ARTICULOS

Evaluando Twitter como indicador de opinión pública: una mirada al arribo de Bachelet a la presidencial chilena 2013*

 

Bastián González-Bustamante

Centro de Análisis e Investigación Política, Chile bgonzalez@caip.cl

* Este trabajo se basa en una ponencia presentada en el XI Congreso Nacional de Ciencia Política, organizado por la Sociedad Argentina de Análisis Político (SAAP), Paraná, Argentina, 17 al 20 de julio de 2013. El autor recibió el primer lugar del Premio Comunicracia a las investigaciones sobre comunicación política (2013) por esta investigación. Agradecimientos especiales a Diego Soto Saldías, por su gran colaboración en el proceso de recolección de información y en la codificación de mensajes para este trabajo, cuyo resultado final, y cualquier error u omisión, son de exclusiva responsabilidad del autor.

---

Este trabajo analiza si Twitter es un indicador de opinión pública efectivo. Se trabaja con un conjunto de datos que recoge la actividad de dos semanas de los principales usuarios que dialogaron sobre el arribo de Michelle Bachelet a la elección presidencial chilena en marzo de 2013. Se presenta una descripción general del caso, un análisis de emotividad y un análisis de redes sociales. Se descubre que la mayoría de los mensajes no son favorables a la candidata y se identifica un cluster de usuarios que emiten mensajes en su contra.

Palabras clave Twitter - redes sociales - opinión pública - Bachelet - Chile

Abstract

This work analyses if TWitter is an effective public opinion indicator. It works with a data set that gathers up two weeks activity of the main users that interact upon the Michelle Bachelet's arrival last march 2013 for the Chilean presidential election. It presents a general description of the case, sentiment analysis and social network analysis. It is discovered that most messages were not favorable to the candidate and it is detected a cluster of users that express messages against her.

Keywords Twitter - social networks - public opinion - Bachelet - Chile

---

 

I. Introducción

El uso de nuevas tecnologías de información en las campañas electorales, particularmente el uso de redes sociales online como Twitter y Facebook, se ha vuelto una práctica casi obligatoria en los últimos años. Esto aplica a todo tipo de elecciones, especialmente aquellas donde se disputan altos cargos, como escaños al congreso nacional o la presidencia de un país. Sin embargo, muchos consideran que Twitter más que una red social es una herramienta de comunicación. En este sentido, este trabajo busca dilucidar, a través de un estudio de caso, si efectivamente la denominada twittersphere es un indicador de opinión pública y política, o si es más bien un "balbuceo sin sentido" como lo han denominado diversas personas. Básicamente se busca responder, con base en el caso estudiado, si Twitter es (o no) una herramienta de deliberación política online y vislumbrar si esto tiene una correlación con la realidad política.

Este artículo analiza la presencia y actividad de los principales usuarios chilenos en Twitter y estudia el diálogo que se generó con el arribo de Michelle Bachelet al país. La llegada de la ex presidenta se da después de un largo período en el cual ejerció un importante cargo en Naciones Unidas y ante la gran expectación de la opinión pública; pues ella era, según distintos sondeos, la figura política mejor posicionada de la oposición para las elecciones presidenciales de noviembre de 2013. A comienzos de aquel año Bachelet aventajaba ampliamente a políticos de su coalición y también a candidatos del oficialismo, los cuales se habían desempeñado como ministros en el gabinete de Sebastián Piñera.

La ventaja de Bachelet se consolidó con el resultado de las primarias celebradas el 30 de junio de 2013, en las cuales votaron más de tres millones de personas. Michelle Bachelet obtuvo más de un millón y medios de votos, es decir, casi el 50 por ciento del total de votos de las primarias, muy por sobre los poco más de 800 mil votos que obtuvieron en suma los candidatos de la coalición oficialista, quienes competían en una primaria paralela concurrente. Bachelet obtuvo más del 70 por ciento de las preferencias de su bloque político¹. Posteriormente, en diciembre de 2013, triunfó sin mayores dificultades en la segunda vuelta presidencial.

II. Transformaciones de la opinión pública y Twitter

El avance de las tecnologías de información ha posibilitado nuevas formas de interacción política que revolucionaron el concepto clásico de esfera y opinión pública de Habermas (1991). En este sentido, Corrado y Firestone (1996) se refirieron al concepto de "democracia conversacional", el cual implica la existencia de una interacción entre líderes políticos y público en general a través de nuevos medios y plataformas. En definitiva, Internet puede facilitar el acceso a la información (Shapiro, 1999) y ofrecer espacios que permitan nuevas relaciones que generen cambios en los flujos tradicionales de comunicación (Hermida, Fletcher, Korell y Logan, 2012). Esta situación posibilita una relación bidireccional y horizontal en el sistema político (Arriagada y Navia, 2013). Castells (1999) se refiere a las redes sociales en Internet como redes electrónicas de comunicación interactiva, organizadas en torno a intereses específicos, aunque muchas veces la comunicación se vuelve en sí misma una meta².

Los medios electrónicos reducen los costos de información y participación política de la ciudadanía (Rheingold, 2000). Lo anterior, de acuerdo a Barreda (2008), podría significar un mayor poder para la ciudadanía, a través de la inclusión de ésta en los procesos de decisión democrática, reduciendo la brecha entre gobernantes y gobernados. En este sentido, las nuevas tecnologías pueden contribuir a incrementar la transparencia y el compromiso cívico (Boulianne, 2009; Breuer y Welp, 2014). Sin embargo, este ciberoptimismo tiene como contrapartida una visión más negativa que señala que las nuevas tecnologías generan un desplazamiento de procesos de socialización importantes para generar compromiso cívico (Nie, 2011; véase también González-Bustamante y Henríquez, 2012).

En este contexto, Twitter irrumpe en escena el año 2006. Esta red social online es un servicio de microblogging³ que permite a sus usuarios, tal como señala Small (2011), escribir en 140 caracteres una actualización de su estado (tweet). El crecimiento de Twitter ha sido explosivo y el interés parece provenir de su facilidad de uso y utilidad. La plataforma permite compartir rápidamente información breve con personas conocidas, pero también con personas de otros círculos sociales, principalmente a través de la posibilidad de seguir los contenidos que ellos generar y tener la opción de responderles (Linvill, McGee y Hicks, 2012; Morris, 2009; Zhao y Rosson, 2009). De acuerdo al propio creador de Twitter, Jack Dorsey, la plataforma no es una red social, sino una herramienta de comunicación:

Twitter es como la electricidad: uno puede utilizarlo como quiera. Todo el mundo lo emplea: las celebrities, las personas anónimas; y por todo tipo de razones: mediáticas, educativas, personales y políticas también. Twitter favorece la democracia directa. Es una revolución social y cultural que acerca a los ciudadanos al poder (Dorsey, citado en Fernández y Paniagua, 2012: 42).

