueva York: Routledge. Lotan, G., Graeff, E., Ananny, M., Gaffney, D., Pearce, I. & Boyd, D. (2011). The revolutions were Tweeted: Information flows during the 20 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded 2011 Tunisian and Egyptian revolutions. International Journal of Communication, 5, 1375-1405. Meena, A. & Prabhakar, T. (2007). Sentence level sentiment analysis in the presence of conjuncts using linguistic analysis. En A. Amati, C. Carpineto & G. Romano (Eds.), Advances in Information Retrieval. ecir 2007. Lecture Notes in Computer Science, (vol. 4425). Berlín, Alemania: Springer. Michelson, M. & Macskassy, S. (2010). Discovering users’ topics of interest on Twitter: A first look. and’10 Proceedings of the fourth workshop on analytics for noisy unstructured text data (pp. 73-80). Toronto, Canadá. Micó, J. L., Canavilhas, J., Masip, P. & Ruiz, C. (2008). La ética en el ejercicio del periodismo: credibilidad y autorregulación en la era del periodismo en Internet. Estudos em Comunicação, 4, 15-39. Mukherjee, S. & Shaw, R. (2016). Big data. Concepts, applications, challenges and future scope. International Journal of Advanced Research in Computer and Communication Engineering, 5(2), 66-74. Newman, D., Chemudugunta, C., Smyth, P. & Steyvers, M. (2006). Analyzing entities and topics in news articles using statistical topic models. isi’06 Proceedings of the 4th ieee International Conference on Intelligence and Security Informatics (pp. 93-104). San Diego, Estados Unidos. Newman, N., Dutton, W. & Blank, G. (2012). Social media in the changing ecology of news: The fourth and fifth estates in Britain. International Journal of Internet Science, 7(1), 6-22. Paul, M. & Dredze, M. (2014). Discovering health topics in social media using topic models. PLoS one, 9(8), e103408. Peslak, A., Ceccucci, W. & Sendall, P. (2010). An empirical study of social networking behavior using diffusion of innovation theory. Conference on Information Systems Applied Research 2010 conisar Proceedings. Nashville, Estados Unidos. Rogers, E. (2000). Reflections on news event diffusion research. Journalism & Mass Communication Quarterly, 77(3), 561-576. Rogers, E. (2003). Diffusion of innovations. Nueva York: Free Press. Rogers, E. & Seidel, N. (2002). Diffusion of news of the terrorist attacks of september 11, 2001. Prometheus, 20(3), 209-219. Modelado y difusión de temas noticiosos en medios sociales: ... 21 Said, E., Serrano, A., García, E., Calderín, M., Rost, A., Arcila, C., Yezers’ka, L., Edo, C., Rojano, M., Jerónimo, P. & Sánchez, J. (2013). Ibero-American online news managers’ goals and handicaps in managing social media. Television and New Media, 4(2). Schultz, B. & Sheffer, M. L. (2012). New brand: The rise of the independent reporter through social media. Online Journal of Communication and Media Technologies, 2(3), 93-112. Stieglitz, S. & Dang-Xuan, L. (2013). Emotions and information diffusion in social media-Sentiment of microblogs and sharing behavior. Journal of Management Information Systems, 29(4), 217-247. Stubbs, M. (2001). Words and phrases: Corpus studies of lexical semantics. Blackwell: Oxford. Turney, P. (2002). Thumbs up or thumbs down? Semantic orientation applied to unsupervised classification of reviews. Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (acl), (pp. 417-424) Philadelphia, Estados Unidos. Ularu, E., Puican, F., Apostu, A. & Velicanu, M. (2012). Perspectives on big data and big data analytics. Database Systems Journal, 3(4), 3-14. Ure, M. & Parselis, M. (2013). Argentine media and journalists enhancing and polluting of communication on Twitter. International Journal of Communication, 7, 1784-1800. Vinodhini, G. & Chandrasekaran, R. M. (2012). Sentiment analysis and opinion mining: A survey. International Journal of Advanced Research in Computer Science and Software Engineering, 2(6), 282292. Wasike, B. (2013). Framing news in 140 characters: How social media editors frame the news and interact with audiences via Twitter. Global Media Journal-Canadian Edition, 6(1), 5-23. Zhao, W., Jiang, J., Weng, J., He, J., Lim, E., Yan, H. & Li, X. (2011, 18-21 de abril). Comparing Twitter and traditional media using topic models. Advances in Information Retrieval: 33rd European Conference on ir Research ecir, 2011. Dublín, Irlanda. Comunicación y Sociedad Modeling and Diffusion of News Topics in Social Media: Features and Factors of the Emergence of News in a Twitter Informative Channel Modelado y difusión de temas noticiosos Carlos arCila Calderón1 http://orcid.org/0000-0002-2636-2849 en medios sociales: características y eduar BarBosa Caro2 factores de la emergencia de noticias en https://orcid.org/0000-0003-0297-8224 un canal informativo de Twitter doi: https://doi.org/10.32870/cys.v2019i0.6437 ignaCio aguaded3 https://orcid.org/0000-0002-0229-1118 This study aims to characterize the modeling and diffusion of news topics in social media and determine the factors that influenced them. With Big Data analysis methods, such as topic modeling and sentiment analysis, we analyzed one year of tweets from Colombian newspaper El Tiempo. We found that the appearance of long-term topics was related to the message’s attributes. Theoretical implications and contributions considering Diffusion of Innovations’ model are mentioned. Keywords: Twitter, dissemination of news, social media, topic modeling, Big Data. Este estudio busca caracterizar el modelado y difusión de temas noticiosos en medios sociales y determinar los factores que influyen en su aparición. Con técnicas de Big Data, como el modelado de temas y el análisis de sentimientos, se analizó un año de tuits del periódico colombiano El Tiempo, encontrando que la aparición de temas en el largo plazo se relaciona con atributos del mensaje. Se mencionan implicaciones teóricas y contribuciones para otros modelos a la luz del modelo de Difusión de Innovaciones. Palabras clave: Twitter, difusión de noticias, medios sociales, modelamiento de temas, Big Data. How to cite: Arcila Calderón, C., Barbosa Caro, E. & Aguaded, I. (2019). Modeling and Diffusion of News Topics in Social Media: Features and Factors of the Emergence of News in a Twitter Informative Channel. Comunicación y Sociedad, e6437. DOI: https://doi. org/10.32870/cys.v2019i0.6437 1 Universidad de Salamanca, Spain. E-mail: carcila@usal.es 2 Universidad del Rosario, Colombia. E-mail: eduar.barbosa@urosario.edu.co 3 Universidad de Huelva, Spain. E-mail: aguaded@uhu.es Submitted: 09/01/17. Accepted: 26/07/17. Published: 06/03/19. Comunicación y Sociedad, 2019, e6437, pp. 1-21. 