1/ Ayer me enteré por @_anapastor_ del audio falso en el que intentaban colar que la ministra de Exteriores, Arancha González Laya, había confundido a Joe Biden con Bin Laden en una entrevista. Me pareció curioso y decidí analizarlo.
2/ El bulo apenas tuvo recorrido, fue interceptado por los verificadores y se apagó en unas pocas horas. El desmentido produjo un efecto Streissand, como bien apuntaba @jgalgarra.
Si te pica la curiosidad a continuación cuento cómo he llegado a esta conclusión
3/ El origen del bulo parece ser WhatsApp, de allí saltó a Twitter. Los usuarios lo compartieron de distintas maneras: grabando el audio o subiendo el contenido a Dropbox. No parece nada organizado porque cada uno lo grabó de forma diferente
3/ El primer usuario que menciona el bulo, a las 8:57 pm hora local, es @RafaelTimermans, aunque mostrando dudas de su veracidad. A las 10:17 subió una grabación del móvil
4/ El segundo tweet corresponde a @BabyYod46791086, un bebe nacido apenas una semana (06/11/2020). Lo publicó a las 21:12 pm (hora local) con un enlace de Dropbox. Parece que el contenido se subió a Dropbox las 21:10, dos minutos antes de publicar el tweet
5/ Para mostrar la difusión utilizo una grafica temporal con dos escalas- Las barras azules representa los tweets por hora (0-842) y la línea roja el número de seguidores de los que tuitearon en esa hora (0-6,9 Millones).
6/ Los usuarios con más de 50K seguidores están anotados en la hora que tuitearon, en negro los que difundieron el bulo y en rojo los que lo desmintieron. De esta manera se puede ver el peso que tuvo el desmentido
7/ La difusión se inició el 11 de noviembre a partir de las 21:00 con muy poca repercusión. Hasta las 8 de la mañana no empezó a difundirse y a las 10:13, @malditobulo lo desmintió. A continuación, los medios se tiraron en plancha para desmentirlo también.
9/ El grafo de la difusión nos muestra dos bloques poco conectados. A la izquierda los verificadores @malditobulo y @newtral y a la derecha los perfiles que propagaron el bulo. Con esta división podemos clasificar a los usuarios del lado del bulo y del desmentido
10/ Para ver el efecto del desmentido siempre uso esta gráfica, agrupando los perfiles según su pertenencia al bulo (color azul) o al desmentido (color morado). El desmentido frena al bulo pero en este caso lo hace drásticamente, debido al gran alcance de los que lo desmintieron
11/ conclusiones
1⃣ Es un bulo que no estaba planificado. Uno de tantos bulos que circulan por WhatsApp y que saltó a Twitter
2⃣ Hubo una rápida reacción de los verificadores apoyada por medios de comunicación con mucho alcance
12/
3⃣ El bulo adquirió más visibilidad por el desmentido que por el bulo (efecto Streissand)
4⃣ Esta forma de interceptar lo bulos y paralos en seco, me parece una vía razonable para controlar la desinformación. Mejor la autorregulación que el gobierno quiera “ayudar”

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Mariluz Congosto

Mariluz Congosto Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @congosto

31 Oct
1/ He actualizado las gráficas que relacionan las hospitalizaciones y respecto a las UCIs en la segunda ola. Estas dos variables se representan con la media semanal y se puede ver su evolución en el tiempo respecto a la semana (de la 32 a la 44). Datos de #escovid19data
2/ En las zonas con tendencia creciente de casos, seguramente se incrementarán las hospitalizaciones la semana siguiente. Las gráficas se mostrarán por autonomías y desglosadas por provincias. El orden será de mayor a menor incidencia Covid19 de la semana.
Imagen vía @nmichavila
3/ Melilla ha sufrido un crecimiento muy fuerte tanto en hospitalizaciones como en UCI desde la semana 41 (5 Oct~11 Oct) que ha pasado de 2 a 10 por 100.000 mil pacientes en la UCI
Read 24 tweets
6 Oct
🧵1/ La noticia del fallo de UK al recolectar datos del #covid19 en un Excel 2003 ha sido muy comentada entre los que nos dedicamos a esto de los datos. Parece mentira que se siga trabajando con estos métodos hoy día. Hilo 👇👇
2/ Alguno de los de mi TL no se lo creían, pero yo que he trabajado en una empresa de tecnología, sé que se usan métodos viejunos. Si esto ocurre en las empresas tecnológicamente avanzas ¡Qué no pasará en la Administración
3/ @jprieto apunta a estas hipótesis y a @ramiroaznar le gustaría saber “saber toda la intrahistoria de este asunto”. Esto me recordó los sistemas que llamábamos “tamagotchi”.
Read 7 tweets
6 Oct
1/ El otro día comentaba que me habían gustado mucho las gráficas @BIOCOMSC1 sobre el riesgo del COVID19. Mucha información con pocos elementos (poca tinta), permitiendo ver la evolución, el estado actual y las zonas de riesgo. biocomsc.upc.edu/en/shared/dr_s…
2/ Este tipo de diagramas representan la relación de dos variables a través del tiempo. Normalmente usamos un line chart cuando los datos tienen una componente temporal, pero estas gráficas nos pueden mostrar los datos de otra manera
3/ William Phillips utilizó 1958 un diagrama de este tipo para representar la evolución del desempleo y la inflación a través del tiempo, que ha pasado a la historia como “la curva Phillips”. en.wikipedia.org/wiki/Phillips_…
Read 13 tweets
26 Sep
1/ Debido la preocupación que suscita el @metro_madrid como un factor de riesgo en la propagación del covid-19, he realizado unas gráficas para mostrar las quejas de sus viajeros y su evolución. Hilo 🧵👇
2/ El Metro de Madrid sufrió una pérdida de calidad tras la crisis económica del 2008. La frecuencia de trenes se redujo dando lugar a frecuentes aglomeraciones. La falta de inversión produjo fallos en las escaleras mecánicas y afectó a los servicios de limpieza.
3/ Los viajeros se quejaban frecuentemente del servicio en Twitter y aparecieron perfiles como @SufridoresMetro que denunciaban el mal estado de este transporte público. Pensé que los usuarios del @metro_madrid podrían ser un sensor para medir su calidad del servicio.
Read 17 tweets
14 Sep
1/ Tras escribir dos hilos sobre los seguidores de dos perfiles negacionistas he recibido una virulenta reacción desde estos entornos. Siguiendo el dicho de “si la vida te da limones, haz limonada”, aquí va la limonada. Hilo 🧵🧵👇👇
2/ Descargué los comentarios y citas de relacionadas con los hilos y también su difusión. La API de Twitter me proporcionó 2245 interacciones desde 630 usuarios diferentes. Todas estas relaciones se muestran en el siguiente grafo (+ tamaño -> + interacción)
3/ Al ser un grafo con todo tipo de relaciones (comentarios, citas y RTs) la polarización no se observa tan claramente como en los grafos de solo RTs. La proximidad de los usuarios en el grafo no indica afinidad, solo interacción. Los comentarios fueron a favor y en contra
Read 9 tweets
6 Sep
1/ Con el objetivo de comprender cómo son los perfiles que siguen contenidos negacionistas del #covid19, voy a ir analizando perfiles destacados de la red de seguidores de @eldoctorpapaya. En este caso @gonzo_blogger del grupo de conspiranoicos patrios
2/ Este perfil se corresponde a una persona real que creó su perfil en twitter en el 2009, nunca ha cambiado de nombre pero sí la temática de sus tweets. Tiene muchos enlaces a su FB. Ha sido noticia por haber sido encarcelado y deportado de Lituania elconfidencial.com/amp/espana/202…
3/ Su actividad en Twitter empieza a incrementarse desde el inicio del confinamiento así como el número de seguidores (estas gráficas son cortesía de @barripdmx)
Read 23 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Too expensive? Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal Become our Patreon

Thank you for your support!

Follow Us on Twitter!