Diseñar investigación sobre IA, reto y oportunidad en la comunicación

Diseñar investigación sobre IA, reto y oportunidad en la comunicación

Si la IA es el medio, la ciencia debe ser el mensaje

Diseñar investigación sobre IA, reto y oportunidad en la comunicación

  • Inicia el ciclo de mesas de discusión “Debates actuales en estudios de comunicación, cultura y sociedad” en el IIS-UNAM
  • Académicos de UAM y CIIDET participan en la sesión “Aproximaciones metodológicas contemporáneas a los estudios de comunicación”
Antony Flores Mérida

Escrito por

en

En tiempos de modelos generativos de inteligencia artificial, recordar la máxima de Marshal McLuhan cuando postulaba que “el medio es el mensaje” obliga a la reflexión crítica ante las posibilidades que las tecnologías emergentes nos plantean: “si la inteligencia artificial es el medio, ¿cuál es el mensaje” expuso César Rodríguez Cano, profesor investigador de la UAM-Cuajimalpa al participar el el ciclo “Debates actuales en estudios de comunicación, cultura y sociedad” en el Instituto de Investigaciones Sociales (IIS) de la UNAM.
El investigador de la Universidad Autónoma Metropolitana participó junto a la profesora investigadora del Tecnológico Nacional de México, Dra. Ileana Cruz-Sánchez, en la mesa titulada “Aproximaciones metodológicas contemporáneas a los estudios de comunicación: tradición, convención e innovación” en la que expusieron las discusiones, tensiones y hallazgos de sus agendas de investigación y formación en el terreno metodológico.
Durante el cierre de la discusión y cuestionados sobre los retos y oportunidades de aprender e investigar en el contexto de adopción de las tecnologías de inteligencia artificial generativa, Rodríguez Cano planteó que “si la inteligencia artificial es el medio, no dejemos que también sea el mensaje, (…) la ciencia tiene que ser el mensaje” por lo que instó a que desde los espacios de producción de conocimiento se produzcan dinámicas para ir planteando los límites y cuestionamientos que se deben plantear ante estos desarrollos tecnológicos y sus posibilidades para la investigación en distintos campos, entre los que se encuentran las Ciencias Sociales y las Humanidades
Ileana Cruz-Sánchez del campus CIIDET del Tecnológico Nacional de México señaló por su parte que es importante apropiar y transmitir el conocimiento sobre los modelos generativos “con inmensa humildad (…), aceptar que no lo sabes y vamos a aprender juntos, estudiantes y docentes” en un campo que plantea diversos retos por lo desconocido que aún es y por su propia condición de fenómeno en desarrollo.
Ante los fenómenos sociales y de comunicación emergentes en el actual momento, plantearon la necesidad de utilizar y proveer de densidad teórica a las categorías de análisis que usamos para aproximarnos a las prácticas mediadas por las tecnologías; “es importante que esta densificación provenga no de un rompimiento teórico con lo que ya se sabía, caeríamos en un error al pensar que los ‘nuevos’ fenómenos no pueden ser entendidos con categorías ‘viejas’” planteó Rodríguez Cano.
En ese sentido, Ileana Cruz-Sánchez consideró que puede ser “mucho más interesante ampliar los paraguas teóricos” existentes, poniendo como ejemplo el caso de la etnografía que, como aproximación metodológica y forma de investigación se desarrolla en espacios sociodigitales.
César Rodríguez Cano, autor del libro Hipermétodos, expuso sus reflexiones en torno a los retos metodológicos que plantean las irrupciones tecnológicas, especialmente los modelos generativos de IA, en la investigación de la comunicación. Por su parte, Ileana Cruz-Sánchez, quien ha realizado investigación en temas como videojuegos, habilidades STEM entre niñas y violencia digital, compartió algunos de sus hallazgos en estos rubros durante su participación en la sesión del ciclo de debates.
La primera sesión forma parte de un conjunto de cinco mesas organizadas por Antony Flores Mérida, becario posdoctoral en el Instituto de Investigaciones Sociales de la Universidad Nacional Autónoma de México. Otros temas a desarrollarse durante el ciclo serán la relación entre medios y poder en contextos de autoritarismo, los fenómenos de desinformación y la investigación en torno a periodismo y libertad de expresión contemporáneas.

A continuación puedes ver parte de la discusión en un video disponible en el Canal de YouTube de Comsocyc.

Artículos Relacionados

Artículos Relacionados

La #RevocaciónDeMandato en Twitter: comunidades de discusión digital

La #RevocaciónDeMandato en Twitter: comunidades de discusión digital

Esta publicación apareció originalmente en Medium el 17 de marzo de 2022

El próximo 10 de abril se llevará a cabo, por primera vez en México, un ejercicio de consulta para revocar el mandato al presidente de la república. El nuevo instrumento de participación ciudadana fue una de las promesas de campaña del actual presidente, Andrés Manuel López Obrador (AMLO), y fue aprobada por la Cámara de Diputados y el Senado de la República en septiembre de 2021.

Aunque prevista como un instrumento para retirar de su cargo a un presidente por “pérdida de la confianza” de la ciudadanía, han sido simpatizantes del mandatario emanado del partido Movimiento Regeneración Nacional (MORENA) quienes recabaron las firmas necesarias para solicitar la consulta. Tras el escrutinio de la solicitud ciudadana,el Instituto Nacional Electoral (INE) convocó en febrero pasado para que el próximo 10 de abril la ciudadanía acuda a las urnas y decida si el presidente continúa en el cargo.

La organización del ejercicio de revocación de mandato ha sido objeto de disputa política en distintos momentos pero, en lo que respecta a los preparativos y su organización, las diferencias se han intensificado. El presupuesto solicitado por el INE para sus funciones durante 2022 incluía una partida para la revocación de mandato, pero el requerimiento no fue aceptado por el Poder Legislativo (encargado de la aprobación de presupuesto) y finalmente, la Suprema Corte ordenó al instituto acatar los recortes y organizar el ejercicio. Por su parte, el presidente AMLO ha lanzado severas acusaciones al instituto (respecto al presupuesto, la organización y cumplimiento del ejercicio); la última tuvo lugar en días pasados cuando el mandatario acusó al instituto de no promover la consulta como parte de una estrategia golpista contra su gobierno.

Al igual que en otros momentos de la efervescencia política del país, la consulta de revocación de mandato en México también ha formado parte de la discusión digital. Sin embargo, parece ser que el tema no ha logrado la tracción que otros momentos de la vida política han tenido (las elecciones intermedias de 2021, por ejemplo).

