estudio sobre la aplicación de la teoría de los vínculos débiles aplicada a twitter

ESTUDIO DE LA TEORÍA DE LOS

VÍNCULOS DÉBILES APLICADA A LA

RED SOCIAL TWITTER

CARLES SALOM RIBERA

UNIVERSIDAD DE SANTIAGO DE COMPOSTELA

INSTITUTO UNIVERSITARIO DE INVESTIGACIÓN ORTEGA Y GASSET

ESTUDIO DE LA TEORÍA DE LOS VÍNCULOS DÉBILES

APLICADA A LA RED SOCIAL TWITTER.

CARLES SALOM RIBERA

Trabajo Tutorizado por: Rafa Rubio

Trabajo Fin de Master en

Máster Universitario en Marketing, Consultoría y Comunicación Política

Curso 2012-2013

A la meva família per permetre-m´ho

A Sandra per aguantar-me

A Conxa per la seva constructivitat

A Mari Luz Congost por su ayuda inestimable

Y a Montse Fernández y Rafa Rubio por sus Consejos

Resumen:

En el presente trabajo, investigaremos la aplicación de la teoría de los vínculos débiles

de Granovetter en la red social Twitter, con el fin de encontrar la mejor forma de

trasladar un mensaje político más allá de los seguidores del perfil de un partido político

en la red social Twitter.

Abstract:

In this paper, we will investigate the application of the theory of Granovetter's weak ties

in the social network Twitter, with the aim to find the best way to move a political

message beyond the profile supporters of a political party in the social network Twitter.

Palabras Clave:

Red Social, Vínculos Débiles, Vínculos Fuertes, Sociometría

Key Words:

Network, Weak Ties, Strong Ties, Sociometry

ÍNDICE

1. INTRODUCCIÓN............................................................................9

1.1 La utilización de Bots y Perfiles Falsos en Twitter.....................10

1.2 Compra de Followers..................................................................14

1.3 Objetivos del Estudio..................................................................15

2. MARCO TEÓRICO........................................................................16

2.1 Redes Sociales: La difícil aproximación a una definición..........16

2.2 La Sociometría y sus principales elementos................................22

2.3 Los Vínculos Débiles y la teoría de Granovetter.........................24

2.4 Vinculos Débiles, Fuertes e Influencia........................................28

3.LA INVESTIGACIÓN.....................................................................33

3.1 Elección de Perfiles.....................................................................33

3.2 Definición de Vínculos................................................................36

3.3 Diseño del Estudio.......................................................................38

3.4 El Perfil del Partido Político en Twitter.......................................44

3.5 Presentación de Resultados..........................................................45

3.5.1 Resultados Primer Mes..........................................................45

3.5.2 Resultados Segundo Mes.......................................................52

3.5.3 Resultados Tercer Mes..........................................................66

4. CONCLUSIONES..........................................................................71

5. BIBLIOGRAFÍA............................................................................74

5.1 Artículos en Periódicos..............................................................77

1 . I N T R O D U C C I Ó N

“(...)the ability to reach large population online means that even small effects

could yield behaviour changes for millions of people. Furthemore, as many

elections are competitive, these changes could affect electoral outcomes”

(Robert M. Bond et al, 2012:295)

Las redes sociales son ya el presente. Nos comunicamos fluidamente a través de ellas,

creamos nuevas sinergias y nuevas acciones, son una herramienta de contacto y de

información creciente. Las hemos estudiado desde diferentes disciplinas académicas,

como la sociología, la psicología o las matemáticas. Y ahora, después de Obama ´08,

cuando la utilización de las redes sociales fueron el principal elemento en la campaña

electoral, se han convertido en un instrumento de Comunicación Política que debemos

tener en cuenta, y más aún si contemplamos el número creciente de personas que se

conecta a ellas.

Según el Observatorio de las redes Sociales, en su informe titulado “V oleada”, el 93%

de los internautas acceden a las redes sociales1. El 70% de los hogares españoles ha

accedido a internet en los últimos 3 meses, unos 25 millones de personas son internautas

1 Trecebits.com, “V Oleada, Observatorio de Redes Sociales,” Abril 2013, http://www.trecebits.com/2013/04/24/v-oleada-del-observatorio-de-redes-sociales-de-the-cocktail-infografia/. Consultada: 27 Junio 2013.

http://www.trecebits.com/2013/04/24/v-oleada-del-observatorio-de-redes-sociales-de-the-cocktail-infografia/

http://www.trecebits.com/2013/04/24/v-oleada-del-observatorio-de-redes-sociales-de-the-cocktail-infografia/

en nuestro país2. Para unas elecciones nacionales son datos a tener presentes, puesto

que, como indicaba nuestra cita inicial, un pequeño cambio en el porcentaje de votantes

puede aportar un gran resultado en la campaña.

Según el IV Estudio Anual de Redes Sociales de “Marketing for ecomerce” y “iab

spain research”3, los usuarios de las redes sociales dedican la mayoría del tiempo que se

encuentran conectados a enviar mensajes privados a sus contactos (35% de usuarios

realiza la actividad de forma muy frecuente) o ver las publicaciones que estos hacen ( el

33% de usuarios realiza esta actividad de forma muy frecuente), en tercer lugar ven

música y vídeos (con un 20% de asiduidad muy frecuente)4. Conviene recalcar el dato

más importante para el fin de nuestro estudio: el mayor tiempo que los usuarios dedican

a sus redes sociales está relacionado con sus contactos, o bien para interactuar con ellos

o para observar aquello que publican.

Es por ello que el estudio de la comunicación política en las redes sociales es de vital

importancia tanto para las campañas electorales como para la comunicación

institucional. Tanto es así que los diferentes partidos ya utilizan técnicas para expandir

su mensaje dentro de las plataformas de redes sociales como pueden ser la utilización de

perfiles falsos o la compra de followers.

1.1 La utilización de Bots y perfiles falsos en el mensaje político

No será la primera vez que oigamos hablar de la utilización de “bots” o perfiles falsos

creados por los partidos, sobre todo en época electoral, para retwittear sus tweets y darle

2 Manuel Jimeno (director publicación), Blanca Villamía Uriarte (subdirectora publicación), and Víctor Suárez Saa (subdirector publicación), eEspaña Informa Anual 2013: Sobre El Desarrollo de La Sociedad de La Información (Fundación Orange, n.d.), http://fundacionorange.es/.

3 IV Estudio Anual Redes Sociales (iab spain research, Enero 2013), http://www.iabspain.net/wp-content/uploads/downloads/2013/01/IV-estudio-anual-RRSS_reducida.pdf.

4 Ibid.

12

publicidad a su perfil oficial. Enmascaran la supuesta espontaneidad de perfiles

privados cuando en realidad son perfiles dirigidos por gente que trabaja en la campaña

electoral o en el partido político.

El término más académico para referirnos a esta manipulación de las redes sociales es

astroturfing. Ronan Tigner se refirió al astroturfing como “In the figurative sense,

astroturfing refers to the practice of disguising an orchestrated campaign as a

grassroots movement” (R. Tigner 2009-2010: 2)

En el estudio, Ronan Tigner cita a la política como uno de los escenarios donde se

utiliza esta práctica:

“example, in the political sphere, there have been many cases of politicians

feigning spontaneous support from their would-be electorate or spreading

falsely citizen based criticism damaging towards their political opponents’

reputation” (R. Tigner 2009-2010: 2)

1. Imagen perfiles falsos en apoyo de UPyD:

Fuente: Menéame

La anterior captura de pantalla bien puede ser el ejemplo más reciente de la utilización

del astroturfing en nuestro país. Fue durante la intervención de la parlamentaria Rosa

Díez, perteneciente al partido UPyD en la sesión de control del 1 de Agosto de 2013. Se

consiguió el efecto contrario al esperado, las redes sociales en lugar de hablar de la

ponencia de la lideresa de UPyD, hablaron de los mensajes de apoyo falsos generados

de forma no espontánea. Observamos como, desde distintos perfiles, pero a la misma

hora, se lanzó exactamente el mismo mensaje en apoyo a UPyD. La ofimática

disponible nos permite, de una forma sencilla, programar un tweet desde diferentes

perfiles y publicarlo a una misma hora. El problema viene cuando, como podemos

observar en las capturas, se descubre la estrategia empleada. El rechazo a nivel social

fue notable.

Tras lo ocurrido surgieron voces llamando a la inocencia del partido en el caso de los

bots5. Incluso UPyD, desde su perfil oficial en Twitter tuvo que desmentir su autoría.

Sea como fuere, si el Partido es inocente o no, la posibilidad de que en las redes se

hablara de la ponencia de Rosa Díez fue llevada a un segundo plano y obligó a su

propio partido, como se puede ver en la siguiente imagen, a dedicar más tiempo a

desmentir la utilización de astroturfing que a hablar del debate y de la intervención de la

parlamentaria.

5 Sergio Acedo, “UPyD Utiliza Bots Durante El Debate Parlamentario,” Blog, El Pato Magenta, Agosto 2013, http://sergioacedo.com/upyd-utiliza-bots-durante-el-debate-parlamentario/.

14

2. Imagen del Perfil del Twitter de UPyD tras el escándalo de los perfiles falsos

Fuente: Elaboración Propia

En las elecciones de México6 el candidato Peña Nieto también fue criticado por la

utilización de la misma estrategia y también lo fue el gobierno de Argentina7 , que

utilizó este sistema para apoyar su mensaje en ciertos temas polémicos. O empresas

como Movistar utilizaron también el astroturfing para lanzar una campaña publicitaria a

través de un perfil personal mediante la emisión de un hashtag.

1.2 La Compra de Followers

Otra de las técnicas utilizada en las redes sociales es la llamada “compra de followers”.

Los propietarios de un perfil, o la persona encargada de administrarlo, tienen la certeza

que con un mayor número de seguidores su perfil gozará de mayor influencia.

6 Alberto Nájar, “Los Mexicanos Que Se Dedican a Cazar Falsos Tuiteros,” BBC Mundo, Abril 2012.7 “Lanata Reveló La Lista de Falsos Twitteros K,” Lanación.com.ar, May 7, 2012,

http://www.lanacion.com.ar/1471157-lanata-revelo-la-lista-de-falsos-twitteros-k.

Plataformas como seguidoresentwitter.net, usocial.net, comprarseguidores.net y tantas

otras8, ofrecen sus servicios para engordar las cuentas de seguidores. Con 350 dólares

pueden proporcionar hasta 25.000 followers nuevos9.

El último ejemplo más reciente que hemos encontrado de una posible compra de

followers fue el candidato al senado Alejandro Bodart10

Fuente: Plazademayo.com

Famosos como Lady gaga también usan la estrategia de compra de followers, se cifra en

un 29% los perfiles falsos de sus 28,7 millones de seguidores. Barack Obama, el

político más seguido en Twitter con 19 millones de followers cuenta con un 30% de

perfiles falsos, 39% inactivos y solamente un 31% son cuentas “buenas” o “activas”11.

8 “Los Políticos Compran Seguidores En Twitter y Facebook,” ABC.es, accessed August 30, 2013, http://www.abc.es/20120625/medios-redes/abci-compra-seguidores-facebook-twitter-201206211408.html.

9 Ibid.10 “Seguidores Truchos Para Todos,” Plazademayo.com, accessed August 30, 2013,

http://www.plazademayo.com/2013/07/truchos/.11 “Barack Obama Tiene 13 Millones de Seguidores Falsos e Inactivos En Twitter - Tecnología -

CNNMéxico.com,” accessed August 30, 2013, http://mexico.cnn.com/tecnologia/2012/08/25/barack-obama-tiene-13-millones-de-seguidores-falsos-e-inactivos-en-twitter.

