Paid Voices vs. Public Feeds: Interpretable Cross-Platform Theme-Based Analysis of Climate Discourse

Resumen Técnico: Voces Pagadas frente a Feeds Públicos

Planteamiento del Problema
El discurso climático en línea moldea la comprensión pública y las políticas, pero se desarrolla en entornos estructuralmente distintos. Las plataformas de publicidad pagada (por ejemplo, Meta) albergan mensajes estratégicos, producidos institucionalmente, diseñados para la persuasión dirigida, mientras que las redes sociales públicas (por ejemplo, Bluesky) reflejan una discusión orgánica impulsada por los usuarios. La labor computacional previa ha examinado mayoritariamente estos entornos de forma aislada, centrándose en tareas como el modelado de temas o la detección de posturas dentro de una sola plataforma. Esto deja un vacío en la comprensión de si los patrones temáticos son compartidos entre los entornos de comunicación o si son específicos del medio. Además, los métodos existentes suelen depender de inventarios de temas predefinidos o conjuntos de semillas, que pueden no capturar los matices emergentes y específicos de cada plataforma en el discurso climático.

Metodología
Los autores presentan un análisis comparativo del discurso climático en anuncios pagados en Meta y publicaciones públicas en Bluesky desde julio de 2024 hasta septiembre de 2025. El estudio utiliza un conjunto de datos de 17,026 anuncios de Meta deduplicados y 19,182 publicaciones de Bluesky deduplicadas, recolectados mediante palabras clave curadas relacionadas con el clima.

La contribución central es un pipeline de descubrimiento temático interpretable que opera sin inventarios de temas predefinidos ni conjuntos de semillas. La metodología procede de la siguiente manera:

1. Incrustación y Agrupamiento (Embedding and Clustering): Los textos se incrustan utilizando SentenceBERT (all-MiniLM-L6-v2) con normalización L2, seguido de una reducción de dimensionalidad mediante PCA y UMAP. Los textos semánticamente similares se agrupan mediante HDBSCAN.
2. Filtrado de Coherencia: Los clusters iniciales se filtran por coherencia semántica utilizando un LLM (Mistral-Large-Instruct-2407), que juzga si los textos representativos dentro de un cluster reflejan un único tema subyacente.
3. Resumen y Etiquetado: Para los clusters retenidos, se utilizan los top-k textos representativos para generar resúmenes concisos a través del LLM. Estos resúmenes se fusionan basándose en la similitud de sus incrustaciones (embeddings) y se les asignan etiquetas de temas interpretables por humanos (de 1 a 3 palabras).
4. Asignación: Los textos se asignan a los temas mediante dos estrategias: (i) emparejando el texto con el resumen del cluster más similar, o (ii) asignando directamente el texto a la etiqueta de tema generada.

El marco fue evaluado frente a líneas de base estándar (LDA, BERTopic, TopicGPT) utilizando tanto anotadores humanos como un juez de LLM. Adicionalmente, la utilidad de los temas descubiertos se validó mediante tareas posteriores: predicción de postura y recuperación guiada por temas.

Resultos Clave
El análisis revela divergencias sistemáticas entre el discurso climático pagado y el orgánico en cuanto a estructura temática, registro retórico y capacidad de respuesta temporal:

• Estructura Temática: La publicidad pagada (Meta) se concentra en la promoción estratégica de soluciones específicas (por ejemplo, "Urgencia de incentivos solares", "Impulso de eólica marina") y diversos temas promocionales. En contraste, el discurso orgánico (Bluesky) está fuertemente concentrado en la crítica sistémica a actores corporativos y políticos (por ejemplo, "Sabotaje climático corporativo", "Greenwashing expuesto"). Un único tema orientado a la crítica en Bluesky representó un volumen de texto mayor que los cuatro temas dominantes de Meta combinados.
• Registro Retórico: Los anuncios de Meta exhiben un registro formal, autoritario y orientado a soluciones, puntuando más alto en "Analítico" y "Prestigio" (LIWC) y enfatizando actores individuales y marcos futuros. Las publicaciones de Bluesky son más personales, orientadas a la crisis y con base científica, puntuando más alto en el encuadre de "Autenticidad" y "Crisis", con un enfoque en actores institucionales y crítica sistémica.
• Alineación de Postura: Los temas inducidos demuestran una alineación de postura coherente. Los temas Pro-Clima se alinean con posturas Pro-Clima, y los temas Pro-Energía con posturas Pro-Energía. Los métodos de los autores produjeron correlaciones más concentradas que los modelos de tópicos de línea de base (LDA, BERTopic), que arrojaron correlaciones difusas.
• Capacidad de Respuesta Temporal: Las plataformas responden a eventos importantes en direcciones opuestas. Tras las elecciones de EE. UU. de noviembre de 2024, la publicidad climática pagada se contrajo significativamente en todos los temas principales, mientras que el discurso orgánico se expandió, con un aumento de los temas orientados a la crítica. Del mismo modo, durante los incendios forestales de California en enero de 2025, el discurso orgánico se expandió con un aumento en la atribución causal y el tono negativo, mientras que los patrones publicitarios cambiaron de forma distinta.

Significancia y Contribuciones
El artículo realiza tres contribuciones principales:

1. Dataset: Construye y publica el primer conjunto de datos multiplataforma que permite la comparación directa entre la publicidad climática pagada y el discurso climático público.
2. Marco de Trabajo (Framework): Desarrolla un pipeline de descubrimiento temático interpretable que se generaliza al análisis multiplataforma sin requerir inventarios de temas predefinidos ni conjuntos de semillas. Se demuestra que los temas inducidos son más coherentes y consistentes en su postura que los modelos de tópicos estándar de línea de base (LDA, BERTopic).
3. Hallazgos Empíricos: Proporciona una caracterización descriptiva de cómo difiere el discurso climático a través de entornos de comunicación heterogéneos. Los hallazgos ilustran que el discurso pagado y el público no son meras variaciones de la misma conversación, sino que reflejan orientaciones comunicativas fundamentalmente distintas: persuasión estratégica frente a crítica sistémica.

Los autores señalan que, si bien el marco se generaliza a otros dominios, el análisis es descriptivo más que causal. Reconocen limitaciones respecto a la generalizabilidad de los hallazgos a otras plataformas debido a las diferencias en la demografía de los usuarios y las políticas de moderación, así como el potencial de sesgos inherentes a los LLM utilizados para el etiquetado de temas. El trabajo no pretende inferir la intención del hablante ni los efectos causales de los incentivos de las plataformas, sino que ofrece un método robusto para el análisis temático comparativo.