DEMOCRACIA, LIBERTAD DE EXPRESIÓN Y ESFERA DIGITAL
ANÁLISIS DE TENDENCIAS Y TOPOLOGÍAS EN TWITTER
EL CASO DE LA #REDAMLOVE

Internet, sus diferentes plataformas, motores y especialmente las llamadas redes sociodigitales como Twitter, Facebook o Instagram, se han convertido hoy en espacios de construcción de narrativas e imaginarios sociales y políticos en constante disputa. En los últimos años se ha vuelto ya noticia común el uso de estrategias de intervención de estas herramientas para alterar debates en la esfera pública. Desde temas polémicos en los que se busca acallar la oposición o voces críticas, hasta procesos electorales como se hizo visible en el caso de Cambridge Analytica, empresa que intervino en la campaña del Brexit y en la elección en la que resultó electo Donald Trump, o las confesiones del hacker colombiano, Andrés Sepúlveda, en torno a la manipulación digital de la campaña presidencial en México en el 2012, hasta el caso más reciente de las elecciones brasileñas, en el que además de las redes mencionadas, se utilizó whatsapp para orquestar una campaña de odio y miedo.

Pese al avance de la tecnopolítica, es decir, la apropiación y el uso crítico de las redes para la participación ciudadana, la visibilización de temas claves, la denuncia y especialmente la organización del descontento, el crecimiento y expansión de malas prácticas en Internet es notable. El uso de cuentas automatizadas para acelerar la producción de trending topics o tendencias, la creación y uso de cuentas conocidas como “troles” para dirigir ataques contra cuentas específicas o temas “incómodos” para ciertos grupos de poder, entre otras estrategias, han proliferado en México y en otros países. Lo real se construye a partir de imágenes y narrativas, de la movilización de emociones, y las redes son esas interfaces en las que es posible, parafraseando un texto de Amador Fernández-Savater “construir un clima” político hoy en día. Es decir, estas plataformas pueden ser herramientas de producción y control de cierto ambiente hostil que impide la conversación.

Durante la gestión de Enrique Peña Nieto (2012-2018), fueron constantes los casos del uso de estas estrategias, en este periodo se acuñó el término “peñabot” que incluso cuenta con una entrada en Wikipedia. A partir de 2016, una vez que fue inaugurado Signa Lab, el laboratorio enfocó parte de sus esfuerzos académicos a generar las herramientas, las metodologías y los análisis multicapa a profundidad de los acontecimientos y discusiones relevantes para la democracia, la libertad de expresión y la justicia no solamente en México, sino en distintas partes del mundo, donde la centralidad de lo digital es clave para la pluralidad y la fortaleza de la esfera pública. Desde entonces Signa_Lab ha realizado diferentes estudios y análisis en torno a tres dimensiones claves: el uso de las redes sociodigitales como herramientas para la autoorganización de la sociedad como en el caso del movimiento feminista conocido como #8M por su etiqueta en redes; el crecimiento de la polarización que encuentra en redes un espacio propicio para la crispación social, como en el caso de las llamadas caravanas migrantes; y se ha seguido con especial interés lo que llamamos narrativas orgánicas y artificiales en la construcción de la representación de la realidad, éstas últimas, las artificiales y atípicas fueron recurrentes a lo largo del sexenio de Peña Nieto y en muy diversas coyunturas.

En los últimos meses, la discusión política en torno a temas centrales, como procesos electorales, éxodos de migrantes y violencia de género, en México y a nivel internacional, ha generado altos niveles de polarización, lo cual ha impedido construir condiciones para el diálogo.

En México, en el marco de los 100 días de haber llegado al gobierno, seguidores en Twitter del presidente Andrés Manuel López Obrador, han lanzado diversos ataques y campañas de ridiculización a periodistas, medios de comunicación y usuarios con una postura crítica hacia las acciones del mandatario. Ejemplo de ello han sido tendencias como #PrensaFifi o #Chayoteros, que abiertamente convocan a unirse a usuarios que quieran defender, atacando, a quienes critican al presidente.

