Uno de los objetivos más buscados en las redes sociales, es poder influir y manipular la opinión pública (Aral, 2020) , dicha meta se ha convertido en una carrera por el control de alguna narrativa que beneficie o dañe a algún objetivo en particular. Esta tentación por conquistar el pensamiento generalizado ha contribuido a la aparición de prácticas desleales y poco éticas en las redes sociales.
La red social Twitter, sufre de diversos métodos que promueven el abuso de su plataforma. Algunos ejemplos de la problemática que podemos encontrarnos son los siguientes: propagación de noticias falsas, discursos de odio y campañas artificialmente coordinadas (Grinberg, et.al., 2019). En este sentido, es pertinente decir que la moderación del contenido en esta red social se ha visto seriamente cuestionada puesto que pone sobre la mesa aspectos de censura y libertad de expresión.
Cuando hablamos de las diversas formas de manipulación que existen dentro de dicha plataforma, no podemos dejar de mencionar el uso de automatismos o cuentas manipuladas (Dickerson, et.al., 2014). Esta práctica recurrente se ha convertido en la dinámica mayormente utilizada para inducir ideas o propaganda de forma sistemática. Actualmente, esta técnica que comúnmente se le confunde con el uso indiscriminado de “bots”, es más bien llevada a cabo por personas que utilizan sistemas multi-cuenta y que se encargan de amplificar tendencias con retuits masivos, con el fin de propagar teorías o agitar la discusión en la red (Woolley & Howard, 2018).
Es posible identificar algunos rasgos fundamentales en la manipulación de tendencias, por ejemplo: la frecuencia de retuits es una medida establecida de amplificación. Retuitear repetidamente las mismas cuentas, en un periodo corto, muestra un patrón inusual que nos indica un posible abuso de la plataforma y un rasgo inequívoco de “astroturfing” (Keller, et.al., 2020).
La manipulación a través del proceso de amplificación artificial presenta algunos patrones sospechosos de comportamiento en Twitter, por ejemplo: si todos los participantes reaccionan a las instrucciones retuiteando exactamente el mismo tuit al mismo tiempo, podríamos estar hablando de una campaña coordinada. Este tipo de métodos muchas veces resultan poco o nada sutiles en su implementación. Por lo tanto, tienen una probabilidad muy alta de ser descubiertos o identificados fácilmente.
Por definición, los orquestadores de una campaña coordinada desean que su campaña permanezca oculta, por lo que su mejor opción es disfrazarla como si este fuera un verdadero movimiento base (orgánico). Es importante mencionar que una campaña coordinada intenta aparecer como una expresión tan orgánica de la opinión pública, pero en realidad está coordinada y organizada de forma centralizada.
Uno de los primeros pasos para la detección de este tipo de campañas, es el análisis de posicionamiento en la lista de tendencias de Twitter. En la Fig.1 podemos observar dos tendencias representadas en una serie de tiempo, donde se muestra en el eje de las X la hora o tiempo local de la CDMX, y en el eje de las Y la posición en la lista de tendencias de Twitter. Es posible observar como las dos tendencias muestran una transición de fase en diferentes momentos, es decir, existe un cambio significativo detonado por la acumulación de tuits en la tendencia (#). Para el caso de #EsUnHonorEstarConObrador pasó de la posición 44 al número 5 y para el caso de #VictoriaDelPueblo pasó de la posición 28 al número 5.
Figura 1. Ranking de posicionamiento de tendencias en Twitter.
Otro punto por destacar en las características de una campaña coordinada es el sesgo en la distribución de los datos; esta característica puede ser analizada a través de un histograma donde es posible observar la frecuencia en los tuits. Cuando hablamos de una distribución sesgada nos estamos refiriendo a la existencia o aparición de una tendencia; en este caso, es aplicada a una campaña coordinada. En la Fig. 2, podemos observar un histograma asimétrico a la derecha, el cual nos muestra un sesgo en la distribución de los tuits.
Figura 2. Histograma asimétrico en la distribución de frecuencias de tuits.
El análisis de comportamiento digital nos arroja una cantidad de registros que los coordinadores no desean que sean descubiertos. No obstante, el uso de computadoras en cualquier actividad diaria siempre deja evidencia que puede ser detectada a través de los metadatos. Lo anterior permite identificar aquellos patrones usados para crear una señal más fuerte dentro de la plataforma Twitter (Elmas, et.al., 2019). Al final esta señal solamente está compuesta por redes de coordinación las cuales afectan la actividad del resto de la comunidad. Es importante señalar que las campañas artificiales son esfuerzos coordinados que involucran a diversas cuentas que posiblemente dejan rastros y que se pueden detectar con técnicas de análisis de red. Similarmente, en este tipo de campañas, es posible observar el crecimiento acumulado en términos de tuits; este comportamiento puede indicarnos la tasa de crecimiento dentro de una campaña artificialmente amplificada. En la Fig. 3 se muestra el crecimiento acumulado de tuits sobre el tiempo.
