Análisis del uso de medios y creación
de comunidades virtuales alrededor
del caso #Frena en México

Adalberto López Robles*

Universidad Autónoma Metropolitana, México

adalberto.lopez@estudiante-flacso.mx

Recibido: 7 de octubre del 2022 / Aceptado: 4 de abril del 2023

doi: https://doi.org/10.26439/contratexto2023.n39.6060

RESUMEN. El intercambio de noticias en redes sociales se ha convertido en una nueva fuente de ingreso para los medios de comunicación. Al respecto, se argumenta que los medios tradicionales han tenido que adaptarse a la nueva realidad para sobrevivir en el actual entorno mediático donde compiten con portales de noticias. Esta proliferación ha permitido que la ciudadanía cuente con más opciones para elegir las noticias de su preferencia. Bajo el supuesto de que las preferencias de los electores, por medios afines, inciden en las líneas editoriales de los medios, el artículo indaga sobre cuáles de ellos, tradicionales o digitales, son más propensos a satisfacer las demandas de los lectores. Para responder esta pregunta se utilizan datos extraídos de Twitter sobre el caso #Frena en México. El modelamiento y visualización de los mismos fueron hechos en el programa RStudio. Los hallazgos sugieren que los usuarios tienden a compartir hipervínculos de medios que se encuentran ideológicamente más cercanos a sus creencias políticas y que los medios digitales son más propensos que los tradicionales a producir contenidos para audiencias segmentadas. Con estos resultados se busca contribuir a la investigación empírica sobre medios de comunicación y audiencias en entornos digitales.

PALABRAS CLAVE: exposición selectiva / algoritmos / redes sociales / medios / #Frena

Analysis of Media Use and Creation of Virtual Communities
Concerning the #Frena Case in Mexico

Abstract. The exchange of news on social networks has become a new source of income for the media. In this regard, it is argued that traditional media have had to adapt to the new reality to survive in the current media environment where they compete with news portals. This proliferation of media has allowed citizens to have more options to choose the news of their choice. On the assumption that voters’ preferences for related media affect the editorial lines of the media, this article investigates what type of media, traditional or digital, is more likely to satisfy the demands of readers. To answer this question, data about the #Frena case in Mexico collected from Twitter was used. The modeling and visualization of the data were conducted using the RStudio program. The findings suggest that users tend to share media hyperlinks that are ideologically closer to their political beliefs and that digital media are more likely than the traditional one to produce content for segmented audiences. These results seek to contribute to empirical research on media and audiences in digital environments.

Keywords: selective exposure / algorithms / social networking sites / media / #Frena

ANÁLISE DO USO DE MÍDIAS E CRIAÇÃO DE COMUNIDADES VIRTUAIS
EM TORNO DO CASO #FRENA NO MÉXICO

Resumo. A troca de notícias nas redes sociais se tornou uma nova fonte de renda para os meios de comunicação. Nesse sentido, argumenta-se que os meios tradicionais tiveram que se adaptar à nova realidade para sobreviver no atual ambiente midiático, no qual competem com portais de notícias. Essa proliferação de meios tem permitido que a cidadania tenha mais opções para escolher as notícias de sua preferência. Sob a suposição de que as preferências dos eleitores por meios afins incidem nas linhas editoriais dos meios, o artigo investiga que tipo de meios, tradicionais ou digitais, são mais propensos a satisfazer as demandas dos leitores. Para responder a esta pergunta, são utilizados dados extraídos do Twitter sobre o caso #Frena no México. O modelamento e visualização dos dados foram feitos no programa RStudio. As descobertas sugerem que os usuários preferem compartilhar hiperlinks de meios que estão ideologicamente mais próximos de suas crenças políticas e que os meios digitais são mais propensos, do que os tradicionais, a produzir conteúdo para audiências segmentadas. Com estes resultados, procura-se contribuir para a pesquisa empírica sobre meios de comunicação e audiências em ambientes digitais.

Palavras-chave: exposição seletiva / algoritmos / redes sociais / meios / #Frena

* Maestro en Ciencias Sociales por la Facultad Latinoamericana de Ciencias Sociales de México (véase: https://orcid.org/0000-0002-7286-265X).

INTRODUCCIÓN

Esta investigación tiene como objetivo examinar si los medios de comunicación producen noticias para comunidades afines y qué tipo de medios, tradicionales o digitales, es más propenso a satisfacer las demandas de los lectores. Para ello, se toma como objeto de análisis el caso #Frena en México, un evento político que podría ayudar a explicar el comportamiento tanto de los medios como de sus públicos en escenarios virtuales. Cuando los eventos tienen niveles relativamente altos de polarización, los usuarios que se alinean ideológicamente con diferentes comunidades tienden a insertar hipervínculos de medios afines buscando con ello validar y maximizar sus narrativas sobre el tema de discusión (Aruguete et al., 2021; Calvo, 2015).

La movilización, tanto en las redes como en las calles, del denominado Frente Nacional Anti-AMLO (Frena) que demanda la renuncia del presidente de México, Andrés Manuel López Obrador (AMLO), durante los meses de septiembre y octubre del 2020, puede ser un caso sugerente para el análisis de la relación entre medios y usuarios en escenarios virtuales. Durante el tiempo en que el caso fue objeto de cobertura mediática y discusión pública, diferentes actores intervinieron las redes sociales en México, entre ellos, medios de comunicación y políticos. En este contexto, se promovieron etiquetas que recogían narrativas cognitivamente congruentes con las percepciones de las comunidades que se formaron en apoyo u oposición a las peticiones de Frena. Narrativas que fueron respaldadas con noticias provenientes de los medios.

Según la literatura especializada, la decisión de los usuarios de activar contenidos con los cuales tienen afinidad es un comportamiento que se explica por los procesos de exposición selectiva, así como por la presencia de algoritmos de segregación que refuerzan dietas informativas a medida de las preferencias de los usuarios (Barberá, 2020; Calvo & Aruguete, 2018; Calvo & Aruguete, 2020; Garrett, 2009). En otras palabras, la teoría sostiene que, en un entorno de medios de alta elección con muchas oportunidades para personalizar el contenido, las personas solo consumirán información consistente con sus puntos de vista políticos preexistentes (Cardenal et al., 2019; Garrett, 2013; Stroud, 2008). Por lo tanto, se asume que son estos mecanismos los que explican la conformación de comunidades virtuales (Barberá, 2020; Cinelli et al., 2021; Ross Arguedas et al., 2022), en las cuales los usuarios están expuestos a contenidos de otros con ideas afines entre ellos, aquellos que provienen de medios de comunicación que tienden a ser congruentes con sus creencias políticas (Cinelli et al., 2021). Durante el tiempo en que el caso #Frena estuvo activo en la red, estas comunidades jugaron un papel importante en la difusión de mensajes y en la activación de hipervínculos provenientes de diferentes medios, lo cual ha hecho probable que estos medios hayan desempeñado un papel relevante en la configuración de dichas comunidades.

