SciELO - Scientific Electronic Library Online

 
 número37La representación de los youtubers e instagrammers en la producción audiovisual internacional*Benditas redes sociales: Análisis de la campaña en Twitter de los candidatos a la presidencia de México en el 2018* índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Contratexto

versión impresa ISSN 1025-9945versión On-line ISSN 1993-4904

Contratexto  no.37 Lima ene./jun. 2022  Epub 01-Jun-2022

http://dx.doi.org/10.26439/contratexto2022.n037.5343 

Tendencias

Características de la desinformación en redes sociales. Estudio comparado de los engaños desmentidos en Argentina y España durante el 2020*

Characteristics of misinformation in social networks. Comparative study of news denounced as hoaxes in Argentina and Spain during 2020

Características da desinformação nas redes sociais. Um estudo comparativo dos embustes desmentidos na Argentina e na Espanha durante 2020

1Universitat de València jose.gamir@uv.es

2 CONICET; Instituto de Política y Gobierno (CITNoBA) mrtarullo@comunidad.unnoba.edu.ar

RESUMEN:

Este trabajo estudia los principales rasgos de las desinformaciones que circularon en redes sociales en Argentina y España durante el año 2020, así como sus similitudes y diferencias. La investigación aplica un análisis de contenido de siete variables a 402 engaños desmentidos en ambos países por los medios verificadores Chequeado y Newtral. En concreto, se estudian las fuentes de las desinformaciones, su tipología, los protagonistas y sus atributos, su adscripción temática, las emociones a las que apelan y los rasgos populistas que presentan. Los resultados evidencian el predominio de (a) fuentes anónimas en ambos países, de fuentes reales mediáticas en Argentina y de fuentes políticas suplantadas en España; (b) el engaño como forma de desinformación; (c) la clase política como protagonista, casi siempre con una transmisión de atributos negativos; (d) la salud como tema principal, aspecto derivado de la pandemia del COVID-19, seguido por la calidad de la democracia, en Argentina, y por el consumo y cuestiones políticas personales, en España; (e) la apelación a emociones negativas, especialmente la ira y el miedo, propias de la polarización afectiva negativa; y (f) el ataque a las élites y la defensa de los intereses de la ciudadanía como rasgos discursivos populistas.

PALABRAS CLAVE: desinformación; polarización; populismo; Argentina; España

ABSTRACT:

This paper studies the main features of fake news that circulated on social networks in Argentina and Spain during 2020, as well as their similarities and differences. The study carries out a content analysis of seven variables in 402 hoaxes that were debunked in both countries by the fact-checking platforms Chequeado and Newtral. Specifically, this article examines the sources of disinformation and their typologies, their main characters and their attributes, thematic affiliation, the emotions they appeal to, and the populist traits they represent. The results show the predominance of (a) anonymous sources in both countries, real media sources in Argentina and impersonated political entities in Spain; (b) deception as a form of disinformation; (c) the focus on the political class, almost always associated with negative attributes; (d) health as the central theme, an aspect derived from the COVID-19 pandemic, followed by the quality of democracy in Argentina and by consumption and personal political issues in Spain; (e) the appeal to negative emotions, especially anger and fear, both typical of negative affective polarization; and (f) the attack on elites and the defense of citizens’ interests as populist discursive features.

KEYWORDS: disinformation; polarization; populism; Argentina; Spain

RESUMO:

O artigo estuda as principais características da desinformação que circularam nas redes sociais na Argentina e na Espanha durante o ano 2020, bem como as suas semelhanças e diferenças. A investigação aplica uma análise de conteúdo de sete variáveis a 402 embustes desmentidos em ambos os países pelos meios de verificação Chequeado e Newtral respectivamente. Especificamente são estudadas as fontes de desinformação, a sua tipologia, os seus protagonistas e os atributos por eles transmitidos, a sua filiação temática, as emoções apeladas, e os traços populistas que apresentam. Os resultados mostram a predominância de (a) fontes anónimas em ambos os países, verdadeiras fontes mediáticas na Argentina e personalidades políticas na Espanha; (b) o embuste como forma de desinformação; (c) a classe política como protagonista, quase sempre com uma transmissão de atributos negativos; (d) a saúde como tema principal, um aspecto derivado da pandemia da COVID-19, seguido da qualidade democrática na Argentina, e do consumo e questões políticas pessoais na Espanha; (e) o apelo a emoções negativas, especialmente a raiva e o medo, típicas da polarização afetiva negativa; e (f) o ataque às elites e a defesa dos interesses dos cidadãos como características discursivas populistas.

PALAVRAS-CHAVE: desinformação; polarização; populismo; Argentina; Espanha

INTRODUCCIÓN

El uso de la desinformación para generar tanto rechazos como adhesiones es una estrategia que ha sido utilizada mucho antes de que existieran las redes sociales (Lazer et al., 2018). Sin embargo, con la utilización extendida de estas plataformas como fuente para el consumo de noticias (Gil de Zúñiga et al., 2017; Lazer et al., 2018), acompañada de un descreimiento creciente hacia las instituciones tradicionales en general y hacia las periodísticas en particular, la circulación de material desinformativo ha crecido de manera exponencial (Bennett & Livingston, 2018). Así, la desinformación se constituye en uno de los principales obstáculos para la construcción de una sociedad democrática (Bergmann, 2020) al ofrecer contenido que conduce a una visión incorrecta del mundo, especialmente en aquellas cuestiones que generan voces polarizadas (Bergmann, 2020). Además, las redes sociales ofrecen herramientas para que ese material pueda ser distribuido de manera sencilla y a gran velocidad, propagando de esta manera atributos concordantes con prejuicios previos y creando, en paralelo, comunidades afectivas afines (Calvo & Aruguete, 2018; López-López et al., 2020).

Este escenario se caracteriza por dar lugar a un “desorden informativo” (Wardle & Derakhshan, 2017) conformado por múltiples causas entre las que se encuentran la creación deliberada de historias falsas -que se distribuyen intencionadamente con fines tanto económicos como políticos-; de información incorrecta -que puede ser propagada, pero sin que medie ninguna intención política ni económica en la compartición de la misma-; y de información políticamente sesgada e hiperpartidista -presentada con el fin de enfervorizar a los propios y convencer a los indecisos-. En la mayoría de las situaciones antes expuestas, hay una búsqueda de desorden, incluso caos y desestabilización, en pos de un interés particular (López-Borrull & Ollé, 2020), en el que la participación digital de la ciudadanía es un punto clave tanto en la producción como en la distribución de desinformación. De hecho, estos mensajes no solo son generados por mecanismos sistemáticos de producción dirigidos por organizaciones internacionales con fines económicos o políticos (Tucker et al., 2018); también colaboran usuarios y usuarias en el ámbito de la desinformación produciendo contenidos falsos o compartiéndolos (Chadwick & Vaccari, 2019; Waisbord, 2015).

A propósito de esto, investigaciones previas han encontrado que la desinformación coopera en distorsionar la imagen que las personas se hacen del mundo y exacerba los sentimientos negativos hacia los miembros de grupos diferentes (Gamir-Ríos et al., 2021; Kosloff et al., 2010). El nivel de falsedad presente en el contenido puede estar influido por el sesgo o el sensacionalismo (Mourão & Robertson, 2019), y va acompañado de la apelación a emociones fuertes, como la ira (Weeks, 2015) y el miedo (Nai, 2018). Tal es así que los estudios sobre desinformación han encontrado enmarañadas interacciones entre la propagación deliberada de material desinformativo, el populismo de derecha (Chadwick & Vaccari, 2019; Freelon et al., 2020; Guess et al., 2019) y la polarización afectiva (Weeks & Garrett, 2014).

