Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Ep2014 viralidad en_twitter

  • Inicia sesión para ver los comentarios

Ep2014 viralidad en_twitter

  1. 1. Viralidad de los mensajes en Twitter en las Campañas Electorales 26-septiembre-2012 M. Luz Congosto 1
  2. 2. Objetivo Aportar luz a la participación y la receptividad del ciudadano en las campañas electorales Contexto Conversación exógena y endógena de la campaña de las elecciones europeas del 2014 en Twitter Metodología Base cuantitativa del análisis: patrones de publicación, temas tratados, difusión de mensajes y perfiles de los usuarios que participaron. 26-Septiembre-2014 M. Luz Congosto 2
  3. 3. ¿Por qué en Twitter? Los mensajes son públicos Es un medio utilizado en la campaña por todos los partidos Sus usuarios son más sensibles a los temas sociales que en otros medios on-line( Bernal 2013) Es una fuente para conocer la opinión pública (Congosto 2014) 26-Septiembre-2014 M. Luz Congosto 3
  4. 4. Viralidad La viralidad depende del origen, el contenido del mensaje y del contexto (The tipping point, Gladwell, 2000) El mensaje: Los tweets El origen: El usuario El contexto: Las causas que amplifican o atenúan el mensaje 26-Septiembre-2014 M. Luz Congosto 4
  5. 5. Metodología-1 26-Septiembre-2014 Conversación exógena Conversación endógena M. Luz Congosto 5 API Streaming de Twitter Nombres: Tweets que mencionaron a los candidatos por su nombre (169.590 tweets) Debate: Tweets relacionados con los debates de los candidatos en los Medios (560.830 tweets) #Hashstags: Tweets que incluyeron hashtags de campaña (411.591 tweets) @candidatos: Tweets que mencionaron a los perfiles de twitter de los candidatos o de los partidos (575.101 tweets) En total 1.525.282 tweets (11,17% de duplicados)
  6. 6. Metodología-2 Clasificación temática Proyecto, Spanish Policy Agendas Temas percibidos por los Código Subcódigo ciudadanos (Fuente: CIS) 1 Macroeconomía 100 Economía La economía 103 Desempleo El paro 2 Derechos y libertades civiles 202 Discriminación de género El machismo y Temas relacionados con la mujer 207 Libertad de expresión 208 Derecho a la vida La ley del aborto 230 Política de inmigración La inmigración 3 Salud 300. Política de salud La sanidad 5 Trabajo 501 Entorno y condiciones laborables La calidad del empleo 506 Empleo y juventud Temas relacionados con la juventud 6 Educación y cultura 600 Educación y cultura La educación 13 Política social 1300 Política social Temas de índole social 14 Política de vivienda 1400 Política de vivienda La vivienda 19 Política Exterior 1910 Unión Europea: cuestiones institucionales Temas relacionados con Europa 20 Gobierno y Administración Pública 2050 Independencia política Los nacionalismos 2007 Corrupción La corrupción y el fraude 2012 Sistema electoral y partidos La política, los partidos, los/as políticos/as Descalificaciones 26-Septiembre-2014 M. Luz Congosto 6
  7. 7. Metodología-3 Clasificación por diccionario de palabras/expresiones, contemplando falsos positivos Proceso (1): (1) Casas, Andreu, Ferran Davesa y Mariluz Congosto. 2014. "Quién y Qué Influenció La Agenda del 15M." Working Paper 26-Septiembre-2014 M. Luz Congosto 7
  8. 8. Metodología-4 Clasificación de usuarios Género Actividad y repercusión (1): Influencer: Si obtuvo un alto número de RTs Networker: Si publicó muchos tweets y el número de RTs realizados y recibidos fue balanceado. Resonator: Si publicó muchos tweets y la mayoría de ellos fueron RTs Monologist: Si publicó muchos tweets y el número de RTs recibidos fue bajo Passive: Si publicó o hizo pocos RTs Isolated: Si no realizó ni recibió ningún RT Líderes de opinión(2): Instituciones: Medios + Partidos Personas: candidatos + Políticos + Periodistas + Cuidadanos Personajes: Perfiles ficticios o fakes (1) Peña-López, Ismael, Congosto, ML & Aragón, Pablo . 2014. “Journal of Spanish Cultural Studies Spanish Indignados and the Evolution of the 15M Movement on Twitter : Towards Networked Para-Institutions.” Journal of Spanish Cultural Studies: 37–41. (2) Deltell, L, Congosto, ML, Claes, F,and & Osteso, JM. 2013. “Identification and Analysis of the Opinion Leaders around the Figure of Hugo Chávez on Twitter.” 696–718. http://www.revistalatinacs.org/068/paper/997_UCM/31_Deltellen.html (September 20, 2013). 26-Septiembre-2014 M. Luz Congosto 8
