CUADERNOS.INFO Nº 49
Versión electrónica: ISSN 0719-367x
http://www.cuadernos.info
https://doi.org/10.7764/cdi.49.27509
Recibido: 30-03-2020 / Aceptado: 22-04-2021
“Vital testimonio confirmó…”: Polarización de
fuentes y redes en el Caso Catrillanca en Twitter
“A Vital testimony confirmed…”: Sources and Networks
Polarization over Catrillanca’s Case on Twitter
“Vital testemunha confirmou…”: Polarização de fontes e redes no Caso
Catrillanca no Twitter
Marcelo Luis Barbosa dos Santos, Universidad Finis Terrae, Santiago, Chile (msantos@uft.cl)
Oscar Jaramillo Castro, Universidad Finis Terrae, Santiago, Chile (ojaramillo@uft.cl)
Daniel Aguirre Azócar, Universidad del Desarrollo, Santiago, Chile (doaguirre@udd.cl)
resumen | Este estudio analiza la polarización de las opiniones en Twitter que se
generaron en torno al asesinato del comunero mapuche Camilo Catrillanca en Chile,
en 2018, tras revelarse las irregularidades del procedimiento policial en torno a su
muerte. Se explora la presencia de las llamadas cámaras de eco y las burbujas de filtro
en clústeres formados por grupos con mayor presencia de usuarios radicalizados
políticamente de acuerdo con sus perfiles en la plataforma. Apoyado en técnicas de
análisis de redes sociales (ARS), analítica de medios sociales y análisis de contenido,
se observa que las redes formadas por actores más radicales de derecha son más
homofílicas y usan menor diversidad de fuentes. Se discuten los resultados, se
señalan limitaciones y posibles caminos futuros.
Palabras claves: Mapuche; Catrillanca; polarización; redes sociales; contenido
generado por usuario; desinformación; Twitter; ARS.
forma de citar
Santos, M. L. B., Jaramillo Castro, O. & Aguirre, D. (2021). “Vital testimonio confirmó…”: Polarización
de fuentes y redes en el Caso Catrillanca en Twitter. Cuadernos.info, (49), 26-50.
https://doi.org/10.7764/cdi.49.27509
26
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
ABSTRACT | The murder in 2018 of Camilio Catrillanca, a member of a Mapuche tribe
located in the South of Chile, garnered notorious relevancy because of the event itself but
also due to the failed attempt by Chilean police to manipulate evidence that pointed to police
violence and abuse. This study explores networked behavior surrounding Catrillanca’s death
once the police coverup became public, seeking to identify echo chambers and filter bubbles
within politically radicalized user clusters. Through social network analysis (SNA), social
media analytics, and content analysis, the study concludes that networks on the right of the
political spectrum are homophilic and refer to less diverse sources of information, pointing
to network behavior resembling echo chambers and filter bubbles. The final portion of this
study provides further discussion of its results in context, limitations, and future research
pathways.
KeywoRdS: Mapuche; Catrillanca; polarization; social media; user-generated content;
disinformation; Twitter; SNA.
resumo | Este estudo analisa a polarização das opiniões no Twitter que se geraram
em torno do assassinato do comuneiro mapuche Camilo Catrillanca no Chile, em 2018,
após a revelação das manipulações do procedimento policial na sua morte. Explora-se
a presença das chamadas câmaras de eco e as bolhas de filtro em clusters formados
por grupos com maior presença de usuários mais radicais politicamente segundo
seus perfis na plataforma. Apoiado em técnicas de análise de redes sociais (ARS),
analítica de mídia social e análise de conteúdo, se conclui que as redes formadas
por atores mais radicais de direita são mais homofílicas e usam menor diversidade
de fontes. Analisam-se os resultados e apontam-se limitações e possíveis caminhos
futuros.
Palavras-chave: Mapuche; Catrillanca; polarização; redes sociais; conteúdo
gerado por usuário; desinformação; Twitter; ARS.
27
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
introducción
El estudio de la polarización política en los flujos de opinión que circulan en las
redes sociales y sus consecuencias ha cobrado relevancia en el último tiempo. Este
fenómeno comunicacional ha sido asociado con las burbujas de filtro y cámaras de
eco, así como con tendencias a la homofilia, que son observables en las redes. Los
métodos computacionales son importantes aliados para explorar estas prácticas
de comunicación que generan un importante volumen de datos.
Algunos eventos sociales, como el caso del asesinato del comunero mapuche
Camilo Catrillanca en Chile en 2018 y la conversación pública en Twitter generada
en torno a la verdad sobre su muerte constituyen hitos para ilustrar problemáticas
en el campo de la comunicación, en que la vida democrática se ve potencialmente
afectada por fenómenos como la polarización política y la desinformación (Garrett
et al., 2013; Vaccari, 2018). Este estudio explora la dinámica de polarización y
desinformación, a partir de una nota de prensa ampliamente difundida en Twitter:
“Vital testimonio confirmó que Camilo Catrillanca participó en violento robo
previo a su muerte” (Crónica Chile, 2018). También se exploran otras dinámicas
de conexión y comunicación en torno a la revelación de los procedimientos de
Carabineros de Chile.
En el ámbito específico de la comunicación digital, desde el advenimiento de los
buscadores y blogs ya se discuten metáforas que parecieran ser propias de Internet,
como las burbujas de filtro (Pariser, 2011) y las cámaras de eco (Sunstein, citado por
Bruns, 2019), metáforas que buscan dar explicación a fenómenos supuestamente
derivados de la integración de estas tecnologías a la vida cotidiana, al quehacer
informativo y a la comunicación política. Bruns (2017, 2019) propone que las
cámaras de eco se refieren a patrones de conexión entre los usuarios, y las burbujas
de filtro a prácticas de comunicación en las plataformas digitales:
Se crea una cámara de eco donde un grupo de participantes elige conectarse preferentemente entre sí, con exclusión de los externos (...) Una burbuja
de filtro emerge cuando un grupo de participantes, independiente de las
estructuras de red subyacentes de sus conexiones con otros, elige comunicarse preferentemente entre sí, con exclusión de los extraños (Bruns, 2017, p.
3, énfasis en el original).
Pese la prolífica especulación sobre cómo los procesos de polarización conllevan
fenómenos de aislamiento político e informacional, falta avanzar en investigaciones
para obtener una mayor evidencia científica sobre las burbujas de filtro y las cámaras
de eco, para evitar, como afirma Bruns (2017, 2019) quedarse en especulaciones
de escasa definición, basadas en evidencias anecdóticas o en metáforas. El mismo
autor critica la popularización de ambas expresiones vinculadas con el contexto de
28
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
los medios digitales, limitadas a su aura de tecno-determinista, que presentan a las
redes más bien como un “conveniente chivo expiatorio tecnológico” (Bruns, 2019, p. 2).
Desde la perspectiva empírica, aunque con definiciones y umbrales variados –
por ejemplo, cuán cerrada debe ser una red de comunicación para ser considerada
una burbuja–, los estudios han sistemáticamente desestimado la asociación de
ambas perspectivas con el advenimiento de las tecnologías de comunicación
digitales, sean los blogs, los motores de búsqueda, los algoritmos de redes sociales
digitales u otros (Adamic & Glance, 2005; Bruns, 2017, 2019; Duggan & Smith,
2016; Gentzkow & Shapiro, 2011).
En este sentido, en este trabajo se busca suplir parcialmente demandas
identificadas por Tucker y sus colegas (2018) al estudiar un caso de polarización
y exposición a desinformación fuera de los Estados Unidos y a la vez “evaluar el rol
de asimetrías ideológicas mediando el efecto de la exposición a la desinformación
y a la polarización” (p.7). Adicionalmente, Bruns (2017) sostiene que se necesitan
mejores evaluaciones empíricas sobre la relevancia y el impacto concreto de ambos
conceptos en cuestión.