Ambos hashtags han sido usados en diferentes coyunturas, sin embargo durante enero y febrero de 2019 se convirtieron varias veces en tendencias que acapararon gran parte de la discusión online.

Los siguientes grafos (un grafo es el resultado de un análisis algorítmico de un conjunto de datos que indican relaciones, en este caso, de Twitter) muestran las relaciones entre usuarios que usaron los términos #Chayoteros y #PrensaFifí, obtenidos mediante el script de descargas de Twitter, THOTH, desarrollado por el laboratorio. Se trata de 16,131 tweets a partir de los que se desprenden, para el de #Chayoteros: 9,428 nodos o cuentas, y 21,225 aristas o interacciones, agrupados en 156 comunidades (colores); y en el caso de #PrensaFifí: 3,220 cuentas y 6,184 relaciones, agrupados en 177 comunidades.

Grafo 1. Relaciones Usuario a Usuario del HT #Chayoteros. Elaborado por Signa_Lab.

Comunidades: 156
Nodos: 9,428
Aristas: 21,225

Grafo 2. Relaciones Usuario a Usuario del HT #Prensafifí. Elaborado por Signa_Lab
Comunidades: 77
Nodos: 3,220
Aristas: 6,184

Las constantes descalificaciones han ido escalando no solamente hacia los periodistas de la prensa más convencional en México, como Loret de Mola o López Dóriga, sino especialmente a las y los periodistas que cubren “las mañaneras”, conferencias matutinas en las que López Obrador usa con frecuencia adjetivaciones como “prensa fifí”, a la que acusa de calumnias y “voladas”. Por ejemplo, Ivonne Melgar, reportera de Excélsior e Imagen Televisión, autora de la columna Retrovisor y escritora de la revista Mujer es Más, recibió una oleada de ataques que se ven reflejados en el primer grafo y que la motivaron a escribir el siguiente tweet.

Además de las visualizaciones, se realizó una nube de frecuencias de las palabras utilizadas en los tweets que utilizaron ambos hashtags (#PrensaFifi y #Chayoteros), que arroja un resultado interesante en términos de la construcción de una narrativa de la prensa como enemiga.

La relación semántica entre las palabras más utilizadas en ambos hashtags muestra una persistente expresión de “repudio” hacia la prensa y esparce la idea de que el presidente está siendo injustamente atacado.

A lo largo de varias semanas hemos dado seguimiento cualitativo y cuantitativo a los temas, discusiones y hashtags que se vinculan a la gestión del presidente López Obrador. Para los efectos de este estudio interesa partir de la campaña de desprestigio y burla contra el periódico Reforma, lanzada desde la cuenta del usuario @Fafhoo, que se identifica como fundador de la #RedAMLOVE.

A través del hashtag #ReformaTodoLoDeforma se hizo un llamado a los seguidores de esta red. Dicho hashtag se generó en el contexto de la discusión acerca de unas notas publicadas por Reforma, sobre un departamento en Houston no incluido en la 3de3¹ del Secretario de Comunicaciones y Transportes, José Jiménez Espriú, y días después de que se hiciera público, también a través del Reforma, que en la declaración patrimonial de la Secretaria de Gobernación, Olga Sánchez Cordero, a decir del medio, no aparecía un departamento de su propiedad, también en Houston.

El portal @LoQueSigue publicó un breve reporte cuestionando el HT #ReformaTodoLoDeforma. La respuesta de esta red no se hizo esperar, además de ataques y descalificaciones a la cuenta, se reactivó el HT #NoSoyBotSoyReal, que había aparecido en el contexto electoral de 2018 y que en esta ocasión, operó como una forma de respuesta de estas legiones a las críticas que se les hicieron por los ataques no sólo a Reforma, sino a distintos comunicadores y al clima de constante hostigamiento hacia periodistas, que ha ido creciendo con el impacto que tienen en la construcción de la agenda pública las conferencias de prensa “mañaneras” del Presidente.

