Analizando 16 millones de tweets de más de 3 millones de usuarios tras la muerte de Hugo Chávez en Venezuela, los investigadores españoles cuantificar el alcance de la polarización en Caracas
American Institute of Physics
Eurekalert
Este mapa muestra los resultados políticos de las 2013 elecciones locales de Venezuela (Libertador, en rojo, por el oficialismo; Chacao, Sucre, Baruta y El Hatillo en azul para la oposición). El blanco representa las zonas despobladas, áreas urbanizadas amarillo y rosa de los barrios más pobres. Las curvas de nivel se muestran representan las funciones de densidad de la probabilidad de que un tweet asociado con el oficialismo o de la oposición había sido publicado por un usuario geolocalizada en una determinada posición.
CRÉDITO: AJ MORALES / UNIVERSIDAD POLITÉCNICA DE MADRID
WASHINGTON, DC- Nos gustaría creer que nuestras opiniones son matizadas, equilibradas, nobles, sabias y, sobre todo, únicas, pero por desgracia no lo son - o eso dice Twitter. Muy a menudo, los que nos involucramos con el sitio de medios sociales populares son como de mente, y la vorágine electrónica subsiguiente de misivas de 140 caracteres más a menudo sirve para reforzar, nosotros y ellos tirando más a lo largo en la dirección que ya estábamos en tendencia hacia - de modo que al final del día, todos tweet a los conversos.
Todo lo que el sonido y la furia pueden significar algo, sin embargo: los investigadores de la Universidad Politécnica de Madrid, en España han desarrollado recientemente un modelo para detectar el grado en que una conversación en Twitter - y por lo tanto el argumento sin conexión real y el clima político - está polarizado.
Según los investigadores, un grupo está "perfectamente polarizada" sobre un tema determinado cuando se ha dividido en dos grupos de igual tamaño que sostiene opiniones contrarias. La muerte en 2013 del presidente de Venezuela, Hugo Chávez, conocido por sus seguidores como El Comandante, a condición de un estudio ideal caso, con los opositores del político fallecido repentinamente envalentonados para hablar y simpatizantes agitaron para elogiar y venerar.
"Una sociedad políticamente polarizada implica varios riesgos, como la aparición de radicalismo o guerras civiles. Estábamos interesados para averiguar cómo se puede detectar la polarización política, y por lo tanto ser fijado", dijo Rosa María Benito, profesor de la Universidad Politécnica de Madrid .
Esta semana en la revista Caos, desde AIP Publishing, Benito y sus colegas describen la construcción y las implicaciones de su modelo, que ahora se puede aplicar a cualquier red para detectar su grado de polarización.
Benito y sus colegas desarrollaron por primera vez un modelo computacional para estimar el efecto que una minoría de individuos influyentes, o "usuarios de élite," tuvo en la opinión de cualquier usuario dado en base a la opinión promedio de sus vecinos. Como era de esperar, la mayoría de estos usuarios de élite eran los políticos, los periodistas y las cuentas de los medios de comunicación con posiciones políticas muy conocidas. El modelo produjo una distribución opinión, que da la probabilidad de que un individuo al azar tiene una opinión dado. Luego, los investigadores propusieron un índice para cuantificar el grado de la polarización de la distribución resultante.
Esquema de la influencia proceso de expansión en el modelo de estimación opinión. (A) muestra los nodos en la red de semillas, de color de acuerdo con su respectiva ideología. (B) muestra la red en t = 0, antes de que las semillas empiezan a propagar su influencia. (C) muestra el estado de la red en t = 1. (d) muestra el estado de la red en t = n / 2. (E) Muestra el estado final de la red en t = n. (F) y (g) Las visualizaciones de dos ejemplos del resultado del modelo de formación de opinión al conjunto de datos venezolano por días no polarizada (f) y polarizadas (g).
"El índice se inspira en el momento dipolar eléctrico de una molécula", dijo Benito. "Estamos cuantificar la distancia entre las dos opiniones mediante la determinación del centro de gravedad de las opiniones positivas y negativas."
Benito y sus colegas descargaron más de 16.383.490 mensajes escritos por 3.173.090 usuarios de Twitter desde un mes antes y un mes después de la muerte de Chávez el 5 de marzo de 2013, un total de 56 días. Utilizaron estos mensajes para crear redes de retweet, en el que retweets podrían considerarse un indicador de la influencia y la adopción de las ideas, y aplicaron su modelo de índice y la polarización de las redes.
Una vez montado, esta confluencia de datos les dio un desglose del día a día de la medida de la polarización política en Venezuela en el transcurso de 56 días. Los investigadores encontraron que durante los días más críticos de la conversación - entre la muerte y el funeral de estado de Chávez - polarización cayó a sus niveles más bajos, debido al hecho de que los usuarios extranjeros se unieron a la conversación. Esto causó temporalmente la estructura polarizada de la red a desaparece hasta la campaña política electoral comenzó seis días después.
Benito y sus colegas luego trazan los tweets geolocalizados en un mapa de Caracas, la capital venezolana, y compararon la polaridad expresó - oficialismo o de la oposición - con los registros de votación y las afiliaciones políticas de cada municipio, encontrando una fuerte correlación entre la dos. Este mismo enfoque podría aplicarse para hacer "mapas de polarización" políticos de otras ciudades también.
El trabajo futuro para Benito y sus colegas incluirá la generalización de la metodología de la polarización para su aplicación a las situaciones con más de dos polos, y la medición de la aparición de la polarización en un ámbito más amplio de situaciones políticas. En última instancia, Benito y sus colegas explorarán estrategias que podrían ayudar a reducir la polarización en las sociedades.
El artículo, "Measuring Political Polarization: Twitter shows the two sides of Venezuela," es escrito por A. J. Morales, J. Borondo, J. C. Losada, y Rosa M. Benito. Aparecerá en el journal CHAOS el 31 de Marzo de 2015 (DOI: 10.1063/1.4913758). Luego de esa fecha puede ser accesado en : http://scitation.aip.org/content/aip/journal/chaos/25/3/10.1063/1.4913758
.jpg)
.jpg)
