🔬 physics

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

Lo studio analizza milioni di tweet delle elezioni generali spagnole del 2015 e 2016, rivelando l'esistenza di modelli comportamentali collettivi ricorrenti e robusti, caratterizzati da una forte correlazione temporale, leggi di potenza nella distribuzione dell'attività e topologie di rete invariate tra le due campagne elettorali.

Autori originali: Samuel Martin-Gutierrez, Juan C. Losada, Rosa M. Benito

Pubblicato 2026-02-25

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Samuel Martin-Gutierrez, Juan C. Losada, Rosa M. Benito

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina Twitter non come un sito web, ma come una piazza pubblica gigantesca e rumorosa. In questa piazza, milioni di persone chiacchierano, urlano, ridono e si scambiano volantini.

Gli autori di questo studio sono come sociologi curiosi che hanno deciso di osservare questa piazza durante due momenti molto simili della storia spagnola: le elezioni generali del 2015 e quelle ripetute del 2016.

Ecco cosa hanno scoperto, spiegato con delle metafore:

1. Due concerti, la stessa melodia 🎵

La cosa più sorprendente è che, anche se i politici erano diversi e il contesto era cambiato (nel 2016 alcuni partiti si erano uniti in una coalizione), il ritmo della piazza è rimasto quasi identico.

L'analogia: Immagina di ascoltare la registrazione del traffico in due giorni diversi. Se guardi l'andamento delle auto, vedrai che il traffico si calma la mattina, esplode a mezzogiorno e si calma la sera. Lo stesso vale per Twitter: i picchi di messaggi (tweet) sono avvenuti esattamente negli stessi momenti delle due elezioni. È come se la piazza avesse un "orologio biologico" che non cambia, indipendentemente da chi sta parlando.

2. La legge del "Grande e del Piccolo" (Legge di Potenza) ⚖️

Gli studiosi hanno notato una regola matematica curiosa: più persone entrano nella piazza, più il rumore aumenta, ma non in modo lineare.

L'analogia: Pensa a una folla che si ingrandisce. Se raddoppi il numero di persone, il numero di conversazioni non raddoppia semplicemente: esplode! È come se ogni nuovo arrivato portasse con sé non solo la propria voce, ma anche l'energia per far parlare gli altri. Nel 2015, quando arrivavano nuove persone, il "rumore" cresceva in modo esplosivo. Nel 2016, è cresciuto in modo più stabile, ma la regola di fondo (che più gente c'è, più il caos aumenta) è rimasta la stessa.

3. Le tribù che non si parlano (Le Reti di Conversazione) 🏰

Hanno mappato chi parlava con chi. Hanno scoperto che la piazza è divisa in tribù ben separate.

L'analogia: Immagina che ogni partito politico sia un castello con le mura alzate. I cittadini dentro il castello del "Partito A" si scambiano messaggi tra loro, ma quasi mai lanciano pietre o lettere al "Partito B".
- Il risultato: C'è quasi zero dibattito tra i castelli nemici. Si parla solo con i propri amici.
- L'eccezione: Nel 2016, due partiti (Podemos e IU) hanno deciso di unire i loro castelli per formare una fortezza più grande (la coalizione). La mappa ha mostrato che, una volta uniti, i messaggi tra i cittadini di queste due fazioni sono esplosi, come se avessero abbattuto il muro di confine interno.

4. Chi è il vero "Altoparlante"? 📢

Hanno analizzato chi ha più influenza. Chi riesce a far girare il messaggio?

L'analogia: In questa piazza, ci sono due tipi di persone: i passanti comuni e i politici.
- I passanti comuni parlano, ma spesso nessuno li ascolta davvero.
- I politici, invece, hanno un megafono magico. Quando parlano, la loro voce viene amplificata e condivisa da migliaia di persone (i "retweet").
- La scoperta: I politici sono molto più efficienti nel diffondere i messaggi rispetto alla gente comune. Sanno come usare il megafono meglio di chiunque altro.

5. La resilienza della piazza 🛡️

La conclusione principale è che, anche se cambiano i politici, le leggi che governano come le persone si comportano in piazza restano le stesse.

