Greta Thunberg como personaje viralizador de los tuit del sector informativo durante la cumbre del clima COP25

Abstract

El objetivo de la investigación fue determinar en qué medida los medios de información publicaron contenidos relacionados con Greta Thunberg durante la cumbre del clima COP25 y cómo fueron las interacciones de esta activista con los medios a través de la red social Twitter, además de analizar el modo en el que los medios de información se valieron del personaje para aumentar su impacto en la red social. Se clasificaron los tuits publicados por los medios de información en relación con la variable mención a Greta Thunberg, a través de pruebas estadísticas no paramétricas, y se estudió cómo los tuits que mencionaban a la activista sueca generaban más o menos engagement que los tuits que no lo hacían. Además, se analizó si el engagement de los diferentes mensajes publicados por los medios lograban engagement diferentes en función de si estos incluían elementos multimedia, URLs o sólo texto. La conclusión principal es que los tuits que incluían mención al usuario @GretaThunberg generaron mayor engagement que los que sólo incluían su nombre, además de que la activista en ningún momento interactuó con las cuentas que la mencionaron. Por otro lado, los tuits con elementos multimedia y los que nos incluían URLs generaron mayor engagement que el resto.

International Youth Movements for Climate Change: The #FridaysForFuture Case on Twitter

“…Although the volume of mentions in retweets is high, it is the indicator of the volume of replies that determines the level of conversation that takes place among users. It is perceived, as in other research, that Twitter is configured more as a network for the dissemination of messages, where acceptance is received through retweets or likes or acceptance or rejection through mentions in retweets than for debate [45][46][47]57].…”

“…It is a field of study in which several disciplines participate to study how different social phenomena are shaped, among others, behavioral sciences, statistics, computation, or mathematics [45][46][47][48]. The interdisciplinary nature of SNA has favored its popularization as a methodology in different fields of study.…”

“…This algorithm uncovers communities within a network based on a topology that works by optimizing modularity. To do so, it calculates the difference between the number of existing links in clusters and the expected number of links in an equivalent random network [45][46][47]52].…”