131 / 210
CIENCIA
POLICIAL
130
en Twitter, subiendo este porcentaje al 89 % cuando se trata de pági-
nas de noticias (Wojcik
et al.,
2018), lo que indica una manipulación
por agentes externos a la red social del contenido al que son dirigidos
los usuarios. De hecho, se ha comprobado que más de setenta países
han sido objeto de campañas de manipulación en las redes sociales
desde 2019 (Bradshaw y Howard, 2019).
Ejemplo de esto son las elecciones de Estados Unidos en 2016, donde
se detectó, a posteriori, la interferencia en la misma de bots rusos ges-
tionados por la IRA (Internet Research Agency), una agencia con vínculos
con el Kremlin, la cual propagó noticias falsas acerca del partido demó-
crata con la intención de desacreditarlo, el cual, por otra parte, acabó
perdiendo dichas elecciones. Se estima que el 19 % de los tuits relaciona-
dos con esta temática fue generado por estos bots (Bessi y Ferrara, 2016).
Otro ejemplo se encuentra en el referéndum del Brexit, previamen-
te al cual se detectó actividad de
bots
. Se analizaron 1,5 millones de
tweets
relacionados con el Brexit y se descubrió que un tercio de los
mismos, aproximadamente 500.000, fueron publicados por el 1 % de
las 300.000 cuentas analizadas. Asímismo, se comprobó que, durante
este periodo, los bots que apoyaban la salida de la Unión Europea (UE)
estuvieron mucho más activos que los del bando contrario, siendo su
actividad tres veces mayor (Baraniuk, 2016).
3.2.2
Polarización
La polarización, en lo que respecta a ideología, puede definir-
se como «la divergencia de opiniones, creencias, actitudes políticas y
de posiciones de adversarios políticos» (Dalton, 1987), siendo esta en
parte provocada por la desinformación. Tanto los bots como el propio
funcionamiento de las redes sociales, mediante el
microtargeting
y las
recomendaciones, tienden hacia la polarización de la sociedad.
Es de especial relevancia, en este sentido, el cambio realizado por
Facebook en 2017 en su algoritmo con el objetivo de priorizar lo que
denominó MSI (
Meaningful Social Interactions
o Interacciones Sociales
Significativas) y promover así un uso más activo de los usuarios al inte-
raccionar entre ellos en vez de que únicamente vieran publicaciones. El
problema vino con lo que el algoritmo interpretó como MSI, que fue lo
que más hacía interaccionar a los usuarios, es decir, la emocionalidad
negativa, comenzando, por tanto, el sistema a promocionar contenido