Durante la campaña presidencial de 2018 en México, Signa_Lab, en conjunto con OpenLabs y Enjambre digital, publicó un informe para dar cuenta de la dificultad que supone en estas latitudes separar de manera tajante perfiles de Twitter como “bot” y como “no bot” a partir de indicadores únicamente numéricos, sin tomar en cuenta parámetros de análisis cualitativos, en la medida en que hoy en día existen perfiles con comportamientos que integran tanto características automatizadas como no automatizadas.

Desde entonces, hemos continuado el seguimiento puntual de la discusión política online en México, y afinando la metodología para analizar el comportamiento de cuentas en Twitter, para construir categorías útiles en la identificación de perfiles que siguen patrones promedio de difusión de contenidos y perfiles con patrones atípicos de difusión de contenidos.

Para el caso que aquí nos ocupa, se obtuvieron 98,806 tweets que utilizaron los hashtags #ReformaTodoLoDeforma, #NoSoyBotSoyReal, y #RedAMLOVE.

El grafo que se muestra a continuación, da cuenta de las relaciones entre usuarios y hashtags (U2HT)² de las tres etiquetas mencionadas. En este grafo identificamos 22,971 nodos, 63,814 aristas y 66 comunidades. La difuminación evidente entre los colores azul, verde y rosa (que representan las comunidades más grandes en esta conversación), es muestra de la articulación entre usuarios que utilizaron los tres hashtags. En otras palabras, es posible afirmar que estas etiquetas y estos conjuntos de usuarios son parte de la misma conversación.

Grafo 3. Relaciones Usuario a Hashtag #RedAMLOVE, #NoSoyBotSoyReal y #ReformaTodoLoDeforma. Elaborado por Signa_Lab.

A partir de este data set, se realizaron varios procesos de filtrado, con los que se buscaron las cuentas con mayor interacción en la conversación. Además, se eliminaron las cuentas de personajes políticos como la del propio López Obrador, Felipe Calderón y Vicente Fox, que por su enorme capacidad de generar discusión, tienden a invisibilizar a los actores que operan las estrategias que a este informe conciernen. Este proceso arrojó un total de 176 cuentas de Twitter particularmente activas entre el 31 de enero y el 7 de febrero de 2019, periodo en el que se desplegaron los hashtags mencionados y que constituyen una muestra representativa de la #RedAMLOve.

De estos datos se analizaron las relaciones de usuario a usuario³ y de usuario a hashtag, a través de Gephi, un programa open source que permite trabajar con grandes volúmenes de datos que registran relaciones.

De esta manera, obtuvimos el grado de entrada (suma del número de menciones y retweets que recibe un perfil específico) y el grado de salida (número de retweets y menciones que una cuenta le hace a otras).

Un grado elevado de salida indica que una cuenta retuiteó en grandes cantidades y constantemente a uno o varios usuarios; un grado escaso de salida, indica que una cuenta no retuiteó ni mencionó con tanta frecuencia a otras cuentas.

Un grado elevado de entrada indica que una cuenta fue muy mencionada o retuiteada; un grado escaso de entrada indica que la cuenta no fue muy mencionada ni retuiteada.

Una vez obtenidas estas dos mediciones, separamos aquellas cuentas que tuvieron mayor grado de entrada (las más mencionadas y retuiteadas) y mayor grado de salida (las que más retuitearon y mencionaron a otras). Después, para darle mayor sustento a la metodología, utilizamos las herramientas Atrapabot, Botometer y Proton Pack⁴, que emplean variaciones del mismo script para arrojar un número que representa la probabilidad de que una cuenta sea o no “bot”. A continuación, promediamos los resultados arrojados por las tres herramientas para tener un indicador cuantitativo para cada cuenta. A su vez, con Botometer recabamos la siguiente información:

• Horas de mayor actividad de cada cuenta
• Promedio de tweets semanales de cada cuenta
• Porcentaje de retweets hechos por cada cuenta

Como parte de la metodología y para proporcionar elementos comparativos que faciliten la comprensión de lo que significa un comportamiento típico u orgánico de una cuenta, y uno atípico, se seleccionaron 10 perfiles de muy alta actividad en Twitter, independientemente de su tendencia o ideología, con el fin de comparar los patrones intensos de tuiteo de éstas, con los patrones de las 176 cuentas recuperadas de la #RedAMLOVE.

