Espectadores multipantalla. El sentimiento de los mensajes en Twitter durante los debates electorales

INTRODUCCIÓN [Subir]

Los últimos meses han sido especialmente extraños en la vida de cualquier persona: la crisis multinivel provocada por el SARS-CoV-2 ha repercutido en todos los aspectos de la sociedad, y muchas cosas que se asumían como normales ya no lo son, o no de la misma forma. Aunque Galicia y País Vasco preveían celebrar elecciones autonómicas en abril de 2020, se produjo un aplazamiento de estas convocatorias al mes de julio, en medio de una pandemia. Es difícil valorar cuánto ha cambiado la COVID-19 a la sociedad en términos electorales, pero sí está claro que las campañas que conocíamos no podían desarrollarse de la misma forma: por ejemplo, aparecieron los mítines en YouTube y las quedadas con los líderes en foros online, lo que revela cómo internet ha ido ganando terreno a los foros tradicionales.

Hace años que desde la disciplina de la ciencia política se estudia el papel de las tecnologías 2.0, en general, y las redes sociales, en particular, en la política y más concretamente en las convocatorias electorales. La nueva normalidad invita a pensar cómo se van a vivir estas campañas en redes, qué mensajes se recogen en estas y, en este caso, cómo se viven los debates electorales en la conversación online. El interés de este análisis reside en el excepcional momento que se está viviendo, ligado al que aún hoy sigue siendo el acontecimiento electoral que más miradas concentra: el debate electoral. Se trata de un análisis de las conversaciones que tuvieron lugar en Twitter durante los principales debates electorales de las últimas elecciones gallega y vasca, un análisis de sentimiento de los mensajes ligados a estos debates, con el fin de extraer conclusiones que permitan conocer más a fondo a los espectadores y potenciales votantes.

De esta conversación en Twitter no se analiza la totalidad de mensajes producidos al respecto de los debates que se analizan aquí. Se ha recopilado una cantidad de mensajes que suponen una muestra significativa para ver cómo es la reacción manifiesta de los espectadores durante los debates. Se pone el foco en las intervenciones del candidato a la reelección, la reacción a temas concretos de especial interés general en el momento del debate o si estos usuarios reciben el efecto de cámaras de eco que condicionan sus mensajes en redes sociales. Esta conversación de Twitter, diferente a la que se tendría cara a cara, conserva peculiaridades, pero es una muestra efectiva de la opinión espontánea de los ciudadanos, y por ello merece ser analizada.

Analizamos los debates electorales celebrados en Galicia y País Vasco durante las elecciones autonómicas de 2020. Estos tuvieron lugar en unas circunstancias excepcionales en la historia democrática española, pues estuvieron condicionadas por las medidas preventivas y regulaciones sanitarias provocadas por la COVID, que obligaron a celebrar las campañas de forma diferente a cómo conocíamos hasta ahora —actos presenciales con limitación de aforo, distancia interpersonal, limitación de gestos entre candidatos y ciudadanos, entre otras medidas excepcionales—. También ocuparon un espacio relevante nuevos temas que hasta entonces no habían alcanzado tanta fuerza en el debate público electoral como la sanidad, las competencias territoriales, la educación o la generación de empleo y el cuidado a los trabajadores.

Entre las redes sociales que acaparan mayor volumen de usuarios, se ha seleccionado Twitter porque en uso que se hace de la misma es común el diálogo político, bien de forma exclusiva en y entre cuentas muy específicas que comentan los contenidos políticos de forma continuada, bien porque las circunstancias invitan a que, con un coste de participación muy bajo, cualquiera pueda adherirse a la conversación política o lanzar sus ideas de forma puntual. Twitter, no siendo una muestra perfecta de la población (‍Barbera y Rivero, 2015), es un potente altavoz en términos políticos. Por ello, cabe analizar cómo se reciben los debates electorales en esta red social en un momento en que la comunicación impersonal y las decisiones políticas tenían una relevancia especial.