  9. 9. Resultados-1 Evolución de los contextos en el tiempo 180,000 160,000 140,000 120,000 N. de Tweets 100,000 80,000 60,000 40,000 20,000 0 04-05 05-05 06-05 07-05 08-05 09-05 10-05 11-05 12-05 13-05 14-05 15-05 16-05 17-05 18-05 19-05 20-05 21-05 22-05 23-05 24-05 Nombres #Hashtags @Candidatos Debate Las conversaciones exógenas (Nombres & Debate) tuvieron un perfil bajo de actividad salvo en eventos señalados como los debates o ante polémicas suscitadas por los candidatos. En el entorno endógeno (#Hashtags & @Candidatos), se encontraron fluctuaciones propias de la campaña y una menor influencia de los debates o de las controversias 26-Septiembre-2014 M. Luz Congosto 9
  10. 10. Resultados-2 Estructura de los tweets Conversación exógena En Nombres se encontraron frecuentemente URLs, lo que indica que muchos tweets provenían de noticias de medios o de blogs. Sin embargo, en el Debate la conversación fue más textual, comentando o dando la opinión sobre los candidatos. Conversación endógena En Hashtags se encontró una estrategia de comunicación basada en la difusión de imágenes, mientras que en @candidatos la estrategia de comunicación fue textual. Nombres 60 50 40 30 20 10 0 #Hashtags @Candidatos Debate Sin URL Foto incrustada Con URL 26-Septiembre-2014 M. Luz Congosto 10
  11. 11. Resultados-3 Los nueve temas más frecuentes Conversación endógena: Campaña, Sistema electoral, corrupción y economía Conversación exógena: Campaña, discriminación de género y descalificaciones 44.36 27.36 35.17 21.76 17.90 5.60 26.22 41.89 10.61 14.05 20.99 11.73 5.98 9.14 7.12 4.50 6.80 11.04 8.43 7.79 5.64 5.58 7.03 3.48 7.99 9.12 5.48 3.57 12.51 9.84 7.88 6.37 @Candidatos #Hashtags Nombres Debate 0.00 20.00 40.00 60.00 80.00 100.00 120.00 Campaña Discriminación de género Sistema electoral y partidos Corrupción Economía Política social Descalificaciones desempleo Educación y cultura Nota: Un tweet puede hacer referencia a más de un tema por lo que la suma de los porcentajes de cada contexto puede dar un resultado mayor a cien 26-Septiembre-2014 M. Luz Congosto 11
  12. 12. Resultados-4 La viralidad por tipo de mensajes Independientemente del tipo de conversación, los tweets con imágenes fueron los más virales Debate 100% 80% 60% 40% 20% 0% Nombres #Hashtags @Candidatos Sin URL Foto incrustada Con URL 26-Septiembre-2014 M. Luz Congosto 12
  13. 13. Resultados-5 La viralidad por tema Similar: Corrupción, economía, desempleo, descalificaciones y política social Diferente: Libertad de expresión, Independencia política y el Derecho a la vida 120.00 100.00 80.00 60.00 40.00 20.00 0.00 Corrupción Economía desempleo Descalificaciones Política social Unión Europea:… Empleo y juventud Política de vivienda Libertad de expresión Política de inmigración Independencia política Política de salud Educación y cultura Entorno y condiciones… Discriminación de género Campaña Derecho a la vida Sistema electoral y… Debate Nombres #Hashtags @Candidatos 26-Septiembre-2014 M. Luz Congosto 13
  14. 14. Resultados-6 Clasificación por género La mujer sigue participando en Twitter minoritariamente en temas sociales y políticos (1) No hubo grandes diferencias en la participación por género en las conversaciones endógenas y exógenas. 22.72 23.49 20.71 23.71 43.24 40.31 42.29 40.84 34.04 36.2 37 35.45 0 20 40 60 80 100 120 @Candidatos #Hashtags Nombres Debate Mujeres Hombres desconocido (1) Peña-López, Ismael, Congosto, ML and Aragón, Pablo . 2014. “Journal of Spanish Cultural Studies Spanish Indignados and the Evolution of the 15M Movement on Twitter : Towards Networked Para-Institutions.” Journal of Spanish Cultural Studies: 37–41. 26-Septiembre-2014 M. Luz Congosto 14