1 2 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded introduCtion One of the most relevant aspects in the rapid and innovative evolution of the digital environment in the last decade has been the implementation of Internet tools to extend the communication networks, widening the media’s target. Therefore, it follows that mass media from around the world have confidently opted for the use of interactive tools and social media to publish, inform and interact with their readers and audiences (Caballero, 2001; García de Torres et al., 2008; Lasorsa, Lewis & Holton, 2012; Said-Hung et al., 2013). This paper presents the results of a large-scale quantitative study that addressed issues such as the use of the web in journalistic production (Micó, Canavilhas, Masip & Ruiz, 2008) and the efficiency and speed with which the mass media channels generate knowledge (Rogers, 2003). The main objective is to characterize the modeling and diffusion process of news topics in social media, using Big Data as a way of understanding the world in the age of information, where in order to produce more knowledge, more data is necessary (Mukherjee & Shaw, 2016; Ularu et al., 2012). Thus, this philosophy, that has permeated different areas of study, provides us with an adequate structure of thought to approach research questions that seemed unattainable before, although the metrics limit to some extent the scope of the analysis by the very nature of the data; that is, because of its great size and complexity. For such reasons, this study used Topic Modeling (among other techniques of automated data analysis) and an entire year of publications (54 878 tweets) from the Twitter account of the Colombian newspaper El Tiempo (@ElTiempo). The studies that have addressed the diffusion of news have been centered on the understanding of important news or world-class events (Greenberg, 1964; Henningham, 2000; Rogers & Seidel, 2002). In the 1960’s, research pointed to the fact that a news story could take between one or two days to complete the dissemination process, even when having a great spread in the traditional media (Deutschmann & Danielson, 1960). This, without a doubt, has drastically changed with time, and especially with the advent of the Internet and social media. Modeling and Diffusion of News Topics in Social Media: ... 3 The concept of news diffusion has been notably influenced by the work of Rogers (2003), for whom the news can be examined from the point of view of prominence, a concept that expresses the degree of importance of a news event as considered by individuals. For this reason, it is understood that out of all communication channels that are spread in the media spectrum, the public chooses and structures the news they consume. With the surge of social media, the study of news diffusion is becoming a field of study that has been developing dramatically as new forms of informing and communicating emerge. This level of complexity is due, as well, to the unpredictable nature of the occurrence of a news topic, combined with its rapid dissemination (Rogers, 2000). The variety of the news disseminated through the social media makes it so that the study of the diffusion of news topics through long periods of time allows for the modeling of these specific topics within more general topics. In fact, most of the longer-term topics have been found to be labelled as “politics”, “business” or “news”, and that similar news topics tend to temporally organize themselves into topic chains (Kim & Oh, 2011). Kim & Oh (2011) found that a few “unique topics” or short-duration topics that appear when using the “topic modeling” tool are incoherent (although some of them could represent relevant events such as the death of someone famous or the increase of aviation safety). This is due to the fact that topic modeling is a method that learns topic structures from large collections of documents without human supervision (Arora et al., 2013), a necessary development taking into account that, with all the information available online, we have reached the point that it is humanly impossible to process it all (Blei, 2012). Zhao et. al. (2011) addressed the issue of Twitter being just another news feed that was faster than traditional news media, tapping into the unsupervised topic modeling, a way of extracting topics (underlying semantic topics), using only the words that were found in a set of documents (Blei & McAuliffe, 2007). In this way, then, each tweet can be associated to a topic, and each topic to a specific category (Zhao et al., 2011). The previous discussions as well as the growing dynamics of news diffusion from traditional media using social media have led us to examine this process in the Twitter account of a media outlet of national scale and ask ourselves: 4 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded RQ1a: What are the news topics that emerge from the tweets published by the information channel in Twitter from the Colombian