🔬 physics

Recurrent patterns of user behavior in different electoral campaigns: A Twitter analysis of the Spanish general elections of 2015 and 2016

Este estudio analiza millones de tuits de las elecciones generales españolas de 2015 y 2016 para demostrar que existen patrones recurrentes de comportamiento colectivo, como correlaciones lineales en la actividad diaria y topologías de red estables, que se mantienen consistentes a pesar de los cambios en el contexto social.

Autores originales: Samuel Martin-Gutierrez, Juan C. Losada, Rosa M. Benito

Publicado 2026-02-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Samuel Martin-Gutierrez, Juan C. Losada, Rosa M. Benito

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Hola! Imagina que las elecciones son como un gran partido de fútbol que dura varias semanas, y Twitter es la enorme grada donde todos los aficionados gritan, discuten, comparten jugadas y se animan entre sí.

Los autores de este estudio (un equipo de científicos de la Universidad Politécnica de Madrid) decidieron hacer algo muy curioso: compararon dos partidos de fútbol que se jugaron muy seguidos en España, uno en diciembre de 2015 y el otro en junio de 2016.

Aquí tienes la explicación de lo que descubrieron, traducida a un lenguaje sencillo y con algunas analogías divertidas:

1. El "Latido" del Partido es el Mismo

Imagina que la actividad en Twitter es como el ritmo cardíaco de la gente.

Lo que hicieron: Miraron el "pulso" diario de los tweets (mensajes) durante ambas campañas.
Lo que descubrieron: ¡Es asombroso! El ritmo de los gritos en la grada fue casi idéntico en ambos años. Cuando empezaba la campaña, el corazón se aceleraba; cuando había un debate importante, daba un salto; y el día de la elección, ¡pum! Un pico gigante de actividad.
La analogía: Es como si, aunque los jugadores (los políticos) y el equipo (los partidos) cambiaran un poco, la forma en que la gente se emociona y grita en el estadio sigue la misma partitura musical.

2. La Ley de la "Multitud" (Más gente, más ruido)

Los investigadores se preguntaron: "Si llegan más personas a la grada, ¿el ruido aumenta igual que el número de personas?"

Lo que descubrieron: Sí, pero con un truco. La relación entre el número de usuarios y la cantidad de mensajes sigue una ley matemática especial (llamada "ley de potencia").
La analogía: Piensa en una fogata. Si echas un poco más de leña (más usuarios), el fuego (los mensajes) crece de forma predecible. En 2015, añadir más gente hacía que el fuego creciera un poco más rápido que en 2016, pero la regla básica de cómo crece el fuego se mantuvo igual.

3. Los "Círculos de Amigos" no Cambian

En Twitter, la gente se conecta de dos formas principales:

Mencionar: Como gritar el nombre de alguien para que te escuche.
Retwittear: Como copiar lo que dijo alguien y pasárselo a tus propios amigos.

Lo que descubrieron: La estructura de estas conexiones no cambió entre 2015 y 2016.
La analogía: Imagina que los partidos políticos son como tribus en un mercado.
- En el mapa de las "menciones", las tribus se ven claras: la gente habla mucho dentro de su propia tribu, pero casi nunca con la tribu vecina.
- En el mapa de los "retweets", se ve como una estrella gigante: un líder (o un medio de comunicación) grita algo y miles de personas lo repiten.
- El hallazgo clave: Aunque hubo cambios políticos (como la formación de una alianza entre dos partidos en 2016), la forma en que se organizan las tribus y cómo se repite la información no se rompió. La dinámica es muy resistente, como un árbol que se dobla con el viento pero no se rompe.

4. Los Políticos son "Megáfonos" más Potentes

¿Quién tiene más influencia en la grada? ¿El aficionado normal o el capitán del equipo?

Lo que descubrieron: Los políticos son mucho más eficientes. Cuando un político habla, la gente le hace mucho más caso que cuando habla un usuario normal.
La analogía: Un usuario normal tiene una voz de pajarito. Un político tiene un megáfono. Si un político dice "¡Gritad!", la grada responde. Además, los políticos de todos los partidos tienen un "megáfono" de tamaño similar; ninguno es significativamente más fuerte que el otro en términos de capacidad de difusión.

5. El Silencio y la "Guerra Fría"

El silencio: En España, hay una ley que prohíbe hacer campaña el día antes de la elección. Los autores vieron que, ese día, la actividad en Twitter caía en picado. ¡La grada se callaba porque los jugadores (políticos) habían dejado de gritar!
La falta de debate: Lo más curioso es que los partidos casi no se hablan entre ellos.
- La analogía: Es como si en un debate televisado, cada candidato mirara solo a su propia cámara y hablara con su público, ignorando por completo a los otros candidatos. Se hablan mucho a sí mismos (retuitean a sus propios seguidores), pero casi nunca se retuitean entre partidos rivales.
- La excepción: Cuando dos partidos decidieron hacer una alianza (unirse para formar un solo equipo) en 2016, ¡de repente empezaron a hablarse mucho más! Fue como si dos tribus que antes no se miraban, de repente empezaran a compartir la fogata.

En Resumen

El mensaje principal de este estudio es que, aunque los políticos cambien, las leyes o los resultados sean distintos, la forma en que la gente se comporta en redes sociales durante las elecciones es muy predecible y repetitiva.

Es como si tuviéramos un "manual de instrucciones" oculto sobre cómo reacciona la sociedad española en Twitter: se emociona igual, se agrupa en las mismas tribus y sigue las mismas reglas de juego, año tras año. Esto es útil porque, si vemos un comportamiento que no sigue estas reglas, sabremos que algo extraño está pasando.

A continuación presento un resumen técnico detallado del artículo "Patrones recurrentes de comportamiento de usuario en diferentes campañas electorales: Un análisis de Twitter de las elecciones generales españolas de 2015 y 2016", estructurado según los componentes solicitados.

1. Problema y Contexto

El estudio aborda la necesidad de comprender los patrones de comportamiento colectivo en redes sociales durante procesos electorales. Aunque existen numerosos estudios sobre el uso de Twitter en política (predicción de resultados, análisis de sentimiento, interacciones entre partidos), hay una falta de investigación comparativa que analice la robustez de los patrones dinámicos entre campañas electorales consecutivas en un contexto social similar.

El objetivo principal es determinar si, a pesar de los cambios en los actores políticos individuales y en el escenario político (como la formación de coaliciones), existen patrones recurrentes y estables en la actividad de los usuarios y en la topología de las redes de interacción. El caso de estudio son las elecciones generales españolas de diciembre de 2015 y junio de 2016, dos eventos muy cercanos en el tiempo que permitieron comparar dos sistemas sociales análogos con un contexto similar, pero con variaciones en la configuración de los partidos (la transición de un sistema bipartidista a uno multipartidista y la formación de la coalición "Unidos Podemos").

2. Metodología

Los autores utilizaron una aproximación basada en la ciencia de redes complejas y el análisis de series temporales:

Recopilación de Datos: Se extrajeron millones de tuits mediante la Twitter Streaming API utilizando palabras clave neutrales específicas para cada elección (ej. #EleccionesGenerales2015, 26J, etc.). El periodo de análisis cubrió los 15 días de la campaña oficial, el día de reflexión, el día de la votación y el día posterior.
- 2015: ~1.79 millones de tuits.
- 2016: ~1.75 millones de tuits.
Construcción de Redes: Se construyeron redes dirigidas y ponderadas basadas en dos mecanismos de interacción:
- Menciones (@): Un usuario menciona a otro.
- Retuits: Un usuario retransmite un mensaje original. Se construyó la red conectando al retuiteador directamente con el autor original, ignorando a los intermediarios, basándose en los metadatos de la API.
Escalas Temporales: Se analizaron redes agregadas para todo el periodo y redes diarias para estudiar la evolución temporal.
Métricas Analíticas:
- Series temporales: Correlación lineal entre la actividad diaria de ambas elecciones.
- Leyes de Potencia: Ajuste de la relación entre el número de tuits/retuits/menciones y el número de usuarios únicos ( $E(t) \propto N(t)^\alpha$ ).
- Distribuciones de Grado: Cálculo de exponentes ( $\gamma$ ) para las distribuciones de grado de entrada ( $k_{in}$ ) y salida ( $k_{out}$ ) usando el estimador de máxima verosimilitud (MLE).
- Estructura de Red: Modularidad (algoritmo Louvain), coeficiente de agrupamiento, y assortatividad (mezcla preferente) por afiliación partidista.
- Eficiencia: Métrica definida como la relación entre retuits recibidos y publicaciones originales ( $\eta = RTs/Posts$ ).
- Redes C (C-networks): Subgrafos inducidos por cuentas políticas, agrupando usuarios por partido en "supernodos" para analizar el flujo de comunicación entre facciones.

3. Contribuciones Clave

Comparativa Temporal Rigurosa: Es uno de los primeros estudios que compara sistemáticamente dos campañas electorales consecutivas en el mismo país para aislar patrones estructurales recurrentes frente a cambios contextuales.
Identificación de Robustez Estructural: Demuestra que la topología de las redes de interacción (menciones y retuits) y sus dinámicas subyacentes son estables a pesar de cambios significativos en el panorama político (ej. formación de coaliciones).
Caracterización de la Eficiencia Política: Cuantifica y compara la eficiencia de propagación de mensajes entre usuarios regulares y políticos, estableciendo que los políticos operan con una eficiencia significativamente mayor.
Detección de Efectos de Coalición: Proporciona evidencia cuantitativa de cómo la formación de una coalición política (Podemos-IU) altera las métricas de assortatividad en la red, aumentando la interacción interna entre los grupos aliados.

4. Resultados Principales

Correlación en Series Temporales: Existe una correlación lineal significativa ( $r^2 = 0.99$ ) entre las series temporales de actividad diaria de 2015 y 2016. Los picos de actividad coinciden con eventos offline (debates, día de la votación) y la "silencio electoral" provoca una caída predecible en ambas campañas.
Comportamiento de Ley de Potencia:
- El número de tuits, retuits y menciones sigue una ley de potencia respecto al número de usuarios únicos.
- En 2015, el crecimiento fue ligeramente superlineal ( $\alpha > 1$ ), mientras que en 2016 fue aproximadamente lineal ( $\alpha \approx 1$ ), indicando que en 2015 la entrada de nuevos usuarios generó un incremento proporcionalmente mayor en la actividad.
- La distribución de la actividad diaria de los usuarios sigue una ley de potencia discreta con exponentes $\gamma$ estables entre 2.0 y 2.5 en ambas campañas.
Topología de Redes:
- Las redes muestran una estructura de comunidades claramente definida por partidos políticos.
- La heterogeneidad de las redes es alta (distribuciones de grado con colas pesadas).
- La assortatividad (tendencia a conectar con nodos similares) es muy alta, especialmente en las redes de retuits, indicando una fuerte polarización y falta de debate entre partidos rivales.
- Las métricas topológicas (exponentes de grado, correlaciones) varían menos del 10% entre años, confirmando la robustez de la dinámica subyacente.
Eficiencia de los Usuarios:
- La distribución de eficiencia sigue una ley de potencia con cola pesada.
- Las cuentas políticas tienen una probabilidad significativamente mayor de tener alta eficiencia ( $\eta > 1$ ) en comparación con usuarios regulares, lo que sugiere que los políticos son más efectivos propagando mensajes.
Dinámica de Debate y Coaliciones:
- Se confirma una falta casi total de comunicación (debate) entre partidos rivales; los enlaces más fuertes son intra-partidarios.
- En 2016, la formación de la coalición Unidos Podemos (Podemos + IU) se refleja en un aumento drástico de la interacción entre estos dos grupos, reduciendo la assortatividad global en comparación con 2015, donde no existía tal alianza.
- La assortatividad disminuye ligeramente el día después de las elecciones, sugiriendo un aumento temporal de interacciones entre partidos para comentar resultados o negociar coaliciones.

5. Significado e Implicaciones

El estudio concluye que existen patrones de comportamiento colectivo recurrentes en las campañas electorales españolas que son robustos frente a cambios en el contexto social y político. Esto sugiere que la dinámica de la conversación en Twitter está gobernada por mecanismos estructurales estables (como la forma en que los usuarios adoptan la información y se agrupan) más que por los actores específicos o los eventos únicos.

Implicaciones prácticas:

Detección de Anomalías: Estos patrones base pueden servir como línea de referencia para detectar comportamientos atípicos en futuras elecciones, lo que podría ayudar a identificar manipulación de datos, bots o intervenciones externas no naturales.
Comprensión de la Polarización: La evidencia de la falta de debate entre partidos y la alta assortatividad refuerza la idea de que las redes sociales en contextos políticos tienden a crear "cámaras de eco" y no fomentan el diálogo inter-partidista.
Validación de Modelos: Los resultados apoyan la idea de que los modelos de redes complejas pueden predecir comportamientos macro-sociales en sistemas políticos, independientemente de la evolución específica de los partidos.

En resumen, el artículo demuestra que, aunque los actores y las alianzas cambian, la "física" de la interacción humana en Twitter durante elecciones mantiene una estructura matemática y topológica consistente.