El principal tipo de información que se produce en Twitter corresponde a tópicos de interés humano, entretenimiento y cultura, tecnología e Internet, y recreación. En general la producción de información "blanda" suele duplicar la producción de información "dura" (e.g., política, negocios, finanzas, y otros tópicos similares) (Horan, 2013).

Twitter también se ha convertido en una nueva fuente de información y en una poderosa herramienta para los periodistas (Ahmad, 2010; Lasorsa, Lewis y Holton, 2012; Small, 2011). Lo anterior se debe principalmente a la inmediatez que ofrece, lo cual otorga una ventaja a la hora de cubrir o informarse sobre eventos noticiosos de último minuto. Ahora bien, cabe preguntarse si Twitter podría contribuir potencialmente a la conversación política.

Entre los estudios recientes sobre Twitter destaca la investigación de Small (2011) que consiste en un análisis de contenido de los mensajes generados por los políticos canadienses. Principalmente a través del análisis de hashtags⁴ muestra lo limitado que resulta Twitter para la participación política, pues es más útil para replicar contenidos y mensajes que para generar un debate. En una línea, similar Grant, Moon y Grant (2010) estudiaron el compromiso entre políticos y público a través de Twitter, particularmente en el caso de Australia, destacando el flujo de ideas que genera el uso de la red. También se ha estudiado en profundidad el desarrollo de la comunicación electrónica y las herramientas de campaña en el caso australiano (Jackson, 2013).

Himelboim, McCreery y Smith (2013) realizaron un análisis de redes sociales mapeando la red de Twitter con respecto a posiciones ideológicas sobre diez temas controversiales en Estados Unidos, identificando clusters (subgrupos altamente conectados) que están fuertemente vinculados. Una de sus conclusiones fue que en Twitter la conversación política no ocurre estrictamente en un ambiente político, los individuos en realidad crean vínculos con base en intereses generales y no basándose en opiniones políticas. También se han realizado estudios sobre la adopción de Twitter por parte de congresistas norteamericanos que revelan que los republicanos presentan una mayor adopción que los demócratas, alcanzando un 68,1 por ciento, y que si bien Twitter es concebido como una herramienta de comunicación política por los congresistas, además lo perciben como una herramienta de representación (Straus, Glassman, Shogan y Navarro Smelcer, 2013). Además hay otro grupo de trabajos que buscan realizar predicciones electorales con base en la actividad de Twitter (Tumasjan, Sprenger, Sandner y Welpe, 2010; véase también Congosto y Aragón, 2012).

También diversa literatura identifica a las nuevas tecnologías, particularmente a las redes sociales, como herramientas para la acción colectiva, pues ofrecen la posibilidad de mejorar la comunicación y coordinación de movimientos sociales y la participación no convencional de carácter protestatario (Castells, 2012; Earl y Kimport, 2011; Millaleo y Velasco, 2013; Rainie y Wellman, 2012; Valenzuela, Arriagada y Scherman, 2014).

En lo que respecta al caso chileno, de acuerdo a González-Bustamante y Henríquez (2012, 2013), Sebastián Piñera durante su campaña presidencial 2009-2010 utilizó exhaustivamente y de forma muy eficiente las redes sociales, especialmente Twitter. Además durante los debates televisados se registró una importante participación de los usuarios a través de la plataforma. Por otra parte, en una encuesta realizada el año 2010 por la Universidad Diego Portales (UDP)⁵, se evidencia que más del 65 por ciento de los usuarios de Twitter en Chile tienen menos de 30 años y más del 50 por ciento pertenece a grupos socioeconómicos acomodados, en definitiva se constituye como una red utilizada por adultos jóvenes de clase alta. También es importante destacar que sólo un 25 por ciento de los encuestados utiliza Twitter para debatir y expresar opinión.

Otro estudio reciente, también de la UDP⁶, señala que el 59 por ciento de la población chilena utiliza Internet y que de ellos el 95 por ciento es usuario de alguna red social⁷. El estudio identifica las conversaciones de los usuarios en las redes sociales sobre las distintas candidaturas presidenciales del año 2013 -se considera Facebook, Twitter, blogs, Flickr, YouTube, entre otras-. El estudio muestra que Michelle Bachelet recibió durante marzo de 2013 un total de 160.921 menciones, de las cuales un 95 por ciento corresponde a Twitter y aproximadamente un 50 por ciento de ellas eran favorables.

Finalmente, sobre cómo ha penetrado el uso de Twitter entre las autoridades políticas en Chile, Fábrega y Paredes (2013) identifican que cerca del 70 por ciento de los diputados y senadores chilenos poseen una cuenta en la red. Además, Twitter ha contribuido en Chile para que se produzca un debate más directo entre representantes y representados, aunque en general se reproducen segmentaciones que se observan en las relaciones políticas offline.

III. Método

¿Es Twitter un indicador de opinión pública?

Este trabajo tiene como objetivo principal analizar si Twitter puede ser considerado como un indicador fidedigno de opinión pública, especialmente para temas de índole política. Para esto se analiza el caso del arribo de Michelle Bachelet a la campaña presidencial chilena de 2013. Se trabaja con un conjunto de datos de los mensajes emitidos por los principales usuarios de Twitter durante las dos primeras semanas desde el retorno de Bachelet a Chile, fecha en que declara públicamente su intención de ser candidata. Se consideran usuarios principales aquellos que superan un umbral específico de replicación de contenidos por otros usuarios de la red.

Sobre este conjunto de datos se realiza un análisis de emotividad que permite vislumbrar el nivel de simpatía o rechazo hacia Bachelet, posteriormente, a través de análisis de redes sociales (Social Network Analysis, SNA), se identifican patrones y mecanismos de replicación de mensajes. Se busca apreciar si lo que pasa en la red es representativo de la opinión pública en general, o si bien se trata de lo que se podría denominar como un microentorno virtual. Para esto último se presentan, de forma comparativa, datos de una encuesta de opinión del primer semestre del año 2013.

La hipótesis de este trabajo es que en Chile, específicamente en el caso del arribo de Michelle Bachelet a la carrera presidencial, lo que ocurre en Twitter en términos de adhesión no se condice con los niveles de adhesión política real.