A su vez, los espacios sociodigitales siguen siendo un territorio de disputa discursiva pero, también, de construcción colectiva del significado de los hechos políticos contemporáneos. En el caso de Twitter, no queda duda de su rol como espacio para la difusión de información y construcción de sentido sobre los eventos del momento (Sued y Cebral, 2020), mientras que muchos estudios han destacado el papel que cumplen estas plataformas ya sea para conectar a la ciudadanía con sus representantes políticos sobre todo en periodos electorales (Biswas et al., 2014), para impulsar a ciertos personajes en sus aspiraciones (Sobaci et al., 2016) o como fuente de información y movilización en procesos electorales (Barredo, Rivera y Amézquitan, 2015).

Algunos abordajes sobre la vida política nacional señalan por una parte el componente de polarización discursiva que ocurre en Twitter. El proceso electoral de 2021 dio cuenta de ello en torno al rol del INE en la organización del ejercicio (Véase, por ejemplo, el apartado El INE en Twitter, una hipótesis fallida, en el informe realizado por Signa_Lab al respecto). Sin embargo, también se ha dado cuenta de la apropiación del discurso político por parte de la ciudadanía y la forma en que se abordan fenómenos que ocurren en el contexto de procesos electorales, como la reciente pandemia de COVID y la violencia.

Aunque consideremos importante analizar el potencial de movilización electoral de las plataformas sociodigitales, en este caso y ante la cercanía del ejercicio de revocación de mandato (y su carácter sui generis en el contexto político mexicano) parece factible aproximarnos al fenómeno a partir del rol de difusión de información y encuadramiento simbólico que las redes sociales en general y, en este caso, Twitter, cumplen. Por ello, se ha decidido explorar algunos datos provenientes de este servicio para indagar sobre qué se está diciendo sobre la revocación de mandato.

¿Qué se discute en Twitter sobre el ejercicio de revocación de mandato? A partir de esta interrogante, trataremos de captar distintas dimensiones: por una parte, las interacciones entre usuarios a partir de este tema; dichas interacciones tienden a agruparse en comunidades de discusión, por ello, también trataremos de captar qué se comunica en dichos espacios discursivos; a partir de estos dos elementos, quizá sea posible acercarnos a los distintos encuadres propuestos por los actores que se han involucrado en el debate público digital.

#RevocaciónDeMandato: poca densidad de la discusión para un ejercicio nacional de participación ciudadana

Para este ejercicio, se extrajeron publicaciones que utilizaran el hashtag #revocaciondemandato (sic) en Twitter. La descarga se realizó mediante el software R (R Core Team, 2021) y la librería ‘rtweet’ (Kearney, 2020). El resultado fue un conjunto de datos conformado por 9,593 tuits que abarcan un periodo que va del 9 al 17 de marzo (Nota 1). Las publicaciones obtenidas no contemplan retuits, por lo que se tratan de tuits únicos u originales.

Cabe señalar que se exploraron otras etiquetas (#AmloSeQueda, #QueNoSiga, #QueSigaLaDemocracia, etc.) pero la cantidad de datos ofrecidos para este periodo era mucho menor. Esto por un lado, nos deja con un hashtag (HT) temático, que no plantea una postura de inicio (ya sea por la formulación propuesta o la combinación de palabras) como sí podrían estarlo planteando otras opciones y que nos habrían llevado a otro tipo de preguntas y resultados. Por ejemplo, algunos como #AmloSeQueda o #QueSigaAmlo están claramente apoyando el ejercicio y la “ratificación” de mandato al presidente mientras que otros son claramente opuestos (#QueSeVaya, #QueNoSiga) y que, de haberse extraído -ya sea por separado o en conjunto- habrían dado como resultado una clara polarización producto del propio diseño de la búsqueda. En su lugar, el HT #revocaciondemandato alude en principio al ejercicio, aunque otras etiquetas pueden co-ocurrir con esta, como se explorará más adelante.

Identificando comunidades por principio de modularidad

Como primer paso, del conjunto de datos se extrajeron las variables screen_name y hashtags para crear una matriz de adyacencia a partir de la cual se pudiera conformar un grafo de usuarios-a-hashtags. Posteriormente, se extrajeron, además del screen_name, los valores mentions_screen_name, quoted_screen_name, in_reply_to_screen_name. A partir de estas variables se construyó una segunda matriz de adyacencia para obtener un grafo de usuario-a-usuario para las interacciones mención, retuit citado y respuesta.

Los datos fueron cargados en el software Gephi (Bastian et al., 2009) y se sometieron al mismo tratamiento: cálculos a nivel de nodo, cálculo de modularidad para estimar comunidades, tamaño de nodos y etiquetas por grado (entrada o salida, según se indique), colores de aristas por comunidad, distribución mediante Force Atlas 2.

El primer grafo es el de usuario-a-usuario (U2U) que cuenta con 4,738 nodos y 7,797 aristas o interacciones. Cada nodo cuenta con un grado medio de 1.64, lo que indica un bajo número de conexiones entre nodos aunque cabe esperar que algunos concentren gran cantidad de las mismas. El cálculo de modularidad (0.6) produjo 839 comunidades.

Algo a tener en cuenta en el Grafo 1 es que tres comunidades destacan por su tamaño (comunidad 12, con 15.41% del grafo; la 3 con el 10.36% y la 314 con 9.9%).

Grafo 1. Interacciones entre usuarios (U2U). El tamaño de las etiquetas es proporcional al grado de entrada (N: 4,738, E: 7,797)

Las comunidades en las que se concentra mayor grado de entrada indican una distribución de cierto tipo de usuarios. En la comunidad azul claro muestra a la cuenta oficial del INE (@INEMexico) al centro y muy cerca a las de los consejeros @CiroMurayamaINE y @LorenzoCordovaV, como el target de múltiples menciones provenientes de variados usuarios. Una segunda comunidad violeta coloca con mayor centralidad a la cuenta del @PartidoMORENAMx seguida en cercanía por la de la jefa de gobierno de la Ciudad de México (del mismo partido) @ClaudiaShein, así como las cuentas oficiales del Poder Legislativo y la del presidente de MORENA, @mario_delgado. Una tercera comunidad en color verde muestra cuentas de comunicadores como @lopezdoriga, @CarlosLoret, @ChumelTorres, @PedroFerriz así como otros usuarios.