A partir del análisis detallado de estos perfiles, establecimos límites máximos para considerar una cuenta como atípica, cuando sus picos de actividad rebasan los 30 tweets por hora.

Otro elemento considerado para la validación de la categoría que proponemos llamar de “difusión atípica de contenidos”, fue analizar perfiles de medios de comunicación y periodistas nacionales e internacionales, caracterizados por publicar contenido constantemente. El seguimiento de estas cuentas muestra que tienden a alcanzar las 200 publicaciones en tres días o más, mientras que, en algunos casos, las cuentas más activas de las 176 seleccionadas para nuestro análisis, llegaron a ese tope en apenas dos días. Es decir, hacer más de 200 publicaciones en dos días es otro indicativo de patrón atípico de difusión de contenidos.

En un siguiente paso, y con el fin de dar al estudio la mayor solidez posible a través de un análisis multicapa, ingresamos otra serie de datos relevantes de cada una de las 176 cuentas:

• Fecha de creación de la cuenta.
• Número de seguidores.
• Descripción de la cuenta.

Esta información amplía la descripción cualitativa del perfil atípico de generación de contenido, ya que si tienen menos de un año de haber sido creadas, tienen muchos seguidores y siguen a pocas cuentas, han respondido poco o mucho a otros usuarios y cuentan o no con una descripción en su perfil, ayudará a comprender si fueron creadas expresamente para orquestar la estrategia de ataque, si históricamente han tenido un comportamiento como el que tuvieron en esta coyuntura, si únicamente respondieron en este momento, o si se sumaron de manera voluntaria a la misma.

La relación semántica entre las palabras utilizadas en las descripciones de las cuentas articuladas con la #RedAMLOVE, muestra una fuerte carga positiva y la apelación a emociones en la autodescripción con la que se presentan estas figuras en Twitter.

El resultado de esta sistematización ha sido una base de datos (con la que continuamos trabajando en el laboratorio) con más de 20 observaciones de cada cuenta, la cual ha permitido llegar, hasta ahora, a la elaboración de cuatro categorías cualitativas para identificar el perfil de una cuenta en una coyuntura de conflicto o ataque online, sus características en la topología de la red y su rol en una discusión dada.

Es importante recordar que hay patrones de publicación de ciertas cuentas humanas que se asemejan al patrón de publicación de cuentas automatizadas utilizadas con fines propagandísticos o de infiltración de públicos, situación que no hace más que confirmar el riesgo de aseverar de manera tajante que una cuenta es o no un “bot”, ya que el comportamiento automatizado no sólo responde a la programación de una cuenta como repetidora de contenidos, sino que también puede responder a la voluntad de un usuario por reafirmar una postura replicando consecutivamente el mismo mensaje. Por ello es necesario el desarrollo de categorías más complejas que la de “bot”.

Master of ceremony (MC)
Tomamos esta denominación como una metáfora de los llamados maestros de ceremonia de la cultura hip hop, un “em si” (pronunciación en la escena musical), es el que crea las letras, recita las letras y especialmente domina las métricas. En este análisis, la figura del MC, posee un elevado grado de entrada, un bajo grado de salida (con poco contenido genera mucho movimiento); los MC, son los generadores de contenido que circula más en una tendencia, marcan y definen la narrativa Es decir, son los que hacen el “llamado”, articulan al “coro” y alientan a los fans (como en el caso de #ReformaTodoLoDeforma).

Coro (Bots o semibots)
Son cuentas con elevado grado de salida y muy bajo o esporádico grado de entrada, tienen un comportamiento automatizado, dan “me gusta” y retuitean masivamente los contenidos producidos por los MC’s.