III.2. Medición de la actividad en Twitter

Se realiza un seguimiento con base en las aproximaciones metodológicas de Bruns y Burgess (2012) sobre recolección de datos a través de la Application Programming Interface (API) de Twitter. Esto permite un seguimiento de la actividad de usuarios y palabras clave a través de Social Media Mining (SMM), es decir, extracción, almacenamiento y análisis de datos para descubrir patrones significativos (e.g., difusión de información, predisposiciones, influencia, etc.) (Zafarani, Ali Abbasi y Liu, 2014; véase también Del Fresno, Daly y Supovitz, 2015).

Este trabajo se basa en un conjunto de datos construido especialmente y que mide las dos primeras semanas de actividad en Twitter desde el regreso efectivo de Michelle Bachelet a Chile para asumir su candidatura presidencial. El período abarca desde el miércoles 27 de marzo al miércoles 10 de abril de 2013. Se utiliza un criterio de acumulación de replicación de contenidos (re-tweet, RT) para determinar un "núcleo de líderes de opinión", es decir, sólo se registran los mensajes de las cuentas que al menos presentan diez RT por otros usuarios de la red.

El conjunto de datos corresponde a 284 mensajes (tweets) emitidos por 117 cuentas. Estos tweets acumulan un total de 11.548 RT, con un rango que va de diez (umbral mínimo de selección) a 614⁸, además presentan M = 40,66 y Mdn = 24,00. Los tweets fueron marcados como favoritos por otros usuarios 1.228 veces, con un rango que va de cero a 49; M = 4,32 y Mdn = 3,00.

III.3. Procedimiento de muestreo y precisión de la muestra

Los datos fueron recogidos con un mínimo de tres y un máximo de cinco días de desfase desde la emisión del tweet. El desfase es parte del procedimiento de muestreo usado, pues Twitter tiene un dinamismo sorprendente, entonces es necesario dejar pasar algunos días para que las cifras de replicación de contenidos se estabilicen. Por otra parte, los datos se recogen desde cuentas abiertas, es decir, desde fuentes públicas, sin embargo, se mantiene una disociación en el manejo para resguardar datos sensibles como la postura política de los usuarios cuya cuenta se condice con una identidad "real". La precisión de la muestra se encuentra limitada porque está compuesta sólo por los usuarios más influyentes, sin embargo, se trabaja con base en el supuesto de que estos usuarios son quienes orientan, mayoritariamente, la conversación en Twitter.

III.4. Diseño de investigación

En primer lugar se realiza una descripción estadística de la actividad e impacto en la red basándose en la información recopilada, posteriormente se realizan dos tipos de análisis específicos: un análisis de emotividad y un análisis de redes sociales. Adicionalmente se realiza una breve comparación descriptiva de carácter exploratorio con datos de una encuesta de opinión del primer semestre del año 2013.

Análisis de emotividad. Se realiza con base en las Affective Norms for English Words (ANEW) (Bradley y Lang, 1999), las cuales ofrecen un conjunto de valores normativos para 1.034 palabras en inglés. Esto permite posicionar una palabra clave de un mensaje en una escala de uno a nueve y conceptualizarla como una emoción en alguna de las tres dimensiones básicas que subyacen a lo largo de toda la gama de emociones humanas (Bradley, 1994; Lang, Dhillon y Dong, 1995). Las dos dimensiones primarias son: valencia (valence), cuyos rangos van desde amigable (valor alto) a no amigable (valor bajo); y excitación (arousal), cuyos rangos van desde excitado (valor alto) a calmado (valor bajo). Una tercera dimensión -que no se utiliza en este trabajo- es dominancia (dominance) que mide el nivel de control en la emisión del mensaje.

De acuerdo a Redondo, Fraga, Padrón y Comesaña (2007), las palabras de ANEW se han utilizado en diversas investigaciones sobre análisis neuronal y estudio de los músculos faciales, efectos de la emoción en la memoria, e investigaciones sobre actitudes y cognición política. Redondo et al. (2007) presentaron la adaptación al español de ANEW: Spanew⁹, basándose en la evaluación de 720 participantes sobre las traducciones de las palabras incluidas en el trabajo de Bradley y Lang (1999). Con coeficientes de correlación de Pearson obtuvieron significancia estadística para todas las palabras traducidas, particularmente para la dimensión de valencia, sin embargo, las medias obtenidas varían, pues en español las palabras tienden a generar menos valencia que en inglés, asimismo los valores medios de excitación son levemente mayores.

Adicionalmente Spanew logra distribuir, al igual que ANEW, los valores de sus palabras en una forma de boomerang en un gráfico con las dimensiones de valencia (eje Y) y excitación (eje X) (Bradley y Lang, 1999; Redondo et al., 2007). Esto quiere decir que las palabras con alta valencia (agradables), generalmente presentan una alta excitación, lo mismo sucede con las palabras con baja valencia. Lo anterior se asocia a posiciones favorables y contrarias respectivamente. Por otra parte, las palabras con valores intermedios de valencia, presentan valores bajos de excitación, es decir, la persona está calmada -esto se asocia a posiciones neutrales-.

Con base en Spanew se codifican hasta tres palabras clave para cada tweet de la muestra. La media de las palabras clave genera la valencia y excitación del tweet. Basándose en esto se realizan los cálculos de valencia diaria y valencia de los emisores, también se clasifica a los emisores como favorables, neutrales o contrarios a Bachelet. Los emisores que presentan valencias amigables y muy amigables se clasifican en el grupo a favor; por otra parte, los emisores con valencia neutral se clasifican en aquel grupo; y, finalmente, los emisores con valencia poco amigable o muy poco amigable se clasifican en el grupo contrario (Tabla 1).

Social Network Analysis (SNA). Este análisis permite identificar y evaluar un conjunto particular de interrelaciones entre un grupo limitado de personas (Hanneman y Riddle, 2005; véase también Friedkin, 1981; Mitchell, 1969)¹⁰. A través de un muestreo de relaciones (sample ties) con base en una medición binaria se construye una matriz de adyacencia, la cual permite apreciar los patrones de relaciones de un grupo específico, revisar los lazos fuertes (strong ties) y débiles (weak ties) (Granovetter, 1973), y vislumbrar posibles vacíos estructurales (structural holes) donde se ubican actores intermediarios (brokers) que controlan la circulación de recursos (e.g., información, introducción de nuevos hábitos y prácticas, etc.) (Burt, 2001; Huneeus, 2011; Pina Stranger, 2011). En definitiva, la unidad básica de este análisis es el vínculo entre dos elementos, es decir, un dato relacional (Wasserman y Faust, 1994; véase también Porras, 2014).