Este artículo analiza de forma específica las conversaciones que se produjeron en Twitter durante los grandes debates electorales televisados enmarcados en las campañas electorales gallega y vasca. Estos dos debates permitirán comprobar cómo es la conversación en redes durante los mismos, el uso de la doble pantalla, así como la reacción a diferentes estímulos —partidos de extrema derecha/izquierda, el candidato a la reelección o el tema más relevante a nivel mundial— y el comportamiento comparado de los diferentes electorados. Para ello, se analizará el propio debate, teniendo en cuenta el momento en que tuvo lugar cada intervención, para comprobar los sentimientos que los debates despertaron y trasmitieron a sus espectadores en diferentes momentos.

En un contexto único, se analiza cómo es la reacción de los votantes ante los estímulos que perciben del debate, bien sea la aparición del candidato a la reelección, que se trate un tema de importancia crucial durante los últimos meses o que aparezca un líder de un partido ubicado en un extremo ideológico. El planteamiento es determinar si hay algún sentimiento —negativo— que domine las interlocuciones en Twitter. De esta forma, se pretende vislumbrar cómo es la competición electoral a través de los mensajes en Twitter, y ver si en ese momento de aumento de la polarización, la presencia de cámaras de eco tiene alguna repercusión sobre la forma en cómo se opina sobre el debate, dando lugar a más negatividad.

A través de este análisis se pretende comprobar si la competición electoral cala en usuarios activos de Twitter, de tal forma que se pueda determinar a través de sus mensajes y en función de cómo reaccionen a unos estímulos u otros si los niveles de competitividad varían de un territorio a otro. Se trata de describir las dinámicas durante los últimos debates electorales más que explicar las causas de los diferentes sentimientos —negativo, positivo o neutral— y/o su variación en diferentes momentos del debate. No se busca alcanzar un alto grado de validez externa, ya que los resultados no son automáticamente extrapolables a otros debates con una presencia significativa de usuarios multipantalla. Se trata de un análisis descriptivo del sentimiento de los mensajes en Twitter con una validez interna corroborada, respaldada en unos datos sólidos y originales. Por otra parte, y aunque el estudio de la relación entre las redes sociales y la política es cada vez más amplio, los estudios sobre el sentimiento de los mensajes en Twitter durante los debates electorales aún no han sido suficientemente explotados y en España quedan aspectos por tratar, como el que aquí se aborda.

La pregunta que plantea este artículo es: ¿cuál es el sentimiento de los mensajes en Twitter durante los debates electorales? Se tratará de responder a esta pregunta analizando tuits descargados simultáneamente a los debates electorales. Se tratarán para limpiarlos y dejar solo los que tienen interés analítico (eliminando el ruido) para someterlos a ese análisis que muestre si el sentimiento negativo domina en la conversación en Twitter. Respecto a las hipótesis, el análisis verificará esas reacciones por momentos, tras categorizar la base de datos en función al tiempo, para ver si se dan reacciones diferentes en función del candidato que interviene, del partido que tiene voz en ese momento y del tema que se trata. Conocer más sobre estos mensajes permitirá conocer más sobre los votantes, sobre lo que trasmiten y si, viendo el sentimiento de forma agrupada, se puede percibir cómo el sistema de partidos se refleja en el comportamiento de los votantes.

MARCO TEÓRICO[Subir]

DISEÑO METODOLÓGICO[Subir]

Se analizan los tuits recogidos^[5] durante los dos grandes debates televisados enmarcados en las últimas campañas electorales gallega y vasca. Son dos elecciones simultáneas en el tiempo, pero distantes en su contexto: en Galicia el Gobierno se componía de un partido con mayoría absoluta, con previsión de revalidar la victoria electoral; mientras, en el País Vasco, aun previéndose que pudiera repetirse el ganador —como finalmente ocurrió—, la competición electoral era mayor, ya que la gobernabilidad dependía de pactos. El sentimiento nacionalista regional es fuerte en ambos territorios, con un sentimiento nacionalista independentista más fuerte en País Vasco, y en Galicia un sentimiento nacionalista que no tiende a los enunciados independentistas y, excepcionalmente, en su vertiente moderada se identifica con el Partido Popular (PP).