newspaper El Tiempo during a one-year period? On the other hand, diverse research works have contributed to establishing the characteristics of the journalistic information transmitted through the Twitter channels and what properties of the messages are responsible for making the users be willing to follow the informational accounts of this social network (Argüelles & Muñoz, 2012; Lotan et al., 2011; Schultz & Sheffer, 2012; Stubbs, 2001; Ure & Parselis, 2013; Wasike, 2013). Besides the formal characteristics of the content found in social media (length, links, etc.), the tone or the sentiment expressed in the text has been one of the categories that can better characterize the content, as they allow us to elucidate automatically if the messages contain positive, negative or neutral sentiments in their structure (Leetaru, 2012). There are different types of sentiment analysis (Feldman, 2013), but their general aim is to make a machine able to process and evaluate sentiments (Kechaou, Ammar & Alimi, 2013). Notwithstanding, although limited (Stieglitz & Dang-Xuan, 2013), their use has been propagated in the analysis of various types of content such as blogs, review sites, datasets and microblogging (Vinodhini & Chandrasekaran, 2012) and have diversified (Meena & Prabhakar, 2007; Turney, 2002), unifying it with topic modelling (Cai, Spangler, Chen & Zhang, 2010). The tone or sentiment within a message can be clearly identified as an innovative characteristic or property of the content. Knowing that the characteristics of the innovations are related to the process of diffusion in social media (Peslak, Ceccucci & Sendall, 2010) as well as to any news item or news topic (Rogers, 2003), we ask: RQ1b: What were the characteristics or innovative properties of the news topics disseminated? RQ2a: Did these characteristics influence the diffusion of news topics? Social media has created a more complex ecosystem in terms of duration and distribution of news products (Newman, Dutton & Blank, Modeling and Diffusion of News Topics in Social Media: ... 5 2012), and therefore debates have been opened on the emotional responses as a function of the diffusion of news (Ibrahim, Ye & Hoffner, 2008), the topics, entities and relationships exposed in news articles and social media (Kang, O’Donovan & Höllerer, 2012; Newman, Chemudugunta, Smyth & Steyvers, 2006), the temporal dynamics of the messages with respect to specific events (Jungherr, 2014) and the acceptance or rejection of the information (Emery, Szczypka, Abril, Kim & Vera, 2014). One of the challenges in addressing these topics when one works with large scale data set from a long period of time comes from the identification of the diverse stages of the process. That includes the discovery of the topics, finding those that are similar and group them, finding short-term issues within the topics and identifying how these changes as a function of time (Kim & Oh, 2011). In this sense, this research study will try to learn: RQ1c: How are the news topics disseminated through time? RQ2b: What was the relationship between the time or moment of production of the message and the appearance of news topics? Lastly, although there have been many studies on social media with analysis techniques of large quantities of data (Asfari, Hannachi, Bentayeb & Boussaid, 2013; Bogdanov, Busch, Moehlis, Singh & Szymanski, 2013; Gerber, 2014; Ghosh & Guha, 2013; Ferrari, Rosi, Mamei & Zambonelli, 2011; Michelson & Macskassy, 2010; Paul & Dredze, 2014), little has been done to address the importance of the message’s authorship. In platforms such as Twitter, the channel could be referring to the author that emits the message, having as a possibility that the message was created by the account holder or by a third party that the account holder simply re-tweets (rt), which can have implications on the dynamics of the production of information. Therefore, it is necessary to determine: RQ1d: What were the channels or types of message authorship that originated the news topics? RQ2c: In what way did the channel or type of authorship affect the appearance of news topics? Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded 6 Method Sample and procedure For this quantitative study, a total of 54 878 tweets compiled from February 1st, 2013 to February 1st, 2014 were gathered through an automated script using an Open Standard for Authorization (oauth) and the rest apis of Twitter, which provide programmatic access to the tweets and their metadata in json format. All the tweets came from the Twitter account of the Colombian newspaper El Tiempo (@ElTiempo), one of the traditional Colombian news outlets, which serve as a reference in the Latin American context. For this task, two previouslytrained coders downloaded and stored the complete message texts as well as the date and hour (created_at), user (user.screen_name), retweet (rt) and external link (url). Measurements With the aim of collecting and processing the data, a series of variables were adapted ad hoc starting with the traditional model by Rogers (2003). This would allow us to describe a set of indicators inherent in the dynamics of a social network and establish relationships between them, to be able to answer the research questions posited. More specifically, the following variables were measured: 1. 2. 3. Innovation: the “innovation’s content” (it refers to the news topic, its sub-categories were inductively extracted thanks to computer modeling) and the “innovation’s properties” (it refers to the message characteristics or properties). On the other hand, the “tone” or “message sentiment” was analyzed. Its scale was measured with the following scores: Positive or P+ (+1), Negative or N+ (-1) and Neutral or NEU (0). Additionally, formal indicators such as number of characters, number of words, number of links and number of mentions per tweet were extracted. Time: it refers to the moment of production of the tweet, meaning the day and the time of day the message was first published. Channel: it refers to the authorship of the message. In this study, the channel was defined as the source from which the message Modeling and Diffusion of News Topics in Social Media: ... 