Este artículo está organizado de la siguiente manera: el primer apartado plantea una revisión de la literatura especializada sobre el tema para entender la relación entre medios y audiencias en entornos digitales; la segunda sección propone una descripción del movimiento Anti-AMLO; en un tercer apartado se presenta la metodología empleada para responder la pregunta de investigación; la cuarta sección expone los resultados; en un quinto apartado se proponen las discusiones de los hallazgos alcanzados a la luz de la literatura, así como las conclusiones a las que dieron origen.

Medios y públicos en espacios virtuales

Los medios de comunicación crean contenidos y proponen marcos interpretativos que pueden o no ser activados por los usuarios en las redes sociales (Calvo & Aruguete, 2020). Cuando los usuarios comparten los contenidos mediáticos habilitan hipervínculos que producen cambios en la dinámica de la “circulación contemporánea” (Carlón, 2016; Slimovich, 2021). Si bien la activación de estos contenidos depende de la decisión de los usuarios, tal como lo indica la teoría de la exposición selectiva, este mecanismo se ve reforzado por la lógica algorítmica que le da estructura a los eventos en el entorno digital (Himelboim et al., 2013).

Estudios previos han encontrado que los usuarios suelen exponerse a información que resulta consistente con sus creencias previas (Calvo & Aruguete, 2018). Este procesamiento de mensajes, guiado por sus prioridades ideológicas, facilita la formación de cámaras de eco o burbujas informativas entre pares interconectados (Aruguete, 2019; Calvo & Aruguete, 2020; Spohr, 2017). Las cámaras de eco son “entornos en los que la opinión, la inclinación política o las creencias de los usuarios sobre un tema se refuerzan debido a la interacción repetida con pares o fuentes que tienen tendencias o actitudes similares” (Cinelli et al., 2021, p. 1). En este entorno, las cámaras de eco magnifican los mensajes que circulan en su interior y aíslan a los usuarios de información que desafía sus actitudes y creencias (Ross Arguedas et al., 2022). El argumento detrás de esta tesis, sostienen Terren y Borge-Bravo, “es que los usuarios de las redes sociales interactúan selectivamente con otras personas de ideas afines y con contenidos ideológicamente alineados, por lo que rara vez se exponen a las ideas en conflictos” (2021, p. 100). Esta conducta se ve reforzada por los filtros personalizados que, una vez que reconocen el tipo de contenido con el que interactúan los usuarios, entregan información de manera segregada (Calvo & Aruguete, 2020).

La automatización de estos procesos por algoritmos ha sido la base del uso de datos de usuarios con fines electorales. La microsegmentación, una estrategia implementada por la cuestionada compañía Cambridge Analytica durante la campaña de Donald Trump en Estados Unidos y el Brexit en Reino Unido en 2016, puso en evidencia el proceso a través del cual se diseñaban mensajes políticos para audiencias específicas. Kaiser (2019), extrabajadora de la compañía, explica en su libro, La dictadura de los datos, cómo se utilizaban modelos “psicográficos” para microfocalizar a los votantes influenciables de los estados indecisos durante la campaña a favor de Trump.

Si bien la selección de medios que coincidan con predisposiciones previas no es un fenómeno nuevo, dado estos cambios en el entorno de la comunicación contemporánea, el concepto de exposición selectiva ha traído nuevamente la atención académica (Garrett, 2013; Himelboim et al., 2013; Stroud, 2010; Vicario et al., 2016). En parte, porque las redes sociales constituyen para la investigación un entorno ideal que permite “observar discretamente las elecciones de comportamiento en el contexto en el que ocurren naturalmente” (Barberá, 2015, p. 2).

Himelboim et al. (2013) muestran cómo los usuarios en los Estados Unidos participan en interacciones fragmentadas y forman grupos divididos en los que sintonizan con un segmento reducido de la gama más amplia de fuentes de información política. Para otros académicos, esto es posible siempre que un usuario clasifique la información de acuerdo con sus sesgos, ya que esta selectividad es potencialmente mejorada por el algoritmo (Bright, 2016; Garrett, 2013; Spohr, 2017; Stroud, 2008). En efecto, estudios recientes han demostrado que las tecnologías de personalización aumentan la exposición a información proactitudinal y disminuyen la exposición a información contraactitudinal (Dylko et al., 2017).

Para Bakshy et al. (2015) y Vicario et al. (2016) la exposición selectiva es el principal impulsor de la difusión de contenidos y de la formación de grupos homogéneos en la red. Estos autores observan que las elecciones de los individuos desempeñan un papel importante a la hora de limitar la exposición a contenidos sugeridos por las plataformas de redes sociales.

Hay indicios de que una gran mayoría de los usuarios de Twitter son personas interesadas y comprometidas con las noticias (Hermida, 2010; Waisbord, 2020). De modo que el éxito de los medios depende de qué tan bien acomodan las ofertas mediáticas a los hábitos informativos de los usuarios (Iyengar & Hahn, 2009). Sin embargo, este argumento requiere ser matizado, ya que no todos los medios de comunicación se dejan seducir por las demandas informativas del público al igual que no todos los usuarios son propensos a consumir medios partidarios.

En un estudio reciente que analiza la campaña presidencial de Jair Bolsonaro del 2018 en Twitter, Aruguete et al. (2021) muestran que no todos los medios que participaron de esta red fueron susceptibles a las demandas de sus lectores. En efecto, distinguen lo que llaman medios de baja reputación y medios de alta reputación para analizar el efecto de la demanda informativa en las líneas editoriales. Mientras que la postura editorial del contenido publicado por los segundos coincidía con lo que querían sus lectores, los primeros tomaban decisiones editoriales que diferían.