16

1.3 OBTJETIVOS DEL ESTUDIO

En el estudio intentaremos abordar un objetivo principal, que no es otro que comprobar

si la teoría de la fuerza de los Vínculos Débiles de Granovetter tiene validez en las redes

sociales que se generan a partir del perfil oficial de un partido político. Para ello

emitiremos mensajes desde los Vínculos catalogados como débiles comparándolos con

mensajes emitidos desde Vínculos catalogados como Fuertes.

A la vez buscaremos mostrar una forma de comunicación, a través de las plataformas de

redes sociales, más efectiva que la compra de followers o la creación de perfiles falsos.

Puesto que si comprobamos que la teoría de Granovetter es válida, indirectamente

podría suponer que trabajar desde perfiles reales es más eficiente, en el momento de

emisión y expansión del mensaje político, que hacerlo desde perfiles o followers falsos.

Evitando, además, la repercusión social y la mala imagen que supone el descubrir, por

parte de los usuarios, la utilización de tales técnicas.

Por lo tanto, si la teoría que expuso Granovetter de que los Vínculos Débiles son

mejores transmisores de información se cumple en las plataformas de redes sociales

como Twitter, podríamos encontrar un modo de transmitir mensajes políticos que nos

ayude a maximizar nuestra emisión sin tener que recurrir a la utilización de falsos

perfiles o la compra de seguidores.

2 . M A R C O T E Ó R I C O

2.1 Redes Sociales: La difícil aproximación a una definición

Podemos decir, tal y como apunta J. Scott (1991: 1-38), que el primer sociólogo que

estudió las redes sociales, centrándose únicamente en los problemas estructurales, fue el

sociólogo Radcliffe-Brown entre los años 1930 y 1970. A partir de los años 70, los

estudios alrededor de la materia proliferaron de forma exponencial, basándose en los

estudios de Radcliffe-Brown y más aún después de la creación de plataformas de redes

sociales como Facebook y Twitter.12

Como comentamos anteriormente diversas disciplinas han abordado el estudio de las

redes sociales y cada una de ellas lo ha hecho desde su propio prisma. Tal vez debido a

esta diversidad no encontramos una definición aceptada de forma unánime sobre las

redes sociales. Tanto es así que J. Clyde Mitchell escribía en su estudio “Social

Networks” en referencia a la dificultad de encontrar una definición aceptable: “The

terminological jungle, in wich any newcomer may plant a tree”13 Una jungla de

términos es lo que encontraremos si queremos adentrarnos en el mundo teórico de las

Redes Sociales.

12 John Scott, Social Network Analysis, Third Edition, n.d.13 J. Clyde Mitchell, “Social Networks,” in Annual Review of Antrhopology, vol. 3, Annual Reviews,

1974, 279–299, arjournals.annualreviws.org.

18

No solamente encontraremos infinidad de definiciones sobre qué es una red social, sino

que además deberemos de encuadrarlas dentro del tipo de definición, es decir, si es una

definición metafórica, como puede ser la definición del sociólogo Radcliffe-Brown

“social structure as “a network of actually existing social relationships” o con un nivel

ya mucho más analítico, como podría ser la definición de J. Clyde:

“Social Network as a specific set of linkages among a defined set of persons,

with the additional property that the characteristics of these linkages as a

whole may be used to interpret the social behaviour of the persons envolved”

(Clyde, 1975:2).

Otro de los paradigmas que encontramos para definir el concepto de redes sociales es

mediante el conflicto, tal y como nos muestran Gueorgi Kossinets y Duncan J. Watts14:

“Social network formation is a complex process in which many individuals

simultaneously attempt to satisfy their goals under multiple, possibly

conflicting, constraints.” (G. Kossinets et al., 2006:89)

Un elemento fundamental en cualquier trabajo sobre redes sociales es la teoría de

grafos, una disciplina de las matemáticas que se encarga de representar los mapas de las

relaciones dentro de las redes sociales. Desde su punto de vista una red social es:

“(...) a infite set of point linked, or partly linked, by a set of lines (called arcs) is

called a net, there being no restriction on the number of lines linking any pair

of points or on the direction of those lines. A relation is a restricted sort of net

in with there can only be one line linking one point to another in the same

relation”15

14 G. Kossinets, Duncan J. Watts “Empirical Analysis of an Evolving Social Network,” Science 311, no. 5757 (January 6, 2006): 88–90, doi:10.1126/science.1116869.

15 J. Clyde Mitchell, Social Networks in Urban Situations: Analyses of Personal Relationships in Central African Towns (Manchester: Manchester University Press for the Institute for African Studies, University of Zambia, 1975).

En esta última definición hemos empezado a introducir las principales características de

las redes sociales, en este caso la relación existente entre los diferentes nodos. En la

misma dirección apunta Radcliffe-Brown cuando explica que una red social es “La red

de las relaciones existentes entre las personas implicadas en una sociedad”16

Manuel Castells, en su libro “Sociedad Red”, realiza una definición de las redes

sociales en la que realiza otra aportación a las características de las redes sociales: la

relevancia de los distintos nodos dentro de una misma red social.

“Una red es un conjunto de nodos interconectados. Una red no posee ningun

centro, sólo nodos. Los nodos pueden tener mayor o menor relevancia para el

conjunto de la red (...) La red es la unidad, no el nodo.” (Castells, 2006:27)

La definición de las redes sociales respondería a un modelo rizomático, por ello nos

basaremos en el trabajo de M. E. J. Newman “The structure and function of complex

networks” y sus cuatro diferenciaciones de redes sociales para enmarcar nuestro

estudio.

Newman enumera cuatro formas diferentes de redes sociales17:

- Social Network

- Information Network

- Technological Network

- Biological Network

16 A.R. Radcliffe-Brown “Estructura y función en la sociedad primitiva”, Barcelona, Península, 1974 (2º de) pp 218-228

17 M. E. J. Newman, “The Structure and Function of Complex Networks,” SIAM Review 45, no. 2 (January 2003): 167–256, doi:10.1137/S003614450342480.

20

Dado que el interés del estudio se centra en la relación entre los diferentes nodos y en la

facilidad de estos en transmitir un mensaje al resto de la red, nos fijaremos únicamente

en la definición que el autor aporta para “Social Network”: “Set of people or groups of

people with some pattern of contacts or interections between individuals” (J. Newman,

2003:5)

En el mismo trabajo Newman realiza una enumeración de las propiedades de las redes

sociales. Veremos que las diferentes cualidades están relacionadas entre sí, y que para

entender bien una de ellas deberemos tener en consideración todas las demás. Es por

ello que para entender que tipo de vínculos son mejores para transmitir una información

deberemos antes tener claras las siguientes propiedades:

a) “The small-world”

Surge a partir del experimento de Stanley Milgram en 1960. El experimento

demostró la rapidez con la que un mensaje se puede transmitir si utilizamos los

canales adecuados dentro de la red social.

Una de las implicaciones más directas sería que, en el caso de extender un

rumor, se extenderá mucho más rápido si se extiende a través de los nodos bien

conectados que si empleamos 100 nodos para conseguir su repercusión.

b) Transitivity:

En matemáticas, la transitividad implica una relación directa entre 3 elementos,

A, B y C. Así si A está conectado a B, y éste a C, por la teoría de la transitividad

C estará también conectado con A. La propiedad de la transitividad implica la

posibilidad de medir el número de triángulos que hay interconectados, es decir,

la relación que existe entre conjuntos de 3 vértices y el resto de la red. Esto

implica agrupar la red en vértices de 3 y, una vez aplicada la siguiente fórmula

podríamos saber la densidad de la red.

C = 3 × number of triangles in the network / number of connected triples of

vertices

La pregunta clave sería qué ocurre con los grupos con n > 3 o n < 3 (siendo “n”

el número de vértices), para n > 3 no existe una teoría asentada. Pero en el caso

de que n < 3 se rompería la teoría de la transitividad, puesto que la relación que

existiría entre ellos no sería transitiva, sino recíproca.

En definitiva, lo que nos aporta esta propiedad es la densidad que existe en la

red, es decir, si hay un gran número de interconexiones entre los elementos de la

misma o por el contrario hay poca relación entre los mismos o pocos nodos.

c) Degree Distribution:

El grado de un vértice sería el número de aristas que se conectan con éste. Esta

propiedad nos indica lo importante que puede ser un nodo, puesto que a mayores

interconexiones, es decir, a mayor número de aristas encontradas en un mismo

vértice, la probabilidad de que el vértice, o nodo, tenga mejores conexiones con

la red es mayor.

Esta propiedad tiene una relación directa con la transmisión de información,

puesto que para buscar el camino más corto que debe recorrer la información

desde un punto A hasta un destino final B buscaremos los nodos que estén mejor

conectados para dar el menor número de pasos posible.

d) Network Resilence:

Implica que si eliminamos alguno de los vértices de la red, los caminos a seguir

aumentan de tamaño, y puede ocurrir que haya pares de vértices que queden

desconectados del resto de la red. Es lo que Hariry nombra puntos cortantes:

22

“aquél que si es eliminado de un gráfico, desconecta una parte de la otra”18.

Aunque un Network Resilence no implica, al menos de forma directa, que la red

quede dividida en diferentes partes, al contrario que el “Punto Cortante” que es

un nexo clave sin el cual la red quedaría dividida en dos o más partes sin

conexión.

Para nuestro estudio supone tener que averiguar cuáles son esos puntos

esenciales sin los que la red dejaría de tener sentido, y cuáles son aquéllos que,

en nuestro caso, acortan el camino para transmitir aquella información que

queremos mandar.

e) Mixing Patterns

Esta propiedad explica que hay una vinculación selectiva de los nodos, o sea,

que la unión de los nexos no es de forma aleatoria, sino que existe una razón

para que los nexos se unan entre sí y por diversas afinidades. En nuestro caso, el

mixing pattern que buscamos es la unión por afinidad política.

f) Degree Correlations

Además de la propiedad por afinidades encontramos también como propiedad la

unión selectiva por grados de la misma gradación. El peso de un nodo vendría

dado por los vértices que se unen a él y por la importancia que tenga dentro de la

red. Los grados con el mismo peso dentro de la red se unen entre ellos, creando

unas sinergias en las estructuras propias.

g) Community Structure

La mayoría de redes sociales muestran una estructura de comunidad, es decir,

18 Harary, F. (1965) “Graph Theory and group Structure”. In Readings in Mathematical Psychology, Vol. 2, edited by R. Luce, R. Busch, and E. Galanter. New York, Wiley

vértices con alta densidad de bordes entre ellos pero con una baja densidad entre

los diferentes grupos, dado que la gente, como hemos explicado en las dos

anteriores propiedades, se divide en grupos según sus afinidades, a lo largo de

las líneas de interés común.

h) Network Navigation

El experimento de Milgram no solamente demostró que dentro de una red

existen caminos más cortos para transmitir información que otros, sino que la

gente común era la más eficaz para encontrarlos. Siguiendo el mismo ejemplo

del experimento de Milgram, podríamos decir que cada uno de nosotros

conocemos a nuestros amigos, y quizás a algunos amigos de nuestros amigos, y,

sin tener una relación aparente, somos capaces de hacer llegar un mensaje y

hacerlo por el camino más corto.