En términos generales, al destacar el grado de entrada, lo que estamos viendo son interacciones dirigidas a tres tipos de usuarios: por un lado, a la autoridad electoral o sus integrantes, posteriormente a miembros de MORENA y en tercer lugar, a integrantes de los medios de comunicación. No omitimos que el usuario del presidente AMLO (@lopezobrador_) se encuentra al centro de otra comunidad naranja que está prácticamente al centro del grafo, lo que implica cierta cercanía con las comunidades antes señaladas.

La forma en que se tejen y dirigen las interacciones en Twitter podría estar señalando encuadramientos discursivos específicos para ciertos tipos de usuarios (autoridades electorales, personajes del oficialismo -la autodenominada 4T- y de los medios de comunicación) así como al presidente de la república, objeto del ejercicio de #revocaciondemandato.

Los hashtags, como hicimos en este caso, no son solo útiles para identificar mensajes temáticos o como criterio de extracción. Varios estudios han señalado que el uso de estas etiquetas tiene cierto carácter estratégico por parte de los usuarios. Sirven para crear públicos ad hoc para cierto tipo de tópicos (Xu y Zhou, 2020) o para proponer encuadres simbólicos (interpretación o posición de los usuarios respecto a ciertos temas, como señalan Blevins et al. 2019). Por ello, se ha construido un Grafo 2 que muestra interacciones de usuarios-a-hashtags (U2HT).

El Grafo 2 consta de 4,590 nodos y 8,881 aristas (grado medio: 1.9, modularidad 0.53 para 90 comunidades). Las relaciones entre usuarios y hashtags es más densa que en el grafo anterior y contamos con comunidades más robustas (comunidad 9 con 43.36% del grafo, la 6 con 19.8 y la 1 con 16.06%). Esta mayor densidad de comunidades nos permite afirmar cierto grado de sistematicidad en el uso de etiquetas específicas.

Grafo 2. Interacciones entre usuarios y hashtags (U2HT). El tamaño de las etiquetas es proporcional al grado de entrada. (N: 4,590, E: 8,881)

Lo primero a reconocer es que la formulación de la frase “revocación de mandato” aparece con distinciones (uso de mayúsculas, acentuación) lo que dispersa algunas comunidades. Pero esto podría ser indicativo de un uso particular de la etiqueta si analizamos el grafo a detalle.

Cuando el HT no lleva acento (#RevocacionDeMandato) en la comunidad naranja (zona superior izquierda) este se asocia con etiquetas de rechazo al ejercicio o algunas utilizadas por grupos opositores al actual gobierno (#UrnasVacias, #NoALaRevocacionDeMandato, #amlofracasopresidencial, #SiVotaSeVa, #TerminasYTeVas entre otros).

En tanto, cuando el HT sí utiliza acentos (#RevocaciónDeMandato) encontramos otra comunidad (verde, inferior derecha) en la que hay una serie de etiquetas que son usualmente movilizadas por las cuentas oficiales del INE nacional y en los estados (#INEMexico, #MiINENosUne, #10DeAbril, #ListaNominalDeElectores).

Finalmente, las dos comunidades centrales (azul y violeta) muestra mayor asociación con etiquetas de apoyo al ejercicio desde la simpatía al movimiento 4T (#AMLO, #QueSigaAMLO, #MORENA).

Estas dos exploraciones dan cuenta entonces de que por una parte hay interacciones, ya sea orientadas hacia cierto tipo de actores (autoridad electoral, gobierno y medios de comunicación) aunque también puede estar habiendo cierto grado de amplificación en los mensajes de dichos sectores (cosa que debe analizarse a partir de los metadatos pero que, dado el Grafo 1, cabría esperar). Por otra parte, parece estarse dando cierto grado de uso estratégico del HT #RevocaciónDeMandato igualmente en tres sentidos: como elemento informativo desde la estrategia de comunicación de la autoridad electoral, como elemento de crítica de quienes se oponen al ejercicio y como reforzamiento ideológico desde quienes lo apoyan.

Para abundar en estos elementos, se llevó a cabo un post-procesamiento de los datos: tras obtener el cálculo de modularidad para ambos grafos, se asignó a cada usuario el valor de la comunidad a la que correspondía. El objetivo es explorar el contenido de los mensajes a partir de la comunidad de interacciones de la que el usuario formaba parte.

Comunidades discursivas: discusión, debate, respaldo y crítica en torno a la #RevocaciónDeMandato

El tratamiento de los datos y la visualización que se ofrece de los mismos se produjo mediante el software Tableau (Tableau Software, 2021) en su versión pública. Todas las visualizaciones están disponibles en un tablero en línea que puede consultarse en este enlace.

La Tabla 1 muestra la distribución de las publicaciones con #revocaciondemandato (sic) en el periodo observado. El eje vertical muesra el alcance de los mensajes. Las tres publicaciones con mayor número de retuits pertenecen, en orden: al personaje opositor Javier Lozano quien compartió una imagen de rechazo al ejercicio de revocación de mandato, un mensaje de texto acompañado por un video del actor Damián Alcazar expresando su apoyo al ejercicio, y un mensaje de la jefa de Gobierno, Claudia Sheinbaum en el que critica la orden del INE de retirar propaganda gubernamental durante el periodo del ejercicio electoral.

Tabla 1. Distribución de publicaciones con el hashtag #revocaciondemandato para el periodo del 9 al 17 de marzo.

Como se puede observar, son pocos los mensajes que logran un alcance mayor a los 500 retuits, y pertenecen en su mayoría a personajes políticos, medios de comunicación, cuentas oficiales y escasas micro-celebridades (usuarios con alto número de seguidores). Esto se corresponde con el hecho abordado por Sued y Cebral (2020) de que ciertas “voces autorizadas” que cumplen determinadas funciones sociales (gobierno, medios, periodistas, autoridades, etc.) logran mayor adhesión a sus mensajes, lo que se traduce en un alcance más alto por retuits o involucramiento anímico mediante el botón de Me Gusta (Favorito).

Así, una gran capa de usuarios con poco alcance integra una alfombra de publicaciones con limitado alcance pero en la que, sin duda, se está dando parte de la discusión que se apoya en el encuadre simbólico que las denominadas “voces autorizadas” proponen, ya sea para apoyarlas, discutir con ellas o rebatirlas.

Se ha decidido llamar “comunidades discursivas” a los espacios de construcción de sentido que surgen en torno a ciertas propuestas de enmarcamiento provenientes de lo que Sued y Cebral (2020) llamaron “voces autorizadas”. Las comunidades identificadas en los grafos cuentan con nodos que acumulan cierto grado de centralidad (que en los metadatos estaría representado por número de retuits o favoritos) y en torno a los cuales hay discusión (en concordancia o discordancia con el encuadre simbólico propuesto por dichas voces autorizadas).