  15. 15. Resultados-7 Clasificación por actividad e impacto 68.39 71.03 58.3 62.16 16.1 10.45 21.76 21.36 13.26 12.1 13.22 10.67 0 20 40 60 80 100 120 Passive Isolated Resonator Networker Influencer Monologist 80% poca actividad 20% mucha actividad @Candidatos #Hashtags Nombres Debate Principio de Pareto Conversación endógena: Más conectada, pocos networkers en @candidatos Conversación exógena: Usuarios más activos pero menos conectados 26-Septiembre-2014 M. Luz Congosto 15
  16. 16. Resultados-8 Clasificación de los lideres de opinión por tipos Conversación endógena: Mucha fuerza de los partidos y poca relevancia de los medios, los periodistas y los personajes Conversación exógena: Poca relevancia de los candidatos, partidos y políticos. En las noticias más influyentes los medios y en el debate los periodistas 3 13 9 5 13 8 47 53 3 15 15 12 18 7 5 1 15 25 0 2 23 28 17 16 19 12 1 2 0 20 40 60 80 100 120 @Candidatos #Hashtags Nombres Debate Candidatos Partidos Políticos Medios Periodistas Ciudadanos Personajes Otros 26-Septiembre-2014 M. Luz Congosto 16
  17. 17. Resultados-9 Clasificación de los lideres de opinión por Política, Comunicación y Ciudadanía 19 28 78 71 32 33 7 1 47 35 18 18 0 20 40 60 80 100 120 @Candidatos #Hashtags Nombres Debate Los medios de comunicación y los periodistas no lideraron ninguno de los entornos estudiados Política= Partidos + Candidatos + Políticos Comunicación= Medios + Periodistas Ciudadanía= Ciudadanos + Personajes Otros 26-Septiembre-2014 M. Luz Congosto 17
  18. 18. Resultados-10 Clasificación de los lideres de opinión por Instituciones, Personas y Personajes Conversación endógena: Las instituciones difunden más que las personas Conversación exógena: Las personas difunden más que las instituciones 15 31 54 52 68 49 42 42 19 12 1 2 0 20 40 60 80 100 120 @Candidatos #Hashtags Nombres Debate Instituciones= Partidos + Medios Personas= Candidatos + Políticos + Periodistas + Ciudadanos Personajes Otros 26-Septiembre-2014 M. Luz Congosto 18
  19. 19. Resultados-11 Viralidad total vs. Viralidad pico por tipos Conversación endógena: No hubo grandes variaciones entre la viralidad total y la pico salvo en @candidatos-Pico en el que arrasaron los candidatos Conversación exógena: No hubo mucha diferencia entre la viralidad total y la pico salvo en Debate-Pico en en el que los candidatos fueron más virales 13 20 3 15 13 26 9 9 3 5 53 81 47 16 7 18 9 8 34 7 15 1 15 17 15 3 28 16 25 0 20 40 60 80 100 120 @Candidatos-Total @Candidatos-Pico #Hashtags-Total #Hashtags-Pico Nombres-Total Nombres-Pico Debate-Total Debate-Pico Viralidad total= Los cien usuarios con más RTs Viralidad pico= Usuarios cuyos tweets están entre los cien con más RTs 17 19 0 12 5 5 1 0 2 6 15 28 27 23 16 12 19 14 12 8 1 2 2 Candidatos Partidos Políticos Medios Periodistas Ciudadanos Personajes Otros 26-Septiembre-2014 M. Luz Congosto 19
  20. 20. Resultados-12 Viralidad total vs. Viralidad pico por Política, Comunicación y Ciudadanía 42 19 25 28 78 71 71 100 31 32 32 33 7 1 11 0 18 18 14 23 47 41 35 0 20 40 60 80 100 120 @Candidatos-Total @Candidatos-Pico #Hashtags-Total #Hashtags-Pico Nombres-Total Nombres-Pico Debate-Total Debate-Pico Política= Partidos + Candidatos + Políticos Comunicación= Medios + Periodistas Ciudadanía= Ciudadanos + Personajes Otros La política es más viral en pico en todas las conversaciones Viralidad total= Los cien usuarios con más RTs Viralidad pico= Usuarios cuyos tweets están entre los cien con más RTs 26-Septiembre-2014 M. Luz Congosto 20
  21. 21. Resultados-13 Viralidad total vs. Viralidad pico por Instituciones, Personas y Ciudadanos 19 15 12 39 31 31 54 52 68 76 81 49 53 55 42 42 19 14 12 8 1 2 2 0 0 20 40 60 80 100 120 @Candidatos-Total @Candidatos-Pico #Hashtags-Total #Hashtags-Pico Nombres-Total Nombres-Pico Debate-Total Debate-Pico Instituciones= Partidos + Medios Personas= Candidatos + Políticos + Periodistas + Ciudadanos Personajes Otros Las personas son más virales en pico que las instituciones Viralidad total= Los cien usuarios con más RTs Viralidad pico= Usuarios cuyos tweets están entre los cien con más RTs 26-Septiembre-2014 M. Luz Congosto 21