Troll
Son cuentas que se usan para atacar a otros usuarios, generalmente con referencia a un tema o una tendencia en específico; fluctúan entre la producción de contenido propio (alto grado de entrada) y la replicación de contenidos de los MC’s (alto grado de salida), según convenga a la narrativa en disputa.

Fans
Son cuentas reales, de personas, seguidores o simpatizantes que no participan de la lógica inorgánica o atípica en una tendencia, pero que confían en los contenidos promovidos por los MC’s y por tanto, tienden a retuitear (elevado grado de salida), sumándose a una tendencia sin dimensionar la estrategia con la que se están aliando.

Las 176 cuentas categorizadas pueden ser apreciadas en la siguiente visualización interactiva:

Como puede apreciarse en este análisis, es posible suponer, con criterios cuantitativos y cualitativos, estrategias metodológicas de monitoreo crítico y generación de capas de profundidad, que la #RedAMLOVE es una operación sofisticada de producción de narrativas políticas a través de, por lo menos, tres dimensiones:

1. Replicación automatizada de contenido.
2. Ataques y confrontación.
3. Producción de agenda y encuadre.

A partir de georreferenciar⁵ la información de las cuentas se obtuvo una distribución de cada tweet emitido en las descargas realizadas sobre la #RedAMLOVE, (64,619 tweets) y #ReformaTodoLoDeforma (20,103 tweets). Como puede apreciarse en las imágenes que siguen, la distribución de las cuentas que conforman la RedAMLOVE es prácticamente similar a la red que tuiteó acerca de Reformatodolodeforma.

La mayor parte de los seguidores están ubicados en CDMX pero es significativa también la cantidad de cuentas presentes en EEUU, principalmente en la costa oeste. Sin embargo, dentro del uso del mismo hashtag coexisten los mensajes de apoyo así como algunos mensajes críticos o irónicos con la red. Por lo que la cantidad de tweets totales no es representativa de la cantidad de seguidores o del tamaño de la red, sino que dan cuenta de la expansión de la discusión y el debate, que no deja de ser mucho más amplio que otros debates o controversias sobre el territorio mexicano. Aquí se muestra el mapa interactivo en el que aparecen los tweets emitidos en la discusión sobre #reformatodolodeforma. Al aproximarse a los clusters se desglosa cada tweet y se puede leer el texto del mismo:

En una lógica de guerra que se confunde con la política, en la que hay que elegir bandos o ceñirse a la distinción amigo-enemigo que planteaba Carl Schmitt (1999)⁶ , la estrategia ejercida por la #RedAMLOVE parece resultar sumamente efectiva. Pues tal como comenta Delgado (2011) sobre el criterio de Schmitt, “la finalidad de la guerra no es anular al enemigo, sino desarmarlo, domesticarlo, para que se rinda ante el opositor en la relación.”

Uno de los efectos de los ataques coordinados y masivos sobre usuarios que discrepan o difunden información juzgada como anti-amlo por parte de esta red, es que contribuye a generar una imagen negativa de los seguidores de AMLO. Pues varios mensajes son altamente ofensivos o incluyen amenazas. En el caso de la tendencia #ReformaTodoLoDeforma, resulta difícil saber si hay un uso intencionado de la “red” pro-AMLO para deslegitimar la imagen de los y las seguidoras de la 4T⁷ , o si, por el contrario, la adhesión a la red y sus mensajes, aglutina una representación adecuada de dichos seguidores. De cualquier modo, consideramos que esto no favorece en absoluto a la imagen del gobierno y específicamente a la del presidente, y que, por el contrario, abona al clima innecesario de polarización.

Otro de los efectos es producir un cerco coercitivo en relación con la información u opiniones críticas hacia a AMLO, de modo que a éstas les resulte cada vez más difícil producirse, en primer lugar, sin esperar las represalias de la red. Lo cual puede resultar en que las voces críticas, necesarias en una democracia, se replieguen dada la virulencia de los ataques (como en sexenios anteriores en que un ejército de bots y troles se usaba para acallar la crítica y la disidencia).