Las matrices de adyacencia se pueden representar como sociogramas. El conjunto de interrelaciones de cada actor (nodo) con otros actores (alters) puede corresponder a distintos tipos de relaciones (e.g., relaciones de amistad, laborales, familiares, etc.) y pueden ser vínculos dirigidos u orientados (nodo-alter) o vínculos recíprocos (nodo-alter; alter-nodo). Un modelo básico de redes sociales (modelo p1) permite graficar adecuadamente relaciones para medir influencia, sin embargo, otros modelos más avanzados (e.g., modelo p2 o modelos multinivel con base en cadenas de Markov) permiten la incorporación de variables exógenas, variables atributivas y realizar tratamiento de efectos diádicos (De la Rúa, 2005).

Este trabajo presenta un análisis de redes sociales con base en un modelo p1 que caracteriza la influencia de ciertos nodos sobre otros por los vínculos orientados que presentan, los cuales se miden a través de los RT generados por usuarios de Twitter. El criterio de muestreo utilizado es similar al método de clique percolation con umbral four-clique descrito por Pina Stranger (2011). En primer lugar se identifican como nodos a todos los emisores pertenecientes al núcleo de líderes de opinión, adicionalmente se incorporan como nodos a otros emisores que durante el período de estudio hayan realizado un mínimo de tres RT a algún miembro del grupo inicial (percolation), éstos se consideran como vínculos orientados.

Uno de los objetivos específicos del uso de este análisis es apreciar la conformación de clusters y cliques (Carrington, Scott y Wasserman, 2005; Newman, 2004). Scott (2000) define a los cliques como asociaciones informales de personas con cierto grado de identidad común y patrones de comportamiento que es posible identificar, asimismo, los cliques "...no necesariamente corresponden con relaciones formales que se establecen en la iglesia [sic], el trabajo o la familia; antes bien parecieran incluirlas e ir más allá, ya que son el grupo de personas que corresponden al 'nosotros'" (Huneeus, 2011: 8).

Comparación con encuesta ICSO-UDP. Con base en datos de la encuesta nacional UDP 2013¹¹, se evalúan los niveles de adhesión que constata Michelle Bachelet en términos generales en comparación con las personas que en los últimos 12 meses han expresado su opinión a través de redes sociales en Internet. Esto se realiza a modo de comparación exploratoria y para complementar los análisis previos. Esta encuesta es particularmente útil pues representa al 84,6 por ciento de la población urbana y al 73,6 por ciento de la población rural del país, el tamaño de la muestra asciende a 1.200 casos y presenta un error ± 2,8 por ciento con un nivel de confianza del 95 por ciento. Además el trabajo de campo fue realizado entre el 4 de marzo y el 3 de abril, es decir, la última semana concuerda con la primera semana de las mediciones realizadas en este trabajo.

Cabe señalar que la pregunta utilizada para determinar adhesión es la correspondiente a intención de voto en las próximas elecciones presidenciales de noviembre de 2013, en este sentido, resulta metodológicamente incorrecto asimilar intención de voto a simpatía o adhesión -que es lo que mide específicamente el análisis de emotividad-, sin embargo, resulta un ejercicio ilustrativo si se considera como un análisis exploratorio y complementario.

IV. Resultados

IV.1. Actividad e impacto en Twitter

La actividad e impacto del núcleo de líderes de opinión durante las dos semanas de medición se reflejan en el número de tweets que emiten por día y el número de RT que obtienen (Gráfico 1).

Se aprecia una intensa actividad el primer día, el cual corresponde a la llegada de Michelle Bachelet a Chile y el anuncio de su candidatura presidencial. Luego de eso hay un declive en la actividad, sin embargo, se generan tres picos los días 1, 4 y 8 de abril, los cuales concuerdan con ciertos hitos específicos: (a) el lunes 1 de abril Bachelet anuncia que en un eventual nuevo gobierno pondrá fin al lucro en la educación, tema muy relevante y sensible en Chile durante los últimos años; (b) el jueves 4 de abril responde diciendo "paso" a un emplazamiento realizado por el presidente Piñera, mediante el cual la instaba a responder por los fracasos de su gobierno anterior, este hito en particular genera un gran revuelo mediático; y (c) el lunes 8 de abril Bachelet reitera que no le responderá a Sebastián Piñera para no contribuir con un clima de "enojo y conspiración", además precisa que sus reformas educacionales no establecerán un sistema de gratuidad universal. En general se aprecia que la red es muy sensible a polémicas mediáticas.

Gráfico 1
Actividad e impacto del núcleo de líderes de opinión

Nota: el rango de mensajes (tweets) se encuentra entre cuatro y 69; M = 18,93; Mdn = 13. El rango de RT se encuentra entre 76 y 3.841; M = 769,87; Mdn = 348. Fuente: elaboración propia.

IV.2. Análisis de emotividad: los mensajes

En general la mayoría de los tweets (n = 284) presentan valores bajos de valencia y niveles relativamente altos de excitación. Esto sugiere que buena parte de los mensajes registrados son negativos hacia Bachelet y en un tono agresivo y exaltado. En el Gráfico 2 se puede apreciar como la mayoría de los mensajes se ubican en la zona neutral o en la zona contraria a Bachelet, y como los mensajes negativos además tienden a presentar una excitación alta.

Gráfico 2
Valencia y excitación de los tweets (n = 284)

Nota: el rango de valencia se encuentra entre 1,53 y 7,45; M = 3,95; Mdn = 3,61; la moda es 2,20 (29 casos; 10,21 por ciento). El rango de excitación se encuentra entre cuatro y 7,04; M = 5,89; Mdn = 5,97; la moda es 6,21 (21 casos; 7,39 por ciento). Las líneas en el gráfico (valencia = 5,81; 3,67) representan las divisiones entre la zona favorable (zona alta del gráfico), neutral (zona intermedia) y la zona contraria (zona baja del gráfico). Fuente: elaboración propia.

Por otra parte, la valencia diaria en la actividad del núcleo de líderes de opinión fluctúa durante las dos semanas de medición, sin embargo, en general se observan valores bajos. Además al ponderar la valencia con los RT de cada mensaje se observa en general que los tweets más replicados son los que presentan un tono más negativo hacia Michelle Bachelet (Gráfico 3).

