La delgada línea entre el activismo y el spam en Twitter

Como investigadora me preocupa el ruido que produce la presencia del activismo en Twitter. Cuando se miden reacciones ante eventos sociales es muy difícil averiguar cuánta  participación es espontánea y cuánta es inducida por la  inundación de mensajes por los activistas. En la pasada convocatoria del 31 de enero realizada por Podemos bajo el nombre de marcha por el cambio se alcanzaron unas cifras muy elevadas de participación ( 371.400 tweets de 111.172 usuarios diferentes).  Entre los datos curiosos  encontré que @isaranjuez fue la persona más activa y que había tuiteado más de mil veces ese día.  Publiqué esta información en Twitter y @_smartin rápidamente hizo las cuentas de los tweets por minuto.

@congosto 0.7 tweets por minuto. 1.1 si contamos 8 horas de sueño. ¿Cual será la cuenta (no automática) más activa? @isaranjuez @YORYO25MD Este tweet — Santiago Martín (@_stmartin) February 1, 2015

Este tweet despertó mi curiosidad y me propuse analizar en detalle la participación de @isaranjuez en el #31E . Para ello analicé sus tweets  del 30 de enero al 1 de febrero para ver su comportamiento antes, durante y después del evento. Me interesaba conocer qué tipos de tweets publicaba, con que candencia y cual fue su impacto en RTs y menciones.  
Se clasificaron sus tweets en tres grupos: RTs (RT @xxxx: blablabla..), citas  (.@xxxx: «blablabla…») y  tweets propios (blalalalala). El mayor porcentaje correspondió a los RTs (entre el 47% y el 57% según el día), seguido de los mensajes propios (entre el 30% y el 38%) y en tercer lugar las citas (entre el 10% y el 22%). La gran mayoría de sus mensajes se publicaron desde  TweetCaster for Android, es decir desde una tableta o un móvil. Esta app tiene la facilidad de planificar tweets para que se publiquen a una hora dada. Creo que este recurso lo usó con frecuencia  porque se detectaron ráfagas de entre 5 y 10 tweets propios por minuto muy difíciles de escribir en tiempo real.  En la siguiente gráfica interactiva se muestra tanto la distribución de los tipos de tweets por día como  la frecuencia de publicación por minuto. Se observa una sesión de mañana y otra de tarde con pequeñas pausas entremedio. El día 31 las pausas fueron menores.

Se midió el impacto de los tweets de @isaranjuez, es decir la proporción entre sus tweets y el número de RTs de sus mensajes y las menciones realizadas a su usuario ( (RTs + menciones)/ tweets ). Posiblemente los RTs realizados por ella también indujeron a otros usuarios a hacer RT, pero esta información no es accesible con el API de Twitter y por tanto no se pudo medir. Como se puede ver en la siguiente gráfica interactiva sus tweets tuvieron un gran impacto, sobre todo el día 31 de enero, donde por cada tweet suyo se generaron 13 tweets de media de otros usuarios. 

La participación de @isaranjuez es impresionante por su productividad pero me pregunto si no estará rozando los límites del spam. Sus 1.815 tweets en tres días han inducido a la publicación otros 8.248 por otros usuarios. Toda esta información es muy machacona y no representa opiniones  espontáneas sino la repetición de lemas y consignas. Creo que genera mucho ruido y que oculta la verdadera conversación de Twitter.  

Pero el hiperactividad en Twitter de los activistas no es el único problema. Cuando un partido no tiene activistas se recurre directamente al spam político. Últimamente se habla mucho del uso de bots por algunos partidos políticos. Carlos Guadián comentó este problema en sesiondecontrol.com: El nuevo descrédito político: las redes de bots. Ayer el diario.es publicó «Así se montan las redes de ‘bots’ que avergüenzan a los políticos en Twitter (cuando les pillan)«. Me gustaría aclarar que en ambos casos se habla erróneamente de bots.  No son bots, son perfiles ficticios. Un bot es un programa que publica tweets automatizados mediante una algoritmo que simula ser una persona. Los perfiles ficticios son usuarios creados para un fin y gestionados por personas mediante alguna herramienta. La diferencia es la cantidad de spam que se puede generar y la forma de detectarlos. Los bots se ajustan a patrones de publicación y tienen una mayor capacidad de spam. Los perfiles ficticios son más difíciles de detectar pues tras de ellos hay personas y su capacidad de spam está más limitada ya que tienen que editar los tweets y planificar su publicación manualmente.

Cada vez es más complicado medir con exactitud la reacciones de la ciudadanía en los eventos sociales. Queda un largo camino por recorrer, por un lado ¿dónde establecer la línea entre activismo y spam? y por otro  ¿cómo detectar el spam realizado manualmente por personas? Habrá que resolver estos problemas si queremos usar Twitter como un medio de análisis social.