Calvo TuiteandoNisman CapitalIntelectual 2015

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/335016146
ANATOMÍA POLÍTICA DE TWITTER EN ARGENTINA: Tuiteando #Nisman
Book · September 2015
CITATIONS READS
30 1,211
1 author:
Ernesto Calvo
University of Maryland, College Park
127 PUBLICATIONS 2,326 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Law Enforcement & Technology View project
Framing y social media View project
All content following this page was uploaded by Ernesto Calvo on 07 August 2019.
The user has requested enhancement of the downloaded file.

ANATOMÍA POLÍTICA DE
TWITTER EN ARGENTINA
ERNESTO CALVO
ANATOMÍA POLÍTICA DE
TWITTER EN ARGENTINA
TUITEANDO #NISMAN
Calvo, Ernesto
Anatomía política de Twitter en Argentina. - 1a ed. - Ciudad Autónoma
de Buenos Aires : Capital Intelectual, 2015.
/// p.; 14x20 cm. (///////////////)
ISBN 978-987-////
1. ///
/////
Fecha de catalogación: /////2015
Diseño de tapa: Ariana Jenik

Diagramación: Daniela Coduto
Corrección: Brenda G, Decurnex
Coordinación: Inés Barba
Producción: Norberto Natale
© Ernesto Calvo, 2015

© Capital Intelectual, 2015
1ª edición • Impreso en Argentina
Capital Intelectual S.A.

Paraguay 1535 (1061) • Buenos Aires, Argentina
Teléfono: (+54 11) 4872-1300 • Telefax: (+54 11) 4872-1329
www.editorialcapin.com.ar • info@capin.com.ar
Pedidos en Argentina: pedidos@capin.com.ar

Pedidos desde el exterior: exterior@capin.com.ar
Queda hecho el depósito que prevé la Ley 11723. Impreso en Argentina.

Todos los derechos reservados. Ninguna parte de esta publicación
puede ser reproducida sin permiso escrito del editor.
Índice
Prefacio. Twitter, política y la cámara de eco 11
I. Tuiteando #Nisman: el primer tuit 19
II. Diablos vs. Demonios 45
III. ¡Diálogos tuiteros! 69
IV. Trolls, fakes y la guerra de trincheras

de las redes sociales 87
V. Gobierno Android, oposición iPhone 107
VI. A modo de conclusión: tuiteando

#EleccionesArgentina 119
Apéndice metodológico. Guía práctica para

el análisis político en Twitter 123
Notas 139
Bibliografía 141
Para mi madre, Silvia Bleichmar
De ella heredé el placer de criar hijos y publicar libros.

De plantar árboles, nada.
Prefacio
Twitter, política y la cámara de eco
“Uno nunca debe dejar que una crisis seria

se desperdicie. Lo que quiero decir es que las
crisis son una oportunidad para hacer cosas
que uno pensaba que antes no eran posibles.”
Rahm Emanuel, ex jefe de gabinete de Barack Obama
Primero fue la Primavera Árabe, en diciembre del 2010. Le

siguieron #occupywallstreet y #BlackLivesMatter en Estados
Unidos, #Ayotzinapa en México, #YoSoyNisman y #NiUnaMe-
nos en Argentina. Podríamos nombrar cientos de campañas
similares en cada uno de los países del mundo. Campañas ma-
sivas o para un público boutique, algunas de ellas memorables y
otras que nunca ganaron suficientes adeptos. En tan sólo unos
años, las redes sociales se han transformado en la herramienta
privilegiada para promocionar nuevas agendas políticas, coor-
dinar actos de desobediencia civil, difundir nuevos descubri-
mientos científicos y movilizar la protesta social.
Quizá la política de todos los días sigue siendo la vieja po-
lítica, pero el diálogo político ha mutado de modo irrevocable.
Autoritarismos blandos y duros, democracias competitivas y
no tan competitivas, políticos establecidos y aspirantes al tro-
no, todos ellos han comenzado a aceptar que existe una nueva
esfera pública desde la cual la ciudadanía opina descarnada y
permanentemente. Un foro político, social y cultural que se
11
Ernesto Calvo
mantiene abierto las 24 horas del día, los 365 días del año. Un
foro político irreverente que produce una cantidad de informa-
ción inimaginable hasta hace tan sólo una década.
En los cinco segundos que se tarda en leer este párrafo,
más de 30.000 comentarios serán publicados desde los distin-
tos puntos del globo por usuarios de Twitter. En las próximas
24 horas, más de 500 millones de microblogs de 140 caracteres
serán transmitidos a través de fibras ópticas y satélites que co-
nectan a los 7 continentes. La marea de datos es tan abundante
que con tan sólo mirar los números que suben y bajan nos es
posible distinguir el momento en que comienza el ramadán
en Irán o el entretiempo de una final de la copa del mundo en
Argentina. El contenido es tan diverso que, con un poco de
estadística, podemos vincular a la red social de los hinchas de
San Lorenzo con la red de ejecutivos de Microsoft.
La capacidad para transmitir las preferencias de los usuarios
de redes sociales del mundo, de modo rápido y sin filtro, está
transformando la cultura política de las sociedades contempo-
ráneas. Las redes sociales son hoy integrales al financiamiento
de las campañas políticas, a la coordinación de militantes, a la
movilización de los votantes, a la denuncia política y a la cola-
boración científica. Estas redes se han transformado en la vía
más frecuente para diseminar información sobre la economía,
el arte, la música y la política. Las estadísticas muestran que los
jóvenes de hoy (la generación M) pasan más tiempo en Inter-
net, conectados a las redes sociales, que mirando televisión. En
efecto, la caja inteligente ha reemplazado a la caja boba, la cual
responde a nuestros pedidos y comunica nuestras creencias de
modo ininterrumpido.
A pesar de ser uno de los medios dominantes de transmi-
sión de información de nuestra época, pocos usuarios saben
12
Anatomía política de Twitter en Argentina
cómo funciona el motor que pone en movimiento a las redes

sociales. Menos conocimiento aún hay sobre el modo en que
Twitter, Facebook o Instagram deciden qué publicaciones lle-
gan a nuestro muro, qué eventos están de moda (trending) o el
modo en que distintos algoritmos deciden qué mensajes están
dentro o fuera de nuestro alcance.
El caso #Nisman, analizado en este libro, nos otorga una
ventana privilegiada al uso político de las redes sociales. En los
diálogos tuiteros que se desarrollaron alrededor de la muerte
de Alberto Nisman, podemos ver características generales de
las redes sociales, que también definen a #NiUnaMenos, #Ayo-
tzinapa, #EleccionesArgentina o #VotoElectronico.
Por ello, este libro no describe tan sólo el funcionamiento
de las redes sociales del caso #Nisman sino que, más impor-
tante aún, ejemplifica el modo en que investigadores, políticos,
militantes y ciudadanos, tanto en su vida cotidiana como en
roles culturales, científicos o políticos, pueden tomar ventaja
de la información que nos entregan las redes sociales. En efec-
to, el caso #Nisman es una crisis política de la cual podemos
aprender. Una crisis que puede ser utilizada para decodificar
el funcionamiento de las redes sociales en contextos de crisis
política y conflicto social.
Como dice Rahm Emanuel, nunca hay que dejar que una
crisis seria se desperdicie; esto es cierto en la competencia po-
lítica y también en el trabajo académico. Al describir los me-
canismos que explican la diseminación de información en las
redes sociales, el caso #Nisman nos permite entender la forma
en que políticos y ciudadanos interactúan en las redes sociales.
Finalmente, este libro es también una advertencia para
aquellos lectores que entran al universo de las redes sociales sin
entender sus sesgos y limitaciones. Estos lectores, aun cuando
13
Ernesto Calvo
no lo sepan, están condenados a leerse a ellos mismos, a escu-

char sus propias voces y a atender a las mismas ideas con las
cuales comulgan, una y mil veces. En efecto, las redes sociales
son una cámara de eco, que permanentemente nos devuelve
mensajes que son consistentes con nuestros prejuicios. Esos
mismos prejuicios que informaron nuestros ideales al mo-
mento de registrarnos en las redes sociales. Este libro, a través
del caso #Nisman, explica el origen de estas distorsiones, sus
usos, sus costos. Un modo de entender cómo la información
de cualquier crisis desarrolla rasgos que son similares entre sí
conforme se difunden por las redes sociales.
La cámara de eco
El 9 de agosto del 2014, el adolescente Michael Brown fue

asesinado de seis balazos en #Ferguson, Missouri, lo que dio
inicio a semanas de movilizaciones y popularización del has-
htag #BlackLivesMatter.1 En las siguientes 24 horas aproxi-
madamente diez millones de tuits circularon por las redes
sociales en apoyo a la víctima, Michael Brown, o en defensa
de su victimario, el policía Darren D. Wilson. En efecto, las
revueltas de Ferguson son consideradas en Estados Unidos
como el evento más importante de resistencia contra la vio-
lencia policial en casi 40 años. Estos eventos también descri-
ben la llegada a la madurez de las redes sociales como una
herramienta de organización social, de lucha política y de
investigación académica.
Si el 10 de agosto del 2014 un nuevo usuario de Twitter hu-
biese querido descifrar lo que dijeron las redes sociales sobre el
caso #Ferguson, ¿cómo tendría que proceder? ¿Debería comen-
zar leyendo el primer tuit publicado el 9 de agosto y continuar
14
cronológicamente leyendo los 10 millones de tuits restantes?

Esto sería equivalente a leer siete ediciones completas de la
Enciclopedia Británica pero de mensajes exclusivamente re-
feridos al caso #Ferguson. Esta sería una tarea tediosa y, muy
probablemente, carente de sentido.
Sin embargo, aun cuando se escribieron más de 10 millones
de tuits, cada uno de los usuarios de Twitter tuvo acceso en su
“muro” virtual a una pequeña muestra de publicaciones. Más
importante aún, cada usuario recibió un conjunto distinto de
tuits, los cuales fueron seleccionados por “mayordomos elec-
trónicos” cuyo objetivo fue el asegurar que la navegación en
Twitter fuese lo más placentera posible. Al igual que en el caso
#Nisman, los algoritmos de la compañía procesaron de modo
inmediato miles de millones de piezas de información para
seleccionar aquellos tuits que son más populares, aquellos que
mejor deberían ajustarse a nuestras preferencias y aquellos que
mejor describen nuestras creencias. El modo en que estos tuits
fueron seleccionados da lugar a la “cámara de eco”,2 un espa-
cio virtual donde la información que recibimos es un eco de
nuestros propios prejuicios y de nuestras creencias sobre cómo
funciona el mundo.
Imaginemos que entramos en una habitación y que en las
paredes se proyectan los 10 millones de tuits relativos al caso
#Ferguson, los cuales fueron publicados en las 24 horas que
siguieron a la muerte de Michael Brown. Los 10 millones de
tuits cubrirían la totalidad de las paredes, evitando que pudié-
semos leer cualquier mensaje. Efectivamente, si todas las publi-
caciones fueran puestas a nuestra disposición, sería imposible
usar Twitter, dado que estaríamos permanentemente leyendo
información trivial, publicaciones que no nos interesan, co-
mentarios que no fueron creados “para nosotros”.
15
Ernesto Calvo
Para evitar la proliferación de información trivial en nues-

tros muros, una serie de algoritmos comienza a trabajar filtran-
do información, eliminando mensajes irrelevantes y resaltando
publicaciones de nuestros amigos o publicaciones con muchos
fav, para finalmente poner a nuestra disposición un número
pequeño de tuits. Así funcionan todas las redes sociales. La
única diferencia entre ellas está en el tipo de reglas que son
usadas para separar la paja del trigo.
Aquellos que dijeron Macri, verán a Macri en sus futuros
muros. Aquellos que escribieron Scioli, verán a Scioli multipli-
carse y reproducirse en las redes sociales. Toda la información
de aquellas publicaciones que nos gustan o que reenviamos
sirve a su vez para educar a la cámara de eco, para mostrarle
cuál es el tipo de publicaciones que queremos recibir y, en con-
secuencia, definir el tipo de redes sociales que leeremos hoy y
en un futuro próximo. Por este motivo, las publicaciones a las
cuales accedimos cuando comenzó la campaña #NiUnaMenos
seguramente tienen el mismo origen y comunican mensajes
consistentes con las publicaciones que recibimos respecto del
caso #Nisman. Entender cómo evolucionó la red social del caso
#Nisman, por tanto, es una forma de entender cómo se com-
portan las redes sociales en la Argentina hoy.
#TodasLasRedesSonNisman
Contrariamente a la imagen de una red social en constante

cambio y que varía de acuerdo con el tópico de discusión, la
gran mayoría de las redes son estables y perduran a lo largo del
tiempo. Nuestros amigos en Facebook no cambian cada mes,
como tampoco lo hace el conjunto de individuos a quienes
seguimos en Twitter. Nuestros ideales, gustos y preferencias
16
mutan lentamente, así como lentamente mutan las redes so-

ciales. Cambian las ironías, los comentarios, los contenidos,
pero la estructura permanece, dado que en el fondo #Todas-
LasRedesSonNisman.
Puesto que la información que recibimos refleja nuestro
mundo social y nuestras preferencias previas, los mensajes
publicados en nuestro muro confirman nuestros prejuicios.
Twitter, Facebook e Instagram, así como la gran mayoría de
las redes sociales a las que accedemos, nos permiten vivir en
un mundo en el cual todos somos mayoría.
En las páginas de este libro, los lectores no sólo verán refle-
jada la discusión social que acompañó la muerte del fiscal Al-
berto Nisman sino que también, a su vez, accederán a un mapa
de las redes sociales en la Argentina. Redes que transmiten
información de modo permanente y predecible, y que reflejan
no sólo las peculiaridades de una crisis social sino, más impor-
tante aún, las peculiaridades del mundo de la vida en el cual
estamos insertos cada uno de nosotros. Este libro, por tanto,
explica por qué las redes sociales nos muestran un mundo en
sintonía con nosotros mismos, un mundo en el cual la mayoría
de las voces se parecen a las nuestras.
17
I. Tuiteando #Nisman: el primer tuit
“Me acaban de informar sobre un incidente

en la casa del Fiscal Alberto Nisman”
@damianpachter, 11:35 PM, 18 de enero, 2015.
Primer tuit que reportó la muerte de Alberto Nisman.
El primer tuit fue tan sólo un alerta, una señal de alarma. El pri-
mero de los aproximadamente cuatro millones y medio de tuits
que en los cuarenta días subsiguientes incluirían la palabra
#Nisman. El mensaje, sin duda críptico, sería retuiteado por
511 personas y marcado como favorite (o fav) por otras 465.
Al igual que la opción “me gusta” en Facebook o en Instagram,
el concepto de “favorite” es de difícil interpretación cuando el
evento anunciado es una tragedia.
Cuarenta y tres minutos más tarde llegaría el segundo tuit:
“Encontraron al fiscal Alberto Nisman en el baño de su casa de
Puerto Madero sobre un charco de sangre. No respiraba. Los
médicos están allí” (@damianpachter, 12:08 AM, 19 de enero,
2015). El anuncio de la muerte de Alberto Nisman sería retui-
teado por 1.471 personas y, nuevamente, marcado como fav
por 714. ¿Cuál era el sentido de estos fav? ¿Estarían agradecien-
do la información? ¿Celebrando lo que anticipaban un chiste?
¿Dándole unas palmadas a Damián Pachter en la espalda en
señal de amistad o deferencia?
Las primeras respuestas reflejaron incredulidad, la con-
fusión de los trascendidos que circularon digitalmente entre
celulares y computadoras: “es una joda?”, “????????????!!!!!!!!!
!!!!!!!!!!!!!!!!!!!! confirmar!”, “fuente?”, “Mal gusto Damián, no
19
Ernesto Calvo
da…”, “Damián, sabés a lo que te exponés si esto es una joda

de mal gusto, no?”, “siendo que en tu cuenta te presentás como
periodista, si es una joda sos un grandísimo pelotudo”.
Este sería el comienzo del caso #Nisman, el fenómeno
mediático que acompañaría el proceso político y la investi-
gación de la muerte del fiscal Alberto Nisman durante los
siguientes meses. De este evento mediático participarían más
de 700.000 cuentas de Twitter, presumiblemente individuos,
construyendo un sinnúmero de narrativas para explicar las
causas del crimen, su ejecución, sus coordenadas geográficas;
atribuyendo responsabilidades a una multiplicidad de actores
que incluyeron al gobierno, al espía Stiuso, al informático La-
gomarsino, al secretario Berni, a los servicios de inteligencia
locales, a Irán, a Israel y a Estados Unidos, para nombrar tan
sólo a los más citados.
El tuit de Damián Pachter, por supuesto, no fue el pri-
mero en incluir la palabra #Nisman. Era sí el primer tuit repor-
tando sobre la muerte de Alberto Nisman. Este tuit es también
el punto de partida de este libro, el cual explica la transmisión
de mensajes políticos en las redes sociales, es decir, cómo se
construyen narrativas colectivas, autoridades y comunidades,
en el proceso de transmisión de información a través de redes
sociales. Al analizar las narrativas sociales que se desarrollaron
alrededor de la muerte de Alberto Nisman, este libro devela la
política de comunicación detrás de la polarización en las redes
sociales, los discursos que distinguen a los enemigos de aque-
llos que forjan consensos y que, en última instancia, atribuyen
responsabilidad política a distintos actores e instituciones de la
democracia argentina.
20
Nisman vs. #Nisman
Este libro no es un análisis de la muerte de Alberto Nisman

sino un estudio sobre el caso #Nisman. La diferencia no es sutil.
Alberto Nisman fue un fiscal argentino que durante 10 años es-
tuvo a cargo del caso AMIA y murió de modo violento en algún
momento previo a las 23:35 del domingo 18 de enero de 2015.
Por otro lado, #Nisman es un fenómeno social que organizó
comunidades de información interesadas en construir narra-
tivas políticas luego de la muerte de Nisman. En las próximas
páginas, esta diferencia se hace explícita mostrando cómo las
comunidades de interés que tuitean y retuitean el caso #Nis-
man están íntimamente conectadas a comunidades políticas
consolidadas, a partidos políticos y sus votantes, a periodistas
reconocidos, a medios masivos de comunicación, a operadores
políticos y a blogueros profesionales. Estas comunidades do-
minan el contenido de la información que circula por Twitter.
Aun cuando la mayoría de la gente considera a la tuitósfera
como un espacio que expresa ideas difusas o poco formadas,
que circulan atomizada y libremente por Internet, esta imagen
dista mucho de la realidad. Como mostraremos en este libro, la
información política en Twitter está extraordinariamente con-
centrada en un número relativamente pequeño de usuarios,
cuyos mensajes son retuiteados masivamente.1 Al describir la
transmisión de mensajes políticos en las redes sociales, este li-
bro pone de relieve las características importantes que definen
a este medio de comunicación.
En el espacio virtual, no todos los tuits son iguales. Algunos
de ellos resuenan como el grito de un coro en un anfiteatro
transmitiendo la información de miles de individuos organi-
zados en instituciones y comunidades políticas. Mientras tanto,
21
Ernesto Calvo
otros son inaudibles, prestos a perderse en los servidores de

Twitter sin ser leídos ni percibidos por individuo alguno. Esta
segunda ruta, la indiferencia, es el resultado más común de
los millones de tuits que cada día son generados por los ciu-
dadanos argentinos. Mientras tanto, un número menor gana
tracción, son los fav, aquellos que son retuiteados, comentados
y dominan en la tuitósfera. ¿Qué es lo que vuelve a estos tuits
populares? Pocas veces es su contenido. Más a menudo, su ori-
gen político y su adscripción a una red estable de relaciones
sociales. Dicho origen conecta la información diseminada por
Internet con actores e instituciones que son viejos conocidos de
los votantes argentinos y, muy posiblemente, de los lectores de
este libro. En el caso #Nisman, cerca de la mitad de los retuits
que circularon por Internet reenviaron información creada por
alrededor de un 1% de los usuarios. Este es el “otro 1%”, el que
concentra capital político en lugar de capital económico, los
mayoristas de la información, los capitanes de la tuitósfera que
son escuchados por el resto de los usuarios en Internet.
En el espacio virtual dominan los actores institucionales.
Los partidos políticos, los periodistas, los funcionarios, las
agencias de gobierno, los gobernadores, los intendentes; todos
ellos tratan de construir narrativas que maximicen sus propios
objetivos políticos. Tan sólo algunos blogueros y operadores
profesionales (trolls, bots, fakes) alteran la lógica institucional
de la transmisión de información. Si bien las redes sociales de-
mocratizan el acceso y la difusión de información, las voces
que son reconocidas por el público no son muchas. Lo que
dice el ministro Aníbal Fernández es incomparablemente más
visible que lo que dice Adriana, Pablito o Lucas Fernández.
Ello se debe a que detrás de Aníbal Fernández hay un partido
político con miles de militantes, instituciones de gobierno y un
22
conjunto de relaciones políticas, sociales y económicas que no

tienen a su disposición Adriana, Pablito o Lucas. Las asimetrías
de poder en la política argentina se reconstruyen en las redes
sociales, ya sea para dar visibilidad a Sergio Massa, a Mauricio
Macri o a Daniel Scioli con vistas a la campaña electoral, o para
celebrar el arribo de Justin Bieber o Leo Messi en Ezeiza. Por
tanto, si bien todos los tuits tienen como máximo 140 caracte-
res, sólo algunos de ellos son relevantes, sólo algunos de ellos
son difundidos por las redes sociales, sólo algunos de ellos son
mencionados por la prensa nacional e internacional.
En el espacio virtual #Nisman no es Nisman. Sólo el pri-
mero existe como discurso, como mercancía y como botín
político. El primer #Nisman es una construcción retórica al
servicio de la política, al igual que sus variantes #YoSoyNisman
y #NoSoyNisman. Como este libro se ocupará de demostrar,
estos discursos no son generados ni se distribuyen aleatoria-
mente entre la población sino que siguen fallas tectónicas que
dividen a las identidades ciudadanas de la política argentina, a
sus partidos y a sus medios de comunicación. Por ello, el caso
#Nisman no refiere a la acusación de crímenes pasados sino
a la construcción de capital político de cara al futuro. Como
mostraremos más adelante, existe un amplio capital político
en la apropiación de una narrativa sobre el caso #Nisman. Este
libro explora la construcción de dicha narrativa, así como las
figuras públicas y los usuarios que se ocupan de difundirla.
El suicida, el suicidado, el asesinado
Es tarea de la justicia el definir –si puede hacerlo– las condicio-

nes, los medios y los motivos que explican la muerte de Alberto
Nisman. Este libro comienza de un modo agnóstico aceptando
23
Ernesto Calvo
que hay tres narrativas en competencia para describir al suici-

da, al suicidado o al asesinado #Nisman. No analizamos aquí la
muerte de Nisman sino la política generada a raíz de su muerte.
Es decir, las narrativas que galvanizaron a distintos grupos so-
ciales y que los agruparon en comunidades de interés y comu-
nidades de información. En la jerga política cotidiana esto se
conoce como polarización.
En un artículo reciente sobre la polarización en Argentina,
María Victoria Murillo reportaba: “Las encuestas muestran
que la proporción de ciudadanos que creen que el fiscal se
suicidó es tres veces más alta entre aquellos que aprueban la
gestión de Cristina Fernández de Kirchner” (Murillo, 2015).
Claramente, la información a la cual tienen acceso aquellos
que apoyan a Cristina Fernández no es sustantivamente dis-
tinta a la información a la que tienen acceso quienes se oponen
a su gobierno. Las diferentes narrativas sobre la muerte del
fiscal, por tanto, reflejan distintas vías de acceso a la infor-
mación, distintas formas de interpretar los datos, así como
distintas atribuciones de responsabilidad que conectan hechos
y discursos. En ciencia política, el estudio de las diferentes for-
mas de procesar información que tienen distintos grupos de
votantes da origen a un fértil campo de investigación llamado
“efectos de información”. Este campo se dedica a analizar el
modo en que distintos individuos y grupos procesan los datos
disponibles para generar distintas posiciones políticas. Aquí
mostramos algunos resultados que se derivan de este campo
de investigación aplicados al estudio de la política argentina,
tal y como es transmitida por las redes sociales.
En el espacio virtual, los individuos que piensan igual
retuitean juntos. Los usuarios de Twitter forman geografías
discursivas, que podemos dibujar mediante algoritmos de
24
visualización y estadísticas de redes. Las palabras “suicidio”,

