Resumen Técnico: La Estructura de la Participación y la Atención en el Discurso de Hezbollah en X (Arábigo)

Autor: Mohamed Soufan (Investigador Independiente y Científico de Datos)
Plataforma de estudio: X (anteriormente Twitter)
Idioma del discurso: Árabe
Periodo de análisis: 1 al 8 de marzo de 2026

1. Planteamiento del Problema

Las plataformas de redes sociales se han convertido en arenas centrales para la discusión política y la diseminación de información. Sin embargo, existe una brecha crítica entre la participación (quién publica contenido) y la atención (quién recibe interacciones). En el contexto del discurso político sobre actores significativos como Hezbollah, surge la pregunta fundamental: ¿quién captura realmente la atención en estas conversaciones en árabe?

Aunque la aparente apertura de las plataformas sugiere una diversidad de participantes, la literatura previa indica que la influencia y la atención suelen estar altamente concentradas en un pequeño número de usuarios. Este estudio busca cuantificar esta desigualdad en el discurso sobre Hezbollah, investigando si ciertos tipos de cuentas (medios vs. no medios) juegan un papel desproporcionado en la atracción de la audiencia.

2. Metodología

2.1 Recolección de Datos

• Fuente: Datos extraídos de X mediante consultas automatizadas a través de la plataforma en la nube Apify.
• Criterios de búsqueda: Consultas en árabe que incluyen el término "حزب هللا" (Hezbollah) y variaciones ortográficas.
• Filtros aplicados:
  • lang:ar: Restricción estricta a tweets en árabe.
  • -filter:retweets: Exclusión de retweets en la etapa de recolección para analizar solo el contenido original.
• Ventana temporal: 1 al 8 de marzo de 2026. Se utilizaron múltiples ejecuciones de scraping con ventanas de tiempo parcialmente superpuestas para maximizar la cobertura, dado que la API de búsqueda de X devuelve subconjuntos limitados.

2.2 Construcción y Preprocesamiento del Dataset

• Volumen final: 15,767 tweets únicos publicados por 8,148 usuarios.
• Limpieza: Se eliminaron tweets de cuentas automatizadas no humanas, específicamente las respuestas de la IA integrada de X (Grok), para asegurar que el análisis refleje la participación humana independiente.
• Deduplicación: Se eliminaron duplicados basándose en los IDs de los tweets, asegurando que cada publicación apareciera una sola vez incluso si fue capturada en múltiples ejecuciones.

2.3 Clasificación de Usuarios

Los usuarios se dividieron en dos categorías operativas basadas en metadatos de la cuenta (nombre de usuario, nombre de visualización y biografía):

1. Cuentas de Medios (Media-labeled): Identificadas mediante palabras clave relacionadas con medios (ej. "canal", "periódico", "agencia", "periodista") en árabe o inglés. Se aplicaron validaciones manuales para forzar la clasificación de cuentas parodia como "no medios" y asegurar la inclusión de instituciones mediáticas claras.
   • Resultado: 844 usuarios (10.4%).
2. Usuarios No Medios (Non-media): Individuos, comentaristas, activistas y cuentas sin etiquetas mediáticas explícitas.
   • Resultado: 7,304 usuarios (89.6%).

2.4 Métrica de Compromiso (Engagement)

La métrica de compromiso se definió como la suma de tres interacciones primarias por tweet:
$$\text{Engagement} = \text{Likes} + \text{Reposts} + \text{Replies}$$
Nota: Los "quote tweets" (citas de tweets) se excluyeron para evitar ambigüedades en la atribución de la interacción.

2.5 Enfoque Analítico

El análisis es descriptivo y se centra en:

• Comparar patrones de participación (volumen de tweets) entre grupos.
• Analizar patrones de atención (promedio de interacciones por tweet y distribución acumulada).
• Calcular la concentración de atención mediante la clasificación de usuarios por total de engagement y el cálculo de la cuota acumulada para el 1%, 5% y 10% superior.

3. Contribuciones Clave y Resultados

3.1 Concentración Extrema de la Atención

El hallazgo más significativo es la desigualdad extrema en la distribución del compromiso:

• El 1% superior de los usuarios (81 cuentas) captura el 61.5% de todo el engagement.
• El 5% superior captura el 90.6%.
• El 10% superior captura el 96.2% del engagement total.
  Esto demuestra que, aunque miles de usuarios participan, la audiencia se concentra masivamente en una élite muy pequeña de cuentas visibles.

3.2 Estructura de Participación vs. Producción de Contenido

Existe una distinción clara entre quién produce contenido y quién recibe atención:

• Participación: Los usuarios "no medios" dominan la producción de contenido, generando el 79.9% de los tweets (12,603 tweets) frente al 20.1% de las cuentas de medios.
• Volumen: Los usuarios no medios promedian 1.73 tweets por usuario, mientras que las cuentas de medios promedian 3.75.

3.3 Ventaja de Atención de los Medios

A pesar de producir menos contenido, las cuentas etiquetadas como "medios" tienen un rendimiento superior por unidad:

• Engagement promedio por tweet: Las cuentas de medios reciben 41.32 interacciones, frente a 30.84 de los usuarios no medios (una ventaja del ~34%).
• Distribución total: Debido al volumen masivo de los no medios, estos últimos aún generan la mayoría del engagement total (74.8%), mientras que los medios generan el 25.2%.

3.4 Composición de los Usuarios Más Influyentes

Al analizar el 1% de los usuarios con mayor engagement (los 81 más influyentes):

• Composición: 29.6% son cuentas de medios institucionales y 70.4% son usuarios no medios.
• Sobrerrepresentación: Las cuentas de medios, que son solo el 10.4% del total, constituyen casi el 30% de los usuarios más influyentes.
• Tipología: El grupo de alto engagement incluye una mezcla heterogénea: medios institucionales, periodistas, comentaristas políticos, portavoces oficiales y cuentas de parodia con grandes audiencias. La mayoría supera las 10,000 seguidores, y más de la mitad supera las 100,000.

4. Significado e Implicaciones

Este estudio revela una disparidad estructural en el discurso político en línea sobre Hezbollah:

1. Ilusión de Participación: Aunque la conversación parece democrática y ampliamente participativa en términos de volumen de publicaciones, la visibilidad y la atención están altamente centralizadas.
2. Papel de los Medios: Las identidades mediáticas (ya sean instituciones o individuos que se presentan como tal) actúan como amplificadores de atención, logrando una mayor resonancia por cada unidad de contenido publicado.
3. Dinámica de Influencia: La influencia no reside únicamente en los medios tradicionales, sino en un ecosistema mixto que incluye a figuras públicas, comentaristas y cuentas satíricas con grandes bases de seguidores.
4. Limitaciones y Proxy: La clasificación de "medios" se basa en metadatos de texto (palabras clave) y no en una distinción institucional estricta, lo que significa que la categoría captura "actores que se presentan como medios" más que una separación institucional pura.

En conclusión, el discurso político en X sobre Hezbollah, aunque generado mayoritariamente por ciudadanos comunes, es consumido y dirigido por una minoría muy reducida de cuentas altamente visibles, lo que sugiere que la estructura de la atención en redes sociales sigue patrones de desigualdad similares a los observados en otros contextos de redes sociales globales.