Para tratar de identificar estas comunidades discursivas utilizamos la variable Comunidad proveniente del cálculo de modularidad y la asignamos a las publicaciones de Twitter recabadas previamente. En la Tabla 2 se encuentran los mensajes distribuidos por color (para cada comunidad) y tamaño (por número de retuits). Lo que esperamos ver a partir de esta estrategia es qué mensajes tuvieron más alcance en cada comunidad y qué encuadre proponen, así como las diferencias entre comunidades discursivas. (Recomendamos visitar el tablero en línea para explorar estos elementos a mayor detalle)

Tabla 2. Los colores representan las distintas comunidades calculadas en el grafo de interacciones entre usuarios. El tamaño se corresponde con el número de retuits conseguidos. Al navegar en las publicaciones pueden obtenerse detalles de los usuarios y al seleccionar alguna, ir a la publicación original.

Por economía de exposición, se darán detalles de tres de las comunidades más importantes.

La comunidad rosa (o magenta, 314) es la que, por alcance, acumula el mayor número de retuits. En ella se encuentran publicaciones claramente en oposición al ejercicio de revocación de mandato. Dos usuarios forman parte de grupos de oposición partidista (Javier Lozano, Xóchitl Gálvez) quienes critican duramente la próxima consulta. También se hallan mensajes de la periodista Azucena Uresti, en tono más bien informativo. Destaca que en esta comunidad discursiva aparece la publicación de la jefa de Gobierno, Claudia Sheinbaum. Es posible que esto se deba a las interacciones dirigidas a ella y que pudieron concordar con el tono de crítica que prevalece en esta comunidad.

La segunda comunidad de interés es la de color gris (zona inferior izquierda, 12). En alcance, es ligeramente menor a la primera y los mensajes más relevantes provienen de “voces autorizadas”, en este caso, autoridades electorales. La mayoría de los mensajes corresponden a cuentas oficiales del instituto en los estados. Sin embargo, también emergen publicaciones de otros usuarios que ya sea replican contenidos informativos o presentan cuestionamientos al ejercicio de revocación de mandato.

En importancia, la tercera comunidad es la color naranja (centro superior, 3). El usuario más relevante de esta comunidad es Gurú Político, un medio de comunicación digital, que ofrece un encuadre de apoyo al ejercicio de revocación. Le sigue el presidente del Sistema Público de Radiodifusión, el periodista Jenaro Villamil en un tono similar. Aunque el encuadre propuesto por estas cuentas que podrían funcionar en esta comunidad como “voces autorizadas” se muestra en favor de la revocación, gran parte de los mensajes con mayor alcance en este grupo cuestionan el ejercicio críticamente.

Hay que señalar que a excepción de la comunidad 12 (cuentas oficiales de autoridades electorales) que propone en su mayoría una discusión de corte informativo, en el resto de comunidades discursivas hay más bien posiciones a favor o en conra del ejercicio. Las comunidades más grandes o de mayor alcance discuten críticamente la consulta de revocación de mandato. Otras comunidades que siguen en importancia manifiestan cierto grado de apoyo, algunas más cuentan con voces autorizadas de medios de comunicación que presentan también discusiones informativas.

Otra forma de ver esta distribución es la siguiente gráfica que muestra el alcance en retuits por comunidad y el porcentaje que representan del total amplificación para todo el conjunto de datos.

Gráfica 1. Distribución del alcance, medido por número de retuits acumulados, para cada comunidad discursiva.

Lo que la idea de comunidad discursiva nos permite es aproximarnos al encuadre que proponen las y los usuarios que logran un mayor alcance (ya sea porque se trate de figuras relevantes para ciertos grupos o porque han logrado un mayor número de seguidores como parte de su presencia en la plataforma). Esto no debe implicar necesariamente que cada comunidad discursiva imputada acepta la propuesta de significado que producen dichos “notables”, sino que es a partir de ella que se teje la discusión.

Contamos así con espacios de interacción en los que hay una posición claramente en contra del ejercicio, otras en las que hay más apoyo al mismo, y otras en las que hay un tratamiento informativo de la consulta. Estas últimas cumplen, en términos de función social de la plataforma, el rol de difusores de información, sin embargo, sus espacios no están exentos del debate que los usuarios en general tienden a producir.

Los hashtags en la comunidades discursivas sobre la #RevocaciónDeMandato

Como se señaló antes, los hashtags pueden ser utilizados de forma estratégica por los usuarios, tanto para crear audiencias en torno a ciertos tópicos como para ofrecer cierto enmarcamiento (de posición o interpretación de los hechos) en el contexto de la discusión digital.

Partiendo de la noción aproximativa de comunidad discursiva, hemos explorado los mensajes de usuarios en torno a la #revocaciondemandato, pero hemos llevado a cabo un post-proceso adicional para tratar de ubicar los hashtags en correspondencia a las comunidades identificadas en las interacciones y que nos permitieron construir la visualización de comunidades de discurso.

A partir del cálculo de modularidad para el Grafo 2 asignamos a la tabla de aristas la comunidad correspondiente a sus nodos de origen (Source). El resultado puede explorarse en la Tabla 3 que también está disponible en versión interactiva digital.

Se deben señalar dos cosas importantes y que inciden en el análisis: estas comunidades son en principio, distintas a las del apartado anterior, pues el cálculo de modularidad se realizó sobre el Grafo 2. El segundo elemento es que debido a que un mismo nodo Target (o nodo de destino de la interacción) puede haber recibido interacciones de distintos nodos de origen (Source) algunas etiquetas duplican su presencia en distintas comunidades. Para reducir la redundancia, hemos filtrado los resultados eliminando de la visualización el hashtag con el que se realizó la búsqueda (#revocaciondemandato y formulaciones similares con mayúsculas o acentos).

El principio y las implicaciones para el análisis son, sin embargo, similares en este nuevo tratamiento de los datos, a saber, dado que hay un uso orientado para los hashtags, las interacciones alrededor de los mismos deberían formar cierto tipo de configuraciones discursivas que pueden hacerse visibles mediante el cálculo de modularidad.

Tabla 3. Mapa de árbol para los hashtags. El tamaño se corresponde con el peso de la arista a la que pertenecían en el Grafo 2 y el color a la comunidad.