Aunque algunos medios tratan de mantenerse moderados y ofrecer un periodismo equilibrado por fuera de los nichos políticos que se forman en la red, otros encuentran en estas audiencias polarizadas una forma de maximizar lectores y publicidad (Waisbord, 2020). Estos últimos, llamados actores periféricos complejos (Hermida & Young, 2019) o cibermedios (Salaverría, 2017), son los que más se benefician de los cambios que ocurren en el panorama de los medios, “que van desde el declive económico hasta la demanda de contenido periodístico gratuito” (Hermida & Young, 2019, p. 92).

Salaverría (2017) propone una tipología que facilita la distinción tanto de los cibermedios entre sí como de estos nuevos medios con los tradicionales. Respecto a la primera, señala que es posible distinguirlos según la plataforma (si son solo para web, tabletas, móviles o multiplataforma), la temporalidad (periódicos de actualización continua, policrónicos o multitemporales), el tema (de información general o específica), el alcance (globales, nacionales o locales), la titularidad (pública o privada), la autoría (si la responsabilidad editorial es individual o colectiva), el enfoque (periodístico o no periodístico), la finalidad económica (sin ánimo o con ánimo de lucro) y su dinamismo (hipertextuales, interactivos y multimedia). En lo que concierne a la segunda distinción, sigue siendo clave la periodicidad (polifónica, continua o periódica) y el soporte (papel, audiovisual o digital).

Esta clasificación de los medios tiene como trasfondo la emergencia del nuevo entorno de información que redefine sus formatos y funciones, y que proporciona a la vez “un fuerte incentivo económico para aquellos medios que atienden las preferencias políticas de sus usuarios” (Iyengar & Hahn, 2009, p. 21). Pariser (2017) ratifica que la digitalización cambió drásticamente las reglas del periodismo, haciendo que las preferencias de los usuarios importen hoy más que antes. Para Boczkowski et al. (2016), hay eventos mediáticos de alta demanda que muchas veces obligan a los medios a prestarle interés considerable dada la atención que los públicos fijan en ellos, principalmente, cuando son temas políticos que aumentan el consumo de noticias en línea (Bright, 2016; Cardenal et al., 2019).

Con base en esta discusión teórica, este artículo analiza si los medios producen noticias para lectores afines y qué tipo de medio, tradicional o digital, es más propenso a satisfacer las demandas de las comunidades que se configuran en torno a eventos sociales de gran impacto mediático como #Frena.

#Frena: una definición del caso

Frena es una organización política que se ha distinguido en México por exigir la renuncia del presidente López Obrador a través de movilizaciones, tanto en las calles como en las redes sociales. Sus críticos lo han señalado como un movimiento de ultraderecha católico que tiende hacia el conservadurismo y rechaza los movimientos feministas y de la diversidad sexual (Barranco, 2020). Para otros, el discurso y las prácticas del movimiento son muy parecidas a las de la ultraderecha sinarquista, movimiento político de la década de 1930 cuya ideología se definía como anticomunista, fascista y nacional-católica (Ríos, 2020).

Sin embargo, Frena se describe como un movimiento ciudadano y pacífico que busca, a través de herramientas jurídicas, de presión social o de medios de comunicación, la renuncia del presidente (Infobae, 2020). El frente considera que el objetivo político de AMLO es implementar el socialismo del siglo xxi en México, por lo que lo acusan de “traidor a la patria” (AFP, 2020). Desde su perspectiva, las políticas del actual gobierno profundizan los problemas estructurales del país (declive económico, inseguridad pública, indicadores de pobreza y desigualdad social) (Editorial Telediario, 2020).

El Frente Nacional Ciudadano (2020) ha dejado claro que no lucha por el poder ni mucho menos por convertirse en un partido político, lo que ha llevado a algunos críticos a señalar que son un movimiento de oposición por hartazgo, que no proponen nada para mejorar las condiciones sociales y políticas del país, y han encontrado en las redes sociales más espacio político que en los mismos partidos de oposición (Fonseca, 2020). Para otros, el movimiento tenía en el campo político una posibilidad que le hubiese permitido sumar apoyo en las urnas y buscar el cambio a través de la participación en los comicios, dado que, pedir la renuncia del presidente era una empresa con pocas posibilidades de éxito (Sánchez, 2020).

La irrupción de Frena en la arena pública no es sorpresiva, más bien es la respuesta a la debilidad de los partidos de oposición que no han podido desempeñarse como tal (Hill, 2020). Esta crisis de liderazgos políticos que afecta a la oposición obliga a que la ciudadanía se organice colectivamente para hacer su propio contrapeso (Zavala, 2020). La inconformidad con el Gobierno ha llevado a muchos a ver en Frena el único canal de expresión política para manifestarse contra el Gobierno y tener alguna relevancia en la agenda nacional (Hill, 2020).

Durante más de dos meses, el movimiento emprendió masivas movilizaciones en las principales ciudades del país que, en el caso de la Ciudad de México, terminaron con la instalación de tiendas de campañas en la Plaza de la Constitución. Sin embargo, la toma de la plaza principal no fue una tarea fácil, pues había órdenes por parte del Gobierno de la ciudad de impedir el acceso, las cuales fueron revertidas por un juez, quien ordenó el retiro de las vallas (Latinus, 2020). Esta disputa también enfrentó parte del periodismo mexicano, para quienes Frena era un grupo de la sociedad civil organizada que tenía el mismo derecho de otros movimientos de ocupar el espacio público de la ciudad (Guerra, 2020). Pazos (2020) llegó a sostener que la acción de impedir que los de Frena tomaran la plaza reflejaría la manera en la que el mandatario tratase a todos aquellos que se oponen a su gobierno. Puntualiza que, mientras habilita el espacio público para ciertos movimientos afines, obstaculiza y viola los derechos de libre circulación y expresión a manifestantes que no comparten sus ideas políticas.

Ante la imposibilidad de tramitar sus demandas por los canales institucionales, las redes sociales fueron el espacio idóneo para la expresión del descontento. Alrededor de sus peticiones se fueron formando comunidades de usuarios que participaban activamente del evento manifestando su apoyo o rechazo, lo que atrajo poderosamente la atención de los medios de comunicación, digitales y tradicionales, que publicaban noticias que serían compartidas por las comunidades.