2.2La Sociometría y sus principales elementos

En el estudio de las redes sociales, la Sociometría ha permitido la representación gráfica

de las relaciones existentes entre los diferentes elementos que forman la red. Por ello

podemos decir que el estudio de las redes sociales y la Sociometría están íntimamente

ligados entre sí. El mayor exponente de la Sociometría fue el psiquiatra J.L. Montero,

quién definió a la Sociometría como:

“el estudio de la evolución de los grupos y de la posición que en ellos ocupan

los individuos, prescindiendo del problema de la estructura interna de cada

individuo” (Montero: 1972).

24

Una red es un conjunto de relaciones, representadas por líneas, lazos o vínculos,

entre una serie definida de elementos, representados como nodos.

Según el tipo de relación existente podemos encontrar 4 tipos de redes19:

I. Tabla: Clases de Redes según la relación entre los nodos

Orientada Recíproca

Nodos Iguales 1 2

Nodos Diferentes 3 4

Fuente: La Ciencia de las Redes

Cada uno de estos cuatro tipos puede ser a su vez binario o combinado. En nuestro caso

nos encontraremos con redes de nodos iguales y con interacciones tanto orientadas

(cuando no reciban respuesta) como recíprocas (en el caso de que exista una interacción

entre los nodos).

Los mapas que verán aquí representados son una recreación de las interacciones que se

crean a partir de un hashtag propuesto. Las interacciones se deben o bien a una

conversación a través de la red o a una mención.

19 José Luis Molina, “La Ciencia de Las Redes,” Apuntes de Ciencia y Tecnología, nº11, June 2004.

2.3Los Vínculos Débiles y la teoría de Granovetter

Nuestra investigación se basa en la teoría que Granovetter desarrolló acerca de un

mayor grado de transmisión de los mensajes si los vínculos débiles de una red social

actúan como emisor.

Su trabajo se centró en el estudio de un grupo definido de trabajadores de Boston. En

dicho estudio descubrió que el 56% de los participantes encontró su trabajo mediante

información que les habían brindado sus conocidos, el 46% restante lo hizo a través de

otros canales. Seguidamente se centró en la gente que encontró trabajo mediante

conocidos y descubrió que dentro del 56% inicial, el 55,6% lo hizo a través de gente

con la que no tenía una relación diaria, en términos del estudio, que no “veía

ocasionalmente”. Un 16,4% encontró su trabajo a través de gente con la que tenía una

relación de amistad directa, con “trato a menudo”, y el 27,8% que resta es de gente que

encontró el trabajo mediante amistades que veía “raramente”20.

A pesar de no encontrar una definición escrita en el primer trabajo de Granovetter (en

1983 publicaría una versión revisada de su teoría) sobre las diferentes clases de

vínculos, sí que encontramos una definición explícita de lo que Granovetter explica

como la “fuerza de un vínculo”:

“(...) the strength of a tie is a (probably linear) combination of the amount of

time, the emocional intensity, the intimacy (mutual confiding) and the

reciprocal services witch characterize the tie” (Granovetter, 1973: 1361)

A partir de la definición de fuerza del vínculo el autor categoriza los vínculos en tres

clases: Fuertes, Débiles y Ausentes. La falta de una definición exacta en el trabajo de

Granovetter provoca que nos planteemos que cualidades, y en qué intensidad, han de

20 En el estudio se especifica que “amenudo = al menos dos veces por semana” “ocasionalmente = más de una vez al año” y “raramente = una vez al año o menos”.

26

cumplir cada uno de los diferentes tipos de nexos para posicionarlos en alguna de las

tres categorías, puesto que, como bien aporta Kapferer21, un vínculo fuerte puede

cumplir la mayoría de los indicadores de la definición, pero incluso con un solo

indicador puede convertirse también en un nexo fuerte. Es lo que él nombró como la

“multiplexidad”.

Nosotros entenderemos que los nexos débiles son, como Granovetter puntualizó en la

versión revisada de “The strength of weak ties”22, los conocidos (acquaintances).

Mientras que los vínculos fuertes serían los amigos cercanos (close friends).

La mejor difusión de la información se debe a todas las características que hemos

definido anteriormente sobre las redes sociales y que se reproducen, con diferente

nomenclatura, en el estudio de Granovetter. En el trabajo habla de la interacción para

intercambio de información entre dos nodos y la transmisión de ésta a un tercero que

sea vínculo directo con alguno de los dos (Transitivity). Para reforzar ésta característica

Granovetter evidencia que: “(...) the more frequently persons interact with one another,

the stronger their sentiments of friendship for one another are apt to be” (Granovetter,

1973:1362). Granovetter cita la anterior frase en su trabajo y le atribuye la idea a

George Homan, quién la publicó en The Human Group (1950) y la cual tiene una

aplicación directa en nuestro caso.

Tomando la cita de Homan como cierta, al crear y aumentar la interacción entre el

partido y los vínculos estaríamos ayudando a afianzar la unión entre partido político y

vínculos débiles y fuertes. En palabras de la cita, estaríamos fortaleciendo los lazos de

amistad entre el partido político y el vínculo, que en un sentido finalmente funcional

podríamos presumir que sería el equivalente a fortalecer la afinidad entre los vínculos y

el Partido.

Si en nuestro estudio trabajamos con los Vínculos Débiles, estos Vínculos serán débiles

21 Kapferer, B. (1969). Norms and the manipulation of relationships in a work context .

22 M. Granovetter, “The Strength of Weak Ties: A Network Theory Revisted,” in Sociological Theory, vol. 1, 1983, 201–233.

para el Partido, pero serán Vínculos Fuertes de sus allegados. Estos allegados no tienen

porque seguir el perfil de Twitter del partido en cuestión, pero suponiendo que la fuerza

de la unión entre los vínculos aumenta a mayor similitud entre ellos “the stronger the

tie connecting two individuals, the more similar they are” (Granovetter, 1973: 1362),

podemos suponer una mayor probabilidad de compartir alguno de los ideales entre el

partido, el vínculo débil y el conocido del vínculo débil. Esta idea es fundamental para

el estudio puesto que, tras la vinculación de los individuos, la fortaleza de la unión será

debida a la similitud de los mismos (Mixing Patterns). Lo cual nos abre un camino

directo para llegar a este tercer anillo de similitud, podríamos decirlo así, de una forma

mucho más efectiva. Es decir, el Vínculo Débil nos sirve de “Puente” entre el Partido y

sus contactos, los cuales son el verdadera objeto de nuestro trabajo.

“(...) each person has a great many contacts, a bridge between A and B

provides the only route along which information or influence can flow from any

contact of A to any contact of B, and, consequently, from anyone connected

indirectly to A to anyone connected indirectly to B” (Granovetter, 1973:1364)

La vinculación directa entre el vínculo débil y la mejor difusión del mensaje la

encontramos justamente en esta idea de puente (podríamos decir que representa las

ideas de Transitivity y Network Resilence). Los vínculos débiles son aquellos nexos que

conseguirían que el mensaje pudiera pasar de una red de nodos a otra, evitando así el

aislamiento de las diferentes zonas. Se argumenta que los Vínculos Débiles inclinarían

la red social hacia una uniformidad, pero no es cierto y seguidamente expondremos las

razones. Lo cierto es que sin la existencia de los Vínculos Débiles los vínculos fuertes

centrarían sus interacciones dentro de su grupo íntimo de amigos reservando así la

información a un solo núcleo de nodos:

“evidence suggest that local bridges tend to be weak ties because strong ties

encourage triadic closure, which eliminates local bridges. Other things being

equal, weak local bridges will tend to be maintained over time, while strong

28

local bridges will tend to be eliminated.”23 (Friedkin, 1980: 417)

Anteriormente indicábamos que uno de los miedos es que los vínculos débiles lleven un

mensaje homogéneo dentro de una red social y, por lo tanto, lleguen a homogeneizar el

pensamiento dentro de la misma, y apuntábamos a que esto no era cierto. Y no lo es

puesto que el vínculo débil es el único que puede hacer llevar una información novedosa

dentro del grupo dado que tendría un mayor contacto con nodos externos y por ende,

con información externa al grupo. Al introducir ideas novedosas dentro de la red social

éstas han de ser admitidas, no se aceptan sin más, y no se aceptarían en todos los grupos

dentro de una red social de la misma forma puesto que, pese a permanecer una misma

red social, cada grupo tiene sus inquietudes propias24.

Por todo ello, lejos de ser los vínculos débiles quienes pueden homogeneizar el grupo,

son los que mayor posibilidad tienen de aportar nueva información al grupo y por tanto

aportar una diversidad, además de una vinculación directa con los elementos exteriores.

Si los vínculos débiles no actuaran el flujo de información novedosa cesaría entre los

diferentes grupos, por lo que el peligro ya no sería la posible homogeneidad de la red,

sino la uniformidad dentro de cada núcleo.25

Anteriormente hablábamos de la densidad (transitivity) que pueden adoptar las redes

sociales. En el estudio de los vínculos débiles Granovetter hacía una similitud con la

“red afectiva” y la “red extensa” de Epstein (1969: 110-111) indicando que la red que

formarían los vínculos débiles sería una “red extensa”, la cual sería menos densa que

nuestra “red afectiva”, formada por aquellos con los que interaccionamos más intensa y

regularmente, y a los que mejor conocemos (Granovetter, 1973:10). Por tanto,

aprovechando los vínculos débiles del perfil de Twitter podríamos obtener una red

23 Friedkin habla de “puentes locales” (local bridges), en su estudio, que se basa en el mismo trabajo de

Granovetter sobre vínculos débiles, explica que para la función que desempeñan los “puentes” dentro de

las redes sociales se pueden igualar al concepto de “puente local” (Friedkin, 1980: 414).

24 Mark S. Granovetter, “The Strength of Weak Ties,” American Journal of Sociology, May 1973.25 Ibid.

afectiva más extensa que nuestra red primaria.

Llegados a este punto, es importante explicar el poder de influencia que tenemos sobre

aquellos a los que conocemos mejor, puesto que es de vital importancia para evaluar la

penetración que puede tener una información dentro de la red social.

2.4 Vínculos Débiles, Fuertes e Influencia

Hablar de comunicación es hablar, inseparablemente, de influencia. Es el sentido final

del cuarto poder. Las primeras teorías sobre los flujos de comunicación hablaban de una

corriente a dos niveles antes de llegar al público en general. Ahora parece que carece de

sentido hablar de estos dos flujos, puesto que con la facilidad de acceso a la información

que existe en nuestro días, uno mismo puede acceder a la información que desea.

Solamente existe un flujo en la transmisión de la información. (L. Arroyo, 2012: 357).

Si bien es cierto que podemos afirmar que actualmente solo existe un flujo de

información, también es cierto que en ese flujo único solamente intentan reforzar su

ideario, y no solo buscamos aquella información que nos da nuevos argumentos sobre

aquello que ya sabemos, sino que nos rodeamos de los amigos que comparten los

mismos valores, ideas y anhelos.

