Tesista: Bruno Russo
Directora: Inés Caridi
Codirector: Pablo Balenzuela
Resumen.
La consolidación de las redes sociales como plataformas primarias para el consumo de información ha transformado radicalmente el ecosistema mediático. Plataformas como Twitter (actual X ), Facebook e Instagram permiten una diseminación de contenidos a una velocidad y escala sin precedentes, democratizando la creación y distribución de noticias. Sin embargo, esta misma virtud, caracterizada por bajas barreras de entrada y algoritmos que favorecen a la viralización de contenido, ha creado un terreno fértil para la propagación de desinformación. Este fenómeno, definido como la difusión de información
falsa o engañosa, representa uno de los desafı́os más complejos de la era digital, ya que tiene la capacidad de erosionar la confianza pública, polarizar el debate social e impactar significativamente en procesos polı́ticos, económicos y sociales. La crisis sanitaria global provocada por la pandemia de COVID-19 sirvió como un catalizador para una infodemia a escala mundial. En este contexto, la desinformación sobre el origen del virus, los tratamientos y, de manera crucial, la seguridad y eficacia de las vacunas, se propagó masivamente, amenazando los esfuerzos de salud pública y generando focos de escepticismo y rechazo a la vacunación. Si bien la mitigación de noticias falsas es la motivación última, este trabajo de tesis se enfoca en un estudio fundamental sobre la dinámica de propagación de tendencias en redes sociales. Se parte de la premisa de que los mecanismos de viralización de un rumor, una noticia falsa o incluso un evento verı́dico de alto impacto comparten caracterı́sticas de propagación comunes que pueden ser estudiadas y modeladas. Si bien en los datos trabajados no encontramos noticias falsas que hayamos podido constatar que efectivamente lo eran, nos limitamos a estudiar tendencias ya que, las noticias falsas, podrı́an pensarse como un subconjunto dentro de las tendencias. Este trabajo de tesis aborda el problema de la propagación de tendencias en redes sociales desde una perspectiva cuantitativa, aplicando un marco conceptual tomado de la epidemiologı́a. La premisa fundamental es que la difusión de una idea, rumor o noticia falsa en una red social puede ser modelada como un proceso de contagio, análogo a la propagación de una enfermedad infecciosa en una población. Los usuarios de la red pueden ser clasificados en distintos estados (por ejemplo, susceptibles de creer la desinformación, infectados que la propagan activamente, o escépticos que la rechazan), y la transición entre estos estados puede ser descrita mediante sistemas de ecuaciones diferenciales. El objetivo principal de esta investigación fue analizar la dinámica de propagación de información y tendencias relacionada con las vacunas contra el COVID-19 en Twitter, utilizando un conjunto de datos recolectados entre el 29 de diciembre de 2020 y mediados de abril de 2021 asociados a la vacunación y a vacunas contra el COVID-19. Se exploraron 3y compararon varios modelos epidemiológicos —desde el simple modelo SI (suceptible-infectado) hasta el más complejo SEIZ (Susceptible-Expuesto-Infectado-Escéptico)- para determinar cuál de ellos se ajustó mejor a los patrones empı́ricos observados. A través del ajuste de estos modelos a los datos reales, se buscó estimar parámetros clave que gobiernan la dinámica de difusión, como la tasa de contagio o la tasa de escepticismo.
Buenos Aires, 2025
Descargar PDF
Mitigación y propagación de noticias falsas en redes sociales