METODOLOGÍA

Para responder la pregunta de investigación se analizó la estructura y el contenido de la conversación en Twitter sobre el evento #Frena. Para la recolección del corpus de tuits se utilizaron técnicas de minería de datos y para el análisis empírico de las comunidades, técnicas basadas en el análisis de redes sociales. Este enfoque entiende a una red como el conjunto de nodos unidos por aristas, cuyo objetivo es describir y explorar los patrones de relaciones sociales que los individuos forman entre sí y que no resultan evidentes a simple vista (Scott, 2017). En este estudio, los nodos representan a los usuarios, mientras que las aristas (retuits) expresan las conexiones de los nodos entre sí. Tanto el proceso de recolección de información como la visualización y modelamiento de la red se realizaron en el paquete estadístico RStudio.

Corpus

Entre el 16 de septiembre y el 26 de octubre del 2020 se recolectaron los tuits que contenían el término Frena. Por ser un término utilizado tanto por los simpatizantes del presidente López Obrador como por los seguidores del movimiento Anti-AMLO, Frena permitió una captura amplia de la conversación sobre este caso. La delimitación temporal responde a la intensidad de la actividad de los usuarios durante ese periodo, el cual fue mermando progresivamente, por lo que se consideró que no agregaba mayor información al análisis empírico. Para recopilar estos datos se conectó rtweet1 con la API (Interfaz de Programación de Aplicación) de búsqueda de Twitter. Los datos no se consideran una muestra representativa de la sociedad mexicana, aunque sí lo son del evento en cuestión.

Sobre el conjunto de datos recopilados (187 436 tuits publicados por 48 939 usuarios) se aplicaron filtros para seleccionar solo los tuits que fueron compartidos, lo cual permite extraer información tanto del autor del tuit como de la persona que retuitea. En concreto, se obtuvo una muestra de 45 575 usuarios y 165 423 mensajes. Además del contenido de los tuits y de las cuentas de los usuarios, la data incluye las estadísticas que Twitter genera sobre la actividad del usuario: hora del tuit, cantidad de retuit, enlaces embebidos, entre otras variables. Sobre esta base de datos se aplicaron algoritmos de diseño que permitieron graficar la red y sus respectivas comunidades.

Detección de comunidades y estimación de usuarios en la red

Para identificar las comunidades de usuarios en la red #Frena se utilizó un enfoque basado en técnicas de análisis de redes. Este método nos permite construir y visualizar mediante grafos la estructura general de la conversación en línea, el cual revela los modos de interconexión entre los nodos (Scott, 2017). Para efecto de este estudio, nos interesan las interconexiones que forman los usuarios con los medios cuando comparten hipervínculos de noticias con su comunidad de pertenencia. Por consiguiente, para el diseño del grafo, siguiendo la literatura sobre análisis de redes (Calvo & Aruguete, 2018), se emplearon dos técnicas: Fruchterman-Reingold y random walk.

Fruchterman-Reingold es un “algoritmo para redes dirigidas que permite visualizar la posición de los usuarios en la red al informarnos acerca de la proximidad entre los nodos y evitar que se superponga” (Calvo & Aruguete, 2020, p. 202). En Twitter, la mayoría de las redes que se forman son dirigidas, ya que la arquitectura de la plataforma fomenta un sistema jerárquico de difusión de información (Calvo, 2015), lo que significa que un usuario puede seguir a otro sin que esto implique una relación simétrica de seguimiento. Esta asimetría define la dirección en la que se mueven los mensajes que, generalmente, van desde actores políticos o mediáticos hasta usuarios de a pie que figuran en sus redes de seguidores. Son dirigidas, porque la mayor parte de las aristas salen de estos nodos centrales hacia otros nodos que han decidido compartir sus mensajes. Una medida para calcular la centralidad de estos usuarios suele ser el número de veces que sus mensajes son compartidos.

Una vez que se estima la ubicación de los usuarios en el grafo, el siguiente paso consiste en identificar las comunidades. Aquí se define una comunidad como un subconjunto de nodos, dentro del grafo, cuyas conexiones son más densas que las conexiones con el resto de la red (Newman, 2018). Para ello, se utiliza el algoritmo de caminos aleatorios (random walk) del paquete Igraph2 de RStudio (Csardi & Nepusz, 2006). La función de este algoritmo es estimar la pertenencia de los usuarios en distintas comunidades (Calvo, 2015), lo cual arroja pistas sobre la naturaleza de las interacciones sociales dentro de cada una de ellas. En este caso, en particular, el algoritmo puede decirnos con qué medios interactúan más seguido los usuarios de cada comunidad.

Finalmente, dado que nuestra red contiene un número significativo de nodos, una forma de mejorar la visualización de estos usuarios en el grafo es pidiéndole al programa que nos identifique los actores más importantes de la red. Es decir, aquellos cuyos mensajes fueron masivamente compartidos dentro de cada comunidad (Calvo, 2015). Por lo general, estos usuarios suelen ser políticos, medios de comunicación y usuarios de mayor influencia que difícilmente son compartidos entre comunidades, lo que nos permite, además, etiquetar a las comunidades detectadas en la red como pro-Frena y anti-Frena, y asignarles colores que facilitan su visualización en el grafo.

RESULTADOS

A primera vista, se observa que la red #Frena estuvo fuertemente segmentada, expresión máxima de la polarización que alcanzó el evento durante el tiempo que duraron las marchas contra el presidente López Obrador. La Figura 1 muestra esta segmentación informativa: la burbuja en color rojo representa la actividad de los usuarios que retuitearon contenidos críticos hacia el movimiento Anti-AMLO, mientras que en la burbuja de color verde se ubican las cuentas que apoyaron masivamente a Frena. A través de estas comunidades, los usuarios expresaron su apoyo, difundieron mensajes de los actores centrales e insertaron enlaces de medios, tradicionales y digitales, consistentes con sus puntos de vista. En el grafo también se aprecia una simetría respecto al grado de interacción. El tamaño de ambas comunidades expresa niveles de actividad relativamente similares, a pesar de las diferencias en el número de nodos existentes de ambos lados de la grieta: 17 285 nodos pro-Frena y 14 741 nodos anti-Frena.