“asesinato”, “Berni” y “Rafecas” tienen en estos mapas discur-
sivos una distinta ubicación. Cada una de estas palabras ocurre
con distinta probabilidad entre comunidades que apoyan al
gobierno o que comulgan con la oposición, y así se diseminan
distintas narrativas en diferentes geografías de las redes socia-
les. Aquellas comunidades de interés que consistentemente
describen al suicida #Nisman se posicionan cerca de Cristina
Fernández, de sus funcionarios de gobierno y de su partido, el
FPV (Frente para la Victoria). Aquellas comunidades de interés
que describen al asesinado #Nisman se posicionan cerca de
actores claves en la oposición, como Sergio Massa, Mauricio
Macri, Lilita Carrió o Ernesto Sanz.
En años recientes se ha desarrollado un conjunto de nue-
vas áreas de investigación que se denominan “geografías alter-
nativas”. Los mapas de videojuegos como Minecraft, Call of
Duty o Assassin’s Creed son ahora una fuente de investigación
académica, con geografías que tienen sus propias reglas de
construcción matemática, teórica y simbólica. Los mapas de
los videojuegos por los cuales se desplazan los adolescentes –y
algunos de nosotros los adultos–son complejos diseños esta-
dísticos para generar geografías virtuales.
Este libro reconstruye otra de estas geografías alternativas,
aquella formada por grupos políticos y sociales que producen
distintas narrativas sobre el caso #Nisman. Utilizando las he-
rramientas estadísticas del análisis de redes, medimos las dis-
tancias simbólicas entre los distintos actores, así como los lazos
que conectan a los tuiteros con los partidos políticos, con los
diarios, con los medios audiovisuales y con una variedad de
individuos reales y virtuales que tienen influencia económica,
política y social.
25
Ernesto Calvo
En el espacio virtual, los individuos que retuitean juntos

reciben información similar. En efecto, uno de los principales
problemas de las tecnologías creadas para maximizar el uso de
las redes sociales es que “ofrecen” información que es consis-
tente con los gustos de los usuarios. A aquellos usuarios que
marcan como fav una nota de Clarín, Twitter les ofrece una nota
de La Nación. A aquellos usuarios que marcan como fav un
chiste de Aníbal Fernández, Twitter les ofrece un comentario de
Víctor Hugo Morales. En efecto, Twitter tiene debajo del capot
un algoritmo que calcula resultados muy similares a los que voy
a presentar en este libro. Es decir, utiliza la información sobre
los fav y los retuits para computar un perfil de cada usuario,
asignarle un score y estimar publicaciones similares que pueden
también ser de su gusto. El objetivo de Twitter es mejorar la
experiencia de navegación para quienes usan su servicio. Sin
embargo, el resultado es un mecanismo de distribución de in-
formación que esta segregado espacialmente por comunidades
y que refuerza las identidades originarias (Barberá, 2015).
En la literatura de ciencia política, una nueva línea de in-
vestigación para explicar la polarización en Estados Unidos
analiza el modo en que los votantes eligen mudarse a zonas
geográficas en las cuales viven personas con las que tienen afi-
nidad política (Fiorina y Abrams, 2008). Este mecanismo se
denomina sorting (selección o clasificación) y, al igual que el
sombrero en Harry Potter, no sólo agrupa comunidades con
individuos que piensan igual sino que a su vez los educa, los in-
forma y los coordina para que actúen igual. En Estados Unidos,
un número importante de análisis han mostrado que este me-
canismo de segregación territorial explica la conformación de
distritos sólidamente republicanos o demócratas, lo que facilita
la elección de políticos cuyos competidores más importantes
26
pertenecen a la propia comunidad (McCarty, Poole y Ro-

senthal, 2009). Tal como ocurre con la segregación territorial,
la segregación informativa en Twitter facilita la polarización,
en la medida en que satura a los usuarios con información que
es políticamente consistente con sus creencias previas.
La segregación informativa y la polarización
Como mostraremos en este libro, distintas geografías de Twit-

ter están definidas por sus propios grupos de usuarios. Cuanto
mayor es el número de conexiones en el interior de las comu-
nidades, mayor es la segregación de las distintas narrativas a las
cuales son expuestos sus miembros. Quienes viven en los ba-
rrios de la oposición reciben un número desproporcionado de
tuits generados por opositores. Quienes viven en los barrios del
gobierno reciben un número desproporcionado de tuits afines
al gobierno. Cada usuario vive en un barrio que está política-
mente segregado, o por lo menos mucho más segregado que el
de sus vidas no virtuales. En cada una de estas zonas, las ideas
que cada uno de nosotros tiene sobre el mundo que nos rodea
van filtrando el contenido al cual podemos acceder y generan-
do narrativas que son localmente mayoritarias. Cada fav y cada
retuiteo refuerzan los límites de las distintas comunidades de
usuarios y condicionan la información a la cual accedemos.
Desde el punto de vista de la compañía Twitter, el incre-
mento en fav y retuits confirma la validez de los algoritmos
que recomiendan a quien seguir, qué tuit mirar o cuáles son
los temas que están marcando tendencia (trending). Desde el
punto de vista de la compañía, un usuario que marca como
fav y retuitea es un usuario feliz. Mientras tanto, la endogamia
en las comunidades tuiteras reduce la diversidad genética de
27
Ernesto Calvo
la red social y genera ideas políticas con “cola de chancho”. En

distintas regiones de la geografía de Twitter, los mensajes que re-
cibe cada uno de nosotros son consistentes con las ideas que nos
gustaron en el pasado. Estas ideas son similares a las que tiene el
“resto del mundo” que me rodea. Aquí, ahora, en este lugar de
la geografía de Twitter, todos somos mayoría.
Cada usuario ve montañas de evidencia que apoyan sus
propios prejuicios políticos, así como también montañas de
evidencia que desmontan las “mentiras” de las otras comunida-
des. Mientras tanto, los mensajes inconsistentes con nuestros
propios prejuicios llegan con cuentagotas, aislados e incohe-
rentes, para ser prontamente descartados y relegados a sus
marginales y pequeñas comunidades.
“¿Cómo es posible –nos preguntamos desde nuestro propio
barrio en Twitter– que el usuario @fulanodetal no se dé cuenta
de lo errado que está?” Esto es lo que ocurre cuando la evi-
dencia es localmente masiva. Las posiciones que surgen desde
otras regiones de Twitter son desconcertantes. Quienes apoyan
al gobierno saben con certeza que sólo un cínico puede creer
que la acusación contra la presidenta haya sido escrita por un
abogado, mucho menos uno con tanta experiencia como era
el fiscal Nisman. Quienes viven en los barrios de la oposición
saben con certeza que la evidencia del crimen es indiscutible y
que la conspiración con Irán está más que probada. Lo que sabe
uno y lo que sabe otro es localmente mayoritario y, por tanto,
es confirmado por todos aquellos que lo rodean.
Sin duda, hay cínicos y oportunistas, tanto en el gobierno
como en la oposición. De algunos de ellos también hablare-
mos en este libro. Existe un sinnúmero de operaciones políti-
cas cuyo interés deliberado es generar hechos políticos sobre
los cuales actuar. Pero la polarización sobrevive porque grupos
28
extensos de votantes creen en las distintas narrativas que cons-

truyen sus redes virtuales. Por tanto, la pregunta fundamental
que un estudio sobre la polarización debe responder no es por
qué hay fakes, oportunistas políticos y operadores dispuestos a
manipular la opinión pública. La pregunta es cuál es el motivo
por el cual una gran masa de votantes acepta y toma como
propio lo que los formadores de opinión dicen, independien-
temente de si la narrativa fue creada por convicción o con el fin
de obtener réditos políticos. La respuesta es simple: en Twitter,
la gran mayoría de los que me rodean están de acuerdo con lo
que yo pienso.
De Argentina al mundo
Existen pocas dudas de que la muerte de Alberto Nisman es

una tragedia personal y un evento político de importancia na-
cional e internacional. Dicha importancia está íntimamente
vinculada con la evolución de la investigación en la causa del
atentado AMIA (Asociación Mutual Israelita Argentina), que
resultó en el asesinato de 85 personas. Sus consecuencias polí-
ticas fueron magnificadas por la denuncia de abuso de autori-
dad y violación de los deberes de funcionario público contra
la presidenta Cristina Fernández y otros, ingresada en el juz-
gado de Ariel O. Lijo el 14 de enero de 2015, que era objeto
de significativo debate político en los días previos a la muerte
del fiscal. En el año electoral más competitivo del nuevo siglo,
existen pocas dudas de que la justicia se transformó en la con-
tinuación de la política por otros medios. Denuncias y acusa-
ciones cruzadas entre el gobierno y la oposición levantaron
el velo de secreto que ocultaba divisiones dentro del sistema
29
Ernesto Calvo
judicial. Jueces, fiscales, abogados defensores, querellantes y

querellados fueron atrapados por la marea informativa y trans-
formados en actores remisos de la campaña electoral.
Por primera vez desde la transición democrática, los miem-
bros del poder judicial se transformaron no sólo en sujetos
políticos –lo cual siempre han sido– sino también en actores
electorales. Distintos grupos de fiscales se lanzaron o fueron
lanzados al ruedo electoral, dependiendo de la narrativa, or-
ganizando y participando en marchas opositoras. Los jueces
ligados al caso fueron capturados por el conflicto entre el go-
bierno y la oposición, lo que transformó las demandas genéri-
cas de justicia en demandas políticas sobre quienes imparten la
justicia. El caso #Nisman, con toda su virulencia, hizo visibles
las tensiones entre el gobierno y la justicia, que crecieron expo-
nencialmente luego de la creación del Consejo de la Magistra-
tura. El resultado fue la contraposición de justicia legítima vs.
justicia independiente, que fueron publicitadas por la narrativa
oficial y por la opositora respectivamente. El caso #Nisman,
por tanto, construyó narrativas políticas pero también judicia-
les, las cuales atravesaron los tres poderes de la democracia.
Estas narrativas fueron centrales en el discurso de la presidenta
al dar inicio a las últimas sesiones del Congreso. También fue-
ron centrales en el balance anual del presidente de la Suprema
Corte, Ricardo Luis Lorenzetti, quien respondió directamente
a la narrativa presidencial.
Cuatro millones y medio de tuits sobre #Nisman en cuaren-
ta días dan cuenta también de la importancia política de este
caso a nivel internacional, el cual fue reportado ampliamente
por los principales diarios del mundo, además de dominar los
medios locales durante meses. En efecto, la muerte de Alber-
to Nisman ocurrió no sólo cuatro días después de denunciar
30
por conspiración a la presidenta Cristina Fernández, un día

antes de tener que presentarse a declarar en el Congreso de la
Nación y al inicio de un año electoral altamente competitivo,
sino que también resonó internacionalmente en el marco de las
negociaciones nucleares entre Estados Unidos e Irán, las cuales
enfrentaban a demócratas y republicanos en el Congreso de
Estados Unidos, y a las administraciones de Barack Obama y
Benjamin Netanyahu.
Mientras en Argentina la oposición denunciaba por encu-
brimiento al gobierno de Cristina Fernández, los republicanos
denunciaban las negociaciones entre la administración de Ba-
rack Obama y el gobierno de Irán, rompían protocolo legisla-
tivo e invitaban a Bibi Netanyahu a pronunciarse al respecto
en el Congreso norteamericano. En el contexto de las nego-
ciaciones entre Irán y Estados Unidos, la muerte de Alberto
Nisman fue ampliamente reportada por The New York Times,
The Washington Post y Chicago Tribune, así como fue tema de
presentaciones en distintas comisiones del Congreso de Esta-
dos Unidos. Vale la pena decirlo claramente: en enero de 2015,
la política internacional hizo temporada en Argentina.
Tuitear, hablar, callar
Entre el 1º y el 18 de enero de 2015, el gobernador y candida-

to a la presidencia Daniel Scioli publicó un total de 49 tuits,
mientras que Mauricio Macri publicó tan sólo 3 tuits. Luego
de la muerte de Alberto Nisman, entre el 18 de enero y el 31
de enero, Daniel Scioli público tan sólo 11 tuits mientras que
Mauricio Macri publicó 19 tuits. Más aún, mientras que 17 de
los 19 tuits publicados por Macri refirieron a #Nisman, tan
sólo un tuit de Daniel Scioli hizo alusión al caso del fiscal.
31
Ernesto Calvo
Entre el 18 y el 31 de enero, el gobernador Scioli publicó un sólo

tuit relativo a #Nisman, con un link a una entrevista en la cual
detallaba su posición:
Un viejo adagio de las campañas electorales dice que el can-

didato que va adelante en las encuestas no debate. Asimismo, la
literatura sobre efectos de información muestra que para me-
jorar el rendimiento electoral los candidatos tienen que hablar
de aquellos temas en los cuales tienen una ventaja clara ante
sus oponentes (Petrocik, 1996).2 Florencio Randazzo tiene que
hablar de trenes, Lilita Carrió de corrupción, Mauricio Macri
tiene que hablar como “un vecino más” de la Ciudad de Buenos
Aires. En la literatura política, esto quiere decir que los políticos
nunca deberían hablar entre ellos (with each other) sino que sólo
deberían hablar de distintos temas (past each other). Sin embar-
go, algunos temas están tan presentes entre los votantes que es
imposible pronunciarse públicamente sin aludir a ellos. En esos
casos, los políticos tienen dos opciones: pueden buscar clarificar
su posición para tratar de apropiarse del tema o pueden perma-
necer callados para reducir la visibilidad de los temas que no los
favorecen. Daniel Scioli, con su escueto tuit, hizo ambas cosas.
En las semanas que siguieron a la muerte del fiscal Nisman,
el diálogo en Twitter reflejó estos distintos incentivos para hablar
32
o para callar. En los días posteriores al 18 de enero, el caso

#Nisman estuvo dominado por tuits opositores que acusa-
ron al gobierno de ser directa o indirectamente responsable
por la muerte del fiscal. Este aumento en el nivel de actividad
mediática de actores opositores estuvo acompañado por una
caída dramática en el nivel de actividad de los funcionarios
del gobierno nacional, quienes minimizaron los costos políti-
cos del caso con su silencio. Florencio Randazzo, por ejemplo,
mantuvo silencio tuitósfero entre el 17 de enero y el 30 de ene-
ro, Sergio Urribarri sólo se dedicó a retuitear los mensajes de
la presidenta durante una semana. Mientras tanto, Margarita
Stolbizer, Hermes Binner, Sergio Massa y Mauricio Macri in-
crementaron dramáticamente su nivel de actividad. En la puer-
ta de la Casa Rosada, sólo Aníbal Fernández mantuvo su lanza
mediática afilada apuntando a la oposición.
Pasada la tormenta, los actores políticos más cercanos al
gobierno incrementaron su actividad y pasaron a construir ac-
tivamente una narrativa sobre el tema. El enfrentamiento en-
tre dos construcciones simbólicas del caso #Nisman tomaría
forma definitiva a partir de los esfuerzos de movilización de la
oposición del 18 de febrero y de la resolución del juez Daniel
Rafecas de desestimar la denuncia de Nisman. A partir del 18
de febrero, el discurso opositor de una conspiración para co-
meter el crimen perdió su hegemonía tuitera y pasó a confron-
tar una narrativa gubernamental que públicamente denunció
un intento de desestabilización política.
Un tuit, dos tuits, mil tuits
Hasta no hace mucho tiempo, los políticos tenían secretarios

de prensa que, a través de sus redes periodísticas, se ocupaban
33
Ernesto Calvo
de organizar conferencias para comentar sobre eventos impor-

tantes, anunciar alianzas, denunciar posiciones de sus contrin-
cantes o iniciar una campaña electoral, para mencionar algunas
de las muchas actividades que requieren ser publicitadas. Hoy,
el trabajo de los secretarios de prensa incluye un número de ac-
tividades considerablemente más amplio. A través de las redes
sociales, el flujo de información es constante, así como también
lo es la exposición mediática.
Con estas nuevas formas de exposición mediática hemos
visto el arribo de nuevas formas de agresión hacia la política,
hacia los políticos y desde ellos. Posiblemente algunos lectores
recordarán la imagen de George W. Bush agachándose detrás
del podio para esquivar el zapato arrojado por el Muntadhar
al-Zaidi en Bagdad, el 14 de diciembre del 2008. Lanzar dicho
zapato fue una forma de rechazo al gobierno de Bush cargada
de simbolismo. En efecto, en Irak, lanzar un zapato es una for-
ma de ejercer la crítica que rebaja al contrincante. A los perros
de la calle se les arroja un zapato. En su acto, al-Zaidi no sólo
ejercía la crítica mediante un acto de agresión sino que a su vez
mandaba un mensaje: “Bush, sos un perro”.
Las formas de agresión en la vida pública también tienen
su correlato en el espacio desregulado que caracteriza a las
redes sociales. Twitter es un medio de comunicación que es
particularmente adepto al conflicto y a la agresión política, en
la medida en que busca maximizar el impacto de argumentos
que son transmitidos por autores, a menudo anónimos, en un
espacio extraordinariamente limitado.
Escribir un argumento consistente y que tenga impacto po-
lítico en 140 caracteres o menos no es una tarea sencilla. En
efecto, escribir un párrafo en Twitter es fácil, escribir un pá-
rrafo memorable no lo es. Quizá la anécdota más famosa sobre
34
las formas breves de la narrativa es el supuesto desafío a Ernest

Hemingway por parte de algunos colegas, quienes según se
dice lo intimaron a escribir un cuento breve utilizando tan sólo
seis palabras. Como respuesta, Ernest Hemingway escribió:
“En venta: zapatos [de] bebé, nunca usados.”3
No hay duda de que la efectividad de este cuento reside en
la capacidad del lector de llenar los espacios vacíos y recons-
truir lo que a primera vista parece una tragedia. Al decir “nun-
ca usados”, el escritor le da a su historia el tono melancólico de
quien lamenta una pérdida y lleva al lector a que reconstruya
lo que se insinúa como una tragedia. La interpretación sería
considerablemente distinta si el autor hubiera escrito: “En ven-
ta: zapatos nuevos para bebé”. En efecto, sin lamento no hay
pérdida y sin pérdida no hay historia. El primer cuento es una
tragedia; el segundo, una transacción comercial.
Al igual que en aquel cuento breve que se atribuye a He-
mingway, los tuits maximizan su impacto cuando transmiten
párrafos memorables. Como en la publicidad, estos tuits utili-
zan la agresión, el humor, el sarcasmo.
Estos tuits a menudo son publicados buscando la complici-

dad antes que la aprobación, editando tanto las acciones políti-
cas como sus interpretaciones. Como en el cuento, la toma de
35
Ernesto Calvo
posición política en 140 caracteres requiere que el lector llene

los espacios en blanco, asocie, asuma, lo que en definitiva forma
comunidades que no sólo comparten posiciones sino también
un mundo de sobreentendidos, guiños y señales. Por ejemplo, al
pedido de prudencia para que el caso sea investigado, el tuitero
anónimo Malcom Gomez le da una interpretación radicalmen-
te distinta cambiando “justicia” por “servicios”. En efecto, las
limitaciones de espacio en Twitter han sido hechas a medida del
conflicto, del sarcasmo, de la agresión. En una palabra, Twitter
fue creado para darle nueva vida a la chicana política.
Cuatro millones y medio de tuits: datos vs. metadatos
Estudiar las formas de comunicación política en las redes so-

ciales no es una tarea que se pueda realizar con un resalta-
dor amarillo, cinta Scotch y algo de tiempo libre. En efecto,
la cantidad de tuits generados tan sólo en la primera semana
después de la muerte de Nisman es equivalente a una decena
de ediciones de la Enciclopedia Británica. Claro que muchos
de esos tuits tienen discursivamente poco valor informativo.
Pero aun si sólo consideráramos los textos enviados por las
élites políticas y por el periodismo especializado, el resultado
sería decenas o centenas de miles de tuits.
Por ello, el análisis de las redes sociales está dominado por
computadoras y por el procesamiento de lo que se denomina
big data (macrodatos). El procesamiento de millones de pie-
zas de información se torna viable sólo en la medida en que
utilizamos computadoras o supercomputadoras para cortar,
separar, pegar e interpretar datos y metadatos. Con datos nos
referimos al contenido de los 140 caracteres en cada tuit, el texto
que cada usuario quiso comunicar. Con metadatos, en cambio,
36
nos referimos a toda la información relativa al acto de tuitear,

como por ejemplo el origen geográfico del tuit, la conexión en-
tre la cuenta original y aquella que retuitea los 140 caracteres,
la hora y el día en que fue publicado un tuit y una multitud de
otros datos que se encuentra en el “envoltorio” del tuit.4 Esta
información es pública, en la medida en que Twitter es una he-
rramienta de comunicación abierta, a diferencia de otras redes
sociales como Facebook, Snapchat o Instagram que requieren
la autorización explícita del dueño de la cuenta para unirse a
una comunidad de usuarios.
Para el análisis político realizado de modo cuantitativo, in-
terpretar el contenido de estos tuits puede ser extraordinaria-
mente complicado. Como fue descripto en relación al cuento
corto atribuido a Hemingway, las sutilezas de los tuits son di-
fíciles de procesar aun para la última generación de programas
de análisis semántico.
Para una computadora no es fácil entender las sutilezas de

la frase “A mí no me gusta el café, ¡me encanta!” Un buen pro-
grama de análisis semántico a menudo pensaría que al indivi-
duo no le gusta tomar café, en lugar de interpretar que tiene
pasión por el café. Más difícil aún sería interpretar la ironía en
37
Ernesto Calvo
el tuit de Aníbal Fernández a Luis Majul. Y no podría inferir

que muy probablemente una pelea callejera entre Aníbal Fer-
nández de 58 años y Luis Majul de 53 terminaría con ambos ja-
deando, sentados en el cordón de la vereda, pidiendo oxígeno o
siendo revisados por algún médico de la Casa Rosada. Por ello,
el análisis de texto tiene que ocuparse de buscar identificado-
res, palabras, giros idiomáticos y otros elementos discursivos
que son más fáciles de ser interpretados.
Más sencillo es producir mapas políticos utilizando me-
tadatos. El análisis de la información del envoltorio, como el
remitente de una cuenta o de quién publica el tuit de tal o cual
político, es considerablemente menos ambiguo. Por ejemplo,
un tuit creado por Aníbal Fernández que es retuiteado por An-
drea Fernández no puede ser editado para denotar crítica o
posiciones negativas (todo tuit editado deja de ser un retuit).
Por tanto, los retuits son en su gran mayoría formas de endo-
so o apoyo, antes que mensajes sarcásticos. De hecho, como
mostraremos más adelante, las redes que surgen de esta infor-
mación de envoltorio son extraordinariamente informativas y
permiten clasificar con mucha precisión a los actores políticos
cercanos al gobierno o a la oposición.
En la actualidad, podemos extraer información de una mul-
tiplicidad de actividades sociales. Esto lo han aprendido rápida-
mente los servicios de inteligencia, desde la CIA y la NSA, pasando
por el británico MI6, el MOSAD y el FSB ruso. Por supuesto, no
existe motivo por el cual se les tiene que dar a estas agencias el uso
exclusivo de las tecnologías de control social. También nosotros
los académicos podemos utilizar big data para entender cómo
funciona la política (o los servicios de inteligencia).
Información sobre cómo votan los políticos, con quién
firman sus proyectos de ley e incluso las decisiones de con
38
quiénes sentarse en eventos sociales nos permiten entender la

estructura y los usos de las redes sociales en el Congreso de
la Nación. Del mismo modo, existe una enorme cantidad de
información no sólo en los tuits creados por los usuarios sino
también en el envoltorio de esos tuits. El mayor obstáculo para
el análisis político no es obtener información –información es
lo que sobra– sino aprender qué datos y actividades son valio-
sos y cuáles son triviales. Cuáles de ellos nos explican el caso
#Nisman y cuáles son simplemente ruido propagado por las
redes sociales.
Juntos pero desiguales
La Figura 1 describe el número de retuits que fueron generados

cada 10 minutos entre las 6 PM del día 18 de enero de 2015 y
las 2:30 AM del 25 de enero. La Figura 1 sólo reporta el número
de retuits. Es decir, tuits que fueron considerados relevantes
por al menos un segundo usuario.
En los 6 horas que precedieron al anuncio de Damián Pa-
chter, la actividad sobre #Nisman en las redes sociales ya era
considerable y se producían alrededor de 150 retuits cada 10
minutos. En vísperas de la declaración de Alberto Nisman al
Congreso de la Nación, el interés sobre el caso ya había llevado
a que se publicaran en las redes sociales entre 30.000 y 40.000
tuits por día. El número de publicaciones en las semanas pre-
vias, sin embargo, sería un pálido reflejo de la explosión me-
diática que siguió a la muerte de Alberto Nisman.
A partir de las 12:30 AM del lunes 19 de enero, la can-
tidad de tuits generados en torno al caso creció exponen-
cialmente. Mientras que en las 6 horas que precedieron al
anuncio de la muerte de Alberto Nisman se publicaron poco
39
Ernesto Calvo
más de 5.000+ retuits, en las 6 horas posteriores a su falleci-

miento se publicaron cerca de 300.000+. Es decir, un aumento
del 6.000% en el número de retuits. Luego de tan sólo 24 ho-
ras desde que se publicara el tuit inicial de Damián Pachter, el
número de retuits del caso llegaría a 800.000+. Una semana
después de iniciado el caso #Nisman, el número de tuits superó
los 2.350.000+ y el número de retuits, los 1.600.000+.
El incremento en el número total de tuits fue cuantitativo
pero también cualitativo. En efecto, cuando la tasa de publica-
ción es baja, existe un sinnúmero de blogueros profesionales y
de actores no institucionales que ocupan un espacio pequeño
pero relativamente importante de la producción de informa-
ción en las redes sociales. En cambio, conforme la cantidad
de tuits y de usuarios se multiplica, la balanza se inclina des-
proporcionadamente hacia actores institucionales, tales como
los partidos políticos, los periodistas, los grandes medios de
comunicación y otros individuos de alta visibilidad (actores,
músicos, jugadores de futbol, etcétera). Por tanto, contraria-
mente a lo que muchos supondrían, cuanto mayor es el nivel
de actividad en Twitter, mayor es el nivel de concentración de
los mensajes relevantes y de los actores institucionales.
La Figura 1* muestra la evolución de la publicación de retuits
en la semana posterior a la muerte de Alberto Nisman. Como se
puede observar, incluso entrada la madrugada del lunes el nú-
mero de publicaciones se mantuvo a tasas extraordinariamente
altas. Tal es así que a las 2 de la mañana del lunes la tasa de pu-
blicación de tuits cada 10 minutos se mantendría por arriba de
las tasas observadas durante el día laboral que le siguió.
* Todas las figuras a las que hace referencia el autor están disponibles en las páginas
centrales del libro. [N. del E.]
40
Aun cuando los números son masivos, los actores que “im-
portan” no son tantos. La extraordinaria concentración de in-
formación relevante en Twitter es ejemplificada en la Tabla 1,
que presenta el número de cuentas de usuarios que sobreviven
en la base de datos una vez que consideramos tan sólo retuits.
Es decir, cuando sólo consideramos información que al menos
uno o más usuarios consideraron suficientemente relevante
como para ser reenviada. Claramente, este no es un umbral
de “relevancia” muy elevado.
Tabla 1: Éramos muchos y quedamos pocos: número de usuarios que

publicaron algún tuit con la palabra #Nisman y número de cuentas cuando
sólo consideramos publicaciones que fueron retuiteadas
Cuentas de usuarios de Twitter que participaron del fenómeno

