Polarización y similitud en las representaciones de mensajes oficiales en medios ante la pandemia de COVID-19
¿Cuál fue el nivel de información disponible a la ciudadanía un día cualquiera de 2020 respecto a la pandemia de COVID-19? Se analiza aquí el contenido en medios de la Ciudad de México y conferencias del gobierno en la pandemia de COVID, con tres técnicas de aprendizaje automático, a dos millones de caracteres de conferencias, y 28,127 notas y columnas de impresos y noticieros. Los principales resultados indican que hubo similitud en noticias y polarización en opinión. Esto es, la superficie narrativa de los medios consideró seguir la información que el Consejo General de Salubridad proporcionó con el objetivo de salvar más vidas. En cambio, la superficie de comentarios en los medios muestra una tendencia a discrepar de la opinión del conjunto de profesionales de la medicina cuya función principal fue salvaguardar vidas. Se discuten implicaciones de la responsabilidad social de los medios, en el contexto de una emergencia sanitaria.
Detalles del artículo
Estudios en Derecho a la Información por Universidad Nacional Autónoma de México, Instituto de Investigaciones Jurídicas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Citas
Abrams, E. M. y Greenhawt, M. (2020). “Risk Communication During COVID-19”, The Journal of Allergy and Clinical Immunology. 8(6). Disponible en: https://doi.org/10.1016/j.jaip.2020.04.012.
Bishop, C. R. (2006). Pattern Recognition and Machine Learning, Springer Verlag.
Blake, C. (2011). “Text Mining”, Ann. Rev. Info. Sci. Tech. 45. Disponible en: https://doi.org/10.1002/aris.2011.1440450110.
Castillo-Esparcia, Antonio et al. (2020). “Comunicación política y COVID-19”, Estrategias del Gobierno de España. Profesional de la información. 29(4). Disponible en: https://doi.org/10.3145/epi.2020.jul.19.
Frewer, L. (2004). “The Public and Effective Risk Communication”, Toxicology Letters. 149(1-3). Disponible en: https://doi.org/10.1016/j.toxlet.2003.12.049.
Gobierno de México (2020a). “Se confirma en México caso importado de coronavirus COVID-19”. Disponible en: https://www.gob.mx/salud/prensa/077-se-confirma-en-mexico-caso-importado-de-coronavirus-covid-19#:~:text=En%20la%20conferencia%20matutina%20encabezada,antecedentes%20de%20viaje%20a%20Italia [Consultado 08-12-2020].
Gobierno de México (2020b). “Versión estenográfica. Conferencia de prensa. Informe diario sobre coronavirus COVID-19 en México”. 26 de julio. Disponible en: bit.ly/3wxPmpn [Consultado 16-05-2022].
Godbole, N., Srinivasaiah, M., Skienana, S. (2018). “Large-Scale Sentiment Analysis for News and Blogs”. Disponible en: bit.ly/3wiyHXY [Consultado 16-05-2022].
Gupta, V. y Lehal, G. (2009). “A Survey of Text Mining Techniques and Applications”, Journal of Emerging Technologies in Web Intelligence. 1(1). Disponible en: http://dx.doi.org/10.4304/jetwi.1.1.60-76.
Havey, N. F. (2020). “Partisan Public Health: How Does Political Ideology Influence Support for COVID-19 Related Misinformation?”, Journal of Computational Social Science. 3. Disponible en: https://doi.org/10.1007/s42001-020-00089-2.
Herrán, V. et al. (2008). “Análisis de la eficacia de las medias móviles en el mercado intradiario de renta variable español”, Universidad, sociedad y mercados globales.
Isoaho, K. et al. (2019). “Topic Modeling and Text Analysis for Qualitative Policy Research”, Policy Studies Journal. Disponible en: https://doi.org/10.1111/psj.12343.
Kleis-Nielsen, R. et al. (2020). Navigating the “Infodemic” How People in Six Countries Access and Rate News and Information about Coronavirus, Reuters Institute and University of Oxford.
Kyum, D. et al. (2020). “An Analysis of Government Communication in the United States During the COVID‐19 Pandemic: Recommendations for Effective Government Health Risk Communication”, World Medical & Health Policy. Disponible en: https://doi.org/10.1002/wmh3.363.
Levinson, P. (2017). Fake News in Real Context, Nueva York, Connected Editions.
Medios Publicitarios Mexicanos (2020). Directorio MPM de medios impresos. Edición 247, agosto.
Mohammad, S. y Turney, P. (2010). “Emotions Evoked by Common Words and Phrases: Using Mechanical Turk to Create an Emotion Lexicon”, Proceedings of the NAACL-HLT 2010 Workshop on Computational Approaches to Analysis and Generation of Emotion in Text.
Nowlin, M. C. (2016). “Modeling Issue Definitions Using Quantitative Analysis”, Policy Studies Journal. 44(3).
OMS (2018). Comunicación de riesgos en emergencias de salud pública: directrices de la OMS sobre políticas y prácticas para la comunicación de riesgos en emergencias, Organización Mundial de la Salud. 16 de mayo. Disponible en: https://bit.ly/38xmbLk.
PAHO (2020). “Understanding the Infodemic and Misinformation in the Fight against COVID-19. Department of Evidence and Intelligence for Action in Health”, Factsheet. 6.
Pennycook, G. et al. (2020). Predictors of Attitudes and Misperceptions about COVID-19 in Canada, the U.K., and the U.S.A. Disponible en: osf.io/3a497.
Raina, P. (2013). “Sentiment Analysis in News Articles Using Sentic Computing”, 2013 IEEE 13th International Conference on Data Mining Workshops. DOI: 10.1109/ICDMW.2013.27.
Reddy, B. V. y Gupta, A. (2020). “Importance of Effective Communication During COVID-19 Infodemic”, Journal Family Med Prim Care.
Sandman, P. M. (2012). Responding to Community Outrage: Strategies for Effective Risk Communication, AIHA Press.
Shahsavari, S. et al. (2020). “Conspiracy in the Time of Corona: Automatic Detection of Emerging COVID-19 Conspiracy Theories in Social Media and the News”, Journal of Computational Social Science. 3. Disponible en: https://doi.org/10.1007/s42001-020-00086-5.
Vargas, E. (2016). “Las funciones del lenguaje de Jakobson en la titulación deportiva: estudio estilístico de La Nación y La Extra”, Revista de Filología y Lingüística de la Universidad de Costa Rica. 41(1). Disponible en: https://doi.org/10.15517/rfl.v41i1.21194.
Zang, L. et al. (2020). “Effective Risk Communication for Public Health Emergency: Reflection on the COVID-19 (2019-nCoV) Outbreak in Wuhan, China”, Healthcare, Basel (Switzerland). 8(1). Disponible en: https://doi.org/10.3390/healthcare8010064.