Gráfico 3
Valencia diaria (n = 284) y valencia ponderada (n = 11.832) durante el período de medición

Nota: el rango de valencia diaria va desde 2,71 a 4,75; M = 3,76; Mdn = 3,72. El rango de valencia diaria ponderada se encuentra entre 2,47 y 4,82; M = 3,71; Mdn = 3,67. La línea del gráfico (valencia = 3,67) representa la división entre la zona neutral (zona alta del gráfico) y la zona contraria (zona baja del gráfico). Fuente: elaboración propia.

Cabe señalar que la valencia diaria ponderada se ha calculado de la siguiente forma: " (v) * (RT + 1) / " (RT + 1).

Los días con valencia más baja corresponden precisamente a los días con menos actividad e impacto del núcleo de líderes de opinión (Gráfico 1), además los valles corresponden a sábados, es decir, días de fin de semana donde la actividad suele bajar en la red. Esto sugiere también que los usuarios contrarios a Bachelet permanecieron constantemente emitiendo mensajes, realizando una especie de anticampaña digital. La valencia diaria también tiende a subir los días con más actividad, esto sugiere poca constancia en la emisión por parte de los partidarios de Michelle Bachelet, pues cuando interactúan en la red generan inmediatamente un impacto positivo.

IV.3. Análisis de emotividad: los emisores

El núcleo de líderes de opinión (n = 117) se compone de la siguiente forma: (a) 58 emisores contrarios a Bachelet que representan el 49,57 por ciento de la muestra; (b) 42 emisores neutrales que representan el 35,90 por ciento; y (c) 17 emisores a favor de Bachelet que representan el 14,53 por ciento. Los emisores contrarios tienden a presentar mayores niveles de excitación en sus mensajes que los usuarios neutrales o favorables, esto implica que sus mensajes presentan tonos más agresivos y exaltados (Gráfico 4).

Gráfico 4
Valencia y excitación de los emisores por grupo (n = 117)

Nota: el rango de valores de valencia para el grupo en contra (n = 58) va desde 1,71 a 3,62; M = 2,83; Mdn = 2,94; su rango de valores de excitación va desde 5,30 a 7,01; M = 6,05; Mdn = 6,07. El rango de valores de valencia para el grupo neutral (n = 42) se encuentra entre 3,68 y 5,68; M = 4,57; Mdn = 4,55; su rango de valores de excitación va desde 4,97 a 6,44; M = 5,85; Mdn = 5,96. Finalmente, el rango de valores de valencia en el grupo favorable (n = 17) va desde 5,83 a 7,45; M = 6,39; Mdn = 6,17; su rango de valores de excitación se ubica entre 4,74 y 6,31; M = 5,57; Mdn = 5,57. La línea del gráfico (excitación = 6,03) representa la división entre la zona neutral (zona izquierda del gráfico) y la zona excitada (zona derecha del gráfico). Fuente: elaboración propia.

IVA. Social Network Analysis (SNA)

El SNA se realiza con base en un modelo p 1 (n = 158) que permite apreciar patrones claros de relaciones entre los nodos que más influenciaron la actividad en la red. El número de casos presentados corresponde a los 117 nodos pertenecientes al núcleo de líderes de opinión, a los cuales se suman 41 nodos que cumplen con el criterio de muestreo descrito previamente en el apartado metodológico. Se han contabilizado un total de 215 vínculos orientados. Si se considera que el modelo teóricamente presenta un máximo de 24.806 vínculos posibles, la densidad del modelo presentado corresponde a 0,87.

El modelo permite distinguir diversos patrones en la red. El primero es que los nodos correspondientes a emisores contrarios a Bachelet están altamente interconectados entre sí formando un cluster cohesionado, además a la vez están interconectados con varios nodos neutrales. El patrón para la replicación de contenidos obedece claramente a la tendencia del emisor, en este sentido, los nodos tienden a replicar contenidos de otro nodo del mismo grupo -con su misma postura- o de nodos neutrales. Hay casos excepcionales (menos del 1 por ciento) que replican contenidos sin patrón determinado, sin embargo, no logran convertirse en brokers, pues sólo canalizan información y no logran divulgarla e imponer tendencias. Por otra parte, los nodos neutrales tienden a replicar mayoritariamente a otros nodos de su grupo que son centrales en la red.

La evidencia sugiere que los nodos contrarios a Bachelet constituyen un cluster interconectado que presenta patrones de replicación de contenidos definidos y constantes, los cuales les permiten viralizar con mayor facilidad sus mensajes. Además logran generar diversos lazos con nodos neutrales. Los nodos centrales de este cluster corresponden a asesores y/o políticos vinculados a la candidatura de Andrés Allamand y al partido Renovación Nacional (RN).

 

Figura 1
Modelo p1 de los nodos más influyentes en la red (n = 158)

Nota: este sociograma se ha elaborado con base en el algoritmo Fruchterman y Reingold (1991) para diseño en 2D. Este algoritmo genera modelos interactivos. El modelo se encuentra disponible en formato HTML, esta es la versión estática. Los vínculos son dirigidos a pesar de que no se han utilizado flechas de orientación. Fuente: elaboración propia.

IV.5. Comparación con encuesta ICSO-UDP

Sólo un 10,75 por ciento de la muestra de la encuesta nacional ICSO-UDP 2013 ha expresado su opinión a través de redes sociales en Internet durante los últimos 12 meses. Esa cifra resulta bastante baja si se compara con las cifras generales de uso de Internet y redes sociales en Chile. En la Tabla 2 se aprecia la variación que existe con respecto a la intención de voto entre todos los casos de la muestra y una submuestra de usuarios de redes sociales. No se aprecian variaciones significativas, sólo un leve descenso de los candidatos más populares.