#Nisman entre enero y febrero de 2015
Filtro aplicado Cuentas de usuarios
Total de cuentas que participaron del caso #Nisman 700.000+

Cuentas de usuarios filtrando por 1 o más retuits 87.388
Nota: cada fila describe el total de cuentas individuales de Twitter que sobreviven
en la base de datos cuando solo se consideran distintas cantidades de retuits.
41
Ernesto Calvo
Como dije anteriormente, del fenómeno #Nisman partici-

paron más de 700.000 cuentas de usuarios de Twitter en los
primeros 40 días. Sin embargo, si eliminamos todos los tuits
que no fueron a su vez retuiteados por otros usuarios, sobrevi-
ven tan sólo 87.388 cuentas, lo que representa una reducción
de un 88% en el número de usuarios en la red social #Nisman.
Si consideramos sólo aquellos tuits que generaron suficiente
interés para ser retuiteados al menos 8 veces, sólo quedan al-
rededor de 12.000 cuentas de usuarios. Estas 12.000 cuentas
representan el 1,4% de los usuarios.
Como es posible observar, el nivel de concentración de la
información en Twitter es extraordinario. Tan sólo el 1,4% de
los usuarios del caso #Nisman producen el 59% de la informa-
ción que fue retuiteada por esta vasta red social. De los más de
3 millones de retuits relativos al caso #Nisman, más de 1,8 mi-
llones son retuits cuyas versiones originales fueron publicadas
por el 1,4% de los usuarios.
El plan de este libro
En los próximos capítulos describiremos las características

principales del universo tuitero que acompañó al caso #Nis-
man. Ello requiere tres pasos conceptualmente sencillos, pero
técnicamente un poco más complicados:
1. Mapa: en primer lugar, utilizaremos la totalidad de los tuits

y retuits para producir un mapa político de los actores en
Twitter. Esta geografía alternativa mide el grado de proxi-
midad política entre los usuarios a partir de transformar
en “distancias” todo aquello que refiere a la intensidad de
la comunicación entre usuarios. Por ejemplo, si Andrea
42
Fernández retuitea consistentemente información produ-

cida por Mauricio Macri y no por Cristina Fernández de
Kirchner, el algoritmo estadístico posicionará a Andrea
Fernández más cerca de Mauricio Macri que de Cristi-
na Fernández. Si Pablito Fernández retuitea consistente-
mente información producida por Cristina Fernández de
Kirchner y también algunos tuits de Andrea Fernández,
el algoritmo estadístico va a posicionar a los actores del
siguiente modo: CFK ⇚ Pablito → Andrea ⇛ Macri. Las
flechas indican quién está reenviando la información pro-
ducida originalmente por otro usuario y las posiciones
reflejan la proximidad entre todos ellos. Si seleccionamos
sólo las publicaciones que tuvieron al menos 8 retuits (59%
de los datos), el resultado es un mapa de los 12.000 usuarios
más influyentes de la red. Las relaciones entre estos usua-
rios (las distancias del mapa de Twitter) son dibujadas en
dos dimensiones (Este-Oeste y Norte-Sur), pero muestran
distancias que no son propiamente “geográficas” sino que
describen relaciones sociales (gobierno-oposición).
2. Comunidades: una vez que tenemos ubicados a los actores

en el mapa, necesitamos definir cuáles de ellos constituyen
distintas comunidades. Es decir, qué sectores de nuestro
mapa se comunican asiduamente entre sí y cuáles tienen un
contacto marginal o nulo. Esto nos permite formar “pro-
vincias”, regiones donde se ubican los distintos grupos de
actores que tienen afinidad entre ellos. Hay una variedad
de técnicas que pueden ser utilizadas para “detectar comu-
nidades” (tal es el término en la jerga del análisis de redes).
En este libro utilizaremos el algoritmo Walktrap, que alea-
toriamente le permite a cada usuario “caminar” alrededor
43
Ernesto Calvo
de su zona de pertenencia e interactuar con otros usuarios.

La probabilidad de que Cristina Fernández de Kirchner
salga a caminar por su barrio y se cruce con Lilita Carrió,
por ejemplo, es extraordinariamente baja. El algoritmo
considera estas probabilidades al determinar que Cristina
Fernández y Lilita Carrió viven en distintas comunidades.
En los mapas de la tuitósfera, distintos colores describen a
distintas comunidades, lo que permite a los lectores distin-
guir fácilmente regiones en el mapa político.
3. Diálogos: una vez que tenemos a todos los actores en nuestro

mapa político y que sabemos a qué comunidades pertenecen,
podemos graficar los diálogos entre los distintos actores, las
“flechas”. Es decir, podemos graficar quienes están retuitean-
do la información producida por sus pares. Estos diálogos
son dinámicos y cambian a lo largo del tiempo. De hecho, el
mapa simbólico está en constante movimiento. Para simpli-
ficar la descripción del caso #Nisman, primero le damos una
ubicación general a cada usuario y una comunidad de perte-
nencia. Luego, una vez estimadas las comunidades, medimos
cómo dialogan todos ellos entre sí. Es decir, exploramos las
narrativas formadas por las distintas comunidades de usua-
rios y exploramos el “flujo” de información.
En el siguiente capítulo comenzamos el proceso de dibu-

jar el mapa político que surge de la comunicación en Twitter.
Dado que el objetivo es explicar un proceso de crisis política,
antes que los aspectos técnicos, hemos acotado al máximo los
aspectos estadísticos y nos limitamos a dar una descripción
intuitiva antes que formal.5
44
II. Diablos vs. demonios
¿Tenés cuenta de Twitter? ¿Cuándo fue la última vez que tu

publicación fue retuiteada por 1.500 personas? Para el 99,9%
de los usuarios la respuesta es simple: nunca. En efecto, las
redes sociales son entidades jerárquicas que están domina-
das por un número relativamente pequeño de actores. Estos
actores –políticos, periodistas, blogueros, artistas– generan y
publican mensajes que son circulados por la gran mayoría de
nosotros, los usuarios. Mientras nuestro círculo íntimo dice
“democracia”, la información de la red social dice “aristocra-
cia”. El contraste entre los dos mundos de Twitter, el social
y el íntimo, es lo que dificulta percibir cuán concentrada se
encuentra la política a la cual accedemos a través de nues-
tros teléfonos inteligentes, tablets o computadoras personales.
Contrariamente a lo que dice nuestra experiencia íntima en
la red, el número de actores que dominan la tuitósfera es con-
siderablemente más pequeño que lo percibido por el público
en general.
Por supuesto, los términos grande o pequeño son flexibles
cuando hablamos de las redes sociales. Por ejemplo, en el caso
#Nisman el 1% de las 700.000 cuentas de Twitter incluye a
7.000 usuarios. Si consideramos tan sólo al 0,1% de los usua-
rios en esta vasta red social, los “formadores de opinión” son
un número interesante: alrededor de 700 cuentas mayoristas,
cuyos mensajes son ampliamente retuiteados por la comu-
45
Ernesto Calvo
nidad en su conjunto. Entre estos usuarios se encuentra la

primera fila periodística, política y cultural de la Argentina.
Estos actores dominan la geografía política de Twitter en el
caso #Nisman y son el punto de partida perfecto para en-
tender las redes sociales y la política de la polarización en
Argentina hoy.1
Además de estar altamente concentrado, el espacio del caso
#Nisman en Twitter se encuentra extraordinariamente polari-
zado. En esto, el espacio virtual y el real no son particularmente
distintos. Esta polarización se refleja en las personalidades a
las cuales seguimos y en las comunicaciones entre amigos, así
como en los tópicos políticos que concentran mayor atención.
El hecho de que la información sea abundante, que su conte-
nido se encuentre muy concentrado y que el sistema político
esté extremadamente polarizado explica la nitidez de la red
#Nisman presentada en la Figura 2. En efecto, el mapa político
de la Argentina visto a través de Twitter discrimina con mucha
claridad a las comunidades que nos conectan, así como la re-
lación con los políticos que nos gustan o la distancia respecto
de aquellos a quienes detestamos.
Huellas digitales
Cada vez que un usuario realiza una acción en Internet, des-

de conectarse a la red hasta publicar o marcar como fav una
publicación, se generan datos sociales que pueden ser usados
para entender su posición en el mundo, sus gustos culturales
y sus preferencias políticas. Esta información nos puede ayu-
dar a identificar a un usuario particular o, más interesante
aún, a entender procesos de masas, crisis políticas y conflic-
tos sociales. La utilidad de la información que nos dan las
46
redes sociales aumenta en la medida en que estas concentran

a grandes segmentos de la población, como ocurre con Twitter.
En estas redes, la masa de datos es tal que nos permite distin-
guir con gran detalle el grado de afinidad que tienen grupos de
usuarios entre ellos y, a su vez, la afinidad de estos grupos con
los formadores de opinión. Estas redes se activan rápidamente
en crisis sociales o políticas, como ocurrió con el caso #Nisman
en Argentina, #Ayotzinapa en México o #Ferguson en Estados
Unidos. Es decir, en aquellos casos en los cuales la muerte está
íntimamente conectada con la política.
Si bien los datos de Twitter son la materia prima que nos
permite observar cómo se conectan distintos grupos sociales
entre sí, así como su relación con los políticos, sólo hemos ad-
quirido la capacidad técnica para analizar estas relaciones a
partir del desarrollo de estadísticas de redes y de un creciente
poder de computación para procesar en tiempo razonable los
millones de datos producidos por las redes sociales. En el caso
#Nisman, estos datos incluyen más de 80 millones de piezas
distintas de información: desde el texto del tuit producido por
los usuarios hasta el tipo de dispositivo electrónico que fue
usado para conectarse a Internet.
En efecto, los datos son extraordinariamente abundantes y
la capacidad para procesarlos se ha tornado técnicamente via-
ble. Ahora sumemos a esta capacidad para procesar datos una
crisis política y un alto grado de polarización, y el resultado es
un mapa social con una muy alta resolución. En este mapa so-
cial, hay individuos y comunidades que pueden ser identifica-
dos individual o colectivamente con una precisión orwelliana.
Podemos rotar, cortar, magnificar o minimizar este mapa para
ver relaciones particulares y sus efectos. Además, podemos con-
centrarnos en unos pocos vínculos o en unos pocos indicadores,
47
Ernesto Calvo
ver la comunidad política en movimiento o congelarla en un

momento determinado, en el espacio y en el tiempo.
La geografía del caso #Nisman
La Figura 2 describe la ubicación política de los usuarios de

Twitter en la red del caso #Nisman. Entre los miles de indi-
viduos (puntos) y conjuntos de individuos (óvalos que agru-
pan puntos), un grupo selecto de etiquetas permite distinguir
a actores políticos más “destacados”. En este caso, el término
“destacado” describe una selección ecléctica de aquellos actores
políticos que fueron retuiteados más asiduamente en los 40
días que siguieron a la muerte de Alberto Nisman, así como
algunos de los candidatos más visibles de la campaña presiden-
cial de 2015. Más adelante, daremos una definición más precisa
de “importancia” en una red social. Por ahora, esta selección
de figuras políticas es simplemente un marco de referencia,
boyas en el mar de tuits, para más adelante poder entender los
diálogos políticos que son intercambiados entre los distintos
actores. (Ver Figura 2)
En la Figura 2, los usuarios de Twitter favorables al gobier-
no se encuentran a la izquierda, coloreados de gris, mientras
que los usuarios favorables a la oposición se encuentran a la
derecha, de rojo. Dado que tenemos decenas de miles de usua-
rios en cada gráfico, los colores que usamos para distinguir a
las comunidades no son generados manualmente. Un algorit-
mo matemático busca grupos de actores que interactúan más
asiduamente y les asigna valores, los cuales identifican a miem-
bros de una misma comunidad.
Aun cuando los datos naturalmente organizan a las comu-
nidades en dos grupos polares (gobierno y oposición), cabe
48
aclarar que las redes no tienen una izquierda y una derecha (o

un arriba y un abajo). Podríamos arbitrariamente girar la red
de la Figura 2 y dejar a los actores del gobierno arriba, abajo, a
la izquierda o a la derecha. En todos los casos las propiedades
del mapa permanecen inalteradas dado que lo único que nos
interesa es cuán cerca están los usuarios entre sí. Es decir, para
entender la política de la polarización sólo debemos medir las
distancias relativas entre los actores y, tan sólo por convenien-
cia, hemos anclado a los actores del gobierno y la oposición a
la izquierda o derecha de la imagen.
Las posiciones de los actores describen distancias que son
estimadas mediante el algoritmo Fruchterman-Reingold,2 sin
ningún tipo de intervención humana (Fruchterman y Reingold,
1991). La calidad y el detalle del mapa –como describiremos
más adelante– se deben a que los mensajes de Twitter organizan
e identifican de modo muy eficiente a las comunidades políticas
en la Argentina. Si bien la polarización puede ser políticamente
tóxica, pocas cosas facilitan tanto el análisis político (y estadísti-
co) como el hecho de que distintos grupos no tengan intención,
interés o estómago para comunicarse entre ellos.
¿Dónde está Wally?
La Figura 2 muestra que el precandidato del FPV Daniel Scioli

(arriba a la izquierda) está más cerca de Cristina Kirchner que
de candidatos del Frente Renovador de Sergio Massa (centro de
la Figura 2) y del candidato del PRO Mauricio Macri (abajo a la
derecha). También podemos observar que Pino Solanas, Julio
Cobos y Hermes Binner se agrupan juntos en la red, en la región
superior izquierda del círculo opositor. En el mismo cuadran-
te está Margarita Stolbizer, quien conjuntamente con Binner y
49
Ernesto Calvo
Cobos convocó a una conferencia de prensa el 19 de enero de

2015 con el fin de coordinar sus respuestas en el caso #Nisman.
Así como el hecho de convocar a una conferencia de
prensa conjunta indica afinidad política, el hecho de tuitear
sobre la misma situación y referenciarse en sus respectivos
mensajes le permite a la computadora ubicarlos en la misma
región del mapa.
Del otro lado, entre los opositores, vemos a Mauricio Macri

con una de las dos cuentas de Gabriela Michetti, mientras que
no muy lejos se ubica el gobernador electo del PRO de la Ciu-
dad de Buenos Aires, Rodríguez Larreta. En el círculo central
de los opositores, se encuentra la cuenta de campaña de Lilita
Carrió, la segunda cuenta de Gabriela Michetti y la de Laura
Alonso, una de las más vocales críticas del gobierno en el caso
#Nisman.
Para visualizar intuitivamente cómo se distribuyen todos
los usuarios y los políticos, podemos delinear alrededor de los
50
puntos un contorno que los encierre. Las líneas concéntricas en

el gráfico se denominan “contornos de densidad” y describen
cuántos usuarios hay en las distintas zonas de la Figura 2 (el
número de puntos en cada zona del gráfico). Los contornos de
densidad son similares a los que se usan en mapas geológicos
para describir zonas elevadas. En nuestro caso, dichos círculos
describen zonas de mayor altura en cantidad de usuarios. Por
lo tanto, Lilita Carrió no sólo está a mitad de camino entre Er-
nesto Sanz y Mauricio Macri, sino que también se encuentra en
una zona considerablemente más densa (una zona con mayor
número de cuentas de Twitter que hablan sobre #Nisman). En
el mapa de Twitter, Lilita Carrió se encuentra en el centro del
grupo opositor del caso #Nisman.
En las próximas páginas también describiremos dónde se
encuentran los medios de comunicación masivos (Clarín, La
Nación, Página/12, Tiempo Argentino), los falsos trolls (@Al-
bertoNisman, @FiscalNisman, @Cuervotiinelli), los fakes (@
elkaiser63, @elcositodelapizza, @malcomgomez), la política
internacional (la derecha venezolana, la derecha de Chile, el
chavismo), entre una multitud de comunidades que partici-
paron del caso #Nisman. Antes, conviene entender cómo son
producidos los mapas de la red social del caso #Nisman y qué
tipo de relaciones son explicadas por los datos.
Amigos son los amigos
Antes de adentrarse en los aspectos políticos del caso, vale la pena

tomar un pequeño desvío para entender cómo funciona Twitter
y cómo es generada la red de la Figura 2. Ello nos permite com-
prender cómo la estadística y la ciencia política utilizan los datos
sociales para analizar crisis políticas y comportamientos sociales.
51
Ernesto Calvo
Entender cómo se analizan los datos de Twitter también nos in-

forma sobre las ventajas y las limitaciones de las redes sociales.
Consideremos por ejemplo al bloguero anónimo (o al
“mercenario”) Malcom Gomez, quien el 27 de marzo de 2015
publicó este tuit: “Empecé a seguir irónicamente a un ultra K
y al toque me devolvió el follow. O sea, yo solo quería pasar el
rato y ahora tenemos una RELACIÓN”. Esta “relación”, como
la llama Malcom Gomez, es una fuente de información impor-
tante para mapear a los actores políticos en Twitter. A diferen-
cia de Facebook, donde las relaciones son simétricas (“Si yo soy
tu amigo, vos sos mi amigo”), Twitter es un sistema jerárquico
de difusión de información donde seguir a alguien o ser segui-
do por alguien representan distintos tipos de relación.
Por ejemplo, Cristina Fernández de Kirchner es seguida por

3,7 millones de personas, mientras que ella tan sólo sigue a 97.
Esta asimetría entre el número de seguidores y el número de ami-
gos es una de las características más importantes que observamos
en los actores políticos y sociales que mayor peso tienen en una
red social. El término utilizado habitualmente para definir a al-
guien que es seguido por otros usuarios es el de “autoridad”. Ser-
gio Massa sigue a 784 usuarios y es seguido por más de 473.000,
52
Mauricio Macri sigue a 572 personas y a su vez es seguido por

1,28 millones, Justin Bieber sigue a 198.000 personas y es seguido
por 62,7 millones. En cambio, el término utilizado para indicar el
acto de seguir a alguien es “nodalidad” o, en inglés, hub.
Nota: definimos como autoridad a la acción de ser seguido por otros usuarios y
como nodalidad (o hub) a la acción de seguir a otros. Los políticos, al igual que
las grandes empresas, prefieren ser seguidos por muchos y seguir a pocos usua-
rios, con el fin de minimizar riesgos. Daniel Scioli es un caso atípico, con un nú-
mero alto de “amigos” a los cuales sigue pero difícilmente puede fiscalizar. En el
último año ha ido reduciendo su nodalidad, conforme la campaña 2015 avanza.
53
Ernesto Calvo
Son pocos los políticos que siguen a una gran cantidad de

individuos. Daniel Scioli, por ejemplo, durante mucho tiempo
siguió a alrededor de 50.000 personas mientras era seguido por
850.000. Esto no es común y, conforme la campaña electoral
fue progresando, su número fue bajando hasta ubicarse por
debajo de los mil. Mientras que tener un gran número de segui-
dores es una ventaja, seguir a una gran cantidad de usuarios es
políticamente peligroso. Cuando uno sigue a 15.000 personas
siempre existen dificultades para “fiscalizar” a estos individuos.
Para un político puede ser difícil explicar el motivo por el cual
sigue la cuenta de un neonazi, un pedófilo o a individuos in-
volucrados en crímenes de lesa humanidad.
La mayoría de los políticos, dada su aversión al riesgo, pre-
fieren seguir sólo a aquellos individuos que les devuelven una
imagen políticamente aceptable de ellos mismos. Esto incluye
a aliados políticos cercanos, figuras públicas de alto consenso
e instituciones reconocidas. Por ejemplo entre los usuarios a
los cuales sigue CFKArgentina (Cristina Fernández de Kirch-
ner) encontramos aliados políticos y gente del partido como el
expresidente del bloque del FPV Agustín Rossi y el ex jefe de
gabinete y ahora candidato Jorge Capitanich. También encon-
tramos a actores institucionales, como son los presidentes de
América Latina o el Conicet, así como figuras o instituciones
reconocidas por los votantes como el economista Stiglitz o a
la Selección Argentina.
La importancia política de tener muchos seguidores no ha
pasado desapercibida entre empresas y políticos de distintas
partes del mundo. Existe hoy en día un mercado de cuentas
de Twitter que se pueden contratar con el fin de aumentar el
número de seguidores y con el propósito de diseminar publici-
dad para promocionar productos o candidatos. Estas cuentas
54
falsas habitualmente se denominan bots, abreviación para des-

cribir a robots que son programados para actuar como usua-
rios virtuales, los cuales comentan y publicitan información
masivamente por una módica suma.3
La información respecto de quiénes son los usuarios que
siguen a los políticos es mucho menos informativa que aquella
que describe quiénes son los políticos que siguen a usuarios. En
efecto, los políticos ponen mucho cuidado en decidir a quiénes
siguen y muy pocas restricciones para aceptar nuevos seguido-
res. La información de a quién siguen los políticos, por tanto,
nos permite construir redes que describen con mejor defini-
ción y mayor detalle la política de alianzas en la Argentina.
La relación que surge de “seguir a alguien” da lugar a es-
tructuras en la red. Por ejemplo, en la Figura 3 tenemos a 5
usuarios, con flechas que describen el acto de seguir (hub) a
otro usuario (“autoridad”). Imaginemos que la información
fuera como el líquido que llena una jarra de agua y que pode-
mos verterla sobre la Figura 3. Al agregar esta “información”
–el líquido– y analizar cómo es transportada, veríamos que
la información de los usuarios A y C se distribuyen prima-
riamente a la autoridad B. Mientras tanto, los usuarios D y
E forman una comunidad aparte, aun cuando están conecta-
dos a la red a través del usuario C. Del mismo modo, pode-
mos visualizar a los tuits de los usuarios que hablan sobre el
caso #Nisman como agua que es vertida sobre la red social de
Twitter y va siguiendo las flechas hasta los distintos destinos.
Cuando analizamos la red #Nisman en Twitter, estamos con-
siderando el flujo de información que circula entre miles o
cientos de miles de usuarios.
Como cualquier tipo de herramienta social, los usuarios
novatos y los experimentados manejan sus cuentas de Twit-
55
Ernesto Calvo
ter de modo distinto. El hecho de seguir “irónicamente a un

ultra K”, como afirma Malcom Gomez, o de estar atrapado en
una relación por convicción, son fuentes de información que
podemos utilizar. Lo importante es entender las frecuencias
con que se sigue irónicamente o por convicción a distintos
actores.
Por ejemplo, existen pocas dudas de que el carácter descon-
tracturado y frontal de Aníbal Fernández tiene como resultado
que lo sigan algunos usuarios que tienen pocas coincidencias
con él. En este sentido, Aníbal Fernández es más popular que
Florencio Randazzo y, por tanto, es seguido tanto por usua-
rios que tienen afinidad ideológica con el gobierno como por
algunos usuarios que no la tienen. Sin embargo, el número de
usuarios disminuye rápidamente conforme aumenta la inten-
sidad de las disidencias con el ministro. Es decir, aunque el
número de seguidores de Aníbal Fernández incluye un mayor
número de opositores al gobierno que el de los seguidores de
Randazzo, en ambos casos el número de usuarios disminuye
con la distancia “ideológica”.
Es decir, un gran número de usuarios que se encuentran
políticamente cerca de Aníbal Fernández lo sigue, mientras
que un número pequeño de férreos opositores lo siguen “iró-
nicamente”. Del mismo modo, el número de usuarios que
tienen afinidad con el gobierno y siguen simultáneamente a
Aníbal Fernández y a Cristina Fernández de Kirchner es con-
siderablemente mayor que quienes son opositores y siguen a
ambos políticos al mismo tiempo. Es decir, el “conjunto” de
autoridades que son seguidas por cada usuario nos da infor-
mación sobre su afinidad política, más allá de que cada uno
de estos usuarios pueda también seguir “de modo irónico” a
algunos tuiteros del partido de enfrente. Con esto podemos
56
también tranquilizar a Malcom Gomez: una golondrina no