El sistema de partidos en ambas comunidades tampoco es el mismo. En Galicia, el dominio del Partido Popular de Galicia (en adelante, PPG) en la convocatoria electoral en 2016 fue claro: consiguió 41 escaños, tres más de los necesarios para la mayoría absoluta, lo que les reportó una cómoda mayoría parlamentaria con la que gobernar sin necesidad de pactos. El escenario en el País Vasco difería: aunque el Partido Nacionalista Vasco (en adelante, PNV) consiguió ser el partido más votado, con una diferencia de 10 escaños sobre el segundo partido, Bildu, necesitaba un socio de Gobierno al no alcanzar la mayoría absoluta. Esto obligaba a que todas las decisiones fueran pactadas entre PNV y Partido Socialista de Euskadi/Euskadiko Ezkerra (PSE-EE).

En el tiempo, el PPG nunca ha tenido grandes dificultades para obtener mayorías que le garantizaran la gobernabilidad en solitario, mientras que el PNV para gobernar siempre ha necesitado de otras formaciones. Esto dibuja una competición electoral diferente en cada autonomía. En el 2020, que se alzó con los vencedores esperados, no se dudó de que pudieran obtener la mayoría el PPG en Galicia y el PNV en el País Vasco, pero Feijóo afrontaba la campaña sin necesidad de guiños a otros partidos, reforzando así su imagen, mientras que Urkullu era consciente de que necesitaría de un socio gubernamental —como en la anterior convocatoria electoral, su socia será Idoia Mendia, candidata del PSE-EE. La competición electoral fue más fuerte en el País Vasco. Ambos candidatos se presentaron a la reelección y se analizan en la hipótesis 1.

La hipótesis 2 tiene en cuenta la ideología de los partidos desde el punto de vista de los ciudadanos. Contrasta la reacción a los partidos situados en los extremos frente a los ubicados en el centro ideológico. Para definir a estos partidos, se toman los extremos de los ejes ideológicos: del valor 0 al 3 como extrema izquierda y del 8 al 10 como extrema derecha. Esta clasificación se realiza con la media de valoración calculada de los estudios 3286 (preelectoral País Vasco) y 3287 (preelectoral Galicia) del Centro de Investigaciones Sociológicas (CIS).

La reacción ante los candidatos a la reelección, la influencia de los partidos de extrema izquierda-derecha y los temas transversales a toda la campaña son los aspectos que se analizan a través de la conversación en Twitter. Durante los principales debates electorales celebrados en Galicia y País Vasco para las elecciones del 12 de julio se recopilaron tuits en directo de acuerdo con menciones específicas al debate, bien sea por nombres o hashtags. La recogida de datos abarcó la duración de los debates y se realizó con la librería StreamR^[7] (‍Barberá, 2018), que si bien no consigue recopilar la totalidad de los tuits que se producen con los requisitos marcados, ofrece una cantidad suficiente de mensajes para analizar. Para recoger los tuits de los debates se emplean referencias muy concretas al debate, como los hashtags oficiales de estas emisiones, además de los nombres de los candidatos o las referencias electorales. Esto puede conllevar a recoger ruido, pero en una posterior limpieza detallada se pueden eliminar tuits que recojan mensajes que no hagan referencia al debate (p. ej.: la palabra «debate» nos traerá tuits sobre el debate objeto de interés, pero también puede recoger información sobre otro debate de otra materia que se esté produciendo. Esos tuits serían objeto de borrado).

Tras la recogida, se estructuran los tuits en una base de datos^[8]. Esta se somete a un filtrado para quitar mensajes que carecen de valor analítico y se han recogido colateralmente, y se crea un corpus con los mensajes válidos para poder analizar el sentimiento de estos. Cuando se realiza una recogida de este tipo, recopilando los tuits de acuerdo con unos términos de interés (como pueden ser «debate» «elecciones», etc.), pueden recogerse también otros mensajes sin valor analítico. Por ello, posteriormente se someten estas bases de datos a una limpieza para dejar solo aquellos tuits que tienen interés para la investigación, es decir: aquellos que hacen referencia al debate de forma más o menos directa y de los cuales se puede inferir que han estado expuestos a la emisión del debate.