Así, el desorden informativo se acrecienta en momentos de vacilación, temor y preocupación, que se vuelven escenarios fértiles para generar y compartir contenidos desinformativos (Peña Ascacíbar et al., 2021). En este sentido, el 2020 será recordado por ser un año lleno de incertidumbres. En primer lugar, por la pandemia decretada por la Organización Mundial de la Salud (OMS) a raíz de la propagación del COVID-19, que dejó y continúa dejando muertos y secuelas de distintos tipos y gravedad en todo el mundo. A este cuadro se suma la infodemia (Nielsen et al., 2020), también denominada tsunami de desinformación o saturación informativa (Zarocostas, 2020), en relación con el consumo de noticias, a partir del aumento exponencial de los entornos digitales como espacio de interacción en un contexto de confinamiento en la mayoría de los países (Kemp, 2021). En los casos de Argentina y de España, además de ser países con un uso extendido y no novedoso de las redes sociales como fuente de noticias por todos los sectores poblacionales (Newman et al., 2020), otras variables entran en juego: se caracterizan por que sus habitantes tienen niveles cada vez más bajos de confianza en los medios de prensa y en el periodismo, y expresan preocupación por la circulación de contenidos desinformantes (Nielsen et al., 2020). Sumado a esto, el 2020 fue el primer año como presidente de Argentina de Alberto Fernández, que pertenece al Frente para Todos, una alianza que reúne partidos y espacios partidarios ligados al centro izquierda; y también el primer año del gobierno en España de la coalición de centro izquierda presidida por Pedro Sánchez, del socialdemócrata Partido Socialista Obrero Español, con presencia también de ministros provenientes de la coalición izquierdista Unidas Podemos. Tanto Fernández como Sánchez provienen de espacios políticos de centro izquierda. En este sentido, la literatura ha demostrado que la desinformación es una estrategia que los activismos de derecha utilizan más que aquellos identificados con ideologías de izquierda (Freelon et al., 2020). De ahí la relevancia de este estudio para conocer las fuentes, la tipología, los protagonistas, los atributos transmitidos, los temas, las emociones y los rasgos populistas que la desinformación adquiere en ambos contextos.

Ante la escasez de investigaciones sobre desinformación con datos no originados en Estados Unidos (Seo & Faris, 2021), este artículo busca ser un aporte en un doble sentido: al indagar en todos los contenidos desinformativos publicados y verificados en el 2020 y no solo en aquellos relacionados con el COVID-19 -sobre los cuales se ha generado un mayor interés en la academia recientemente (Magallón-Rosa & Sánchez-Duarte, 2021; Salaverría et al., 2020; Tarullo & Frezzotti, 2021; Zunino, 2021)-; y también al examinar similitudes y diferencias en ambos contextos. Para ello, la investigación aplica un análisis de contenido de siete variables a 402 desinformaciones desmentidas en los dos países por los medios verificadores Chequeado y Newtral, ambos acreditados por la International Fact-Checking Network. En concreto, el análisis ha permitido estudiar las fuentes de las desinformaciones, su tipología, sus protagonistas, los atributos transmitidos, su adscripción temática, las emociones a las que apelan y los rasgos populistas presentes en ellas.

Para exponer dicha investigación, este artículo se organiza de la siguiente manera: la primera sección describe los conceptos teóricos sobre los que se asienta el trabajo; la segunda explica la metodología; la tercera detalla los resultados de manera descriptiva; y la cuarta discute los hallazgos y presenta sus limitaciones, así como las posibles líneas futuras de investigación.

DESINTERMEDIACIÓN, POLARIZACIÓN AFECTIVA Y POPULISMO

Las redes sociales, junto con las prácticas digitales que admiten, colaboran en incrementar el desorden informativo (Wardle & Derakhshan, 2017), ya que si bien ciertos privilegios se quiebran a partir de la horizontalidad que las caracteriza, estas novedosas posibilidades de flujos comunicacionales desintermediados conviven con “la descontextualización, la trivialización, las dudas sobre la calidad y la intencionalidad de los contenidos, la captura de nuestros datos personales y su utilización económica y política” (Innerarity & Colomina, 2020, p. 12). Así, las noticias se consumen dentro de un ambiente contaminado, en el cual las publicaciones sobre cuestiones personales se mezclan con material informativo de tópicos de interés general y las noticias se entreveran con contenidos desinformantes.

En este contexto desordenado e intrincado de verdades y mentiras, de información y desinformación, los contenidos son acercados y viralizados de manera inocente o deliberada gracias a las herramientas de interacción digital que permiten la replicación sin intermediarios a través de estos ciberentornos (Lazer et al., 2018). Sin embargo, también en este ambiente hay cuestiones que exceden a la propia agencia y que están en relación con el juego y el funcionamiento de algoritmos que prevén qué contenidos acuerdan con cosmovisiones y comportamientos de las personas, y muestran la parte del mundo que, según sus mediciones, las personas quieren ver (Innerarity & Colomina, 2020); así pues, tienden a reforzar actitudes en un escenario en el que “la expansión y la sofisticación de la desinformación son tendencias globales” (Waisbord, 2020, p. 253). Este esquema deriva de un nuevo estadio de la comunicación política, caracterizado, entre otras variables, por la orientación de las campañas a micronichos de individuos (Roemmele & Gibson, 2020; Semetko & Tworzecki, 2017) cada vez más activos (Esser & Pfetsch, 2020), mediante el uso estratégico de la tecnología digital y el big data (Calvo et al., 2019; Roemmele & Gibson, 2020), la utilización de bots automatizados (Calvo et al., 2019; Semetko & Tworzecki, 2017) y la modulación de la opinión pública mediante algoritmos (Esser & Pfetsch, 2020; Semetko & Tworzecki, 2017). Todo ello ha supuesto la redefinición de las pautas de creación, distribución y consumo de los mensajes políticos (Casero-Ripollés, 2018).

Con esta incidencia en la presentación de contenidos que facilita la exposición selectiva (Humanes, 2019), se crean comunidades digitales unidas por emociones fuertes compartidas (Aruguete & Calvo, 2018). Las personas se sumergen en contenidos afines a sus propias opiniones ideológicas, donde el espacio para el disenso y la negociación -ambos necesarios en sociedades democráticas (Pariser, 2017; Waisbord, 2020)- es prácticamente nulo.

Al mismo tiempo, resulta más fácil convencerse de aquello sobre lo cual ya se tiene un juicio previo similar, sea este ajustado o no a la verdad, y que se articula dentro de marcos conceptuales existentes (Lakoff, 2007), activados en función de contenidos que apelan a emociones fuertes y opuestas (Brader, 2006; Jerit, 2004). Tanto es así que las personas tienden a creer contenidos desinformantes y teorías conspirativas si coinciden con sus propias percepciones del mundo (Weeks & Garrett, 2014). Las cosmovisiones afines se hablan, se escuchan y se repiten en un entorno de polarización afectiva (Lazer et al., 2018; Suhay et al., 2018; Sunstein, 2007), en el cual la alianza entre política, religión e ideología ha creado nuevas posiciones contraepistémicas que rechazan el paradigma científico (Waisbord, 2018, p. 5) y que han mejorado sus actuaciones gracias a las plataformas digitales, y a la ausencia del gatekeeping informativo que abre las compuertas a la información y a la desinformación, a la verdad y a la mentira, al conocimiento científico y al no científico, a los hechos y a la ficción (Waisbord, 2018, p. 5).