hace verano en un solo día ni tampoco una noche de pasión
tuitera constituye una relación.
Retuiteando información
Así como los políticos entienden claramente la diferencia en-

tre seguir y ser seguidos, también entienden muy bien la dife-
rencia entre seguir a alguien y retuitear sus mensajes. Cristina
Fernández de Kirchner, por ejemplo, sigue a su par mexicano
Enrique Peña Nieto. Sin embargo, la presidenta nunca a re-
tuiteado información publicada por el presidente de México.
En efecto, publicar información producida por otros en In-
ternet es un acto político antes que un acto de socialización.
Mientras que muchos de nosotros retuiteamos las publicacio-
nes de los amigos en temas relativamente marginales, incluso
aquellas que consideramos triviales, es más difícil reproducir
tuits con los cuales no acordamos, particularmente si refie-
ren a temas que son para nosotros políticamente relevantes.
¿Puede pasar? Por supuesto. Siempre existe la posibilidad de
que un subgrupo de usuarios retuitee información con la que
no está de acuerdo, ya sea por desidia, por error o, como afir-
ma Malcom Gomez, irónicamente. Sin embargo, al observar
millones de tuits y retuits, los grandes números dominan. La
información que extraemos de Twitter sólo sería incorrecta si
los individuos retuitearan una mayoría de cosas con las que no
están de acuerdo. Esto es altamente improbable, lo que explica
la alta calidad de los mapas conceptuales que podemos derivar
de Twitter.
Por tanto, así como los usuarios más experimentados dis-
tinguen muy bien entre ser seguidos y seguir a otro usuario,
57
Ernesto Calvo
existe en Twitter una clara distinción entre seguir a un usua-

rio y republicar sus mensajes. Mientras que en Facebook la
gente tiende a celebrar indiscriminadamente los comentarios
y eventos de sus amigos, en Twitter la gente es muy selectiva
respecto de qué publicaciones retuitea y a cuáles usuarios si-
gue. (Ver Figura 4)
Este es el motivo por el cual en Twitter siempre observamos

relaciones jerárquicas, tal como es mostrado en la Figura 4, la
cual describe el intercambio de tuits que mencionaron al secre-
tario de Seguridad Sergio Berni y al ex-jefe del Ejército César
Milani. En este caso, es mucho mayor el número de retuits que
son emitidos desde la oposición, quienes buscan capitalizar los
costos políticos que tanto Berni como Milani tienen sobre el
voto del gobierno.
La información que circula por las redes sociales y que tiene
como objeto a Berni o a Milani es un buen ejemplo de diálogo
político en Twitter. En efecto, los políticos concentran sus in-
tervenciones en temas que les son favorables. Si un tema es de
tal importancia que es inevitable hablar al respecto, entonces
los políticos intervienen de modo tal de cambiar la narrativa.
Sin embargo, los políticos siempre van a tratar de evitar hablar
de aquellos temas que no les son favorables. En efecto, tan sólo
con mencionar el tema, independientemente de lo que un polí-
tico diga, el aumento de visibilidad hace que los votantes le den
mayor importancia en sus decisiones electorales. Cuando un
político se ve desfavorecidos por un tema, cualquier aumento
en la visibilidad o importancia que los votantes le asignen a
dicho tema aumenta los costos políticos. En el caso del secre-
tario Berni o del ex-jefe del Ejército Milani, dado que sólo la
oposición obtiene réditos políticos al tuitear sus nombres, la
58
oposición debería hablar al respecto mucho más a menudo que

los aliados del gobierno.
Dado que los políticos hablan de distintas cosas, distintos
flujos de información circulan por cada una de las zonas de la
red #Nisman. Lo que es considerado un tema importante para
quienes están cerca del FPV puede no serlo para quienes están
cerca de la UCR. Dada la segregación informativa en Twitter,
conforme cambiamos de tema también nos movemos por dis-
tintos barrios de la red social.
Retomando la metáfora del líquido que es vertido en
la red, distintos temas políticos llegan con distinta intensidad
a distintas zonas de Twitter, tal como ocurre con zonas altas
y bajas cuando hay una inundación o cuando se rebalsa una
represa. El hecho de que distintos temas circulen por distintas
zonas de la red lleva también a que los usuarios perciban un
flujo distinto de argumentos relativo a las distintas pruebas que
cada comunidad presenta sobre el caso. Estas diferencias se
mantienen aun cuando todos ellos participen de la misma red
social, como es la red del caso #Nisman. (Ver Figura 5)
Así como el flujo varía en distintas zonas, la cantidad total
de información disponible en la red puede ser mayor o me-
nor dependiendo del tema. Los tuits que incluyen los términos
“Lagomarsino” o “Stiuso”, por ejemplo, son considerablemente
más abundantes que los que incluyen “Berni” o “Milani”. Esto
es cierto tanto para los votantes que están cerca del gobierno
como para quienes están cerca de la oposición. Sin embargo, la
densidad los tuits referidos a Lagomarsino y a Stiuso es propor-
cionalmente mayor entre los actores cercanos al gobierno (ma-
yor número de conexiones). Mientras que Berni y Milani son
temas firmemente controlados por el discurso opositor, Stiuso
y Lagomarsino enfrentan a las distintas narrativas del gobierno
59
Ernesto Calvo
y la oposición con mayor cantidad de diálogos al respecto que

surgen del campo oficialista. En este segundo caso, Lagomarsi-
no y Stiuso, el diálogo “entre” comunidades es inevitable.
Estos ejemplos nos muestran algunas de las características
principales de la conformación de redes y la diseminación de
información a través de Twitter. Más adelante, daremos algu-
nas precisiones sobre el proceso de estimación de estas redes.
Por ahora, volvamos al mapa del caso #Nisman para analizar
otros actores políticos que son de interés. Entre ellos, pocas
dudas caben de que los medios periodísticos ocupan un lugar
privilegiado.
La polarización de/en los medios
Pocos pueden dudar de que la política argentina se encuentra

polarizada. Existe hoy un abismo entre las visiones del mun-
do que tienen los aliados del gobierno y los de la oposición.
Sin duda que entre las multitudes de creyentes existen tam-
bién cínicos, dispuestos a usufructuar de las creencias que los
distintos grupos tienen sobre el presente y el futuro del país.
Pero la polarización no es simplemente el reflejo de manipu-
laciones y maquinaciones. Como afirmamos anteriormente,
la polarización es también el resultado de la oferta informa-
tiva que los distintos grupos de votantes tienen a su dispo-
sición. Esta oferta informativa está íntimamente vinculada
a las geografías alternativas en las que cada uno de ellos ha
decidido habitar.
Esta polarización es sin duda transmitida por usuarios, pero
también por los medios masivos de comunicación, muchos de
los cuales han entrado de lleno en la batalla política. Las di-
ferencias entre los medios de comunicación son claramente
60
identificadas por los usuarios de Twitter, los cuales ubican a

periodistas y organizaciones en lugares muy distintos del mapa
político. La Figura 6 describe las posiciones de los distintos
medios periodísticos. En el caso #Nisman, el diario La Nación
y el programa periodístico Periodismo para Todos se constitu-
yeron en los pesos pesados de los medios nacionales del lado
de la oposición. Página/12 y Tiempo Argentino, por otro lado,
hicieron lo propio desde el gobierno.
Las diferentes visiones periodísticas sobre el caso #Nisman
constituyeron un juego aparte; conectado, sin duda, pero a su
vez lateral al observado entre el gobierno y la oposición. Al igual
que en el caso del Consejo de la Magistratura, el conflicto en
torno a Papel Prensa y a la Ley de Medios galvanizó a los medios
periodísticos más concentrados, quienes entraron de lleno en la
lucha política y en la competencia electoral. Un sinnúmero de
tuits editorializaron esta relación entre los medios y la política,
como es ejemplificado por el tuit de @HumodePrimeraTW.
61
Ernesto Calvo
Pocas cosas identifican tan claramente la incorporación

de los medios a la lucha político-electoral como el tipo de
comunidades informativas con las cuales pueden ser iden-
tificados en Twitter. De los 10 tuits que más circularon en
relación al caso #Nisman, 3 fueron generados por la cuenta
oficial de La Nación, @lanacioncom. De los 4,5 millones de
tuits generados en los primeros 40 días del caso #Nisman,
el más retuiteado fue una encuesta preguntando a los lecto-
res de La Nación si iban a participar de la marcha del 18 de
febrero (#18F). Este tipo de tuit, formulado como encuesta
pero destinado a movilizar políticamente, tiende a generar
alta tracción entre los usuarios. En el capítulo 4 describire-
mos en detalle algunas de las características de las “encues-
tas” tuiteras.
62
Con cerca de 1,3 millones de seguidores en Twitter, no es

de extrañar que también el sexto tuit de mayor circulación
tuviera su origen en la cuenta oficial de La Nación. Publi-
cado en la mañana del 19 de enero de 2015, el tuit critica-
ba la decisión del canal oficial (@TV_Publica), el cual no
cambió su programación para transmitir de forma continua
las noticias referidas a la muerte del fiscal Alberto Nisman.
Finalmente, también el séptimo lugar de los top 10 #Nisman
fue publicado desde la cuenta de La Nación, con un link
que dirigía a sus lectores a la nota de opinión escrita por
Santiago Kovadloff el lunes 19 de enero, un día después de
la muerte del fiscal.
63
Ernesto Calvo
Por supuesto, el caso de La Nación da cuenta de la impor-

tancia que tuvo el periodismo en general al editorializar el caso
#Nisman. El segundo y el noveno tuits con mayor circulación
fueron de dos periodistas reconocidos: Nicolás Wiñazki (Cla-
rín y PPT) y Gabriel Levinas (productor ejecutivo de PPT). Es
decir, de los 10 tuits que mayor circulación tuvieron luego de
la muerte de Alberto Nisman, cinco fueron publicados por las
cuentas oficiales del diario La Nación o por periodistas vincu-
lados a PPT y a Clarín. (Ver Figura 6)
Desde el inicio del caso #Nisman, la activa participación
política de periodistas ligados a La Nación y a Clarín fue pre-
senta por el gobierno como evidencia de que la oposición
estaba conspirando junto a estos medios con el objetivo de
desestabilizar políticamente la presidencia de Cristina Fer-
nández. Por otra lado, desde la oposición, la narrativa oficial
de un periodismo golpista fue denunciada como parte de una
estrategia autoritaria destinada a ocultar crímenes de Estado.
Dichas narrativas fueron amplificadas a través de los medios
y retuiteadas en la red #Nisman. La Figura 6 muestra la ubi-
cación de una selección de actores periodísticos, los cuales
fueron referentes del gobierno y de la oposición en el caso
#Nisman. De modo similar a la estimación de posiciones de
los actores políticos, la ubicación en el mapa de los distintos
periodistas y de sus medios depende exclusivamente de la red
de usuarios que retuitea sus mensajes.
Una de las ventajas de utilizar las redes de diálogo en
Twitter para generar mapas simbólicos de la política argen-
tina es que podemos ubicar en un mismo plano a políticos,
blogueros, artistas y medios masivos de comunicación, entre
otros. En el caso de la red #Nisman, podemos observar que
La Nación y Clarín están ubicados en la zona de abajo a la
64
derecha en la Figura 6, cerca de donde se ubicaron Mauricio

Macri y Gabriela Michetti. En esa misma zona se ubica la
cuenta de LanataPPT, una de las tres cuentas “no oficiales”
asociadas con el periodista Jorge Lanata. Cerca del gobier-
no, por otro lado, se ubican Página/12, Tiempo Argentino y
Télam. Hay un gran número de periodistas que se han man-
tenido independientes del gobierno y la oposición, los cuales
se encuentran entre ambas comunidades, abajo y hacia el cen-
tro de la Figura 6. Estos incluyen a C5N, María O’Donnell y
Martín Caparrós, quienes simplemente fueron seleccionados
para ejemplificar a un número importante de periodistas que
se ubican en el valle que separa al gobierno de la oposición
en la red #Nisman.
De la geografía #Nisman al diálogo entre comunidades
La geografía del caso #Nisman que surge del análisis de los

tuits permite discriminar con mucha precisión, en distintas co-
munidades, a los actores del gobierno y de la oposición. Estas
comunidades están dominadas por formadores de opinión que
concentran gran parte de los mensajes que son reenviados por
el resto de los usuarios y que incluyen políticos, periodistas,
blogueros y fakes. Los primeros dos grupos fueron descriptos
en las páginas precedentes, mientras que de los otros grupos
nos ocuparemos más adelante.
Estas geografías facilitan la transmisión de información
entre actores que se encuentran mejor conectados entre sí.
Distintos niveles de conectividad también facilitan la trans-
misión de distintos tipos de información entre los usuarios de
Twitter, quienes perciben mensajes que están en sintonía con
las ideas políticas con las que ellos comulgan. Las comunidades
65
Ernesto Calvo
de usuarios, en distintas zonas del mapa de Twitter, observan

discursos que son localmente “mayoritarios”. Entre los actores
cercanos al gobierno, el número de tuits que acusan a la opo-
sición de golpista es considerablemente mayor que el número
de tuits que acusan al gobierno de asesinato. Entre los usua-
rios cercanos a la oposición, el número de tuits que apoyan
la hipótesis de una conspiración criminal desde el Estado es
extraordinariamente superior a aquellos que favorecen la hi-
pótesis del suicidio.
El resultado de la segregación en comunidades de usua-
rios es una mayor polarización. Los discursos observados en
distintas geografías de Twitter son consistentes con cada una
de las comunidades de referencia. Por tanto, cuando un tuit
traspasa las fronteras de su comunidad y es transmitido por el
resto de la red, las diferentes narrativas entran en conflicto y
son interpretadas como actos de cinismo político sin ningún
tipo de sustento fáctico. En efecto, cuando argumentos de una
comunidad son trasvasados al resto de la red, los sesgos de
información de las distintas comunidades de usuarios entran
en conflicto.
El escepticismo de cada comunidad respecto de las na-
rrativas alternativas es a su vez potenciado por operaciones
de tipo político de quienes tienen agendas políticas un poco
más sofisticadas. Estos fakes de la información entran y salen
de distintas comunidades mediáticas y pueden habitualmente
ser identificados por su huella digital: son voraces, agresivos,
siguen a mucha gente y son seguidos por pocos. El ojo ex-
perto puede detectar a algunos de ellos; el análisis estadístico
puede sacar de su guarida a algunos otros. La detección de
bots, trolls y fakes será el objeto de discusión del capítulo 4,
un poco más adelante.
66
En el siguiente capítulo, nos ocuparemos de analizar en ma-

yor detalle la estructura de los diálogos tuiteros observados en
el caso #Nisman. En particular, mostraremos cómo distintos
tipos de información circularon con distinta intensidad entre
distintas comunidades de usuarios, y definiremos las fronteras
de dichas comunidades así como el tipo de información que
cada una de ellas consideró relevante.
67
III. ¡Diálogos tuiteros!
El capítulo anterior describía la distribución de las piezas de

ajedrez sobre el tablero identificando actores y regiones que
permiten caracterizar al gobierno y a la oposición. Esos ma-
pas nos permiten entender rápidamente la geografía del caso
#Nisman, pero no dicen mucho sobre el tipo de diálogo que
caracterizó a los distintos grupos. En las páginas que siguen
introduciremos a los lectores en los diálogos tuiteros que do-
minaron el caso #Nisman.
Al describir los diálogos referidos a Stiuso, Lagomarsino,
Berni y Milani, en las Figuras 4 y 5, pudimos observar algu-
nas de las características principales de los diálogos tuiteros:
son jerárquicos, varían en cantidad de acuerdo con el tema
y tienden a concentrarse de modo distinto entre opositores y
oficialistas. Los gráficos mostraban mayores niveles de activi-
dad en distintas zonas, que reflejaban los distintos intereses de
quienes pertenecen a comunidades de la oposición o del go-
bierno. También mostraban la existencia de actores con mayor
peso dentro de la red. Ello describe la transmisión jerárquica
de información en el caso #Nisman, donde unos pocos tuits
publicados por un puñado de usuarios dominan el contenido
que observamos en la red. (Ver Figura 7)
Una de las características de los intercambios en Twitter es
que son particularmente intuitivos; por ejemplo, al observar
la diseminación de información relativa a la decisión del Juez
69
Ernesto Calvo
Daniel Rafecas, quien rechazó la denuncia contra la presidenta

y sus ministros el 26 de febrero de 2015. Como muestra la Fi-
gura 7, la mayoría de los retuits relativos a la decisión de Daniel
Rafecas surgen de regiones y actores cercanos al gobierno, los
cuales consideraron la decisión del juez como una vindicación
de la inocencia de Cristina Fernández de Kirchner. La decisión
de Rafecas, en cambio, fue ignorada por los actores de la opo-
sición, los cuales no sólo no acordaron con esta decisión sino
que, más importante aún, la ignoraron.
¿Cuál es el motivo por el cual esta decisión fue ignora-
da? Como describe el Capítulo 1, dos mecanismos explican
las diferencias en el tipo de mensaje que circula por ambos
campos. En primer lugar, los actores políticos importantes
tienden a no hablar de aquellos temas cuya difusión incre-
menta los costos políticos. Los formadores de opinión de la
oposición, por tanto, evitaron dentro de lo posible realizar co-
mentarios referidos a la decisión del juez Rafecas. Dado que,
tanto para los actores ligados al gobierno como para los cer-
canos a la oposición, la información relevante es aquella que
es consistente con las creencias que tienen sobre el caso, por
eso sólo los miembros de la red #Nisman cercanos al gobier-
no difunden esta noticia. El segundo motivo, sin embargo, es
estructural a la red de Twitter y depende del modo en que la
información circula entre grupos sociales. De este segundo
mecanismo, denominado “red de mundo pequeño”, nos ocu-
paremos en la siguiente sección.1
No importa que grites, de este lado no se escucha
Imaginemos por un momento que las líneas azules en la Fi-

gura 7 representan el volumen de información que circula
70
entre las distintas comunidades. Entre los actores políticos de la

red #Nisman que están conectados al gobierno, la información
sobre la decisión del juez Rafecas se disemina ampliamente,
suena fuerte y claro. Mientras tanto, entre quienes están co-
nectados a la oposición, el mensaje es tenue y no concluyente.
Para los aliados al gobierno, el juez Rafecas viene a validar todo
lo que ellos pensaban.
Podemos considerar este mensaje de Aníbal Fernández

como una editorialización de la decisión del juez Rafecas. Esta
editorialización es vertida sobre Twitter y distribuida entre sus
usuarios. Sin embargo, esta información es retuiteada desigual-
mente por quienes se encuentran en distintos barrios de Twit-
ter. Por tanto, la decisión de Rafecas reafirma las creencias de
quienes comulgan con el gobierno, quienes entienden la falta
de mérito del caso como la confirmación de una conspiración
para forzar la renuncia de Cristina Fernández de Kirchner. Por
otro lado, entre quienes se encuentran cerca de la oposición,
71
Ernesto Calvo
el mensaje confirma que el juez Rafecas fue comprado o está

atemorizado o confundido, lo que confirma que el gobierno
no sólo mata sino que lo hace con impunidad, tal como afirma
Lilita Carrió.
No hay duda de que entre el gobierno y la oposición existen

diferencias profundas sobre la interpretación de los hechos.
Entre los formadores de opinión, tanto políticos como perio-
dísticos, nuevas piezas encajan en distintos lugares del rompe-
cabezas. Más interesante, sin embargo, es entender qué sucede
con aquellos actores que podrían llegar a cambiar sus posturas
políticas, pero perciben mensajes políticos que están fuerte-
mente sesgados hacia las creencias mayoritarias dentro de sus
respectivas comunidades.
La Figura 8 muestra una versión estilizada de la Figura 7,
que distingue en color amarillo los mensajes de Aníbal Fer-
nández relativos a la decisión del juez Rafecas. Como se puede
observar, la mayoría de las líneas amarillas se dirigen hacia
el interior de la coalición oficialista. Mientras tanto, sólo un
72
pequeño grupo de retuits fueron realizados desde el interior

del campo opositor. (Ver Figura 8)
Para ser claros, los retuits de Aníbal Fernández son leídos
por una gran cantidad de usuarios. De hecho, el número de
usuarios que acceden al mensaje de Aníbal Fernández es ex-
traordinariamente mayor que el número de fav o de retuits.
Sin embargo, la mayoría de quienes verán el tuit de Aníbal
Fernández en sus teléfonos y computadoras están conectados
a individuos de la red #Nisman cercanos al gobierno. Podemos
pensar cada una de las líneas amarillas como una “repetido-
ra” televisiva, donde la información es personalizada y circula
entre comunidades de interés que tienen mayores niveles de
conexión con el gobierno y menores con la oposición. Las di-
ferencias en la cantidad de líneas amarillas que van hacia cada
comunidad es significativa. Estas diferentes líneas describen el
modo en que Twitter transmite de modo desigual la informa-
ción que perciben los votantes que se encuentran en el interior
de las distintas comunidades.
Más adelante, mediremos las diferencias en el nivel de in-
formación disponible en las distintas comunidades. Por ahora,
simplemente vale la pena destacar que la decisión de retuitear
información hacia el interior de cada comunidad política tiene
como consecuencia una homogeneización de cada una de las
narrativas, oficial y opositora, ante distintos electorados. Esta
homogeneización del discurso oficial y opositor, cada uno ha-
blando hacia sus comunidades, se constituye en una herramien-
ta de movilización antes que de persuasión. En efecto, conforme
la distancia entre las dos narrativas se agranda, la lucha política
se concentra en la movilización de las distintas comunidades.
Tres distintos casos nos permitirán ejemplificar las con-
secuencias políticas de la distribución de información en
73
Ernesto Calvo
comunidades que están altamente conectadas hacia adentro

(son densas) y que a su vez están poco conectadas entre sí (es-
tán dispersas). En el primer caso, mostramos una “encuesta” de
Nikgaturro en Twitter, que es un mecanismo de difusión de ideas
de la comunidad antes que un mecanismo de captura de opinio-
nes. En segundo lugar, mostraremos la difusión de información
que busca confirmar la narrativa de la oposición. En tercer lugar,
analizaremos la diseminación de la posición del gobierno en los
días que siguieron a la muerte de Alberto Nisman.
Confirmaciones
El mejor punto de partida para mostrar las propiedades de una

red de mundo pequeño es la “encuesta” de Nik publicada en su
cuenta de Twitter dos días después de la muerte del fiscal Nis-
man. Esta no fue una publicación marginal sino que se ubicó
en el número 133 de los tuits que más circularon sobre el caso
#Nisman.
74
La encuesta de Nik, como muchas encuestas similares en