Otro fenómeno que en las investigaciones se relaciona con la problemática
comunicacional de la polarización política y con su estudio específico en las redes
sociales es el de la homofilia. En sociología, homofilia se puede definir ampliamente
como “la tendencia a que las relaciones sociales vinculen a personas socialmente
similares” (Bargsted et al., 2020), pudiendo ser motivado por diferentes factores
sociales, como la edad, la religión y la posición política. Si por un lado la homofilia
favorece la cohesión social, por otro puede generar distancia entre grupos sociales
cohesionados entre sí, fragmentando el tejido social que, en situaciones de conflicto
social agudo, puede eventualmente llevar a la polarización política (Bargsted et
al., 2020). Adicionalmente, al haber liderazgos que descalifican o invisibilizan al
otro, dicha polarización se puede convertir en demonización y generar el caldo
de cultivo, a partir de lo simbólico, para el enfrentamiento y la violencia (RomeroRodríguez et al., 2015).
En Twitter, específicamente, se pueden conformar grupos bastante
desconectados entre sí en torno a figuras de extremos ideológicos opuestos. En el
caso de Chile, Alcatruz (2018) examina la polarización política en Twitter, en torno
a candidatos presidenciales específicos que en su discurso apelan a la polarización,
pero también en torno al debate presidencial transmitido a todo el país por la
asociación de canales de televisión de Chile, la ANATEL, Asociación nacional
de televisión, con escasos puentes entre los grupos, aun cuando las redes sean
formadas ad-hoc (Bruns & Burgess, 2011) en torno a una etiqueta compartida.
En otras palabras, pocos o ningún individuo está vinculado a ambos polos de
29
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
discusión, lo cual favorece la idea de la cámara de eco. Aruguete (2019) argumenta
que los algoritmos de Twitter “educan a la cámara de eco, consolidan la segregación
homofílica y apuntalan la polarización” (p.24).
Asimismo, no necesariamente todos los grupos sociales o incluso grupos
radicales de orientación políticas distintas operan de la misma forma en sus
interacciones en red. Faris y sus colegas (2017) han demostrado cómo en las
elecciones estadounidenses de 2016, que ganó Donald Trump, hubo diferencias
relevantes en los ecosistemas de medios consultados por los partisanos de ambos
lados del espectro político. La derecha radical en los Estados Unidos estaba menos
expuesta a fuentes que los autores consideran confiables, las que en principio
debieran contribuir a balancear los contrapuntos, corroborar información o
desmentir desinformación: “el ecosistema de medios de derecha al ser más aislado
era susceptible a la propaganda y desinformación sostenida de la red” (Faris et al.,
2017, p. 16). Barberá y sus colegas (2015) encontraron algo similar en un análisis de
150 millones de tuits: los liberales tenían mayor probabilidad de exponerse a fuentes
de ideología opuesta que los conservadores, pero a la vez el grado de homofilia
ideológica depende del tópico discutido. Los autores concluyen que “posiblemente
trabajos anteriores sobreestimaron el grado de segregación ideológica en el uso
de social media” (Barberá et al., 2015, p. 1). En línea con dicho estudio, Dubois y
Blank (2018) relativizan el alcance de las cámaras de eco en contextos de highchoice media environments, identificando interés político y dieta diversa de medios
como factores moderadores de dicho fenómeno.
Según Dalton (2008), para haber polarización del sistema político, debiera haber
un número significativo de partidos en los extremos políticos. Pese a que en Chile
esto último no se verifica en la actualidad, entre 1990 y 2017 hay indicios de un
creciente distanciamiento ideológico generacional entre adultos y tercera edad y
también entre individuos de diferentes niveles socioeconómicos, en que “opositores
y adherentes tomaron distancia uno con otros y, además, se volvieron internamente
más cohesionados” (Lindh et al., 2019, p. 116), que podría ser identificado con lo
que Sunstein (2002) llama “polarización grupal”, en que las posiciones del grupo,
cuando hay deliberación, se radicalizan en vez de transitar hacia el centro (p. 176).
La polarización política ocurre en la actualidad en un escenario en el que en
la disputa de significados de los sucesos, ya no solo la prensa oficial juega un rol
como los tradicionales gatekeepers y determinantes de la agenda noticiosa, sino que
los usuarios se convierten en gatewatchers, quienes “participaron en una práctica
secundaria de vigilancia observando las historias cubiertas en otros medios, tanto
convencionales como alternativos, y vinculados, compartidos y expandidos en
estas historias en su propia cobertura” (Bruns, 2018, p. 2).
30
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Desde esta perspectiva, los usuarios dejan de ser consumidores pasivos de
información para convertirse en creadores de contenido y en agentes impulsores
de la circulación de las fuentes de información de su propia selección para
alimentar sus redes digitales. En efecto, si esto ya sucedía de forma menos
visible mediante conversaciones y circulación material de los medios impresos o
electrónicos, en las redes sociales digitales dicho fenómeno se expande y convierte
en algo observable específicamente a través de las acciones –individuales o
agregadas– de los usuarios.
El pueblo originario Mapuche y el caso Catrillanca
En 2019, el informe del relator especial sobre la extrema pobreza y los derechos
humanos en la Asamblea general de las Naciones Unidas expresaba que “los
derechos de los pueblos indígenas son el talón de Aquiles del historial de Chile
en lo que respecta a los derechos humanos en el siglo XXI” (Naciones Unidas,
2016, p. 15). La problemática del pueblo indígena Mapuche y el Estado chileno
data de periodos coloniales y resurge con fuerza en la actualidad a partir de
abusos policiales y violencia explosivas entre ambas partes, dejando al menos
cuatro ciudadanos Mapuche muertos por las fuerzas policiales en democracia
(Calfío et al., 2020).
La situación del pueblo Mapuche es escenario de disputas en diferentes ámbitos
de la sociedad chilena: legislativo (leyes, políticas públicas, acuerdos como el
Convenio 169 de la Organización Internacional del Trabajo1) y judicial, como la
criminalización de la protesta social y la respuesta predominantemente punitiva
del estado (Toledo Llancaqueo, 2007), o aún la aplicación de la ley antiterrorista
en casos de reivindicación de tierras (Calfío et al., 2020). Así también el ámbito
semiótico, es decir, la disputa por los significados de los sucesos entre los que
participan en la formación de la opinión pública del país, cobra importancia como
espacio de potencial discordia, aunque frecuentemente la prensa oficial, tanto
nacional como regional, cubre la temática de forma desfavorable a los Mapuche,
omitiendo a menudo la perspectiva y usando encuadres negativos cuando el sujeto
Mapuche tiene posición activa en la sociedad y positivos cuando su posición es
pasiva (Hudson et al., 2020).
Camilo Catrillanca Marín fue asesinado el 14 de noviembre de 2018 en la
comunidad de Temucuicui, en la novena región. El comunero mapuche murió
por un disparo en la cabeza, atribuido a miembros del Grupo de Operaciones
Policiales Especiales de Carabineros de Chile, más conocido como Comando Jungla,
1. Establece la obligatoriedad de consultar a los pueblos originarios cuando hay medidas que
los impactan.
31
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
situación que no fue dada a conocer como versión oficial en un inicio. Si bien
el 17 de noviembre la institución había declarado que no existían grabaciones
audiovisuales del hecho –pese al protocolo de grabar las operaciones con cámaras
de video–, dos días después el Centro de investigaciones periodísticas Ciper Chile
publicó el testimonio clave de los sucesos (Sepúlveda, 2018), que comprueba
que había al menos un video realizado por el carabinero que había disparado a
Catrillanca en el operativo, capturado con una cámara GoPro. Así se destapó el
escándalo del montaje de Carabineros, que había ocultado y falseado evidencias
(Basadre & Equipo Ciper, 2019) y contado una versión de los hechos ocurridos
parcialmente inventada (Ramírez & Sepúlveda, 2018). En los días siguientes,
además del montaje comenzaron a circular otras evidencias que iban develando
la verdad de los hechos ocurridos en torno al asesinato de Catrillanca. Tras
las revelaciones, emergieron oposiciones politizadas en torno a la imagen de
diferentes actores, tales como el gobierno, carabineros, los Mapuche, entre otros.
Así, el análisis de la información que circulaba sentenciaba que “manipularon
hechos, manipularon datos, manipularon información, manipularon protocolos,
mintieron de manera descarada” (Calfío et al., 2020, p. 19). La muerte de Camilo
Catrillanca fue finalmente definida como asesinato por el fiscal del caso (Basadre
& Equipo Ciper, 2019).