Figura 1

Mapa básico de la red #Frena entre septiembre y octubre del 2020

En la red, una de las actividades más frecuente de los usuarios es la de propagar mensajes posteados por los actores que dominan la conversación dentro de sus respectivas comunidades. En la Figura 2 se enlistan las cuentas de usuarios cuyos mensajes calaron hondo en cada comunidad. En la gráfica de color rojo aparecen aquellas cuentas afines a la comunidad pro-Frena, mientras que en la de color azul se pueden ver las cuentas de los actores que fueron compartidas por los simpatizantes de AMLO. Dentro de este grupo selecto se encuentran algunos medios digitales, cinco son de la comunidad anti-Frena (@SinLinea_Mx, @laoctavadigital, @RegeneracionMx, @lasillarota, @revistapolemon) y uno de la comunidad afín a Frena (@latinus_us).

Figura 2

Actores centrales alineados con la comunidad anti-Frena (azul) y pro-Frena (rojo)

Resulta interesante notar que gran parte de los mensajes que circularon en ambas comunidades provenían de cuentas falsas. De las once cuentas identificadas, cinco pertenecen a la comunidad pro-Frena (@MarkZuckmyberg, @AgnesAlessandr6,
@esbetoleal, @EmiXapata, @GeneralVIII) y seis a la comunidad anti-Frena (@RataroTio, @johnerencastle, @ElReyTuitero, @N0ERESTUS0Y_Y0, @Berexun, @JulioViggiano). Con más de 4000 mensajes retuiteados, la cuenta @MarkZuckmyberg aparece como una de las autoridades consolidadas en la comunidad pro-Frena. En cambio, los mensajes del usuario @johnerencastle fueron los que alcanzaron una alta tasa de retuiteo en la comunidad opositora (más de 1500).

Figura 3

Los hashtags más difundidos en la red #Frena

Si miramos la frecuencia con la que se compartieron los hashtags en esta red, la Figura 3 muestra algunas de las más difundidas por los usuarios de ambas comunidades. #FueraLopez, #LopezSeVa, #LopezMexicoTeRepudia, #fracaso y #LopezDestruyendoMexico fueron las que más resonaron en el sector afín a Frena. Estas etiquetas sirvieron para encuadrar diferentes temas desde la situación económica del país hasta la inseguridad y el manejo de la pandemia. Otras etiquetas que circularon masivamente calificaban al presidente de dictador al estilo de los Castro en Cuba, como #LopezDictadorde4ta (véase la Figura 4).

Figura 4

Etiquetas más difundidas en #Frena

Nota. De "La culpa siempre va a ser de alguien más cuando al mediocre y fracasado no le salen las cosas", por McSally14, 15 de julio del 2021, Twitter (https://twitter.com/McSally14/status/1415685027757580290).

Por su parte, la estrategia discursiva de los simpatizantes de AMLO consistió en calificar a los integrantes de Frena de farsantes difundiendo de forma satírica el hashtag #FRENAAAEsUnaFarsa (véase la Figura 5). La etiqueta se difundió luego de que el mandatario, en una de sus conferencias matutinas, señalara que a la primera manifestación de 100 000 personas en su contra renunciaría al cargo. Sin embargo, la concentración fracasó, lo que generó todo tipo de sátira contra el movimiento. Además de la etiqueta satírica contra Frena, también circuló en esta comunidad el hashtag #AmloElMejorPresidenteDelMundo, con el cual los simpatizantes le manifestaban su apoyo al mandatario.

Figura 5

Etiquetas más difundidas en #Frena de simpatizantes de Andrés Manuel López Obrador


Nota.
De "Este es el poderoso brazo de #Frena #FRENAAAEsUnaFarsa un grupúsculo, una treintena de personas que se apoderan del zócalo", por R. Picazo, 15 de julio del 2021, Twitter (https://mobile.twitter.com/sxunco/status/1325866370425384980).

Las etiquetas que circularon en #Frena fueron cognitivamente congruentes con las narrativas dominantes en cada comunidad y sirvieron para darle sentido a los encuadres preactivados por los usuarios. Además, les permitió a los simpatizantes de ambos bandos identificar actores políticos y mediáticos con los cuales tenían afinidad en la escena política.

Respecto a los medios, tradicionales y digitales, la Figura 6 muestra que, durante la vigencia del #Frena en Twitter, los usuarios cercanos al movimiento Anti-AMLO (verde) recibían en sus muros una combinación de noticias publicadas originalmente por ForoTV, El Heraldo de México y Telediario, con algunos pocos contenidos de El Universal, Excelsior, El Financiero y MeganoticiasTVC. Por su parte, los usuarios cercanos al gobierno de López Obrador (rojo) recibían noticias en menor medida de La Jornada y El Sol de México.

En el grafo se aprecia también que los medios tradicionales que cubrieron el caso #Frena se encuentran en las periferias de ambas burbujas. La literatura sugiere que los medios de mayor reputación, por lo general, toman decisiones editoriales (concernientes a criterios de noticiabilidad) que difieren de las preferencias de los lectores más intensos (Aruguete et al., 2021).

Figura 6

El mapa de los medios tradicionales visto a través de los retuits del caso #Frena





Además de su versión impresa, estos medios cuentan con plataformas digitales y presencia en redes sociales como Twitter desde donde difunden sus contenidos y son seguidos por miles de usuarios. El alto grado de digitalización que han alcanzado hace que sea casi imposible distinguirlos en términos de las posibilidades que ofrece el soporte en línea, ya que reflejan aspectos hipertextuales, interactivos y multimedia e, igualmente, son cada vez más policrónicos y multiplataformas. Características que, si bien comparten con los medios nativos digitales, aún conservan su aspecto analógico.

En la Figura 7 se ubican los medios digitales cuyos enlaces fueron embebidos en ambas burbujas. Los usuarios que se ubican del lado de la oposición (rojo) insertaron hipervínculos de fuentes alternativas como @SinLinea_Mx, @laoctavadigital, @revistapolemon y, en menor medida, @RegeneraciónMx, @Reporte_Indigo y @lasillarota. Por su parte, los usuarios que se ubican del lado de Frena (verde) insertaron con más frecuencia enlaces de @RIDNoticias, @latinus_us y, con menor frecuencia, de @EjeCentral y @lasillarota.

Figura 7

El mapa de los medios alternativos visto a través de los retuits del caso #Frena

Siguiendo la tipología de Salaverría (2017), la Tabla 1 ofrece una clasificación sobre estos medios. Como puede observarse, salvo en algunos aspectos (tema, alcance, titularidad, autoría y finalidad económica), la mayoría comparte los rasgos más distintivos de un cibermedio (plataforma, temporalidad y dinamismo). Dado que carecen de un soporte físico como los medios tradicionales, estos medios aprovechan al máximo las posibilidades hipertextuales, interactivas y multimedia que ofrece el soporte en línea, por lo que en la mayoría son multiplataformas y multitemporales o policrónicos, lo que significa que ofrecen una actualización continua de las noticias que se producen diariamente en el contexto mexicano.