Para la categorización como positivo/negativo es necesario contar con un léxico y se emplea el NRC léxicon (‍Mohammad y Turney, 2013). A este se le aplican correcciones propias de mejora a la categorización de partida, así como incorporación de palabras propias del castellano vulgar^[9] para perfeccionar la clasificación. Al aplicar el léxico a los mensajes, se contabilizan las palabras positivas y negativas de cada mensaje. La diferencia entre palabras positivas y negativas genera la puntuación del sentimiento: negativa en caso de ser menor que cero, positiva cuando es mayor que cero y neutra si es igual a cero. Esta puntuación se vincula con su mensaje correspondiente en la base de datos. Las palabras nuevas tenían vinculaciones negativas en su mayor parte al categorizarse los insultos como palabras negativas. Por otra parte, también se perfeccionó el léxico existente que, aunque bien hecho, contenía algunas palabras con categorización neutral cuando su connotación (positiva o negativa) era clara, mientras que otras aparecían duplicadas. También se añadieron flexiones gramaticales para algunas palabras. El objetivo de las correcciones e incorporaciones es alcanzar una mayor perfección en la categorización posterior.

Los tuits y su puntuación están clasificados según su hora de publicación y de acuerdo con quien aparecía en pantalla en ese momento, generando así variables de clasificación acordes con las hipótesis: intervención del candidato a la reelección (frente al resto), de los partidos de extremo (o los de centro), y el tratamiento del tema sanitario (o el resto de los temas). De esta forma puede realizarse el contraste de medias —t test— para ver si hay una diferencia real en la media de sentimiento por cada aspecto que analizar o hay una igualdad de medias que indicaría que el sentimiento es uniforme, independientemente del momento del debate o quién intervenga. La igualdad de medias de sentimiento mostraría una reacción indiferente en la conversación en Twitter.

La forma en cómo se clasifican los tuits, teniendo en cuenta quién intervenía, adopta la lógica de que estos son reacciones a lo que se está viendo, por lo que los tuits —y su calificación de sentimiento— debían relacionarse directamente con lo que aparecía en pantalla. Aparte del mensaje, los tuits recogidos ofrecen información como la hora exacta de publicación del tuit. Tras categorizar el sentimiento de los mensajes, se toma esa puntuación junto con la hora. Por otra parte, y dado que de cada debate se contaba con información exacta de su hora de inicio, pausas publicitarias —si las había—, inicio de los bloques y finalización, se podía realizar una sincronización exacta del momento temporal en el que se realizaba cada intervención. De esta forma, se podía relacionar el sentimiento de cada mensaje con su hora de publicación y la hora del debate^[10]. Así, se crearon variables que categorizaran de acuerdo con las hipótesis:

De esta forma, se categorizaba el sentimiento de los mensajes para análisis posteriores.

Se espera encontrar en estos resultados una tendencia negativa en los mensajes de Twitter para ambos debates, así como reacciones más negativas y diferenciadas cuando intervienen los candidatos a la reelección y cuando intervienen los partidos de los extremos ideológicos. En el caso del análisis de la temática del debate, con la atención puesta en el tema de la COVID, la expectativa es que ambas conversaciones mantengan la misma dinámica y reacción al ser una cuestión que ha alcanzado a todos por igual.