El periodo analizado para esta investigación exploratoria corresponde al
flujo de opinión en Twitter tras revelarse dicho montaje, al unirse dos temas que
históricamente dividen a la opinión pública chilena, el actuar de Carabineros y la
situación histórica de uno de los pueblos indígenas originarios que habita en el
sur de Chile, el pueblo Mapuche (en español, gente de la tierra). En ese contexto,
este estudio se propuso responder a la siguiente interrogante:
¿Cómo fueron los patrones de conexión y los patrones de comunicación de los
grupos identificados predominantemente con una u otra orientación política en Twitter?
método
Para abordar la interrogante de investigación se aplicaron métodos de análisis
de redes sociales (ARS), analítica de medios sociales2 (Stieglitz et al., 2014) y análisis
de contenido de una muestra del conjunto de datos, seleccionada mediante métodos
computacionales (screening o filtrado), de forma que cada método se nutre del otro.
2. Se utilizó el software Tableau Desktop para el análisis y visualización de los datos, para
complementar el NodeXL.
32
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Datos
Los datos fueron descargados de manera directa desde la API3 de Twitter el 24
de noviembre de 2018 a las 23:00 hrs de Chile Continental, con la versión de pago
del software de ARS, NodeXL. En aquel momento, Twitter permitía descargar
información por un periodo de hasta 10 días, por lo que se obtuvieron 18.472 tuits
únicos entre el 14 al 24 de noviembre de 2018.
El término de búsqueda utilizado fue solamente Camilo Catrillanca, para obtener
una coincidencia exacta. Se obtuvo un corpus compuesto por 25.595 relaciones
o aristas y 10.028 vértices o nodos de red (cuentas de Twitter). NodeXL no solo
recopila los tuits que tienen el término de búsqueda, sino que también todas las
relaciones que se establecen mediante los retuits, menciones y réplicas (Hansen
et al., 2019). De esa manera reproduce los hilos o conversaciones que se producen
en la red social en torno a un tema específico (Hansen et al, 2019).
Una vez recopilados los datos, se procedió a realizar el análisis de clúster o
comunidades propio del ARS con el software NodeXL. Luego se calcularon las
distintas medidas de centralización (que se aplican a toda la red) y de centralidad
(que se aplica a cada vértice en específico). Además de estas dos medidas se aplicó la
herramienta de text mining de NodeXL para identificar: vértice (cuenta de Twitter)
que inicia la relación (V1), el vértice que recibe la relación (V2), el tipo de relación
que se produce (tuit, retuit, mención o réplica), el texto completo del tuit, el clúster
(grupo) al que pertenece el vértice que inicia la relación, el clúster al que pertenece
el vértice que recibe la relación, la o las URL específicas utilizadas en el tuit y el
nombre del dominio empleado en el tuit, los bigramas (pares de palabras) más
usados en cada clúster, la descripción de la cuenta de Twitter que hace su propio
autor, su número ID y el link a la cuenta de Twitter.
Con estas bases de datos, se realizó un análisis de contenido en los vértices que
inician la relación (V1), codificándolos a partir de palabras clave de su biografía
de perfil como radicales de derecha y radicales de izquierda. En seguida se aplicó
analítica de medios sociales para realizar el cruce entre ambos para identificar
clústeres con predominancia de usuarios codificados, asumiendo de forma
exploratoria que dicha predominancia permite inferir la militancia política a
los demás miembros del clúster. Con base en el mismo método, se identificaron
las principales fuentes de información difundidas por los grupos con diferentes
orientaciones políticas, según agrupamientos (clústeres) de redes sociales. Este
procedimiento permite analizar los patrones de comunicación preferente de los
grupos identificados, es decir, sugerir grados de existencia de burbujas de filtro.
3. Application Programming Interface.
33
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Posteriormente, el análisis de modularidad de la red a través del ARS permitió
examinar grados de conectividad entre clústeres, o más bien, aislamiento de ellos,
lo cual podría caracterizar cámaras de eco.
Sin embargo, ante la ausencia de parámetros definidos en la literatura para
distinguir claramente qué grado implica una cámara de eco o una burbuja de
filtro (Bruns, 2019), unido al hecho de que el diseño metodológico es de carácter
exploratorio, el foco es discutir en perspectiva comparada los clústeres, discutiendo
tendencias, más que aventurar conclusiones tajantes. Además, se debe considerar
que la autocalificación de las personas en sus perfiles para definir su orientación
política no fue corroborada directamente con estas.
Análisis de redes sociales
El ARS (Hansen et al, 2011) es la aplicación de un campo amplio, como la ciencia
de redes, al estudio de las relaciones humanas y sus conexiones. Es un método de
análisis usado para describir y analizar los vínculos en las redes sociales entre
entidades, incluidas las personas. El análisis de redes sociales no se preocupa del
rating, sino de las relaciones sociales que se establecen y cómo fluye la información
mediante las redes que se conforman tras las diferentes formas de contacto entre
los individuos. Debido al foco en las estructuras de las redes, no solo se analizan
los mensajes (tuits), sino que también las relaciones: retuits, menciones y réplicas.
La tabla 1 muestra el resumen del total de las relaciones que fueron descargadas
para esta investigación. En total, se obtuvieron 24.593 relaciones, de las cuales
16.426 (66,8% del total) corresponden a retuits, 6360 menciones (25,9%), 1498 tuits
(6,1%) y 309 réplicas (1,3%). Nótese que el número de relaciones no es igual al
número de tuits, pues un tuit puede contener más de una relación: puede ser una
respuesta mencionando a alguien o un retuit de un tuit que contiene menciones
y así, sucesivamente.
Relación
Frecuencia relativa
Porcentaje
Retuits
16.426
66,8%
Menciones
6360
25,9%
Réplicas
309
1,3%
Tuits
1498
6,1%
Total
24.593
100,0%
Tabla 1. Relaciones del caso Catrillanca con base en los tuits descargados
desde el 21 al 24 de noviembre de 2018
Fuente: Elaboración propia.
34
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Análisis de clúster
Para realizar el análisis de clúster con NodeXL se utilizó el algoritmo ClausetNewman-Moore, que se basa en la modularidad para establecer la frontera entre
los distintos grupos. Dicho algoritmo busca grupos de vértices que estén conectados
densamente entre ellos y que posean pocas conexiones con otros grupos (Clauset
et al., 2004; Mendes Rodrigues et al., 2011). En las redes humanas, es común
que las personas conformen grupos marcados por la amistad, la homofilia o los
lazos sanguíneos, pero “en el lenguaje del análisis de redes, los grupos (clústeres)
son conjuntos de vértices densamente conectados que solo están escasamente
conectados a otros conjuntos” (Hansen et al., 2019, p. 95).
En una red social como Twitter, NodeXL crea una conexión cuando un vértice
(una cuenta de Twitter) retuitea, menciona, replica o marca como favorito un tuit
efectuado por otra cuenta (De Nooy et al., 2005; Smith et al., 2014; Hansen et al.,
2019). Cada una de estas acciones es mapeada y resulta en una relación entre dos
usuarios, por ejemplo, el usuario (vértice) que menciona (V1) y el mencionado (V2).
El algoritmo fue seleccionado porque maneja de manera adecuada los recursos
computacionales cuando se trata de redes grandes de más de 10 mil relaciones
(Hansen et al., 2019; Clauset et al., 2004).
El análisis de clúster del ARS se diferencia del análisis de conglomerados que
normalmente se realiza en el campo de la estadística, ya que posee un objeto
de estudio distinto (Himelboim et al., 2017). El análisis de conglomerados es un
conjunto de técnicas estadísticas que se utilizan para clasificar objetos o casos
en grupos homogéneos, que se denominan conglomerados o clústeres (Cea
D’Ancona, 2004). La construcción de los grupos o clústeres se realiza a partir de
las características o patrones de comportamiento de los casos estudiados (Uriel &
Aldás, 2005). A diferencia de los análisis de clústeres jerárquicos y no jerárquicos,
que agrupan a los individuos a partir de las distancias que tienen con respecto a
variables de corte antropológico o sociológico, el ARS es de carácter estructural,
por lo que conforma los clústeres a partir de las conexiones que se establecen entre
las personas gracias a las funcionalidades de la plataforma. En la medida en que
las personas establecen muchas relaciones recíprocas entre ellas y pocas con el
resto, conformarán un grupo o clúster.