En definitiva, los medios digitales tuvieron una participación más activa que los medios tradicionales en la red #Frena, lo cual es consistente con lo planteado en la literatura. Los medios de baja reputación, en su mayoría partidarios, encuentran en estos usuarios una vía de difusión de sus noticias y aprovechan la polarización que facilitan las redes para producir información de manera selectiva en función de las demandas de los lectores en línea.

Si se comparan las dinámicas de propagación de hipervínculos de noticias publicadas por medios, tradicionales y digitales, se pueden observar patrones de difusión que difieren entre comunidades. Por ejemplo, en comparación con los medios tradicionales, los usuarios fueron más propensos a insertar enlaces de medios digitales. La Figura 6, que muestra la posición de los medios tradicionales mexicanos en el caso #Frena, los ubica lejos del centro de mayor interacción, mientras que los medios digitales ocupan posiciones más hacia el centro de cada comunidad (véase la Figura 7).

En este caso, los medios alternativos eligieron posiciones más consistentes con las de sus lectores. Se podría decir que estos medios aprovecharon en mayor medida el evento para producir contenidos ideológicamente congruentes con las comunidades de usuarios. Latinus, por ejemplo, es un portal de noticias digital con sede en Estados Unidos y con una amplia difusión en México, se declara abiertamente crítico del gobierno de López Obrador. Dicha plataforma, dirigida por el periodista mexicano Carlos Loret de Mola, fue la principal fuente de información alternativa de los simpatizantes de Frena, la cual proveyó consistencia a su narrativa. Del otro lado, la revista Polemón, que toma su nombre del sofista griego Marco Antonio Polemón, se declara como un medio de comunicación digital combativo y revolucionario. Con una línea editorial ideológicamente congruente con la del actual Gobierno. En ambos casos, se observa una consistencia entre las líneas editoriales de dichos medios y las preferencias de sus respectivos lectores.

Por otra parte, #Frena también es un caso elocuente de la baja actividad que tuvieron los funcionarios del Gobierno. Quizá el carácter inconstitucional de la demanda del movimiento (la renuncia del presidente) generó tranquilidad en los sectores del oficialismo, decidiendo dejar vacante el espacio mediático que fue habitado por cuentas falsas cercanas al Gobierno, como @johnerencastle.

Aunque este tipo de usuarios dominó la conversación en ambos lados de la grieta, preocupa cuando se alojan plácidamente en la comunidad afín al Gobierno; sin embargo, es difícil saber si estas cuentas fueron promovidas por sectores del oficialismo. Actualmente, aparecen inactivas, lo que significa que fueron creadas para dar la falsa impresión de que existió un movimiento de apoyo al presidente López Obrador. Esto permite, al menos, inferir que fueron cercanas, en términos ideológicos, a la comunidad que se identificó con el partido de Gobierno.

La mayoría de estos falsos usuarios jugaron un papel fundamental a la par de los medios de comunicación en la configuración y sostenimiento de dichas comunidades. De hecho, algunos de ellos obtuvieron tasas de retuiteo mayores que la de los medios y de los políticos. En estas comunidades, sus mensajes calan hondo, dado que son congruentes con las interpretaciones que cada una tiene del evento. En definitiva, podría decirse que intervinieron la red para maximizar las narrativas afines y desmontar las narrativas contrapuestas.

DISCUSIÓN Y CONCLUSIÓN

Este estudio respondió a un objetivo específico, analizar si las organizaciones de noticias con presencia en Twitter crean contenidos mediáticos que satisfacen las preferencias de sus electores y cuáles de los dos tipos de medios, tradicionales o digitales, fueron más propensos a satisfacerlas. Eventos sociales como #Frena, muchas veces, irrumpen en el escenario mediático y atraen la atención del público, lo que aumenta el consumo de noticias en línea (Cardenal et al., 2019). El caso muestra una red dividida en dos comunidades y estructurada alrededor de demandas contrapuestas. Por una parte, los simpatizantes de Frena que exigen la renuncia del presidente de México; por la otra, los partidarios del presidente construyendo narrativas que contrarrestaban aquella petición.

Ambas comunidades interactuaron con contenidos mediáticos que rara vez se compartieron entre sí. La comunidad afín a Frena embebió enlaces de medios distintos a los compartidos en la comunidad opositora, lo que sugiere que existe, en alguna medida, una relación de afinidad entre el medio y los simpatizantes de cada comunidad. Este hallazgo demuestra que los usuarios tienden a compartir hipervínculos de medios que se encuentran ideológicamente más cercanos a sus creencias políticas (Calvo, 2015; Calvo & Aruguete, 2020; Garrett, 2009).

Además, se encontró que este fenómeno se manifiesta en mayor medida para el caso de los medios digitales que en el de los tradicionales, un hallazgo consistente con el encontrado por la literatura sobre el tema en otras latitudes (Aruguete et al., 2021; Bright, 2016; Calvo & Aruguete, 2018;). Para el caso específico de México, esto demuestra que los medios digitales son los que aprovechan, en buena parte, las potencialidades del entorno digital para producir contenidos afines a sus audiencias. El portal de noticias Latinus y el semanario Polemón ejemplifican este patrón. El primero constituyó la fuente primordial de información de los pro-Frena, mientras que el segundo lo fue así para los simpatizantes del presidente Andrés Manuel López Obrador. Ambas comunidades se alimentaron y se consolidaron con información proveniente de estos medios que se instituyeron como las principales fuentes de información de ambas comunidades.

Como demuestra el caso, los eventos sociales se construyen colectivamente, los medios proponen marcos que pueden o no ser compartidos por los usuarios en función de su afinidad ideológica (Cardenal et., 2019; Dylko et al., 2017; Garrett, 2009; Himelboim, et al., 2013; Spohr, 2017). Un patrón que se ve reforzado por los algoritmos de segregación que entregan contenidos afines a las ideas de los usuarios que facilitan con ello la creación de las cámaras de eco en línea (Calvo, 2015; Cinelli et al., 2021; Ross Arguedas et al., 2022; Terren & Borge-Bravo, 2021).

