Un equipo de investigadores de Robinson College of Business (Georgia State), Kennesaw State University y University of Tennessee publicó un estudio en Information Systems Frontiers. Los autores Aaron French, Amrita George, Joshua Madden y Veda C. Storey desarrollaron el Modelo COP para analizar cómo la gente consume y comparte noticias.
El modelo considera tres dimensiones: veracidad, atractivo emocional y relevancia, y también aplica la ventana de Overton, que describe qué ideas el público considera aceptables. Para validar el modelo analizaron más de 10,000 tuits sobre COVID-19, midiendo "me gusta", cuándo un tuit fue "ratioed" y el tono emocional.
Hallaron que el tono emocional, sobre todo emociones negativas como miedo, ira y asco, impulsa la interacción. Incluso noticias menos veraces se comparten si son emocionalmente útiles. Proponen usar la proporción entre me gusta y respuestas y el tono emocional para señalar publicaciones, además de fortalecer la alfabetización mediática, como en Finlandia desde el jardín de infancia.
Palabras difíciles
- veracidad — grado en que una noticia es verdadera
- atractivo emocional — capacidad de una noticia para provocar sentimientos
- relevancia — importancia o relación de la información con el público
- alfabetización mediática — habilidad para entender y evaluar noticias y medios
- tuit — mensaje corto publicado en una red socialtuits
- validar — comprobar si algo funciona o es correcto
- impulsar — hacer que algo aumente o tenga más actividadimpulsa
- proporción — relación numérica entre dos cantidades
Consejo: pasa el cursor, enfoca o toca las palabras resaltadas en el artículo para ver definiciones rápidas mientras lees o escuchas.
Preguntas de discusión
- ¿Crees que las publicaciones con emociones negativas deberían recibir advertencias o menos difusión en redes? Explica por qué.
- ¿Qué medidas de alfabetización mediática pueden ayudar a la gente a detectar noticias menos veraces? Da ejemplos concretos.
- Piensa en tu uso de redes sociales: ¿has compartido alguna vez un tuit sin comprobarlo? ¿Qué te llevó a compartirlo y qué harías diferente ahora?
Artículos relacionados
Herramienta reduce la animosidad partidista en X
Un estudio publicado en Science presenta una extensión que reordena la cronología de X para bajar o subir publicaciones dañinas sin borrarlas ni contar con la plataforma. En pruebas con usuarios durante la elección de 2024, bajar ese contenido produjo actitudes más cálidas hacia el otro partido.