La bibliografía sobre el tema coincide en que los ambientes polarizados son el mejor escenario para la difusión de desinformación (Faris et al., 2017; Mourão & Robertson, 2019), con consecuencias directas sobre la democracia y el debate público (Chadwick & Vaccari, 2019): los contenidos desinformantes tienen más del 70 % de probabilidades de ser compartidos (Vosoughi et al., 2018) y la latencia de compartición es más pequeña en los contenidos que concuerdan con las preferencias personales (Calvo & Aruguete, 2018). En este sentido, investigaciones previas han demostrado que los mensajes que apelan a emociones negativas, como el miedo y la ira, y a emociones positivas, como la sorpresa y la felicidad, se comparten más que aquellas publicaciones que no invocan emociones (Tarullo, 2016, 2018); además, los mensajes con contenido desinformativo se comparten más rápidamente que los de contenido verdadero (Rodríguez et al., 2020). Y así como para abordar la desinformación es preciso reflexionar sobre la polarización, para entender la polarización contemporánea es preciso analizar el populismo (Waisbord, 2020), que opera con la misma narrativa resonante y binaria de un “nosotros”/“ellos”, “élite”/“pueblo” (Engesser et al., 2017). El populismo tiende a la polarización discursiva (Handlin, 2018; Waisbord, 2020) y para ello se nutre de los medios leales, pero también del modelo de comunicación de plataformas (Helmond, 2015), cuya desintermediación -que elude las instituciones mediáticas y los guardianes del periodismo (Manfredi-Sánchez et al., 2021)- permite no solo enfervorizar partidismos, sino, además, replicar contenidos que parecen ignorar el valor que tienen las noticias para influir en la calidad del diálogo democrático. De esta manera, “la desinformación es parte central de la estrategia polarizante del populismo, está engarzada con otros elementos mencionados -la constante profundización de divisiones, el rechazo retórico a cualquier tipo de negociación o compromiso, y el martilleo constante de teorías conspirativas” (Waisbord, 2020, pp. 272-273).

A partir de la revisión anterior, este trabajo plantea dar respuesta de manera comparada a las siguientes preguntas de investigación (PI):

  • PI1: ¿cuáles son las fuentes de la desinformación y qué nivel de falsedad tienen?

  • PI2: ¿quiénes son los protagonistas de las desinformaciones y qué atributos se transmiten de ellos?

  • PI3: ¿sobre qué temas desinforman las noticias falsas, a qué emociones apelan y qué rasgos discursivos populistas presentan?

METODOLOGÍA

Corpus de investigación

Para dar respuesta a las preguntas de investigación enunciadas, el trabajo aplica un análisis de contenido de siete variables a un corpus formado por 402 noticias falsas desmentidas durante todo el año 2020 por los medios verificadores Chequeado, en Argentina, y Newtral, en España. Ambas plataformas de verificación fueron acreditadas por la International Fact-Checking Network (IFCN), red fundada en septiembre del 2015 por el Poynter Institute que agrupaba en julio del 2021 a 115 fact-checkers de todo el mundo, firmantes de su código de principios y auditados por expertos independientes.

Chequeado fue creado por la fundación argentina La Voz Pública en el 2010 y es el único medio del país que ha recibido la acreditación de verificación por la IFCN, en marzo del 2017. Por su parte, Newtral es editado desde el 2018 por la productora Newtral Media Audiovisual, de la periodista Ana Pastor, cuyo programa televisivo El Objetivo fue el primer medio español en recibir la acreditación de la red, en junio del 2017. En consecuencia, Newtral fue seleccionado para este estudio por ser el más antiguo de los cuatro verificadores certificados por la IFCN en España. El recurso a los desmentidos publicados por este tipo de medios para componer los corpus de estudio de la desinformación ha sido empleado ya por diversos investigadores en ocasiones anteriores (Gamir-Ríos et al., 2021; Gutiérrez-Coba et al., 2020; Magallón-Rosa & Sánchez-Duarte, 2021; Peña Ascacíbar et al., 2021; Salaverría et al., 2020).

La metodología de Chequeado sigue un proceso de ocho pasos: (1) seleccionar los contenidos sospechosos en redes sociales; (2) ponderar su relevancia; (3) consultar la fuente original cuando la desinformación no es anónima; (4) consultar a las personas involucradas o afectadas; (5) consultar a la fuente oficial; (6) consultar a fuentes alternativas; (7) buscar aportes sobre el contexto; y (8) confirmar o desmentir el contenido, de acuerdo con cuatro categorías: falso, engañoso, verdadero o insostenible. Por su parte, la metodología de Newtral se basa en la selección de los engaños -transmitidos por la audiencia a través de su número de WhatsApp, su página web y sus cuentas en diversas redes sociales-, para posteriormente consultar datos públicos, expertos y gabinetes de comunicación oficiales en un proceso de verificación que pasa por el filtro de tres miembros de su redacción; después, se hace una revisión por pares y se pide la comprobación de un coordinador y el visto bueno del jefe de redacción; tras ello, se clasifica el material en cuatro posibles categorías: verdadero, verdad a medias, engañoso y falso. Ambos medios son, además, revisores en sus respectivos países de los contenidos publicados en Facebook, a través del programa de verificación de datos externos de la compañía.

El corpus de investigación está estructurado en dos secciones. La primera, correspondiente a Argentina, está compuesta por los 201 desmentidos que fueron publicados por Chequeado en el 2020. Si bien inicialmente se obtuvieron 214 piezas difundidas en la sección “Falso en las Redes” de dicho medio, finalmente, se seleccionaron solo aquellas que referidas a un único engaño. La segunda, correspondiente a España, incluye otros tantos desmentidos publicados por Newtral durante el mismo periodo en “Fakes. Falso en las redes” y “Fakes”, que son las secciones dedicadas por sus respectivos medios al análisis de las desinformaciones difundidas a través de redes como Facebook, Twitter y WhatsApp. Para seleccionar una muestra (n = 201) aleatoria y equiprobable del total de desmentidos del verificador español (N = 606) que fuera cuantitativamente equivalente al corpus del fact-checker argentino, se aleatorizaron los títulos de los mismos y se los numeró del 1 al 606; después, con el software estadístico R se solicitó una serie de 201 números aleatorios entre el 1 y el 606.

Variables de análisis y categorías

El análisis de contenido se ha desarrollado mediante la aplicación de un manual de codificación, reproducido en la tabla 1, que contempla el estudio de siete variables categóricas: (1) fuente; (2) tipo de noticia falsa; (3) protagonista; (4) atributo del protagonista; (5) tema sobre el que se desinforma; (6) emoción a la que se apela; y (7) rasgo discursivo populista presente en la desinformación. El estudio se ha realizado de manera multimodal, con lo que se ha analizado tanto el titular y el texto del desmentido y del material desinformativo, como los materiales multimedia incluidos en él: enlaces, audios, imágenes y videos.

Tabla 1 Variables de análisis y categorías 

Respecto a la procedencia de las variables que han articulado el análisis de contenido, así como a sus categorías y subcategorías, la variable 1, que estudia las fuentes, se basa en la investigación de Salaverría et al. (2020) sobre la desinformación relacionada con la pandemia del COVID-19 en España, que considera que la fuente es (a) anónima, cuando no está reflejada en el bulo; (b) ficticia, cuando ha sido inventada; (c) suplantada, cuando existe, pero no ha emitido el mensaje que se le atribuye; y (d) real, cuando existe y ha emitido el mensaje. Como en la investigación de Gamir-Ríos et al. (2021) sobre la desinformación racista, xenófoba o islamófoba difundida en España durante el 2020, se han desglosado las categorías suplantada y real para profundizar en su análisis.

