Evolución de las primarias de Barcelona en twitter, aparecen las comunidades trolls

Siguiendo con mi análisis (casi) semanal de cómo va el debate de primarias del PSC de Barcelona vuelvo a dibujar el estado del debate de los últimos 5 días.

Laia la más retuiteada y citada… pero… hay ¡truco!

Laia Bonet aparece como la usuaria que es más citada en la conversación de primarias, y a una distancia considerable el resto de candidatos, muy por detrás Jordi Martí. Luego veremos donde está el “truco”.

Laia tiene un puñado de hiperactivistas (fanboys para los amigos) algunos sistemáticamente la citan más de 10 veces al día, como PatrickVedel. Tener fanboys es bueno, pero termina hinchando las cifras de forma artificiosa (luego veremos que el efecto de los hiperactivistas es menor del que creemos).

Cambian las comunidades… y aparecen los trolls

Algo que no había pasado hasta ahora era que los candidatos sufrieran algún “troll” y alguna comunidad negativa. Algo raro, ya que son candidatos del partido que más collejas está recibiendo de todo el arco parlamentario (no entro si merecidas o no) y algunos de ellos tienen propensión a meterse en “flames”.

Entre las comunidades de candidatos vemos que la comunidad de Laia es la más grande y junto con la de Rocío parece la más central. Pero esa centralidad se produce porqué aparecen las comunidades troll, en especial la de “Cataloniaman” y “JuanArza” que atizan a los candidatos (curiosamente por motivos totalmente opuestos), también centran en el debate otras comunidades nada positivas para los candidatos (como la del periodista Xavier Rius, conocido por supuesto por su filia hacia la gente del PSC).

La comunidad alrededor de la entrevista a Laia en RamblaBTV o la de Rocío ha conseguido un efecto muy positivo hacia Laia y hacia Rocío, lo cuál les ha dado el punch definitivo para que la comunidad central esta semana fueran las suyas.

La comunidad de Jordi Martí está prácticamente desaparecida (zona verde oscuro y blanca a su lado con su perfil coorporativo), mientras que la de Carmen Andrés sigue siendo una comunidad pequeñita pero ya comienza a adquirir carácter. Jaume Collboni sigue estable, el hecho de que Rocío y Laia por motivos positivos (RamblaBTV) y negativos (ataque trolls) hayan tenido más conversación a su alrededor hace que haya perdido la zona central que disfrutaba hasta ahora. Las comunidades de Carme y Jaume generan algunas microcomunidades que recomiendo mirar con detenimiento ya que representan microconversaciones interesantes y se pueden identificar visitas concretas para pedir avales.

Criterios de centralidad y enlace de comunidades

Introduzco unos parámetros más técnicos para valorar que perfiles en el debate de primarias están teniendo más relevancia cada semana. El primero es el de “betweenness” o “intermediación”, que mide el número de conversaciones que potencialmente pueden pasar por un nodo de la red. Indica en cierta manera si ese nodo es un punto de distribución entre comunidades.

Laia tiene el perfil con más intermediación, seguida de cerca por Jaume Collboni, pero curiosamente los siguientes perfiles son un activista del equipo de Jaume, el perfil coorporativo de Rocío (nos aparece por primera vez en el análisis), el de RamblaBTV, el de otro activista pro Collboni y el de Rocío. La “teoría del enjambre” dice que hay activistas que pueden colocar mejor los contenidos que la propia marca. En el caso de Jaume casi es así. Vemos al analizar la intermediación que la red que genera Laia le otorga mucha fuerza a ella, pero no tanto a su equipo, mientras que la de Jaume y en menor medida la de Rocío genera más intermediación a su equipo.

La centralidad del vector propio o eigenvector mide la influencia “bruta” de un nodo en una red. Indica si un nodo está bien conectado a otros nodos que a su vez están bien conectados. Vemos que RamblaBTV es el nodo más influyente en la red formada por las conversaciones de esta semana, seguida de Laia Bonet cuyo perfil individual es el que más destaca de todos los candidatos, y luego curiosamente por el perfil coorporativo y el personal de Rocío Martínez, seguido a su vez por el perfil coorporativo y personal de Jaume Collboni.

A medida que van avanzando las conversaciones se va viendo algunas estrategias. El equipo de Laia en la red potencia sobretodo a la propia Laia, mientras los equipos de Collboni principalmente y en menor medida Rocío, reparten más juego entre los perfiles. Estoy convencido que esto no responde a una estrategia planificada, sino a la idiosincracia de los equipos.

Esto se puede ver en otra forma de visualizar el mismo grafo elaborada con Gephi, donde podemos ver el grosor de las aristas que representan el volumen de citas y RT. Se puede que los nodos “amarillos” generan unas aristas muy gruesas. Un “extra point” en esta representación si se clica y se amplía es que se puede ver que comunidades son las que tienen más nodos… un dato que algunos seguro que quieren ver, para ver “quien tiene más activistas”.

Que Carmen Andrés y su equipo no aparezcan casi en estas estadísticas indica que Carmen ha logrado crear su comunidad de activistas, pero que esta no logra ir, por el momento, más allá de los “insiders”. Seguramente la explicación esté en que se haya puesto en la estrategia de la red más tarde que el resto de candidatos por centrarse en la búsqueda de avales presenciales.

No logro entender demasiado la ausencia de Jordi Martí, y he revisado las búsquedas y datos porqué en un principio pensé que era un error del código o de la API de twitter. Pero cuando reviso con TOPSY vemos que las cifras de actividad alrededor de Jordi bajaron entre el 6 y el 9, no teniendo casi citas o referencias durante 4 de los 5 días analizados. Esperemos que sea fruto de la muestra de los últimos días.

Nota técnica: Veréis que los datos de centralidad de vector no tienen el mismo aspecto. Esto es porqué he tenido que exportar los datos de R a un fichero .graphml para así trabajarlo con Gephi, ya que no logro hacer funcionar el cálculo de eigenvector para un grafo dirigido. Si algún experto en R y en el paquete igraph puede ayudarme a resolverlo, mejor.

eigen = evcent(rt_graph, directed = T)

Igualmente, Gephi trabaja con el mismo grafo que R y los datos de eigenvector son concordantes con el resto del análisis (los datos de betweenness son exáctamente los mismos e identifica las mismas comunidades).