Twitter, les pide a los usuarios que quienes apoyan la hipóte-
sis del suicidio voten marcándolo como fav y que quienes se
oponen a esta hipótesis retuiteen el mensaje. El resultado sería
distinto, por supuesto, si Nik hubiera presentado la encuesta de
modo tal que la hipótesis de suicidio fuera retuiteada.
En el tuit de Nik, un 5% de los “encuestados” se inclina
por la hipótesis del suicidio mientras que un 95% descarta esta
alternativa. Esta muestra, por supuesto, no es aleatoria ni re-
presentativa. Pero aun en este caso los números parecen con-
tundentes. Para quienes viven en la comunidad de Nikgaturro,
no existen dudas de que la causa de muerte del fiscal no fue
suicidio. Vale la pena nuevamente distinguir dos mecanismos
diferentes que explican el alto grado de consenso en el grupo
que contesta la encuesta de Nik.
Por un lado, en los primeros días del caso #Nisman el nivel
de actividad de la comunidad “opositora” fue mucho mayor
que el de los actores políticos cercanos al gobierno. Dado que
Twitter no es una muestra representativa de la población y que,
a su vez, distintos eventos mediáticos producen muestras no
representativas de los usuarios de Twitter, la encuesta de Nik
tiene dos fuentes de sesgo distintas: en primer lugar, está ses-
gada hacia sectores de mayor nivel socioeconómico que tiene
mayores niveles de actividad en Twitter; en segundo lugar, está
sesgada hacia actores de la oposición que tienen preferencias
intensas sobre el caso. Por tanto, es de esperar que los resulta-
dos de este tuit sean distintos que los observados en una mues-
tra representativa.
Sin embargo, mucho más interesante es el segundo meca-
nismo que explica la alta tasa de apoyo a la hipótesis que
rechaza la idea de suicidio. Cada vez que un individuo marca
75
Ernesto Calvo
como fav la hipótesis del suicidio, el mensaje de Nik gana

genéricamente un poco de visibilidad. Sin embargo, cada vez
que este mensaje es retuiteado para apoyar la hipótesis rival, el
mensaje se difunde en la red. Es decir, el mensaje de Twitter
sólo se propaga por la red si el usuario está de acuerdo con la
hipótesis de Nik, la cual afirma que la muerte del fiscal no fue
un suicidio. (Ver Figura 9)
Como se ve en la Figura 9, la encuesta de Nik fue retuiteada
casi con exclusividad entre usuarios ligados a la oposición. Es
decir, aun cuando un 5% de los usuarios apoyaron la hipótesis
del suicidio, estos fav no aparecen representados en líneas de
diálogo, dado que los fav no propagan el mensaje de Nik. El
resultado es un mensaje que es observado casi exclusivamente
por miembros de la comunidad opositora. Este mensaje confir-
ma lo que todos ellos ya saben: #Nisman fue asesinado.
Este ejemplo muestra el modo en el cual la narrativa opo-
sitora es localmente mayoritaria. Entre los usuarios de Twitter
que comulgan con la oposición no existen disidencias. La gran
mayoría de los miembros de Twitter, tal como son observados
por los usuarios que se encuentran en el interior de la comu-
nidad, están convencidos de que Nisman fue asesinado por
el gobierno. A su vez, la misma comunidad confirma que no
puede ser de otro modo, dado que todos piensan lo mismo.
Responsabilidad política: ¿quién tiene la culpa de

lo que nos toca vivir?
En un artículo interesante, Isabella Alcañiz y Timothy Hellwig

analizaron los mecanismos de atribución de responsabilidad en
las democracias de América Latina (Alcañiz y Hellwig, 2011).
Cuando a un grupo de encuestados se les preguntaba: “¿Quién
76
es responsable por el estado de la economía?”, las respuestas

se multiplicaban e incluían a una variedad de actores como el
Gobierno, el FMI, los bancos, la falta de iniciativa de los indi-
viduos, Estados Unidos, entre muchos otros. En efecto, atri-
buir responsabilidades no es tarea fácil, aun al describir eventos
sobre los cuales asumimos que existe una gran cantidad de
información. Vale la pena tomarse un minuto y responder uno
mismo esta pregunta. Lea la siguiente pregunta, piense durante
20 segundos y marque todo lo que corresponda:
¿Quién es responsable por el estado de la economía ar-

gentina?
El gobierno
El Congreso
El FMI y los organismos de crédito internacionales
Estados Unidos
La justicia
La falta de iniciativa de los individuos
El sistema mundial
En teoría de la información, el nivel de variabilidad de las

respuestas está inversamente relacionado con el nivel de
información de la que disponen los individuos. Cuando la
información es escasa, los individuos cambian rápidamente de
idea ante cambios en el formato de la pregunta. Cuando la in-
formación es abundante, los individuos son más consistentes y
difícilmente cambian de idea, no importa cuanta información
nueva sea agregada.
La economía es un área compleja, en la cual existe poco
consenso respecto de los instrumentos que facilitan el creci-
77
Ernesto Calvo
miento. Como resultado, elementos contextuales que difieren

entre los distintos países tienen un efecto importante sobre
las percepciones de los votantes. En Argentina, el número de
encuestados que atribuyeron responsabilidad al Fondo Mo-
netario Internacional y a otros organismos internacionales es
muy superior al número de encuestados chilenos que acusan
a los organismos internacionales. En cambio, los votantes chi-
lenos son más propensos a explicar los problemas económicos
de Chile por la falta de iniciativa de los individuos. En efecto,
cuando la información es escasa o la evaluación de responsa-
bilidades es difícil, las comunidades de referencia llenan los
espacios vacíos para producir narrativas que son consistentes
(y a menudo muy distintas).
En el caso #Nisman, la información de la que dispone la
gran mayoría de los ciudadanos es extraordinariamente escasa.
En primer lugar, la información válida sobre el caso es limita-
da, dado que la investigación está bajo secreto de sumario. Por
tanto, los detalles sobre el caso a los que acceden los votantes
provienen de actores que no tienen acceso directo a la eviden-
cia. Por otro lado, aun cuando existe evidencia que ha sido
difundida oficialmente, es poco común que los votantes la es-
tudien con el debido cuidado. Pocos votantes están dispuestos
a leer las 300 páginas de la acusación del fiscal Nisman contra
la presidenta, pocos votantes leyeron la decisión del juez Rafe-
cas, la insistencia del fiscal Gerardo Pollicita o la desestimación
de la Cámara de Casación.
Dado que acceder a información es costoso, en tiempo, di-
nero y esfuerzo, los votantes utilizan atajos informativos para
asentar posturas y para tomar decisiones. A la hora de votar,
la etiqueta partidaria y los pronunciamientos ideológicos ayu-
dan a los votantes a identificar políticos con los cuales tienen
78
afinidad. Del mismo modo, actores políticos y periodísticos en

el caso #Nisman les permiten a los votantes tomar posturas y
acceder a información que ellos consideran relevante sin tener
que invertir tiempo, dinero y esfuerzo.
Dado que la gran mayoría de los votantes no conocía nin-
guno de los detalles del caso #Nisman, la reconstrucción de las
narrativas sobre su muerte fue armada rápidamente por la co-
munidad a partir de piezas que validaban la hipótesis de una
conspiración. Esta hipótesis, desde la oposición, se centraba en
evitar que el fiscal presentara “nuevas” pruebas al Congreso en
la mañana del 19 de enero de 2015. Aun cuando el caso judicial
contra la presidenta ya había sido ingresado en el juzgado de Lijo
y cuando la posibilidad de que Nisman presentara nuevas prue-
bas en el Congreso era altamente improbable, la narrativa que se
construyó desde la comunidad opositora reificó la hipótesis de
la destrucción de pruebas como motivo para el crimen del fiscal.
No es de extrañar que el segundo tuit de mayor circulación
fuera el que publicó el periodista Gabriel Levinas, productor
del programa Periodismo para Todos.
79
Ernesto Calvo
Como muestra la Figura 9, al igual que en el caso de la

encuesta de Nik, el segundo tuit que más circuló respecto del
caso #Nisman fue extensamente difundido pero sólo en el in-
terior de la comunidad opositora. Es decir, las distintas piezas
del caso que explican las hipótesis de las distintas comunida-
des sólo circulan entre dichas comunidades, lo que valida la
percepción de que las pruebas son extraordinariamente abun-
dantes y sobre dichas pruebas existe un amplio consenso. Por
supuesto, este amplio consenso difícilmente se extiende a la
comunidad vecina del caso #Nisman.
Golpe blando
Así como la evidencia de una conspiración criminal para ase-

sinar a #Nisman y destruir las pruebas de un pacto secreto con
Irán sólo circuló por los barrios opositores de la geografía de
Twitter, la evidencia de una conspiración para desplazar a Cris-
tina Fernández de Kirchner mediante un golpe blando ejecu-
tado a través del sistema judicial sólo circuló a su vez entre los
barrios de Twitter cercanos al gobierno.
Aun cuando en los 40 días que siguieron a la muerte de Al-
berto Nisman la intensidad de la reacción mediática fue menor
entre los actores afines al gobierno, la contranarrativa de un in-
tento de desestabilización apuntó en tres direcciones principales.
En primer lugar, la narrativa oficial buscó mostrar que el escrito
de acusación de la presidenta no pudo salir de la lapicera del
fiscal (o siquiera de un abogado), dado que no atendía a las for-
mas propias de una acusación criminal para ser presentado ante
el juez. Por tanto, en segundo lugar, que #Nisman fue el chivo
expiatorio de una operación política de la cual él fue en primera
instancia partícipe y, en segunda instancia, víctima.
80
En tercer lugar, la narrativa oficial buscó mostrar que

#Nisman no era un mártir de la AMIA sino un fiscal corrup-
to, al servicio de actores de la inteligencia internacional. Las
distintas piezas del rompecabezas circularon ampliamente
entre los usuarios vinculados a la red del gobierno en el caso
#Nisman, pero con muy poca exposición entre la comunidad
opositora.
Al igual que en los dos casos anteriores, la Figura 9 muestra
que el mensaje de CFKArgentina tuvo sólo unos pocos retuits
que circularon en el núcleo duro de la oposición. Este fue tam-
bién el caso con la gran mayoría de las otras publicaciones du-
rante los días posteriores a la muerte del fiscal Nisman. En los
meses siguientes, el nivel de actividad opositor fue declinando
de forma permanente, mientras que con cada revés judicial
del caso #Nisman la cantidad de tuits favorables al gobierno
fue subiendo. En la lucha entre narrativas, el tiempo llevó a un
cambio en el tamaño de las audiencias pero no en su segrega-
ción política.
81
Ernesto Calvo
Cambios en las narrativas y diálogo entre comunidades
La característica más importante de la polarización, tal como es

observada en el caso #Nisman, es la continuidad de las comu-
nidades antes que la continuidad de las narrativas. A lo largo
de los meses que siguieron a la muerte de Alberto Nisman, los
motivos, la evidencia y las condiciones del caso que explican la
muerte del fiscal fueron cambiando.
Estos cambios fueron editorializados por los usuarios de
Twitter, quienes desde el campo del gobierno y desde la oposi-
ción argumentaron que las inconsistencias del otro grupo eran
intentos de deslindar responsabilidades. El ejemplo más visible
fue el cambio de posición de Cristina Fernández de Kirchner,
quien públicamente apoyó en primera instancia la hipótesis
del suicidio y un par de días después comenzó a defender una
conspiración para realizar un golpe blando.
La respuesta a los cambios de narrativa fue veloz y cargada
de sarcasmo, y presentó los cambios de posición como eviden-
cia de la necesidad de explicar inconsistencias de un caso que,
por tanto, no podía ser otra cosa que un crimen de Estado.
82
Los cambios de narrativa, sin embargo, son una de las po-

cas ocasiones en las cuales se producen diálogos entre comu-
nidades, en lugar de que estos se produzcan exclusivamente
en el interior de ellas. Efectivamente, los cambios de narrativa
también obligan a una disputa por la interpretación de eventos
sobre los cuales los distintos actores están de acuerdo. A partir
del cambio de narrativa del gobierno, la hipótesis del asesinato
pasó a ser común a todos los usuarios de Twitter, aun cuando
los motivos que fueron aducidos para el asesinato difirieron
radicalmente entre los distintos actores.
Una vez que todos los actores comenzaron a hablar del mis-
mo tema, quedó desactivada una de las fuentes más impor-
tantes del sarcasmo tuitero: la del descrédito por el absurdo.
Sólo quedó la queja, como muestra Malcom Gomez, de quien
lamenta tener que compartir el chiste.
83
Ernesto Calvo
Segregados e informados
La segregación de los usuarios de Twitter en distintas comu-

nidades es sin duda una fuente de polarización política que
no depende tan sólo de las preferencias originarias de sus
miembros sino también, en gran medida, de los mecanismos
de transmisión de información que están codificados en las
tecnologías de las redes sociales.
Cada día se publican 500 millones de tuits en todo el mun-
do. Tan sólo en el primer día del caso #Nisman, se publicaron
800.000 tuits relativos al caso. Dado que los usuarios no pue-
den leer esta masa de información, Twitter produce algoritmos
que leen, interpretan, cortan, pegan y publican la información
que debería ser de interés para los usuarios. Los algoritmos que
usan las redes sociales están fuertemente sesgados. En primera
instancia, hacia el grupo de usuarios que uno sigue (“amigos”).
En segunda instancia, hacia aquellos temas que están trending
(marcando tendencia), es decir, sobre los que habla el resto del
universo tuitero. El resultado de este mecanismo de jerarqui-
zación de la información es también la consolidación de co-
munidades de interés que tienen su origen en diferencias reales
entre usuarios pero que, a su vez, aumentan la homogeneidad
del grupo de pertenencia.
Para el análisis político, la segregación informativa nos de-
vuelve mapas políticos expresivos, que se ajustan al mundo de
la vida virtual en el cual tanto el gobierno como la oposición
habitan. Por otro lado, para la vida política, la segregación infor-
mativa le devuelve a cada usuario un mapa del mundo en el que
sus ideas son siempre las de la mayoría. Poco importa que esa
mayoría sea local y que tan sólo del otro lado de la frontera las
ideas con las que comulga la mayoría sean totalmente distintas.
84
En Twitter todos vivimos en un mundo en el cual nuestras

ideas son aceptadas, repetidas y celebradas por comunidades
localmente mayoritarias. Con ellas celebramos, insultamos y
nos movilizamos, con el objetivo de derrotar la irracionalidad,
el cinismo y la falta de sentido común de esa pequeña comu-
nidad que piensa distinto que todos nosotros.
85
IV.
Trolls, fakes y la guerra de trincheras de las redes sociales
“El problema de los datos publicados en Inter-

net es que uno no puede confiar en ellos.”1

Abraham Lincoln, 1864.
El 19 de enero a la madrugada, tan sólo 4 horas después de

que Damián Pachter reportara sobre la muerte de Alberto Nis-
man, una cuenta fue creada en Twitter bajo el nombre de @
AlbertoNisman. Unos minutos más tarde, a las 4 AM, el falso
Nisman publicaría su primer tuit: “Holi”. El nuevo usuario vir-
tual se sumó a una larga lista de trolls que están activos en las
redes sociales, que incluyen al falso @FiscalNisman, al falso @
CuervoTiinelli (con dos i latina) y a una multitud de Lanatas,
Larratas, Cristinas y Kretinas. La cuenta falsa de Alberto Nis-
man era la continuación de una ardua batalla mediática, que
tiene como soldados a falsos usuarios y como destino a la red
en su conjunto.
Tres minutos más tarde, el falso @AlbertoNisman publica-
ría su segundo tuit: “Me dijeron que diga que me suicidé”. La
batalla mediática escalaría durante las siguientes horas. Mien-
tras los actores cercanos al gobierno se mantenían callados y
la oposición se mostraba indignada, las formas más violentas
de la lucha política en las redes sociales eran llevadas adelante
por cuentas anónimas.
87
Ernesto Calvo
El problema no es nuevo: En un artículo reciente, Stephen

Marche citaba a uno de los directivos de Twitter, quien se que-
jaba en un memo interno: “Estoy francamente avergonzado de
cuán pobremente hemos lidiado con este problema durante
mi estadía como jefe de Operaciones [de Twitter]” (Marche,
2015). En efecto, la proliferación de identidades falsas en las
redes sociales se ha tornado endémica, con estimados cuyos
valores más conservadores son de alrededor del 5% (reportado
por Twitter). Sólo en Estados Unidos, ello representaría alrede-
dor de 10 millones de cuentas truchas.
Estas cuentas sin remitente político ni adscripción formal
permiten llevar adelante una multiplicidad de estrategias polí-
ticas que de otro modo serían imposibles; desde la divulgación
de material secreto –como el que se encuentra bajo secreto
de sumario– hasta la confección y/o difusión de información
privilegiada. En este caso, la difusión de esta información pue-
de ser utilizada para movilizar recursos sociales o para carica-
turizar las posiciones o a las personas que apoyaron distintas
narrativas del caso #Nisman.
88
Los de afuera son de silicio
Una de las estrategias más comunes para crear cuentas falsas

es reproducir la cuenta real de un usuario y agregar alguna letra
al nombre. Estas cuentas falsas luego se insertan en las comu-
nidades de Twitter siguiendo indiscriminadamente a usuarios y
esperando que al menos una fracción de ellos devuelva el follow.
Podemos reinterpretar la queja de Malcom Gomez en el Capítulo
2 en el contexto de estas cuentas falsas. En efecto, Malcom Gomez
quizá eligió un ultra-K que fue insertado para polarizar las redes
antes que un ultra-K con el cual mantener una relación duradera.
El objetivo de las cuentas falsas en algunos casos es dis-
tribuir “chivos” entre los usuarios con fines comerciales. En
otros casos los objetivos son políticos y se busca sembrar cizaña
y caldear los ánimos de comunidades de usuarios. Esta es la
definición de troll más difundida en Internet, la de un indivi-
duo que en forma anónima se dedica a distorsionar la comu-
nicación entre usuarios de una misma comunidad insultando,
engañando y atormentando, en algunos casos con objetivos
políticos y en otros por el placer sádico de infligir sufrimiento.
Tan sólo unas horas después de la creación del troll @Alber-
toNisman, otra cuenta falsa comenzó a publicar su propia cade-
na de tuits: “Terminó la autopsia: Nisman se habría suicidado
de 4 balazos, #CFKAsesina”. Dicha cuenta falsa está diseñada
para actualizarse automáticamente con la página de Marcelo
Tinelli y, a su vez, para intercalar tuits propios virulentamente
antigobierno. Al igual que en el caso de @AlbertoNisman, el
falso Tiinelli publicaría en los siguientes días una cadena de
mensajes destinados a “levantar” a las masas opositoras para
rebelarse contra la opresión Kristinista. En este caso, la fibra
moral del indignado era de dudoso origen.
89
Ernesto Calvo
La cuenta del falso Tiinelli publicaría un sinnúmero de tuits.

En los siguientes 40 días tres mensajes del falso Tiinelli serían
retuiteados un total de 5.370 veces, lo que la ubica como una de
las identidades falsas más exitosas del caso #Nisman. Esto no es
sorprendente, dado que el falso Tiinelli tiene en la actualidad
más de 280.000 seguidores, los cuales en su gran mayoría deben
creer que están siguiendo al verdadero Tinelli. Es sin embargo
probable que el falso Tiinelli tenga también un número des-
proporcionado de cuentas falsas siguiéndolo a él. En efecto, a
diferencia de los usuarios de carne y hueso, los fakes nunca eli-
minan seguidores. Por tanto, es altamente probable que la tasa
de cuentas falsas siguiendo a Tiinelli sea muy superior al 5%.
Descubra las 9 diferencias: ¿cuál es el falso Tiinneli?
Nota: ambas imágenes corresponden al 23 de abril de 2015, 7:55 PM.
90
Mientras que el falso Tiinelli se paseaba por los carriles opo-

sitores y era retuiteado por más de 5.000 usuarios, la cuenta
oficial de Tinelli sólo publicaría un mensaje con respecto al caso
#Nisman. En este mensaje, el Tinelli oficial daba sus condolen-
cias a la familia del fiscal. Este mensaje sería retuiteado por 1.241
de sus seguidores. En la competencia con su otro yo, el Tinelli
oficial recibiría una fracción de la atención que le fue deparada
al falso Tiinelli. Parafraseando al senador Lucas Ayarragaray en
los debates de la reforma electoral de 1911, el contrincante era
tan bueno que hasta los muertos vinieron a votar por él.
Al igual que en capítulos anteriores, el análisis de redes nos

permite ver quiénes fueron los actores políticos y sociales que
diseminaron el mensaje de las cuentas falsas. La Figura 10 nos
91
Ernesto Calvo
muestra la ubicación de quienes publicaron los mensajes de las

cuentas de @AlbertoNisman, @FiscalNisman y @Cuervotiine-
lli en la red social #Nisman. Uno de los datos más interesantes
de estas tres cuentas es que ninguna de ellos se encuentra en
el centro de la coalición oficialista o de la coalición opositora.
En efecto, las tres cuentas falsas operan desde la periferia del
caso #Nisman y son retuiteadas por un número relativamente
marginal de los que juegan desde adentro pero obtienen un
número significativamente mayor de retuits entre los que sólo
están de paso por el caso. Estos usuarios, quienes no ponen el
mismo esmero en detectar el origen de las cuentas y que pres-
tan una atención limitada a los diálogos en Twitter, absorben la
información que circula por las redes y difunden su contenido
sin pensarlo dos veces.
Aun cuando los falsos Nisman y Tiinelli participan desde

afuera, los usuarios que retuitearon desde el interior de las co-
munidades del gobierno y de la oposición procesaron los men-
sajes de un modo consistente con las divisiones políticas que
describimos en los capítulos anteriores. En todos los casos, los
usuarios que se entusiasmaron con los mensajes publicados
92
desde las cuentas falsas se concentraron en el oficialismo o

en la oposición de modo previsible. Mientras que el falso @
AlbertoNisman era retuiteado más intensamente por actores
cercanos al oficialismo, las publicaciones de @FiscalNisman
eran retuiteadas primariamente desde la oposición. En efec-
to, los objetivos políticos y de movilización de ambas cuentas
eran notablemente distintos. Mientras que @AlbertoNisman
se mofaba de quienes se movilizaban y protestaban por el caso
#Nisman, @FiscalNisman arengaba intensamente a protestar,
a rebelarse, a luchar y a terminar con el gobierno.
El discurso de @FiscalNisman surgía de uno de los sectores

más virulentos de la oposición, aquel que desde el oficialismo
fue acusado de golpista y de tener nexos con sectores afines al
golpe de Estado de 1976. (Ver Figura 10)
En las primeras horas de la madrugada del 19 de enero, el
falso @FiscalNisman realizó su primer llamado a movilizarse
contra el gobierno. Durante exactamente un mes @FiscalNis-
man organizó, retuiteó y arengó a quien quisiera escucharlo en
la tuitósfera. Acusó al gobierno de ilegítimo, inmoral y asesino.
Retuiteó los mensajes de la oposición y se dedicó de lleno a la
93
Ernesto Calvo
organización de la movilización del 18 de febrero. Finalmente,

pasada la hora del almuerzo, el 18 de febrero, envió su último tuit:
“#18F. LLEGARON LOS FISCALES A LA MARCHA. Los pre-
sentes los saludaron y cantaron el himno”. Sería el último mensaje
antes de, muy posiblemente, asumir una nueva identidad.
Pocas dudas existen de que @FiscalNisman fue una cuen-

ta virulentamente opositora, que buscó alimentar los aspectos
más combativos de la movilización del #18F. Como ocurre
con casi todas las prácticas de los trolls de Internet, queda
abierta la discusión sobre si @FiscalNisman era un amigo
de @Cuervotiinelli o de @AlbertoNisman. En efecto, en la
tuitósfera, es virtualmente imposible saber quién creo una
cuenta o cuál fue el final de juego para el que fue creada. Aun
cuando la cuenta de @FiscalNisman sigue activa, su dueño ha
migrado a otras tareas.
Los de afuera son fakes
En el caso #Nisman, existe también una cantidad de usuarios

que operan anónimamente pero cuyos objetivos son, por lo
menos en apariencia, menos siniestros que los de los trolls.
94
En este libro los llamaremos fakes y son quienes anónima-

mente modelan y redirigen a la opinión pública en las redes,
pero no tienen como objetivo sembrar cizaña, generar con-
flicto y movilizar a los usuarios de la red. Mientras que los
trolls son como un hierro candente en la red que busca gal-
vanizar y movilizar, los fakes están interesados en el mensaje
antes que en la acción. Por supuesto, esto no quiere decir
que no participen del proceso político o que se encuentren
menos polarizados. Sin embargo, estas no son identidades
falsas que fueron creadas con el objetivo de engañar, sino que
se trata de identidades anónimas que generalmente buscan
incidir en el debate mediático sin exponerse personalmente.
En efecto, Twitter puede ser un mundo peligro y los trolls
han sabido ser una plaga que afectó de modo real a usuarios
de carne y hueso.
Tres fakes que vale la pena destacar son @elcosodelapiz-
za, @elkaiser63 y @malcomgomez, quienes fueron usuarios
extremadamente activos en el caso #Nisman. Al igual que
ocurrió con los falsos Nisman, estos fakes se encuentran dis-
persos en regiones muy distintas de la geografía política de la
Argentina. Las identidades de estos fakes fueron creadas con
anterioridad al caso #Nisman y, más importante aún, muy
posiblemente sobrevivirán más allá del caso #Nisman. En el
caso de los fakes, estas identidades fueron creadas para per-
durar en el tiempo.
Hay pocas identidades anónimas que hayan tenido tan-
to impacto mediático como @elkaiser63, un usuario creado
para apoyar a River Plate y cuyo nombre remite a su histórico
Daniel Pasarella. Aún antes del caso #Nisman, @elkaiser63 ya
había cultivado un extraordinario número de más de 250.000
seguidores, con un humor agresivo que no toma prisioneros.
95
Ernesto Calvo
@elkaiser63 es una de las identidades que cortan transver-

salmente tanto al gobierno como a la oposición. Es también el
único tuitero que pudo competir cabeza a cabeza con la hege-
monía informativa de la prensa y los políticos. En efecto, del
top 10 de tuits que fueron publicados en los 40 días posteriores
a la muerte de Alberto Nisman, cuatro fueron creados por @
elkaiser63. Ello se debió a su gran capacidad para producir tuits
agresivamente antigobierno y antioposición.
Por ejemplo, mientras que el tercer tuit que más circuló en

el caso #Nisman criticaba el manejo de la escena del crimen
por parte del gobierno, el decimoprimero fue también publi-
cado por @elkaiser63 y retuiteado ampliamente por usuarios
cercanos al gobierno.
96
Las dificultades para encasillar a @elkaiser63 se vuelven

evidentes cuando uno analiza quiénes fueron los que más di-
fundieron sus publicaciones. Al igual que en el caso de los
trolls, los fakes operan primariamente desde la periferia del
caso #Nisman. Sin embargo, como se puede observar en la Figu-
ra 11, el mensaje irreverente que desacreditaba a Nisman tuvo
mayor eco entre sectores cercanos al gobierno.
Lo mismo ocurrió con otro de los pesos pesados en el caso
#Nisman: @elcosodelapizza. Este fue el usuario más retuitea-
do durante la movilización del #18F, pero muy pocos de estos
retuits surgieron del campo del gobierno o de la oposición.
Particularmente interesante es el hecho de que el tuit que más
circuló fue publicado antes de la muerte de Nisman, en la tarde
del domingo 18 de enero: “Y ustedes preocupados por Nis-
man”. Vale la pena destacar cuán distinta es la interpretación
de ese tuit en la tarde del domingo 18 de enero y su segunda
interpretación tan sólo unas horas después. En efecto, cuando
el tuit fue creado la preocupación respecto del caso Nisman se
centraba en el caso judicial y la proximidad de la declaración
ante el Congreso. Por tanto, el tuit original parodiaba a quienes,
97
Ernesto Calvo
cercanos al gobierno, se preocupaban por el caso #Nisman. La

interpretación es considerablemente distinta al día siguiente,
cuando la preocupación sobre el caso #Nisman no se refiere al
caso ingresado en el juzgado de Lijo, sino a la muerte del fiscal.
Al igual que en el caso del falso Tiinelli, @elcosodelapizza
tuvo su propio plagiador. Tan sólo dos días después de haber
publicado su mensaje, y en un contexto político significativa-
mente distinto, @_gansanrousis publicaría como propio el tuit
original de @elcosodelapizza. Vale la pena destacar, sin embar-
go, que el público de ambos fakes se encuentra en la misma región
de la geografía de Twitter, en la periferia del caso #Nisman,
pero sus mensajes son más asiduamente leídos y circulados
entre quienes comulgan con el oficialismo.
A diferencia de @elkaiser63, quien nació ligado al futbol y

sólo tiene incursiones ocasionales en la política, @malcomgo-
mez es un tuitero político profesional, cuya identidad ficticia
de politólogo de la UBA de los tempranos 90 pareciera no
estar muy alejada de su verdadera identidad. Tampoco hay du-
das sobre sus afinidades radicales y su alto grado de sintonía
con el campo de la oposición ligado a estos actores. De hecho,
98
@malcomgomez es el único de los actores mencionados en este

capítulo que se ubica dentro del campo de batalla, a medio ca-
mino entre el periodismo independiente y los radicales. Cerca
de Sanz, pero retuiteado extensamente por el universo radical
que se encuentra al noroeste de la oposición.
Una de las diferencias entre los trolls y los fakes radica en

que los primeros incitan a la revuelta popular –o, por qué no,
al golpe de Estado– mediante mensajes intensos y crispados,
mientras que los fakes buscan insertar su narrativa política
desde afuera, a través del humor y el sarcasmo. No es casua-
lidad, por ello, que este tipo de actores fueran intensivamente
retuiteados por el gobierno, que usó el humor y la irreverencia
como un contradiscurso para lo que percibió como una estra-
tegia destituyente desde la plaza del #18F. (Ver Figura 11)
Mientras que los tuits de @FiscalNisman y @Cuervotiinelli
circularon ampliamente entre la oposición, las publicaciones
de @elkaiser63 y de @elcosodelapizza fueron más ampliamente
retuiteadas por los actores cercanos al gobierno. Efectivamente,
99
Ernesto Calvo
las identidades anónimas jugaron su propio juego en el caso