  22. 22. Resultados-14 Orientación política El uso del RT tiene un significado positivo debido a que en la mayoría de los casos se difunde lo que se está de acuerdo. Esta característica no solo sirve para medir viralidad sino que también aporta información de la afinidad entre los que lo realizan, creando comunidades de. usuarios con similares tendencias políticas (Conover et al. 2010). El análisis de los RTs proporcionó un mapa de la orientación política en la que aparecen definidos los partidos junto a su proximidad o lejanía ideológica. Partido Popular (1) PSOE (2) Impulso Social, Falange Española, MSR y Democracia Nacional (3), VOX (4) UPyD (5) Ciudadanos (6) El PACMA(7) Bildu y BNG (8) CIU y Esquerra Republicana (9) Podemos (10) Partido X (11) Elpidio Silva (12) Izquierda Unida y ICV-EUiA (13) Compromis y EQUO (14) Partido pirata (15) 26-Septiembre-2014 M. Luz Congosto 22
  23. 23. Conclusiones Conversación exógena vs. endógena • La conversación exógena y endógena en Twitter fue como agua y aceite. Dos capas de comunicación con pocas conexiones • La comunicación exógena se compuso de noticias o enlaces a blogs y de comentarios textuales hacia los candidatos. La endógena utilizó mucho las imágenes embebidas y comunicaciones textuales • La comunicación exógena fue muy sensible ante eventos puntuales como los debates televisados o las polémicas. La endógena se ajusto a la campaña y apenas le afectaron los eventos o las controversias • La conversación exógena versó sobre la campaña, sobre el machismo, motivado por el comentario del candidato del partido popular, y sobre descalificaciones. La endógena estuvo centrada en la campaña, el sistema electoral, la corrupción y la economía 26-Septiembre-2014 M. Luz Congosto 23
  24. 24. Conclusiones Viralidad del contenido • Los mensajes que embebieron imágenes fueron mucho más virales que los que incluyeron URLs o solo texto, independientemente del tipo de conversación. Se constata que los usuarios prestan mayor atención ante la información multimedia y que se usa este recurso en el marketing político • Las mayores preocupaciones de los ciudadanos como el paro, la corrupción y la economía tuvieron su reflejo en Twitter con una viralidad similar de estos temas en todas las conversaciones. Hay que matizar que estos valores fueron relativos a cada tema, siendo más divergentes en el valor absoluto del volumen de atención. Por otro lado, la libertad de expresión, la independencia política y el derecho a la vida tuvieron una propagación relativa mucho más divergente 26-Septiembre-2014 M. Luz Congosto 24
  25. 25. Conclusiones Viralidad de los usuarios • Las mujeres participaron menos que los hombres, una tendencia ya observada en otros análisis sobre participación en temas sociales. • La participación de los usuarios siguió el principio del Pareto, la actividad estuvo concentrada en el 20% de los usuarios mientras que el 80% participo testimonialmente. • En la conversación exógena estuvo liderada por la ciudadanía mientas que en la endógena los líderes de opinión fueron los candidatos, los partidos y en menor medida los políticos. Los medios de comunicación y los periodistas no lideraron ninguno de los entornos estudiados. • Las personas resultaron más virales en la conversación exógena mientras que en la endógena lo fueron las instituciones. Sin embargo, los mensajes más difundidos fueron mayoritariamente de personas en todos los contextos. • La orientación política detectada muestra cuatro grandes agrupaciones: El bipartidismo, los partidos pequeños de diversa ideología, el nacionalismo y las plataformas ciudadanas junto con la izquierda 26-Septiembre-2014 M. Luz Congosto 25

×