7 came from (authorship), meaning, if the message was produced by the own medium (0) or if it was a retweet (or rt) from another account (1). Data analysis For the analysis, Big Data analysis tools were used, such as automated text codifying, Sentiment Analysis and computational tools based on Machine Learning such as Unsupervised Topic Modeling, which allowed us to model the underlying topics in a set of unstructured data (Arcila-Calderón, Barbosa-Caro & Cabezuelo-Lorenzo, 2016). Also, the procedures that were expected to be used from the questions asked were rapidly and efficiently executed. These technologies allowed us to cover the totality of the collected without having to select a sample. In addition, with this the processes expected to answer the research questions (rqs) were executed quickly and efficiently. Due to the number of messages gathered and especially due to the analysis techniques used, these tools were essential for the performing of the study. The software used to extract information from the data were: 1) Topic Modeling Tool (a tool developed by The Stanford Natural Language Processing Group which is based on Latent Dirichlet Allocation), which was used for the modeling of topics to obtain, from the same data, diverse groups of terms which were associated to specific topics; 2) Textalytics for Excel, for the automated analysis of sentiment (based on dictionaries); 3) Microsoft Excel, which was used for the counting of frequencies and automated codification; 4) SPSS Statistics and R, for cross-tabulation of variables, regressions and other statistical operations; 5) QDA Miner, a package that allow us to obtain the frequency of keywords in the corpus, the most used hashtags, the most used phrases and keywords in context. Findings The number of tweets emitted by the newspaper El Tiempo in Twitter in the year 2013 (N= 54 878) was lowest in the months of June and August (2 544 and 4 133, respectively), and highest in the month of Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded 8 February (5 266 messages) (January= 5 122, March= 4 414, April= 5 085, May= 4 722, July= 4 557, September= 4 280, October= 5 249, November= 4 769, December= 4 501). From June 9th to 20th, there were no tweets found due to a technical error in the application used to capture the messages from the @ElTiempo account, which explains the atypical results in this month. Figure 1 total nuMBer oF tweets per hour during the weeK. CuMulative For 2013 proFile @eltieMpo 800 600 400 200 0 5 10 15 20 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 106 111 116 121 126 131 136 141 146 151 156 161 166 0 Source: the authors. The three days of the week with the highest number of tweets (emitted by @ElTiempo in 2013) were Thursday (n=9 155), Tuesday (n=9 114) and Wednesday (n=8 675). Figure 1 shows the visualization of the diffusion of tweets throughout an average week in 2013, considering that Monday starts at hour 0 and Sunday ends at hour 166. We can see that each day of the week had a similar behavior, with a peak of message emission around 10:00 in the morning, and a notable decrease starting at 8:00 in the evening. These results allowed us to clearly see that the diffusion process corresponded to the working days of the outlet. To answer the question of which news topics emerged from the @ElTiempo Twitter channel in 2013 and how they were diffused (RQ1a), the underlying topics were modeled with unsupervised topic modeling, by which keywords were repeatedly clustered, and then the predominance of each topic in each message was determined: Modeling and Diffusion of News Topics in Social Media: ... • • • • 9 Topic 1: Venezuela/International. This topic encompasses news items that are focused on international topics, and the tweets that refer to Venezuela (politically and militarily), directly or indirectly. They possess keywords such as “Venezuela”, “Chávez”, “Maduro” and “General”. An example of this topic is the following tweet: “El presidente Chávez está en Venezuela en una batalla para recuperarse” [President Chávez is in Venezuela in a battle to recover]: @VillegasPoljakE a @WRadioColombia. Topic 2: Sports/Entertainment/General. In this classification we find the tweets that address topics related to sports and the world of entertainment. There are also news items of less importance, although with less of a presence. Some of the keywords that can be highlighted are “mundial” [worldwide], “Colombia”, “liga” [league], “final”, “copa” [cup], “tiempo” [time], “partido” [match], “gol” [goal], “Falcao”, “Medellín” and “colombiano” [Colombian]. A tweet that exemplifies this topic is: “Todos al acecho de Santa Fe en el grupo A de la Liga” [Everyone lurking Santa Fe in league group A]. Topic 3: Politics/National Interest/Conflict. This topic groups all the tweets that refer to situations involving politics, war or armed conflict. It is delimited by keywords such as “Gobierno” [government], “FARC”, “paro” [strike], “política” [politics], “paz” [peace], “proceso” [process], “ataque” [atack], “libertad” [freedom] and “Santos”. A representative tweet of this grouping could be: “El balance de las Farc y el Gobierno de siete meses de #DiálogosDePaz” [The seven-month balance of Farc and the government]. Topic 4: Residual topics. In this topic we find the tweets that could not be clearly associated