ANÁLISIS DE LOS RESULTADOS[Subir]

Los gráficos que se presentan muestran el sentimiento de los mensajes de Twitter y el momento en que se producen, agrupados por el candidato que intervenía en ese instante —hipótesis 1 y 2— o por la temática —hipótesis 3— de ese momento del debate. El fin es generar grupos que aúnen los elementos de interés para visualizar si hay acumulaciones en la zona positiva (por encima del cero) o en la negativa (por debajo del cero). Los análisis emplean el f test preliminar y el t test para contrastar las medias. El f test analiza si la varianza de las variables que se contrastan es o no igual, y con arreglo al resultado de esta prueba se realiza el contraste de medias. El t test (o test de Welch) permite ver si las medias de las variables son iguales. Una diferencia significativa de las medias demuestra que un momento del debate genera un sentimiento diferenciado del que produce el otro estímulo. Se comprueba también si el sentimiento dominante es positivo —media positiva— o negativo —media negativa—.

Hipótesis 1. El sentimiento negativo aumenta durante las intervenciones del incumbent

Las densidades más grandes se encuentran en la parte superior del gráfico 3, la zona del sentimiento positivo, con una presencia llamativa de la neutralidad, y picos fuertes de negatividad en algunas intervenciones. De acuerdo con el gráfico, no podría hablarse de un predominio del sentimiento negativo, y no se ven claras las desigualdades entre el sentimiento del incumbent y el resto. En lo que respecta al País Vasco (gráfico 4), la dinámica que se observa repite a la de Galicia: dominio de la neutralidad con tendencia y acumulación positiva. Esto descarta de inicio la primera parte de la hipótesis: que el sentimiento negativo domina. Para dar solidez a estas intuiciones, deben observarse los resultados de los test en la tabla 2.

Se observa cómo la varianza del sentimiento durante la intervención del incumbent frente al sentimiento en otros momentos del debate es diferente de forma estadísticamente significativa para un nivel del 99,9 % en ambos casos. Ello da validez a la comparación de medias, que concluye:

Hipótesis 2. Los partidos ubicados en los extremos ideológicos generan un sentimiento más negativo que los ubicados en el centro

Para Galicia (gráfico 5) se observa de nuevo cómo el sentimiento tiende a concentrarse en la zona positiva, aunque se presenten de nuevo picos de negatividad en algunos momentos. Esto mismo se observa en el caso del País Vasco (gráfico 6), dado que no se aprecian acumulaciones en la zona de negatividad y se aprecian densidades de sentimiento positivo. A continuación, el análisis con los t test clarifica las diferencias entre bloques.

En el caso de Galicia se observa cómo el f test de varianza muestra igualdad de varianzas, lo que adelanta que las medias no tendrán diferencias significativas entre ellas, algo que confirma el t test. En Galicia, el sentimiento cuando intervienen líderes de partidos de extremo y cuando intervienen partidos de centro no tiene diferencias significativas y, pese a estar bastante próximo a la neutralidad, se ubican en el rango de la positividad los coeficientes de las medias. El País Vasco^[11], sin embargo, ofrece otros resultados que no señalan una negatividad dominante de los mensajes (las medias tienen valor positivo), pero muestran una diferencia significativa para un nivel de confianza del 99 %.

Esto implica que cuando intervienen partidos de extremo sí hay una reacción diferente y, en este caso, más positiva que cuando lo hacen los grupos de centro. Sería un indicativo de que las cámaras de eco pueden concentrar mensajes con un sentimiento diferenciado, aunque no tengan de forma agrupada una carga negativa significativa. De nuevo, queda patente que no existe un sentimiento negativo dominante en los tuits, pero si hay una diferencia significativa entre bloques en el caso del País Vasco, ligada a cámaras de eco de los partidos de los extremos que las emplean a su favor para ensalzarse en un clima de competición electoral más fuerte que el de Galicia.

Hipótesis 3. La crisis por el coronavirus provoca el mismo sentimiento en ambas audiencias

Leyendo el gráfico 7 del sentimiento agrupado por los momentos temáticos del debate de las elecciones gallegas, se observa claramente que la tendencia del sentimiento se ubica en la positividad, como ya hemos visto anteriormente. En lo que respecta al sentimiento en País Vasco, en el gráfico 8 se observa de nuevo una tendencia positiva clara, como sucedía en casos anteriores. Los análisis de los test son la prueba definitiva para comprender qué sucede.