“The social cohesion model portrays social influence in politics as occurring

within small groups of close associates who share common understandings that

are fostered within the same normative climate of opinion”(R. Huckfeldt et al.,

1995: 1027)

Y, en nuestra búsqueda de información, tendremos en mayor consideración aquella que

30

provenga de nuestros amigos o familiares, de las personas más próximas:

“I am more likely to trust your opinion and the information it conveys if I hold

you in Hihg personal esteem, both as a friend and as a knowledgeable

informant” (R. Huckfeldt et al., 1995: 1027)

Uno de los graves problemas a los que se enfrenta el perfil oficial de un partido dentro

de las redes sociales es que su grupo de seguidores tenderá a ser su red social. Por lo

tanto, será complicado para un partido político mandar un mensaje directo a aquella

gente que no sigue su perfil oficial pero que sí son votantes, o votantes en potencia. Por

este motivo surge la idea de estudiar la emisión de mensajes políticos no a través de las

cuentas oficiales de los partidos, sino a través de sus vínculos débiles, como único

puente capaz de maximizar el mensaje político en las redes sociales y llegar así a los

conocidos de nuestros conocidos:

“(...) if political comunication only occurs through close friends, the social

reach of political information is likely to be quiet limited. Alternatively, the

causal acquaintances of my casual acquanintances are not so likely to be my

associates, and thus information conveyed through such patterns of interaction

is likely to travel farther.”(R. Huckfeldt et al., 1995: 1027)

Cuando hablamos de influencia estamos pensando en la definición que Meeyoung Cha,

Hamed Haddadi, Fabrício Benevenuto y Krishna P. Gummadi utilizaron en su estudio

“Measuring User Influence in Twitter: The Million Followers Fallacy”26“The

Merriam-Webster dictionary defines influence as “the power or capacity of causing an

effect in indirect or intangible ways”” (Meeyoung Cha et al,. 2010:11)

En el caso de la red social Twitter podemos medir la influencia de los usuarios mediante

3 elementos27:

26 Meeyoung Cha et al.,. “Measuring User Influence in Twitter: The Million Follower Fallacy”. 4th International AAAI Conference on Weblogs and Social Media (ICWSM), 2010.

27 Ibid.

- Followers: aquellas personas que siguen mi perfil. A nivel de influencia

representa la popularidad del usuario

- Retweets: aquellos mensajes emitidos por mi y que son compartidos por mis

seguidores. Representa el valor del contenido de un tweet.

- Mentions: cuando alguien que escribe en la red social menciona mi nombre.

Representaría el valor del nombre del usuario.

Si realizáramos el estudio de los 3 elementos mencionados nos aportaría una idea de la

influencia del usuario estudiado sobre sus seguidores.

Cuando ponemos el punto de mira en el ámbito político, a nivel de influencia, ocurre

exactamente lo mismo. Hablamos de política con nuestros amigos más cercanos,

comentamos nuestro voto con aquellos más próximos y ello tiene una incidencia directa

entre aquellos con quienes hablamos: “(...) past research indicates that close friends

have a stronger behaviour effect on each other than do acquanintance or strangers”

(Bond et al.,2012:296) “people whose friends and coworkers vote at high rates are

themselves more likely to vote” (Alan S. Gerber et al., 2008:33)

Dentro de las campañas electorales, una práctica común es mandar mensajes políticos

mediante técnicas como el mailing a los posibles votantes con el fin de persuadirles o

despertar a aquellos posibles votantes que se van a abstener. Es una práctica ya con años

de uso, y si bien es cierto que se ha ido sofisticando con el tiempo, personalizando el

mensaje, en el estudio “Social Pressure and Voter Turnout: Evidence from a Large-

Scale Field Experiment” apuntan a que cuando mandamos un mensaje “social”, o mejor

dicho, un mensaje con apoyo social, frente a un mensaje convencional, el apoyo al

mensaje social es mucho mayor: “Users who received the social message were 2,08%

(…) more likely to click on the I voted button than those who received the informational

message” (Bond et al,. 2012:295)

32

En el estudio del que hablamos enviaron 2 clases de mensajes a través de la red social

Facebook para intentar medir cuál era el impacto de la socialización del mensaje en la

movilización real del voto. En el mensaje convencional los investigadores pedían que

hiciesen click al botón de “ Yo voté”, sin más información añadida, y en el segundo

mensaje pedían que realizaran la misma acción pero con una diferencia, en la parte

inferior aparecía la foto de perfil de sus amigos que ya habían hecho click en el botón.

Como hemos visto en la anterior cita, la diferencia fue de 2,08%. Pero un 2,08% de 61

millones de personas sobre el que se realizó el experimento, traducido en votos, es

mucho.

Intentaron medir si existía una relación directa entre las personas que habían hecho

click en el botón de votar y los que realmente votaron. Se estimó que la relación entre la

movilización que se desprende del mensaje social, es decir, aquel en que veían la cara

de sus amigos de Facebook que ya habían votado, y del mensaje tradicional, era 4 veces

superior en generar una acción de voto real.“close friends exerted about four times

more influence on the total number of validated voters mobilized than the messager”

(Robert M. Bond et al., 2012:298)

En su estudio consiguieron demostrar que la movilización en las redes sociales es más

efectiva si incluimos el componente socializador que con el simple mensaje, y es que,

en definitiva, tal y cómo indica el estudio, es mucho más persuasivo decirle a alguien

cuál de sus amigos ha votado, que mandarle las cartas electorales, dado que, sabiendo

quiénes de sus amigos, vecinos o conocidos han ejercido su derecho al voto, estamos

poniendo de relieve que su red social más cercana ha realizado una práctica que él aún

no ha llevado a cabo, es decir, estamos ejerciendo una presión social sobre el

individuo28.

Si en una sociedad dada, existe una conciencia del valor social del voto o existe un

beneficio a nivel cívico, las personas dentro de esa red serán mucho más proclives a

ejercer la acción de votar si dentro de su red social existe una norma, no escrita, que le

28 Gerber, Green, and Larimer, “Social Pressure and Voter Turnout: Evidence from a Large-Scale Field Experiment.”

da ese valor cívico al hecho de votar29.

Si conseguimos convertir en un mensaje social el mensaje político que quiere enviar el

Partido Político en cuestión a través de la red social Twitter, conseguiremos que el

mensaje gane en persuasión y en expansión. Para ello necesitamos que nuestros

conocidos lleven el mensaje a sus conocidos, es decir, que los vínculos débiles sean

quienes emitan el mensaje en la red social.

29 Ibid

34

3 . L A I N V E S T I G A C I Ó N

3.1Elección de Perfiles

Anteriormente hemos explicado que si convertimos en un mensaje social lo que

queremos transmitir, su repercusión será mucho mayor. Nuestra idea es llegar a los

bordes de nuestra red social de Twitter, y a partir de ahí emitir un mensaje para que sea

trasmitido más allá de los followers del perfil oficial del Partido.

Por esto, y por intentar buscar los vínculos que conviertan el mensaje en un mensaje

social, creímos que era necesario eliminar del estudio los perfiles oficiales del partido

(partidos locales, comarcales y nacionales), personas públicas del partido y cargos

orgánicos, puesto que creímos que eran nuestros principales prescriptores. Aquellas

personas que podían tener más influencia que nuestros militantes más próximos al borde

de nuestra red30.

Como una forma de contrastar que nuestros políticos más representativos son, por ende,

nuestros mejores prescriptores, realizamos un estudio comparativo a partir de Klout

30 Robert M. Bond et al., “A 61-million-person Experiment in Social Influence and Political Mobilization,” Nature 489, no. 7415 (September 12, 2012): 295–298, doi:10.1038/nature11421.

(www.klout.com), una herramienta que puntúa los perfiles entre 0 y 100 dependiendo de

la importancia y de la relevancia que tenga el perfil. El número es el resultado de un

algoritmo basado en el número de seguidores y de seguidos, de publicaciones propias

con retweet, con favorito, menciones...

El 19 de Octubre de 201131 en el blog oficial de Klout anunciaron un cambio en el

algoritmo que utilizaban para medir la influencia. Dividieron el algoritmo de medición

en 7 apartados para un fácil entendimiento, de los cuales 4 daban alguna información

sobre los elementos que lo conforman para medir la influencia de un usuario:

- People Rank : La posición que ocupa una persona en un ranking de influencia.

- True Reach : Es el número real de personas a las que influenciamos. Analizan,

al día, más de 2 billones y medio de interconexiones para analizar cuales son las

personas reales a las que influenciamos.

- Amplification : Es la cantidad de influencia que tenemos sobre esas personas.

Analizan cuanta gente de nuestra potencial audiencia participa de nuestro

mensaje.

- Network Impact : Es la influencia de nuestra red medido en una escala del 1 al

100. No se trata de que nuestro mensaje llegue a muchas personas, sino de que

nuestro mensaje llegue a las personas indicadas.

Hay que destacar que Klout no solamente examina tu perfil de Twitter (que es el único

que en nuestro estudio nos interesa) sino que integra otras redes sociales como Bing o

Instagram32 para perfilar tu número de Klout. Por lo tanto, en nuestro caso, no sería

realmente un elemento definitorio de la relevancia del perfil que estudiamos en Twitter,

31 Joe Fernandez, “A New Era for Klout Scores,” The Official Klout Blog, October 19, 2011, http://blog.klout.com/2011/10/a-new-era-for-klout-scores/.

32 Ding Zhou “The More Data the Merrier: Klout Adds Bing and Instagram” March 27, 2013 http://blog.klout.com/2013/03/klout-bing-instagram/

36

pero nos sirve para establecer la comparación que buscamos

Para realizar el estudio comparativo escogimos a los cuatro primeros vínculos débiles,

por orden alfabético, de nuestra lista y comparamos su número de Klout con el número

de los cuatro diputados más relevantes con los que cuenta el Partido. El cuadro

resultante es el siguiente33,34:

II. Tabla: Comparación de números de Klout entre perfiles

NOMBRE VÍNCULO

DÉBIL

KLOUT NOMBRE VÍNCULO

FUERTE

KLOUT

@1975Alfonso 15 @FraFerfa 62

@annasimat 42 @MónicaOltra 62

@AnnetaAnnuska 26 @JoanBaldoví 63

@Fran_bene_7 36 @EnricMorera 60


33 Los datos de Klout fueron consultados el 2 de Agosto de 201334 El estudio de Klout fue realizado cuando ya contábamos con la lista definitiva de Vínculos Débiles y

Fuertes

3.2Definición de Vínculos

Una vez decidido que los principales prescriptores del Partido quedarían fuera del

estudio, el siguiente paso fue establecer un criterio para decidir que vínculos eran

fuertes y que vínculos eran débiles. Granovetter en su estudio de los Vínculos Débiles35

establecía la relación entre tiempo de contacto y grado de amistad, por lo que nosotros

debimos de buscar algún vínculo que nos permitiese establecer una relación con una

formulación, contacto con el perfil del Partido y relación con él, semejante.

Finalmente decidimos que el criterio idóneo para la clasificación sería mediante el

contenido de los tweets. Hicimos una comparación estableciendo que si el follower en

estudio tenía una media de tweets políticos escritos, durante un periodo de tiempo dado,

menor que el conjunto del grupo estudiado, el vínculo sería débil. La comparación la

establecimos bajo el criterio de que si los tweets emitidos por nuestros followers tienen

un alto contenido político, la relación y la interacción con el Partido en cuestión tenía

mayor probabilidad de darse con más asiduidad que si los tweets emitidos por el sujeto

en estudio eran de temas diversos. Por tanto, podíamos presumir que si la asiduidad era

menor, su vinculación con el partido también lo sería.

Por ello, nuestras definiciones de los diferentes vínculos serían:

Vínculo Débil: Usuario que, no siendo parte orgánica ni representativa del Partido

Político estudiado, tiene un número de tweets de contenido político emitidos menor a la

media que el conjunto de usuarios estudiados.

Vínculo Fuerte: Usuario que, no siendo parte orgánica ni representativa del Partido

Político, tiene un número de tweets de contenido político emitidos superior a la media

del conjunto de usuarios estudiados.

35 M. Granovetter, “The Strength of Weak Ties: A Network Theory Revisted,” in Sociological Theory, vol. 1, 1983, 201–233.

