El tuit pol¨ªtico, m¨¢s viral cuanto m¨¢s negativo

Si quiere tuitear sobre pol¨ªtica y ganar visibilidad, que el mensaje sea negativo. Cuanto m¨¢s lo sea, m¨¢s probabilidades tiene de ser compartido en Twitter y, por tanto, de hacerse viral. Al mismo tiempo, se ha comprobado que el uso de la negatividad en un tuit aumenta la probabilidad de retuitear y que el lexic¨®n iSOL es el que mejor determina la relaci¨®n entre polaridad y viralidad. Por el contrario, los tuits con palabras positivas bajan la probabilidad de retuit.

Son los resultados m¨¢s destacados de un estudio de la Universidad de Ja¨¦n (UJA), que ha tomado como banco de pruebas tant...

Si quiere tuitear sobre pol¨ªtica y ganar visibilidad, que el mensaje sea negativo. Cuanto m¨¢s lo sea, m¨¢s probabilidades tiene de ser compartido en Twitter y, por tanto, de hacerse viral. Al mismo tiempo, se ha comprobado que el uso de la negatividad en un tuit aumenta la probabilidad de retuitear y que el lexic¨®n iSOL es el que mejor determina la relaci¨®n entre polaridad y viralidad. Por el contrario, los tuits con palabras positivas bajan la probabilidad de retuit.

Son los resultados m¨¢s destacados de un estudio de la Universidad de Ja¨¦n (UJA), que ha tomado como banco de pruebas tanto la reciente campa?a electoral madrile?a como la campa?a del refer¨¦ndum de Catalu?a de 2017. En el caso de los comicios a la Comunidad de Madrid, se han recopilado unos 7.000 mensajes vinculados con los hashtags oficiales y las cuentas de los principales candidatos que obtuvieron mayor votaci¨®n. El 41% de ellos ten¨ªan un contenido negativo, casi el doble de los que presentaban una connotaci¨®n positiva.

El estudio se ha llevado a cabo a partir de lo que los investigadores denominan an¨¢lisis de sentimiento. As¨ª, aplicando un modelo matem¨¢tico y t¨¦cnicas de inteligencia artificial (IA) basadas en procesamiento del lenguaje natural (PLN), se ha intentado comprobar si el nivel de positividad o negatividad de las palabras de un tuit influyen en su viralidad, aplicando la investigaci¨®n a una situaci¨®n pol¨ªtica real. ¡°El estudio nos ha permitido apreciar la polaridad que existe en el debate pol¨ªtico, con multitud de mensajes cargados de negatividad y hasta de discursos de odio¡±, se?ala Mar¨ªa Teresa Mart¨ªn, catedr¨¢tica de Lenguajes y Sistemas Inform¨¢ticos de la Universidad de Ja¨¦n (UJA) y coatura del estudio. Entre las palabras negativas introducidas, dentro de los distintos recursos ling¨¹¨ªsticos disponibles, prevalecen insultos y determinados verbos, seg¨²n ha desvelado el trabajo de campo.

En el modelo matem¨¢tico empleado en el estudio se han tenido en cuenta diversas variables y caracter¨ªsticas del tuit, tanto a nivel del propio mensaje (cantidad de retuits, o cu¨¢ntas palabras positivas o negativas emplea) como del usuario que lo public¨® (n¨²mero de tuits emitidos desde que se cre¨® la cuenta, n¨²mero de favoritos y listas, etc¨¦tera). Adem¨¢s, para determinar el n¨²mero de palabras positivas y negativas se han empleado unos recursos ling¨¹¨ªsticos denominados lexicones. ¡°Los t¨¦rminos que expresan sentimientos afectan a la frecuencia de retuiteo, algo que hemos estudiado mediante un modelo de regresi¨®n que permite el an¨¢lisis de diferentes variables, identificando cu¨¢les de ellas influyen m¨¢s directamente en la viralidad de un tuit¡±, ha se?alado la profesora de la Universidad jienense Salud Jim¨¦nez Zafra, doctora en Inform¨¢tica y diplomada en Estad¨ªstica. En el trabajo titulado ?C¨®mo afectan los sentimientos a la viralidad en Twitter?, que ha sido publicado por la revista cient¨ªfica Royal Society Open Science, tambi¨¦n colaboraron los profesores Antonio Jos¨¦ S¨¢ez Castillo y Antonio Conde S¨¢nchez.