La variable 2, que analiza el tipo de desinformación, reproduce la tipología elaborada en función del nivel de falsedad que contiene la desinformación, la cual fue propuesta en el mismo artículo por Salaverría et al. (2020), que distingue entre (a) broma, mensaje falso difundido con finalidad de sátira o burla; (b) exageración, contenido desinformante que engrandece algún aspecto de la realidad; (c) descontextualización, desinformación que manipula las condiciones en que un hecho tuvo lugar; y (d) engaño, falsificación completa de la realidad.

Las variables 3 y 4, que se ocupan de los protagonistas y de los atributos transmitidos de ellos, respectivamente, son de elaboración propia. El catálogo de protagonistas se elaboró de manera inductiva después de una aproximación exploratoria inicial a ambas secciones del corpus. Cuando la desinformación ha tenido un sujeto y un objeto diferenciados, se ha optado por asignar el rol de protagonista (variable 3) al agente sobre el cual recae la emoción a la que se apela, codificada en la variable 6. Como puede observarse en la tabla 1, la categoría referida a la clase política se ha desglosado en tres subcategorías: (a) Gobierno central y partidos que lo apoyan, que también incluye a los ejecutivos de segundo nivel (estatal en el caso argentino, autonómico en el español) y de tercer nivel (municipal) del mismo signo político que el Gobierno central; (b) oposición al Gobierno central y otros partidos, que de manera análoga incluye a los ejecutivos de segundo y tercer nivel de distinto signo político; y, en el caso español, (c) monarquía.

La variable 5, que investiga los temas sobre los que se desinforma, combina una tipología de asuntos sectoriales de elaboración propia, también compuesta de manera inductiva tras una aproximación exploratoria inicial, con dos de las categorías propuestas por Mazzoleni (2010) a partir de Patterson para el análisis de los mensajes políticos: personal issues, referidos a las actitudes, capacidades, trayectoria y estilo de vida de la clase política; y political issues, referidos a las cuestiones más abstractas o ideológicas de la confrontación partidista.

La variable 6, que observa la emoción a la que apela la desinformación, se ha codificado a partir de la siguiente interpretación de la clasificación de emociones primarias de Damasio (2001): (a) sorpresa, cuando pese a su carácter inesperado o su rareza, la desinformación resulta gratificante por su alineamiento con los intereses o las creencias de la persona destinataria; (b) felicidad/alegría, cuando el conocimiento de la desinformación aporta placer o esperanza, o ayuda a paliar el miedo; (c) miedo, cuando el conocimiento genera preocupación o sensación de peligro y riesgo; (d) ira/enojo, cuando se apela al enfado o la indignación contra la institución o la persona protagonista de la desinformación por su supuesta responsabilidad en ella; (e) asco, cuando los falsos hechos transmitidos resultan soeces o groseros por contravenir las convenciones culturales de comportamiento; y (f) tristeza, cuando se genera un estado de ánimo negativo o de decaimiento frente al cual la persona destinataria siente impotencia.

La variable 7, relacionada con los rasgos discursivos populistas, se basa en la tipología elaborada al respecto por Engesser et al. (2017) en su estudio sobre los mensajes políticos difundidos durante el 2013 en sus redes sociales por diversos partidos de Austria, Italia, Reino Unido y Suiza, los cuales, como postulan Bennett y Livingston (2018), amplían la tradicional categorización del populismo como una ideología delgada (thincentered ideology), fundada casi exclusivamente en la oposición entre el pueblo y las élites (Mudde & Rovira Kaltwasser, 2017). Así, se parte de la asunción de que la desinformación presenta siempre rasgos discursivos del populismo, pues, como enuncia Waisbord (2020), forma parte de su estrategia central.

La codificación fue realizada por la investigadora y el investigador firmantes, que previamente realizaron de manera independiente y por separado un test sobre una muestra aleatoria del 24,9 % de las dos secciones del corpus (en ambos casos, n = 50). Los coeficientes alfa de Krippendorff obtenidos, siempre por encima de α = .8, señalan una adecuada fiabilidad (Igartua, 2006), lo que permite validar los resultados.

RESULTADOS

Fuentes de la desinformación y tipos de noticias falsas

El estudio comparado de las fuentes de desinformación (v1) evidencia la preponderancia de las fuentes anónimas tanto en Argentina (45,8 %, n = 92) como en España (51,2 %, n =103). Sin embargo, los resultados son dispares en cuanto a la segunda fuente más común en ambos Estados: en Argentina, las reales (37,8 %, n = 76), especialmente las de tipo mediático (26,9 %, n = 54); en España, las suplantadas (34,8 %, n = 70), especialmente las de tipo político (20,9 %, n = 42).

Respecto al tipo de las noticias falsas (v2), ambos países registran un predominio absoluto de los engaños, mayor en el caso de Argentina (86,1 %, n = 173) que en el de España (68,7 %, n = 138). También en los dos casos, la segunda modalidad de desinformación más frecuente es la descontextualización, más en España (20,4 %, n = 41) que en Argentina (13,4 %, n = 27). La exageración y la broma, en cambio, están menos presentes, con un 6 % (n = 12) en el país latinoamericano y un 5 % en el europeo (n = 10).

El estudio cruzado de ambas variables, reflejado en la tabla 2, revela que la combinación de fuente y tipo de desinformación más frecuente en ambos países es el engaño de fuente anónima: un 38,3 % (n = 77) en Argentina y un 32,3 % (n = 65) en España. En el primer país, le sigue el engaño procedente de fuentes reales mediáticas (23,4 %, n = 47); en el segundo, el engaño atribuido a fuentes políticas suplantadas (17,4 %, n = 35). En España también están por encima del 10 % las descontextualizaciones de fuentes anónimas (15,4 %, n = 31), mientras que en Argentina la alta presencia de las combinaciones mencionadas hace que ninguna otra supere dicha frecuencia.

Tabla 2 Fuentes de desinformación y tipos de noticias falsas (en porcentaje) 

Protagonistas de la desinformación y atributos transmitidos

Los principales protagonistas de las desinformaciones (v3) son, en ambos países, las instituciones y los miembros de la clase política, categoría que engloba a la jefatura del Estado, los gobiernos nacionales, regionales y municipales como órganos colegiados, y los partidos y sus miembros, tanto líderes como militantes. Dicho protagonismo alcanza un 38,8 % en Argentina (n = 78) y un 32,3 % en España (n = 65); también cabe destacar en los dos territorios la presencia de desinformaciones protagonizadas por hospitales y profesionales de la medicina, por agentes internacionales y por empresas. En cambio, la presencia de colectivos vulnerables como receptores de las emociones a las que apelan las noticias falsas es el doble en España (10 %, n = 20) que en Argentina (5 %, n = 10). Resulta destacable, asimismo, el escaso o nulo protagonismo en ambos países de la Iglesia, el sindicalismo, los movimientos sociales y los medios de comunicación.

Los atributos transmitidos de las instituciones o personas protagonistas de las noticias falsas (v4) son mayoritariamente negativos: un 57,2 % en España (n = 115) y un 52,7 % en Argentina (n = 108). Los atributos neutros ocupan en ambos casos el segundo lugar, un 30,3 % (n = 61) y un 35,3 % (n = 71), respectivamente, lo que relega a la transmisión de atributos positivos al último lugar: el 12,4 % en España (n = 25) y el 10,9 % en Argentina (n = 22).

