1/ 🧵El domingo ocurrió el fenómeno más viral en Twitter visto en España y yo estaba en otras cosas. Me enteré por @begogomezurzaiz, pero cuando fui a mirarlo @elenacanizares_ ya había borrado el hilo. No eran las mejores circunstancias, pero pude hacer algo. Hilo 👇👇👇
2/ Me descargué los tweets que contenían “Elena Cañizares” o @elenacanizares_ y me encontré con la sorpresa de 265.163 tweets. Me puse manos a la obra para analizarlos, aunque mis ocupaciones me han retrasado la publicación de este hilo
3/ Primero visualicé la propagación temporal para resaltar qué perfiles con más de 50.000 seguidores habían facilitado la propagación de la historia de Elena, que en el momento de escribir el hilo tenía pocos seguidores y por tanto poco alcance (click para ampliar)
4/ La gráfica representa dos variables: Los tweets publicados por hora (barras azules) y la suma de los seguidores que tenían los que habían publicado a esa hora (línea roja). Las variables tienen distinta escala, pero visualmente están ajustadas proporcionalmente.
5/ Los primeros perfiles que le dieron visibilidad fueron influencers de distintos tipos, gamers, youtubers, escritores, actores… Luego se distribuyó por algunos perfiles próximos Podemos y al final aterrizó en los medios, con la @COPE en cabeza
6/ Antes que el hilo de Elena despareciera, fructificaron muchas secuelas en formas de memes, concursos, encuestas, o mensajes sin más. Esta fue su propagación. La forma del grafo en un solo bloque indica ausencia de controversia, pero algo se escapa arriba por la derecha
7/ Lo que se escapa es @pccomponentes, atento a una oportunidad de captar atención: Sorteazo con un concurso de ideas para el nombre de un chat con Elena Cañizares. Se aleja porque le retuiteó mucha gente que no estaba en la conversación de Elena
8/ A Elena Cañizares le brotaron 40.000 seguidores en 24 horas. Gracias a @BarriPdmx que descargó los datos de las conexiones de los seguidores (lenta y ardua tarea), pude hacer el grafo de cómo están conectados.
9/ El grafo ha salido con forma de pajarito Twitter 😊 y las alitas podrían ser los seguidores de Elena antes del boom, ya que lo que tienen en común es que son perfiles de Ciudad Real. En todo el medio se encuentra @CoronaVid19
10/ Este caso de viralidad se estudiará en las escuelas de marketing, así que aquí quedan estos gráficos para la posteridad con licencia de Creative Commons
• • •
Missing some Tweet in this thread? You can try to
force a refresh
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
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
🧵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
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_…
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.
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