with any of the other three groups. The results showed 39.1% of the tweets were mainly related to the topic Politics/National Interest/Conflict, which is composed of themes such as armed conflict, violence, national events of great scale and incidents corresponding to political figures and governmental institutions. In second place, we found messages associated to the topic Sports/Entertainment/General (27.7%), followed by Venezuela/ 10 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded International (10.3%) and Residual topics (23%). In this last classification, messages could refer to localized social issues, gender, “isolated” news or other topics that, due to their nature and frequency, could not be unequivocally associated with any of the major themes identified in the corpus. In this group we found examples like the following: • • • Mujer inglesa está dispuesta a todo por convertirse en parapléjica [British woman is willing to do anything to become paraplegic]. De que sirve enamorarse [What is the avail of falling in love]. Si no dice matrimonio no lo vamos a aceptar: pareja lgBti [We won’t accept it if it doesn’t say marriage]. Visualizations of how these topics were spread in time in the year 2013 (RQ1c) are shown in Figure 2. These time series clearly show that there is no underlying regularity in the appearance of topics, so we cannot speak of a seasonal series, which suggests that other characteristics –different to temporality itself– are responsible for the variation in each one of the four topics. With the aim of describing innovative characteristics or properties of the news topics disseminated in the year 2013 (RQ1b), the tone of the message as well as its formal aspects were identified. In the first place, we found that an important number of the messages containing some of the four news topics did not possess indications of subjectivity. This means that they could be classified as neutral (39.2%). However, a clear sentiment in the content was detected in most of them, with 19.8% of the messages having a predominantly positive tone, and 19.7% having a predominantly negative tone. Likewise, the formal characteristics of the messages were analyzed, and the words that were most used in the news topics were found. Among these, there is a clear predominance of the words “Colombia” (2 971 cases) and “Bogotá” (2 391 cases) in the corpus of the tweets. These were listed along with words that referred to conflict, delinquencyrelated events or violence (“paz” [peace], “gobierno” [government], “FarC”, “presidente” [president], “policia” [police], “Santos”). It should be noted that the presence of the words “mundial” [worldwide] Modeling and Diffusion of News Topics in Social Media: ... 11 Figure 2 teMporal evolution oF topiCs in the year 2013 0.8 Topic 1 (Venezuela/International) 0.6 0.4 0.2 0.0 1.00 Topic 2 (Sports/Entretainment/General) 0.75 0.50 0.25 0.00 1.00 Topic 4 (Politics/National Interest/Conflict) 0.75 0.50 0.25 0.00 1.00 Topic 3 (Residual topics) 0.75 0.50 0.25 0.00 April 2013 July 2013 October 2013 Source: the authors. (723 cases) and “mujer” [woman] (482 cases) were also found among the most used words. When looking at the average number of characters (M= 93.91, SD= 21.25), we can see that the messages did not use the maximum number allowed at that moment (140 characters), using an average of 12 words per tweet (M= 11.65, SD= 3.98). The data reveal that most of the messages included links (M= 0.88, SD= 0.35) to other websites, and in lesser number, mentions to other users (M= 0.35, SD= 0.63) and labels or hashtags (M= 0.33, SD= 0.54). 12 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded An analysis of the mentions (@) found in the messages revealed that the most-mentioned profiles (@Portafolioco, @ElTiempo, @FutBolred, @CityTV) belonged to the same publisher as the newspaper (Casa Editorial El Tiempo). Likewise, it was observed that the most-mentioned public figure accounts were @juanMansantos, @petrogustavo, @FalCao and @BaraCKoBaMa. To understand the type of authorship or channel used to disseminate the news topics (RQ1d), an analysis of the retweets (rt) was performed on the @ElTiempo profile. We found that 18.6% of the news topics disseminated all through the year 2013 originated from sources other than the account holder (retweets), while the percentage of their own tweets was 81.4%. Next, with the objective of verifying the relationship between the appearance of the news topics and: a) the innovative characteristics or properties of the message referring to the tone as well as formal aspects (RQ2a); b) the time or moment of production (RQ2b); and c) the channel or authorship of the message (RQ2c), a series of linear regressions were performed. We verified the absence of multicollinearity (with tolerance values close to 1 and the variance inflation factors (viF) below 5). The results are summarized in Table 1. The analysis shows that only regression models for topics 2 (F(4.54872)= 84.483, p< .000), 3 (F(4.54872)= 11.731, p< .000) and 4(F(4.54872)= 44.187, p< .000) can explain part of the variance of the appearance of news items as a whole, although that explained variance is low (6%, 1% and 3%, respectively). Notwithstanding the data reveal that the innovative properties of the message, meaning their formal characteristics and tone, were linked to the dissemination of topics 2, 3 and 4 with low but statistically significant coefficients. Similarly, we see that time or moment of production was a determinant factor in the same topics. In the case of message authorship (rt or not), we observed that it only explained the dissemination of news topics 3 and 4. Even though the influence of these factors is low, the fact that they appear to model the appearance of almost