De hecho, la traslación de atributos positivos es tan minoritaria que en ninguno de los dos países es predominante para ninguno de los protagonistas. El análisis cruzado de las dos variables, reflejado en la tabla 3, revela que en ambos casos las desinformaciones con mayor presencia son las que caracterizan a las instituciones y a la clase política de manera negativa: un 34,8 % en Argentina (n = 70) y un 25,4 % en España (n = 51).

Tabla 3 Protagonistas de la desinformación y atributos transmitidos (en porcentaje) 

A su vez, entre las noticias falsas protagonizadas por las instituciones y la clase política, en ambos países sobresalen las dedicadas a desinformar sobre los gobiernos centrales como órganos colegiados y a los partidos que los apoyan. Como se observa en la tabla 4, su presencia en dicha categoría, que en la práctica monopolizan, es de un 94,9 % en Argentina (n = 74) y de un 73,8 % en España (n = 48), con atributos abrumadoramente negativos. Solo en el caso español, la oposición al gobierno central y otros partidos tienen una presencia significativa (20 %, n = 13), con una transmisión de atributos positivos en más de un tercio de las ocasiones, lo que supera la frecuencia de la caracterización positiva del resto de protagonistas políticos de ambos países.

Tabla 4 Protagonistas políticos de la desinformación y atributos transmitidos (en porcentaje) 

Temas, emociones y rasgos discursivos populistas

Como consecuencia de la pandemia global del COVID-19, declarada por la Organización Mundial de la Salud el 11 de marzo del 2020, la mayoría de las desinformaciones desmentidas durante el periodo analizado tuvo como tema principal (v5), precisamente, la salud y la política sanitaria, tanto en Argentina como en España: un 48,8 % (n = 98) y un 37,3 % (n= 75), respectivamente. Las demás temáticas se distribuyen en ambos países de manera dispar. Por un lado, en Argentina tienen una presencia significativa la calidad democrática (10,4 %, n = 21), que incluye asuntos como la corrupción, la falta de transparencia y los sueldos públicos; los political issues (7 %, n = 14); y los personal issues de la clase política (6,5 %, n = 13). Por otro lado, en España sobresalen los asuntos políticos personales (10,9 %, n = 22) y el consumo y la tecnología (10 %, n = 20), categoría que incluye también estafas digitales y promociones falsas. La política social posee un peso similar en los dos territorios, pero en el caso español cuentan con mucha mayor presencia cuestiones sobre igualdad y política internacional, que están ausentes en Argentina.

Las emociones a las que más frecuentemente apelan las desinformaciones (v6) son casi siempre de tipo negativo: un 83,1 % de las veces en España (n = 167) y un 78,1 % en Argentina (n = 157). Entre ellas, sobresalen la ira -emoción mayoritaria de manera absoluta en los dos países, por encima del 50 %- y el miedo -la segunda emoción más presente en ambos casos-, mientras que el asco y la tristeza tienen una presencia residual. No es tan marginal, sin embargo, la presencia en Argentina de la sorpresa (13,9 %, n = 28) y de la felicidad (11,4 %, n = 23).

Tabla 5 Temas de la desinformación y emociones a las que apelan (en porcentaje) 

El análisis cruzado de ambas variables, que se muestra en la tabla 5, revela que, en consecuencia, las combinaciones más frecuentes en ambos Estados son las desinformaciones sobre salud y política sanitaria que apelan a la ira (15,9 % en España, n = 32, y 13,4 % en Argentina, n = 27) y al miedo (15,4 %, n = 31, y 16,9 %, n = 34, respectivamente). En el mismo ámbito temático, también son frecuentes en Argentina las que apelan a la sorpresa (10,4 %, n = 21) y a la felicidad (6,5 %, n = 13). Por otra parte, también apelan a la ira en ambos países las desinformaciones que tratan sobre política social, calidad democrática y política personalizada. En España, además, son significativas las noticias falsas que desinforman sobre consumo y tecnología con apelación al miedo, y sobre igualdad con apelación a la ira.

Por último, el estudio de los rasgos discursivos populistas (v7) permite observar el predominio en ambos países de la defensa del común (49,3 % en Argentina, n = 99, y 41,8 %, n = 84, en España) y del ataque a las élites (34,8 %, n = 70, y 40,3 %, n = 81, respectivamente). La estigmatización del diferente también está presente (10,4 %, n = 21, y 12,9 %, n = 26), pero la defensa de la soberanía nacional y la invocación a la identidad y el sentimiento patriótico ocupan en ambos países un lugar residual.

Tabla 6 Rasgos discursivos populistas de la desinformación (en porcentaje) 

DISCUSIÓN

Este artículo analizó los principales rasgos de las desinformaciones que circularon en redes sociales en Argentina y España durante el año 2020, así como sus similitudes y diferencias, a través de los desmentidos publicados por los medios verificadores Chequeado y Newtral, respectivamente. En concreto, ha estudiado las fuentes de las desinformaciones y su tipología (PI1), sus protagonistas y los atributos transmitidos de ellos (PI2), y su adscripción temática, las emociones a las que apelan y los rasgos populistas presentes (PI3).

Respecto a la PI1, la preponderancia de fuentes anónimas y del engaño como forma de desinformación en ambos países se condice con los hallazgos de investigaciones previa referidas a los desmentidos relacionados con la pandemia del COVID-19 (Salaverría et al., 2020) o con la construcción de la imagen de la otredad (Gamir-Ríos et al., 2021). El primer aspecto está plenamente alineado, además, con el ya consolidado estadio de la autocomunicación de masas (Castells, 2009), en el que las redes sociales han contribuido a descentralizar la producción de contenidos al otorgar a la ciudadanía la posibilidad de generarlos (Casero-Ripollés, 2018), pero también han convertido a sus personas usuarias en partícipes de la propagación en bucle del actual desorden desinformativo (Wardle & Derakhshan, 2017). Además, el hecho de que la desinformación mediante el engaño provenga fundamentalmente de fuentes anónimas contribuye a aumentar los tsunamis informativos (Zarocostas, 2020).

En Argentina, donde los medios de comunicación con más audiencia presentan mayoritariamente líneas editoriales favorables a la oposición (Nielsen et al., 2020; Sivak, 2015), la condición de medios y periodistas como segunda fuente desinformativa más frecuente se explica por el tradicional recurso del populismo de contar con medios afines para vehicular sus discursos (Bennett & Livingston, 2018), que suelen presentarse con delgadas líneas divisorias entre partidismo, hiperpartidismo, descontextualización, engaño y desinformación (Mourão & Robertson, 2019). Sin embargo, este estudio ha demostrado que tal línea delgada no existe en el país latinoamericano, pues fuentes mediáticas reales difunden, directamente, material con contenido engañoso. Así, se observó que la desinformación se da en dos fases: primero, la fuente real difunde los contenidos; después, quienes se exponen selectivamente a ellos, por entramados algorítmicos (Esser & Pfetsch, 2020; Semetko & Tworzecki, 2017) o por agencia, los distribuyen de manera exponencial en el espacio digital (Chadwick & Vaccari, 2019).

En cambio, en España, la segunda combinación más frecuente es el engaño procedente de fuentes suplantadas políticas, a quienes se trata de desacreditar mediante la atribución de acciones que no han realizado o de declaraciones que no han emitido. Como sostienen Tucker et al. (2018), ello es posible gracias a un escenario de alta polarización afectiva que genera un clima de hostilidad hacia los partidos contrarios y propicia la creación, asimilación y difusión de desinformación política sobre ellos; en definitiva, lo que Bergmann (2020) denomina la “política de la posverdad” (p. 252).