#Nisman y persiguieron objetivos políticos que sólo podemos
intuir a partir de analizar el tipo de contenido que generaron y
el tipo de usuarios que retransmitió sus mensajes.
Por un lado, los actores cercanos al gobierno guardaban
silencio e intervenían en el espacio tuitero con cuentagotas;
por otro, aquellos que lo apoyaban retuitearon ávidamente
mensajes socarrones e irreverentes que desmontaban la ima-
gen de mártir de la AMIA con que la oposición había imbuido
a #Nisman. A la imagen de hombre íntegro muerto al servicio
de la transparencia y la democracia, el gobierno antepuso la
imagen de un fiscal rodeado de monjes negros y viviendo una
vida displicente.
Un caso aparte constituyó @malcomgomez, quien se sirvió
del sarcasmo y el humor ácido para desmontar las narrativas
del gobierno. A diferencia del tono solemne e indignado que
dominó el espacio tuitero de la oposición, @malcomgomez se
destaca como uno de los pocos fakes que supo aprovechar los
pasos en falso del gobierno para, humor mediante, poner en
tela de juicio la narrativa del gobierno.
Indignados vs. irónicos
En la competencia por capturar la narrativa del caso #Nisman,

los actores anónimos jugaron un juego aparte utilizando distin-
tas estrategias según si operaron en favor del gobierno o de la
oposición. En ambos casos, trolls y fakes buscaron modificar
la narrativa, ya sea de modo violento o mediante el sarcas-
mo. Sin embargo, mientras que quienes jugaron cerca de la
oposición ocuparon primariamente el rol de los indignados,
quienes tuitearon desde lugares afines al gobierno priorizaron
100
la ironía. A las imágenes de Nisman como la víctima Nº 86 de

la AMIA y el último mártir de la patria, las cuales fueron publi-
citadas desde cuentas anónimas cercanas a la oposición, le fue
contrapuesta la imagen de un Nisman displicente y corrupto,
quien manipuló el caso AMIA e impulsó la acusación contra
el gobierno bajo pedido. La primera línea de fuego al degradar
el caso #Nisman, por tanto, no estuvo a cargo de políticos me-
diante sus cuentas oficiales sino de operadores. Esta embestida
de las cuentas anónimas no pudo competir en volumen y en
alcance con los actores institucionales, pero sirvió como megá-
fono para generar un estado de ánimo que era consistente con
los mensajes dominantes en la red, tanto del gobierno como
de la oposición.
Con pocas excepciones, las cuentas oficiales y opositoras
mantuvieron un tono adusto y comedido al hablar del fiscal,
por lo menos en las primeras semanas del caso. Las cuentas
anónimas, mientras tanto, se ocuparon de decir lo que los polí-
ticos no podían llamando “asesina” a la presidenta o “corrupto”
al fiscal, pidiendo por un juicio político o denunciando como
golpistas a quienes se movilizaban. Estos discursos anónimos
sirvieron como carne de cañón para las respuestas políticas
que surgieron desde cuentas oficiales, políticas y periodísticas.
En el largo plazo, defender la pureza de Nisman era una
batalla imposible, una narrativa cuesta arriba, con una víctima
que no colaboraba. Conforme los ataques sobre el carácter y la
integridad de Nisman arreciaron, sólo los actores más intensos
se encolumnaron detrás de la imagen de un fiscal quijotesco
enfrentado al poder. Poco a poco, los irónicos fueron dominan-
do la tuitósfera relegando a los indignados a la costa más lejana
de la oposición. Sin duda, los reveses judiciales jugaron un rol
importante en este cambio de narrativa, puesto que sembraron
101
Ernesto Calvo
dudas sobre la acusación y, por tanto, sobre los motivos por los
que fue ingresado el caso en el juzgado de Lijo. Los fiscales que
siguieron tratando de avanzar en el caso quedaron sólidamente
encuadrados como actores opositores y, de este modo, el caso
judicial fue absorbido por la política. En el imaginario público,
el magnicidio dio paso a la operación política y la indignación
opositora fue defendida sólo por los jacobinos en la plaza.
El caso #Nisman, por tanto, comenzó con una explosión
mediática ligada a sectores de la oposición, pero fue progresi-
vamente silenciándose y dando paso a las narrativas cercanas
al gobierno. Mientras los usuarios de Twitter migraron a otras
noticias, la lucha política se concentró en los actores más in-
tensos. Los mayoría de los políticos opositores se retiraron de
la red #Nisman y dejaron a trolls, fakes y operadores políticos
como la última línea de batalla. Ese es quizá el destino de la
gran mayoría de los procesos mediáticos masivos en Twitter,
los cuales pueden incorporar a una gran cantidad de ciudada-
nos que responden por decisión propia a una crisis política,
pero que conforme pasa el tiempo abandonan el campo de ba-
talla para dejar sólo a los actores más intensos, a los rentados,
a los anónimos. Por la madrugada, mientras el resto de la ciu-
dadanía abandonaba la plaza, quedaron los trasnochados, los
pungas, los mamados de política, todos ellos peleando por las
sobras simbólicas del caso #Nisman.
102
V. Gobierno Android, oposición iPhone
“El Mecano era peronista, el Rasti era de los radicales”
Los Vergara
La polarización cala profundo en la Argentina, tanto en la

política como en la vida cotidiana. Esta polarización es parte
integral del caso #Nisman, como fue mostrado en las páginas
anteriores, pero también se refleja en los almuerzos familiares,
en las discusiones de pareja y en los amigos de Facebook que
ya no están. La polarización se percibe en el tipo de consumos
culturales que nos caracteriza, en el tipo de literatura que dis-
cutimos e incluso en las herramientas que usamos para jugar
o para comunicarnos. De esto habían tomado nota los Vergara
en los años 80, que dieron muestras sobradas de que la crispa-
ción política no es nueva en la Argentina.
En este capítulo, analizaremos distintas expresiones de la
polarización tal como se refleja en el uso y abuso de las redes
sociales del caso #Nisman. Actividades cotidianas: el modo en
que los usuarios se comunican, cómo se conectan con distintos
países o la decisión de hablar o callar respecto del caso. Son pe-
queñas apostillas que buscan provocar a los lectores y presentar
algunas de las perlas que surgen de la comunicación política a
través de las redes sociales.
103
Ernesto Calvo
Para un Android no hay nada mejor que otro Android
Las diferencias sociales que caracterizan a los votantes pero-

nistas y no peronistas son parte de la mitología fundacional de
este movimiento, que comenzó en los años 40. Estas diferencias
explican la orientación de clase de sus políticas sociales, así
como también la estabilidad de sus organizaciones y simbo-
logía. Desde los ideales social-cristianos que dieron origen al
concepto de “justicia social” hasta el populismo conservador
que acuñó la frase: “Alpargatas sí, libros no”, las imágenes de un
peronismo pro pobre, descamisado y antielitista se encuentran
arraigadas, tanto en las variantes populistas de izquierda, que
han defendido durante décadas la redistribución de recursos
económicos a los más pobres, como en las variantes populistas
de derecha, las cuales han defendido los ideales nacionalistas y
conservadoras de la argentinidad.
Estas visiones de clase del peronismo se vieron también re-
flejadas en el caso #Nisman. Desde el lado de lo real, el conflicto
entre el gobierno y la oposición no pudo pasar por alto las di-
ferencias en la composición social y de clase del voto peronista.
Desde lo simbólico, las diferencias sociales que caracterizaron al
conflicto entre el gobierno y la oposición fueron resignificadas
como una lucha de civilizaciones entre la patria oligárquica y
la monarquía prebendista. En la primera, Isidoro Cañones se
movilizaba para destronar a Patoruzito. En la segunda, cientos
de micros de desclasados a sueldo eran arrastrados en defensa
del autoritarismo imperante. La imagen del oligarca golpista,
el cheto de barrio norte, contrastó con la del villero atorrante,
rentado y manipulado. Estas parodias del ser argentino también
tuvieron su lugar en Twitter y acompañaron respectivamente a la
movilización opositora del #18F y a la oficialista del #1M.
104
La segregación informativa en Twitter potenció estas imá-

genes, las cuales fueron ampliamente difundidas en el contexto
de movilización de las distintas fuerzas. Estas parodias del ser
argentino, sin embargo, están construidas sobre la base de di-
ferencias reales entre los distintos grupos políticos. En el caso
#Nisman, en el contexto de la polarización imperante, estas
narrativas vienen cargadas de prejuicios, pero también tienen
sustento en diferencias claras entre los distintos electorados.
Las diferencias de clase que caracterizan a los votantes pe-

ronistas y no peronistas han sido ampliamente documentadas.
Desde los trabajos de Di Tella y Germani en los tempranos 60,
pasando por los análisis del voto peronista de Peter Smith, Mora y
Araujo, y Edgardo Catterberg en los 70 y 80; hasta Darío Canton,
Jorge Raúl Jorrat y Edward Gibson en los 90. En efecto, existen
más de 50 años de encuestas que muestran la simbiosis profunda
entre los sectores de menores ingresos y el peronismo. Estas dife-
rencias de clase han sido contabilizadas de los modos más diver-
sos, ya sea en votos, en piernas, en Big Macs o en planes sociales.
105
Ernesto Calvo
A este vasto linaje, agregamos hoy una nueva medición: el ín-

dice iPhone de clase social y peronismo, el cual surge de medir
la actividad de los usuarios en el caso #Nisman. Así es, todo lo
que hacemos en Internet es informativo si se sabe qué es lo que
estamos buscando y cómo podemos procesarlo.
Tabla 2: Tipos de dispositivos electrónicos usados en el caso #Nisman
Tipo de plataforma usada, Número Costo del dispositivo

caso #Nisman de usuarios en MercadoLibre
Twitter para teléfono Android 1.210.214 $ 2.599 (TCL D40)
Twitter Web Client 976.957
Twitter para iPhone 290.572 $ 12.999 (iPhone 6)
Twitter para iPad 118.286 $4.099 (mini) o $9.199 (iPad 2)
Twitter para BlackBerry® 105.706 $3.499 (BB 9860)
Twitter para Windows Phone 98.434 $3.199 (Nokia 636)
Twitter para tablet Android 83.554 $1.999 (Kindle Fire)
Mobile Web (M2) 47.372
TuitDeck 45.674
Mobile Web (M5) 15.328
TuitAdder v4 12.138
Twitter para Nokia S40 10.384
RoundTeam 9.865
TuitCaster for Android 7.745
Hootsuite 2.621
La Comunidad Twitt 2.406
Tuitbot para iOS 2.205
Twitter for Mac 1.819
106
A algunos lectores les sorprenderá saber que entre los dis-

tintos tipos de información que podemos estudiar al analizar el
caso #Nisman, se encuentra el tipo de dispositivo electrónico
desde el cual fue enviado un tuit. Por ejemplo, de los alrededor
de 3 millones de dispositivos registrados al enviar tuits sobre el
caso #Nisman, casi un tercio fueron teléfonos Android, mien-
tras que poco menos de un 10% fueron iPhones. Si conside-
ramos conjuntamente los iPhones y iPads, casi un 14% de los
usuarios utilizaron productos portátiles Apple para intercam-
biar información.
Por supuesto, hay diferencias importantes de precio entre
estos distintos productos. Como muestra la Tabla 2, los iPho-
nes y iPads son considerablemente más caros que los productos
de sus principales competidores, Microsoft y Google. Todas las
versiones de Android, tanto los teléfonos inteligentes como las
tablets, cuestan una fracción de lo que cuestan los dispositivos
de alta gama. (Ver Figura 12)
Dado la notable diferencia de precio, ¿es posible detectar las
diferencias de clase en los diálogos sobre el caso #Nisman? La
respuesta es un rotundo sí. La Figura 12 utiliza el mapa del caso
#Nisman descripto en los anteriores capítulos. Sin embargo, el
color que conecta a los diferentes actores distingue los distin-
tos tipos de dispositivo usado. Las líneas azules describen tuits
enviados desde Android mientras que las líneas rojas describen
tuits enviados desde un iPhone o un iPad. Un modelo estadís-
tico confirma ampliamente que la diferencia entre el gobierno
y la oposición es significativa. Pero ¡quién necesita el modelo
estadístico! La diferencia es tan llamativa que puede ser obser-
vada a simple vista. La oposición está teñida de rojo mientras
que el gobierno está teñido de azul. Ahora que sabemos con qué
dispositivo electrónico comulga el gobierno y con cual la opo-
107
Ernesto Calvo
sición, está claro cuál es el siguiente paso: la guerra de sponsors

en Silicon Valley tiene pretendientes en la Argentina.
La patria grande polarizada
La patria grande también se hizo presente en el caso #Nisman. En

efecto, desde América Latina se reenvió un gran número de tuits
luego de la muerte del fiscal, lo que refleja la importancia política
del caso y da muestras sobradas de la solidaridad latinoamericana,
ya sea con el gobierno o con la oposición. Entre una gran cantidad
de tuits que viajaron miles de kilómetros para estar con nosotros,
era de esperar el dominio de nuestro vecino, el populoso y politi-
zado Brasil. También fueron extraordinariamente activos nuestros
vecinos de Chile, Venezuela y Ecuador, epicentros de la lucha la-
tinoamericana entre las izquierdas y las derechas. Menos enten-
dible, sin embargo, son los más de 40.000 tuits desde dispositivos
que registraron residencia en Hawái. Claramente la soledad de la
playa en medio del pacífico es un gran incentivo para incrementar
la actividad mediática y participar del caso #Nisman.
Los pesos pesados del conflicto político latinoamericano,
sin embargo, siguen siendo Brasil, Chile y Venezuela, tres paí-
ses que al igual que nosotros disfrutan de altos niveles de pola-
rización entre sus ciudadanos. Desde estos tres países se generó
una gran cantidad de tuits, que participaron activamente del
debate local. Algunos pensarán que proximidad geográfica y
tamaño de la población explican claramente los tuits recibidos
desde estos países. Pero ¿por qué Venezuela y no Perú? Si bien
ambos tienen casi la misma población, Venezuela fue extraor-
dinariamente más activa. ¿Por qué Chile y no Ecuador? Con
poblaciones comparables, los chilenos publicaron casi 10 veces
más tuits que sus pares ecuatorianos.
108
Por más de una década la mayoría de los países de América

Latina han estado gobernados por presidentes de izquierda.
Mucho se ha hablado de la afinidad política entre Bachelet,
Cristina y Dilma; tres presidentas mujeres elegidas por coali-
ciones de centro-izquierda. Mucho se ha hablado también de
la afinidad ideológica entre Cristina Fernández de Kirchner
y Hugo Chávez, así como el apoyo político de este último a
la campaña electoral del FPV en el 2011. Sin embargo, existe
mucha menos discusión sobre las bases sociales de apoyo y
oposición que se conectan transnacionalmente en ambos paí-
ses. En efecto, la polarización también fomenta chavistas y an-
tichavistas en Argentina así como cristinistas y anticristinistas
en Chile y en Venezuela.
Selección de zonas desde las cuales se reenviaron

tuits en el caso #Nisman
Zona geográfica Cantidad de cuentas
No declarado 1.145.353
Buenos Aires 928.505
Brasilia 341.611
Santiago 228.528
Caracas 84.964
Hawái 41.877
Costa Este de EE. UU. 36.166
Groenlandia 23.785
Región Centro de EE. UU. 23.265
Quito 19.336
Atlántico Medio 18.921
Madrid 18.621
Región Atlántico (Canadá) 16.276
Atenas 15.599
Ámsterdam 13.136
109
Bogotá 9.020
Ernesto Calvo
El caso #Nisman activó con particular virulencia a la derecha

venezolana, la cual no solamente ha sido crítica del gobierno de
CFK debido a su afinidad ideológica con Hugo Chávez sino que
a su vez resignificó la acusación de #Nisman como la confirma-
ción de un pacto filochavista con Irán. (Ver Figura 13)
Los diálogos en la tuitósfera mostraron el grado de acti-
vación del antichavismo en el caso #Nisman. Como se puede
observar en la Figura 13, las líneas en color amarillo que des-
criben publicaciones realizadas desde Venezuela se encuentran
desproporcionadamente concentradas a la derecha del gráfico.
En efecto, desde Venezuela la información que fue retuiteada
estuvo dominada por opositores tanto de Cristina Fernández
de Kirchner en Argentina como del chavismo hoy liderado por
Maduro en Venezuela.
A diferencia de Venezuela, la actividad en la tuitósfera que
surgió de Brasil y de Chile fue más mezclada. El análisis esta-
dístico demuestra que los chilenos se ubicaron más cerca de
la oposición, mientras que los brasileños dividieron sus pre-
ferencias. Sin embargo, sólo la derecha venezolana puede ser
visualizada en la Figura 13 sin ayuda de un análisis estadístico
de mayor profundidad.
El mapa del caso #Nisman nos muestra que la patria grande
existe y está conectada, no sólo geográficamente, sino también
en sus comunidades. En todo lo que refiere al caso #Nisman, la
patria grande también se encuentra polarizada.
Oportunismo tuitero
A lo largo de este libro he mostrado dos características fun-

damentales de las redes sociales: en primer lugar, las co-
munidades del gobierno y de la oposición se encuentran
110
profundamente segregadas. La información que cada miem-

bro de las distintas comunidades percibe es profundamen-
te distinta entre sí, lo que potencia prejuicios arraigados y
asienta las diferencias que existían originariamente entre los
distintos grupos. Dadas estas diferencias, la decisión de tui-
tear o no tuitear depende de los costos relativos que tiene
cada uno de los políticos. Cuando la opinión pública favorece
a la oposición en un tema en particular, esta habla mientras
que el gobierno calla. Cuando la opinión pública favorece al
gobierno, este habla mientras que la oposición calla. En la
ciencia política contemporánea, esto se define como “propie-
dad temática”, cuyo estudio concentra gran parte del trabajo
académico en el área de efectos de información. El resultado
es que, en la vida política y en Twitter, los políticos de distin-
tos grupos hablan de distintas cosas.
Este comportamiento no es privativo de los políticos.
Cambiar de tema es una estrategia que los adultos utilizamos
a menudo en nuestras peleas de pareja. Deslindar responsa-
bilidades cambiando el ángulo de la noticia es una estrategia
que los chicos aprenden rápidamente para administrar los
malos humores de los padres.
La Figura 14 muestra claramente el distinto nivel de activi-
dad de Cristina Fernández y Mauricio Macri en los primeros
40 días del caso #Nisman. Tal como se puede observar, la pre-
sidenta ha sido considerablemente más activa en Twitter, con
alrededor de 6.750 tuits publicados cuando comenzó el caso
#Nisman. Durante las dos semanas que siguieron a la muerte
del fiscal, el número de tuits fue creciendo lentamente, con tan
sólo una docena de publicaciones en la primera semana. Por su
parte, Mauricio Macri ha tenido siempre un mucho menor nivel
de exposición tuitera que Cristina Fernández. Sin embargo, la
111
Ernesto Calvo
evolución en Twitter fue exactamente la opuesta a la de Cristi-

na. En este caso, no estamos simplemente contando el número
de tuits del caso #Nisman sino que medimos el nivel de acti-
vidad en general. En efecto, durante las primeras semanas del
caso #Nisman, Mauricio Macri aumentó su actividad mediática
en todas las áreas, mientras que Cristina bajó la suya también
en todas las áreas.
Como en la bolsa de comercio, los políticos sólo venden
su stock cuando el precio es alto. Cuando baja, no sólo dejan
de hablar del tema sino que, a su vez, disminuyen la expo-
sición mediática de todas sus actividades. En política, como
en economía, hay que tener paciencia, hablar (vender) en los
buenos tiempos y callar (comprar) en los malos. La Figura 14,
por tanto, no sólo nos dice quién tuiteó sino también quién se
beneficiaba tuiteando.
Parafraseando a Raúl R. Alfonsín, con la polarización se
come, se educa y se cura. La polarización no describe tan sólo
nuestras actitudes políticas sino que se filtra en el conjunto de
actividades que constituye nuestra vida. Sus efectos sociales
exceden con creces el terreno de la política, para expresarse
en las formas más disímiles de la interacción social. Esta pola-
rización, como mostramos anteriormente, se expresa simbó-
licamente en los diálogos tuiteros pero tiene también anclaje
material en la diferencia de clase, de inserción social e incluso
de inserción geográfica en el resto del mundo.
La polarización se expresa en conflicto político, pero re-
fleja también conflictos por el trabajo, la educación y la salud.
Android vs. iPhone no es simplemente el debate entre dos pobla-
ciones opulentas, que tienen preferencias por distintos sistemas
operativos, sino que es primariamente el reflejo de diferencias
sociales menos triviales, que se expresan en el tipo de expecta-
112
tivas de mundo y en el tipo de atribución de responsabilidad

política por la vida que a cada uno de nosotros nos toca vivir.
Del mismo modo, la difusión de ideas en el caso #Nisman
que enfrenta a Caracas con Brasilia no es simplemente varia-
bilidad regional, el resultado de como bailan joropo los pri-
meros y samba los segundos. La distinta participación refleja
los vaivenes de la polarización en sus respectivos países así
como los nexos que vinculan a las izquierdas y a las derechas
latinoamericanas, batallando en los distintos países. En la me-
dida en que Twitter disminuye los costos de coordinación y
movilización, la presencia mediática no sólo refleja el apoyo
político de los ciudadanos sino también el nivel de actividad
de sus élites más intensas.
La polarización en bits de información
“Hay tan sólo 10 clases de individuos:

los que entienden código binario y los que no.”
Anónimo
Cuanto mayor es la información disponible, mayor es también

nuestra dependencia en procesos, algoritmos y estadísticas que
no conocemos ni percibimos. Cuantos de nosotros nos pregun-
tamos: ¿por qué en mi página de Facebook se publican todas las
noticias de Laura y ninguna de Cacho? A fin de cuentas acepté a
Laura y a Cacho como amigos al mismo tiempo. La cantidad de
información es tan abundante que si Facebook pusiera toda la
información publicada por todos nuestros amigos, no podría-
mos ver ninguna publicación que realmente nos interesase. De
algún modo, Facebook tiene que aprender qué información es
113
Ernesto Calvo
la que a cada uno de nosotros nos parece relevante, aquella que