all the news topics is significant. This suggests that even if the link is weak, the diffusion of news topics is not fortuitous, but responds to these and other patterns that should be studied. Topic 1 Formal characteristics+ Tone Time rt or not Topic 2 Topic 3 Topic 4 B .000 β -.004 B -.002*** β -.021*** B .001 β .007 B .001*** β .017*** .003 .008 .019*** .043*** -.016*** -.034*** -.005* -.012* .000 -.003 -.004 -.008 .009*** .003 .061*** .005 -.006*** .011*** -.040*** .019*** -.002*** -.011*** -.015*** -.021*** + Average number of characters, number of words, number of links and number of mentions per tweet. *p < .05; **p < .01; ***p < .001. Source: The authors. Modeling and Diffusion of News Topics in Social Media: ... taBle 1 linear regressions oF news topiC 13 14 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded disCussion and ConClusion In this study we have examined the dissemination of news topics on Twitter based on the modeling of underlying patterns in a longitudinal corpus of informative messages of the social account of a communication outlet, which has allowed us to explore the variables that influence the appearance of themes. The search for patterns can be applied both in social media and in online media, making it possible to explore media agenda problems and, even, to manifest certain practices that are difficult to attend, such as “fake news” or false news, since the algorithms of detection of underlying topics can be modeled with different approaches. According to the results of the study, the topic Politics/National Interest/Conflict was found in the largest part of the messages published in the Twitter account of the Colombian newspaper El Tiempo in the year 2013. If we examine the most important news events in Colombia in 2013 (such as the start of peace talks between Santos’ Government and the Colombian Revolutionary Armed Forces (FarC-ep) at the end of 2012 and the elimination rounds of the FiFa World Cup Brazil 2014), we see that they correspond, besides the topics found, with keywords (peace, government, FarC, president, police, Santos, against, world and worldwide, among others). The data suggests that there is a relationship between the mostmentioned profiles, the more frequent keywords and the main underlying news topics (topics 1 and 2) found with the topic modeling algorithm, as the results of all these items fit within the categories politics or sports. When analyzing the number of characters as an innovative property, it is important to note that the tweets that use all of the space provided by the platform (140 characters) are merely 4.5%, a total of 2 495 cases. This could suggest that the tendency of the outlets is to publish messages that are relatively short, summarizing information using just a few words, and giving concise answers to other users of the platform. We could also highlight the fact that 71.4% of the tweets lacked mentions, and that 86.5% had links. The first could suggest a low degree of interaction with other users in the platform or the possibility that the other people/entities named in the messages did not have a Twitter account, and the second could point to a high rate of re-directing from this platform. Modeling and Diffusion of News Topics in Social Media: ... 15 The range of published tweets varied between 4 000 and 5 000 (per month), evidencing a notable diminishing in the production of tweets on Saturdays (5 585) and Sundays (5 873) with respect to the other days of the week. This situation changed with the increase shown on Mondays (there were 2 136 more tweets than on Sunday), which could be linked to journalistic dynamics and the volume of information generated during the weekend. Previous literature has suggested that time lapses (as far as social and mental constructs) help to create a reality (Stubbs, 2001). Therefore, the days of the week could be associated with certain types of messages or emotions that are transmitted, by a person or, in this case, a medium of news diffusion (relaxation or sports associated to Sundays, leisure with the other weekend days, etc.). On the other hand, the low frequency of retweets (18.6%) indicated low levels of content replication. This means that the newspaper generates scarce moments of visibility for messages from other accounts. While maintaining a high percentage of originality of its publications, the account studied redirected the users to their website or other online resources, turning the external websites into the frame of reference for reading their tweets. Then, even if their own messages are short, they provide more information that is hosted in other domains. Despite this, we can highlight that 70% of the tweets did not have hashtags. This limits in some way the inclusion of the messages in conversations different from those generated by the news diffusion medium. Although the statistical models used only explained little variance found in the news topics, we can highlight that the innovative properties or characteristics and the time or moment of production of the message appeared to be significant predictors in 3 out of 4 news topics modeled. The channel or message authorship appeared to be a significant predictor in only two topics, one of them referring to political and conflict subjects, and the other to residual topics. This association could be due to the fact that generally, in order to report on political or conflict subjects, the sources (defined as channels in this study) are usually cited verbatim to back the information. This could invite us to think about using the messages from other profiles (i.e. political figures) to communicate this type of news events. However, as these data were not consistent enough, we believe that other complementary analyses are necessary. 