En cuanto a la PI2, referida a los sujetos/objetos de la desinformación y a los atributos transmitidos de ellos, en ambos países destaca el predominio de los contenidos falsos que tienen a la clase política como protagonista de las emociones apeladas y, además, caracterizada de manera negativa. En la misma línea que Morgan (2018), consideramos que esto persigue el desprestigio de la política a través de la desinformación como base para la desafección, la polarización y el populismo, lo que perjudica el debate público al favorecer el partidismo negativo (Tucker et al., 2018) y a la vez refuerza las creencias de quienes ya están persuadidos a partir de cosmovisiones y marcos conceptuales previos (Lakoff, 2007), especialmente cuando son opuestos a quienes protagonizan las informaciones problemáticas (Iyengar et al., 2021). No en vano la probabilidad de creerlas aumenta cuanto más concuerdan con las creencias de la ciudadanía que se expone a ella, de forma que las personas son más susceptibles a los rumores negativos sobre los políticos opuestos (Weeks & Garret, 2014).

El hecho de que tanto en Argentina como en España el protagonismo de la desinformación se concentre mayoritariamente en los gobiernos centrales o en los partidos que lo componen, de centro izquierda e izquierda, confirma que, como han observado antes numerosas investigaciones (Chadwick & Vaccari, 2019; Freelon et al., 2020; Guess et al., 2019; Marwick & Lewis, 2017), el uso intensivo de estos contenidos se da, sobre todo, por parte de la ciudadanía simpatizante de la ideología de derecha. Ello también podría explicar la ausencia en ambos países de materiales conflictivos protagonizados por el sindicalismo, generalmente de centro izquierda, que sí circularon cuando gobernaban partidos de centro derecha o derecha, y por la Iglesia católica y las fuerzas de seguridad. A su vez, la mayor presencia en España de atributos positivos en la caracterización de los partidos de la oposición -de centro derecha, derecha o extrema derecha- que en la de los partidos del gobierno -de centro izquierda o izquierda- apunta a que los productores de la desinformación no utilizan este recurso solo para atacar al candidato contrario, sino también, en ocasiones, para favorecer al propio. Se confirma, como sostienen Freelon et al. (2020), que la desinformación forma parte nuclear de la estrategia del activismo digital de derechas.

La tendencia al desprestigio de la política a través de la desinformación que se ha detectado a lo largo del trabajo puede observarse también en la respuesta a la PI3, referida a la adscripción temática de las informaciones problemáticas, las emociones a las que apelan y los rasgos populistas presentes en ellas. No solo se transmiten atributos generalmente negativos, sino que en ambos países se muestran los asuntos públicos a través de una clara polarización afectiva entre el pueblo (defensa del común) y la clase política (ataque a las élites), con apelación al miedo (de un pueblo que precisa ser defendido) y a la ira (contra la clase política). Por un lado, si bien en esta investigación se ha tomado como referencia la clasificación pentapartita de Engesser et al. (2017) para medir los rasgos populistas presentes en la desinformación, los resultados indican una preeminencia de la dicotomía populista primaria pueblo/élite (Mudde & Rovira Kaltwasser, 2017), que se oponen, pero al mismo tiempo se complementan para coronar el discurso populista polarizante. Por otro lado, respecto a las emociones apeladas, la presencia de la ira y el miedo como las más recurrentes indica el uso de las mismas como estímulo para facilitar la viralización de las informaciones problemáticas (Nai, 2018; Weeks, 2015), generadoras de nichos emocionales de desinformación polarizante.

En cuanto a los temas, no sorprende que la salud y las políticas sanitarias sean el asunto preponderante en los contenidos desinformantes del 2020, año en que la OMS declaró la situación de pandemia por el COVID-19. En cambio, sí resulta llamativo que sea la categoría en la que, aunque de manera minoritaria, estén más presentes emociones positivas como la felicidad y la sorpresa, aunque sea específicamente vinculadas a posibles avances en la lucha contra la expansión del virus. Sin embargo, cuando el tema está ligado a decisiones sanitarias gubernamentales, las emociones preponderantes son el miedo (al contagio y a lo desconocido) y la ira (hacia las medidas implementadas). Lo ya mencionado sobre el desprestigio de la política también se hace patente al observar que los segundos temas más destacados son la calidad democrática, en Argentina, y los personal issues de la clase política, en España, con la ira como emoción predominante. A su vez, aunque el estudio del principal rasgo discursivo populista de cada desinformación haya constatado la preponderancia de la defensa del común y del ataque a las élites, la presencia en ambos países de la política social y, en España, de la igualdad, con apelación mayoritaria a la ira, revela también la importancia de la estigmatización de la otredad. Ello se condice con la mayor probabilidad de creer una información problemática cuando se ocupa de personas que pertenecen a un grupo diferente al del receptor (Kosloff et al., 2010).

Este trabajo presenta algunas limitaciones. Por un lado, aunque la composición del corpus ha aspirado a la globalidad, la coincidencia de su marco temporal con la pandemia del COVID-19 puede haber supuesto una sobrerrepresentación de las desinformaciones relacionadas con la salud y la política sanitaria; por ello, recomendamos continuar investigando de manera amplia las desinformaciones desmentidas en ambos países cuando cese la situación de emergencia sanitaria. Por otro lado, se ha restringido el estudio de la desinformación a los desmentidos formulados por medios verificadores, lo que puede haber ocasionado la exclusión de desinformaciones no desmentidas por dichos medios; sin embargo, estimamos que ello no le resta validez, pues la opción de componer los corpus de investigación sobre las noticias falsas que circulan en redes sociales a partir de los fact-checkers está ya plenamente consolidada (Gamir-Ríos et al., 2021; Gutiérrez Coba et al., 2020; Magallón-Rosa & Sánchez-Duarte, 2021; Peña Ascacíbar et al., 2021; Salaverría et al., 2020).

REFERENCIAS:

Aruguete, N., & Calvo, E. (2018). Time to #protest: selective exposure, cascading activation, and framing in social media. Journal of Communication, 68(3), 480-502. https:// doi.org/10.1093/joc/jqy007 [ Links ]

Bennett, W. L., & Livingston, S. (2018). The disinformation order: disruptive communication and the decline of democratic institutions. European Journal of Communication, 33(2), 122-139. https://doi.org/doi:10.1177/0267323118760317 [ Links ]

Bergmann, E. (2020). Populism and the politics of misinformation. Safundi. The Journal of South African and American Studies, 21(3), 251-265. https://doi.org/10.1080/17533171.2020.1783086 [ Links ]

Brader, T. (2006). Campaigning for hearts and minds. How emotional appeals in political ads work. University of Chicago Press. [ Links ]

Calvo, D., Campos-Domínguez, E., & Díez-Garrido, M. (2019). Hacia una campaña computacional: herramientas y estrategias online en las elecciones españolas. Revista Española de Ciencia Política, 51, 123-154. https://doi.org/10.21308/recp.51.05 [ Links ]

Calvo, E., & Aruguete, N. (2018). #Tarifazo. Medios tradicionales y fusión de agenda en redes sociales. Inmediaciones de la Comunicación, 13(1), 189-213. https://doi. org/10.18861/ic.2018.13.1.2831 [ Links ]

Casero-Ripollés, A. (2018). Research on political information and social media: key points and challenges for the future. El Profesional de la Información, 27(5), 964-974. https://doi.org/10.3145/epi.2018.sep.01 [ Links ]