Figura 3. Gráfica de crecimiento acumulado por cantidad de tuits emitidos sobre el tiempo.
Es pertinente destacar que las cuentas controladas que forman parte de la campaña de desinformación pueden necesitar coordinarse entre ellas para difundir el mensaje que desean manipular; esta coordinación es completamente detectable a través de su registro de tuits y la frecuencia en su actividad diaria. Así, la presencia mayoritaria de retuits sobre likes es una métrica sólida de astroturfing. Consecuentemente, identificar la presencia de retuits coordinados es una manera de detectar los tiempos específicos de la coordinación.
La Fig. 4 presenta una serie de tiempo donde se ubica la ventana más alta de niveles de frecuencia de tuits por minuto. En esta gráfica podemos observar que a partir de las 10:55am se comenzaron a publicar más de 200 tuits por minuto, hasta alcanzar su máximo a las 11:55am con más de 300 tuits por minuto. Esa ráfaga de tuits en un corto tiempo genera uno de los principales patrones atípicos en el comportamiento de tendencias.
Figura 4. Serie de tiempo donde se ubica la ventana más alta de niveles de frecuencia de tuits por minuto.
Con el objeto de comparar los tuits que se están utilizando en la campaña coordinada, es necesario llevar a cabo una clasificación por tipo: tuit original o retuit; esta clasificación nos permitirá saber la proporción de tuits para una conversación orgánica. El método consiste en diferenciar el tipo de tuit por tendencia y mostrar en una serie de tiempo la proporción por área de la campaña coordinada.
En la Fig. 5 se muestra la proporción por tipo de tuits utilizados en una campaña artificialmente amplificada. En la gráfica es posible observar el área con mayor frecuencia que corresponde a los retuits, y el área interna con menor frecuencia corresponde a los tuits originales, aquellos que generan conversación. Esta observación podría tener una interpretación de un comportamiento normal en Twitter, es decir, es lógico que haya tuits orgánicos y que estos se hagan virales en alguna conversación. Sin embargo, la tasa de retuits en el corto tiempo refleja una amplificación basada mayoritariamente en retuits, lo cual robustece la hipótesis de la existencia de una campaña coordinada.
Figura 5. Serie de tiempo mostrando la proporción por tipo de tuits utilizados en una campaña coordinada.
Adicionalmente, podemos reforzar la gráfica anterior con el análisis cuantitativo de cada uno de los tipos de tuits utilizados, esto se lleva a cabo con un simple conteo de tuits para dimensionar la proporción en el uso de retuits.
En la Fig. 6 se analiza el contraste en el número de retuits contra el número de tuits de una campaña coordinada, podemos observar la diferencia en la frecuencia entre cada uno de los tipos. Esta diferencia demuestra que la tendencia no está siendo posicionada por alguna conversación orgánica en la plataforma, al contrario, la tendencia está siendo amplificada por la cantidad de retuits y no por alguna conversación alrededor de la tendencia.
Figura 6. Gráfica de barras donde se muestra la frecuencia por tipo: retuit y tuits.
De todo lo anterior podemos resumir que los diversos patrones conductuales en la plataforma digital pueden ser recolectados y analizados con el fin de descubrir algún tipo de manipulación de la plataforma (Keller, et.al., 2017). Además, aparte del análisis estadístico anterior, también es necesario mencionar la importancia de la teoría de grafos como un método para descubrir redes y comunidades dedicadas a este tipo de actividades en Twitter.
Una red social tiene su estructura básica en alguna topología de red (Tangmunarunkit, et.al., 2002), esto nos permite estudiar diversas métricas o comunidades a partir de la construcción de la red, donde los nodos son representados por los usuarios y los arcos representan la relación con el fenómeno a estudiar. Puesto que ya hemos mencionado antes que la presencia mayoritaria de rts sobre likes es una métrica sólida de astroturfing, la construcción de una red de retuits se convierte en otro rasgo potencial a estudiar con el objetivo de observar aquellos usuarios que utilizaron indiscriminadamente el retuit como un medio de amplificación artificial.
De igual forma, esta red nos permite observar cómo se acoplan o coordinan los diferentes usuarios dentro de sus comunidades para introducir alguna narrativa. En la siguiente sección, ejemplificaremos la construcción de una red de retuits para su mejor comprensión.