Otro hallazgo interesante fue la presencia de usuarios falsos que jugaron, junto con los medios y los actores políticos, un rol fundamental en la configuración de las comunidades y en la consolidación de sus respectivas narrativas. En ambas comunidades se detectaron presencia de este tipo de usuarios, quienes usaron sus perfiles para difundir mensajes que estratégicamente fueron afines con las narrativas defendidas por sus pares interconectados.

Por supuesto, quedan inquietudes por resolver. El hecho de enfocarnos en una red no faculta extender la evidencia empírica al terreno de otros entornos digitales como Facebook, por lo que se requieren más estudios que permitan ampliar los hallazgos encontrados. Por otra parte, este estudio se centró en un único país, por lo que el hallazgo si bien contribuye a la literatura empírica, no puede ser generalizado a otros contextos; se necesitan, en este caso, estudios comparativos que llenen esta laguna.

A nivel metodológico, es importante advertir otra limitación que podría ser útil para investigaciones futuras. Al utilizar un enfoque basado en análisis de redes, el estudio da cuenta de los aspectos a nivel agregado que definen la relación entre medios y audiencias en espacios virtuales, mas no de los aspectos específicos de esta relación. Esta limitación podría subsanarse con el uso de técnicas cualitativas como el análisis de contenido o el análisis del discurso aplicados a un conjunto específico de la muestra. Futuras investigaciones podrían plantear también la necesidad de una estrategia metodológica mixta que permita profundizar en los objetos de estudio que emergen del espacio sociodigital.

REFERENCIAS

AFP. (2020, 22 de noviembre). Frenaaa marcha en la CDMX para exigir salida de AMLO por gestión de Covid-19. El Economista. https://www.eleconomista.com.mx/politica/Frenaaa-marcha-en-la-CDMX-para-exigir-salida-de-AMLO-por-gestion-de-Covid-19-20201121-0023.html

Aruguete, N. (2019). Network-Activated Frames (NAF), redefining framing in a new digital era. En M. A. Peters & R. Heraud (Eds.), Encyclopedia of Educational Innovation (pp. 1-6). Springer.

Aruguete, N., Calvo, E., & Ventura, T. (2021). Polarization, news sharing, and gatekeeping: a study of the #Bolsonaro election. Digital Journalism, 9(1), 1-23. https://doi.org/10.1080/21670811.2020.1852094

Bakshy, E., Messing, S., & Adamic, L. (2015). Exposure to ideologically diverse news and opinion on Facebook. Science, 348(6239), 1130-1132. https://doi.org/10.1126/science.aaa1160

Barberá, P. (2015). Birds of the same feather tweet together: bayesian ideal point estimation using Twitter data. Political Analysis, 23(1), 76-91. https://doi.org/10.1093/pan/mpu011

Barberá, P. (2020). Social media, echo chambers, and political polarization. En N. Persily & J. Tucker (Eds.), Social media and democracy: the state of the field (pp. 34-55). Cambridge University Press.

Barranco, B. (2020, 28 de setiembre). Frenaaa y la ultraderecha católica. Proceso. https://www.proceso.com.mx/opinion/2020/9/28/frenaaa-la-ultraderecha-catolica-250046.html

Boczkowski, P., Mitchelstein, E., Wagner, C., & Leiva, S. (2016). La brecha de las noticias en Argentina: factores contextuales y preferencias de periodistas y público. Palabra Clave, 19(4), 1027-1047. https://doi.org/10.5294/pacla.2016.19.4.4

Bright, J. (2016). The social news gap: how news reading and news sharing diverge. Journal of Communication, 66(3), 343–365. https://doi.org/10.1111/jcom.12232

Calvo, E. (2015). Anatomía política de Twitter en Argentina: Tuiteando #Nisman. Capital Intelectual.

Calvo, E., & Aruguete, N. (2018). #Tarifazo. Medios tradicionales y fusión de agenda en redes sociales. Inmediaciones de la comunicación, 13(1), 189-213. https://revistas.ort.edu.uy/inmediaciones-de-la-comunicacion/article/view/2831

Calvo, E., & Aruguete, N. (2020). Fake news, trolls y otros encantos. Cómo funcionan (para bien y para mal) las redes sociales. Siglo xxi.

Cardenal, A., Aguilar-Paredes, C., Cristancho, C., & Majó-Vázquez, S. (2019). Echo-chambers in online news consumption: evidence from survey and navigation data in Spain. European Journal of Communication, 34(4), 360-376. https://doi.org/10.1177/0267323119844409

Carlón, M. (2016). Apropiación contemporánea de la teoría comunicacional de Eliseo Verón. En E. Vizer & C. Vidales (Eds.), Comunicación, campo(s), teorías y problemas. Una perspectiva internacional (pp. 112-141). Comunicación Social Ediciones y Publicaciones.

Cinelli, M., Francisci Morales, G. de, Galeazzic, A., Quattrociocchi, W., & Starnini, M. (2021). The echo chamber effect on social media. Proceedings of the National Academy of Sciences, 118(9), 1-8. https://doi.org/10.1073/pnas.2023301118

Csardi, G., & Nepusz, T. (2006). The igraph software package for complex network research. InterJournal, Complex Systems, 1695(5), 1-9.

Dylko, I., Dolgov, I., Hoffman, W., Eckhart, N., & Molina, M. (2017). The dark side of technology: an experimental investigation of the influence of customizability technology on online political selective exposure. Computer in Human Behavior, 73, 181-190. https://doi.org/10.1016/j.chb.2017.03.031

Editorial Telediario. (2020, 5 de octubre). FRENAAA asegura que AMLO está asustado y acorralado. Telediario. https://www.telediario.mx/local/frenaaa-asegura-que
-amlo-esta-asustado-y-acorralado

Fonseca, D. (2020, 15 de octubre). López Obrador, Frena y la oposición por hartazgo. The New York Times. https://www.nytimes.com/es/2020/10/15/espanol/opinion/lopez-obrador-frena.html

Frente Nacional Ciudadano. (2020, 15 de septiembre). Las 13 preguntas más frecuentes sobre el Frente Nacional. https://frena.com.mx/programa/

Garrett, K. (2009). Echo chambers online?: politically motivated selective exposure among Internet news users. Journal of Computer-Mediated Communication, 14(2), 265-285. https://doi.org/10.1111/j.1083-6101.2009.01440.x