La premisa parece cumplirse. Para la comunidad celeste (1, superior izquierda) y que acumula el mayor grado de peso de las aristas, se forma una comunidad en torno a los hashtags informativos utilizados por las cuentas oficiales del INE nacional y de los estados. Esta comunidad se corresponde con la función social de difusión de información que ciertos usuarios (voces autorizadas) tienen en Twitter.

La segunda comunidad en importancia es la azul (inferior izquierda, 0) y en la que parece conformarse un encuadre de oposición en torno a hashtags como #SiVotasSeVa, #UrnasVacias, #VotasYSeVa, #CasaGris, #10DeAbrilLopezSeVa, #ElImbecilDePalacio, entre otros. Algo en lo que nos permite detallar esta visualización es que la oposición no es exclusivamente al ejercicio de revocación de mandato sino, más bien, hacia la figura en el poder o el proyecto de gobierno que se somete al mismo.

La tercera comunidad (superior derecha, 6) muestra una diversidad de posiciones discursivas: algunos elementos tienen corte informativo (#AIFA, #CDMX, #Nacional, #Entérate) y otras de corte político (#AMLO, #MORENA, #RevocacionDeMandatoVa, #SiPorMexico). En esta comunidad el uso de los HTs parece producir una conjunción entre propuestas informativas y discusiones del ejercicio de revocación de mandato, preferentemente de índole positiva.

Finalmente, una cuarta comunidad (roja, central, 10) manifiesta la propuesta de encuadre preferentemente positivo en torno a la revocación de mandato y el proyecto político de la 4T (#QueSigaAMLO, #QueSigaLaDemocracia, #AMLOSeQueda, #AMLONoEstasSolo, etc.) que, en términos del conjunto de datos, logra cierto grado de densidad y mayor uniformidad que otras comunidades discursivas.

Difusión informativa, discusión y participación hacia la #RevocaciónDeMandato

Partiendo de la pregunta ¿Qué se discute en Twitter sobre la revocación de mandato? se descargaron casi 10 mil tuits con el hashtag #revocaciondemandato (sic) de la plataforma de red social Twitter. Los datos resultantes se procesaron para mapear interacciones y detectar comunidades de discusión.

A partir de la identificación de comunidades, se asignó a los mensajes y los hashtags, espacios discursivos de pertenencia tratando de identificar encuadres simbólicos en torno al ejercicio de revocación de mandato, considerando factores como el alcance logrado por cierto tipos de usuarios y la correspondencia simbólica que se da en el uso de ciertas etiquetas en el marco de interacciones entre grupos de usuarios.

Como resultado de la descarga, se encuentra primero que nada que la discusión no es aún demasiado densa en torno al tema. El hashtag temático #revocacióndemandato aparece utilizado por múltiples usuarios, pero su densidad todavía es menor a otros temas del momento en el marco de la vida política nacional. Esto no es menor, pues el ejercicio se acerca y el 10 de abril la ciudadanía acudirá a las urnas para tomar una decisión a este respecto.

El mapeo de interacciones nos permitió identificar a qué tipo de usuarios se dirigen o se amplifican sus comentarios sobre la revocación de mandato: las autoridades electorales aparecen como centrales en su papel de difusión de información del ejercicio, personajes políticos del oficialismo (o la 4T) están presentes en la discusión tomando posición respecto al mismo, y la presencia de los medios de comunicación (con usuarios periodistas) aparece como prominente como parte de la cobertura al tema. Como en otros casos, la figura del presidente no deja de ser central, cabe señalar.

El uso de los hashtags parece seguir la lógica estratégica que otros estudios han reseñado, y termina asociado en tres sentidos: como elemento de información cuando proviene de autoridades electorales, como espacio para la crítica entre quienes rechazan el ejercicio electoral, y como punto de partida para reafirmar el apoyo al gobierno en turno entre quienes impulsan la revocación de mandato.

Estos elementos nos permitieron construir la noción de comunidades discursivas, retomando a la vez la propuesta de Sued y Cebral (2020) sobre “voces autorizadas” en tanto que usuarios que, al cumplir una función social en las plataformas, proponen también un encuadre simbólico para ciertos temas. Así, encontramos que voces autorizadas logran mayor alcance de sus mensajes y reúnen en torno a sí interacciones y discusiones que se corresponden o divergen de la propuesta discursiva planteada. En general, los temas se dividen, de nuevo, en tres: el manejo informativo de la revocación de mandato, la crítica (algunas veces severa) al mismo, y el respaldo al gobierno en turno y a la convocatoria a las urnas.

Al llevar la noción de comunidad discursiva al uso de hashtags, encontramos que las interacciones alrededor de los mismos reproducen esta lógica de construcción de encuadre, lo que refuerza nuestras aproximaciones previas.

Con ello, lo que parece surgir es el hecho de que si bien, el ejercicio de revocación de mandato no parece haber logrado densidad (en términos de producción de mensajes) en Twitter que otros temas han logrado, abre distintos espacios para la discusión (para informar, apoyar o criticar) sobre la próxima consulta. Esta falta de tracción que ha experimentado el tema en espacios sociodigitales podría deberse al hecho de que, debido a que siguiendo la ley en la materia, el INE ha instruido a las representantes de gobierno a no pronunciarse sobre el proceso. Esto podría cambiar en los próximos días luego de que la bancada de MORENA en el Poder Legislativo aprobara el pasado 17 de marzo un decreto que interpreta parte de la ley en la materia e interpreta el concepto de propaganda gubernamental (prohibido durante el proceso) estableciendo que “no constituyen propaganda gubernamental las expresiones de las personas servidoras públicas, las cuales se encuentran sujetas a los límites establecidos en las leyes aplicables”. Esto permitiría, en lo que aquí se ha discutido, que estas “voces autorizadas” en el escenario sociodigital participen activamente, proponiendo un marco de interpretación del proceso y generando ya sea adhesión a sus pronunciamientos o mayor discusión en torno a los mismos.

No se omite el hecho de que debido a la forma en que realizamos la consulta a la API de Twitter, la extracción deja de lado mensajes que aborden el tema sin utilizar el hashtag. Por ello, estas reflexiones se enmarcan en el uso estratégico de las etiquetas en plataformas de redes sociales (la utilización del HT como parte de una propuesta discursiva, ya sea para tomar posición o interpretar un evento). De ello se deriva que, para conocer a mayor profundidad el tema, se requieren estrategias que amplíen el espacio de observación hacia mensajes no etiquetados mediante esta práctica.