Finalmente, sea intencional o no, otro efecto es que se logra una separación entre los canales oficiales del presidente y la multitud de seguidores e iniciativas afines al presidente, como es el caso de la red que nos ocupa. No quedando muy clara la medida en la que el mandatario apoya o condena las acciones de la otra parte, o las acciones que se pueden atribuir como propias. Ello abre un doble juego en el que, por conveniencia, se puede uno deslindar y al mismo tiempo usar esos mismos canales como muestra de validación de propuestas. Dentro de esas separaciones, también habría que preguntarse si el surgimiento de estas redes coordinadas en apariencia por un sólo nodo, traducen efectivamente el sentir y pensar de los seguidores de AMLO.

Las lógicas de aceleración en la difusión de acontecimientos en la arena digital, han sido útiles en los últimos años para activar movilizaciones y protestas en contra de distintas injusticias a nivel global. La velocidad con la que la presión pública sobre actores políticos como gobiernos y empresas escala de lo on a lo offline, es un factor central para comprender las reconfiguraciones sociales actuales. Mientras más personas comparten, comentan y reaccionan a un conjunto de ideas en común (tweets, imágenes, memes, videos, etc.) hay más posibilidades de que el tema permee en la opinión pública y se sitúe en la agenda. Bajo esta misma lógica, campañas de ataque como las analizadas aquí, han sido capaces de construir estrategias de censura y acoso online a través de la diseminación de una idea a través de tweets y hashtags que hacen las veces de agentes “polinizadores”, encargados de esparcir de manera capilar un mensaje. ¿Cuál es el mensaje en este caso? Uno peligroso para cualquier democracia: mantener a raya a quienes critican al presidente.

De acuerdo con estos primeros análisis, sería deseable -para ahuyentar las ambigüedades en el uso de redes de ataque pro-AMLO, que haya un pronunciamiento oficial desde la presidencia o desde la oficina de comunicación social de la misma, que aclare cuál es la postura del gobierno frente a estas estrategias no orgánicas online.

Por último, la exploración de categorías de cuentas que participan en estas operaciones políticas en Twitter no se agota en las mostradas en este informe, sino que es susceptible de ampliarse. La categoría de “mutante” puede agregarse en futuros análisis para definir a aquellos perfiles que tienden a cambiar de nombre en periodos cortos de tiempo y/o que borran sus tweets pasado un determinado lapso, esto con la intención de camuflarse o esconderse del rastreo, o quizá como muestra de la finalización de un contrato.

Coda. El atacante observado
Uno de los atributos que obtenemos acerca de estas cuentas es el “ID”. Se trata de una secuencia numérica con la que Twitter denomina a cada cuenta que se da de alta en la red. Esta cifra, a diferencia del nombre de usuario, no puede ser modificada. Signa_Lab continúa con el monitoreo de estas tendencias para identificar a estos perfiles, independientemente de que cambien de nombre.

• Delgado, M. (2011). El criterio amigo-enemigo en Carl Schmitt. El concepto de lo político como una noción ubicua y desterritorializada. Cuaderno de Materiales, 23,pp. 175-183. Recuperado el 15 de febrero del 2018 en: http://www.filosofia.net/materiales/pdf23/CDM11.pdf
• Schmitt,C. (1999). El concepto de lo político. Barcelona: Alianza Editorial.

1. Categorización de cuentas por patrones atípicos de publicación

2. Alcance de la red del usuario @Fafhoo

Grafo 6. Salida de Usuario a Usuario, combinación de las cuentas @Fafhoo y @MxFaby. Elaborado por Signa_Lab.

Comunidades: 216
Nodos: 20,248
Aristas: 52,253

Grafo 7. Salida de Usuario a Hashtag, combinación de los hashtags #RedAMLOVE, #NoSoyBotSoyReal y #ElReformaTodoLoDeforma. Elaborado por Signa_Lab.

Comunidades: 73
Nodos: 19,289
Aristas: 50,797

3. Geolocalización de Tweets de la #RedAMLOVE

4. Resultados de Proton Pack