38

Es importante resaltar ahora el apartado de la influencia que anteriormente hemos

expuesto, dado que para comprender correctamente nuestro estudio, se ha de entender

que no perseguimos en ningún momento influenciar a los destinatarios últimos de

nuestro mensaje, lo que nos interesa ahora es esclarecer si usando los Vínculos Débiles

el mensaje es capaz de llegar hasta el usuario final que pretendemos o si el mensaje es

más participativo. El estudio de la influencia de dicho mensaje correspondería a una

segunda parte del presente trabajo. Pero era indispensable hablar anteriormente de

influencia para explicar el por qué de la elección de nuestros conocidos para emitir el

mensaje.

Uno de los puntos fundamentales en el momento de pensar el estudio fue decidir que era

un tweet político y cuál sería la forma de estudiarlos. Decidimos que para considerar

político un tweet debía cumplir, como mínimo, uno de los siguientes requisitos:

- El tema tratado sea un tema político

- Se nombre a algún político o Institución política (tales como parlamentos,

sindicatos, partidos...)

- Que sea retweet de algún político o institución política, con contenido político

- Sea participante de algún hashtag político, aunque sea a modo jocoso.

El estudio de los tweets se haría de forma manual, puesto que no encontramos ninguna

herramienta que nos satisficiera en el trabajo de la clasificación. Por lo tanto, el

procedimiento fue descargar los tweets de los usuarios que formaban parte del estudio y

de forma manual estudiar el contenido.

3.3Diseño del Estudio

Para poder llevarlo a cabo, el estudio se diseñó de forma que resultase óptima para el

tamaño de la muestra. Desde este punto es preciso anotar que el estudio presentado a

continuación es solamente una aproximación; para tener unas conclusiones válidas y

contundentes se necesitaría un estudio mucho más ambicioso y con las herramientas

creadas a la medida del mismo, pero nuestros recursos eran limitados y, como ya hemos

dicho, la presente investigación es una aproximación a lo que debería ser un posterior

estudio de mayor calado.

Para el estudio se necesitaba un perfil oficial de un partido político que nos permitiera

interactuar con sus seguidores y estudiarlos. Además, que nos permitiese mandar

mensajes a los vínculos débiles y realizar una monitorización de los mismos.

Una vez conseguido el perfil oficial en Twitter del Partido Político, estudiamos los

usuarios de la siguiente forma: Creamos un listado de las personas que ocupaban cargos

orgánicos y de relevancia dentro del partido o que tuviesen una exposición mediática

mayor. Los cotejamos con los seguidores del perfil y hicimos la primera eliminación de

personas. Lo mismo ocurrió con todos los perfiles de los partidos locales o asociaciones

que seguían al Partido Político.

Una vez depurados los seguidores, hicimos un seguimiento de los primeros diez días del

mes con el fin de capturar todos los tweets emitidos por aquellos perfiles que formaban

el grupo de estudio. Una vez estudiados los tweets que el grupo emitió iniciamos su

segmentación entre Vínculos Débiles y Vínculos Fuertes para poder empezar a trabajar

con los diferentes grupos.

Con el primer grupo que se trabajó fue con los Vínculos Débiles, puesto que creímos

oportuno dedicar más tiempo a aquellos que no eran tan propensos a hablar de política

40

ni a participar directamente de ella. El proceso fue el siguiente:

1º Contactamos con ellos a través de mensajes directos mediante la red social

Twitter, en el mensaje privado se les pedía que nos facilitaran una cuenta de correo

electrónico para ponernos en contacto con ellos:

“(Nom del destinatari) ens agradaría ficar-nos en contacte amb tu, ens

podríes facilitar una adreça d´email? Gràcies ;-)”36,37

2º Una vez recolectadas las direcciones de correo de aquellos que nos la facilitaron,

les invitamos a participar de un hashtag que les compartiríamos un día antes de su

lanzamiento, con el fin de hacerlo suyo y publicar aquello que quisieran con el

hashtag.

La idea del hashtag38 surge como una solución a la medición de la transmisión del

mensaje. Una etiqueta39 es bastante fácil de seguir, y por lo tanto, es fácil de medir su

contagio. Por ese motivo no se les pedía que enviaran un mensaje político tal cual, sino

que participaran de una etiqueta que desde la dirección del email oficial del partido se

les facilitaba el día anterior.

Un hecho a tener en cuenta es que durante todo el tiempo de estudio se mandaron tres

tipos diferentes de hashtags:

� Desde el perfil oficial pidiendo difusión:

La idea era comprobar si escribir hashtags desde el perfil oficial del partido sin

pedir apoyo o difusión anterior recibía mayor o menor apoyo a medida que se

36 Mensaje original enviado a los vínculos débiles.37 Traducción del mensaje privado: (nombre del destinatario) nos gustaría ponernos en contacto

contigo, nos podrías facilitar una dirección de email? Gracias ;-)38 Es una etiqueta de metadatos precedida de un carácter especial (una almohadilla #) con el fin de que

tanto el sistema como el usuario la identifiquen de forma rápida.39 Durante el trabajo utilizaremos etiqueta como sinónimo de hashtag

http://es.wikipedia.org/wiki/Usuario

http://es.wikipedia.org/wiki/Sistema_inform%C3%A1tico

http://es.wikipedia.org/wiki/Car%C3%A1cter_(tipo_de_dato)

http://es.wikipedia.org/wiki/Etiqueta_(metadato)

iba trabajando con los diferentes vínculos. Por ello, desde el momento 0 del

estudio se lanzaban, no de forma periódica, sino con temas que suscitasen

interés, hashtags sin pedir apoyo alguno, y sin que se emitieran los mismos

días que los hashtags de los vínculos.

� Desde los perfiles de los Vínculos Débiles:

El objetivo de estos hashtags no era otro que el de medir su difusión y apoyo. Se

lanzaba una etiqueta cada semana con cambios de días por semana, puesto que

el día de publicación del tweet tiene influencia en la transmisión de hashtags

(seguidamente mostraremos una pequeña explicación sobre el tema). La hora de

la emisión no la podíamos controlar, puesto que no éramos nosotros quienes

publicábamos el tweet, sino que lo hacían de forma libre los Vínculos.

� Desde los perfiles de los Vínculos Fuertes:

Queríamos observar la difusión del mensaje para poder establecer una

comparación con los vínculos débiles. Por ello, el hashtag se emitía el mismo

día que el de los vínculos débiles, con la misma temática y los mismos

materiales (en los casos en que mandábamos materiales).

Hemos hablado de la importancia de los días en el momento de la emisión de los tweets.

Un estudio que realizó Blitly40, una herramienta que ofrece el servicio de acortar las

urls, en el que analizó los patrones de publicaciones de Twitter, Facebook y Tumblr a

través de los usuarios que utilizaban sus servicios. De su blog recogemos los siguientes

gráficos en el que se colorea con azul de intensidad variada según el índice de

publicaciones. A mayor intensidad de azul, mayor intensidad de publicaciones. El

primer gráfico representa la hora en que más publica la gente en Twitter, y el segundo

las horas de mayor actividad en twitter:

40 hmason, “Time Is On Your Side,” Bitly Blog, May 8, 2012, http://blog.bitly.com/post/22663850994/time-is-on-your-side.

42

1. Gráfico: Horas de mayor publicación en Twitter

2. Gráfico: Horas de mayor actividad en Twitter

Fuente: Bitly

Otra de las cosas que se decidió fue que el Partido Político en cuestión no participaría

directamente del hashtag (excepto en el caso de que fuera él mismo el emisor), se

limitaría a realizar retweets y favoritos para alentar a los participantes. Cuando el grupo

con el que se trabajaba ya era consciente de la dinámica que seguíamos, además del

hashtag les facilitábamos también algún material, como artículos que nos interesaba dar

a conocer, materiales, fotografías... y tanto con los vínculos débiles como con los fuertes

solamente estudiamos los tweets emitidos durante las primeras 24h, como estimación

para acotar el estudio.

3º Después de trabajar con el grupo de Vínculos Débiles durante el primer mes,

recolectamos de nuevo todos los mensajes enviados desde el día 1 hasta el día 10 del

segundo mes con el fin de volver a clasificar a los usuarios, puesto que uno de los

objetivos era perfilar, cada mes que pasaba, la lista de los vínculos y tener en cuenta

a los nuevos seguidores.

Esta era la dinámica de trabajo: del día 1 al 10 de cada mes capturábamos los tweets de

los followers de la cuenta del Partido, seguidamente los analizábamos y segmentábamos

para trabajar con los grupos.

Una vez tuvimos a los vínculos débiles trabajando con los hashtags empezamos a

trabajar con los vínculos fuertes bajo los mismos criterios con el fin de obtener los datos

necesarios para poder establecer una comparación. Cuando empezamos a trabajar con

los dos grupos de vínculos, el hashtag se publicaba el mismo día, pero cada grupo

contaba con una etiqueta diferente, aunque bajo la misma temática.

La elección de una misma temática tiene razón de ser, puesto que deseábamos que el

experimento fuese lo más imparcial posible, no podíamos elegir dos temáticas

diferentes, puesto que una de las dos podía ser más popular, más sencilla o más

polémica. Por ello, los dos grupos debían trabajar bajo una misma temática. Además, si

la temática era la misma se podía dar la situación que un grupo adoptase, por iniciativa

propia, el hashtag del otro grupo, o que uno de los se popularizara más que el otro, lo

cual nos indicaría si alguno de los grupos era más influyente que el otro.

En el momento de empezar a trabajar con los Vínculos Fuertes, una de las novedades

44

que incluimos respecto del grupo de los Vínculos Débiles fue que no solamente

trabajamos con los Vínculos Fuertes dada nuestra definición anterior, sino que en este

grupo incluimos también, sin filtrar sus tweets, a los cargos orgánicos y de relevancia

que en una primera parte habíamos eliminado. La razón fue que tras el transcurso de la

investigación nos dimos cuenta que nos interesaba saber como se comportaban estas

personas que ocupaban cargos de responsabilidad dentro del partido, observar la forma

en la que participaban de la transmisión. Los resultados fueron sorprendentes, a

continuación los mostraremos.

El experimento se realizó durante 3 meses, de Abril a Junio del 2013, publicando un

hashtag cada semana en un día diferente cada una de las semanas. Con los Vínculos

Débiles se trabajó durante los tres meses que duró la experiencia, mientras que con el

grupo de los Vínculos Fuertes solamente se trabajó durante los dos últimos meses, la

razón la hemos explicado anteriormente.

Cabe decir que el tiempo del experimento es insuficiente. Para crear una verdadera

formación de grupos de trabajo con los diferentes Vínculos tendríamos que esperar

como mínimo un año para que la emisión de mensajes funcione de forma óptima41. Y no

solamente para su funcionamiento, sino también para tener una lista de Vínculos

verdaderamente meticulosa y depurada. Pero como ya dijimos antes, los medios, al

igual que el tiempo, eran limitados. Por ello, vuelvo a insistir, el presente trabajo es

solamente una iniciación a un estudio con mejores medios y mayor tiempo, pero sobre

todo lo que pretende es mostrar un nuevo punto de vista sobre como tratar y trabajar las

redes sociales de los Partidos Políticos.

41 Benjamín Paz Vermal, Antonio Gallo, and Rafael Rubio, Como Gestionar Una Comunidad Internacional de Más de 1 Millón de Personas, Dog Comunicación, n.d.