Notas

  1. La versión 1 de la API de Twitter permite acceder a una ventana de datos de los últimos 7–10 días. Cada llamado a la API permite una descarga de unos 17,000 tuits. El espacio entre llamados a la API es de 15 minutos.

R E F E R E N C I A S

Barredo Ibáñez, D., Rivera, J., & Amézquitan, A. (2015, junio). La influencia de las redes sociales en la intención de voto. Una encuesta a partir de las elecciones municipales en Ecuador 2014. Quórum Académico, 12(1), 136–154.

Bastian, M., Heymann, S., & Jacomy, M. (2009). Gephi: An Open Source Software for Exploring and Manipulating Networks. International AAAI Conference on Weblogs and Social Media.

Biswas, A., Ingle, N., & Roy, M. (2014, junio). Influence of Social Media on Voting Behavior. Journal of Power, Politics & Governance, 2(2), 127–155.

Blevins, J. L., Lee, J. J., McCabe, E. E., & Edgerton, E. (2019). Tweeting for social justice in #Ferguson: Affective discourse in Twitter hashtags. New Media & Society, 21(7), 1636–1653. https://doi.org/10.1177/1461444819827030

Kearney, M. W. (2020). Package ’rtweet’ — Collecting Twitter Data (0.7.0) [R]. https://cran.r-project.org/package=rtweet

R Core Team. (2021). R: A Language and Environment for Statistical Computing [R]. R Foundation for Statistical Computing. https://www.R-project.org/

Sobaci, M. Z., Eryiğit, K. Y., & Hatipoğlu, İ. (2016). The Net Effect of Social Media on Election Results: The Case of Twitter in 2014 Turkish Local Elections. En M. Z. Sobaci (Ed.), Social Media and Local Governments (Vol. 15, pp. 265–279). Springer International Publishing. https://doi.org/10.1007/978-3-319-17722-9_14

Sued Palmeiro, G. E., & Cebral Loureda, M. (2020). Voces autorizadas en Twitter durante la pandemia de COVID-19: Actores, léxico y sentimientos como marco interpretativo para usuarios ordinarios. Revista de Comunicación y Salud, 10(2), 549–568.

Tableau Software. (2021). Tableau Desktop Public Edition (2021.4.3) [MacOs]. SalesForce Company. https://public.tableau.com/en-us/s/

Xu, S., & Zhou, A. (2020). Hashtag homophily in twitter network: Examining a controversial cause-related marketing campaign. Computers in Human Behavior, 102, 87–96. https://doi.org/10.1016/j.chb.2019.08.006

El coronavirus COVID19 en Twitter México — Una aproximación al análisis de la conversación digital

El coronavirus COVID19 en Twitter México — Una aproximación al análisis de la conversación digital

Publicado originalmente en Medium el 17 de marzo de 2020

La pandemia por COVID-19, la variante de coronavirus que surgió en Wuhan, China a finales de 2019, ha inundado la conversación digital. En México, la producción de mensajes en torno al “coronavirus” ha mantenido una serie de hashtags entre los “trending topics” de los últimos días debido, principalmente, a las noticias de nuevos casos y a las medidas implementadas por las autoridades con miras a contener el contagio.

El 11 de marzo, la OMS declaró el brote de COVID-19 como una pandemia y en México el tema colocó a dicha palabra, “pandemia” como uno de los TT durante aquella jornada. En México, según la estimación del encargado de la crisis sanitaria, el subsecretario de Salud, Hugo López-Gatell, nos esperan 12 semanas con este tema. Mientras distintas medidas se toman en el país (al igual que en otros países) y el número de pacientes en México pasó de 53 a 82 el día 17 de marzo, las y los usuarios de Twitter mantienen activa la conversación respecto al tema.

A partir de dos extracciones de datos de la red social Twitter, buscamos evaluar dos cosas: ¿hacia quién se dirigen las interacciones en el marco de la contingencia por COVID-19? y por otra parte, ¿entre quiénes se entrelaza la conversación digital?

Lo que sigue a continuación son visualizaciones e interpretaciones muy someras de datos, exploratorias en primer lugar pero que buscan hacer un poco de sentido a cómo los usuarios usan las redes en momentos de incertidumbre.

Información, ansiedad y duda de alta exposición

A pesar de la existencia de canales institucionales de información (conferencias de prensa diarias y emisión de boletines informativos), se han dado fenómenos como las compras de pánico en algunos lugares de México o difusión de noticias falsas, tanto por medios como WhatsApp como desde las cuentas personales de periodistas.

Ante ello, la primera pregunta que nos surgió es hacia quién se está dirigiendo la conversación digital en redes sociales, en particular Twitter, en el marco de la crisis por COVID-19 o coronavirus en México.

Dado que existen múltiples hashtags en uso para referirse a la pandemia (#covid19, #covid-19, #covid19mx, entre otras variantes) decidimos dejar de lado la idea de extraer mensajes mediante un hashtag. En su lugar usamos una palabra clave, simple pero presente en casi todos lados: “coronavirus”.

La siguiente dificultad era el hecho de que esta palabra está presente tanto en los mensajes en español (en toda Latinoamérica) como en inglés en el resto del mundo. Para tratar de filtrar lo más posible la búsqueda, decidimos captar los mensajes geolocalizados alrededor del centro de México.

Adicionalmente, decidimos dejar fuera los retweets de la primera muestra. La premisa era sencilla: en un primer momento, no nos interesan las interacciones como quién está siendo referido en los mensajes que hablan del tema.

A partir de este triple criterio (palabra clave + geolocalización + mensajes únicos) realizamos una extracción de publicaciones de Twitter mediante R Studio. El resultado fueron 108 mil mensajes únicos publicados entre las 20 horas del 12 y las 11 horas del 17 de marzo, aproximadamente.

Extracción de mensajes únicos en Twitter

Llamamos “mensajes únicos” a los que se visualizan a continuación, ya que descartamos de la extracción aquellos que son retweets y captamos solo publicaciones independientes entre sí. Esto reducirá la cantidad de relaciones entre el total de los usuarios obtenidos, pero nos permitirá observar a quién se dirigen (si acaso) sus mensajes en forma de menciones y replies.

Grafo 1. Red usuario-a-usuario a partir de 108 mil mensajes únicos publicados en Twitter (18/03/2020).
Grafo 1. Red usuario-a-usuario a partir de 108 mil mensajes únicos publicados en Twitter (18/03/2020) geolocalizados en México a partir de la palabra clave “coronavirus”. La visualización se construyó mediante el algoritmo Force Atlas 2 de Gephi, las etiquetas de nodos destacan aquellos con mayor grado de entrada con pesos.