Para este estudio, seleccionamos los cinco clústeres más poblados que tenían
una orientación política marcada hacia uno de los polos políticos. Tal muestra
da cuenta de 63,1% del total de mensajes del set de datos y está compuesta por
los clústeres 1 a 6, excluyendo el 4, considerado de composición mixta, como
veremos más adelante.
35
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
En abordaje del ARS, el concepto de homofilia significa “la tendencia consciente
o inconsciente de asociarse con personas que nos recuerdan a nosotros mismos”
(Christakis & Fowler, 2009, p. 17), apuntando así a la metáfora de las cámaras de
eco. Una forma de averiguarlo, en ARS, es calculando índices de modularidad,
una medida de la cualidad de agrupamiento de las subredes (Himelboim et al.,
2017) que revela su nivel de hermeticidad. El rango de esta métrica varía de 1 a 0,
en donde el cero indica la ausencia de modularidad y el 1, la modularidad total o
hermetismo: la inexistencia de relaciones con otros grupos.
En la sociedad chilena, donde predomina la clausura de grupo (Bargsted et al.,
2020), es probable que los usuarios de redes más homofílicas se expongan menos
a fuentes diversas de información, generando burbujas de filtro, en la forma como
operacionalizamos para este estudio. Adicionalmente, como veremos, si un clúster
es muy homogéneo (por ejemplo, comparte una baja diversidad de fuentes de
información), la ausencia de conexiones con otros clústeres podría indicar una
forma de cámara de eco, pues disminuye la probabilidad de exposición a posiciones
políticas o fuentes de información distintas a las de su grupo.
Análisis de contenido: orientación política de los clústeres
Varios estudios han usado el contenido de la biografía de perfil en Twitter
para identificar el campo al que pertenece un académico en Twitter (Vainio &
Holmberg, 2017), para clasificar tipos de usuarios según su relación con una
protesta política (Santos, 2018), para estudiar el self-branding de periodistas en
Twitter a partir de las palabras, links y metadatos de la biografía (Hanusch &
Bruns, 2017), o encontrar patrones de imágenes de perfil que se correlacionen con
trazos de depresión o ansiedad (Guntuku et al., 2019). Otros estudios han realizado
el procedimiento inverso, usando el contenido de la biografía como insumo para
tipificar usuarios (Uddin et al., 2014) o detectar clústeres en torno a un enlace de
una noticia del New York Times a partir de palabras reincidentes en las biografías
(HerdaĞdelen et al., 2013).
En esta línea, es razonable esperar que expresiones de posicionamiento político
en la biografía sean un indicador de radicalización política de un usuario de redes
sociales. Si bien el acto de publicar mensajes y otras interacciones en Twitter puede
tener más bien un carácter performativo (Papacharissi, 2012), al expresar algo en
su biografía, el usuario está tomando una posición, si no permanente (Shima et
al., 2017), al menos más duradera que sus posteos.
Para determinar la orientación política de los usuarios a partir de sus biografías,
se realizó un procedimiento exploratorio de tres etapas: (i) filtrado (apoyado por
computador) por palabras clave presentes en la biografía de los usuarios, relacionadas
con la radicalidad política, seguido de una revisión manual de dichas biografías,
36
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Radicales de derecha
Radicales de izquierda
derecha, patriota, pinochet, kast, conservador
izquierda, zurdo, comunista, marxista
Tabla 2. Palabras clave para preselección de los usuarios políticos radicales
Fuente: Elaboración propia. Por razones técnicas, la búsqueda automática se realizó con minúsculas.
(ii) identificación de la presencia de dichos usuarios en los clústeres mapeados
previamente con ARS, como un indicador de predominio de usuarios de una u otra
tendencia política, y (iii) análisis de los bigramas más mencionados en los textos de
los tuits pertenecientes a cada clúster para ratificar su tendencia política identificada
a partir de la predominancia de usuarios codificados como de izquierda o de derecha.
Para identificar el grupo de usuarios radicales de derecha y de izquierda, por lo
tanto, se ha hecho un breve análisis de contenido con base en un grupo de palabras
clave que designan radicalidad política, en la medida en la que fueron identificadas
en la biografía de los usuarios de Twitter de la muestra, según la tabla 2.
De un total de 9753 usuarios emisores (V1), 1546 presentaron incidencia de
las palabras clave identificadas (606 derecha y 940 izquierda). Sin embargo, es
habitual que usuarios se definan mediante la negación discursiva: “Jamás por la
izquierda” o “anti-Pinochet”. Por esta razón se procedió a un chequeo individual
manual de las descripciones, ajustando el resultado para mayor validez. En casos de
ausencia de claridad, se recurrió al usuario en Twitter para observar sus mensajes
recientes y evaluar su orientación política de forma definitiva. El resultado final
tras dicho procedimiento fue de 1383 usuarios políticamente radicales, siendo
476 de derecha y 907 de izquierda, casi el doble de sus opuestos, mostrando un
desbalance razonable entre la presencia de ambos grupos en la discusión en torno
a la temática seleccionada en favor de los usuarios radicales de izquierda.
Tras estudiar la homofilia en Chile, Bargsted y sus colegas (2020) concluyen
que “hay una marcada discontinuidad en el nivel de interacción entre personas
con y sin preferencias ideológicas definidas” (p. 603). En otras palabras, chilenos
con preferencia ideológica definida interactúan mucho menos con aquellos
sin preferencia ideológica definida y viceversa. Si los usuarios sin posición
política definida interactúan poco con aquellos que sí la tienen, planteamos
que aquellos que sí interactúen –y, por lo tanto, sean incluidos en el clúster–
tienen una tendencia a ser también usuarios con una posición definida, pero
no declarada en su biografía. Ante la ausencia de los radicales codificados del
espectro opuesto en todos los clústeres, a excepción del 4, proponemos por lo tanto
extrapolar la codificación según dicha orientación, tal como se señala en la tabla 4.
37
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Clúster
Bigramas más frecuentes en los tuits
1
asesinato,camilo muerte,camilo comando,jungla repudio,asesinato
fuerzas,especiales canal,13 13,años pueblo,mapuche minuto,silencio
2
muerte,camilo ahora,manifestación manifestación,pacífica 100,personas
palacio,moneda pacífica,silenciosa silenciosa,muerte catrillanca,frente
frente,palacio
3
violento,robo vital,testimonio testimonio,confirmó confirmó,camilo
catrillanca,participó participó,violento robo,previo previo,muerte
renuncia,intendente
4
muerte,camilo asesinato,camilo minuto,silencio rostro,camilo centenar,jóvenes
jóvenes,rodea rodea,moneda moneda,rostro comando,jungla
5
comando,jungla 1,piñera piñera,crea crea,comando jungla,2 2,comando
jungla,asesina asesina,camilo catrillanca,3
6
colegio,san san,ignacio ignacio,bosque catrillanca,vía bosque,bandera
bandera,mapuche mapuche,media media,asta asta,señal
Por razones técnicas, la búsqueda se hizo en minúsculas.
Tabla 3. Bigramas más frecuentes en los tuits, por clúster
Fuente: Elaboración propia con base en NodeXL.
En otras palabras, los usuarios emisores (V1) de los clústeres 1, 2, 5 y 6 fueron todos
codificados como Usuario-Izquierda, mientras los usuarios del clúster 3 fueron
codificados como Usuario-Derecha, sin discutir la intensidad de dicha orientación.
Esta maniobra de evidente carácter exploratorio permite algunos hallazgos a ser
discutidos dentro de las limitaciones inherentes de dicho alcance.
Adicionalmente, se realizó un análisis de los bigramas más frecuentes para
verificar tendencias políticas a partir de estas combinaciones de palabras (tabla 3).
Obsérvese la diferencia entre los bigramas del clúster 3 (negativos, criminalizando
a Catrillanca) versus los del 1, 2, 5 y 6, caracterizados como clústeres de izquierda
(tabla 4). Cabe destacar que los bigramas del clúster 3 están casi todos relacionados
con la nota de prensa más compartida titulada “Vital testimonio confirmó que
Camilo Catrillanca participó en violento robo previo a su muerte” (Crónica Chile,
2018), punto que se analizará con mayor detención.
Tras la codificación de los usuarios, la muestra fue incorporada nuevamente
en la base de datos para identificar su incidencia en cada clúster y analizar las
fuentes usadas, apoyados por procedimientos de analítica de medios sociales.