Castells, M. (2009). Comunicación y poder. Alianza Editorial. [ Links ]

Chadwick, A., & Vaccari, C. (2019). News sharing on UK social media: misinformation, disinformation & correction. Loughborough University, Online Civic Culture Centre. https://hdl.handle.net/2134/37720Links ]

Damasio, A. (2001). Fundamental feelings. Nature, 413(6858), 781. http://doi. org/10.1038/35101669 [ Links ]

Engesser, S., Fawzi, N., & Larsson, A. O. (2017). Populist online communication: introduction to the special issue. Information, Communication & Society, 20(9), 1279-1292. https://doi.org/10.1080/1369118X.2017.1328525 [ Links ]

Esser, F., & Pfetsch, B. (2020). Comparing political communication: a 2020 update. En D. Caramani (Ed.), Comparative politics (5.ª ed., pp. 336-358). Oxford University Press. https://doi.org/10.5167/uzh-186963 [ Links ]

Faris, R. M., Roberts, H., Etling, B., Bourassa, N., Zuckerman, E., & Benkler, Y. (2017). Partisanship, propaganda, and disinformation: online media and the 2016 U. S. Presidential Election. Berkman Klein Center for Internet & Society. http://nrs.harvard.edu/urn-3:HUL.InstRepos:33759251Links ]

Freelon, D., Marwick, A., & Kreiss, D. (2020). False equivalencies: online activism from lef to right. Science, 369(6508), 1197-1201. https://doi.org/10.1126/SCIENCE. ABB2428 [ Links ]

Gamir-Ríos, J., Tarullo, R., & Ibáñez-Cuquerella, M. (2021). Multimodal disinformation about otherness on the internet: the spread of racist, xenophobic and Islamophobic fake news in 2020. Anàlisi: Quaderns de Comunicació i Cultura, 64, 49-64. https:// doi.org/10.5565/rev/analisi.3398 [ Links ]

Gil de Zúñiga, H., Brian Weeks, C., & Ardèvol-Abreu, A. (2017). Effects of the news-finds- me perception in communication: social media use implications for news seeking and learning about politics. Journal of Computer-Mediated Communication, 22, 105-123. https://doi.org/10.1111/jcc4.12185 [ Links ]

Guess, A., Nagler, J., & Tucker, J. (2019). Less than you think: prevalence and predictors of fake news dissemination on Facebook. Science Advances, 5(1), eaau4586. https:// doi.org/10.1126/sciadv.aau4586 [ Links ]

Gutiérrez-Coba, L. M., Coba-Gutiérrez, P., & Gómez-Díaz, J. A. (2020). Noticias falsas y desinformación sobre el COVID-19: análisis comparativo de seis países iberoamericanos. Revista Latina de Comunicación Social, 78, 237-264. https://www.doi.org/10.4185/RLCS-2020-1476 [ Links ]

Handlin, S. (2018). The logic of polarizing populism: state crises and polarization in South America. American Behavioral Scientist, 62(1), 75-91. https://doi. org/10.1177/0002764218756922 [ Links ]

Helmond, A. (2015). The platformization of the web: making web data platform ready. Social Media + Society, 1(2), 1-11. https://doi.org/10.1177/2056305115603080 [ Links ]

Humanes, M. L. (2019). Selective exposure in a changing political and media environment. Media and Communication, 7(3), 1-3. https://doi.org/10.17645/mac.v7i3.2351 [ Links ]

Igartua, J. J. (2006). Métodos cuantitativos de investigación en Comunicación. Bosch. [ Links ]

Innerarity, D., & Colomina, C. (2020). La verdad en las democracias algorítmicas. Revista CIDOB d’Afers Internacionals, 124, 11-24. https://doi.org/10.24241/rcai.2020.124.1.11 [ Links ]

Iyengar, S., Sood, G., & Lelkes, Y. (2012). Affect, not ideology: a social identity perspective on polarization. Public Opinion Quarterly, 76(3), 405-431. https://doi.org/10.1093/ poq/nfs038 [ Links ]

Jerit, J. (2004). Survival of the fittest: rethoric during the course of an election campaign. Political Psicology, 25, 563-575. https://www.jstor.org/stable/3792409Links ]

Kemp, S. (2021). Digital 2021: Global Overview report. DATAREPORTAL. https://datareportal. com/reports/digital-2021-global-overview-reportLinks ]

Kosloff, S., Greenberg, J., Schmader, T., Dechesne, M., & Weise, D. (2010). Smearing the opposition: implicit and explicit stigmatization of the 2008 U. S. Presidential candidates and the current U. S. President. Journal of Experimental Psychology: General, 139(3), 383-398. https://doi.org/10.1037/a0018809 [ Links ]

Lakoff, G. (2007). No pienses en un elefante. Lenguaje y debate político. Editorial Complutense. [ Links ]

Lazer, D. M. J., Baum, M. A., Benkler, Y., Berinsky, A. J., Greenhill, K. M., Menczer, F., Metzger, M. J., Nyhan, B., Pennycook, G., Rothschild, D., Schudson, M., Sloman, S. A., Sunstein, C. R., Thorson, E. A., Watts, D. J., & Zittrain, J. L. (2018). The science of fake news. Science, 359(6380), 1094-1096. https://doi.org/10.1126/science. aao2998 [ Links ]

López-Borrull, A. & Ollé, C. (2020). Curación de contenidos científicos en tiempos de fake science y COVID-19: una aproximación entre las ciencias de la información y la comunicación. En Comunicación y diversidad. Selección de comunicaciones del VII Congreso Internacional de la Asociación Española de Investigación de la Comunicación (AE-IC) (pp. 281-289). https://doi.org/10.3145/ae-ic-epi.2020.e16 [ Links ]

López-López, P. C., Castro Martínez, P., & Oñate, P. (2020). Agenda melding y teorías de la comunicación: la construcción de la imagen. Cuadernos del Centro de Estudios en Diseño y Comunicación, 112, 21-34. https://doi.org/10.18682/cdc.vi112.4089 [ Links ]

Magallón-Rosa, R., & Sánchez-Duarte, J. M. (2021). Verificación informativa durante la COVID-19: análisis comparativo en los países del sur de Europa. Janus.Net, Dossiê Temático Relações Internacionais e Redes Sociais, 152-165. https://doi. org/10.26619/1647-7251.DT21.10 [ Links ]

Manfredi-Sánchez, J., Amado, A., & Waisbord, S. (2021). Presidential Twitter in the face of COVID-19: between populism and pop politics. Comunicar, XXIX(66), 83-94. https://doi.org/10.3916/C66-2021-07 [ Links ]

Marwick, A., & Lewis, R. (2017). Media manipulation and disinformation online. Data & Society Research Institute. https://datasociety.net/library/media-manipulation-and-disinfo-online/Links ]

Mazzoleni, G. (2010). La comunicación política. Alianza Editorial. [ Links ]

Morgan, S. (2018). Fake news, disinformation, manipulation and online tactics to undermine democracy. Journal of Cyber Policy, 3(1), 39-43. https://doi.org/10.1080/23738871.2018.1462395 [ Links ]

Mourão, R. R., & Robertson, C. T. (2019). Fake news as discursive integration: an analysis of sites that publish false, misleading, hyperpartisan and sensational information. Journalism Studies, 20(14), 2077-2095. https://doi.org/10.1080/1461670X.2019.1566871 [ Links ]

Mudde, C., & Rovira Kaltwasser, C. (2017). Populism. A very short introduction. Oxford University Press. [ Links ]

