Circadian Modulation of Semantic Exploration in Social Media Language

Resumen Técnico: Modulación Circadiana de la Exploración Semántica en el Lenguaje de las Redes Sociales

Planteamiento del Problema
Si bien se sabe que la cognición humana exhibe una fuerte modulación circadiana que afecta la atención, el afecto y la toma de decisiones, la influencia de estos ritmos biológicos sobre el comportamiento semántico de alta dimensión sigue siendo insuficientemente comprendida. Análisis previos a gran escala de las redes sociales han establecido ritmos diarios en la expresión emocional y la frecuencia de palabras (por ejemplo, el afecto positivo alcanza su pico en la mañana), pero no está claro si estas fluctuaciones reflejan cambios en la exploración semántica —la flexibilidad cognitiva para transitar por nuevas ideas frente a la adherencia a expresiones familiares—. Además, la investigación existente no ha distinguido suficientemente entre la variabilidad semántica a nivel individual y la diversidad semántica a nivel poblacional, ni ha determinado si la exploración semántica es simplemente un subproducto del estado de ánimo o una dimensión cognitiva distinta.

Metodología
Los autores analizaron un corpus a gran escala de 2,921,362 publicaciones de Reddit de enero a diciembre de 2024, centrándose en cuatro países con altos volúmenes de publicaciones: Estados Unidos, India, el Reino Unido y Canadá. El estudio empleó un flujo de trabajo técnico de múltiples etapas:

1. Preprocesamiento de Datos y Geolocalización: Las publicaciones se filtraron para excluir contenido NSFW, bots y texto que no fuera en inglés. La atribución geográfica se realizó mediante una estrategia jerárquica (dominios de nivel superior de URL, nombres de subreddits, author flair y Reconocimiento de Entidades Nombradas) para asignar las publicaciones a ciudades y zonas horarias específicas. Las marcas de tiempo se convirtieron a la hora civil local, contabilizando el Horario de Verano (DST).
2. Incrustación Semántica (Semantic Embedding): El texto (título + cuerpo del mensaje) se procesó utilizando el modelo transformer preentrenado sentence-transformers/all-mpnet-base-v2 para generar vectores de alta dimensión normalizados.
3. Métricas de Entropía: Se derivaron dos medidas complementarias de la exploración semántica a partir de la entropía de información de Shannon:
   • Entropía Semántica Local ($H_{local}$): Calculada para publicaciones individuales utilizando una distancia de $k$-vecinos más cercanos ($k=10$) en el espacio de incrustación ($H_{local}(x_i) = \log(r_k(x_i))$). Esto mide qué tan distinta es una publicación específica de otras en el mismo intervalo horario, reflejando la exploración a nivel individual.
   • Entropía Semántica Global ($H_{global}$): Calculada como la entropía diferencial de la distribución de todas las incrustaciones dentro de una hora específica para un país, utilizando el determinante de la matriz de covarianza ($H_{global} = \frac{1}{2}\log((2\pi e)^d \det(\Sigma))$). Esto mide la amplitud general del espacio semántico cubierto por la población.
4. Sentimiento y Validación: El sentimiento se cuantificó mediante el analizador VADER. Para validar la medida de entropía semántica frente a ritmos establecidos, los autores digitalizaron los perfiles de desviación estándar del uso de palabras de emoción positiva y tristeza de un estudio previo de Twitter (Dzogang et al., 2017).
5. Modelado Estadístico: La ritmicidad circadiana se evaluó mediante modelos de cosinor de 24 horas de un solo componente. El arrastre estacional se analizó correlacionando los picos/valles de entropía con los tiempos de salida y puesta del sol. El análisis de conglomerados (HDBSCAN) y el ajuste de ley de potencia se utilizaron para examinar la organización temporal de los temas semánticos.

Resultos Clave

• Ritmicidad Circadiana Robusta: Los cuatro países exhibieron una ritmicidad de 24 horas significativa en la entropía semántica local ($P_{fdr} < 0.001$). El pico de exploración semántica (acrofase) ocurrió consistentemente en las primeras horas de la mañana (aprox. 3:00–5:00 AM hora local), con valores de $R^2$ entre 0.73 y 0.78.
• Arrastre Estacional: En los EE. UU., el tiempo del valle de la entropía semántica se correlacionó positivamente con los tiempos de la puesta del sol ($r=0.68$), lo que sugiere que las señales de luz estacionales (fotoperiodo) pueden arrastrar la fase de la actividad semántica.
• Disociación del Sentimiento: La relación entre la exploración semántica y el sentimiento fue débil e inconsistente. Si bien la entropía semántica se correlacionó con la variabilidad del uso de palabras relacionadas con la tristeza (del estudio de referencia), no se correlacionó con las puntuaciones medias de sentimiento. En algunos países, la correlación fue negativa; en otros, positiva. Esto indica que la exploración semántica captura una dimensión cognitiva distinta de la valencia afectiva.
• Disociación Temporal (Local vs. Global): Se observó una disociación temporal sistemática:
  • La entropía local (exploración individual) alcanzó su pico en la madrugada.
  • La entropía global (diversidad poblacional) alcanzó su pico más tarde en el día (aprox. 14:00–17:00), siguiendo de cerca el volumen total de publicaciones.
• Dinámicas de "El que es rico se hace más rico" (Rich-Get-Richer): La ganancia marginal en la entropía semántica global por cada publicación adicional disminuyó significamente a medida que avanzaba el día. Las publicaciones tempranas contribuyeron sustancialmente a la diversidad semántica, mientras que las publicaciones posteriores mostraron rendimientos decrecientes, acumulándose dentro de los clústeres ya establecidos. Esto sigue una distribución de ley de potencia ($P(s) \sim s^{-1.60}$), lo que indica que la población se involucra cada vez más con los centros semánticos existentes en lugar de explorar regiones novedosas.

Contribuciones Clave

1. Cuantificación de la Exploración Semántica: El estudio introduce un método para cuantificar los dilemas de exploración-explotación semántica en el lenguaje natural utilizando incrustaciones de transformadores y medidas de entropía, yendo más allá de la simple frecuencia de palabras.
2. Patrones Circadianos a Escala Específica: Demuestra que los ritmos circadianos operan de manera diferente a nivel individual (exploración de la madrugada) frente al nivel poblacional (acumulación/explotación de la tarde), revelando un proceso diario de dos etapas.
3. Independencia del Afecto: El trabajo proporciona evidencia de que la diversidad semántica no es meramente un subproducto de las fluctuaciones del estado de ánimo, sino que representa un proceso cognitivo distinto, potencialmente vinculado a los sistemas neuromoduladores que regulan la flexibilidad cognitiva.
4. Consistencia Transnacional: Los hallazgos establecen que estos patrones semánticos circadianos son robustos a través de diversas culturas y geografías, lo que sugiere una propiedad general de la dinámica cognitiva humana.

Significancia y Reivindicaciones
El artículo sostiene que los ritmos circadianos biológicos se extienden hacia el dominio semántico, influyendo no solo en qué dice la gente, sino en qué tan diversamente expresa las ideas. El pico de exploración semántica local observado en la madrugada se alinea con los patrones diurnos conocidos de los sistemas neuromoduladores, específicamente el tono dopaminérgico, el cual está asociado con la flexibilidad conductual y la exploración en estados de vigilia.

Los autores postulan que la estructura temporal del lenguaje en las redes sociales refleja un mecanismo cognitivo fundamental: el día comienza con una fase de amplia exploración semántica (alta entropía local), seguida de una fase de consolidación donde la comunidad expande colectivamente el espacio semántico pero se concentra cada vez más en temas establecidos (alta entropía global, rendimientos marginales decrecientes). Este patrón es consistente con las dinámicas de red de "el que es rico se hace más rico" y sugiere que la biología circadiana moldea la arquitectura fundamental de la comunicación humana y la flexibilidad cognitiva en entornos naturales.