Tabla 2
Variaciones de intención de votos en submuestra de usuarios de redes sociales, encuesta ICSO-UDP 2013

Candidato	Toda la muestra	Submuestra usuarios redes sociales	Variación
Bachelet	43,0%	36,4%	(-) 6,6%
Golborne	8,8%	7,6%	(-) 1,2%
Allamand	5,8%	9,1%	(+) 3,3%
Enríquez-Ominami	5,5%	11,5%	(+) 6,0%
Parisi	3,6%	8,2%	(+) 4,6%
Velasco	2,8%	5,3%	(+) 2,5%
Orrego	1,1%	2,7%	(+) 1,6%
Ninguno	15,9%	13,6%	(-) 2,3%
Otro	0,5%	--	(-) 0,5%
NS/NR	12,9%	5,7%	(-) 7,2%

Nota: cabe señalar que Golborne depuso su candidatura y fue reemplazado por Pablo Longueira -otro ex ministro de Sebastián Piñera-, quien finalmente resultó vencedor frente a Allamand en la primaria de la coalición oficialista realizada el 30 de junio de 2013. Posteriormente, Longueira depuso su candidatura por problemas de salud y asumió Evelyn Matthei (ex ministra del Trabajo) como candidata oficialista. Fuente: elaboración propia con base en datos de encuesta nacional ICSO-UDP 2013.

V. Discusión y conclusiones

La hipótesis inicial del trabajo se comprueba. En el caso del arribo de Michelle Bachelet a la carrera presidencial chilena 2013, Twitter, en términos de adhesión, no se condice con los niveles de adhesión política real. En definitiva, esta red social no resulta ser un buen indicador de opinión pública en temas políticos para el caso estudiado. Por lo tanto, es lógico y plausible suponer que la actividad que esta red registra no constituye un factor a considerar para predicciones electorales.

A pesar de comprobar la hipótesis, es importante considerar que esta investigación trabaja con una muestra limitada que constituye un núcleo de líderes de opinión, el cual no necesariamente representa lo que sucede en la totalidad de la red. Sin embargo, los usuarios de esta muestra logran un gran impacto viralizando sus mensajes, situación que sugiere que de alguna forma representan a una buena cantidad de usuarios. Por otra parte, es importante considerar que la comparación exploratoria presentada con datos de la encuesta nacional ICSO-UDP 2013 tiene un valor porque su trabajo de campo se cruza con el período de estudio, sin embargo, es relevante tener en cuenta que los factores y determinantes para que una persona exprese simpatía o aprobación no son los mismos que influyen en su opción electoral. En este sentido, aquel análisis se debe considerar como algo complementario y exploratorio.

La evidencia indica que en Twitter la discusión es monopolizada por unos pocos, lo que genera una distancia con lo que ocurre en el "mundo real". En este sentido, TWitter parece constituirse como un microentorno virtual. Por otra parte, resulta importante evaluar los determinantes que permitieron que el núcleo de líderes de opinión analizado fuese influyente durante el período estudiado. Los análisis de sentimientos y de redes sociales indican que fue la red de replicación de contenidos lo importante. Se identifica un cluster de nodos contrarios a Bachelet que difunde constantemente contenidos en una persistente anticampaña digital. Los nodos principales de ese cluster son precisamente importantes políticos y/o asesores ligados a Renovación Nacional (RN), partido que sustentó la candidatura de Andrés Allamand. En este sentido, no se cumple lo señalado por Himelboim et al. (2013) con respecto a la creación de clusters con base en intereses comunes y generales, sino más bien parece existir un grupo específico cuya actividad es impulsada desde un sector político determinado, grupo que busca generar un posicionamiento importante de sus temas en la red y socavar la imagen de sus contrincantes. El caso se acerca más a lo vislumbrado por Small (2011), donde TWitter se configura como un medio útil para replicar mensajes y no un canal para generar debate.

En resumen, la evidencia sugiere que Twitter más que un indicador de opinión pública es un buen canal de difusión y una buena herramienta de comunicación. Tanto así que resulta posible que un puñado de usuarios forme un pequeña red de replicación de contenidos e impacte de tal forma que genere una sensación ficticia (favorable o contraria) sobre determinadas candidaturas o temas. Esto es el equivalente a que un pequeño grupo de personas se organice en una plaza pública para vociferar al unísono y hacerse escuchar frente al resto que sostiene conversaciones en pequeños grupos. Como Twitter es una red social tan ocupada por periodistas (véase Ahmad, 2010; Lasorsa et al., 2012), existe la posibilidad de que estas "sensaciones ficticias" puedan condicionar de alguna forma las pautas de los medios de comunicación. Esto es algo que hay que tener en cuenta, pues aquello podría amplificar aún más el alcance de los contenidos viralizados por pequeños grupos organizados en la red.

 

1. Esto según el último cómputo preliminar del Servicio Electoral (Servel) del 30 de junio de 2013. Posteriormente, con el 99,96 por ciento de las mesas escrutadas, Michelle Bachelet logró el 73,06 por ciento de los votos de su pacto y el 53,06 por ciento del total de los votos válidamente emitidos —considerando la primaria paralela concurrente de la coalición oficialista—.
2. Para más detalles véase Fernández y Paniagua (2012).
3. Existe una extensa literatura sobre blogging, microblogging y comunicación política. Se recomienda revisar: Barash y Golder (2010); Rettberg (2008); Rosenberg (2009); Small (2008, 2011).
4. Etiquetas con las cuales se organizan conversaciones y discusiones en Twitter.
5. Escuela de Periodismo de la UDP (2010). Encuesta de caracterización de usuarios de Twitter en Chile. Recuperado el 23 de junio de 2013 desde http://www.prensafcl.udp.cl/usuariotwitter.html
6. Escuela de Publicidad de la UDP; Intelligenx (2013, mayo). Candidatos en redes: presencia y posicionamiento de los candidatos presidenciales en las redes sociales. Recuperado el 23 de junio de 2013 desde http://www.udp.cl/noticias/detalle_noticia.asp?noticiaId=4713
7. Referencia a datos de Internet World Stats Q2 2012 y ComScore Media Metrix. La replicación de los mensajes tiene directa relación con la viralidad de éstos.
8. La propagación de un mensaje en la red tiende a relacionarse con que éste ofrezca ampliar la información que contiene, esto a través de vínculos a páginas Web o con el uso de hashtags (Suh, Hong, Pirolli y Chi, 2010; véase también Congosto, 2015).
9. Véase también Congosto y Aragón (2012) y González-Bustamante (2013).
10. En Chile el análisis de redes sociales presenta patrones y líneas de aplicación que se han consolidado durante los últimos 20 años en el marco de la investigación social. Esto ha implicado una expansión y un desarrollo continuo que hoy se aplica para tópicos de investigación ligados a la geolocalización, análisis de contenido, análisis de comunidades virtuales, entre otros similares (Gaete e Ibáñez-Socialis, 2014).
11. Instituto de Investigación en Ciencias Sociales (ICSO) de la UDP (2013, abril). Encuesta nacional UDP 2013 Primer Semestre. Recuperada el 23 de junio de 2013 desde http://www.encuesta.udp.cl/