16 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded Considering what was presented previously, we can argue that these results shed light, using the theory proposed by Rogers (2003) and the advanced computational methods, on some characteristic elements of the diffusion of news in social media. Also, the automated analysis of content methods used, topic modeling and the automated sentiment analysis, among others, were shown to be convenient for this kind of work, by becoming a theoretical-practical support and being helpful in the study of journalistic dynamics. Having found a similarity in numbers between messages classified as positive and negative, as well as a good part of the corpus labeled as neutral, we can infer that there is a distance in terms of linguistic subjectivity in the studied messages. This implies that the media outlet, at least in its Twitter profile, avoids adjectives when reporting events. One of the limitations of the study was the lack of data from June 9th to June 20th, 2013, caused by a technical problem in the application that was used to compile the tweets. This could have caused a slight bias when observing that month’s data, but we must consider that it is impossible to recover the messages that were lost in that timeline, unless the source (in this case El Tiempo newspaper) provides them. Another limitation was the scarcity of previous research on Latin America that could have had similar characteristics such as the size of the sample as well as the techniques used. This is the reason why the comparison of empirical data with other equivalent explorations was not possible. Besides what was already mentioned, we can add that as Twitter is a platform where the messages have a short lifetime (as the oldest messages disappear as new tweets are published). Another limitation was the gathering of an archive that encompassed a longer timeframe, as this implies having open access to the content stored by the owners of the profiles. Lastly, and with respect to the theory by Rogers (2003) in our research, a limiting factor appeared when we could not include the social system as a category of analysis, due to the characteristics of Twitter and the perspective we used. In future research studies, it would be relevant to ask about the inner workings of the process of adoption of these news topics in social media from the perspective of the subject, how short-term news topics appear and disappear as a function of time, and what models could be Modeling and Diffusion of News Topics in Social Media: ... 17 created to try to explain the variance of other message characteristics from the messages found in platforms such as Twitter. Bibliographic references Arcila-Calderón, C., Barbosa-Caro, E. & Cabezuelo-Lorenzo, F. (2016). Técnicas big data: análisis de textos a gran escala para la investigación científica y periodística. EPI, El Profesional de la Información, 25(4), 623-631. Argüelles, I. & Muñoz, A. (2012). An insight into Twitter: A corpus based contrastive study in English and Spanish. Revista de Lingüística y Lenguas Aplicadas, 7, 37-50. Arora, S., Ge, R., Halpern, Y., Mimno, D., Moitra, A., Sontag. D., Wu, Y. & Zhu, M. (2013). Practical algorithm for topic modeling with Provable Guarantees. 30th International Conference on Machine Learning (icml), 28(2), 280-288. Atlanta, United States. Asfari, O., Hannachi, L., Bentayeb, F. & Boussaid, O. (2013). Ontological topic modeling to extract Twitter users’ topics of interest. 8th International Conference on Information Technology and Applications (icita) (pp. 141-146). Sydney, Australia. Blei, D. (2012). Topic models and digital humanities. Journal of Digital Humanities, 2(1), 8-11. Blei, D. & McAuliffe, J. (2007). Supervised topic models. Neural Information Processing Systems, 20, 1-8. Bogdanov, P., Busch, M., Moehlis, J., Singh, A. K. & Szymanski, B. K. (2013). The social media genome: Modeling individual topic-specific behavior in social media. IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining - ASONAM (pp. 236-242). Niagara Falls, Canada. Caballero, U. (2001). Periódicos mexicanos en Internet. Revista Universidad de Guadalajara, 22(46). Cai, K., Spangler, S., Chen, Y. & Zhang, L. (2010). Leveraging sentiment analysis for topic detection. Web Intelligence and Agent Systems: An International Journal, 8, 291-302. Deutschmann, P. & Danielson, W. (1960). Diffusion of knowledge of the major news story. Journalism Quarterly, 37(3), 345-355. 18 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded Emery, S., Szczypka, G., Abril, E., Kim, Y. & Vera, L. (2014). Are you scared yet? Evaluating fear appeal messages in tweets about the tips campaign. Journal of Communication, 64(2), 278-295. Feldman, R. (2013). Techniques and applications for sentiment analysis. Communications of the ACM, 56(4), 82-89. DOI: https://doi. org/10.1145/2436256.2436274 Ferrari, L., Rosi, A., Mamei, M. & Zambonelli, F. (2011). Extracting urban patterns from location-based social networks. Proceedings of the 3rd ACM Sigspatial international workshop on location-based social network (pp. 9-16). Chicago: ACM. García de Torres, E., Rodrigues, J., Saiz, J., Albacar, H., Ruiz, S. & Martínez, S. (2008). Las herramientas 2.0 en los diarios españoles 2006-2008: tendencias. prisma.com, 7, 193-222. Gerber, M. (2014). Predicting crime using Twitter and Kernel Density estimation. Decision Support Systems, 61, 115-125. Ghosh, D. & Guha, R. (2013). What are we ‘tweeting’ about obesity? Mapping tweets with topic modeling and geographic information system. Cartography and Geographic Information Science, 40(2), 90-102. Greenberg, B. (1964). Diffusion of news of the Kennedy assassination. Public Opinion Quarterly, 28(2), 225-232. Henningham, J. (2000). The death