Este tema que, históricamente, recobra interés cada vez que hubo un salto tecnológico en la manera de difundir noticias, de nuevo sale a la luz con el uso ubicuo de plataformas on-line de redes sociales, al punto que hoy en día cabe reformular la cuestión como “¿quién influencia à quién?”

Sin embargo, detectar causalidad es un problema difícil y existen ejemplos históricos que muestran que la opinión publica a veces se alinea a favor y otras en contra de los supuestos líderes de opinión. Más aun, actualmente se entiende que, si hubiera alguna influencia de los medios en la opinión pública, esta no consistiría tanto en indicar qué opinión hay que tener un sobre dado tema, sino más bien, en determinar los temas en los que el debate público debe concentrarse. Esto se conoce como “fijar la agenda pública”.

En esta línea, el trabajo que discutiremos se focaliza en la dinámica de las interacciones entre un medio tradicional, el diario The New York Times (NYT), y la opinión expresada por sus seguidores en Twitter.

Una originalidad de este trabajo es que, en lugar de focalizarnos en un tema particular siguiendo la evolución de un grupo pre-elegido de palabras claves, aquí consideramos todos los tópicos de discusión tratados por el diario junto con los mensajes publicados en Twitter por sus seguidores durante el primer año de la pandemia de Covid-19. Con esta importante base de datos, construimos una red semántica de coocurrencia de hashtags y determinamos automáticamente los tópicos de discusión en Twitter, vía la detección de comunidades en esa red.

Una vez detectados los tópicos, podemos caracterizar a los usuarios en función de la atención que le prestan a cada uno de ellos. De esta manera, podemos observar la dinámica de sincronización de intereses de distintos grupos de usuarios, entre los que están los seguidores del NYT y para comparar, los seguidores de varios otros medios de diferente clase (otros periódicos, TV, agencias de prensa).

Entre los resultados que discutiremos se destaca por ejemplo, el hecho que el método permite detectar que el tópico relacionado con el movimiento “Black Lives Matter” se inició en Twitter y fue tratado por el NYT poco tiempo después, o que el tópico sobre el Covid-19 que, sin sorpresa, domina la discusión en el periodo estudiado, discrimina entre distintos grupos de usuarios: la mayoría de seguidores de los medios estudiados sincronizan su interés en él, mientras que, por ejemplo, los seguidores de FoxNews, no.

Finalmente, veremos las perspectivas del método utilizado en este trabajo que, debido a su generalidad y su carácter automático, resulta eficiente para abordar el estudio general de la dinámica de opinión basada en datos masivos porque permite detectar patterns a gran escala antes de abordar estudios más especializados en algún tópico particular.Aula