Garrett, K. (2013). Selective exposure: New methods and new directions. Communication Methods and Measures, 7(3-4), 247-256. https:/doi.org/10.1080/19312458.2013.835796

Guerra, R. (2020, 1 de octubre). Entre marchas y asambleas. El Financiero. https://www.elfinanciero.com.mx/opinion/rosario-guerra/entre-marchas-y-asambleas/

Hermida, A. (2010). Twittering the news. The emergence of ambient journalism. Journalism Practice, 4(3), 297-308. https://doi.org/10.1080/17512781003640703

Hermida, A., & Young, M. L. (2019). From peripheral to integral? A digital-born journalism not for profit in a time of crises. Media and Communication, 7(4), 92–102. https://doi.org/10.17645/mac.v7i4.2269

Hill, B. (2020, 6 de octubre). Una democracia de movimientos, no de partidos. El Financiero. https://www.elfinanciero.com.mx/opinion/benjamin-hill/una-democracia-
de-movimientos-no-de-partidos/

Himelboim, I., Smith, M., & Shneiderman, B. (2013). Tweeting apart: applying network analysis to detect selective exposure clusters in Twitter. Communication Methods and Measures, 7(3-4), 195-223. https://doi.org/10.1080/19312458.2013.813922

Infobae. (2020, 17 de julio). Frente Anti López Obrador reúne cada vez a más personas en su manifestación sabatina. https://www.infobae.com/america
/mexico/2020/07/12/frenaaa-reune-cada-vez-a-mas-personas-en-su-manifestacion-sabatina/

Iyengar, S., & Hahn, K. (2009). Red media, blue media: evidence of ideological selectivity in media use. Journal of Communication, 59(1), 19-39. https://doi.org/10.1111/j.1460-2466.2008.01402.x

Kaiser, B. (2019). La dictadura de los datos. HarperCollins.

Latinus. (2020, 23 de septiembre). Tras ganar amparo, FRENAAA se instala en el Zócalo. https://latinus.us/2020/09/23/tras-orden-retirar-rejas-frenaa-avanza
-hacia-zocalo/

McSaLly [@McSally14]. (2021, 15 de julio). La culpa siempre va a ser de alguien más cuando al mediocre y fracasado no le salen las cosas como [Tweet] [Imagen adjunta]. Twitter. https://twitter.com/McSally14/status/1415685027757580290

Newman, M. (2018). Networks. Oxford University Press. https://doi.org/10.1093/oso/9780198805090.001.0001

Pariser, E. (2017). El filtro burbuja. Cómo la red decide lo que leemos y lo que pensamos. Taurus.

Pazos, L. (2020, 30 de septiembre). AMLO, dos varas: impunidad y represión. El financiero. https://www.elfinanciero.com.mx/opinion/luis-pazos/amlo-dos-varas-
impunidad-y-represion/

Picazo, R. [@sxunco]. (2021, 15 de julio). Este es el poderoso brazo de #Frena #FRENAAAEsUnaFarsa un grupúsculo, una treintena de personas que se apoderan del zócalo [Tweet] [Imagen adjunta]. Twitter. https://mobile.twitter.com/sxunco/status/1325866370425384980

Ríos, V. (2020, 5 de octubre). ¿Por qué FRENA está ganando fuerza? Expansión Política. https://politica.expansion.mx/voces/2020/10/05/viri-rios-por-que-frena-
esta-ganando-fuerza

Ross Arguedas, A., Robertson, C., Fletcher, R., & Nielsen, R. (2022, 19 de enero). Echo chambers, filter bubbles, and polarisation: a literature review. Reuters Institute for the Study of Journalism. https://bit.ly/3Jba5HF

Salaverría, R. (2017). Tipología de los cibermedios periodísticos: bases teóricas para su clasificación. Revista Mediterránea de Comunicación, 8(1), 19-32. https://doi.org/10.14198/MEDCOM2017.8.1.2

Sánchez, A. (2020, 6 de octubre). El camino de Frenaa son las elecciones intermedias. El Financiero. https://www.elfinanciero.com.mx/opinion/alejo-sanchez-cano/el-
camino-de-frena-son-las-elecciones-intermedias/

Scott, J. (2017). Social network analysis. SAGE Publications.

Slimovich, A. (2021). La mediatización política durante la pandemia por COVID-19. La argumentación en las redes sociales de Alberto Fernández y Mauricio Macri. Dixit, 34, 1-14. https://doi.org/10.22235/d34.2273

Spohr, D. (2017). Fake news and ideological polarization: Filter bubbles and selective exposure on social media. Business Information Review, 34(3), 150-160. https://doi.org/10.1177/0266382117722446

Stroud, N. (2008). Media use and political predispositions: Revisiting the concept of selective exposure. Political Behavior, 30, 341-366. https:/doi.org/10.1007/s11109-007-9050-9

Stroud, N. (2010). Polarization and partisan selective exposure. Journal of Communication, 60(3), 556-576. https:/doi.org/10.1111/j.1460-2466.2010.01497.x

Terren, L., & Borge-Bravo, R. (2021). Echo chambers on social media: A systematic review of the literature. Review of Communication Research, 9, 99-118. https://rcommunicationr.org/index.php/rcr/article/view/94

Vicario, M. del, Zollo, F., Bessi, A., Petroni, F., Scala, A., Caldarelli, G., Stanley, H. E., & Quattrociocchi, W. (2016). The spreading of misinformation online. Proceedings of the National Academy of Sciences, 113(3), 554-559. https://doi.org/10.1073/pnas.1517441113

Waisbord, S. (2020). ¿Es válido atribuir la polarización política a la comunicación digital? Sobre burbujas, plataformas y polarización afectiva. Revista SAAP, 14(2), 249-279. https://doi.org/10.46468/rsaap.14.2.A1

Zavala, J. I. (2020, 25 de septiembre). Frenaaa: eso también tiene que parar. El Financiero. https://www.elfinanciero.com.mx/opinion/juan-ignacio-zavala/frenaaa-eso
-tambien-tiene-que-parar/

1 Rtweet es un conjunto de comandos de RStudio que permite interactuar con la API y extraer información sobre el tema de discusión de interés.

2 Igraph es una librería específica de R y RStudio que permite tanto la manipulación de grafos como la visualización de redes.