Desinformación y vacunas en redes Comportamiento de los bulos en Twitter
Introducción: La desinformación antivacunas tiene un gran peligro por sus efectos tangibles en la sociedad. Existen investigaciones relevantes sobre tipologías de bulos, discursos negacionistas en redes o la popularidad de las vacunas, pero este estudio aporta una visión complementaria y pionera sob...
| Autores: | , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2023 |
| País: | España |
| Institución: | Universidad Católica San Antonio de Murcia (UCAM) |
| Repositorio: | RIUCAM. Repositorio Institucional de la Universidad Católica San Antonio de Murcia |
| OAI Identifier: | oai:repositorio.ucam.edu:10952/5462 |
| Acceso en línea: | http://hdl.handle.net/10952/5462 https://doi.org/10.4185/RLCS-2022-1820 |
| Access Level: | acceso abierto |
| Palabra clave: | Twitter Desinformación Bulos Vacunas Salud Inteligencia Artificial |
| Sumario: | Introducción: La desinformación antivacunas tiene un gran peligro por sus efectos tangibles en la sociedad. Existen investigaciones relevantes sobre tipologías de bulos, discursos negacionistas en redes o la popularidad de las vacunas, pero este estudio aporta una visión complementaria y pionera sobre el discurso antivacunas de COVID-19 en Twitter, centrada en el comportamiento de sus propagadores. Metodología: Dada una muestra inicial de un centenar de bulos (de diciembre de 2020 a septiembre de 2021) para la descarga de 200.246 tuits, se han filtrado mediante un algoritmo para la inferencia del lenguaje natural (NLI) alrededor de 36.000 tuits (N=36.292) que apoyan o desmienten la desinformación para analizar a sus difusores a través de sus métricas en la plataforma. Resultados: En números relativos, los resultados muestran, entre otros, más bulos con contenido original (no retuits) entre las cuentas con más seguidores y aquellas verificadas; más irrupción de desinformación frente a su objeción por cuentas creadas de 2013 a 2020, y la asociación del reconocimiento (mayor presencia en listas o muchos más seguidores que seguidos) a la preferencia por negar información falsa en lugar de aprobarla. Discusión: El artículo muestra cómo la tipología de las cuentas es un factor predictivo del comportamiento de usuarios que expanden desinformación. Conclusiones: Se revelan patrones similares de comportamiento del discurso antivacunas según indicadores de las cuentas de Twitter. El tamaño de la muestra y las técnicas empleadas dan una base sólida para otros estudios comparativos en desinformación sobre salud y en otros fenómenos en redes sociales. |
|---|