realmente nos interesa leer. ¿Hablaste con Laura por la mensaje-
ría de Facebook? Entonces sus publicaciones aparecen un poco
más a menudo. ¿Mucha gente dijo “me gusta” cuando Cacho se
casó? Es mucho más probable que aparezca en tu muro.
En efecto, las redes sociales están todo el tiempo adminis-
trando la información que cada uno de nosotros percibe. A
nuestros hijos no les aparece ninguna de nuestras publicacio-
nes en sus muros; a nuestros padres les aparecen todas. Es el
resultado natural de que nuestros padres entren a menudo a
nuestro muro a ver qué es lo que hacemos, mientras que nues-
tros hijos prefieran escondernos en sus altillos electrónicos.
Estos secretarios personales de las redes sociales, algoritmos
que han sido creados para priorizar lo que nos gusta y lo que
queremos, entienden código binario. Ellos saben qué tipo de
individuo es cada uno de nosotros.
También en la política la información es administrada por
algoritmos que separan la paja del trigo. Nuestros secretarios
virtuales eliminan las fuentes de displacer político y nos dan
una sobredosis de mensajes que se ajustan a nuestros gustos
previos. Como en el muro de Facebook, los mensajes de aque-
llos a quienes marcamos como fav y retuiteamos nos aparecen
en forma desmedida, desconsideradamente. También aparecen
mensajes de aquellos que son marcados como fav o retuitea-
dos masivamente. Como ocurre con el casamiento de Cacho,
si todo el mundo habla del tema, es más probable que aparezca
en nuestro muro. Este secretario virtual no está programado
para dar diversidad sino placer informativo. Fue creado para
minimizar la disonancia ideológica. Es decir, para minimizar la
cantidad de información que nos hace hervir la sangre.
114
Yo sé qué #Nisman compraste en Twitter
Todos aquellos que tuitearon #Nisman en los primeros 40 días

han sido incorporados a distintas comunidades. En los mapas
del caso #Nisman que describimos en las páginas anteriores, hay
comunidades grandes y comunidades chicas, creyentes intensos
y seguidores irónicos. Todas estas comunidades fueron pobla-
das por distintas caracterizaciones de Nisman, desde el mujerie-
go empedernido al próvido cruzado. Cada uno de los usuarios,
y sus comunidades, recibió distintos mensajes sociales sobre el
caso #Nisman, del mismo modo en que fueron seleccionadas
distintas publicaciones de Laura y de Cacho.
Armados con estas diferencias de información, los usuarios
del caso #Nisman se indignaron con los pocos mensajes que llega-
ron “desde el otro lado”. No era para menos. A cada comunidad le
llegaron tan sólo los peores ejemplos, aquellos que no merecen sal-
vo el escarnio y el insulto. Esos ejemplos, aberrantes, improbables
e increíbles, fueron sujeto de crítica mientras que los más realistas,
probables y creíbles quedaron enterrados del otro lado de la verja.
El resultado de comunidades que están informativamente
segregadas es una creciente polarización. En los intercambios
tuiteros, todos estamos a un par de votos de ganar la elección,
a un par de puntos de salir campeones y sabemos con certeza
cómo murió Nisman. Parafraseando a Garrison Keillor, como
en Lake Wobegon, todos somos más bellos, fuertes e inteligentes
que el promedio.
La polarización explicada en tuits
Para explicar la polarización en las redes sociales, por tanto,

no necesitamos pensar en la existencia de operadores con una
115
Ernesto Calvo
agenda política o en el resultado de cínicos y maquiavélicos

tuiteros que manipulan a los usuarios que habitan las redes
sociales. Para entender la polarización es suficiente con estar
viviendo con nuestros hermanos usuarios, cuyas ideas, al igual
que las nuestras, son “localmente” mayoritarias. Sólo necesi-
tamos comenzar con un grupo primario de intuiciones, en las
cuales creemos sin ningún tipo de evidencia que las apoye, para
luego dejar que el algoritmo que tiene Twitter debajo del capot
nos traiga la evidencia que confirma nuestras posiciones. En la
jerga académica, sólo necesitamos tener un sesgo y Twitter se
ocupa de buscar la información confirmatoria.
El cambio ocurre de modo gradual y sutil, pero dramático
conforme el uso de Twitter se torna más asiduo: con algo de
tiempo y poca paciencia, las comunidades de interés se trans-
forman en comunidades de información. Estas comunidades
quedan segregadas informativamente. En los barrios donde ha-
bita la oposición, todos hablan de Pollicita. En los barrios don-
de habita el gobierno, todos hablan de Rafecas. Y así como los
problemas de los cuales hablamos son segregados en distintas
comunidades, también está segregada la “evidencia” reportada
al explicar la muerte de #Nisman. En los barrios de la oposición
todos saben que desaparecieron 12 carpetas del escritorio de
Nisman. En zonas del gobierno, todos saben qué Nisman no
escribió la denuncia.
Aun cuando la polarización no depende de la manipula-
ción, existe una cantidad de operadores en Twitter dedicados
a distorsionar la comunicación entre usuarios. Al hablar de
estos operadores no me refiero a figuras políticas o mediáticas,
con creencias políticas intensas que son diseminadas amplia-
mente entre la población. Me refiero a actores cuyos objetivos
son lo que se denomina “búsqueda y destrucción”. Operadores
116
que buscan distorsionar el tipo de información disponible y

producir efectos políticos que difícilmente podrían ser carac-
terizados como democráticos.
Sin embargo, no son estos operadores los que nos conven-
cen de que estamos en lo correcto, sino las acciones virtuales
de todos aquellos que nos rodean. Todos aquellos que día a día
nos confirman lo que siempre supimos, lo que no podía ser de
otro modo: la muerte de #Nisman fue un suicidio/asesinato que
tuvo como objetivo derrocar a la presidenta electa/ocultar una
conspiración criminal. La estrategia de un hombre cínico/pródi-
go/mujeriego/luchador/sin escrúpulos/íntegro, el cual fue mani-
pulado por el gobierno/la oposición/los fondos buitres/Stiuso para
servir los intereses oscuros que siempre, no importa cuánto
tratemos de evitarlo, dilapidan el futuro de la Argentina.
117
VI. A modo de conclusión: tuiteando
#EleccionesArgentina
El pasado aún no se ha ido pero el futuro ya está aquí, con no-

sotros. Siguen presentes la desigualdad, la pobreza, la inesta-
bilidad política; fuentes permanentes de conflicto, de zozobra
individual y colectiva. Al mismo tiempo, gozamos de un acce-
so sin precedentes a la tecnología, a la información, al ocio. El
mundo entero está conectado a través de fibras ópticas, satélites,
dispositivos electrónicos personales, lo que crea una red social
impensada hasta hace unos pocos años. En estas redes sociales,
una proporción cada vez mayor de la población ha encontrado
amigos, enemigos, familiares, colegas, parejas y amantes. Des-
de LinkedIn hasta Tinder, nuestras redes laborales, personales
y amorosas están hoy cruzadas por dispositivos que transmi-
ten información. Intercambiamos mensajes usando Facebook,
WhatsApp, MSM, TDM. Nos informamos de nacimientos, gra-
duaciones y fallecimientos en los “muros” de las aplicaciones.
Ponemos las fotos de nuestros hijos y de nuestras mascotas a
la vista de todos, enviamos a la prensa fotos de inundaciones y
granizos, e insultamos a personalidades de radio o televisión, a
políticos y académicos en sus cuentas personales.
Cuanto mayor es la información que producimos, mayor
es también lo que revelamos sobre nosotros y sobre nuestro
mundo de la vida. Las computadoras son baratas, el software
es gratis y la capacidad de aprender una gran cantidad de
119
Ernesto Calvo
detalles sobre quienes nos rodean está al alcance de la mano.

En este mundo de información atorrante e indiscriminada,
las desigualdades no son tan sólo de ingreso o de clase, sino
también de capacidad (skill). Estas diferencias nos permiten
escudriñar las identidades de nuestros pares y “monetizarlas”
(hacer plata, en la jerga informática), mientras otros simple-
mente se contentan con regalar sus datos.
Después de #Nisman
Como afirmamos en el prefacio de este libro, el caso #Nisman

nos da una ventana privilegiada a la política argentina tal como
es reportada por las redes sociales. Al igual que en el caso de
#Ferguson y #Ayotzinapa, vemos en #Nisman cómo se disemina
información social en sus expresiones más democráticas, pero
también en sus patologías. Interactuamos de modo inmediato
y sin filtro con la política (y los políticos) del orden nacional y
local, pero a su vez recibimos noticias que están extensamente
filtradas por nuestras comunidades de pertenencia. A través de
#Nisman, al igual que ocurre con #NiUnaMenos, entendemos
la forma en que comunidades de información se constituyen y
dialogan, accedemos a mapas que vinculan a políticos, intelec-
tuales y medios de comunicación con el universo de usuarios
que participan activamente de las redes sociales.
Más importante aún, a través del caso #Nisman, podemos
entender el rol de las redes sociales en el actual contexto de
polarización. La cámara de eco de las redes sociales, la cual
le devuelve a cada ciudadano tan sólo publicaciones que son
similares a las que ellos mismos depositaron en Twitter, cons-
tituye un cerco informativo que separa a las distintas comuni-
dades en las redes sociales. Cuando la información producida
120
es masiva y el tiempo del que disponemos para leer es escaso,

los muros de Twitter repiten tan sólo información que es con-
sistente con nuestros prejuicios. En nuestra pequeña esquina
de la pantalla, creemos que nuestras ideas son profesadas por
el resto de los usuarios.
Los mismos mapas políticos que observamos en el caso
#Nisman pueden ser también extraídos del conjunto de tuits
que hablan de política en Argentina. Nuestras comunidades
virtuales cambian muy lentamente. No reemplazamos rápida-
mente a los amigos de Facebook, no damos de baja o creamos
nuevas cuentas de Instagram todos los días, tampoco rotamos
aleatoriamente a las personalidades de la política y la cultura
que leemos en Twitter.
Tuiteando #EleccionesArgentina
Cuando hablamos de política en Argentina #TodasLasRedes-

SonNisman. Cuando capturamos tuits de #NiUnaMenos ve-
mos comunidades de interés que, al igual que en #Nisman,
distribuyen información sobre #VotoElectronico. Cuando ana-
lizamos las elecciones en Salta, Buenos Aires o Santa Fe, en-
contramos comunidades virtuales que reflejan a comunidades
reales: a los partidos, a sus políticos, a los diarios. Dado que
estas comunidades se parecen entre sí, también se parecen las
distintas redes que caracterizan a la política argentina.
El trabajo de entender a las redes sociales, sin embargo, no
se agota en #Nisman. Todas las redes se parecen, pero también
cada una de ellas tiene sus peculiaridades. Como ocurre con
la política de todos los días, cuando el gobierno y la oposición
entran en conflicto, el mundo de Twitter entra en conflicto y
muestra tan sólo a dos comunidades divorciadas la una de la
121
Ernesto Calvo
otra. Sin embargo, cuando existen múltiples actores, las redes

comunican esta diversidad. (Ver Figura 15)
En las elecciones a gobernador de Santa Fe, el 14 de junio
de 2015, el mapa político que nos devuelve Twitter incluye a
tres comunidades primarias: el FPV, el Socialismo y el PRO
(Figura 15). Más importante aún, las barreras informativas que
distinguen al candidato socialista Miguel Lifschitz (verde) del
kirchnerista Omar Perotti (celeste) o del candidato del PRO
Miguel del Sel son considerablemente más permeables que las
que nos devuelve el caso #Nisman. Es cierto que, al igual que en
el caso #Nisman, las comunidades del PRO y del FPV no están
en contacto. Sin embargo, antes que polarización, las elecciones
de Santa Fe nos devuelven un continuo de posiciones políticas
que distinguen a las comunidades en lugar de enfrentarlas.
El fotógrafo Martín Arias Feijoo me dijo una vez: “Para
fotografiar un atardecer hay que darle la espalda al sol”. En
efecto, más interesante que una bola de fuego colgada del cielo
es el modo en que se tiñe el paisaje al atardecer, las sombras y
las combinaciones de colores que alteran lo que sabemos sobre
los distintos objetos. Las consecuencias sociales de la muerte
de Alberto Nisman no están limitadas a la evolución de su de-
nuncia ni a la investigación sobre su muerte, sino al modo en
que galvanizó a la política argentina. Mirar los efectos sociales
del caso #Nisman nos da una nueva perspectiva sobre el con-
flicto político en la Argentina en una era de polarización. Un
evento que ilustra el modo en que el sistema político, nuestra
democracia y sus ciudadanos reaccionan en momentos de cri-
sis. Aprender a usar las redes sociales, a extraer información y
a producir mapas de estas crisis nos permite entender la ana-
tomía de la polarización en Argentina después de #Nisman.
122
Apéndice metodológico
Guía práctica para el análisis político en Twitter1
“Si Aristóteles hubiera guisado,

mucho más hubiera escrito.”
Sor Juana Inés de la Cruz
Los capítulos anteriores describen el universo del caso #Nisman

tal como es observado a través los tuits que fueron publicados
durante los 40 días que siguieron a la muerte del fiscal. Sin
embargo, las técnicas usadas en este libro pueden ser utilizadas
para entender una multiplicidad de fenómenos. Desde proce-
sos electorales hasta eventos sociales o culturales. A continua-
ción, presentamos una guía práctica para el análisis de redes
sociales, mostramos cómo acceder a los datos, cómo guardar
tuits y cómo procesar la información para producir redes so-
ciales como las descriptas en este libro. Es decir, la cocina esta-
dística de donde se extrae la información.
El caso #Nisman explica muchos de los motivos por los
cuales las redes sociales facilitan la polarización política así
como las distorsiones, intencionales y no intencionales, que
sesgan el tipo de información al que acceden los ciudadanos
argentinos (y del resto del mundo). Estas distorsiones no son
exclusivas de las redes sociales, sino que se reproducen a
su vez en los medios audiovisuales, radiales e impresos que
diseminan el universo de información que recibimos diaria-
mente. Por tanto, los datos que obtenemos de Twitter son a
123
Ernesto Calvo
su vez una ventana al resto de los procesos de información

que caracterizan la vida política del siglo XXI.
Aprender a procesar grandes masas de datos no es simple-
mente una forma de entender Twitter sino también una ven-
tana al procesamiento de otros tipos de información. Una vez
que los cientistas políticos aprendemos a procesar los datos de
Twitter, se vuelve más fácil a su vez procesar otras fuentes de
información, que incluyen millones de artículos periodísticos
y notas de opinión, cientos de miles de proyectos de ley en el
Congreso argentino, grandes bases electorales y datos censales,
por nombrar tan sólo algunas opciones.
Las bases de datos con las que trabajábamos los cientistas
políticos hace dos décadas incluían a menudo unos pocos
cientos de observaciones. Hace 10 años ya estábamos traba-
jando con miles de observaciones y hoy en día nuestras bases
de datos tienen millones de registros. Para juntar los datos,
hace veinte años requeríamos de un ejército de estudiantes
o graduados, los cuales codificaban laboriosamente las dis-
tintas piezas de información. Esto ya no es posible. Vivimos
sumergidos en datos aun cuando nuestras principales limita-
ciones son las herramientas para procesar e interpretar estos
datos. Por eso, en este apéndice metodológico, explico cómo
capturar, procesar y armar las redes sociales de Twitter des-
criptas en las páginas anteriores.
La velocidad de cambio en la tecnología es tal que segu-
ramente en uno o dos años el código de este capítulo tendrá
que ser editado, cambiado o reemplazado. Por tanto, los co-
mentarios que acompañan el código intentan describir intui-
tivamente las distintas piezas del código y sus objetivos. De
este modo, si bien el código de las próximas páginas irá per-
diendo vigencia con el tiempo, la descripción del proceso más
124
general podrá sobrevivir al cambio tecnológico, con suerte

por algo más de tiempo.
¿Qué herramientas necesitamos?
Para analizar los datos de Twitter se necesitan muy pocos mate-

riales: una computadora, acceso a Internet (cuanto más rápido
el acceso, mejor) y paciencia. Sin duda este último ingredien-
te es el más difícil de procurar. Sin embargo, con estas tres
herramientas podemos obtener todo lo que necesitamos para
comenzar a procesar tuits.
Una vez que tenemos la computadora y la conexión a In-
ternet, podemos instalar el software. Todo el análisis requiere
de tan sólo un paquete estadístico, el cual es gratis y permite
centralizar todo el procesamiento de datos.
1. El paquete estadístico se llama R. En la actualidad, no existe

un paquete estadístico más poderoso que R (http://www.r-
project.org/) o su versión más amigable R-Studio (http://
www.rstudio.com/).

Ambos paquetes estadísticos son gratis, aun cuando R-Stu-

dio tiene también una veta comercial, por lo cual su denomina-
ción formal es “fuente abierta” en lugar de ser “software libre”.
El primer paso es bajar el software. Para los nuevos usuarios es
recomendable el más amigable R-Studio, aun cuando el código
que utilizaremos sirve para ambos paquetes.
125
Ernesto Calvo
2. R y R-Studio son softwares que nos permiten realizar aná-

lisis estadístico orientado a objetos. Esto quiere decir que
podemos cargar en la memoria muchas bases de datos si-
multáneamente y programar procedimientos muy compli-
cados. También podemos estimar modelos muy simples,
para lo cual R dispone de distintos “paquetes” que pueden
ser cargados en la memoria.
Nota: desde el menú de Packages se pueden instalar paquetes en R.
Existe un gran número de manuales para R y R-Studio. Para

los lectores que no están familiarizados con estos paquetes, es
recomendable compensar bajando el software y los manuales
gratis que ofrecen tanto R como R-Studio en sus sitios web.
126
No es necesario ser un usuario experimentado para procesar

redes de Twitter, dado que el código que presento a continua-
ción puede ser copiado y pegado tal como es presentado. Sin
embargo, aprender R es una ventaja y permite hacer una gran
cantidad de cosas, más allá de los análisis de este libro. A conti-
nuación, voy a asumir que los lectores tienen un conocimiento
básico de R y que, por tanto, pueden abrir el software, instalar
paquetes y correr las líneas de código que describo a conti-
nuación.
3. Antes de conectarse a Twitter, es necesario registrarse como

usuario y habilitar un acceso en “Twitter Developer”. Esto
es gratis y es necesario para poder lograr una conexión di-
recta al API (la interface de Twitter), lo cual nos permite
acceder a la información producida por la compañía. Para
crear un acceso al API de Twitter hacemos lo siguiente:
a. Si todavía no la tienen, es necesario crear una cuenta de
usuario en Twitter: https://twitter.com/.
b. Después de crear la cuenta, ir a Twitter Developer:
https://dev.twitter.com/ y conectarse con la misma cuen-
ta de usuario.
c. En Twitter Developer podemos crear el espacio para un
programa o aplicación, lo cual nos permite conectar di-
rectamente al API de Twitter. El acceso directo al espa-
cio para crear un programa de software para Twitter es:
https://apps.twitter.com/.
4. Una vez en https://apps.twitter.com/, se debe seleccionar Create

New App.
127
Ernesto Calvo
Le podemos dar el nombre que queramos a nuestra nueva

App. En el ejemplo que presentamos aquí le dimos el nombre
PolNetwork.
5. Luego de crear la App para interactuar con Twitter, tene-

mos que indicar el tipo de acceso que queremos y llenar
nuestros datos. En la página de opciones que ofrece Twit-
ter al crear el programa, es preciso habilitar “leer, escribir
y mensaje directo” para poder interactuar con el API de
Twitter. Una vez creado el programa es necesario completar
128
el resto de la información (incluso el campo “call back”). Es

posible elegir como página web cualquier página existente
(aun cuando no sea nuestra).
6. Luego de llenar nuestra información, Twitter producirá una
llave y un código secreto que nos permitirán conectar con
el API y capturar los tuits que nos interesan.

Captura, limpieza y armado de la red
Una vez que estemos autorizados a interactuar con el API de

Twitter, podemos abrir R o R-Studio para bajar la información
que utilizaremos para graficar las redes. Los siguientes pasos
son presentados en conjunto con el código.
7. En el editor de R vamos a instalar los paquetes necesarios.

También cambiamos el directorio de trabajo. El comando
129
Ernesto Calvo
“library” permite cargar distintos paquetes requeridos

por R para conectar con el API de Twitter. Los paquetes
“ROAuth”, “httr” y “twitteR” nos permiten interactuar con
Twitter por Internet. Por otro lado, los paquetes “stringr”,
“stringi”, “tm” y “gsubfn” son usados para procesar texto.
También cambiamos el directorio de trabajo al folder de
nuestra elección. Todos los resultados son depositados en
ese folder al terminar de procesar los datos. El símbolo
de numeral (#) le permite a R distinguir comentarios de
código. Por tanto, cada comentario que agrego aquí está
precedido por el numeral.
#CÓDIGO 1 (copiar y pegar en R. Puede ser bajado de la
página web del autor)
#######################################################
###########
## Instalamos los paquetes necesarios
#######################################################
############
library(“ROAuth”)
library(“stringr”)
library(“stringi”)
library(“tm”)
library(“gsubfn”)
library(“httr”)
library(“twitteR”)
##Cambiamos el Directorio de Trabajo
setwd(“C:/seleccionardirectorio”)
##Conectamos a Twitter##
options(RCurlOptions = list( capath = system.

file(“CurlSSL”, “cacert.pem”,
package = “RCurl”), ssl.verifypeer = FALSE))
reqURL<-”https://api.twitter.com/oauth/request_token”
accessURL<-”https://api.twitter.com/oauth/access_token”
authURL<-”https://api.twitter.com/oauth/authorize”
130
# Tenemos que reemplazar estos valores por la llave y el

secreto que Twitter
# nos asignó en Twitter Developer
consumerKey<-”zhEpuasdfalkasKv9” #Cambiar por el que co-

rresponda
consumerSecret<-”faskdfjlfsakak” #Cambiar por el que co-
rresponda
setup_twitter_oauth(consumerKey, consumerSecret, access_
token=NULL,
access_secret=NULL)
##
### Aquí hay que ingresar el número 1 manualmente para
validar la conexión con
### el API de Twitter
###
8. Luego de conectarnos con Twitter, podemos ingresar los

términos de nuestra búsqueda. Para ello usamos el comando
“searchTwitter”. Por ejemplo, “searchTwitter(“Nisman”,
n=3000, since=”2015-05-06)” busca todos los tuits que
incluyan el texto “Nisman”, incluyendo subpalabras, por lo
cual “yosoyNisman” también está incluida en la búsqueda.
En este ejemplo le pedí que busque un máximo de 3.000
tuits que hayan sido publicados después del 6 de mayo.
Los datos producidos por Twitter vienen en un formato
llamado JSON. Estos datos incluyen una gran cantidad de
información. Para este ejercicio, sólo vamos a seleccio-
nar los datos más relevantes, incluso el texto del tuit, el
nombre del usuario que envió el tuit, información sobre
el usuario y sobre los datos de publicación. Estos datos
vienen en formato de base de datos, RxC (observaciones
por columnas).
131
Ernesto Calvo

### Buscar los tuits

### Un truco para evitar que la computadora se quede sin
memoria es crear
### un espacio temporario, new.env() para guardar los
tuits originales
### Creamos el objeto “Tweets.df1” con el comando
“twListToDF”
### Copiamos el objeto y eliminamos el espacio temporario
### Podemos repetir con un gran número de nuevas búsquedas
tmp.env <- new.env() # creamos espacio temporario
#buscamos tuits
tmp.env$tweets.nm1 <- searchTwitter(“Nisman”, n=3000,

since=”2015-05-06”)
#ponemos datos en forma de base de datos (DataFrame)
tweets.df1 <- twListToDF(tmp.env$tweets.nm1)
#Eliminamos espacio temporario
rm(tmp.env)
## Nueva búsqueda
tmp.env <- new.env() # creamos espacio temporario

tmp.env$tweets.nm2 <- searchTwitter(“senado argentino”,
since=”2015-05-06”)
tweets.df2 <- twListToDF(tmp.env$tweets.nm2)
rm(tmp.env) #eliminamos espacio temporario
###
### Guardamos los resultados
###
tweets.df<- rbind(tweets.df1,tweets.df2)
9. El objeto ‘tweets.df ’ tiene todas las variables que nos intere-

san. En R podemos ver las variables escribiendo el coman-
do “names(tweets.df)”:
names(tweets.df)
[1] “text” “favorited” “favoriteCount” “replyToSN”
132
[5] “created” “truncated” “replyToSID” “id”

[9] “replyToUID” “statusSource” “screenName” “ret-
weetCount”
[13] “isRetweet” “retweeted” “longitude” “latitude”
Vemos que las variables de nuestra data incluyen el tex-

to del tuit, si fue marcado como fav, cuantas veces, si es
una respuesta a un tuit (replyToSN), cuándo fue creado,
si está truncado, el ID del tuit original en caso de ser una
respuesta, el ID del tuit, la fuente, el nombre del usuario
(screenName), el total de retuits, si es retuit y las coordena-
das geográficas desde las cuales fue publicado el tuit. Esta
data original puede ser procesada para extraer todos los
materiales que necesitamos para nuestras redes.
A continuación, tomamos la matriz de datos, seleccionamos
sólo mensajes que fueron retuiteados para extraer informa-
ción del hub (quién retuitea) y de la autoridad (quién es re-
tuiteado). La variable 13, isRetweet, nos permite distinguir
aquellos tuits que son retuiteados. El autor del tuit está en la
variable “tweets.df$screenName”, mientras que quien es re-
tuiteado es el primer nombre @nombre en el texto del tuit.
Una vez que tenemos el vector de “screenNames” y el vector
de handles que tienen a las autoridades, juntamos los dos vec-
tores en el objeto “data” que incluye todos los pares en la red.
#CÓDIGO 3 (copiar y pegar en R 3.2. Codigo suplementario

puede ser bajado de la
#página web del autor)
#######################################################
###############
##
## Creamos la red de retuits
##
#######################################################
###############
133
Ernesto Calvo
library(igraph)
## Seleccionamos información sólo de los retuits
author<-paste(“@”,tweets.df$screenName[which(tweets.
df[[13]]==”TRUE”)], sep=””)
retweets<-tweets.df$retweetCount[which(tweets.
df[[13]]==”TRUE”)]
isretweet<-tweets.df$isRetweet[which(tweets.
df[[13]]==”TRUE”)]
handles<-str_extract_all(tweets.df$text[which(tweets.
df[[13]]==”TRUE”)],’@[A-Za-z]+[A-Za-z0-9_]+’)
date<-tweets.df$created[which(tweets.df[[13]]==”TRUE”)]
text<-tweets.df$text[which(tweets.df[[13]]==”TRUE”)]
n.handles <- sapply(handles,function(x) length(x))

author.paired<-author[which(n.handles>0)]
handles.paired<-handles[which(n.handles>0)]
author.retweeted<- sapply(handles.paired,function(x)
(x[[1]]))
n.handles.paired <- sapply(handles.paired,function(x)
length(x))
retweets.paired<- retweets[which(n.handles>0)]
isretweet.paired<- isretweet[which(n.handles>0)]
text.paired<- text[which(n.handles>0)]
## Generamos la data de la red (díadas)
data <- cbind(author.paired,author.retweeted)
## Creamos el objeto red
net <- graph.empty()

net <- add.vertices(net, length(unique(c(data))),name=as.
character(unique(c(data))))
net <- add.edges(net, t(data))
summary(net)
10. El comando “summary(net)” nos debería devolver un men-

saje con nodos y conexiones (IGRAPH DN-- 6818 12391
-- attr: name (v/c)). Este mensaje indica que la red tiene
6.818 nodos y 12.391 conexiones (edges). Una vez que in-
gresamos los datos de Twitter en la red, podemos entonces
134
utilizar el algoritmo de Fruchterman-Reingold para ubicar

los nodos en el espacio. Posteriormente, utilizaremos el al-
goritmo Walktrap para detectar las comunidades de usua-
rios y poder distinguirlas en la red. Luego de detectar las
comunidades, analizaremos el nivel de centralidad de los
actores, crearemos un ranking de autoridades y jerarquiza-
remos los nodos para identificar a los actores importantes
dentro de la red.