Nai, A. (2018). Fear and loathing in populist campaigns? Comparing the communication style of populists and non-populists in elections worldwide. Journal of Political Marketing, 20(2), 219-250. https://doi.org/10.1080/15377857.2018.1491439 [ Links ]

Newman, N., Fletcher, R., Schulz, A., Andı, S., & Nielsen, R. K. (2020). Reuters Institute Digital News Report 2020. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/202006/DNR_2020_FINAL.pdfLinks ]

Nielsen, R. K., Fletcher, R., Newman, N., Brennen, J. S., & Howard, P. N. (2020). Navigating the “infodemic”: how people in six countries access and rate news and information about coronavirus. Misinformation, Science, and Media, (April), 1-34. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2020-04/Navigating%20 the%20Coronavirus%20Infodemic%20FINAL.pdfLinks ]

Pariser, E. (2017). El filtro burbuja. Cómo la web decide lo que leemos y lo que pensamos. Taurus. [ Links ]

Peña Ascacíbar, G., Bermejo Malumbres, E., & Zanni, S. (2021). Fact checking durante la COVID-19: análisis comparativo de la verificación de contenidos falsos en España e Italia. Revista de Comunicación, 20(1), 197-215. https://doi.org/10.26441/ rc20.1-2021-a11 [ Links ]

Rodríguez, C. P., Carballido, B. V., Redondo-Sama, G., Guo, M., Ramis, M., & Flecha, R. (2020). False news around COVID-19 circulated less on Sina Weibo than on Twitter: how to overcome false information? International and Multidisciplinary Journal of Social Sciences, 9(2), 107-128. https://doi.org/10.17583/RIMCIS.2020.5386 [ Links ]

Roemmele, A., & Gibson, R. (2020). Scientific and subversive: the two faces of the fourth era of political campaigning. New Media & Society, 22(4), 595-610. https://doi. org/10.1177/1461444819893979 [ Links ]

Salaverría, R., Buslón, N., López-Pan, F., León, B., López-Goñi, I., & Erviti, M.-C. (2020). Desinformación en tiempos de pandemia: tipología de los bulos sobre la COVID-19. El Profesional de la Información, 29(3), 1-15. https://doi.org/https://doi. org/10.3145/epi.2020.may.15 [ Links ]

Semetko, H. A., & Tworzecki, H. (2017). Campaign strategies, media, and voters: the fourth era of political communication. En J. Fisher , E. Fieldhouse, M. N. Franklin , R. Gibson , M. Cantijoch & C. Wlezien (Eds.), The Routledge Handbook of Elections, Voting Behavior and Public Opinion (pp. 293-304). Routledge. [ Links ]

Seo, H., & Faris, R. (2021). Comparative approaches to mis/disinformation. International Journal of Communication, 15, 1165-1172. https://ijoc.org/index.php/ijoc/article/ view/14799/3376Links ]

Sivak, M. (2015). Clarín. La era Magnetto. Planeta. [ Links ]

Suhay, E., Bello-Pardo, E., & Maurer, B. (2018). The polarizing effects of online partisan criticism: evidence from two experiments. The International Journal of Press/ Politics, 23, 195-115. https://doi.org/10.1177/1940161217740697 [ Links ]

Sunstein, C. (2007). Republic.com 2.0. Princeton University Press. https://catalog. princeton.edu/catalog/9985551303506421Links ]

Tarullo, R. (2016). Esperanza y miedo: una aproximación teórica a las emociones en la comunicación política. Dixit. Revista de Comunicación, 25, 28-37. https://doi. org/10.22235/d.v0i25.1271 [ Links ]

Tarullo, R. (2018). La emoción en la comunicación política en Facebook: un análisis de los mensajes publicados en Facebook por los dirigentes políticos argentinos. Austral Comunicación, 7(1), 27-55. https://doi.org/10.26422/aucom.2018.0701.tar [ Links ]

Tarullo, R., & Frezzotti, Y. (2021). Ver no siempre es creer: el uso juvenil de Instagram como canal de información y noticias falsas sobre COVID-19. Cuaderno, 136, 37-53. [ Links ]

Tucker, J. A., Guess, A., Barberá, P., Vaccari, C., Siegel, A., Sanovich, S., Stukal, D., & Nyhan, B. (2018). Social media, political polarization, and political disinformation: a review of the scientific literature. William and Flora Hewlett Foundation. https:// doi.org/10.2139/ssrn.3144139 [ Links ]

Vosoughi, S., Roy, D., & Aral, S. (2018). The spread of true and false news online. Science, 359(6380), 1146-1151. https://doi.org/10.1126/science.aap9559 [ Links ]

Waisbord, S. (2015). United and fragmented: communication and media studies in Latin America. Journal of Latin American Communication Research, 4(1), 55-77. [ Links ]

Waisbord, S. (2018). The elective affinity between post-truth communication and populist politics. Communication Research and Practice, 4(1), 17-34. DOI: 10.1080/22 041451.2018.1428928 [ Links ]

Waisbord, S. (2020). ¿Es válido atribuir la polarización política a la comunicación digital? Sobre burbujas, plataformas y polarización afectiva. Revista SAAP, 14(2), 249-279. https://doi.org/10.46468/rsaap.14.2.A1 [ Links ]

Wardle, C., & Derakhshan, H. (2017). Information disorder. Toward an interdisciplinary framework for research and policymaking. Council of Europe. https://rm.coe.int/information-disorder-toward-an-interdisciplinary-framework-for-researc/168076277cLinks ]

Weeks, B. E. (2015). Emotions, partisanship, and misperceptions: how anger and anxiety moderate the effect of partisan bias on susceptibility to political misinformation. Journal of Communication, 65, 699-719. https://doi.org/10.1111/jcom.12164 [ Links ]

Weeks, B. E., & Garrett, R. K. (2014). Electoral consequences of political rumors: motivated reasoning, candidate rumors, and vote choice during the 2008 U. S. Presidential election. International Journal of Public Opinion Research, 26(4), 401-422. https:// doi.org/10.1093/IJPOR/EDU005 [ Links ]

Zarocostas, J. (2020). How to fight an infodemic. The Lancet, 395(10225), 676. https://doi. org/10.1016/S0140-6736(20)30461-X [ Links ]

Zunino, E. (2021). Medios digitales y COVID-19: sobreinformación, polarización y desinformación. Universitas, 34, 133-153. https://doi.org/10.17163/uni.n34.2021.06 [ Links ]

*Ambos autores han contribuido de manera equitativa al manuscrito. El orden de aparición de los mismos es alfabético. Este trabajo se ha realizado en el marco del proyecto PID2020-113574RB-I00 (2021-2023), financiado por el Ministerio de Ciencia e Innovación del Gobierno de España y vinculado al grupo de investigación Mediaflows; y del proyecto SIB 0556/2019 (2019-2021), financiado por la Universidad Nacional del Noroeste de la provincia de Buenos Aires. Argentina.Los autores quieren agradecer a Lucia Papa y a Yanina Frezzotti por sus lecturas, comentarios y sugerencias.

Recibido: 13 de Agosto de 2021; Aprobado: 18 de Octubre de 2021

**

Doctor interdisciplinar en Comunicación (Teoria dels Llenguatges i Ciències de la Comunicació) por la Universitat de València, España (véase: https://orcid.org/0000-0001-5379-6573)

***

Doctora en Ciencias Sociales y Humanidades por la Universidad Nacional de Quilmes, Argentina (véase: https://orcid.org/0000-0003-2372-7571)

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons