SciELO - Scientific Electronic Library Online

 
 número38Cobertura periodística de la migración en Ecuador durante los estados de excepción del 2020Accesibilidad de los contenidos televisivos para personas con discapacidad: limitaciones y propuestas de mejora 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.38 Lima jul./dic. 2022

http://dx.doi.org/10.26439/contratexto2022.n038.5536 

Tendencias

Mediaciones en la desinformación que intervienen en la toma de medidas preventivas ante la crisis sanitaria del COVID-19

Mediations in disinformation that intervenes the taking of preventive measures in the face of the COVID-19 health crisis

Mediações na desinformação que intervêm na escolha de medidas preventivas perante a crise de saúde da COVID-19

Rubén Flores González1  *
http://orcid.org/0000-0002-2415-6742

Alejandra Rodríguez-Estrada2  **
http://orcid.org/0000-0001-9963-2654

Alma Rosa Saldierna3  ***
http://orcid.org/0000-0003-1805-9740

1Universidad Veracruzanarubeflores@uv.mx

2Universidad Autónoma de Baja California alejandra.rodriguez33@uabc.edu.mx

3Universidad Autónoma de Nuevo León alma.saldiernas@uanl.mx

Resumen

La situación de confinamiento ha expuesto a los ciudadanos a una gran cantidad de información sobre el COVID-19, tanto oficial como extraoficial, con diferentes fuentes y distintos grados de confiabilidad. La incertidumbre conduce a una mayor búsqueda de información y de ello depende la salud de los ciudadanos. En el presente estudio se explorarán los procesos de mediación que intervienen en la relación que produce la confianza en actores vinculados con la pandemia de COVID-19, así como el consumo de medios sobre las medidas de prevención que toma la ciudadanía para su cuidado. El análisis se hace a partir de una muestra representativa de 1211 ciudadanos mexicanos. Entre los principales resultados se encuentra que los ciudadanos están muy informados sobre el COVID-19, presentan un elevado nivel de consumo de medios y tienen un fuerte grado de confianza institucional, particularmente en los organismos no gubernamentales. En lo que respecta a las medidas de prevención, estas se asocian con la confianza que tienen en los empleados del sector salud. Asimismo, en cuanto a la aceptación de planteamientos tanto falsos como verdaderos, se encuentra que estos se relacionan con la toma de medidas de prevención para mitigar los efectos de la pandemia.

Palabras clave: consumo de medios; desinformación; confianza institucional; interacción; redes sociodigitales

Abstract

The lockdown situation has exposed citizens to a profusion of information about COVID-19, both official and unofficial, with different sources and varying degrees of reliability. Uncertainty spurs the search for information since the health of citizens depends on it. This study explores the mediation processes involved in building trust in actors linked to the COVID-19 pandemic and media consumption on the prevention measures that citizens take for their care. A representative sample of 1211 Mexican citizens was subject to the study. Among the main results is that citizens are very informed about COVID-19, engage in considerable media consumption, and have substantial institutional trust, particularly in non-governmental organizations. Regarding prevention measures, these are associated with people's trust in health sector employees. Likewise, regarding the acceptance of both true and fake news, the study showed that these are related to the preventive measures people take to mitigate the effects of the pandemic.

Keywords: media consumption; disinformation; institutional trust; interaction; socio-digital networks

Resumo

A situação de confinamento expôs os cidadãos a uma grande quantidade de informações sobre a questão da COVID-19, tanto governamentais quanto não governamentais, com diversas fontes e diferentes níveis de confiabilidade. A incerteza provoca uma maior procura de informação, pois disso depende a saúde e a vida dos cidadãos e das suas famílias. Neste estudo serão abordados os processos de mediação que interviram na relação de confiança produzida pelos atores vinculados à pandemia COVID-19, bem como o consumo da mídia sobre medidas de prevenção que os cidadãos aplicam para o seu cuidado. A análise é feita a partir de uma amostra representativa de 1211 cidadãos mexicanos. Entre os principais resultados temos que os cidadãos estão bem informados sobre a COVID-19, apresentam altos níveis de consumo de mídia, e manifestam grande confiança institucional, principalmente nas instituições não governamentais. A respeito das medidas de prevenção, elas estão associadas à confiança que os entrevistados depositam nos funcionários do setor saúde. Da mesma forma, sobre a aceitação de declarações tanto falsas quanto verdadeiras, elas se relacionam com a escolha de medidas preventivas para diminuir os efeitos da pandemia.

Palavras-chave: consumo de mídia; desinformação; confiança institucional; interação; redes sócio-digitais

1. INTRODUCCIÓN

En condiciones no pandémicas se solía señalar que los efectos producidos por los medios de comunicación se pueden comprender en la tensión: cambio frente a resistencia, esto en el contexto de un sistema de creencias y un entorno cultural que propicie o desencadene transformaciones sociales (McQuail & Windahl, 1997). La pandemia por COVID-19, en sí misma, genera un cambio social por la necesidad de sobrevivir. El comportamiento de los individuos se modifica de manera forzada, por canales institucionales o no. Frente a esta necesidad de cambio, pueden surgir resistencias vinculadas a percepciones personales, en función del consumo de información y de la confianza que puedan brindar las fuentes de esta información, además de las medidas preventivas que se tomen o no al respecto.

La pandemia por COVID-19 ha propiciado una gran exposición a un contenido mono- temático de gran envergadura, al punto de haberse acuñado el término “infodemia” para referirse a la sobreabundancia de información sobre este tema. La literatura sobre la infodemia ha sido abundante. Se pueden encontrar más de noventa estudios que abarcan la cobertura de la pandemia por parte de las grandes cadenas de radiodifusión, la información gubernamental, la información falsa (Rovetta & Bhagavathula, 2020; Salaverría et al., 2020; Tagliabue & Galassi, 2020), los remedios no comprobados, las teorías conspirativas (Ahmed et al., 2020; Bruns et al., 2020) y los grupos antivacunas (Wilson & Wiysonge, 2020). En este aspecto, se observa un consenso en torno a que las redes sociales han facilitado la difusión inmediata de noticias falsas, al tiempo que han promovido una mayor desconfianza en los medios tradicionales, lo cual ha tenido un efecto negativo en el desarrollo de conductas preventivas por parte de la población (Cristo et al., 2022; Galarza, 2021; Soltaninejad, 2020).

Por ello, en esta investigación se explora la manera en que los ciudadanos adoptan medidas de prevención respecto al COVID-19 a partir de las mediaciones: el consumo de información y la confianza en los actores que la comparten.

1.1 Input: consumo de información

Cuando los ciudadanos tienen una pérdida o modificación de información sobre importantes temas, sobre todo si están relacionados con la salud, puede haber daños emocionales, financieros e incluso físicos (Fallis, 2015). Además de causar daño directamente, la desinformación puede afectar a las personas indirectamente al erosionar la confianza e inhibir la capacidad para compartir información de manera efectiva entre ellas. Por lo tanto, identificar estrategias para abordar el problema de la desinformación resulta particularmente urgente (Fallis, 2015).

Hay otro problema crítico que la medicina y la ciencia deben enfrentar en este momento: la difusión de información inexacta en línea. Por ejemplo, a fines de marzo del 2020, un equipo de médicos en Irán documentó la intoxicación de 2100 personas por la ingestión oral de metanol. Los pacientes dijeron que leyeron mensajes en redes sociales sugiriendo que de esta manera podrían evitar infectarse de SARS-CoV-2 (Mesquita et al., 2020).

El papel de los medios de comunicación como una herramienta diseminadora de información en el área de salud es fundamental, sobre todo si informan sobre cuidados preventivos, promueven comportamientos saludables y motivan a modificar comportamientos con la finalidad de prevenir enfermedades (Hornik, 2002). Además, desempeñan un rol importante en la creación de confianza en las instituciones que favorece el que los ciudadanos sigan indicaciones y recomendaciones de salud (Hommerich, 2012; Easterly et al., 2006). El resultado positivo o negativo de estar expuesto a la información sobre salud en los medios estaría determinado por la disponibilidad de servicios, el acceso a sistemas de salud, el seguimiento de medidas y la confianza en instituciones gubernamentales (Wakefield et al., 2010).

Respecto a las redes sociales, la evidencia se ha centrado en analizar esa relación a través de teorías de comportamiento de salud en el ámbito interpersonal. Las personas aprenden sobre prevención imitando comportamientos de los demás, esto es, un “aprendizaje observacional” (Sarkar et al., 2018). Este efecto puede ser contradictorio y al no haber controles suficientes en las redes sobre lo que se publica, podrían observarse ejemplos saludables o nocivos. El contenido no verificado o erróneo en las redes sociales constituye una amenaza para la salud pública (Puri et al., 2020; Wen-Ying et al., 2018; Breland et al., 2017; Zikmund-Fisher, 2012).

Un ejemplo de esto fue el caso de los brotes de ébola en 2014, en donde una serie de mensajes en redes sociales generaron comportamientos negativos hacia el personal de salud, poniendo en riesgo las acciones sobre el control de la enfermedad. De manera general, se han documentado campañas coordinadas que ponen en duda la efectividad de las vacunas, e incitan a la gente a no vacunarse (Broniatowski et al., 2018; Jones & Elbagir, 2018). En otro ejemplo, la campaña de desprestigio sobre la vacunación contra la fiebre amarilla en Brasil, facilitó un incremento de los casos de esta enfermedad en ese país (DiLorenzo, 2018).

Para evitar los efectos negativos de las noticias falsas, es necesario que los gobiernos implementen estrategias de comunicación que fortalezcan la confianza institucional en situaciones de emergencia (Lamata, 2006). Algunas observaciones sobre la importancia de la confianza institucional se realizaron en el contexto de la epidemia de influenza H1N1 (OMS, 2009). Dada una mayor demanda de información en tiempos de crisis sanitaria (Cayón, 2009 ; Seeger et al., 2003), los gobiernos deben buscar establecer un “triángulo de la confianza entre políticos, personal técnico, y comunicadores, que, a la vez, supone una coordinación de los distintos niveles en sus respectivos terrenos” (March & March, 2012, p. 64), en donde abunde la transparencia de la información para lograr la confianza de los ciudadanos como un elemento fundamental (García, 2017).

La información no solo reduce los contagios, sino que favorece el bienestar de la población y la estabilidad al disminuir la incertidumbre y la angustia acerca de la enfermedad (Garfin, et al., 2020; Ducharme, 2020). Si los gobiernos verifican y transmiten información fidedigna, el cuidado y prevención serán más efectivos (Larson, 2020b; Lovari, 2020). Por el contrario, si la percepción que se tiene es de desconfianza hacia el gobierno, sus gobernantes y lo que está informando, el cuidado no será el adecuado y aumentarán los contagios (OMS, 2020; Brennen et al., 2020).

Durante la pandemia por COVID-19, se documentó el esfuerzo de algunos gobiernos por generar este triángulo de confianza y hacer frente a la desinformación en redes. Por ejemplo, en Italia se reforzó ante la población la imagen del Ministerio de Salud, se fortalecieron los vínculos con medios tradicionales, y se posicionó una cuenta oficial en redes sociales (Lovari, 2020). Pese a lo anterior, en el mundo persistieron los efectos nocivos de rumores sobre, por ejemplo, el uso de la red de transmisión de datos 5G para la diseminación del COVID-19 (Cerulus, 2020), en donde se destacó por su inmediatez y falta de criterios editoriales, la participación de medios digitales (Nguyen & Catalán-Matamoros, 2020).

La carencia de un control de ciertos medios de comunicación permite que cualquier persona pueda publicar contenidos, generando consecuencias graves para el cuidado y prevención de enfermedades (Chew & Eisenbach, 2010; Elías & Catalán-Matamoros, 2020; OMS, 2020).

Por eso, la Organización Mundial de la Salud (OMS) recalca la importancia de la lucha contra la infodemia, en donde instituciones y periodistas presenten contenidos alineados a una estrategia institucional, propiciando la confianza y contribuyendo a formar una cultura de prevención (Crespo & Garrido, 2020; Larson, 2020a).

1.2 Contexto: caso mexicano

El brote por COVID-19 fue notificado el 31 de diciembre del 2019 en la ciudad de Wuhan, en China (OMS, 2019). En México, el primer caso se identifica el 27 de febrero de 2020. Un día después, comienza la fase 1 de manejo institucional COVID-19 en el país y la emisión de recomendaciones de prevención. El 11 de marzo del 2020, la OMS hace la declaratoria de pandemia (OMS, 2020). Se empiezan entonces a implementar acciones más precisas de cuidado, como la de la Secretaría de Educación Pública (DOF, 2020), que amplía el periodo vacacional de Semana Santa para evitar que los estudiantes en todos los niveles acudieran de forma presencial a clases.

El 23 de marzo del 2020, el Gobierno Federal declara la fase 2, al presentarse infecciones locales, enviando a resguardo a las personas mayores de 60 años y con una situación de salud comprometida. El 21 de abril se declara la fase 3 de la pandemia, implementándose una campaña de “sana distancia”. A partir de ello, aumentó el consumo de noticias entre la ciudadanía, ante la gravedad de la situación (Castillo-Esparcia et al., 2020). Las personas se dieron a la tarea de juzgar la calidad de las noticias, y a partir de ellas desarrollar un conjunto de creencias que se reflejaron en su comportamiento; particularmente, en la toma de medidas acertadas de prevención (Hills, 2020; Malecki et al., 2021).

Como se mencionaba previamente, la población debe de recibir información de especialistas que explique las medidas de prevención, pero también la evolución de la pandemia (Feng et al., 2020). Si se asignan a las y los especialistas los canales correctos de comunicación, los expertos tienen la capacidad de desmentir la información incorrecta (Brennen et al., 2020; Malecki et al. 2021). En este aspecto, como parte del manejo gubernamental de la pandemia, en México se asignó un espacio televisado de una hora para la difusión de información institucional bajo responsabilidad del subsecretario de Salud: el doctor Hugo López-Gatell. A su vez, el presidente Andrés Manuel López Obrador dio declaraciones sobre la pandemia por COVID-19 durante sus acostumbradas conferencias matutinas. Se documentaron algunas contradicciones en la información presentada en estos dos espacios, como en las ocasiones en que el Presidente se presentó en eventos oficiales sin cubrebocas, o sin guardar el distanciamiento social apropiado. Además de estas fuentes, la ciudadanía se informó sobre la pandemia a través de los medios a su alcance, por periódicos, por rumores transmitidos en las redes, y por la conversación entre personas cercanas.

Debido a que en México no hubo un consenso institucional en el manejo comunicativo de la pandemia, se presume que la prevención por parte de la ciudadanía se vio afectada de manera desigual, dependiendo de la elección de fuentes informativas y de la confianza que se tuvo en los actores responsables de difundir la información.

Ante esta situación, se plantean las siguientes preguntas de investigación:

1. ¿Cuál ha sido el efecto del consumo de información acerca del COVID-19, sobre la toma de medidas de prevención por parte de la ciudadanía?

2. ¿Cuál ha sido el efecto de la confianza en diferentes actores, sobre la toma de medidas de prevención por parte de la ciudadanía?

Se proponen también las siguientes dos hipótesis que sugieren la existencia de efectos sobre la prevención mediados por la calidad de la información que maneja la ciudadanía.

El consumo de información, a partir de diferentes fuentes (medios tradicionales, redes sociales y socialización interpersonal), influye de manera diferencial sobre la calidad de la información aceptada por la ciudadanía (falsa o verdadera), lo que a su vez repercute en la toma de medidas de prevención contra el COVID-19.

La confianza ciudadana en los diferentes actores que difunden información sobre la pandemia (medios, instituciones no gubernamentales y Gobierno Federal) influye de manera diferencial sobre la calidad de la información aceptada por la ciudadanía (falsa o verdadera), lo que a su vez repercute en la toma de medidas de prevención contra el COVID-19.

2. METODOLOGÍA

Los datos para el análisis proceden de una encuesta nacional a 1211 ciudadanas y ciudadanos mexicanos realizada entre el 1 y el 8 de septiembre del 2020. La muestra fue polietápica, estratificada por zona geográfica, sexo, edad y nivel socioeconómico. Para la estratificación por zona se utilizaron las zonas Nielsen de México como marco muestral. Para los tamaños de muestra, se calcula un error del 2,8 % para estimaciones de variables normalmente distribuidas, con un intervalo de confianza del 95 %. Debido a las condiciones de contingencia sanitaria, la encuesta fue llevada a cabo en línea.1

Para el presente análisis se tomaron en cuenta los constructos de la encuesta que se describen en la Tabla 1.

Tabla 1 Constructos e ítems 

Los ítems de cada una de las escalas pueden observarse en el anexo del artículo. Estos ítems son una propuesta original de investigadoras e investigadores que colaboraron en el proyecto “Análisis de la cobertura mediática de la pandemia de COVID-19 en México y de su impacto en el desarrollo de actitudes y comportamientos entre la ciudadanía”, adscritos a la Universidad Autónoma de Nuevo León (UANL), la Universidad Autónoma de Baja California (UABC), la Universidad de Guadalajara, la Benemérita Universidad Autónoma de Puebla (BUAP), y la Universidad Veracruzana (UV). Algunos ítems similares, pero no iguales, sobre medidas de prevención y confianza institucional pueden encontrarse en la encuesta del consorcio global COVIDiStress (Yamada et al., 2021). Se evaluó la confiabilidad interna de las escalas mediante el Alfa de Cronbach, y se validaron los constructos mediante un análisis factorial exploratorio con rotación obliminal. Como resultado de este análisis, una escala que previamente se había hipotetizado en un solo factor: “Conocimiento sobre el COVID-19”, se dividió en dos escalas diferentes: “Aceptación de planteamientos falsos” y “Aceptación de planteamientos verdaderos”. En los análisis exploratorios, se comprobó una estructura de un solo factor para el resto de las escalas. Para obtener el valor de cada constructo, se sumaron los ítems de sus escalas. Con este resultado se realizaron visualizaciones descriptivas de cada constructo.

Las hipótesis se validaron utilizando modelos estructurales. Estos modelos se fundamentan en ecuaciones que suponen relaciones causales entre variables llamadas latentes, ya que son difíciles de observar directamente, tales como la autoestima o el capital social (Bollen & Pearl, 2013). Las relaciones causales no se derivan de las ecuaciones en sí, sino que son propuestas por las y los investigadores, tomando en cuenta argumentos lógicos, prioridades temporales, el consenso científico y la teoría previa (Bollen & Pearl, 2013; Muller & Hancock, 2008). Según Muller y Hancock (2008, p. 506), en la interpretación de los resultados de un modelo estructural es válido utilizar términos de causa-efecto si son respaldados por una propuesta teórica. De acuerdo con Tarka (2018, p. 339), es deseable incorporar modelos estructurales al análisis causa-efecto de fenómenos complejos, a partir de observaciones no experimentales.

Dos modelos estructurales se proponen para atender las hipótesis y preguntas de investigación. El primero de ellos se basa en el modelo tradicional de efectos de los medios definido a grandes rasgos por Gerbner y Gross (1976), según el cual la exposición a ciertos contenidos genera cambios cognitivos, y estos cambios cognitivos a su vez tienen efectos en el comportamiento. Sobre la base de los principios de la teoría cognitivo-conductual, este tipo de análisis continúa siendo relevante en el estudio de los medios (Anderson et al., 2017). En el caso específico de la pandemia por COVID-19, la revisión de la literatura plantea a menudo la hipótesis de que la exposición a cierta clase de contenidos (principalmente de redes sociales) genera creencias inexactas y lleva al desarrollo de conductas riesgosas (Mesquita et al., 2020). De manera general, el modelo estructural propuesto sigue la ruta que se muestra en la Figura 1.

Fig. 1 Modelo general de efectos indirectos de las fuentes de información sobre la prevención del COVID-19 

De manera específica, en el modelo estructural se desglosan redes sociales, medios formales y comunicación interpersonal como fuentes de información, y el conocimiento se divide en la aceptación de información falsa o verdadera.

El modelo que se refiere a la segunda hipótesis se deriva de la observación de que, en algunos países, la información sobre la pandemia se politizó en torno a la figura de liderazgos unipersonales. Un caso de lo anterior se ha documentado para el gobierno del expresidente estadounidense Donald Trump, quien promovió deliberadamente la difusión de noticias falsas sobre el COVID-19 como una estrategia de polarización (Fuchs, 2021). Como resultado de lo anterior, Calvillo et al. (2020) muestran, mediante el uso de ecuaciones estructurales, que entre la ciudadanía estadounidense la aprobación del presidente Trump tuvo un efecto negativo en la capacidad de discernir noticias verdaderas y falsas, y esto a su vez influyó en la vulnerabilidad de las personas al contagio. Con este fundamento, la Figura 2 muestra de forma general la ruta seguida por el segundo modelo estructural.

Fig. 2 Modelo general de efectos indirectos de la confianza en instituciones sobre la prevención del COVID-19 

El análisis estructural de los modelos propuestos se realizó en el entorno de programación R, utilizando el paquete lavaan (Rossel, 2012). Las estimaciones de los errores estándar de cada modelo se realizaron a partir de mil ensayos bootstrap, considerando que las variables-constructo no mostraron una distribución normal (Awan et al., 2015). Para evaluar el modelo se tomaron en cuenta los indicadores Comparative Fit Index CFI > 0,9, Tucker Lewis Index TLI > 0,9, y Root Mean Square Error of Approximation RMSEA < 0,05, que de forma combinada con los valores de corte mencionados funcionan como parámetros de buen ajuste (Hu & Bentler, 1999). En el análisis de los datos no se consideraron factores de expansión para cada uno de los estratos en que se divide la muestra.

3. RESULTADOS

Se observa que, en su mayoría, las personas entrevistadas cuentan con conocimientos adecuados sobre el COVID-19. Una lista completa de los conocimientos y de las medidas de prevención tomados en cuenta en el estudio figura en el cuestionario del anexo.

Asimismo, casi todos los participantes distinguen los planteamientos falsos sobre la pandemia de los verdaderos. En la Figura 3 se puede observar la distribución de estas variables de interés.

Por otra parte, en la Tabla 2 se observan los índices de confiabilidad de los constructos empleados en el análisis, así como sus medias, desviaciones estándar, valores mínimos y máximos de las escalas observadas en la muestra. La confiabilidad reportada es buena para todas las escalas, excepto para la de “Consumo de medios tradicionales”, lo que sugiere que el concepto es cada vez más difuso en un entorno mediático transmedia.

Fig. 3 Distribución de las variables: aceptación de planteamientos verdaderos, aceptación de planteamientos falsos, y toma de medidas de prevención 

Tabla 2 Valores descriptivos y confiabilidad de los constructos 

Los análisis de correlación realizados con el coeficiente de Spearman muestran que la aceptación de planteamientos verdaderos se relaciona positivamente con la confianza en los medios, el consumo de medios tradicionales, la socialización y la confianza en instituciones no gubernamentales. Se observa también una relación muy pequeña, positiva, con el consumo de redes sociales, aunque apenas en el límite de aceptación de significación.

La aceptación de planteamientos falsos, por su parte, se encuentra positivamente relacionada con el consumo de redes sociales, la socialización y la confianza en servidores públicos de alto rango a cargo del manejo de la pandemia. Se ve una relación pequeña, apenas significativa, entre la aceptación de planteamientos falsos y el consumo de medios tradicionales. En sentido contrario, observamos relaciones negativas entre la aceptación de planteamientos falsos y la confianza en medios y la confianza en instituciones no gubernamentales; a mayor aceptación de los planteamientos falsos, menor confianza en los medios y en las instituciones no gubernamentales.

De acuerdo con el modelo inicial propuesto, se observa que la aceptación de planteamientos tanto falsos como verdaderos se relaciona significativamente con la toma de medidas de prevención respecto al COVID-19. En la Tabla 3 se muestran los resultados del análisis de correlación entre las variables propuestas para el modelo.

Tabla 3 Análisis de correlación 

El modelo de prevención basado en la influencia indirecta del consumo de información a partir de diferentes fuentes mostró buenos niveles de ajuste; CFI = 0,91; TLI = 0,91; RMSEA = 0,05. Las regresiones propuestas para explicar la varianza de las variables latentes fueron significativas en su mayoría, salvo en lo que se refiere a la participación de la socialización interpersonal en la aceptación de planteamientos verdaderos (Tabla 4). En la Tabla 4 se muestran los resultados del modelo estructural, lo que incluye la estimación de efectos indirectos. En la Figura 3 se observa el modelo estructural propiamente dicho, con las variables latentes en los nodos, y los pesos estandarizados en las aristas.

Tabla 4 Modelo estructural con efectos indirectos 

Nota: errores estándar entre paréntesis. Niveles de significación: *** p < 0,001; ** p < 0,01; * p < 0,05. La columna “Estimado” se refiere a coeficientes no estandarizados.

Nota: TRADMEDIA = Consumo de medios tradicionales; SMEDIA = Consumo de redes sociales; SOCIALI = Socialización; BEFALSE = Aceptación de planteamientos falsos; BETRUE = Aceptación de planteamientos verdaderos; PREVEN = Toma de medidas de prevención.

Fig.4 Modelo de efectos indirectos del consumo de información sobre la prevención 

Los resultados del modelo permiten comprobar la primera hipótesis respecto a dos fuentes principales: el consumo de medios tradicionales y el consumo de información a través de redes sociales. Consumir información a partir de medios tradicionales explica mejor la aceptación de planteamientos verdaderos sobre el COVID-19, lo que a su vez tiene un impacto positivo sobre la prevención. Este constituye el efecto más importante señalado por el modelo. Al contrario, el consumo de información a través de redes sociales tiene un impacto negativo sobre la aceptación de planteamientos verdaderos, y por lo tanto un impacto negativo sobre la toma de medidas de prevención.

El segundo modelo, de prevención basada en la influencia indirecta de la confianza en diferentes actores, mostró también buenos niveles de ajuste; CFI = 0,92; TLI = 0,92; RMSEA = 0,05. En la Tabla 5 se muestran las estimaciones del modelo estructural, así como de los efectos indirectos. El modelo estructural está representado en la Figura 4. Al igual que en el modelo anterior, la aceptación de planteamientos verdaderos sobre el COVID-19 es mucho más importante en la toma de medidas de prevención que la aceptación o no de planteamientos falsos.

Tabla 5 Modelo de efectos indirectos de la confianza en diferentes actores sobre la prevención 

Nota: errores estándar entre paréntesis. Niveles de significación: *** p < 0,001; ** p < 0,01; * p < 0,05. La columna “Estimado” se refiere a coeficientes no estandarizados.

Nota: CONFMEDIA = Confianza en medios; CONFMEX = Confianza en servidores públicos (Presidente, secretario y subsecretario de Salud); CONFNGX = Confianza en instituciones no gubernamentales; BEFALSE = Aceptación de planteamientos falsos; BETRUE = Aceptación de planteamientos verdaderos; PREVEN = Toma de medidas de prevención.

Fig.5 Modelo de efectos indirectos de la confianza en diferentes actores sobre la prevención 

Son notorios en este modelo los mayores niveles de significación respecto a la construcción de las variables de segundo orden. El modelo respalda el planteamiento de la segunda hipótesis, siendo los efectos indirectos de mayor peso, los que ejercen sobre la prevención la confianza en instituciones no gubernamentales y la confianza en medios, ambos positivos y por vía de la aceptación de planteamientos verdaderos. Por el contrario, se observan efectos negativos indirectos sobre la prevención, aunque pequeños, de la confianza depositada en servidores públicos.

4. DISCUSIÓN

El trabajo confirma el consenso en torno a los efectos negativos del consumo de información sobre emergencias de salud a través de las redes sociales, en comparación con los medios tradicionales (Pruri et al., 2020), posiblemente por la capacidad de publicar contenido no sujeto a veto con fundamento científico en las redes (Ahmed-Siddiqui et al., 2020). La inmediatez y la falta de regulación a la hora de publicar y compartir contenidos en redes sociales, como Whatsapp o Facebook, y la confianza que tienen las personas en la información compartida por sus amigos y familiares, llevaron a una lucha no solo contra el COVID-19, sino también contra la infodemia (The Lancet, 2020; O’Connor y Murphy, 2020). Si bien puede criticarse la calidad de la cobertura que los medios tradicionales dieron a la pandemia en México por la escasa referencia que hicieron a fuentes de información válida en materia de salud pública, como científicos y profesionales de la salud (Rodelo, 2020), es posible que esos medios hayan puesto una barrera a las noticias falsas y a la desinformación a partir del ejercicio de criterios editoriales mínimos. Sin embargo, la información trasmitida en medios de comunicación tradicionales en situaciones de emergencia sanitaria debe darse a través de un vocero oficial que muestre la posición del Estado ante la toma de decisiones en temas de salud y cuidados preventivos (Crespo & Garrido, 2020). En el caso de México, se estima que para el 5 de abril del 2020 más de 11 832 personas habían visto en televisión alguna de las sesiones emitidas por el subsecretario de Salud Hugo López Gatell (El Economista, 2020). Si bien gran parte de la población sí llegó a ver a este interlocutor como un vocero que contribuyó a disminuir la infodemia, a veces se le cuestionó la falta de fuentes de información científica, sus contradicciones y su contribución a la polarización de la pandemia.

Por otro lado, resulta relevante la influencia positiva de la confianza en instituciones no gubernamentales, universidades y científicos sobre la aceptación de información verdadera sobre el COVID-19. Larson (2020) y Lovari et al. (2020), afirman que, para una difusión adecuada de las medidas preventivas entre la población, es necesario contar con un manejo de la crisis sanitaria desde un punto de vista técnico y no político. En contraste, la confianza en servidores públicos de alto rango favorece la aceptación de planteamientos falsos, y la negación de planteamientos verdaderos. Esta evidencia sugiere que en México, como en Estados Unidos (Calvillo et al., 2020), el gobierno apostó por la polarización de la pandemia, priorizando una agenda política por encima de las necesidades de salud. Pese a esta noticia desalentadora, Rodríguez et al. (2020) observan que en México se tuvo más confianza en las universidades y científicos que en los actores políticos involucrados en informar sobre la pandemia.

La polarización de la pandemia constituyó, en México y en otros países, un riesgo para la salud, en tanto las personas en comunidades polarizadas podrían optar por seguir los consejos de cierto sector de la élite política, en lugar de las recomendaciones de las y los expertos (Hart et al., 2020; Kahane, 2021). En dos posturas encontradas, el presidente de México y su gabinete optaron por minimizar los riesgos de la pandemia, y enaltecieron el manejo oficial que se hizo de la emergencia sanitaria. Por otra parte, las instituciones no gubernamentales y los medios de comunicación han criticado el manejo gubernamental y han demandado la toma de medidas de prevención más drásticas (Arteaga, 2021). La polarización no solo ha sido cognitiva sino también conductual, de tal forma que quienes confían en medios e instituciones no gubernamentales han decidido tomar más medidas de prevención ante lo que consideran una situación de alto riesgo, que quienes confían en la narrativa presidencial. Por otra parte, la descalificación continua de los medios de comunicación por parte de la figura presidencial propicia que la ciudadanía que confía en el mandatario y en su gobierno busque información a través de fuentes alternativas, como las redes sociales, sin criterios de calidad editorial, lo que provoca que se exponga a una mayor cantidad de información falsa sobre la pandemia.

Sin duda, este trabajo no es una interpretación definitiva acerca del efecto de los medios sobre el conocimiento y las medidas de prevención tomadas en torno a la pandemia por COVID-19. Observaciones longitudinales podrían ser deseables para establecer con certeza las relaciones causa-efecto que se proponen en los modelos. Se señala que los índices de ajuste del primer modelo sugieren un margen de mejora relevante, que podría relacionarse con la división conceptual que se mantiene entre medios tradicionales y redes sociales. En una sociedad transmedia, esta división es difusa. Otros estudios a futuro podrían establecer comparaciones en el manejo de la pandemia entre sociedades con alto y bajo grado de polarización, para determinar si efectivamente la polarización promovida por el gobierno incrementó la vulnerabilidad al contagio por COVID-19 de grupos con actitudes políticas específicas.

REFERENCIAS

Ahinkorah, B. O., Ameyaw, E. K., Elvis, J., Jr, H., Seidu, A., & Schack, T. (2020). Rising above misinformation or fake news in Africa: Another strategy to control COVID-19 spread. Frontiers in Communication, 5, 2018-2021. https://doi.org/10.3389/fcomm.2020.00045 [ Links ]

Ahmed, W., Vidal-Alaball, J., Downing, J., & Seguí, F. L. (2020). COVID-19 and the 5G conspiracy theory: Social network analysis of Twitter data. Journal of Medical Internet Research, 22(5). https://doi.org/10.2196/19458 [ Links ]

Ahmed-Siddiqui, M. Y., Mushtaq, K., Mohamed, M. F. H., Al-Soub, H., Hussein-Mohamedali, M. G., & Yousaf, Z. (2020). “Social media misinformation”-An epidemic within the COVID-19 pandemic. American Journal of Tropical Medicine and Hygiene, 103(2), 920-921. https://doi.org/10.4269/ajtmh.20-0592 [ Links ]

Anderson, C. A., Bushman, B. J., Bartholow, B. D., Cantor, J., Christakis, D., Coyne, S. M., Donnerstein, E., Funk Brockmyer, J., Gentile D. A., Green, C. S., Huesmann, R., Hummer, T., Krahé, B., Strasburger, V. C., Warburton, W., Wilson, B. J., & Ybarra, M. (2017). Screen violence and youth behavior. Pediatrics, 140(2), 142-147. https:// doi.org/10.1542/peds.2016-1758T [ Links ]

Arteaga, N. (2021). La societalización de la pandemia en México. Korpus 21, 1(2), 251-270. http://dx.doi.org/10.22136/korpus21202133 [ Links ]

Awang Z., Afthanorhan A., Asri M. A. M. (2015). Parametric and non-parametric approach in structural equation modeling (SEM): The application of bootstrapping. Modern Applied Science, 9(9), 58-67. [ Links ]

Bollen, K. A., & Pearl, J. (2013). Eight myths about causality and structural equation models. En S. L. Morgan, (Ed.), Handbook of causal analysis for social research. Capítulo 15, 301-328. Springer. [ Links ]

Breland, J., Quintiliani, L., Schneider, K., & Pagoto, S. (2017). Social media as a tool to increase the impact of public health research. Am J Public Health,107(12), 1890-1891. https://doi.org/10.2105/AJPH.2017.304098 [ Links ]

Brennen, J., Simon, F., & Nielsen R. (2020). Beyond (Mis)representation: Visuals in COVID-19 misinformation. The International Journal of Press/Politics, 26(1), 277-299. https://doi.org/10.1177/1940161220964780 [ Links ]

Broniatowski, D. A., Jamison, A., Sihua, Q., Lulwah, S., Chen, T., Benton, A., Quinn, S., & Dredze, M. (2018). Weaponized health communication: Twitter bots and Russian trolls amplify the vaccine debate. American Public Health Association, 108(10), 1378-1385. https://doi.org/10.2105/AJPH.2018.304567 [ Links ]

Bruns, A., Harrington, S., & Hurcombe, E. (2020). Corona? 5G? Or both? The dynamics of COVID-19/5G conspiracy theories on Facebook. Media International Australia, 177(1), 12-29. https://doi.org/10.1177/1329878X20946113 [ Links ]

Castillo-Esparcia, A., Fernández-Souto, A., & Puentes-Rivera, I. (2020). Comunicación política y COVID-19. Estrategias del Gobierno de España. Profesional de la Información, 29(4). https://doi.org/10.3145/epi.2020. [ Links ]

Calvillo, D. P., Ross, B. J., García, R. J. B., Smelter, T. J., & Rutchick, A. M. (2020). Political ideology predicts perceptions of the threat of COVID-19 (and susceptibility to fake news about it). Social Psychological and Personality Science, 11(8), 1119-1128. https://doi.org/10.1177/1948550620940539 [ Links ]

Cayón, A. (2009). Comunicación de crisis en el marco de la preparación ante la pandemia de influenza en México: revisión de conceptos y estrategias. Revista de Administración Sanitaria Siglo XXI, 7(3), 501-516 [ Links ]

Cerulus, L. (2020, abril 29). How anti-5G anger sparked a wave of Arson attacks. Politico. https://www.politico.eu/article/coronavirus-5g-arsonattacks-online-theories/Links ]

Chew C., & Eysenbach, G. (2010). Pandemics in the age of Twitter: Content analysis of tweets during the 2009 H1N1 outbreak. PLoS One. 20105(11): e14118. https://doi. org/10.1371/journal.pone.0014118. [ Links ]

Crespo, I. & Garrido, A. (2020). La pandemia de coronavirus: estrategia de comunicación de crisis. Más poder local (41), 12-19. [ Links ]

Cristo, H. S. de, Santos, T. de A., Horita, F. E., & Saba, H. (2022). Implications of disinformation and infodemic in the context of the COVID-19 pandemic. Research, Society and Development, 10(2), 1-11. https://doi.org/10.33448/rsd-v10i2.12998. [ Links ]

DOF - Diario Oficial de la Federación (2020). Decreto del 2 de marzo del 2020. Última reforma 15 de marzo del 2020. [ Links ]

DOF - Diario Oficial de la Federación (2020). Decreto del 2 de marzo del 2020. Última reforma 15 de marzo del 2020. [ Links ]

DiLorenzo, S. (12 marzo 2018). Brasileños desconfían de la vacuna contra la fiebre amarilla. AP News. https://apnews.com/article/e45d0e1676e64dad99badb60459d588cLinks ]

Ducharme. J. (2020). World Health Organization declares COVID-19 a “pandemic”. Here´s what that means. TIME. https://time.com/5791661/who-coronavirus-pandemic-declaration/Links ]

Easterly, W., Ritzen, J., & Woolcock, M. (2008). Social cohesion, institutions and growth. Economics & Politics, 18(2), 103-120. [ Links ]

El Economista (15 de abril 2021). Cerca de 12 millones de mexicanos han visto las conferencias del gobierno sobre COVID-19. El Economista. ttps://www.eleconomista.com.mx/arteseideas/Cerca-de-12-millones-de-mexicanos-han- visto-las-conferencias-del-gobierno-sobre-Covid-19-20200415-0087.htmlLinks ]

Elías, C., & Catalán-Matamoros, D. (2020). Coronavirus in Spain: Fear of “oficial” fake news boosts Whatsapp and alternative sources. Media and Communication, 8(2). https://doi.org/10.17645/mac.v8i2.3217 [ Links ]

Fallis, D. (2015). What is disinformation? Library Trends 63(3), 401-426. doi:10.1353/lib.2015.0014. [ Links ]

Fancourt, D., Steptoe, A., & Wright, L. (2020). The cummings effect: Politics, trust, and behaviours during the COVID-19 pandemic. The Lancet, 396(10249), 464-465. https://doi.org/10.1016/S0140-6736(20)31690-1 [ Links ]

Feng, L. X., Jing, S. L., Hu, S. K., Wang, D. F., & Huo, H. F. (2020). Modelling the effects of media coverage and quarantine on the COVID-19 infections in the UK. Mathematical Biosciences and Engineering, 17(4), 3618-3636. http://doi. org/10.3934/mbe.2020204 [ Links ]

Fuchs, C. (2021). Donald Trump and COVID-19 on Twitter. Communicating COVID-19, 191-262. Emerald Publishing. https://doi.org/10.1108/978-1-80117-720-720211011 [ Links ]

Galarza, R. (2021). Relación entre la percepción de exposición a desinformación, percepción de veracidad de fake news sobre COVID-19 y la confianza en medios de información. En C. Muñiz (Ed.), Medios de comunicación y pandemia de COVID-19 en México, pp. 81-102. Editorial Tirant Humanidades. [ Links ]

García, E. (2017). Comunicación de crisis en los gabinetes de prensa sanitarios. Análisis de la producción periodística y de la información publicada sobre la gripe A [ Tesis doctoral Universidad Complutense de Madrid]. Repositorio Institucional UCM. http://cisne.sim.ucm.es/record=b3698962~S6*spi#tabsLinks ]

Garfin, D. R., Silver, R. C., & Holman, E. A. (2020). The novel coronavirus (COVID-2019) outbreak: Amplification of public health consequences by media exposure. Health Psychology, 39(5), 355- 357. http://dx.doi.org/10.1037/hea0000875. [ Links ]

Gerbner, G., & Gross L. (1976). Living with television: The violence profile. Journal of Communication, 26(2), 172-199. https://doi.org/10.1111/j.1460-2466.1976. tb01397.x [ Links ]

Hart, P. S., Chinn, S., & Soroka, S. (2020). Politicization and polarization in COVID-19 news coverage. Science Communication 42(5), 679-697. https://doi.org/10.1177/1075547020950735 [ Links ]

Hills, T. (2012). The dark side of information proliferation. Perspect Psychol Schi 14(3), 323-330. https//doi.org/10.1177/1745691618803647 [ Links ]

Hommerich, S. (2012). Trust and subjective well-being after the great Japan earthquake, tsunami and nuclear meltdown: Preliminary results. International Journal of Japanese Sociology, 21(1), 46-64. [ Links ]

Hornik, R. (2002). Public health communication: Evidence for behavior change. Lawrence Erlbaum Associates. [ Links ]

Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit Indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55. https://doi. org/10.1080/10705519909540118 [ Links ]

Jones, B., & Elbagir, N. (25 agosto 2014). Are Myths the Ebola Outbreak Worse. CNN. https://www.cnn.com/2014/08/20/world/africa/ebola-mythsLinks ]

Kahane, L. H. (2021). Politicizing the mask: Political, economic and demographic factors affecting mask wearing behavior in the USA. Eastern Economic Journal, 47(1), 163-168. https://doi.org/10.1057/s41302-020-00186-0 [ Links ]

Lamata, F. (2006). Crisis sanitarias y respuesta política. Revista de Administración Sanitaria, 4(3), 401-406. [ Links ]

Larson, H. J. (2020a) Blocking information on COVID-19 can fuel the spread of misinformation. Nature, 50, 306. https://doi.org/10.1038/d41586-020-00920-w [ Links ]

Larson, H. J. (2020b). A call to arms: Helping family, friends and communities navigate the COVID-19 infodemic. Nature Reviews Immunology, 20(8), 449-450. https://doi. org/10.1038/s41577-020-0380-8 [ Links ]

Lovari, A. (2020). Spreading (dis)trust: COVID-19 misinformation and government intervention in Italy. Media and Communication, 8(2), 458-461. http://dx.doi. org/10.17645/mac.v8i2.3219 [ Links ]

Lovari, A. , Martino, V., & Righetti, N. (2020). Blurred shots. Investigating the information crisis around vaccination in Italy. American Behavioral Scientist, 65(2), 351-370. doi.org/10.1177/0002764220910245 [ Links ]

Malecki, K. , Keating J., & Safdar, N. (2021). Crisis communication and public perception of COVID-1risk in the era of social media. Clinical Infectious Diseases, ciia758. https//doi,org/10.1093/cid/ciia758 [ Links ]

March, J. C. (2011). El riesgo de una mala comunicación de riesgos. Revista de Comunicación y Salud, 1(2), 61-66. [ Links ]

March, J. & March, C. (2008). Mucho por hacer ante la crisis sanitarias. Diario Médico. http://www.diariomedico.com/2008/09/12/areaprofesional/sanidad/tribuna-mucho-por-hacer-ante-las-crisis-sanitariasLinks ]

Mcquail, D., Windahl, S. (1997). Modelos para el estudio de la comunicación colectiva. Eunsa. [ Links ]

Muller, R., & Hancock, G. (2008). Best Practices in Structural Equation Modeling. En J. Osborne, (Ed.), Best Practices in Quantitative Methods, pp. 488-508. Sage. [ Links ]

Nguyen, A. & Catalán-Matamoros, D. (2020). Digital mis/disinformation an public engaegement with health and science controversies: Fresh perspectives from COVID-19. Media and communication, 8(2), 323. DOI.org/10.17645/mac.v8i2.3352 [ Links ]

O’Connor, C., & Murphy, M. (2020). Going Viral: Doctors must Tackle Fake News in the COVID-19 Pandemic. BMJ 369(1587). https://doi.org/10.1136/bmj.m1587 [ Links ]

Organización Mundial de la Salud. (2020, abril 17). Manejo de la infodemia: un componente clave de la respuesta mundial al COVID-19. Reporte Epidemiológico Semanal, 16(95), 145-160. https://reliefweb.int/sites/reliefweb.int/files/resources/WER9516-eng-fre.pdfLinks ]

Organización Mundial de la Salud. (2019). Brote de enfermedad por coronavirus (COVID-19).https://www.who.int/es/emergencies/diseases/novel-coronavirus-2019#:~:text=En%20este%20sitio%20web%20se,p%C3%A1gina%20figura%20 informaci%C3%B3n%20actualizada%20diariamente. [ Links ]

Organización Mundial de la Salud. (2009). ¿Qué es el virus gripa A(H1N1) 2009 pandémico? httpp://www.who.int/csr/diseae/swinwflu/frequently_asked_questions/ about_disase/es/Links ]

Pruri, N., Coomes, E. A., Haghbayan, H., & Gunaratne, K. (2020). Social media and vaccine hesitancy: News updates for the era of COVID 19 and globalized infectious diseases. Human Vaccines & Immunotherapeutics, 16(11), 2586-2593. https://doi. org/10.1080/21645515.2020.1780846 [ Links ]

Pruri, N., Du, X., Varde, A., & Melo, G. (2018). Mapping ordinances and tweets using smart city characteristics in aid opinion mining. In the Web Conference (WWW) Companion Volumen. Lyon, Francia, 1721-1728. [ Links ]

Rodelo, F. (2020). La cobertura informativa del COVID 19 en periódicos y televisión. En Muñiz, C. (Ed). Medios de comunicación y pandemia de COVID-19 en México, pp. 25-52. Tirant lo Blanch. [ Links ]