3.4 El Perfil del Partido Político en Twitter

Antes de empezar a mostrar los resultados del trabajo, debemos mencionar que la cuenta

del partido escogido, Compromís Ribera Alta, era una cuenta de ámbito comarcal. El

partido es de ámbito Autonómico y se creó un perfil para una Comarca en concreto, la

comarca de la Ribera Alta, y desde dicho perfil realizamos el estudio. Cuando

accedimos a la cuenta era un perfil prácticamente nuevo, con semanas de creación, que

se confundía y muchas veces se solapaba con los perfiles del mismo partido de ámbito

local y el perfil de ámbito autonómico. Nos encontramos, por lo tanto, con 3 niveles de

información para un seguidor: el perfil local del partido, el perfil comarcal y el perfil

autonómico.

El perfil Comarcal era un perfil que transmitía informaciones de la comarca o

retransmitía las del perfil autonómico y que no se prestaba a la interacción con los

usuarios, carecía además de la misma influencia que pudiese tener el perfil autonómico,

reconocido como canal oficial del partido. Por ello nuestros seguidores, en principio,

están más limitados, puesto que solamente los ciudadanos de la Comarca estarían

interesados en seguir el perfil.

Nos encontramos con una amalgama de perfiles, cada uno de ellos independientes del

perfil autonómico, que debería de ser la matriz. Cada perfil tenía una libertad, limitada

por los idearios generales del partido, de publicar aquello que creyera conveniente, pero

en nuestro caso cada hashtag propuesto para el estudio, debía de pasar un filtro de

aprobación previo.

Creemos que es necesario comentar este contexto para poner en situación los datos que

presentaremos a continuación, puesto que la participación de los mismos suelen ser de

una baja intensidad si los comparásemos con los perfiles de grandes partidos, o incluso

con el perfil de Compromis de ámbito autonómico.

46

Pero también es cierto, y a la luz de los datos conseguidos lo podrán observar, que la

interacción y el número de seguidores y de seguimiento que se consiguió fue creciendo

en los tres meses que duró el trabajo.

3.5 Presentación de Resultados

3.5.1 Resultados Primer mes

Comenzamos el experimento obteniendo los primeros tweets de nuestros seguidores

desde la red Social Twitter, para poder empezar a segmentarlos y así comenzar el

trabajo con los nexos débiles. Para ello, la ayuda de Mari Luz Congost fue

indispensable, puesto que con un programa diseñado por esta informática pudimos

obtener los datos que necesitábamos.

Tras la primera limpieza de perfiles bajo los criterios antes comentados, el resultado fue

de 51 seguidores para analizar. De ellos, obtuvimos 3 perfiles sin mensajes publicados

en el período estudiado, 22 Vínculos Débiles y 26 perfiles de Vínculos Fuertes. En el

siguiente gráfico podrán ver una representación más visual de lo comentado:

III.Tabla: Segmentación de Vínculos Primer mes


Vínculos débiles Vínculos Fuertes Sin tweets publicados0

5

10

15

20

25

30

Tras haber analizado los vínculos, el siguiente paso del proceso era el contacto con los

vínculos débiles. De los mensajes privados enviados desde la red social Twitter,

obtuvimos respuesta de 21 de los 22 vínculos con los que nos pusimos en contacto. Es

decir, un éxito de respuesta del 95,45%. Seguidamente compararemos este dato con el

índice de respuesta de los vínculos fuertes. De los mensajes que obtuvimos respuesta

pudimos obtener 21 direcciones de correo a las que mandamos el email y del que

obtuvimos 12 respuestas afirmativas para participar en el estudio.

IV. Tabla: Respuesta de Vínculos Débiles al Primer email


En el momento en que estábamos realizando las primeras segmentaciones emitimos dos

hashtags para observar su primer seguimiento. En la primera emisión mandamos un

correo electrónico a las personas que tenían algún cargo orgánico en la Comarca para

que apoyaran la emisión, indicando que el día siguiente se lanzaría la etiqueta y

esperábamos su apoyo. Pero tras el primer tweet publicado desde el perfil oficial del

48

contestan no contestan0

2

4

6

8

10

12

14

partido, no hubo ninguna participación, es por ello que no aportamos datos en el

estudio.

La segunda etiqueta se lanzó a la semana siguiente y fue: #magradaríaqueCompromís.

La idea que se escondía tras el hashtag fue la recogida de tweets en que la ciudadanía

explicara aquello que esperaba del Partido, los anhelos que perseguían. En este segundo

hashtag se producen 15 interacciones, 4 de las cuales eran de otros perfiles oficiales del

Partido a nivel municipal, y el resto era de gente relaciona directamente con el Partido.

Pero si que ocurrió un hecho digno de destacar, hubo dos usuarios que se alejaban

totalmente de la cuenta del partido, incluso de su ideario. Estaban conectados por

localización geográfica con una de las cuentas del partido de ámbito local que ayudó a

difundir el hashtag, uno de los perfiles escribió un tweet descalificando el partido:

“#magradariaquecompromis magradaria que deisareu de dir pais valencia es

comunitat valenciana!! Que grima maxo”42,43

El segundo perfil del que hablamos se limitó a hacer un retweet del tweet que hemos

compartido.

A continuación mostramos la red que se estableció tras el segundo hashtag:

42 Tweet original del usuario43 “#magradariaquecompromis me gustaría que dejaran de decir “pais valencia” es “comunitat

valencian” Que grima macho” Traducción del tweet.

3. Gráfico: Representación mapa interacciones #magradariaquecompromis


Tal y como indicábamos en la Tabla número 1, en la red podemos observar 8 nodos, con

interacciones, en su mayoría orientas, es decir, que no obtienen contestación o

interacción, mientras que destaca un nodo @rubenguill con interacciones recíprocas con

dos vínculos que lo unen directamente con el perfil oficial de Compromís.

50

Observamos también en el mapa un perfil ajeno a al red @josep170 con una interacción

orientada hacia otro vínculo extraño. Estos usuarios serían los dos perfiles que habrían

emitido los tweets descalificando al partido que comentábamos anteriormente.

Mientras íbamos emitiendo ambos hashtags estábamos ya con el trabajo de la

segmentación de Vínculos. Cuando empezamos a trabajar con los primeros 21 vínculos

débiles el primero de los hashtags que utilizamos para probar nuestra teoría fue

#rajoyenplasma, aprovechando la rueda de prensa del presidente del gobierno a través

de una televisión de plasma desde la sede del Partido Popular, en Génova. El resultado,

tras el trabajo con los vínculos débiles, fue de 43 interacciones con la etiqueta

propuesta.

Conseguimos la participación de 10 de las 12 personas que contestaron afirmativamente

al email enviado, y de esas de 12 personas conseguimos que 5 perfiles ajenos totalmente

al experimento participaran de él, extendiendo, por tanto, el mensaje más allá de nuestra

red central de seguidores.

El gráfico que representa las conexiones conseguidas tras el primer mes de trabajo con

los vínculos débiles es el siguiente :

4. Gráfica: Representación mapa interacciones #rajoyenplasma


52

Se logró activar 10 Vínculos Débiles y 4 vínculos extraños44, que crearon la red con 22

nodos de relaciones. Como podemos observar a simple vista es un mapa mucho más

rico que el primero, con una mayor densidad de red. Además, la existencia de un centro

claro en el que convergen los principales puntos y interconexiones pone de relieve que

el “mixing pattern” sería el perfil del partido, Compromís. Otra de las comparaciones

entre el primer mapa generado y éste sería la existencia de más nodos que no tienen una

relación directa con el centro.

Los diferentes colores representan diferentes redes, en este caso observamos 3 redes

diferenciadas. Dos están conectadas entre ellas, pero observamos la red de azul celeste

que está totalmente ajena al resto. La diferente intensidad de las conexiones representa

las veces que interactúan entre los diferentes nodos, a mayor interacción, mayor

intensidad de color.

3.5.2 Resultados segundo Mes

Durante el primer mes continuó el trabajo con los Vínculos Débiles. Se recopilaron los

tweets de los seguidores para analizarlos a la vez que se iban emitiendo hashtags cada

semana. Pero aquello que realmente adquiere importancia a partir de este punto es

establecer la diferencia entre los Vínculos Débiles y los Vínculos Fuertes, tarea a lo que

dedicaremos el siguiente espacio y tiempo.

Si en el primer mes del estudio contábamos con 51 vínculos para segmentar entre

fuertes y débiles, en el segundo mes el número aumentó hasta 75. De los cuales

surgieron 38 vínculos fuertes y 37 vínculos débiles. Por supuesto han de suponer que

los 77 vínculos surgidos no eran todos nuevos, hay que descontar los 51 elementos que

ya aparecieron en nuestro primer estudio, pero que había que volver a analizar para

volverlos a segmentar. A continuación, al igual que anteriormente, mostramos una

44 Cuando un nodo no se encuentre dentro de nuestra red de seguidores lo llamaremos: Vínculo Extraño

gráfica con los vínculos segmentados para el segundo mes de estudio:

V. Tabla de Vínculos Segmentados para el Segundo Trimestre


Del nuevo estudio comprobamos que solamente 3 elementos de los que en el primer

mes habían sido vínculos débiles habían pasado, tras el estudio de sus tweets emitidos, a

ser Vínculos Fuertes.

Con los nuevos vínculos obtenidos realizamos el mismo procedimiento: obtener la

dirección de correo electrónico mediante un mensaje privado en Twitter. De los 37

vínculos débiles que obtuvimos tras el nuevo estudio, 21 procedían del mes anterior.

Mandamos el mensaje privado tras el cual obtuvimos respuesta de 2 nuevos vínculos.

Es decir, que tras los datos agregados del primer y el segundo mes, contamos con un

éxito de respuesta en Vínculos Débiles del 62,16%.

Nos centramos ahora con los Vínculos Fuertes. De los 38 usuarios que catalogamos

54

Vínculos Fuertes Vínculos Déviles Sin Publicar Tweets0

5

10

15

20

25

30

35

40

como fuertes y a los que mandamos el mensaje privado a su perfil personal en Twitter

obtuvimos respuesta de 16, un éxito de respuesta del 42,10%. De los 16 que facilitaron

su correo electrónico, obtuvimos una respuesta afirmativa en participación de 7

personas.

Ambas tablas representan los datos agregados, en el caso de los Vínculos Débiles, del

primer y del segundo mes.

VI. Tabla de Respuesta al mensaje privado por Vínculos


Contestaron No Contestaron0

5

10

15

20

25 Vínculos FuertesVínculos Déviles

VII. Tabla de Respuesta al Segundo Email


Esta diferencia tan contrastada de participación, pese a que el número de Vínculos en

ambas categorías son prácticamente idénticos (39 vínculos débiles frente a 38 vínculos

fuertes), los vínculos fuertes resaltan por su escasa participación en el estudio.

Carecemos de una encuesta post-estudio que nos indique el por qué de ésta baja

participación, pero tampoco es nuestro objetivo dar respuesta a la pregunta. Aunque sí

que podemos incidir en que los Vínculos Débiles son más proclives a participar que los

vínculos fuertes, lo cual ya nos indica que seguramente será más sencillo trabajar con

los vínculos débiles de un partido que con los vínculos fuertes.

Según hemos expuesto en el punto 2, Granovetter afirmaba que los vínculos débiles

ayudaban a extender la información mucho mejor que los vínculos fuertes. Para

comprobarlo establecimos 2 hashtags diferentes que se emitirían el mismo día.

Aprovechando las controversias y las manifestaciones con la nueva Ley sobre

56

Contestaron No Contestaron0

2

4

6

8

10

12

14

16

Vínculos fuertesVínculos débiles

Educación, establecimos dos etiquetas sobre el tema: #lleiwert y #lleieducació. Los

vínculos débiles trabajaban con la etiqueta #lleiWert (#leyWert), mientras que los

vínculos fuertes trabajaron con el hashtag #lleieducació (#leyeducación). A

continuación les mostramos, mediante gráficas, las comparaciones que encontramos

interesantes.