## Estimamos la ubicación de los nodos usando “Fruchter-
man.reingold”2
l <-layout_with_fr(net)
## Estimamos las comunidades usando Walktrap community

detection
my.com.fast <- walktrap.community(net)
##
## Medimos la centralidad (eigenvector centrality y bet-
weeness)
##
library(igraph)
library(ggplot2)
library(gtable)
library(foreign)
cent<-data.frame(bet=log(betweenness(net)+1),eig=log(evc
ent(net)$vector+1))
# Cargamos el eigenvector
res<-lm(eig~bet,data=cent)$residuals
cent<-transform(cent,res=res)
# Vemos la autoridad y nodalidad usando ggplot
p<-ggplot(cent,aes(x=bet,y=eig, label=rownames(ce
nt),colour=res, size=abs(res)))+xlab(“Betweenness
135
Ernesto Calvo
Centrality”)+ylab(“Eigenvector Centrality”)
##Graficamos en PDF
pdf(file = “Autority Graph.pdf”, 40, 40, pointsize=8,

compress=FALSE)
p+geom_text()
dev.off()
##
## Autoridad y nodalidad
##
## Buscar el in-grado y out-grado
outd<-degree(net, mode=”out”)
ind<-degree(net, mode=”in”)
## Alternativamente, medimos el valor del hub y de la

autoridad
cbind(outd,ind)
hubscore<-hub.score(net)$vector
authscore<-authority.score(net)$vector
myauthority<-as.data.frame(cbind(names(outd),hubscore,au
thscore,outd,ind))
####
#### Cargamos la data de los atributos
####
V(net)$size<-abs(res)
nodes<-as.vector(V(net))
# Autoridades sólo si
# residuales >=.07
nodes[which(abs(res)<.07)]<-NA
11. Para concluir, identificamos algunos actores que nos intere-

san (manualmente) y creamos el gráfico en alta resolución
usando PDF.
136

##
## También se pueden ingresar algunas etiquetas manual-
mente
##
names.label<-c(“@fulanodetal”, “@menganodecual”)
my.label<- names(ind)
select.id<-unlist(sapply(names.label,function(x)
which(my.label==x)))
my.label[which(log(ind+1)<3.7)]<-””
my.label2<- my.label
for(i in 1:length(select.id)){my.label2[select.id[i]]<-
names(ind)[select.id[i]]}
# Color beige para los retuits
E(net)$color <- “beige” #rgb(.5,.8,.7,.4)
##
## Colorear por comunidad
##
new.color<-data.frame(t(col2rgb(my.com.
fast$membership)/255))
new.color<-rgb(new.color, alpha=.25)
### Gráfico
pdf(file = “Network Plot-Jerarquico.pdf”, 40, 40, point-

size=12, compress=FALSE)
plot.igraph(net,vertex.label=my.label2, layout=l, ver-
tex.size=log(ind+1)/3.5, vertex.label.color=1, vertex.
color=new.color, vertex.frame.color=new.color, edge.
width= .01, edge.arrow.size=.2, vertex.label.cex=1, edge.
curved=TRUE, vertex.label.dist=rnorm(length(ind),.1,.03))
dev.off()
## TERMINAMOS
137
Notas
Prefacio. Twitter, política y la cámara de eco

1 El hashtag #BlackLivesMatter fue creado dos años antes de Ferguson, luego del
asesinato de Tryvon Martin a manos de George Zimmerman en Florida. Sin
embargo, a partir de las revueltas de #Ferguson y #Baltimore, su uso se expan-
dió para convertirse en un símbolo de las protestas contra abusos policiales en
Carolina del Norte, Baltimore, Nueva Jersey, entre otros.
2 El término “cámara de eco” fue acuñado por el politólogo V. O. Key (1966) para
describir el modo en que los votantes repiten el discurso político de las élites. Este
discurso, a su vez, retorna al sistema político para decidir qué política pública
es implementada. Aun cuando los votantes piensan que ellos deciden la política
que se implementará, en la cámara de eco los votantes simplemente replican los
discursos de los políticos.
I. Tuiteando #Nisman: el primer tuit

1 Esto no quiere decir que toda la información en Twitter se encuentre concen-
trada del mismo modo. Eventos políticos, sociales y culturales tienen distintas
dinámicas y producen distintos tipos de estructuras. En el caso de los tuits refe-
ridos a eventos políticos, se da la particularidad de que existen organizaciones
que concentran a gran parte de los votantes y, por ende, a gran parte de las ideas
que son diseminadas a través de las redes sociales.
2 En el debate político argentino, por ejemplo, la “propiedad” sobre distintos temas
de la agenda está relativamente bien asentada entre los votantes. Los radicales
pierden votos cuando hablan de la economía, el peronismo pierde votos cuando
habla de las instituciones y el PRO pierde votos cuando habla de desigualdad o
de los derechos humanos. Poco importa qué posiciones trate de publicitar cada
uno de estos partidos, sus reputaciones los preceden y, por tanto, la mención de
ciertos temas sólo sirve para activar a los votantes de los “otros” partidos.
3 En inglés el texto tiene seis palabras: “For sale: baby shoes, never worn”. Al tradu-
cirlo al español es necesario usar siete palabras.
4 En inglés, el término envelope viene de la información de remitente y retorno,
fecha y otros datos que se encuentran en el sobre de una carta enviada por
139
Ernesto Calvo
correo postal. Del mismo modo, podemos pensar los metadatos como la
información sobre las condiciones de envío de un tuit.
5 Para realizar consultas sobre los aspectos técnicos, es posible comunicarse con
el autor a ecalvo@umd.edu, su e-mail en la Universidad de Maryland.
II. Diablos vs. demonios

1 Otros estudios también muestran que la información de las redes está altamente
concentrada (Ausserhofer y Maireder, 2013; Park, 2013).
2 Fruchterman-Reingold es parte de la familia de algoritmos de “fuerza-direc-
cionales”, que busca optimizar la relación entre proximidad y visualización. El
algoritmo estima la proximidad entre los nodos de una red considerando cuáles
están más conectados entre sí y, al mismo tiempo, agrega una fuerza repulsiva
para facilitar la visualización del gráfico.
3 En un artículo reciente en The Wall Street Journal, Jeff Elder describe la compra
de 1.000 cuentas de Twitter por el módico precio de $58 dólares a un progra-
mador de Pakistán. La compra de cuentas con seguidores, describe Elder, es
común en profesiones ligadas a la música y la política, donde un mayor número
de seguidores es leído como una señal de popularidad (Elder, 2013).
III. ¡Diálogos tuiteros!

1 Una “red de mundo pequeño” significa que los nodos que participan de la red
están muy conectados entre sí (Tam Cho y Fowler, 2010). Es decir, que entre ellos
y cualquier otro miembro de la red existen muy pocos grados de separación. Las
redes de Twitter tienden a ser de “mundo pequeño”. Lo interesante de la red del
caso #Nisman es que el grado de separación en el interior de las distintas comuni-
dades es extraordinariamente más pequeño que el observado entre comunidades.
IV. Trolls, fakes y la guerra de trincheras de las redes sociales

1 Una de las muchas variantes de esta cita apócrifa de Abraham Lincoln que cir-
culan hoy en día por Internet y en las redes sociales.
VI. A modo de conclusión: tuiteando #EleccionesArgentina

1 El código para realizar estos análisis también está disponible en la página del
autor: http://gvptsites.umd.edu/calvo/.
2 Versiones de R anteriores a R 3.1 utilizaban el comando: layout.fruchterman.
reingold. Codigo actualizado puede ser obtenido del sitio de web “http://gvptsi-
tes.umd.edu/calvo/.”
140
Bibliografía
Alcañiz, Isabella y Hellwig, Timothy (2011). “Who’s to Blame? The

Distribution of Responsibility in Developing Democracies”. British
Journal of Political Science, Nº 41 (02): 389-411. DOI: 10.1017/
S0007123409990317.
Ausserhofer, Julian y Maireder, Axel (2013). “National politics on
Twitter: Structures and topics of a networked public sphere”. In-
formation, Communication & Society 16.3: 291-314.
Barberá, Pablo (2015). “Birds of the Same Feather Tweet Together. Ba-
yesian Ideal Point Estimation Using Twitter Data”. Political Analy-
sis, Nº 23 (1): 76-91.
Bekafigo, M. A. y McBride, A. (2013). Who tweets about politics? Po-
litical participation of Twitter users during the 2011 gubernatorial
elections. Social Science Computer Review, 0894439313490405.
Elder, Jeff (2013). “Inside a Twitter Robot Factory: Fake Activity, Often
Bought for Publicity Purposes, Influences Trending Topics”. WSJ,
24 de noviembre, 2013.
Fiorina, Morris P. y Abrams, Samuel J. (2008). “Political polarization
in the American public”. Annual Review of Political Science, Nº 11:
563-588.
Fruchterman, Thomas M. J. y Reingold, Edward M. (1991). “Graph
drawing by force‐directed placement”. Software: Practice and ex-
perience, Nº 21 (11): 1129-1164.
141
Ernesto Calvo
Herdagdelen, A.; Zuo, W.; Gard‐Murray, A. y Bar‐Yam, Y. (2013). “An

exploration of social identity: The geography and politics of news‐
sharing communities in Twitter”. Complexity, 19 (2): 10-20.
Himelboim, I.; McCreery, S. y Smith, M. (2013). “Birds of a feather
tweet together: Integrating network and content analyses to exa-
mine cross‐ideology exposure on Twitter”. Journal of Computer‐
Mediated Communication, 18 (2): 40-60.
Key, Valdimer Orlando y Cummings, Milton C. (1966). The responsible
electorate. Belknap Press of Harvard University Press.
Marche, Stephens (2015). The Epidemic of Facelessness [Columna
de opinión]. New York Times. Disponible en http://www.nytimes.
com/2015/02/15/opinion/sunday/the-epidemic-of-facelessness.html.
McCarty, Nolan; Poole, Keith T. y Rosenthal, Howard (2009). “Does
gerrymandering cause polarization?” American Journal of Political
Science, Nº 53 (3): 666-680.
Murillo, M. Victoria. 2015. “La polarización y los candidatos”. El Es-
tadista (117).
Parmelee, J. H. y Bichard, S. L. (2011). Politics and the Twitter revolu-
tion: How tweets influence the relationship between political leaders
and the public. Lexington Books.
Park, Chang Sup (2013). “Does Twitter motivate involvement in po-
litics? Tweeting, opinion leadership, and political engagement”.
Computers in Human Behavior 29.4: 1641-1648.
Petrocik, John R. (1996). “Issue Ownership in Presidential Elections,
with a 1980 Case Study”. American Journal of Political Science Nº 40
(3): 825-850.
Tam Cho, Wendy K. y Fowler, James H. (2010). “Legislative Success in
a Small World: Social Network Analysis and the Dynamics of Con-
gressional Legislation”. The Journal of Politics, Nº 72 (01):124-135.
DOI: 10.1017/S002238160999051X.
142
Vaccari, C.; Valeriani, A.; Barberá, P.; Bonneau, R.; Jost, J. T.; Nagler,
J. y Tucker, J. (2013). “Social media and political communication:
a survey of Twitter users during the 2013 Italian general election”.
Rivista italiana di scienza politica, 43 (3): 381-410.
Valenti, P.; Lopez-Ghio, R.; Riorda, M. y Straface, F. (2015). El gobern-
auta latinoamericano: Estudio del perfil de los gobernantes latinoa-
mericanos en redes sociales. Inter-American Development Bank.
143
Anatomía política de Twitter en Argentina se imprimió en el mes de agosto en
Buenos Aires Print, Presidente Sarmiento 459, Lanús, Provincia de Buenos Aires,
Argentina.
Figura 1: Número de retuits publicados cada 10 minutos,
18 al 24 de enero, 2015.
Nota: durante la semana del 18 al 24 de enero se publicaron un total de 2.350.000+

tuits sobre el caso Nisman, de los cuales 1.600.000+ fueron retuits. Esto equivale a
casi 4 retuits por segundo o casi 1.000 libros de 200 páginas cada uno.
Figura 2: El mapa de la política argentina visto a través de los retuits
del caso #Nisman.
Figura 3: Red direccional de cinco usuarios
Nota: la flecha que sale de un nodo se denomina hub, mientras que el nodo que recibe
la flecha se denomina “autoridad”. Podemos analizar los flujos de información en
Twitter a partir de medir qué usuarios retuitean la información de otros usuarios. Es
decir, a partir de ver hubs que publican la información producida por “autoridades”.
Nota: los círculos de colores describen tuiteros (puntos) o comunidades (combina-

ciones de puntos) identificadas mediante el algoritmo Walktrap, con el gobierno a la
izquierda (gris) y la oposición en el centro (rojo). Las posiciones en el mapa fueron
estimadas usando el algoritmo de Fruchterman-Reingold y el paquete estadístico R
3.12. Para calcular las posiciones y comunidades descriptas en el mapa se requiere poco
más de 6 horas y 20 procesadores en línea en la supercomputadora de la Facultad de
Ciencias Sociales de la Universidad de Maryland (BSwift). Las etiquetas describen la
posición de una selección de actores políticos mediante sus cuentas oficiales de Twitter.
Figura 4: Flujo de información, red de Twitter, 18 de febrero de 2015. Figura 5: Flujo de información, red de Twitter entre 18 de enero
Tuits con menciones a Berni y Milani. y 27 de febrero. Tuits con menciones a Stiuso y Lagomarsino.
Nota: los puntos describen la ubicación de los usuarios de Twitter el 18 de febrero de Nota: los puntos describen la ubicación de los usuarios de Twitter utilizando la data
2015. Las líneas azules son flechas que indican qué información de las distintas “au- entre el 18 de enero y el 27 de febrero de 2015. Las líneas azules son flechas que indican
toridades” en la red está siendo retuiteada por otros usuarios (hubs). Los “mechones” qué información de esas “autoridades” está siendo retuiteada por otros usuarios (hubs).
muestran claramente la estructura jerárquica de la transmisión de información, que Los “mechones” muestran claramente la estructura jerárquica de la transmisión de
sale de un número limitado de autoridades y es retuiteada por un alto número de usua- información, que sale de un número limitado de autoridades y es retuiteada por un
rios. El gobierno, en color verde, se encuentra a la izquierda. La oposición, en rojo, se alto número de usuarios.
encuentra a la derecha en la Figura 4.
Figura 6: El mapa de los medios visto a través de los retuits
del caso #Nisman.
Figura 7: Diálogos (retuits) que mencionan al juez Daniel Rafecas luego

de que fuera rechazada la denuncia del fiscal, 26 de febrero, 2015.
Nota: los distintos círculos de colores describen comunidades de tuiteros identificadas

mediante el algoritmo Walktrap, con el gobierno a la izquierda (gris) y la oposición
en el centro (rojo). Las posiciones en el mapa fueron estimadas usando el algoritmo
de Fruchterman-Reingold. Las líneas azules describen a quienes retuitean mensajes
producidos por otros usuarios.
Nota: los círculos de colores describen tuiteros (puntos) o comunidades (combina-

ciones de puntos) identificadas mediante el algoritmo Walktrap, con el gobierno a la
izquierda (gris) y la oposición en el centro (rojo). Las posiciones en el mapa fueron
estimadas usando el algoritmo de Fruchterman-Reingold y el paquete estadístico R
3.12. Para calcular las posiciones y comunidades descriptas en el mapa se requiere poco
más de 6 horas y 20 procesadores en línea en la supercomputadora de la Facultad de
Ciencias Sociales de la Universidad de Maryland (BSwift). Las etiquetas describen la
posición de una selección de actores políticos mediante sus cuentas oficiales de Twitter.
Figura 8: Diálogos (retuits) que mencionan al juez Figura 9: Tres ejemplos de difusión de información
Daniel Rafecas entre el 18 y el 27 de febrero, 2015. en el caso #Nisman.
Las líneas amarillas distinguen los tuits de Aníbal Fernández.
Nota: los puntos describen la ubicación de los usuarios de Twitter utilizando la data Nota: los distintos círculos de colores describen comunidades de tuiteros identificadas
entre el 18 de enero y el 27 de febrero de 2015. Las líneas azules son flechas que indi- mediante el algoritmo Walktrap, con el gobierno a la izquierda (gris) y la oposición en
can qué información de esas “autoridades” está siendo retuiteada por otros usuarios el centro (rojo). Las posiciones en el mapa fueron estimadas usando el algoritmo de
(hubs). Los “mechones” muestran claramente la estructura jerárquica de la transmisión Fruchterman-Reingold. Las líneas azules describen a quienes retuitean mensajes pro-
de información, que sale de un número limitado de autoridades yes retuiteada por un ducidos por otros usuarios.
alto número de usuarios. Las líneas amarillas describen los retuits de aquellos mensajes
que fueron publicados por el ministro Aníbal Fernández relativos a la decisión del juez
Daniel Rafecas.
Figura 10: Cuentas truchas de @AlbertoNisman, Figura 11: Los Fakes @elcosodelapizza, @elkaiser63 y @malcomgomez.
@FiscalNisman y @CuervoTiinelli.
Nota: las líneas describen retuits de los mensajes enviados desde las cuentas falsas Nota: las líneas describen retuits de los mensajes enviados desde las cuentas falsas @
@AlbertoNisman, @FiscalNisman y @Cuervotiinnelli. AlbertoNisman, @FiscalNisman y @Cuervotiinnelli.
Figura 12: Retuits por tipo de dispositivo electrónico usado. Las líneas Figura 13: Retuits por tipo de ciudad de origen. Brasilia en líneas rojas,
azules describen usuarios con sistemas Android. Las líneas rojas Caracas en amarillo, Santiago en verde y Hawái en azul.
describen usuarios con iPhone o iPad.
Nota: las líneas describen retuits con colores que distinguen el tipo de dispositivo uti- Nota: las líneas describen retuits con colores que distinguen la ciudad de origen. Brasilia
lizado para reenviar la información (Android en azul y iPhone/iPad en rojo). La dis- en rojo, Caracas en amarillo, Santiago en verde y Hawái en azul.
tribución de puntos en el mapa corresponde con la disposición de la red descripta en
capítulos anteriores.
Figura 15: Retuits en la elección para gobernador de Santa Fe,
14 de junio, 2015.
Figura 14: Número de tuits totales publicados por @CFKArgentina

y @mauriciomacri en los primeros 40 días del caso #Nisman.
Nota: las líneas describen el número de tuits publicados entre el 19 de enero y el 28

de febrero de 2015.
Nota: comunidades de tuiteros en la elección para gobernador de Santa Fe, 14 de ju-

nio, 2015. Los círculos describen tuiteros con comunidades identificadas mediante el
algoritmo Walktrap. Las posiciones en el mapa fueron estimadas usando el algoritmo
de Fruchterman-Reingold.
Figura 16: La Guerra de Medios
Nota: las líneas describen retuits de los mensajes enviados desde las cuentas de @
lanacioncom, @clarincom, @ambitocom, @AgenciaTelam y @pagina_12. No hubo
retuits con el término “Nisman” de publicaciones de @TiempoArgentino.
View publication stats

Calvo TuiteandoNisman CapitalIntelectual 2015

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Calvo TuiteandoNisman CapitalIntelectual 2015

Cargado por

Copyright:

Formatos disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

ANATOMÍA POLÍTICA DE TWITTER EN ARGENTINA: Tuiteando #Nisman

Book · September 2015

Law Enforcement & Technology View project

Framing y social media View project

The user has requested enhancement of the downloaded file.

Fecha de catalogación: /////2015

Diseño de tapa: Ariana Jenik

© Ernesto Calvo, 2015

1ª edición • Impreso en Argentina

Capital Intelectual S.A.

Pedidos en Argentina: pedidos@capin.com.ar

Queda hecho el depósito que prevé la Ley 11723. Impreso en Argentina.

Prefacio. Twitter, política y la cámara de eco 11

I. Tuiteando #Nisman: el primer tuit 19

II. Diablos vs. Demonios 45

III. ¡Diálogos tuiteros! 69

IV. Trolls, fakes y la guerra de trincheras

V. Gobierno Android, oposición iPhone 107

VI. A modo de conclusión: tuiteando

Apéndice metodológico. Guía práctica para

De ella heredé el placer de criar hijos y publicar libros.

“Uno nunca debe dejar que una crisis seria

Primero fue la Primavera Árabe, en diciembre del 2010. Le

cómo funciona el motor que pone en movimiento a las redes

no lo sepan, están condenados a leerse a ellos mismos, a escu-

El 9 de agosto del 2014, el adolescente Michael Brown fue

cronológicamente leyendo los 10 millones de tuits restantes?

Para evitar la proliferación de información trivial en nues-

Contrariamente a la imagen de una red social en constante

mutan lentamente, así como lentamente mutan las redes so-

“Me acaban de informar sobre un incidente

da…”, “Damián, sabés a lo que te exponés si esto es una joda

Nisman vs. #Nisman

Este libro no es un análisis de la muerte de Alberto Nisman

otros son inaudibles, prestos a perderse en los servidores de

conjunto de relaciones políticas, sociales y económicas que no

El suicida, el suicidado, el asesinado

Es tarea de la justicia el definir –si puede hacerlo– las condicio-

que hay tres narrativas en competencia para describir al suici-

visualización y estadísticas de redes. Las palabras “suicidio”,

En el espacio virtual, los individuos que retuitean juntos

pertenecen a la propia comunidad (McCarty, Poole y Ro-

La segregación informativa y la polarización

Como mostraremos en este libro, distintas geografías de Twit-

la red social y genera ideas políticas con “cola de chancho”. En

extensos de votantes creen en las distintas narrativas que cons-

Existen pocas dudas de que la muerte de Alberto Nisman es

judicial. Jueces, fiscales, abogados defensores, querellantes y

por conspiración a la presidenta Cristina Fernández, un día

Tuitear, hablar, callar

Entre el 1º y el 18 de enero de 2015, el gobernador y candida-

Entre el 18 y el 31 de enero, el gobernador Scioli publicó un sólo

Un viejo adagio de las campañas electorales dice que el can-

o para callar. En los días posteriores al 18 de enero, el caso

Un tuit, dos tuits, mil tuits

Hasta no hace mucho tiempo, los políticos tenían secretarios

de organizar conferencias para comentar sobre eventos impor-

las formas breves de la narrativa es el supuesto desafío a Ernest

Estos tuits a menudo son publicados buscando la complici-

posición política en 140 caracteres requiere que el lector llene

Cuatro millones y medio de tuits: datos vs. metadatos

Estudiar las formas de comunicación política en las redes so-