La red U2U está conformada por 56,821 nodos y 26,450 aristas. Al haber descartado los retweets es de esperar contar con una red “menos conectada”. En el Grafo 1 se visualizan los nodos con mayor grado de entrada. Son usuarios que recibieron mayor número de menciones o respuestas en la red. Además de la cuenta del presidente de México, Andrés Manuel López Obrador (@lopezobrador_) se encuentran la cuenta oficial de la Secretaría de Salud y la del subsecretario de esa dependencia, Hugo López-Gatell.

La cuenta de dos medios, El Universal y El País, se encuentran entre los nodos con mayor número de relaciones de entrada. También se encuentra el servicio de video YouTube y la cuenta del presidente de Estados Unidos, Donald Trump (@realDonaldTrump). Otras cuentas que se volvieron centrales fueron la del periodista Joaquín López Dóriga, la del ministro canadiense Justin Trudeau, y la cuenta del festival musical Vive Latino que se realizó el fin de semana previo pese a las críticas y dudas en medio de la crisis de COVID19. Para tener una mejor idea de aquellos nodos más centrales (por in-degree), los ubicamos en la tabla que nos ofrece Gephi.

Tabla 1. Nodos con mayor grado de entrada en el Grafo 1.

Entre los usuarios hacia los que más se dirigieron mensajes en la muestra de mensajes únicos se encuentran periodistas, autoridades y medios de comunicación. Al haber descartado los retweets de la extracción, solo captamos los mensajes dirigidos y menciones hacia estos usuarios. No exploramos en el campo de “text” de las publicaciones por lo que no aventuramos el sentido (positivo/negativo) de las publicaciones.

Una posible forma de interpretar este patrón podría ser la siguiente: al observar mensajes únicos (descartando RTs) en Twitter en torno al tema de la pandemia por coronavirus en México, vemos que gran cantidad de los contenidos se dirigen a autoridades, personajes políticos y medios. Así, es posible que los usuarios estén dirigiendo dudas o reclamos a esos nodos más centrales.

El método de extracción que elegimos en esta primera fase nos da redes más desconectadas. Una prueba de ello es observar de nuevo el Grafo 2 pero destacando los nodos por grado de salida. Así vemos una gran cantidad de nodos desconectados del resto de la red que “orbitan” a aquellos sectores más conectados. Estos “satélites” son usuarios que, aun cuando usaron la palabra clave de nuestro criterio de búsqueda, no mencionaron ni respondieron a otros usuarios en esta muestra.

Grafo 2. Red usuario-a-usuario, los nodos se destaca por su grado de salida.

Extracción de mensajes incluyendo retweets

Cuando cambiamos el método de extracción y aceptamos captar los retweets tendemos a obtener una red más conectada. Los retweets parecen expresar cierto grado de connivencia con el mensaje del autor. Esta relación positiva entre usuarios se suma a las menciones y respuestas, que pueden tener otra cualidad.

Sin embargo, lo que sí parece representarse de manera más coherente son las “comunidades” de usuarios que se forman en torno a ciertos temas o a otros usuarios. La ventaja de incluir los retweets parece ser la de dar mayor cohesión a aquellos usuarios que comparten más “espacio digital” en una muestra de tweets dada.

El Grafo 3 representa las relaciones de usuario-a-usuario para una muestra de 107 mil mensajes en la red social Twitter, publicados entre las 20 horas del 16 y 11 horas del 17 de marzo, aproximadamente. El grafo resultante cuenta con 72,258 nodos y 94,037 aristas. Es notable que abarca menos tiempo, esto debido a que absorbimos el impacto de los retweets.

Grafo 3. Red de usuario-a-usuario a partir de 107 mil mensajes en el servicio Twitter, geolocalizados en México y a partir de la palabra clave “coronavirus”. Las etiquetas de nodo más grandes expresan a los usuarios con mayor grado de entrada.

El patrón que muestra el nuevo Grafo 3 al incluirse los RTs es muy distinto al del primer grafo. En primer lugar, podemos notar que a pesar de que existe un gran número de comunidades (en una publicación anteriores notamos la polaridad en la discusión digital cuando usábamos un criterio de búsqueda por hashtag: Redes a favor y en contra de AMLO en México), la vinculación entre ellas es de “poca fuerza” y mantiene a los islotes de usuarios entremezclados en algunas zonas y separados en islas en otras. La lista de usuarios más centrales por grado de entrada es ilustrativa en este sentido.

Tabla 2. Usuarios con mayor grado de entrada en el Grafo 3 que incluye relaciones de retweet.

Aunque siguen apareciendo autoridades y periodistas, a la lista se unen youtubers, medios alternativos e incluso cuentas “de humor”.

Una forma de interpretar este patrón es que, además de la información oficial en torno al tema que aquí nos ocupa, la pandemia por coronavirus presente en México, otras formas de interpretar el fenómeno están activas en la conversación además de la información oficial y la interpelación entre actores políticos, que muchas veces ocupan gran parte de los análisis.

Otra cosa a considerar es que el método de extracción nos ofreció un panorama más heterogéneo en torno al tema del coronavirus. Creemos que en ocasiones, el uso de hashtags para generar grafos nos impide ver a ciertos usuarios. Encontrar la manera de salvar estos sesgos no es fácil ni creemos aquí haber logrado algo por el estilo. Pero sí creemos que utilizar una palabra clave y la geolocalización de mensajes en lugar de una etiqueta cambia la forma de los patrones encontrados en los grafos. Para el caso que aquí expusimos, la poca conectividad interna de la red nos resultó llamativa y expresiva de una heterogeneidad en la conversación. Por ejemplo, cuando sometimos el grafo a un filtro de conectividad k-core (k=2) nos quedamos con apenas el 25% por ciento de los nodos y el 49% de las aristas. Cuando elevamos k=3 nos quedó poco más del 9% de los nodos y 27.5% de las aristas. Es decir, una gran sección del grafo está muy poco conectada entre sí y al resto de los nodos, a pesar de captar las relaciones de retweet.

Posibles consideraciones al momento de analizar datos de Twitter

Como se puede adivinar, esta exploración de datos está lejos de proponer conclusiones. Pero sí algunas consideraciones al momento de analizar datos extraídos de Twitter.

La primera es que los datos con que trabajamos, como con cualquier otra estrategia de investigación, están lejos de ser precisos. Aunque usamos operadores para geolocalizar mensajes de Twitter esperando obtener solo publicaciones de México, estuvimos lejos de lograr el objetivo. Algunas publicaciones de usuarios fuera del país cayeron en la muestra.