L'analogia: È come se la struttura della piazza fosse fatta di cemento armato. Puoi cambiare i colori delle bandiere, i nomi dei leader o le regole temporanee, ma la gente continuerà a comportarsi allo stesso modo: si raggrupperà in tribù, seguirà un ritmo giornaliero e i leader avranno sempre più potere di diffusione.

In sintesi

Questo studio ci dice che la natura umana sui social media è prevedibile. Anche in momenti di grande cambiamento politico, le persone tendono a comportarsi in modo simile: creano le loro "bolle", seguono ritmi precisi e i leader politici riescono sempre a dominare la conversazione. È come se, dietro il caos apparente di Twitter, ci fosse una coreografia nascosta che si ripete ogni volta che c'è un'elezione.

Titolo

Pattern ricorrenti del comportamento degli utenti in diverse campagne elettorali: Un'analisi di Twitter delle elezioni generali spagnole del 2015 e del 2016.

1. Problema e Obiettivo

Il lavoro si concentra sull'analisi del comportamento collettivo degli utenti sui social media durante i processi elettorali. Sebbene l'attività individuale e gli attori politici possano variare tra diverse elezioni, gli autori si chiedono se esistano pattern comportamentali ricorrenti e robusti che persistano indipendentemente dal contesto sociale specifico.
Lo studio mira a confrontare due campagne elettorali spagnole molto vicine nel tempo (20 dicembre 2015 e 26 giugno 2016) per identificare:

Correlazioni nelle serie temporali dell'attività.
Proprietà topologiche stabili nelle reti di interazione.
L'impatto di cambiamenti politici significativi (come la formazione di una coalizione) sulla dinamica delle interazioni online.

2. Metodologia

Raccolta Dati

Fonte: Dati estratti tramite la Twitter Streaming API.
Periodo: Oltre due mesi prima e dopo ogni elezione, con un focus specifico sui 18 giorni centrali (15 giorni di campagna ufficiale + 1 giorno di silenzio elettorale + giorno delle elezioni + giorno successivo).
Dataset: Circa 1,79 milioni di tweet nel 2015 e 1,75 milioni nel 2016.
Filtri: Utilizzo di parole chiave neutre (es. #EleccionesGenerales2015, 20D, 26J) per evitare bias di selezione.
Account Politici: Identificazione di 5.227 account politici nel 2015 e 5.012 nel 2016, associati ai principali partiti (PP, PSOE, Podemos, Cs, IU).

Costruzione delle Reti

Gli autori hanno costruito due tipi di reti dirette e ponderate:

Rete delle Menzioni (@): Un link diretto da $j$ a $i$ esiste se $j$ menziona $i$ in un tweet. Il peso è il numero totale di menzioni.
Rete dei Retweet (RT): Un link diretto da $j$ $j$ a $i$ $i$ esiste se $j$ $j$ fa retweet di un messaggio originale di $i$ $i$ .
- Nota metodologica: I link nella rete dei retweet collegano direttamente il retweeter all'autore originale, saltando eventuali intermediari (a causa delle limitazioni dei metadati dell'API di quel periodo).

Analisi Statistica e Metriche

Serie Temporali: Analisi dell'attività giornaliera totale e distribuzione dell'attività per utente.
Legge di Potenza: Adattamento dei dati a leggi di potenza per analizzare la relazione tra numero di utenti unici e volume di attività (tweet, retweet, menzioni).
Topologia di Rete: Calcolo di grado (in/out), distribuzione dei gradi, densità, coefficiente di clustering e assortatività.
Efficienza Utente ( $\eta$ ): Definita come il rapporto tra il numero di retweet ricevuti e il numero di post originali ( $\eta = RTs / Posts$ ).
Analisi delle Coalizioni: Confronto tra la partizione per partito e una partizione che raggruppa Podemos e IU (coalizione UP) nel 2016, utilizzando l'indice di mixing assortativo ( $r_m$ ).