VIII. Tabla de Tweets emitidos por cada hashtag


#LleiWert #Lleieducació0

2

4

6

8

10

12

14

16

18

IX. Tabla de Número de Vínculos Activados


X. Tabla de Participación Nodos Externos


58


1

2

3

4

5

6

7


0,5

1

1,5

2

2,5

3

3,5

4

4,5

Pese a la baja participación del hashtag, se observa claramente que los Vínculos Débiles

participan de forma más activa que los Vínculos Fuertes, y no solamente son ellos

quienes participan más activamente, sino que se establece un contagio mucho mayor del

mensaje si lo comparamos con los Vínculos Fuertes.

Los mapas de interacciones que pudimos recrear después de los datos obtenidos fueron

los siguientes:

6. Gráfica De Las Interacciones De #lleieducació :


7. Gráfica De Las Interacciones De #lleiwert


60

Los mapas creados a partir de las diferentes interacciones no dan lugar a duda. Mientras

que el mapa de los vínculos fuertes cuenta con solamente tres elementos, y ninguno de

ellos es un elemento fuera de los catalogados como Fuertes y con una sola interacción,

el mapa de los Vínculos Débiles presenta unas interacciones mucho más allá del grupo

catalogado como Débiles, y consiguen, como se ha mostrado en las tablas anteriores,

una participación de Vínculos Externos a la red mucho mayor que los Vínculos Fuertes,

quienes no consiguen ninguna interacción. La riqueza en cuanto a densidad de red

también es comparable a simple vista.

Pero no fue éste el único caso de comparación que establecimos. Una semana después

volvimos a proponer a los Vínculos dos nuevos hashtags para establecer una nueva

comparación.

Aprovechando el programa que el presentador Jordi Évole emitió en la Sexta acerca del

accidente del Metro de Valencia, vimos la ocasión de emitir los hashtags: #nousoblidem

y #nomésoblit (#noosolvidamos y #nomásolvido)45. Para los Vínculos Fuertes la

etiqueta elegida fue #nomésoblid y para los vínculos débiles #nousoblidem. El mapa

que surgió de la interacción de ambos fue el siguiente:

45 Traducción de los hashtags

8. Gráfica De La Interacción #nomésoblit


62

9. Gráfica de las Interacciones de #nousoblidem


En ambos mapas se observa una interacción mayor con respecto de las anteriores

muestras, lo cual nos hace pensar que a mayor trabajo con los diferentes vínculos mayor

afinidad creamos entre los vínculos y el partido. Y, por supuesto, como se puede

observar una mayor afinidad, o un mayor trabajo con ellos, se traduce indiscutiblemente

con una mayor interacción, y por ende, difusión del mensaje.

Como hemos podido ver en los diferentes gráficos y mapas, cuanto mayor ha sido la

interacción en los mapas, mayor ha sido el número de vínculos de fuera de nuestra red

que han participado en el mensaje que quisimos enviar.

En el primero de los mapas, el perteneciente a los Vínculos Fuertes, podemos observar

la creación de 4 Comunidades bien diferenciadas, con una interacción entre la

Comunidad roja y la Comunidad Violeta. El resto son Comunidades que solamente

interactúan dentro de su red. Mientras que en el segundo mapa, el correspondiente a los

Vínculos Débiles, las interacciones entre los diferentes nodos son mucho más ricas y no

existe un centro claro, es un mensaje mucho más participativo y disperso. En el segundo

mapa observamos como @avjm3 sería nuestro vértice de mayor degree distribution,

puesto que es en el que más aristas convergen. En caso de volver a emitir un mensaje

con temática parecida sería conveniente contactar con éste nodo para la emisión.

Realizaremos también en este caso las tablas comparativas, dado que contienen

información bastante importante. A una primera vista los mapas generados y los

resultados que mostraremos en las tablas pueden dar a equivoco. Recordemos que los

vínculos débiles trabajaban bajo el hashtag #nousoblidem y los vínculos fuertes

trabajaban con la etiqueta #nomésoblit:

64

XI. Tabla de Tweets por hashtag:


XII. Tabla de Vínculos Extraños a la Red Activados


Nousoblidem Nomésoblit0

5

10

15

20

25

30


1

2

3

4

5

6

7

XIII. Vínculos de la Red Activados


Según las gráficas todo parece indicar que los vínculos fuertes, en este caso, han hecho

un mayor trabajo que los vínculos débiles. Han participado más y han conseguido más

vínculos extraños a nuestra red que los vínculos débiles. Pero si analizamos bien los

datos nos damos cuenta de que no es así.

De los 6 vínculos activados, 2 pertenecen a antiguos vínculos débiles, por lo que tenían

ya un mayor trabajo hecho, y el resto pertenecen a perfiles oficiales del partido, es decir,

continúan con la centralidad del mensaje. Dicha centralidad se aprecia muy bien en los

mapas que se muestran. Los Vínculos Débiles, pese a haber activado a menor número

de vínculos extraños y haber trabajado menos vínculos en la difusión del mensaje, han

conseguido una difusión menos centralizada y más cercana a traspasar los bordes de la

red social del Partido. Mientras que los Vínculos Fuertes, pese a haber trabajado más

activamente en estos hashtags, no consiguen descentralizar su mensaje, sus nodos

centrales tienen un alto grado de degree distribution y no consiguen que el mensaje

traspase el centro de la red.

66


5

10

15

20

25

30

3.5.3 Resultados Tercer Mes

El último mapa que les mostraremos será el que recreó el hashtag que utilizamos para

comparar el éxito de lanzar una etiqueta desde el perfil oficial del Partido sin aviso

previo a los vínculos. Así empezamos el trabajo y creímos que era una buena forma de

establecer una última comparación.

Como se puede observar, la densidad conseguida y las interacciones que se crearon

fueron, a simple vista, mucho mayores que tras la primera etiqueta emitida. Recordemos

que tras el primer hashtag conseguimos activar 8 vínculos de nuestra red, los cuales

crearon, en su mayoría, unas interacciones orientadas, exceptuando a @rubenguill. En

el último mapa que mostramos a continuación pueden observarse, las interacciones

creadas a partir de los 11 vínculos de nuestra red que se activaron, con interacciones

tanto orientadas como recíprocas. Y, a pesar de contar con un solo tweet más de

comparación, los vínculos activados en este último mapa consiguen una densidad de red

mucho mayor.

10. Gráfica interacciones #deuteilegitim


68

Si vuelven unas hojas atrás y buscan el primer grafo que les presentamos podrán

observar, a simple vista, las evidentes comparaciones.

A continuación les mostramos unos gráficos estableciendo una comparación entre el

primer mapa generado sin aviso anterior a los vínculos y el último.

XIV. Tabla de Tweets Emitidos Por Cada Hashtag


#magradariaquecompromis #deuteilegitim14

15

16

XV. Tabla Vínculos Activados Por Hashtag


Pero más allá de las estadísticas presentadas, lo que más nos interesa en el presente

estudio son las redes generadas a partir de cada hashtag, puesto que una rica red de

interacciones e interconexiones tiene mayor posibilidad de llevar el mensaje fuera de la

red social.

Si recopilamos los datos recogidos en las gráficas en que Vínculos Débiles y Fuertes

actuaban al mismo tiempo, obtenemos la siguiente tabla:

70

#magradariaquecompromis #deuteilegitim0

2

4

6

8

10

12

XVI. Tabla: Resultados Agregados para establecer una comparación entre Vínculos

Tweets Emitidos Vínculos Activados Vínculos Extraños Activados

Vínculos Débiles 33 17 8

Vínculos Fuertes 32 27 6


Los resultados agregados muestran que los Vínculos Débiles, aún activando a un menor

número de Vínculos propios, y con una cantidad de tweets muy similar, consiguen

activar a un mayor número de Vínculos Extraños a la red inicial.

En este tipo de estudios, uno de los elementos clave para probar la eficacia del mismo

sería haber incluido las estadísticas de seguidores y retweets conseguidos para poder

concluir si el estudio ha conseguido, además, atraer a más seguidores y ser más

relevante. Pero en nuestro caso no es pertinente, puesto que el trabajo realizado no tiene

una relación directa en la red del Partido, y por tanto, no podemos asegurar que el

aumento de seguidores que consiguió el perfil oficial sean por el trabajo con los

Vínculos Débiles y no por el trabajo que, día a día, realizaban en el perfil oficial. Es por

esto que nuestra base para asegurar que el estudio ha obtenido los resultados esperados

son los mapas de nodos conseguidos, la gran diferencia existente entre los primeros y

los últimos mapas y los Vínculos extraños a nuestra red social activados. Y por

supuesto, la diferenciación de participación desde los iniciales mensajes emitidos desde

el perfil oficial sin contar con apoyo ninguno, hasta los últimos hashtags emitidos.

4 . C O N C L U S I O N E S

En la introducción hemos mostrado dos técnicas utilizadas por parte de los partidos

políticos para lograr que los mensajes que transmiten a través de las redes sociales

tengan la máxima difusión. Mostramos también como tanto el astroturfing como la

compra de followers tienen una repercusión negativa si la estrategia es descubierta por

los ciudadanos.

Tras los resultados mostrados, y teniendo en cuenta las acotaciones realizadas sobre el

tamaño de la muestra, nos aventuramos a asegurar que los Vínculos Débiles son mejores

transmisores de los mensajes políticos a través de las redes sociales que los Vínculos

Fuertes.

Con el trabajo realizado con los Vínculos Débiles pudimos extender nuestro mensaje

más allá de nuestra red principal de seguidores, llegando a perfiles que no son followers

del perfil oficial del partido que se prestó para hacer el estudio. Los Vínculos fuertes

mostraban una centralidad en el momento de la emisión del mensaje, y no llegaban a

transmitir con la misma eficiencia que los Vínculos Débiles, quienes nos sirvieron de

puente entre el perfil oficial y la red que se encontraba más allá del perfil del partido,

ofreciendo, por tanto, rutas más cortas para la transmisión del mensaje político.

Creemos, a la luz de los datos, que el principal objetivo del estudio queda contrastado y

72

validado.

Por lo que respecta a los usos del astroturfing y de la compra de followers como

estrategias de difusión de contenido en las redes sociales, durante el estudio nos dimos

cuenta de que si un mensaje se convertía en social, era mucho más efectivo que si era

solamente un mensaje político.

La influencia es otro de los pilares claves para el éxito en la difusión del mensaje, y al

contrario de lo que pueda parecer, la influencia no se consigue con un gran número de

seguidores. En el artículo “La falacia del Millón de Seguidores46” quedó demostrado

que la influencia no va ligada al número de followers que pueda tener un perfil, más

bien se liga a la familiaridad:“(...) we found that influence is not gained spontaneously

or accidentally, (…), users need to keep great personal involvement” (Meeyoung Che et

al., 2010:17). Por esto mismo creemos que la estrategia de la compra de followers no es

la más efectiva para el éxito en la emisión de los mensajes.

Asumimos que entre las técnicas del astroturfing, la compra de followers y la utilización

de los Vínculos Débiles existe un elemento común, si creemos que la direccionalidad, o

la orquestación de un campaña de difusión de contenidos en Twitter, es un rasgo común

en las técnicas de trabajo en las redes. Pero existe una diferencia que distancia la

utilización de los Vínculos Débiles de las técnicas del astroturfing y la compra de

followers: la espontaneidad y la apropiación del mensaje por parte del emisor.