Bibliografía

1. Ahmad, Ali Nobil (2010). "Is Twitter a Useful Tool for Journalists?", en Journal of Media Practice, Vol. 11, N° 2.         [ Links ]
2. Arriagada, Arturo y Patricio Navia (2013). "Medios y audiencias, ciudadanos y democracia", en Arriagada, Arturo y Patricio Navia (eds.), Intermedios: medios de comunicación y democracia en Chile, Santiago de Chile, Ediciones Universidad Diego Portales.         [ Links ]
3. Barash, Vladimir y Scott Golder (2010). "Twitter: Conversation, Entertainment, and Information, All In One Network", en Hanesen, Derek, Ben Shneiderman y Marc A. Smith (eds.), Analyzing Social Media Networks With NodeXL: Insights From a Connected World, Burlington, Morgan Kaufmann.         [ Links ]
4. Barreda, Mikel (2008). "La democracia electrónica. Presentación", en Revista de Internet, Derecho y Política, N° 6.         [ Links ]
5. Boulianne, Shelley (2009). "Does Internet Use Affect Engagement? A Meta-Analysis of Research", en Political Communication, Vol. 26, N° 2.         [ Links ]
6. Bradley, Margaret M. (1994). "Emotional Memory: A Dimensional Analysis", en Van Goozen, Stephanie H. M., Nanne E. van de Poll y Joseph A. Sergeant (eds.), Emotions: Essays on Emotion Theory, Hillsdale, Erlbaum.         [ Links ]
7. Bradley, Margaret M. y Peter J. Lang (1999). Affective Norms for English Words (ANEW), Gainesville, The National Institute of Mental Health Center for the Study of Emotion and Attention and University of Florida.         [ Links ]
8. Breuer, Anita y Yanina Welp (2014). "Digital Trends in Latin American Politics (19902012)", en Breuer, Anita y Yanina Welp (eds.), Digital Technologies for Democratic Governance in Latin America. Opportunities and Risks, Nueva York, Routledge.         [ Links ]
9. Bruns, Alex y Jean Burgess (2012). "Researching New Discussion on Twitter. New Methodologies", enJournalism Studies, Vol. 13, N° 5-6.         [ Links ]
10. Burt, Ronald S. (2001). "Structural Holes Versus Network Closure as Social Capital", en Lin, Nan, Karen Cook y Ronald S. Burt (eds.), Social Capital: Theory and Research, Nueva York, Aldine de Gruyter.         [ Links ]
11. Carrington, Peter J., John Scott y Stanley Wasserman (2005). Models and Methods in Social Network Analysis, Cambridge, Cambridge University Press.
12. Castells, Manuel (1999). La era de la información. Economía, sociedad y cultura. La sociedad red, Vol. 1, México D.F., Siglo XXI.
13. Castells, Manuel (2012). Networks of Outrage and Hope: Social Movements in the Internet Age, Cambridge, Polity Press.
14. Congosto, M. Luz (2015). "Elecciones europeas 2014: viralidad de los mensajes en Twitter", en Redes, Revista Hispana para el Análisis de Redes Sociales, Vol. 26, N° 1.
15. Congosto, M. Luz y Pablo Aragón (2012). "Twitter, del sondeo a la sonda: nuevos canales de opinión. Nuevos métodos de análisis", en Más Poder Local, N° 12.
16. Corrado, Anthony y Charles M. Firestone (1996). Elections in Cyberspace: Toward a New Era in American Politics, Washington D.C., Aspen Institute.
17. De la Rúa, Ainhoa de Federico (2005). "El análisis dinámico de redes sociales con Siena. Método, discusión y aplicación", en Empiria, Revista de Metodología de Ciencias Sociales, N° 10.
18. Del Fresno García, Miguel, Alan J. Daly y Jonathan Supovitz (2015). "Develando climas de opinión por medio del Social Media Mining y análisis de Redes Sociales en Twitter. El caso de los Common Core State Standards", en Redes, Revista hispana para el análisis de redes sociales, Vol. 26, N° 1.
19. Earl, Jennifer y Katrina Kimport (2011). Digitally Enabled Social Change. Activism in the Internet Age, Massachusetss, MIT Press.
20. Fábrega, Jorge y Pablo Paredes (2013). "La política chilena en 140 caracteres", en Arriagada, Arturo y Patricio Navia (eds.), Intermedios: medios de comunicación y democracia en Chile, Santiago de Chile, Ediciones Universidad Diego Portales.
21. Fernández, María Jesús y Francisco Paniagua (2012). "Representatividad de los emisores en Twitter. Caso de la conversación sobre el anuncio del #rescate a la banca español en junio de 2012", en Más Poder Local, N° 12.
22. Friedkin, Noah E. (1981). "The Development of Structure in Random Networks: An Analysis ofthe Effects ofIncreasing Network Density on Five Measures of Structure", en Social Networks, Vol. 3, N° 1.
23. Fruchterman, Thomas M. J. y Edward M. Reingold (1991). "Graph Drawing by Force-Directed Placement", en Software-Practice & Experience, Vol. 21, N° 11.
24. Gaete Fiscella, José Manuel y Rubén Pino Ibáñez-Socialis (2014). "De la investigación social a la técnica profesional: Una crónica histórica del ARS en Chile (19952014)", en Redes, Revista Hispana para el Análisis de Redes Sociales, Vol. 5, N° 1.
25. González-Bustamante, Bastián (2013). "Redes sociales y comportamiento político en Chile: Twitter como indicador de opinión pública en las primarias presidenciales de 2013", ponencia presentada en el II Congreso Internacional de Comunicación Política y Estrategias de Campaña, Toluca.
26. González-Bustamante, Bastián y Gabriel Henríquez (2012). "Campañas digitales: ¿Branding o participación política? El rol de las redes sociales en la última campaña presidencial chilena", en Más Poder Local, N° 12.
27. González-Bustamante, Bastián y Gabriel Henríquez (2013). "Chile: la campaña digital 2009-2010", en Crespo, Ismael y Javier del Rey (eds.), Comunicación Política & Campañas Electorales en América Latina, Buenos Aires, Biblos.
28. Granovetter, Mark S. (1973). "The Strength ofWeak Ties", en The American Journal of Sociology, Vol. 78, N° 6.
29. Grant, Will J., Brenda Moon y Janie B. Grant (2010). "Digital Dialogue? Australian Politicians use of the Social Network Tool Twitter", en Australian Journal of Political Science, Vol. 45, N° 4.