3. Risultati Chiave

A. Evoluzione Temporale dell'Attività

Correlazione Lineare: Esiste una forte correlazione lineare ( $r^2 = 0,99$ ) tra le serie temporali di attività delle due elezioni, indicando che i cicli di attività (picchi durante i dibattiti, calo nel giorno del silenzio elettorale) sono quasi identici.
Legge di Potenza: Il numero giornaliero di tweet, retweet e menzioni segue una legge di potenza rispetto al numero di utenti unici.
- Nel 2015, l'esponente $\alpha$ era leggermente super-lineare ( $\approx 1,20$ ), suggerendo che l'attività cresceva più che proporzionalmente all'ingresso di nuovi utenti.
- Nel 2016, il comportamento è risultato quasi lineare ( $\alpha \approx 1,04$ ).
Distribuzione dell'Attività: La distribuzione dell'attività giornaliera per utente segue una legge di potenza discreta con esponente $\gamma$ che oscilla stabilmente tra 2,0 e 2,5, confermando la robustezza del comportamento collettivo.

B. Evoluzione Topologica delle Reti

Struttura delle Comunità: Le reti mostrano comunità ben definite corrispondenti ai partiti politici. La rete delle menzioni mostra una struttura più "a stella" con mediazione dei mass media, mentre le reti di retweet sono altamente assortative (gli utenti tendono a interagire con chi la pensa come loro).
Robustezza Topologica: Le proprietà topologiche (distribuzione dei gradi, assortatività) sono rimaste estremamente stabili tra il 2015 e il 2016, con variazioni minime negli esponenti delle leggi di potenza (circa 1%). Questo suggerisce che la dinamica sottostante è resiliente ai cambiamenti del contesto sociale.
Assortatività: Le reti mostrano un forte mixing assortativo (gli utenti interagiscono prevalentemente con il proprio partito). Il giorno dopo le elezioni si osserva un lieve calo dell'assortatività dovuto a scambi di messaggi tra partiti diversi (congratulazioni o critiche), ma la struttura di fondo rimane segregata.

C. Efficienza e Comunicazione tra le Elite

Efficienza degli Utenti: La distribuzione dell'efficienza ( $\eta$ ) segue una legge di potenza per tutti gli utenti. Tuttavia, gli account politici tendono ad avere una probabilità maggiore di avere un'efficienza alta ( $\eta > 1$ ) rispetto agli utenti regolari, dimostrando una maggiore capacità di propagazione dei messaggi.
Mancanza di Dibattito: Le matrici di adiacenza delle reti indotte dagli account politici mostrano una quasi totale assenza di comunicazione tra partiti diversi (i link diagonali sono più pesanti di due ordini di grandezza).
Impatto della Coalizione: Nel 2016, la formazione della coalizione UP (Podemos + IU) ha avuto un effetto misurabile. L'analisi del mixing assortativo ha rivelato che, sebbene l'assortatività per partito fosse simile al 2015, l'assortatività per coalizione è risultata significativamente più alta nel 2016, confermando un'intensificazione delle interazioni interne alla coalizione.

4. Contributi e Significatività

Robustezza dei Pattern: Lo studio dimostra che, nonostante i cambiamenti nel panorama politico (passaggio da un sistema bipartitico a multipartitico, formazione di coalizioni), i pattern collettivi di comportamento su Twitter durante le elezioni spagnole sono robusti e ricorrenti.
Validazione di Modelli: I risultati confermano modelli precedenti (es. studio sulle elezioni del 2011) e suggeriscono che le dinamiche di interazione politica online seguono leggi fisiche e sociali stabili, indipendenti dal contesto specifico.
Impatto delle Coalizioni: Fornisce una prova quantitativa di come la formazione di coalizioni politiche offline si rifletta immediatamente e misurabilmente nelle reti di interazione online, modificando i pattern di assortatività.
Applicabilità: I metodi sviluppati possono essere utilizzati per rilevare comportamenti anomali o atipici in future campagne elettorali, offrendo uno strumento per monitorare la salute del dibattito democratico e l'uso strategico dei social media.

In conclusione, il paper stabilisce che le dinamiche di Twitter durante le elezioni spagnole sono governate da principi strutturali stabili, dove la segregazione politica e i pattern di attività collettiva persistono anche in scenari politici in rapida evoluzione.