Cuando emitimos los hashtags desde el perfil oficial del partido sin pedir anteriormente

el apoyo al mensaje, su repercusión fue más reducida que con las interacciones de los

vínculos, pese a que los Vínculos Débiles y Fuertes podían ayudar en su difusión. Pero

existía una diferencia esencial entre el mensaje que se emitía sin pedir apoyo al mensaje

que se difundía a través de los vínculos débiles: la apropiación del mensaje. Los

vínculos débiles podían hacer suyo el hashtag puesto que vinculaban la etiqueta

proporcionada con el mensaje que ellos querían emitir, resultando así un mensaje mucho

46 Meeyoung Cha et al., “Measuring User Influence in Twitter: The Million Follower Fallacy,” n.d.

más social que si el emisor fuera solamente el perfil del Partido.

Si el Vínculo escribe de forma libre sobre aquello que se le facilita, el mensaje dejará de

ser un mensaje del Partido Político en cuestión y pasará a ser un mensaje personal del

twittero, que se convertirá en emisor. La red social inicial se expandirá gracias al

“personal involment”47 del emisor, creando la relación que el Marketing Relacional

establece como punto indispensable para la fidelización48,

“La relación, y no el intercambio, se convierte de esta manera en el eje central

del marketing. Las partes implicadas no limitan el intercambio a productos y

flujos monetarios, sino que también incluyen un amplio conjunto de beneficios

tangibles e intangibles”. (Cobo Quesada, Gonzalez Ruiz 2007:553)

Además, a través de los Vínculos se establecerá una comunicación entre el 47% de

público de las redes sociales que no quiere que se le identifique con ningún partido

político49 y el Partido y, durante el proceso descrito en el estudio, se habrá conseguido

convertir el mensaje político en un mensaje social50.

Con las técnicas del astroturfing y de la compra de followers se estaría perdiendo la

posibilidad de fidelización de los seguidores y la socialización del mensaje, elemento

esencial para el éxito en su transmisión. Es por ello que creemos que el trabajo y la

utilización del grupo de los Vínculos Débiles es más eficiente para la emisión de

mensajes políticos en las redes sociales.

47 Meeyoung Cha et al., “Measuring User Influence in Twitter: The Million Follower Fallacy.”48 Francico Benjamín Cobo Quesada, Ladislao González Ruiz, “Las Implicaciones Estratégicas Del

Marketing Relacional: Fidelización y Mercados Ampliados,” Anuario Jurídico y Económico Escurialense, 2007.

49 Informe Sobre Política y Redes Sociales.50 Alan S. Gerber, Donald P. Green, and Christopher W. Larimer, “Social Pressure and Voter Turnout:

Evidence from a Large-Scale Field Experiment,” American Political Science Review 102, no. 01 (February 13, 2008), doi:10.1017/S000305540808009X.

74

5 . B I B L I O G R A F Í A

Alberto Nájar. “Los Mexicanos Que Se Dedican a Cazar Falsos Tuiteros.” BBC Mundo,

Abril 2012.

Benjamín Paz Vermal, Antonio Gallo, and Rafael Rubio. Como Gestionar Una

Comunidad Internacional de Más de 1 Millón de Personas. Dog Comunicación,

n.d.

Bond, Robert M., Christopher J. Fariss, Jason J. Jones, Adam D. I. Kramer, Cameron

Marlow, Jaime E. Settle, and James H. Fowler. “A 61-million-person

Experiment in Social Influence and Political Mobilization.” Nature 489, no.

7415 (September 12, 2012): 295–298. doi:10.1038/nature11421.

Castells, Manuel. La sociedad red: una visión global. Madrid: Alianza Editorial, 2006.

Daniel Álvaro. “Los Conceptos de ‘Comunidad’ y ‘Sociedad’ de Ferdinand Tönies.”

Papeles Del CEIC, March 2010. http://www.identidadcolectiva.es/pdf/52.pdf.

Enrique Dans. “El Marketing, La Web Social y Las Formas de Tirar El Dinero.”

Harvard Deusto, 2012.

http://www.identidadcolectiva.es/pdf/52.pdf

Gerber, Alan S., Donald P. Green, and Christopher W. Larimer. “Social Pressure and

Voter Turnout: Evidence from a Large-Scale Field Experiment.” American

Political Science Review 102, no. 01 (February 13, 2008).

doi:10.1017/S000305540808009X.

H.mason. “Time Is On Your Side.” Bitly Blog, May 8, 2012 .

http://blog.bitly.com/post/22663850994/time-is-on-your-side.

Informe Sobre Política y Redes Sociales. Intelligence Compass, September 23, 2010.

http://intelligencecompass.com/images/Informe%20Pol%C3%ADticos%20y

%20Redes%20Sociales.pdf.

IV Estudio Anual Redes Sociales. iab spain research, Enero 2013.

http://www.iabspain.net/wp-content/uploads/downloads/2013/01/IV-estudio-

anual-RRSS_reducida.pdf.

J. Clyde Mitchell. “Social Networks.” In Annual Review of Antrhopology, 3:279–299.

Annual Reviws, 1974. arjournals.annualreviws.org.

Joe Fernandez. “A New Era for Klout Scores.” The Official Klout Blog, October 19,

2011. http://blog.klout.com/2011/10/a-new-era-for-klout-scores/.

José Luis Molina. “La Ciencia de Las Redes.” Apuntes de Ciencia y Tecnología, June

2004.

Kossinets, G. “Empirical Analysis of an Evolving Social Network.” Science 311, no.

5757 (January 6, 2006): 88–90. doi:10.1126/science.1116869.

Ladislao González Ruiz, Francico Benjamín Cobo Quesada. “Las Implicaciones

Estratégicas Del Marketing Relacional: Fidelización y Mercados Ampliados.”

Anuario Jurídico y Económico Escurialense, 2007.

76

http://blog.klout.com/2011/10/a-new-era-for-klout-scores/

http://www.iabspain.net/wp-content/uploads/downloads/2013/01/IV-estudio-anual-RRSS_reducida.pdf

http://www.iabspain.net/wp-content/uploads/downloads/2013/01/IV-estudio-anual-RRSS_reducida.pdf

http://intelligencecompass.com/images/Informe%20Pol%C3%ADticos%20y%20Redes%20Sociales.pdf

http://intelligencecompass.com/images/Informe%20Pol%C3%ADticos%20y%20Redes%20Sociales.pdf

http://blog.bitly.com/post/22663850994/time-is-on-your-side

M. S. Granovetter. “He Strength of Weak Ties.” American Journal of Sociology, May

1973.

M. S. Granovetter. “The Strength of Weak Ties: A Network Theory Revisted.” In

Sociological Theory, 1:201–233, 1983.

Manuel Jimeno (director publicación), Blanca Villamía Uriarte (subdirectora

publicación), and Víctor Suárez Saa (subdirector publicación). eEspaña Informa

Anual 2013: Sobre El Desarrollo de La Sociedad de La Información. Fundación

Orange, n.d. http://fundacionorange.es/.

Mark S. Granovetter. “He Strength of Weak Ties.” American Journal of Sociology, May

1973.

Meeyoung Cha, Hamed Haddadi, Fabrício Benevenuto, and Krishna P. Gummadi.

“Measuring User Influence in Twitter: The Million Follower Fallacy.” presented

at the Fourth International AAAI Conference on Weblogs and Social Media, n.d.

Mitchell, J. Clyde. Social Networks in Urban Situations: Analyses of Personal

Relationships in Central African Towns. Manchester: Manchester University

Press for the Institute for African Studies, University of Zambia, 1975.

Newman, M. E. J. “The Structure and Function of Complex Networks.” SIAM Review

45, no. 2 (January 2003): 167–256. doi:10.1137/S003614450342480.

Noah Friedkin. “A Test of the Structural Features of Granovetter´s ‘Strength of Weak

Ties’ Theory.” Social Networks, 1980.

Radcliffe-Brown, Alfred R. Estructura y función en la sociedad primitiva. Barcelona:

Planeta-Agostini, 1986.

Robert Huckfeldt, Paul Allen Beck, Rusell J. Dalton, and Jeffrey Levine. “Political

http://fundacionorange.es/

Enviorements, Cohesive Social Groups, and the Comunication of Public

Opinion.” American Journal of Political Science Association, November 1995.

Ronan Tigner. “Online Astroturfing and the European Union’s Unfair Commercial

Practices Directive,” 2010 2009.

Scott, John. “Social Network Analysis.” Sociology 22, no. 1 (February 1, 1988): 109–

127. doi:10.1177/0038038588022001007.

Sergio Acedo. “UPyD Utiliza Bots Durante El Debate Parlamentario.” Blog. El Pato

Magenta, Agosto 2013. http://sergioacedo.com/upyd-utiliza-bots-durante-el-

debate-parlamentario/.

“The More Data the Merrier: Klout Adds Bing and Instagram.” Klout Blog, March 27,

2013. http://blog.klout.com/2013/03/klout-bing-instagram/.

Trecebits.com. “V Oleada, Observatorio de Redes Sociales,” Abril 2013.

http://www.trecebits.com/2013/04/24/v-oleada-del-observatorio-de-redes-

sociales-de-the-cocktail-infografia/.

5.1ARTÍCULOS DE PERIÓDICOS:

“Barack Obama Tiene 13 Millones de Seguidores Falsos e Inactivos En Twitter -

Tecnología - CNNMéxico.com.” Accessed August 30, 2013.

http://mexico.cnn.com/tecnologia/2012/08/25/barack-obama-tiene-13-millones-

de-seguidores-falsos-e-inactivos-en-twitter.

Gregorio Belinchón. “Mucho Tuit y Poca #taquilla.” El País, Cultura, Agosto 2013.

http://cultura.elpais.com/cultura/2013/08/06/actualidad/1375817352_603913.ht

78

http://cultura.elpais.com/cultura/2013/08/06/actualidad/1375817352_603913.html

http://mexico.cnn.com/tecnologia/2012/08/25/barack-obama-tiene-13-millones-de-seguidores-falsos-e-inactivos-en-twitter

http://mexico.cnn.com/tecnologia/2012/08/25/barack-obama-tiene-13-millones-de-seguidores-falsos-e-inactivos-en-twitter

http://blog.klout.com/2013/03/klout-bing-instagram/

http://sergioacedo.com/upyd-utiliza-bots-durante-el-debate-parlamentario/

http://sergioacedo.com/upyd-utiliza-bots-durante-el-debate-parlamentario/

http://sergioacedo.com/upyd-utiliza-bots-durante-el-

ml.

“Lanata Reveló La Lista de Falsos Twitteros K.” Lanación.com.ar, May 7, 2012.

http://www.lanacion.com.ar/1471157-lanata-revelo-la-lista-de-falsos-twitteros-k.

“Los Políticos Compran Seguidores En Twitter y Facebook.” ABC.es. Accessed August

30, 2013. http://www.abc.es/20120625/medios-redes/abci-compra-seguidores-

facebook-twitter-201206211408.html.

“Seguidores Truchos Para Todos.” Plazademayo.com. Accessed August 30, 2013.

http://www.plazademayo.com/2013/07/truchos/.

http://www.plazademayo.com/2013/07/truchos/

http://www.abc.es/20120625/medios-redes/abci-compra-seguidores-facebook-twitter-201206211408.html

http://www.abc.es/20120625/medios-redes/abci-compra-seguidores-facebook-twitter-201206211408.html

http://www.lanacion.com.ar/1471157-lanata-revelo-la-lista-de-falsos-twitteros-k



estudio sobre la aplicación de la teoría de los vínculos débiles aplicada a twitter

Documents