Si yo trabajara en un medio de comunicación, dejaría de darle importancia a los trending-topics.

La relación entre opinión pública y trending topic, aunque atractiva por la simple traducción de conceptos similares, es en realidad una confusión. «The key problem for agenda-setting theory will change from what issues the media tell people to think about to what issues people tell the media they want to think about. (Chaffee & Metzger, 2001). Cuando surge Twitter y empezamos a ver los trending topics parecía que la ilusión de 2001 se hacía realidad: la audiencia decía sobre qué temas estaba conversando.

Más concretamente, en cuanto a las implicaciones que Twitter tiene sobre la teoría del establecimiento de la agenda o el agenda-setting, se suele mencionar el trending topic como una nueva agenda que le dice a los medios lo que le interesa a la gente.

Para ello, hay que explicar cómo se contruyen los trending topics de Twitter  (Twitter).

1.- Hay una limitación temporal: es decir, son palabras emergentes, no constantes.

Por ejemplo, la palabra crisis no es trending topic en España, aunque si se busca en Twitter se verá que es mencionada miles de veces todos los días, pero no es emergente, es constante. Es decir, paradójicamente por su persistencia en el tiempo y por el interés que tiene, sale de los trending topics.

2.- En realidad, los trending topics o temas del momento, no son temas sino palabras.  Se eliminan las palabras comunes como preposiciones, verbos etc.

Para quien utilice metodologías como el análisis de contenido, es fácil entender que el trending topic actúa como un recuento de palabras más utilizadas –sólo las emergentes- sin que haya un propósito analizador, de manera que no agrupa palabras que viven en el mismo campo semántico y, por tanto, todo se diluye.

Un ejemplo lo aclara. Un fin de semana cualquiera de liga de fútbol en España, si se acude a la herramienta http://trendsmap.com/ se puede comprobar que los mensajes de Twitter son mayoritariamente sobre fútbol, pero cada zona está hablando de su equipo de fútbol, de manera que el fútbol no es trending topic en España.

3.- El retuiteo es el que decide lo que es o no trending topic (Asur, Huberman, Szabo, & ChunyanWan, 2011). De manera que no es la palabra tan sólo más mencionada sino el reenvío de un tuiteo o varios el que suma para llegar a ser trending topic.

La cuestión esencial del agenda-setting queda fuera. El agenda-setting estudia la transferencia de relevancia entre agendas, es decir, si los medios transfieren la relevancia a la sociedad, si los gobiernos la transfieren a los medios, si es en sentido inverso etc. Lo importante es la fuente de relevancia.

El trending topic nos dice muy defectuosamente –tal como intenté explicar arriba- las palabras mencionadas pero no nos dicen la fuente de esa relevancia. Quizá siguen siendo los medios, las agencias de relaciones públicas, los gobiernos o los partidos los que consiguen que una palabra llegue a ser trending topic. Es más, estudios sobre el trending topic señalan que en muchas ocasiones provienen de los medios de comunicación como fuente emisora y como contenido (Asur, Huberman, Szabo, & ChunyanWan, 2011)

4.- Por último, los usuarios de Twitter son una pequeña autoselección de la sociedad, de manera que traducir lo que es trending topic en Twitter como lo que interesa a la sociedad sólo producirá confusión. Esto tiene que ver también con el estudio que Pew Research Center publicó ayer. Muy resumido, el estudio concluye que las reacciones en Twitter son sobrerreacciones; no mide correctamente el pulso de la opinión pública y predomina la negatividad.

De modo que, por ahora, la sociedad no le dice a los medios qué le interesa a través de los trending topics.

La importancia de los influidos frente a los influyentes

Otra cosa a la que le estoy dando vueltas es  que algunos estudios sugieren que el «influyente» en Twitter tiene los pies de barro, depende enormemente de sus «influidos».

“Under most conditions, we would argue, cascades do not succeed because of a few highly influential individuals influencing everyone else but rather on account of a critical mass of easily influenced individuals influencing other easy-to-influence people”.  Es decir, el número es crucial en Twitter y son muchos fácilmente influidos que actúan sobre muchos también fácilmente influenciables.

“One of the highlights is that in addition to predicting whether a user will perform an action, we also observed that the predictions of our algorithms on users with a high influenceability score tend to have a high precision. In addition, we are able to predict, to within tight margins, the time by which an influenced user will perform an action after its neighbors have performed the action”. (Goyal, Bonchi, & Lakshmanan, 2010), es decir, no es tanto que los influyentes tengan peso como que hay personas fácilmente influenciables que al mismo tiempo son altamente predecibles.

Un punto importantísimo es el que viene a continuación:

«Some forest fires, for example, are many times larger than average; yet no one would claim that the size of a forest fire can be in any way attributed to the exceptional properties of the spark that ignited it or the size of the tree that was the first to burn. Major forest fires require a conspiracy of wind, temperature, low humidity, and combustible fuel that extends over large tracts of land. Just as for large cascades in social influence networks, when the right global combination of conditions exists, any spark will do; when it does not, none will suffice» (Watts & Dodds, 2007).

Como un fuego en un bosque, no importa el tamaño de la chispa que lo inició, sino las condiciones de humedad, viento, etc. que hubiera en el momento. Si no hay una conspiración de factores ambientales, no habrá trending-topic, si las condiciones ambientales son óptimas, cualquier chispa lo iniciará.

 

Ya veis que lo del fuego de la tea, tenía su aquel.

Asur, S., Huberman, B. A., Szabo, G., & ChunyanWan. (2011). Trends in Social Media:Persistence and decay. Proceedings of the Fifth International AAAI Conference on Weblogs and Social Media (págs. 434-437). Menlo Park, California: Association for the Advancement of Artificial Intelligence.

Chaffee, S. H., & Metzger, M. J. (2001). The End of Mass Communication? Mass Communication & Society, 365–379.

Goyal, A., Bonchi, F., & Lakshmanan, L. V. (2010). Learning Influence Probabilities In Social Networks. Proceedings of the third ACM international conference on Web search and data mining . Nueva York: Association of Computing Machinery.

Twitter. (s.f.). Sobre las Tendencias. Recuperado el 29 de marzo de 2012, de Twitter: https://support.twitter.com/articles/349215-sobre-las-tendencias#

Watts, D. J., & Dodds, P. S. (diciembre de 2007). Influentials, Networks, and Public Opinion Formation. JOURNAL OF CONSUMER RESEARCH, 34, 441-458.