of Diana: An Australian news diffusion study. Australian Journalism Review, 22(2), 23-33. Ibrahim, A., Ye, J. & Hoffner, C. (2008). Diffusion of news of the shuttle Columbia disaster: The role of emotional responses and motives for interpersonal communication. Communication Research Reports, 25(2), 91-101. Jungherr, A. (2014). The logic of political coverage on Twitter: Temporal dynamics and content. Journal of Communication, 64(2), 239259. DOI: https://doi.org/10.1111/jcom.12087 Kang, B., O’Donovan, J. & Höllerer, T. (2012). Modeling topic specific credibility in Twitter. IUI‘12 Proceedings of the 2012 ACM International Conference on Intelligent User Interfaces (pp. 179-188). Lisbon, Portugal. Kechaou, Z., Ammar, M. & Alimi, A. (2013). A multi-agent based system for sentiment analysis of user-generated content. International Journal on Artificial Intelligence Tools, 22(2), 1-28. Modeling and Diffusion of News Topics in Social Media: ... 19 Kim, D. & Oh, A. (2011). Topic chains for understanding a news corpus. CICLING’11 Proceedings of the 12th International Conference on Computational Linguistics and Intelligent Text Processing-Volume Part II (pp. 163-176). Tokyo, Japan. Lasorsa, D., Lewis, S. & Holton, A. (2012). Normalizing Twitter: Journalism practice in an emerging communication space. Journalism Studies, 13(1), 19-36. Leetaru, K. (2012). Data mining methods for the content analyst. An introduction to the computational analysis of content. New York: Routledge. Lotan, G., Graeff, E., Ananny, M., Gaffney, D., Pearce, I. & Boyd, D. (2011). The revolutions were Tweeted: Information flows during the 2011 Tunisian and Egyptian revolutions. International Journal of Communication, 5, 1375-1405. Meena, A. & Prabhakar, T. (2007). Sentence level sentiment analysis in the presence of conjuncts using linguistic analysis. In A. Amati, C. Carpineto & G. Romano (Ed.), Advances in Information Retrieval. ECIR 2007. Lecture Notes in Computer Science (vol. 4425). Berlin: Springer. Michelson, M. & Macskassy, S. (2010). Discovering users’ topics of interest on Twitter: A first look. AND’10 Proceedings of the fourth workshop on analytics for noisy unstructured text data (pp. 73-80). Toronto, Canada. Micó, J. L., Canavilhas, J., Masip, P. & Ruiz, C. (2008). La ética en el ejercicio del periodismo: credibilidad y autorregulación en la era del periodismo en Internet. Estudos em Comunicação, 4, 15-39. Mukherjee, S. & Shaw, R. (2016). Big data. Concepts, applications, challenges and future scope. International Journal of Advanced Research in Computer and Communication Engineering, 5(2), 66-74. Newman, D., Chemudugunta, C., Smyth, P. & Steyvers, M. (2006). Analyzing entities and topics in news articles using statistical topic models. ISI’06 Proceedings of the 4th ieee International Conference on Intelligence and Security Informatics (pp. 93-104). San Diego, United States. Newman, N., Dutton, W. & Blank, G. (2012). Social media in the changing ecology of news: The fourth and fifth states in Britain. International Journal of Internet Science, 7(1), 6-22. 20 Carlos Arcila Calderón, Eduar Barbosa Caro, Ignacio Aguaded Paul, M. & Dredze, M. (2014). Discovering health topics in social media using topic models. PLoS one, 9(8), e103408. DOI: https://doi. org/10.1371/journal.pone.0103408 Peslak, A., Ceccucci, W. & Sendall, P. (2010). An empirical study of social networking behavior using diffusion of innovation theory. Conference on Information Systems Applied Research 2010 CONISAR Proceedings. Nashville, United States. Rogers, E. (2000). Reflections on news event diffusion research. Journalism & Mass Communication Quarterly, 77(3), 561-576. Rogers, E. (2003). Diffusion of innovations. New York: Free Press. Rogers, E. & Seidel, N. (2002). Diffusion of news of the terrorist attacks of September 11, 2001. Prometheus, 20(3), 209-219. Said-Hung, E., Serrano, A., García, E., Calderín, M., Rost, A., Arcila, C., Yezers’ka, L., Edo, C., Rojano, M., Jerónimo, P. & Sánchez, J. (2013). Ibero-American online news managers’ goals and handicaps in managing social media. Television and New Media, 4(2). Schultz, B. & Sheffer, M. L. (2012). New brand: The rise of the independent reporter through social media. Online Journal of Communication and Media Technologies, 2(3), 93-112. Stieglitz, S. & Dang-Xuan, L. (2013). Emotions and information diffusion in social media-Sentiment of microblogs and sharing behavior. Journal of Management Information Systems, 29(4), 217-247. Stubbs, M. (2001). Words and phrases: Corpus studies of lexical semantics. Blackwell: Oxford. Turney, P. (2002). Thumbs up or thumbs down? Semantic orientation applied to unsupervised classification of reviews. Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (ACL) (pp. 417-424) Philadelphia, United States. Ularu, E., Puican, F., Apostu, A. & Velicanu, M. (2012). Perspectives on big data and big data analytics. Database Systems Journal, 3(4), 3-14. Ure, M. & Parselis, M. (2013). Argentine media and journalists enhancing and polluting of communication on Twitter. International Journal of Communication, 7, 1784-1800. Modeling and Diffusion of News Topics in Social Media: ... 21 Vinodhini, G. & Chandrasekaran, R. M. (2012). Sentiment analysis and opinion mining: A survey. International Journal of Advanced Research in Computer Science and Software Engineering, 2(6), 282292. Wasike, B. (2013). Framing news in 140 characters: How social media editors frame the news and interact with audiences via Twitter. Global Media Journal-Canadian Edition, 6(1), 5-23. Zhao, W., Jiang, J., Weng, J., He, J., Lim, E., Yan, H. & Li, X. (2011). Comparing Twitter and traditional media using topic models. Advances in Information Retrieval: 33rd European Conference on IR Research - ECIR, 2011. Dublin, Ireland.