Galicia. Evolución del sentimiento agrupado por bloques

El País Vasco no muestra significatividad en ninguna prueba, por lo que no hay diferencias significativas en las medias. La reacción entre los diferentes bloques del debate y el tema de sanidad no presenta diferencias en el sentimiento de los mensajes en Twitter. Sin embargo, en el caso de Galicia la diferencia de varianzas en el f test se muestra estadísticamente significativa a un nivel de confianza del 99,9 %, un indicio de que la media entre el bloque dedicado a la sanidad/COVID-19 es diferente frente a la de otros temas. Esta diferencia es significativa para un nivel de confianza del 95 %, lo que señala que el sentimiento es diferente cuando se trata el tema COVID y, además, es más positivo que en el resto de los bloques.

Se descarta de nuevo la negatividad como sentimiento dominante, pero sí se corrobora la hipótesis que señala un potencial sentimiento diferente entre el bloque sanitario y el resto de los momentos del debate, siendo diferentes también las reacciones en Galicia y País Vasco.

CONCLUSIONES[Subir]

A la luz de los resultados obtenidos, se puede afirmar que en estos dos debates, en un contexto de campañas electorales con características electorales diferentes aunque dentro de un contexto social mundial común, el sentimiento dominante es positivo en los mensajes. Esto descarta parte de las dos primeras hipótesis planteadas, que esperaban encontrar un dominio del sentimiento negativo en las publicaciones en redes sociales. Ni una situación de gran excepcionalidad ni tampoco un clima político de gran confrontación han derivado en que la red social Twitter refleje de forma analítica este sentimiento a través de sus mensajes, corroborando la evidencia teórica que se presenta en el marco teórico.

Los datos empleados muestran que, acorde con la teoría consultada, la audiencia ha reaccionado de forma diferente ante los debates: en el País Vasco se muestra un escenario electoralmente competitivo, reaccionando ante los actores políticos, mostrando reacciones significativamente diferentes según quién intervenga. En este territorio, los espectadores presentes en Twitter reaccionan más ante los líderes y los partidos que ante lo que se cuenta y no se presenta una rendición de cuentas negativa.

En el caso de Galicia, la situación es diferente: entre quienes visionaron el debate comentándolo en Twitter no se aprecian diferencias significativas en las reacciones ante diferentes partidos ni tampoco cuando interviene Feijóo, algo acorde con la relajada competición electoral gallega. El estímulo que sí marca una diferencia en las reacciones son los temas. Las reacciones respecto al tema sanitario frente al resto muestran un sentimiento significativamente diferente al del resto de los bloques. El partícipe que observaba estos debates no actuaba de acuerdo con cámaras de eco ni a la rendición de cuentas, pero sí lo hacía ante los temas.

Las redes sociales reflejan adecuadamente cómo el sistema de partidos está presente en el comportamiento de los espectadores presentes en redes sociales. Por otra parte, shocks exógenos como el que ha supuesto la COVID-19 no han provocado una movilización significativa del sentimiento en el País Vasco: en la campaña electoral la competición electoral capitaliza más atención. Galicia reacciona ante los temas, mientras que el País Vasco lo hace movido por los partidos/líderes. La tendencia positiva de los mensajes puede deberse a que, de la misma forma que se hipotetizaba sobre sí Twitter era capaz de canalizar el enfado de la ciudadanía hacía sus candidatos, facilitando la expresión de las críticas, también ha demostrado la capacidad opuesta: como mecanismo de respaldo del candidato al que se apoya de acuerdo con el efecto refuerzo que tienen los debates.

Se percibe también el efecto refuerzo, en tanto que no se genera una reacción negativa sino positiva hacia el contenido de los debates y quién debate. Otra confirmación que se extrae de este análisis es que las redes sociales se consolidan como un elemento más de la comunicación política en tanto que, efectivamente, el votante al que se habla hoy en día está comunicado y consume política en varias pantallas.