• InstitutoDemocracia

Trenes anti K: Un viaje por las formas digitales de organización de la derecha en Argentina

Por Lic. Lucía Pedraza / Mg. Santiago Hernández


Publicada en Contraeditorial


En el mundo de las y los analistas políticos está cada vez más aceptado que la presencia de ciertos temas y personas en la territorialidad digital puede estar apalancada por un crecimiento artificial apoyado por granjas de bots, trolls y procesos automatizados de gestión de cuentas. Es como si fuera una modalidad 3.0 de poder pagar a grupos para hacer pintadas y así cubrir más paredones de los que podríamos hacer solo con militantes. Esta inflación digital se apoya en la premisa de que las discusiones no las gana el mejor argumento sino aquel que tuvo mayor alcance.

En estas líneas nos corremos un poco de los  mecanismos de inflación digital para centrarnos en los usuarios reales, es como determinar  cuántas paredes quedan pintadas si eliminamos los grupos pagos. Nuestra inquietud está centrada en identificar el comportamiento de usuarios reales en redes sociales, y forma parte de un trabajo de investigación más amplio, en el cual analizamos los debates impulsados en la esfera digital por la oposición al gobierno en el marco de la pandemia desatada por el COVID-19.



Partiendo de esta premisa y entendiendo que las redes sociales son una dimensión más de la acción política y colectiva, nos preguntamos: ¿Hay en las redes sociales alguna innovación organizativa que refleje esfuerzos y mecanismos decididos de cohesionarse y reconocerse?


Despejado el Ruido, los trenes


Imaginemos que estamos tratando de escuchar en una vieja radio, vamos moviendo el dial, la antena y en alguna combinación de movimientos captamos un ruido que pareciera ser música, pasamos luego a un ajuste fino entre mover el dial y la antena hasta que encontramos un punto donde la canción se escucha perfecto.

Una forma de estudiar las redes sociales y comunidades digitales puede ser análogo a sintonizar una radio, hay un primer ruido que puede estar siendo creado por una combinación (y habitualmente lo es en muchos debates) de trolls, bots y usuarios reales. En nuestro caso buscamos ir eliminando ese ruido tratando de encontrar la melodía de usuarios reales. Una forma de hacerlo, es buceando dentro de un debate (#noalareformajudicial o #nadieconaxel), identificando quienes están más conectados entre sí.


Hagamos de cuenta que estamos viendo una playa en la costa desde un dron a mucha altura, todas las personas las vemos como puntitos y luego vemos que algunos de esos puntos se agrupan en una parte de la playa, si pudiéramos hacer un zoom veríamos que quizás a esos puntitos (personas) los está agrupando algo en particular, como por ejemplo justo paso el panchero y fue agrupando personas hasta que frenó frente a un balneario cohesionando a todos los interesados entorno a comer una salchicha con papas.

En nuestro caso mirando el comportamiento de usuarios en Twitter en los debates mencionados nos dimos cuenta que había un grupo de usuarios de derecha más cohesionado; cuando indagamos en los mismos nos encontramos con una metodología similar a la estudiada por la norteamericana Erin Gallagher[3] al observar los Trenes construidos por activistas pro-Trump, conocidos como trenes MAGA (Make America Great Again) por sus siglas en ingles. El trabajo de Gallagher destaca que el crecimiento de seguidores entre miembros republicanos ha crecido exponencialmente, fortaleciendo las comunidades conservadoras de los Estados Unidos, y señala que esa eficiencia en el funcionamiento es confundida con un trabajo de bots o trolls. Comportamiento similar se ve en los colectivos dereita de Brasil que dan forma a la comunidad de Bolsominions.


¿Qué es un Tren?


Los trenes son la aplicación política de una tendencia que se conoce como “Follow Friday” #FF (Viernes de seguir según su sigla en inglés) cuya lógica es que un usuario de twitter recomiende a sus seguidores otras cuentas agregando un motivo de porque seguirlas. En términos generales, permite a la cuenta recomendada “ganar” seguidores de confianza y al usuario que recomienda lo prestigia como vector de recomendaciones, jerarquizando su posición como “curador digital”. Cuando las recomendaciones giran en torno a una temática lo que sucede es que aumenta la correlación entre personas afines a la misma.

Para los que no están familiarizados con este tipo de práctica los tweets son bastante extraños porque se ven como una lista de usuarios y una imagen, pero en sectores de derecha a nivel internacional son bastante comunes. Normalmente los trenes no se ven a simple vista y están tapados por una intensa actividad de su comunidad.


Así un tren tiene un “conductor” que está reconocido en su comunidad como un autorizado a subir pasajeros, “pasajeros habituales” que son usuarios en crecimiento y “nuevos pasajeros” que buscan crecimiento en sus cuentas. El objetivo de estos trenes es no solo que crezcan las cuentas de cada uno, sino también mejorar la difusión y “estar juntos para ser más fuertes”.


El volumen de pasajeros no es para nada despreciable una sola cuenta que analizamos había creado 854 trenes a la fecha eso representa aproximadamente 15 pasajeros por tweet, o sea la para nada despreciable suma de 12.810 pasajeros un solo conductor.

Es interesante destacar que existe un procedimiento de fidelización para poder subirse a un tren que según pudimos indagar funciona de la siguiente manera:

1) Deben hacerle RT a un tweet fijado que tiene el conductor;

2) Comienzan a seguirse Conductor y aspirante a pasajero que debe escribirle un mensaje directo al conductor;

3) El conductor revisa la cuenta del nuevo pasajero y queda validado para subirse al próximo tren.


De esta manera los usuarios que participan en los trenes como pasajeros logran tener más seguidores, y con el exclusivo proceso de selección que utilizan, se aseguran que sean afines a sus ideas. Ganar esta cohesión logra que la información, hashtags, o ideas fluya más rápido y más intensamente entre esos usuarios de twitter, pero también entre sus seguidores y seguidos. Por ejemplo, si un usuario o un influencer genera un tweet, para que yo pueda verlo en mi feed es necesario que algunos de los usuarios que sigo hayan interactuado con él. Si participo en un tren y nos seguimos mutuamente con varias personas que no nos conocíamos previamente pero son afines a esas ideas y activas en las redes, se vuelve mucho más probable que algunas de ellas retwiteen ese contenido, para que a su vez yo también lo pueda retwittear y lo puedan ver todas las cuentas que me siguen, logrando no solo que fluya más rápido y más directo, sino que tenga más repercusión y llegada a muchas más personas.  

Ahora que pudimos describir la forma en la que entablan su vínculo inicial podemos observarlos en acción, estudiando cómo se comportan durante un debate. Para eso recolectamos todos los tweets que circularon durante la noche del 29 de agosto cuando se envió al congreso el proyecto de Ley de organización de la Justicia Federal cuya forma de debate en redes se dio en torno a la idea de “Reforma Judicial” y algunos hashtags relacionados.

El problema es que tenemos un montón de información, los tweets de más de 26mil cuentas, de la que en principio no podemos obtener algún tipo de información más allá del ruido. ¿Qué cuenta es más importante? ¿Cuál es el rol de un usuario o de nuestros pasajeros de trenes? ¿Podemos ver alguno de los beneficios de usar trenes? Ahí es cuando hay que comenzar a sintonizar y ordenar los datos.



En el Gráfico 1 lo que estamos viendo son 72.000 interacciones que se dieron en un periodo corto de tiempo en la noche del 29 de agosto. Lo primero que sale a la vista es que hay dos grupos de usuarios muy polarizados, lo cual nos da la pauta de que hubo poca confrontación argumental en redes para el tema en cuestión. Esto significa que hay dos grupos de usuarios que interactúan mucho entre sí, y muy poco con el otro grupo. Para que sea más claro los dibujamos con colores distintos.

En el gráfico destacamos a los usuarios jerárquicos del debate, esto es, que recibieron más interacción y a simple vista podemos reconocer unas cuantas cuentas y empezar a pensar que están twiteando de manera antagónica.  Si miramos el contenido de los tweets y las descripciones podemos confirmar que en su gran mayoría mientras los naranjas están twiteando en contra de la reforma, y tienen descripciones coherentes con la oposición, los azules son oficialistas twiteando a favor de la reforma.

Ahora ¿Dónde están nuestros pasajeros de trenes en este debate? En el Gráfico 2 presentamos la misma red, pero destacando solo aquellos que identificamos previamente como pasajeros así nos queda el debate en verde y los pasajeros en violeta. Lo primero que podemos observar es que el 98% de ellos se ubica en la parte que habíamos identificado contraria a la Reforma Judicial.



Por último, tenemos que destacar que estas cuentas pasajeras no son especialmente importantes en la red (es decir, no tienen más interacciones que el resto de las cuentas), pero lo que sí podemos detectar es que están más cohesionadas entre ellas. Es decir que, aunque probablemente no son los que generaron los contenidos con más impacto, interactúan mucho entre ellas, y posiblemente así se refuerza el impacto de las ideas y contenidos con los que interactúan. Y dan la pauta de lo que nos interesaba destacar: un comportamiento coordinado, genuino y orgánico de un grupo de personas para darle fuerza a sus ideas en la capa digital.

Limpio de todo ruido en el Gráfico 3 podemos ver solo las cuentas pasajeras sin que estén tapadas por las demás, y se ve bastante clara la cohesión en especial entre las cuentas que recibieron menos interacciones (más chicas y más claras en el gráfico).



Eliminado el ruido de comportamiento inauténtico o dirigido por computadora, aparecen humanos reales que en la capa digital desarrollan metodologías de reconocimiento e identificación para cohesionarse y coordinar acciones digitales. Lo resaltamos porque el comportamiento automatizado (bots) no requiere de esta sofisticación. Puede que exista una estrategia partidaria o de movimientos libertarios para coordinar a estos colectivos pero eso no afecta nuestro análisis. Encontramos también que los usuarios que realizan estas prácticas tienen una participación no despreciable en los debates públicos en Twitter, donde si bien no necesariamente ocupan roles centrales en el debate, si muestran más cohesión que el resto de los usuarios. 

Nos encontramos ante un fenómeno estructurado y organizado, con una metodología que trata de eliminar intrusos, tiene un repertorio de acción digital rutinizado que busca el crecimiento y fortalecimiento orgánico de comunidades que hemos denominado “Anti” porque sus trenes en la mayoría de las veces se definen como trenes “anti-k”.

Así que la próxima vez que veamos lo rápido que crece una tendencia de derecha en Twitter no lo simplifiquemos creyendo que son solo Bots. No solo cometemos un error de lectura de las redes sociales, sino, sobre todo, cometemos un error político.

[1]           Becaria Doctoral. CONICET-IFIBA. [2]            Investigador Universidad Nacional de Lanús. [3]            https://medium.com/@erin_gallagher/trump-trains-84bea1c3170d


5 vistas

©2020 por Instituto Democracia. Creada con Wix.com