38
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
resultados y discusión
La red de relaciones del conjunto de datos es una red relativamente modular
(0,57), implicando que de forma general hay poca conectividad entre los diferentes
subgrupos identificados a partir del análisis de clústeres. A continuación,
se observan los principales clústeres en mayor detalle y la modularidad
individual de cada clúster para poder inferir algunas observaciones sobre las
problemáticas abordadas en esta investigación referente a las cámaras de eco y
de las burbujas de filtro.
Metáfora 1: cámaras de eco
El método aplicado resultó en seis clústeres, cinco de los cuales presentan
algún grado de polarización (tabla 4) : cuatro están conformados principalmente
por usuarios de izquierda (clústeres 1-2-5 y 6) y uno tiene predominancia de
usuarios de derecha (clúster 3). Solo uno (clúster 4) presenta una composición
que denominamos mixta en la clasificación nominal de los grupos. Se decidió, por
lo tanto, excluir al clúster 4 de la suma del total para cada columna en dicha tabla
para observar mejor los polos.
ESe observa que hay un cierto equilibrio relativo en esta muestra en cuanto
a usuarios codificados como radicales de derecha y radicales de izquierda, pues
ambos representan entre 8 y 9% del total de usuarios en los clústeres estudiados.
Sin embargo, la concentración de usuarios radicales de derecha en el clúster 3
es notable: 424 usuarios, lo cual indica que 70% de todos los usuarios codificados
como radicales de derecha están concentrados en un único clúster, mientras
el clúster codificado como Izquierda 1 contiene poco menos de 40% de los
usuarios codificados como radicales de izquierda. En términos de un análisis
general del comportamiento de la red, esto implica que, si bien la muestra tiene
predominancia de usuarios que podrían ser categorizados como de izquierda,
aquellos usuarios que codificamos como radicales de derecha están casi todos
concentrados en un solo clúster. Asimismo, dicho clúster es el que posee la
mayor modularidad (0,95). Ello implica que solo 5% de los mensajes configuran
conexiones con otros clústeres – para efectos de comparación, el segundo clúster
más endogámico es el 1, con 77% de interacciones dentro del mismo grupo–.
El clúster 3 presenta características, al menos en el carácter relativo a la red
estudiada, que podrían ser asociadas a la idea de cámaras de eco, ya que las
interacciones conectan poco otros clústeres que están codificados con diferentes
orientaciones políticas.
39
santos, m. l. b., jaramillo castro, o. & aguirre, d.
Total usuarios
únicos
Mensajes únicos
en el clúster
Modularidad
(0-1)
Clasificación
nominal
N usuarios
Porcentaje
N usuarios
Porcentaje
“Vital testimonio confirmó…”
Clúster 1
2
0,1%
373
21,6%
1.730
4.245
0,77
Izquierda 1
Clúster 2
1
0,1%
53
4,3%
1.237
1.428
0,68
Izquierda 2
Clúster 3
424
34,6%
8
0,7%
1.224
1.944
0,95
Derecha
Clúster 4
11
1,6%
25
3,6%
693
1.009
0,61
Mixto
Clúster 5
2
0,3%
27
4,0%
668
725
0,57
Izquierda 3
Clúster 6
1
0,2%
17
3,5%
485
507
0,66
Izquierda 4
SUMA*
430
8,0%
478
8,9%
5.344
8.849
Derecha
Izquierda
*Excluye Clúster 4.
Tabla 4. Análisis de los clústeres según incidencia de usuarios codificados
como radical de derecha y radical de izquierda
Fuente. Elaboración propia.
Metáfora 2: burbuja de filtro
Si bien la metáfora de la burbuja de filtro nace en una observación (no
sistemática) del comportamiento del buscador de Google y de sus diferentes
resultados para diferentes usuarios (Pariser, 2011) –de ahí la idea de que la
burbuja es provocada por un filtro de carácter algorítmico–, en este estudio no
se exploran los efectos de filtros u otros tipos de interferencias algorítmicas, al
menos no de forma directa.
Considerando una definición más amplia, en la que las burbujas de información
se generan por los procedimientos de compartir de actores humanos y no
humanos (Latour, 2004), se puede observar en los datos extraídos cuáles son los
dominios de sitios más compartidos por los usuarios de los diferentes clústeres,
centrándonos en el componente humano de la ecuación y buscando los patrones
entre orientación política de los usuarios y las características de las fuentes que
comparten en sus publicaciones.
40
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Un análisis general de la incidencia de dominios de Internet en los mensajes
del set de datos sugiere que hay una distinción evidente en las menciones a los
medios de orientación política más marcada. Por el lado de los usuarios de derecha,
predomina la difusión de Crónica Chile, un diario con pautas marcadamente críticas
hacia la izquierda, vinculado con grupos de la derecha libertaria como Fundación
para el Progreso. Por el lado de la izquierda, se destaca El Desconcierto, un medio
emergente que, a pesar de no adscribirse a ningún color partidario, declara en su
línea editorial que “guarda una distancia crítica de los poderes económicos y políticos
y se inscribe de forma amplia en el malestar social y las voluntades emancipadoras
y de transformación de la sociedad” (El Desconcierto, s/f, par. 1). Tanto Crónica
Chile como El Desconcierto tienen tasas de 99% de menciones4 por usuarios radicales
de derecha e izquierda, respectivamente. El sitio de la Radio Bío Bío es el único
compartido por ambos lados, ya que sus menciones se dividen en 84% de menciones
por usuarios de izquierda versus 16% por usuarios de derecha. Considerando que el
set de datos, tras la codificación, contiene sustancialmente más usuarios codificados
como izquierda (77%) que como derecha (23%), esta distribución podría indicar una
razonable percepción de neutralidad del medio por parte de los usuarios.
Si consideramos también los usuarios codificados como Usuario-Indefinido, es
decir, todos los usuarios de los demás clústers (excepto los codificados), tenemos una
distribución menos claramente marcada, pero que permite rápidamente visualizar
la poca diversidad de dominios que es objeto de interacción por usuarios codificados
como derecha en la muestra. Solo Crónica Chile, Bío Bío, Cooperativa y Ahora Noticias
presentan cinco o más interacciones de estos usuarios en la muestra (gráfico 1).
Se operacionaliza la burbuja de filtro acá, en cuanto acto comunicativo, como la
opción de interactuar con ciertas fuentes de información. En esta interpretación,
una burbuja se formaría en un grupo que utiliza el mismo conjunto de fuentes,
haciendo que queden menos expuestos a relatos divergentes y eventualmente
incluso a fuentes de verificación de hechos (Faris et al., 2017).
Lo primero que se observa en el gráfico 2 es la predominancia de Crónica
Chile y las pocas otras fuentes que lo acompañan en el clúster 3. Claramente,
se constituyó un clúster radical de derecha en torno a las publicaciones de
dicho medio, en particular una nota titulada “Vital testimonio confirmó que
Camilo Catrillanca participó en violento robo previo a su muerte” (Crónica
Chile, 2018). Este hecho en sí no debiera ser preocupante, pero un análisis
más profundo muestra circunstancias que levantan una problemática mayor.
4. Este número es calculado observando solamente los dominios con los cuales los usuarios
radicales tuvieron alguna interacción como autores.
41
santos, m. l. b., jaramillo castro, o. & aguirre, d.
Usuario - Izquierda
Usuario - Indefinido
elmostrador.cl
79
biobiochile.cl
79
adnradio.cl
Usuario - Derecha
137
3
104
68
135
cronicachile.cl
2
nodal.am
2
33
28
137
45
57
22
cnnchile.com
54
28
24horas.cl
39
10
11
3
36
19
28
uchile.cl
33
info.ve
2
1
14
43
amnistia.cl
31
publimetro.cl 9
8
3
24
latercera.com
20
9
soychile.cl
21
6
chvnoticias.cl 7
5
37
9
eldinamo.cl
4
40
cooperativa.cl
t13.cl
1
1
39
19
telesurtv.net
1
124
theclinic.cl
facebook.com
15
108
eldesconcierto.cl
Dominios en Tuit (grupo)
“Vital testimonio confirmó…”
18
4
1
ahoranoticias.cl 5 6 15
0
20
40
60
80
100
120
140
160
180
200
220
Número de Tweets únicos
Gráfico 1. Incidencia de las principales fuentes según lo difundido por usuarios
catalogados como indefinido, izquierda o derecha
Fuente: Elaboración propia.
