Durante la segunda mitad de 2022, Panamá enfrentó un hecho social sin precedentes. Si bien en el pasado ha habido protestas por parte de ciertos sectores sociales, nunca se había registrado una manifestación tan masiva que incluyera a distintos sectores de la sociedad panameña. Las consecuencias de la pandemia, la inflación y algunas políticas del gobierno generaron un descontento generalizado entre la ciudadanía. Desde Bocas del Toro, pasando por la Ciudad de Panamá, Guna Yala y el Darién, se reportaron protestas de diferentes sectores sociales clamando por el alto costo de vida y el fin de la corrupción.
Estas semanas de protestas a lo largo y ancho del país reflejaron un cambio en las discusiones de los habitantes hacia un discurso más hostil y polarizante, centrado en temas como la corrupción, el costo de vida y la política en general. La política se hizo presente en la cotidianidad, manifestándose en discusiones dentro de círculos sociales aislados e incluso en las interacciones diarias. La estructura social también se vio afectada por las protestas. Mientras algunos sectores sociales formaban alianzas en torno al discurso social, las redes sociales como X (antes Twitter) reflejaban segregación y polarización. Este contexto motivó el estudio de las interacciones sociales utilizando matemáticas, analítica y ciencias de la computación para comprender el contexto político, el dinamismo de las opiniones y el activismo político.
En trabajos anteriores, se analizaron tweets de la época de las protestas en Panamá, tanto en español como inglés. La Figura 1 muestra la densidad del Sentiment Score en una muestra de X (antes Twitter). La mayor parte del discurso en español es negativa en comparación con el discurso en inglés. Esto se debe a la naturaleza de la conversación internacional, que abarca más temas, en contraste con la conversación en español, influenciada por el contexto político álgido que vivía Panamá. Además, los medios de comunicación tradicionales en Panamá perdieron influencia en la conversación nacional. Muchos nuevos actores informativos emergieron en redes sociales y se volvieron influyentes en la discusión pública. Incluso se encontró que fanáticos de BTS (banda de K-pop) y de la selección de fútbol panameña tuvieron un papel significativo en la conversación.
Figura 1: Análisis de sentimiento en la muestra de tweets
Para estudiar estas protestas y comprender el complejo andamiaje social detrás de ellas, se utilizan la teoría de grafos y la teoría de juegos. Un grafo consta de nodos, que pueden representar individuos, y enlaces, que representan las relaciones entre ellos. Además, la Teoría de Juegos Evolutiva analiza cómo los individuos toman decisiones basadas en su propia supervivencia. Estas decisiones generan la “supervivencia del más apto” y desencadenan varios tipos de dinámicas sociales. Estas herramientas teóricas permiten crear un modelo de opinión dinámica, en el cual un individuo adapta su opinión en función de las relaciones y dinámicas sociales en las que se encuentra. El siguiente modelo es desarrollado por Arturo Serrano Borrero, estudiante e investigador en matemática aplicada en Datrmouth College en Nuevo Hampshire, y fue presentado en el seminario Quantil disponible en el siguiente link
El Adaptative Voters Model consiste en simular el proceso mediante el cual la red influye en la opinión política de un individuo (nodo del grafo) según sus conexiones con otros individuos (enlaces) en un contexto dinámico. En cada iteración del modelo, cada nodo debe decidir si cambia su opinión política (aprendizaje social) o si se mantiene en la misma opinión, permaneciendo dentro del mismo grupo (homofilia). El entorno en el que las opiniones individuales están más arraigadas y el grupo con el que se interactúa con mayor frecuencia influyen en este tipo de decisiones políticas. El modelo parte de un escenario de coexistencia y predice un estado de consenso (todos escogen una misma opinión) o un estado de fragmentación (la sociedad se segrega según sus opiniones), tal y como lo refleja la Figura 2. Sin embargo, este enfoque simplista resulta insuficiente para analizar el contexto en cuestión. Por ello, se incluye la convicción moderada en el modelo, para analizar la heterogeneidad individual en la simulación de movimientos políticos y sociales.
Figura 2: Estados de la red
El modelo propuesto por el autor se ejecuta en dos acciones principales. Primero, se selecciona un individuo y se verifica si alguno de sus vecinos es un activista (nodo con un alto componente de convicción). Si no hay vecinos activistas, el individuo no toma ninguna acción. Sin embargo, si hay un vecino activista que a su vez tiene otros vecinos activistas, el valor de la convicción del individuo aumenta. De esta manera, se calculan las convicciones de cada nodo según la estructura del grafo. Una vez calculadas las convicciones de los miembros de la red, se lleva a cabo el paso de adaptación en el modelo. Se elige un individuo al azar y se identifican sus vecinos. Dependiendo del nivel de convicción de este individuo, puede optar por mantener la red tal como está o participar en una adaptación, es decir, intentar cambiar la opinión de otros o cerrar la conversación y conectar con nodos que compartan la misma opinión.
Después de generar distintas simulaciones del modelo propuesto, se obtuvieron los siguientes resultados. A medida que pasa el tiempo en el modelo, los activistas que comienzan con un alto nivel de convicción tienden a ceder y se sienten desalentados. Si el modelo favorece la homofilia entre las personas, se generan redes políticamente viables con comunidades de activistas aislados pero altamente conectados entre sí. La conectividad de la red y el nivel de convicción de las personas son fuertes predictores de la protesta. Los grupos de activistas sobreviven (mantienen su convicción) siempre que estén conectados con otros activistas que ayuden a mantener esa convicción viva.
Además de las conclusiones anteriores, los datos pueden utilizarse para refinar el modelo y alcanzar conclusiones más precisas. La geografía y la segregación espacial tienen un impacto significativo en la polarización de las sociedades, ya que la proximidad física puede reforzar las barreras sociales y culturales entre diferentes grupos. Asimismo, las condiciones sociodemográficas de las personas dentro de la red juegan un papel crucial en la formación y modificación de las opiniones. Es importante reconocer que la protesta no es un fenómeno uniforme; diferentes sectores de la sociedad pueden manifestarse al mismo tiempo pero en respuesta a distintos temas y de maneras variadas. La homofilia también está influenciada por las condiciones sociodemográficas, ya que las personas con circunstancias similares tienden a interactuar y comunicarse con mayor frecuencia.
Estos hallazgos subrayan la complejidad de la dinámica social en tiempos de protesta. La interacción entre la geografía, la segregación espacial y las características sociodemográficas revela que los movimientos sociales no pueden ser entendidos simplemente a través de un análisis homogéneo. La integración de estos factores en el modelo proporciona una visión más completa de cómo se forman y mantienen las opiniones dentro de una red social. Las lecciones aprendidas destacan la importancia de considerar múltiples dimensiones en el análisis de fenómenos sociales y políticos, y cómo la adaptación continua de los modelos a nuevos datos puede mejorar significativamente nuestra comprensión de las dinámicas de protesta y polarización. Este enfoque permite una evaluación más matizada y efectiva de las estrategias para abordar y comprender las complejidades de las sociedades en conflicto.
Obtén información sobre Ciencia de datos, Inteligencia Artificial, Machine Learning y más.
En los artículos de Blog, podrás conocer las últimas noticias, publicaciones, estudios y artículos de interés de la actualidad.