Rodríguez, A., Echeverría, M. & Treviño, J.F. (2020). Consumo mediático y confianza de ciudadanos mexicanos ante la dicotomía de la igualdadora de oportunidades en tiempos de COVID-19. En Muñiz, C. (Coord.). Medios de comunicación y pandemia de covid-19 en México, 211-232. Tirant Humanidades. [ Links ]

Rossel, Y. (2012). Lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1-36. https://doi.org/10.18637/jss.v048.i02 [ Links ]

Rovetta, A., & Bhagavathula, A. S. (2020).Global infodemiology of COVID-19: Analysis of Google web searches and Instagram hashtags. Journal of Medical Internet Research, 22(8). https://doi.org/10.2196/20673 [ Links ]

Soltaninejad, K. (2020). Methanol Mass poisoning outbreak: A consequence of COVID-19 pandemic and misleading messages on social media. Int J Occup Environ Med, 11(3):148-150. doi:10.34172/ijoem.2020.1983. [ Links ]

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

Sarkar U., Le, G. M., Lyles, C. R., Ramo D., Linos E., & Bibbins-Domingo, K. (2018). Using social media to target cancer prevention in young adults: Viewpoint. J Med Internet, 20(6): e203. https://doi.org/10.2196/jmir.8882. [ Links ]

Seeger, M., Sellnow, T. & Ulmer, R.R. (2003). Effective crisis communication: moving from crisis to oppotrunity. Sage Publications [ Links ]

Tagliabue, F., Galassi, L., & Mariani, P. (2020). The “pandemic” of disinformation in COVID-19. SN Comprehensive Clinical Medicine, 2, 1287-1289. https://doi.org/10.1007/s42399-020-00439-1 [ Links ]

Tarka, P. (2018). An overview of structural equation modeling: Its beginnings, historical development, usefulness and controversies in the social sciences. Quality and Quantity, 52(1), 313-354. https://doi.org/10.1007/s11135-017-0469-8 [ Links ]

Tagliabue, F. , Galassi, L. , & Mariani, P. (2020). The “pandemic” of disinformation in COVID-19. SN Comprehensive Clinical Medicine, 2(9), 1287-1289. https://doi.org/10.1007/s42399-020-00439-1 [ Links ]

The Lancet Infectious Diseases (2020). The COVID-19 infodemic. Lancet Infect Dis, 20(8), 875. https://doi.org/10.1016/S1473-3099(20)30565-X [ Links ]

Wakefield, M., Loken, B., & Hornik, R. (2010). Use of mass media campaigns to change health behaviour. The Lancet, 376(9748), 1261-1271. https://doi.org/10.1016/ S0140-6736(10)60809-4 [ Links ]

Wen-Ying, S., April, O., & Klein, W. (2018). Adressing health-related misinformation on social media. Journal of American Medical Association, 320(23), 2417-2423. https:// doi.org/10.1001/jama.2018.16865 [ Links ]

Wilson, S. L., & Wiysonge, C. (2020). Social media and vaccine hesitancy. BMJ Global Health, 5(10). https://doi.org/10.1136/bmjgh-2020-004206 [ Links ]

Yamada, Y., Ćepulić, D. B., Coll-Martín, T., Debove, S., Gautreau, G., Han, H., Rasmussen, J., Tran, T. P., Travaglino, G. A., COVIDiSTRESS global survey consortium, & Lieberoth, A. (2021). COVIDiSTRESS global survey dataset on psychological and behavioural consequences of the COVID-19 outbreak. Sci Data, 8(3). https://doi. org/10.1038/s41597-020-00784-9 [ Links ]

Zarcostas, J. (2020). How to fight an infodemic. The Lancet, 395(10225), 676-679. https://doi.org/10.1016/S0140-6736(20)30461-X [ Links ]

Zikmund-Fisher, B. J. (2012). The defining characteristics of web 2.0 and their potential influence in the online vaccination debate. Vaccine, 30(25), 3734-3740. [ Links ]

11El presente artículo fue desarrollado en el marco del proyecto de investigación titulado “Análisis de la cobertura mediática de la pandemia del COVID-19 en México y de su impacto en el desarrollo de actitudes y comportamientos entre la ciudadanía”, con clave 312437, aprobado por el CONACYT como parte de la Convocatoria 2020-1 Apoyo para Proyectos de Investigación Científica, Desarrollo Tecnológico e Innovación en Salud ante la Contingencia por COVID-19.

ANEXO 1

SECCIONES DEL CUESTIONARIO CITADAS EN EL ESTUDIO CONSUMO DE MEDIOS TRADICIONALES

En primer lugar, ¿con qué frecuencia se ha informado sobre todo lo relativo a la pande- mia por coronavirus durante las últimas dos semanas en…?

CONSUMO DE REDES SOCIALES

Y ¿qué tanto se ha informado sobre la pandemia durante las últimas dos semanas a través de…?

CONFIANZA EN MEDIOS

Ahora, nos gustaría saber qué tan de acuerdo está con las siguientes afirmaciones rela- tivas a los medios informativos:

SOCIALIZACIÓN

Pensando en las personas con las que se relaciona habitualmente, ¿qué tanto ha platica- do durante la última semana sobre el coronavirus con?

CONFIANZA EN SERVIDORES PÚBLICOS DE ALTO RANGO A CARGO DE LA ESTRATEGIA CONTRA EL COVID-19

A continuación, le ofrecemos una serie de personas e instituciones. ¿Podría decirme qué tanta confianza tiene en cada una de ellas?

CONFIANZA EN INSTITUCIONES NO GUBERNAMENTALES

A continuación, le ofrecemos una serie de personas e instituciones. ¿Podría decirme qué tanta confianza tiene en cada una de ellas?

ACEPTACIÓN DE PLANTEAMIENTOS FALSOS

Cambiando de tema, ahora le pedimos que indique qué tan de acuerdo está con las siguientes afirmaciones.

ACEPTACIÓN DE PLANTEAMIENTOS VERDADEROS

Cambiando de tema, ahora le pedimos que indique qué tan de acuerdo está con las siguientes afirmaciones.

TOMA DE MEDIDAS DE PREVENCIÓN

Cambiando de tema, ¿qué tan a menudo ha cumplido con las siguientes medidas para la contención del COVID-19?

Recibido: 18 de Octubre de 2021; Aprobado: 29 de Marzo de 2022

*Doctor en Psicología por la Universidad de Guanajuato, México (véase: https://orcid.org/0000-0002-2415-6742)

**Doctora en Ciencias Sociales por el Instituto Tecnológico de Estudios Superiores de Monterrey, México (véase: https://orcid.org/0000-0001-9963-2654)

***Doctora en Filosofía con acentuación en Ciencias Políticas de la Universidad Autónoma de Nuevo León, México (véase: https://orcid.org 0000-0003-1805-9740).

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