Por un lado, dicho reportaje es específicamente un refundido de reportajes de otros
medios en un momento (21/11/2018), en que las informaciones articuladas en la nota
ya habían sido ampliamente cuestionadas por medios respetados como Ciper Chile.
En un clúster que ya es altamente modular (95% de las interacciones con otros
miembros de ese clúster), las interacciones de los usuarios se dan, además, con
poca diversidad de fuentes: 80% de las interacciones con fuentes se dan con Crónica
Chile en el clúster 3, mientras el clúster más radical de izquierda presenta una
concentración de tan solo 32% con El Desconcierto.
42
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Clúster 1
eldesconcierto.cl
elmostrador.cl
biobiochile.cl
adnradio.cl
twitter.com
theclinic.cl
cnnchile.com
facebook.com
nodal.am
121
60
56
48
26
24
22
15
2
Clúster 2
biobiochile.cl
eldesconcierto.cl
elmostrador.cl
adnradio.cl
theclinic.cl
twitter.com
facebook.com
cnnchile.com
cronicachile.cl
13
13
13
11
6
6
5
3
1
Clúster 3
137
cronicachile.cl
biobiochile.cl
twitter.com
cnnchile.com
elmostrador.cl
eldesconcierto.cl
facebook.com
theclinic.cl
15
7
4
3
1
1
1
Clúster 4
86
adnradio.cl
elmostrador.cl
biobiochile.cl
theclinic.cl
cnnchile.com
eldesconcierto.cl
twitter.com
facebook.com
82
61
46
33
8
8
5
Clúster 5
10
theclinic.cl
elmostrador.cl
biobiochile.cl
adnradio.cl
cnnchile.com
facebook.com
cronicachile.cl
5
3
2
2
2
1
Clúster 6
7
7
adnradio.cl
biobiochile.cl
theclinic.cl
twitter.com
cnnchile.com
eldesconcierto.cl
elmostrador.cl
5
2
1
1
1
0
20
40
60
80
100
Número de Tweets únicos
120
140
Gráfico 2. Principales fuentes (según sus dominios web) citadas en las interacciones en
cada clúster, en los 6 primeros clústeres
Fuente: Elaboración propia.
43
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Otra evidencia que debiera apuntar a la poca confiabilidad del medio es que a
menos de dos años de su publicación el artículo ya no estaba disponible en el sitio.
Puede ser por razones técnicas, posiblemente la reciente actualización de interfaz
del sitio, ya que pruebas con otros términos y artículos antiguos tampoco arrojan
resultados. De una u otra forma, la cobertura del caso Catrillanca realizada por
este sitio no estaba disponible en el momento de la escritura de este artículo.
En síntesis: se arma un clúster radical de derecha de usuarios hablando entre
sí en torno a una fuente de dudosa calidad, con mínima interfaz con otras fuentes
y otros usuarios fuera del grupo, configurando un caso que podría ser clasificado
tanto como burbuja de filtro como de cámara de eco.
El clúster 1 sería el análogo opuesto del 3, pero muestra una diversidad de
fuentes mayor. Los clústeres 2, 5 y 6 parecen no girar mucho en torno a las fuentes,
por lo que probablemente son más conversacionales de opinión, como demuestran
los bigramas (tabla 3). Otro clúster relevante, el 4, tiene la mayor predominancia
de fuentes diversas y plurales, lo cual posiblemente explica su carácter mixto en
cuanto a la orientación política de los usuarios agregados en este grupo.
A modo de síntesis, si bien los datos presentados no parecen apuntar para
la existencia de burbujas de filtro en todos los casos, se puede afirmar que, en
el caso estudiado, el clúster de derecha (3) presenta un grado de homofilia más
intenso que todos los demás analizados e identificados con la izquierda, inclusive
el clúster más notoriamente de izquierda (1). Esto permite responder parcialmente
la interrogante del estudio, pues se identifica una diferencia significativa en los
patrones de conexión de diferentes orientaciones políticas, en línea con Barberá y
sus colegas (2015) y Faris y sus colegas (2017). Similarmente, si bien la presencia
de cámaras de eco no es evidente en todos los casos, parece haber una tendencia a
menor diversidad de fuentes en las interacciones de los usuarios aquí identificados
con la derecha que con la izquierda.
conclusiones y Próximos Pasos
Aislamiento informativo, baja diversidad y pluralidad de fuentes consultadas,
baja calidad de las fuentes y ausencia de diálogo con personas o fuentes de diferentes
perspectivas son problemas reales en el contexto político de un país, ya sea por
fuerza de dispositivos de control forzoso –como la censura– o por dispositivos
sociotécnicos, como las formas de apropiarse de la tecnología. Este estudio buscó
identificar tendencias y establecer posibles métodos para evaluar dichos fenómenos
en el contexto de un hito viralizado en Twitter.
44
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
En el campo del análisis de redes sociales no existe una metodología única y
establecida, por lo que la mayor parte de las investigaciones, como esta, tienen un
carácter exploratorio y experimental (Himelboim, et al., 2017; Mendes Rodrigues
et al., 2011). El método propuesto podría servir como insumo para aproximaciones
mixtas, incluyendo netnografías, análisis de contenido y otras que permitan
una mirada más cualitativa a uno o dos clústeres, por ejemplo, de forma a
simultáneamente profundizar los hallazgos y ratificar –o bien rectificar– el método.
Otras estrategias podrían complementar los hallazgos y precisarlos, como
observar no solo fuentes que los usuarios comunican activamente, pero también
fuentes consultadas, pues evidentemente no es lo mismo retuitear, seguir, leer,
ponerle favorito o responder a un mensaje en Twitter. Si bien los usuarios, por su
orientación política, podrían tender a amplificar solamente contenidos alineados
con su visión ideológica, esto no asegura que no se informen por otros medios.
De hecho, estudios apuntan que ciudadanos con orientación política radical –o
hiperpartisanos– se informan en fuentes antagónicas, incluso para armarse,
preparar sus argumentos, o cuestionar dichas fuentes (Garrett et al., 2013). En
situaciones de conflicto en las que emerge un alto grado de polarización afectiva,
los mismos detractores de un tema, medio o persona, pueden convertirse en los
principales agentes de visibilización de aquello que originalmente rechazan (Santos,
2020). Adicionalmente, el campo se beneficiaría en una perspectiva ecológica de
los medios (Postman, 1998; Treré & Mattoni, 2016), abarcando diferentes medios,
otras plataformas y soportes en interrelación.
Sobre las metáforas tratadas en el estudio, es importante resaltar que el hecho
de que emerjan patrones que indican grados importantes de lo que se podría
llamar burbuja de filtro y cámara de eco no redunda en una evidencia de que
ello suceda como función exclusiva de Twitter y de sus características, por lo que
evitamos una visión tecno-determinista. Los hallazgos pueden ser vistos más
bien como un fenómeno probablemente vinculado con la polarización adscrita
al caso y al contexto nacional que a la plataforma; a patrones sociotécnicos que a
sus funcionalidades. Lo que sí nos permiten dichas plataformas es el privilegio de
visualizar dichas relaciones y esto en sí es un punto positivo, no negativo, de los
medios digitales, desde la perspectiva de la transparencia de los fenómenos sociales.
45
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
referencias
Adamic, L. A. & Glance, N. (2005, August). The political blogosphere and the 2004 US election:
divided they blog. In Proceedings of the 3rd international workshop on Link discovery (LinkKDD '05)
(pp. 36-43). New York, NY: Association for Computing Machinery.
https://doi.org/10.1145/1134271.1134277
Alcatruz, D. (2018, August). Polarización política en Twitter (Political polarization in Twitter)
(paper presentation). XIII Congreso Chileno de Ciencia Política, Santiago, Chile.
http://doi.org/10.13140/RG.2.2.27803.41768
Aruguete, N. (2019, January 22). ¿Twitter acrecienta en la Polarización Política? (Does Twitter
increase political polarization?). Beers & Politics. Retrieved from https://beersandpolitics.
com/twitter-acrecienta-la-polarizacion-politica
Barberá, P., Jost, J. T., Nagler, J., Tucker, J. A., & Bonneau, R. (2015). Tweeting from left to
right: Is online political communication more than an echo chamber? Psychological
Science, 26(10), 1531-1542. http://www.doi.org/10.1177/0956797615594620
Bargsted, M. A., Espinoza, V., & Plaza, A. (2020). Pautas de homofilia en Chile (atterns of
Homophily in Chile). Papers. Revista de Sociologia, 105(4), 583-612.
https://doi.org/10.5565/rev/papers.2617
Basadre, P. & Equipo Ciper. (2019, February 2). Muerte de Catrillanca: así se inventó la versión
falsa de Carabineros (Catrillanca’s death: this is how the false police version was created).
Ciper Chile. https://ciperchile.cl/2019/02/01/muerte-de-catrillanca-asi-se-invento-laversion-falsa-de-carabineros/
Bruns, A. (2017, September). Echo chamber? What echo chamber? Reviewing the evidence. In 6th
Biennial Future of Journalism Conference (FOJ17), 14-15 September 2017, Cardiff, United
Kingdom. (Unpublished). Retrieved from https://eprints.qut.edu.au/113937/
Bruns, A. (2018). Gatewatching and news curation: Journalism, social media, and the public sphere.
New York, USA: Peter Lang.
Bruns, A. (2019, July). It’s not the technology, stupid: How the ‘Echo Chamber’ and ‘Filter Bubble’
metaphors have failed us. In International Association for Media and Communication
Research conference, 7-11, July 2019, Madrid, Spain (unpublished).
Bruns, A. & Burgess, J. E. (2011, August). The use of Twitter hashtags in the formation of ad hoc
publics. In 6th European Consortium for Political Research General Conference, 25-27
August 2011, University of Iceland, Reykjavik.
Calfío, M., Coñuepan, V., & Figueroa Huencho, V. (2019). Situación actual de los derechos
del pueblo mapuche después del caso Catrillanca (Current situation of Mapuche people’s
rights in the aftermath of Catrillanca’s case). Anuario de Derechos Humanos, 15(1), 15-40.
http://doi.org/10.5354/0718-2279.2019.53921
Cea D’Ancona, M. A. (2004). Análisis multivariable. Teoría y práctica en la investigación social
(Multivariable analysis. Theory and practice in social research). Madrid, Spain:
Editorial Síntesis.
Clauset, A., Newman, M. E., & Moore, C. (2004). Finding community structure in very large
networks. Physical review. E, Statistical, nonlinear, and soft matter physics, 70(6), 066111.
https://doi.org/10.1103/PhysRevE.70.066111
46
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Christakis, N. A. & Fowler, J. H. (2009). Connected: The surprising power of our social networks
and how they shape our lives. New York, USA: Little, Brown & Company.
Crónica Chile (2018, November 21). Vital testimonio confirmó que Camilo Catrillanca participó
en violento robo previo a su muerte (Vital testimony confirmed that Camilo Catrillanca
participated in a violent robbery prior to his death). Crónica Chile.
https://www.cronicachile.cl/2018/11/21/chilecorrupcion/vital-testimonio-confirmoque-camilo-catrillanca-participo-en-violento-robo-previo-a-su-muerte/
Dalton, R. J. (2008). The quantity and the quality of party systems: Party system polarization,
its measurement, and its consequences. Comparative Political Studies, 41(7), 899-920.
https://doi.org/10.1177/0010414008315860
De Nooy, W., Mrvar, A., & Batagelj. (2005). Exploratory Social Network Analysis with Pajek.
Cambridge, United Kingdom: Cambridge University Press.
Dubois, E. & Blank, G. (2018). The echo chamber is overstated: The moderating effect of political
interest in diverse media. Information, communication and society, 21(5), 729-745.
https://doi.org/10.1080/1369118X.2018.1428656
Duggan, M. & Smith, A. (2016). The Political Environment on Social media. Pew Research Center.
Retrieved from http://assets.pewresearch.org/wp-content/uploads/sites/14/2016
/10/24160747/PI_2016.10.25_Politics-and-Social-Media_FINAL.pdf
El Desconcierto. (s/f). Línea Editorial (Editorial guideline). El Desconcierto. Retrieved from
https://www.eldesconcierto.cl/linea-editorial/
Faris, R., Roberts, H., Etling, B., Bourassa, N., Zuckerman, E., & Benkler, Y. (2017). Partisanship,
Propaganda, and Disinformation: Online Media and the 2016 U.S. Presidential Election.
Berkman Klein Center for Internet & Society Research Paper. Retrieved from
http://nrs.harvard.edu/urn-3:HUL.InstRepos:33759251
Garrett, R. K., Carnahan, D., & Lynch, E. (2013). A Turn Toward Avoidance? Selective Exposure
to Online Political Information, 2004–2008. Political Behavior, (35), 113-134.
http://doi.org/10.1007/s11109-011-9185-6
Gentzkow, M. & Shapiro, J. M. (2011). Ideological segregation online and offline. The Quarterly
Journal of Economics, 126(4), 1799-1839. https://doi.org/10.1093/qje/qjr044
Guntuku, S. C., Preotiuc-Pietro, D., Eichstaedt, J. C., & Ungar, L. H. (2019, July). What twitter
profile and posted images reveal about depression and anxiety. In Proceedings of the
international AAAI conference on web and social media (ICWSM 2019), vol. 13 (pp. 236-246).
Retrieved from https://ojs.aaai.org/index.php/ICWSM/article/view/3225
Hansen, D., Shneiderman, B., & Smith, M. (2011). Analyzing social media networks with NodeXL.
Elsevier.
Hansen, D., Shneiderman, B., Smith, M., & Himelboim, I. (2019). Analyzing Social media Networks
with NodeXL: Insights from a Connected World (Second). Burlington, USA: Morgan Kaufmann
Publishers.
Hanusch, F. & Bruns, A. (2017). Journalistic branding on Twitter: A representative study of
Australian journalists’ profile descriptions. Digital journalism, 5(1), 26-43.
https://doi.org/10.1080/21670811.2016.1152161
47
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
HerdaĞdelen, A., Zuo, W., Gard‐Murray, A., & Bar‐Yam, Y. (2013). An exploration of social
identity: The geography and politics of news‐sharing communities in twitter. Complexity,
19(2), 10-20. https://doi.org/10.1002/cplx.21457
Himelbomin, I., Smith, M., Rainie, L., Shneiderman, B., & Espina, C. (2017). Classifying
Twitter topic-networks using Social Network Analysis. Social Media + Society 3(1), 1-13.
https://doi.org/10.1177/2056305117691545
Hudson, E., del Valle, C., & Browne, R. (2020). Análisis de la Relevancia Informativa en la
Cobertura del Tema Mapuche en la Prensa Nacional y Regional de Chile (Analysis of the
informative relevance of the Mapuche issue in local and national press in Chile). In P.
Valdivia & C. Del Valle (Eds.), Leyendo el Tejido Social (Reading the social tissue) (pp. 355368). Temuco, Chile: Editora UFRO.
Latour, B. (2004). Redes que a razão desconhece: laboratórios, bibliotecas, coleções (Networks
that reason does not know: laboratories, libraries, collections). In Tramas da rede: novas
dimensões filosóficas, estéticas e políticas da comunicação (Network plots: new philosophical,
aesthetic and political dimensions of communication) (pp. 39-63). Porto Alegre, Brazil:
Sulina.
Lindh, J., Fábrega, J., & González, J. (2019). La fragilidad de los consensos. Polarización
ideológica en el Chile post Pinochet (The Fragility of Consensus: Ideological Polarization
in Post-Pinochet Chile). Revista de Ciencia Política (Santiago), 39(1), 99-127.
https://doi.org/10.4067/S0718-090X2019000100099
Mendes Rodrigues, E., Milic-Frayling, N., Smith, M., Shneiderman, B., & Hansen, D. (2011).
Group-in-a-Box Layout for Multi-faceted Analysis of Communities. In Proceedings of the
IEEE Third International Conference on Privacy, Security, Risk and Trust and 2011 IEEE Third
International Conference on Social Computing (pp. 354-361).
https://www.doi.org/10.1109/PASSAT/SocialCom.2011.139
Naciones Unidas. (2016). Informe del Relator Especial sobre la extrema pobreza y los derechos
humanos a la Asamblea General de las Naciones Unidas (Report of the Special Rapporteur
on extreme poverty and human rights to the United Nations General Assembly). Oficina
de Alto Comando Naciones Unidas Derechos Humanos.
https://acnudh.org/load/2016/08/G1607251EXTREMAPO.pdf
Pariser, E. (2011). The Filter Bubble: What the Internet is Hiding from You. Penguin.
Papacharissi, Z. (2012). Without you, I'm nothing: Performances of the self on Twitter. International
Journal of Communication, 6(18). Retrieved from https://ijoc.org/index.php/ijoc/article/view/1484
Postman, N. (1998, March 28). Five things we need to know about technological change. Talk delivered
Conference in Denver, Colorado. Retrieved from
https://web.cs.ucdavis.edu/~rogaway/classes/188/materials/postman.pdf
Ramírez, E. & Sepúlveda, N. (2018, December 4). La reconstrucción del crimen de Catrillanca
deja en evidencia que alguien ordenó mentir (The reconstruction of Catrillanca's crime shows
that someone ordered to lie). Ciper Chile. Retrieved from https://ciperchile.cl/2018/12/04/lareconstruccion-del-crimen-de-catrillanca-deja-en-evidencia-que-alguien-ordeno-mentir/
48
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Romero-Rodríguez, L. M., Aguaded, I., & Gadea, W. (2015). De la demonización a la polarización:
un análisis desde el discurso digital del gobierno y la oposición venezolana (From
demonization to polarisation: An analysis of the Venezuelan government’s and the
political opposition’s digital discourse). Argos, 32(62), 97-117.
Santos, M. (2018). Propuesta de conceptualización del Contenido Generado por Usuario de carácter
testimonial (CGUt) en Twitter aplicada al caso de las protestas contra el impeachment de
Dilma Rousseff (From Testimony to Testimonial: A proposal for the conceptualization
of testimonial User-Generated Content (tUGC) on Twitter applied to the case of the
protests against Dilma Rousseff’s impeachment) (Doctoral Dissertation). Retrieved from
https://repositorio.uc.cl/xmlui/handle/11534/22328
Santos, M. (2020). NÃO ALIMENTE O MINION!: Polarização afetiva e ativismo de rede às
avessas na gênese e ascensão da hashtag# Bolsonaro2018 após o impeachment de Dilma
Rousseff (DO NOT FEED THE MINION! Affective polarization and backward network
activism in the genesis and rise of the hashtag #Bolsonaro2018 after the impeachment of
Dilma Rousseff). Confluências | Revista Interdisciplinar de Sociologia e Direito, 22(3), 172-197.
Retrieved from https://periodicos.uff.br/confluencias/article/view/47121
Sepúlveda, N. (2018, November 19). La evidencia policial que confirmó el testimonio clave
del menor que acompañaba al comunero Catrillanca (The police evidence that confirmed
the key testimony of the minor who accompanied the community member Catrillanca).
Ciper Chile. Retrieved from https://ciperchile.cl/2018/11/19/la-evidencia-policial-queconfirmo-el-testimonio-clave-del-menor-que-acompanaba-al-comunero-catrillanca/
Shima, J., Yoshida, M., & Umemura, K. (2017, December). When do Users Change Their Profile
Information on Twitter?. In 2017 IEEE International Conference on Big Data (Big Data)
(pp. 3119-3122). IEEE. Retrieved from https:/doi.org/10.1109/BigData.2017.8258287
Smith, M., Rainie, L., Shneiderman, B., & Hilmelboim, I. (2014). Mapping Twitter Topics Networks:
From polarized crowds to community clusters. Numbers, facts and trends shaping the world.
Pew Research Center. Retrieved from https://www.pewresearch.org/internet/2014/02/20/
mapping-twitter-topic-networks-from-polarized-crowds-to-community-clusters/
Stieglitz, S., Dang-Xuan, L., Bruns, A., & Neuberger, C. (2014). Social Media Analytics: An
Interdisciplinary Approach and Its Implications for Information Systems. Bus Inf Syst
Eng, 6, 89-96. https://doi.org/10.1007/s12599-014-0315-7
Sunstein, C. R. (2002). The law of group polarization. The Journal of Political Philosophy, 10(2),
175-195. https://doi.org/10.1111/1467-9760.00148
Toledo Llancaqueo, V. (2007). Prima Ratio: Movilización mapuche y política penal. Los marcos
de la política indígena en Chile 1990-2007 (Prima Ratio: Mapuche mobilization and penal
policy. The frameworks of indigenous politics in Chile 1990-2007). OSAL 8(22). Retrieved
from http://bibliotecavirtual.clacso.org.ar/ar/libros/osal/osal22/CDH22Toledo.pdf
Treré, E. & Mattoni, A. (2016). Media ecologies and protest movements: main perspectives
and key lessons. Information, Communication & Society, 19(3), 290-306.
https://doi.org/10.1080/1369118X.2015.1109699
Tucker, J. A., Guess, A., Barberá, P., Vaccari, C., Siegel, A., Sanovich, S., & Nyhan, B. (2018). Social
media, political polarization, and political disinformation: A review of the scientific literature. William
+ Flora Hewlett Foundation. Retrieved from https://www.hewlett.org/wp-content/uploads/2018/
03/Social-Media-Political-Polarization-and-Political-Disinformation-Literature-Review.pdf
49
santos, m. l. b., jaramillo castro, o. & aguirre, d.
“Vital testimonio confirmó…”
Uddin, M. M., Imran, M., & Sajjad, H. (2014). Understanding types of users on Twitter. arXiv
preprint arXiv:1406.1335. Retrieved from https://arxiv.org/abs/1406.1335
Uriel, E. & Aldás, J. (2005). Análisis multivariante aplicado (Applied multivariate analysis).
Madrid, Spain: Thomson.
Vaccari, C. (2018). Online Content and Political Polarization. In J. A. Tucker, A. Guess, P.
Barberá, C. Vaccari, A. Siegel, S. Sanovich, S. Stuka, & B. Nyhan (Eds.), Social Media,
Political Polarization, and Political Disinformation: A Review of the Scientific Literature.
William + Flora Hewlett Foundation. Retrieved from https://www.hewlett.org/
wp-content/uploads/2018/03/Social-Media-Political-Polarization-and-PoliticalDisinformation-Literature-Review.pdf
Vainio, J. & Holmberg, K. (2017). Highly tweeted science articles: who tweets them? An
analysis of Twitter user profile descriptions. Scientometrics, 112, 345-366.
https://doi.org/10.1007/s11192-017-2368-0
sobre los autores
marcelo luis barbosa dos santos, Doctor en Ciencias de la Comunicación por la Pontificia
Universidad Católica de Chile, Magíster en Comunicación y Semiótica por la Pontificia Universidad
Católica de São Paulo. Investigador del Centro de Investigación y Documentación (CIDOC) de la
Universidad Finis Terrae (UFT). Sus líneas de investigación emergen del cruce entre tecnologías digitales
y democracia, incluyendo comunicación política y medios digitales, tecno-política y datificación de
la sociedad, métodos digitales, entre otras. Es profesor de pregrado y postgrado en la escuela de
Periodismo-UFT, donde coordina la mención en Comunicación Digital.
https://orcid.org/0000-0002-2658-3764
oscar jaramillo castro, Periodista de la Universidad Diego Portales (Chile) y Doctor en Ciencias
de la Información de la Universidad Complutense de Madrid (España). Actualmente es Profesor
Asociado de la Escuela de Periodismo de la Universidad Finis Terrae (Chile). Es investigador en el área
del Análisis del Redes Sociales (ARS) y ciber ética.
https://orcid.org/0000-0001-9613-4836
daniel aguirre azócar, Profesor Asistente de la Universidad del Desarrollo (Chile), Facultad de
Comunicaciones. Es también periodista por la University of Florida (EE.UU.), Master en Estudios
Internacionales por la Universidad de Miami (EE.UU.) y Doctor en Ciencias de la Comunicación por la
Pontificia Universidad Católica de Chile. Sus líneas de investigación abordan temáticas vinculadas a
la comunicación política internacional y las tecnologías digitales.
https://orcid.org/0000-0002-3300-0088
50