En los casos en los que los usuarios pueden ser considerados como un influencer, es decir, que tenga un gran n¨²mero de seguidores, se han aplicado diferentes variables que han permitido probar que cuantas m¨¢s palabras negativas haya en el mensaje, mayor probabilidad existe de que el tuit sea retuiteado.

Durante la campa?a del refer¨¦ndum de Catalu?a se recogieron unos 50.000 tuits de unos 25.000 usuarios distintos. Se tomaron todas aquellas publicaciones lanzadas en Twitter en los d¨ªas previos al 1 de octubre de 2017 con los hashtag #ReferendumCatalan y #CatalanReferendum. En esas fechas los investigadores no solo se centraron en Catalu?a, sino que tambi¨¦n tomaron en cuenta tuits publicados por cualquier usuario de esta red social en todo el territorio espa?ol.

Noticias falsas

La inteligencia artificial tambi¨¦n est¨¢ detr¨¢s de la aplicaci¨®n que determina la veracidad de las noticias con una alt¨ªsima precisi¨®n. Un equipo de investigaci¨®n de las universidades de Ja¨¦n y Alicante ha creado un sistema que testea la noticia en dos niveles detectando si existen incongruencias en el contenido y si la estructura coincide con la que cualquier publicaci¨®n con rigor period¨ªstico debe tener.

El sistema analiza la estructura de la noticia publicada atendiendo a las normas de periodismo cl¨¢sicas: la regla de las 5W+H, conocida as¨ª por las siglas de las cuestiones en ingl¨¦s, y la pir¨¢mide invertida. Estas gu¨ªas se sustentan en que la noticia rigurosa debe contener informaci¨®n que responda a las seis preguntas b¨¢sicas (?qu¨¦?, ?cu¨¢ndo?, ?d¨®nde?, ?qui¨¦n?, ?por qu¨¦? y ?c¨®mo?) y que se presente en gradaci¨®n desde lo m¨¢s importante hasta los detalles. ¡°La estructura de una publicaci¨®n nos da pistas de si hay base period¨ªstica o si, por el contrario, imita a una noticia real¡±, indica Miguel ?ngel Garc¨ªa, investigador de la Universidad de Ja¨¦n y coautor del trabajo.

A partir del an¨¢lisis del lenguaje natural, los expertos desarrollan un algoritmo que detecta las informaciones que no responden a esta estructura. Estos c¨¢lculos se basan en t¨¦cnicas de aprendizaje autom¨¢tico, tambi¨¦n conocido como machine learning, de forma que el sistema va aprendiendo a medida que va acumulando datos.

Adem¨¢s, la m¨¢quina puede procesar en segundos miles de datos simult¨¢neos, algo que una persona no podr¨ªa hacer. ¡°As¨ª, los periodistas pueden contrastar fuentes, detectar estructuras incorrectas, viralizadas o que tengan incongruencias entre el titular y el cuerpo de manera inmediata y autom¨¢tica. Tambi¨¦n el usuario final puede tener evidencias de si la noticia que lee cumple con unos est¨¢ndares o no¡±, a?ade Estela Saquete, investigadora de la Universidad de Alicante y coautora del estudio que realiz¨® las pruebas a partir de unos 200 art¨ªculos centrados en temas sanitarios, de especial relevancia en la actualidad debido a las numerosas noticias falsas que circulan sobre la covid-19.

Puedes seguir a EL PA?S TECNOLOG?A en Facebook y Twitter.