Otra observación es que, al descartar un tipo de las relaciones posibles entre usuarios (en la primera muestra, el retweet) los patrones que se nos presentan son muy distintos a cuando sí la tomamos en cuenta. (Sin contar el sesgo temporal que se nos podría presentar: en la primera muestra, captamos más días que en la segunda) Esto implica que podemos cambiar las preguntas que hacemos a los datos a partir de cómo integramos o dejamos de lado ciertos tipos de relaciones susceptibles de observarse.

Finalmente, que dando estas pequeñas vueltas de tuerca, podemos pasar de un problema a otro muy distinto. Aquí apenas quisimos sugerir hacia dónde y quién se está dirigiendo la conversación digital en el tema del coronavirus y cómo cambia la perspectiva si se integra o descarta un tipo de relación posible. Mientras reflexionamos al respecto, quizá se nos ocurran nuevas preguntas qué formular a los datos.

[Reseña] Hipermétodos: repertorios de la investigación social en entornos digitales

[Reseña] Hipermétodos: repertorios de la investigación social en entornos digitales

[El siguiente texto formó parte de la presentación del texto referido durante la Feria Internacional del Libro del Palacio de Minería (FIL-Minería) el 28 de febrero de 2023)

¿Qué se supone que hacemos cuando decimos que hacemos investigación en espacios sociodigitales? Esta pregunta, que debería responderse de manera más o menos explícita cuando se reportan resultados de investigación después de haber descargado datos de redes sociales, acompañado a usuarios de tecnologías digitales o usado plataformas de mediación digital para observar procesos de distinto tipo, parece tener múltiples respuestas de acuerdo a lo que César nos acercó en estos Hipermétodos. Pero todas esas respuestas son tentativas o, como el propio César lo dice en un momento muy temprano de su texto, transitorias.

Me parece que esta palabra, lo transitorio, es muy acertada para discutir los hipermétodos en al menos dos sentidos; el primero es que las definiciones y aproximaciones metodológicas que el texto nos presenta reportan un tránsito que aborda por lo menos las dos últimas décadas de experimentación, indagación, provocación teórico-metodológica en el paisaje de lo sociodigital. El segundo es que estas discusiones nos permiten una transición para que las distintas rutas y estrategias de indagación encuentren un diálogo necesario que les permita avanzar en la constitución de su propio campo.

Estos Hipermétodos me parecen un valioso punto de partida para discutir, comparar, contrastar y construir nuevas rutas de interrogación de lo social con atención a lo tecnodigitalmente mediado. En este sentido, su carácter transitorio nos permite recordar que no hay respuestas definitivas sino nuevas oportunidades para seguir construyendo preguntas.

En tanto que guía de lectura, estos Hipermétodos son una revisión puntual de textos fundamentales en muchos sentidos, por lo que para quien esté interesado en estrategias de extracción y minería de datos o en las consideraciones de las rutas etnográficas en un contexto de digitalidad social, el documento ofrece punteos valiosos para arrancar una trayectoria propia en cualquiera de esos sentidos. No solo eso, sino que la diversidad de trabajos reseñados permiten adquirir una vista panorámica de los hábitats descritos por César.

De hecho, el texto con la estrategia sinóptica elegida por César, esboza las diversas rutas –las distintas perspectivas sobre los datos, la visualidad, le etnografía o la acción colectiva, los hábitats pues– en las que estos distintos hipermétodos pueden empezar a conectarse. Por ello, este documento me parece necesario en el contexto actual en el que desde muy distintos frentes y posiciones disciplinares lo sociodigital se aborda ya sea como objeto de estudio o como herramienta de investigación.

Con respecto a dos de los hábitats abordados en Hipermétodos quisiera hacer un par de comentarios adicionales. En lo que respecta al dataísmo, resulta vital exponer las perspectivas que abordan críticamente el trabajo con datos en al menos dos sentidos: por un lado, como instrumento pertinente para la investigación reflexionando/indagando sobre sus sesgos, es decir, abordándolos de forma crítica sin dar por sentada la objetividad del dato (siempre producido, siempre situado, siempre contingente); y por otro, la ruta de la producción crítica de datos por parte de los actores en el hábitat de la acción, sobre todo desde las formas de acción colectiva de los distintos feminismos en los que la intervención de los discursos datificados/datificantes se da mediante la de/re-construcción de datos que buscan cuestionar y subvertir relaciones de poder muchas veces oscurecidas/ocultadas por los datos.

Estas dos aproximaciones que están presentes en la revisión que realiza César en el documento, permiten combatir los discursos que sugieren que el “trabajo con datos” en la investigación social es bueno por sí mismo, porque el dato es objetivo, inapelable, autoexplicativo. Algunos adscribimos a la idea de que el trabajo con big data, si bien necesario en contextos de plataformización y datificación como los actuales, no es la única ruta y siempre debe ponerse en cuestión. Y también que, en los distintos hipermétodos y el trabajo con datos no debería ser la excepción, la orientación teórica no debería ser pasada por alto por el simple hecho de contar con cantidades ingentes de información. César expone y ayuda a tomar en cuenta estas cauciones y con ello, ofrece un valioso punto de partida para las y los investigadores que busquen adentrarse en este territorio pero también una zona de necesaria discusión para quienes ya han abierto camino por este campo.

Lo que estos hipermétodos exponen es que en los trabajos más destacables reseñados por César, más que exclusiva innovación metodológica, lo que hay implicado es una profunda reflexión teórica llevada de la mano de la experimentación e imaginación al momento de elaborar preguntas y rutas de observación. Y esto, para cerrar mi reflexión, creo que es algo que hay que comunicar adecuadamente en espacios de formación en técnicas y métodos de investigación: que para responder a la pregunta que interroga por lo que hacemos cuando hacemos investigación en, desde y para espacios sociodigitales, es no solo apropiar las herramientas técnicas del momento para la indagación sino también orientar teóricamente nuestras preguntas para empujar un poco más allá la frontera del conocimiento de lo social.

Muchas gracias César por la invitación a hablar sobre estos Hipermétodos, por la oportunidad de intercambiar y aprender, y gracias a quienes nos acompañan en esta sesión. Resulta emocionante que en un espacio como la FIL Minería tengamos oportunidad de abordar estas discusiones, compartirlas y con suerte y la ayuda de quienes nos acompañan, avanzarlas. Muchas gracias, buenas tardes.