30. Habermas, Jürgen (1991). The Structural Transformation ofthe Public Sphere: An Inquiry Into a Category of Bourgeois Society, Massachusetts, MIT Press.
31. Hanneman, Robert A. y Mark Riddle (2005). Introduction to Social Network Methods, Riverside, University of California, Riverside.
32. Hermida, Alfred, Fred Fletcher, Darryl Korell y Donna Logan (2012). "Share, Like, Recommend. Decoding the Social Media News Consumer", enJournalism Studies, Vol. 13, N° 5-6.
33. Himelboim, Itai, Stephen McCreery y Marc Smith (2013). "Birds of a Feather Tweet Together: Integrating Network and Content Analyses to Examine Cross-Ideology Exposure on Twitter", enJournal of Computer-Mediated Communication, Vol. 18, N° 2.
34. Horan, TylerJ. (2013). "'Soft' Versus 'Hard' News on Microblogging Networks. Semantic Analysis of Twitter produsage", en Information Communication & Society, Vol. 16, N° 1.
35. Huneeus, Sebastián (2011). "Revisión conceptual en torno a las redes de directorio y propiedad para una sociología de las élites económicas", Serie Working Papers N° 3, ICSO-UDP.
36. Jackson, Steward Murdo (2013). "Organization as an Impediment to Effective ICT Campaigning. The Australian Greens, Electronic Campaigning and the 2010 Federal Election", en Information Communication & Society, Vol. 16, N° 1.
37. Lang, Annie, Kulijinder Dhillon y Quingwen Dong (1995). "The Effects of Emotional Arousal and Valence on Television Viewers' Cognitive Capacity and Memory", en Journal of Broadcasting & Electronic Media, Vol. 39, N° 3.
38. Lasorsa, Dominic L., Seth C. Lewis y Avery E. Holton (2012). "Normalizing Twitter. Journalism Practice in an Emerging Communication Space", enJournalism Studies, Vol. 13, N° 1.
39. Linvill, Darren L., Sara E. McGee y Laura K. Hicks (2012). "Colleges and universities use of Twitter: A content analysis", en Public Relations Review, Vol. 38, N° 4.
40. Millaleo, Salvador y Patricio Velasco (2013). Activismo digital en Chile. Repertorios de contención e iniciativas ciudadanas, Santiago de Chile, Fundación Democracia y Desarrollo.
41. Mitchell, James Clyde (1969). Social Networks in Urban Situations: Analyses of Personal Relationships in Central African Towns, Manchester, Manchester University Press.
42. Morris, Tee (2009). All a Twitter: A Personal and Professional Guide to Social Networking with Twitter, Indianapolis, Que Publishing. Newman, M. E. J. (2004). "Detecting Community Structure in Networks", en The European Physical Journal B, Vol. 38, N° 2.
43. Nie, Norman H. (2001). "Sociability, Interpersonal Relations, and the Internet.
44. Reconciling Conflicting Findings", en American Behavioral Scientist, Vol. 45, N° 3.
45. Pina Stranger, Alvaro (2011). "Métodos de análisis de redes y élite económica", Serie Working Papers N° 1, ICSO-UDP.
46. Porras Martínez, José Ignacio (2014). "Internet y comunidad: una aproximación desde el enfoque del estudio de redes personales", en Polis, Revista Latinoamericana, Vol. 13, N° 39.
47. Rainie, Lee y Barry Wellman (2012). Networked: The New Social Operating System, Massachusetts, MIT Press.
48. Redondo, Jaime, Isabel Fraga, Isabel Padrón y Montserrat Comesaña (2007). "The Spanish Adaptation ofANEW (Affective Norms for English Words)", en Behavior Research Methods, Vol. 39, N° 3.
49. Rettberg, Jill Walker (2008). Blogging, Cambridge, Polity Press.
50. Rheingold, Howard (2000). Tools for Thought: The History and Future of Mind-Expanding Thechnology, Massachusetts, MIT Press.
51. Rosenberg, Scott (2009). Say Everything: How Blogging Began, What It's Becoming, and Why It Matters, Nueva York, Random House.
52. Scott, John (2000). Social Network Analysis: A Handbook, Londres, SAGE Publications.
53. Shapiro, Andrew L. (1999). The Control Revolution: How the Internet is Putting Individuals in Charge and Changing the World We Know, Nueva York, Public Affairs.
54. Small, Tamara A. (2008). "Blogging the Hill: Garth Turner and the Canadian Parliamentary Blogosphere", en Canadian Political Science Review, Vol. 2, N°3.
55. Small, Tamara A. (2011). "What the Hashtag? A Content Analysis of Canadian Politics on Twitter", en Information Communication & Society, Vol. 14, N° 6.
56. Straus, Jacob R., Matthew Eric Glassman, Colleen J. Shogan y Susan Navarro Smelcer (2013). "Communicating in 140 Characters or Less: Congressional Adoption of Twitter in the 111th Congress", en PS: Political Science & Politics, Vol. 46, N° 1.
57. Suh, Bongwon, Lichan Hong, Peter Pirolli y Ed H. Chi (2010). "Want to be Retweeted? Large Scale Analytics on Factors Impacting Retweet in Twitter Network", ponencia presentada en IEEE Second International Conference on Social Computing (SocialCom), Minneapolis.
58. Tumasjan, Andranik, Timm O. Sprenger, Philipp G. Sandner y Isabell M. Welpe (2010). "Predicting Elections with Twitter: What 140 Characters Reveal about Political Sentiment", ponencia presentada en Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media, Washington D.C.
59. Valenzuela, Sebastián, Arturo Arriagada y Andrés Scherman (2014). "Facebook, Twitter, and Youth Engagement: A Quasi-experimental Study of Social Media Use and Protest Behavior Using Propensity Score Matching", en International Journal of Communication, Vol. 8.
60. Wasserman, Stanley y Katherine Faust (1994). Social Network Analysis: Methods and Applications, Cambridge, Cambridge University Press.
61. Zafarani, Reza, Mohammad Ali Abbasi y Huan Liu (2014). Social Media Mining. An Introduction, Cambridge, Cambridge University Press.
62. Zhao, Dejin y Mary Beth Rosson (2009). "How and why People Twitter: The Role that Micro-Blogging Plays in Informal Communication at Work", ponencia presentada en Proceedings of the ACM 2009 International Conference on Supporting Group Work, Sanibel.