el presidente de la República, al entonces jefe de gobierno del Distrito Federal, Miguel Ángel Mancera, por el uso excesivo de la fuerza (véase Imagen 4).
Los desafíos del ARS en este proyecto fueron principalmente técnicos, sobre todo en cuanto a la capacidad computacional para realizar las descargas de datos mediante NodeXL, pues la herramienta solo permitía hacerlo en tiempo real. Esto ha sido una constante en las herramientas para descargar bases de datos de Twitter. En la mayoría de los casos se debe hacer en tiempo real o cuando se habilita una búsqueda histórica, permite hasta un máximo de siete días previos como en Sociovizz o hasta 3 200 tuits, como en Twittonomy, límites que impone la misma plataforma.
Imagen 4
Visualización de la tendencia #1Dmx, de 2014
Fuente: Rodríguez Cano, 2015b: 61.
Finalmente, se presentó un corpus basado en una secuencia de siete momentos ubicados en los rangos de entre 5295 y 8053 usuarios y entre 20 750 y 25 845 tuits. Derivado de esto, el principal aprendizaje fue entender la extracción longitudinal como táctica para seguir de manera diacrónica una movilización sociodigital, evitando el riesgo de saturar los dispositivos con el entonces imposible objetivo de realizar una sola captura masiva en tiempo real y paralelo. A grandes términos, si se suman, se extrajeron más de 150 000 tuits, logro que no hubiera conseguido de intentar realizarlo en un solo momento, pese a que la computadora utilizada fue específicamente elegida por tener un procesador más capaz.
Estoy consciente de que estos números pueden resultar menores ante el constante desarrollo de herramientas de extracción de datos, sin embargo vistos en el contexto de esos años, aunado a la precariedad de recursos del investigador, significaron un gran logro. Y no por los números en sí, sino porque al existir los inconvenientes de la no representatividad de la muestra, como he mencionado, a mayor cantidad de datos se incrementaba también la proporcionalidad para explorar los alcances de un fenómeno que no rebasaba tampoco los cientos de miles de tuits.
La segunda experiencia de extracción fue con Facebook, a través de Netvizz. De hecho, derivado de experimentos previos con esta herramienta, pude publicar dos investigaciones: la primera con datos de interacción de las publicaciones de seis de los principales medios periodísticos en México, y la segunda con las redes de páginas que mediante likes se conformaron en esta plataforma a lo largo de los años para visibilizar protestas sociales.
En el primer caso, el ARS fue un recurso para contrastar los supuestos teóricos de cámaras de eco y filtros burbuja en la prensa mexicana (Rodríguez Cano, 2017). El análisis estructural basado en encontrar los nodos centrales entre los usuarios de medios periodísticos, me llevó a comprender el potencial estadístico de la metodología. Por un lado para descubrir que la interacción se centraba en pocos usuarios a lo largo del tiempo, y por otro que los resultados del análisis tendrían que presentarse solo con cálculos, sin visualizaciones. La estrategia partió nuevamente de los límites técnicos tanto en la extracción, que permitía un máximo de 999 publicaciones con todo y el registro de sus interacciones, como en la computadora y el software de visualización, que no pudieron con el reto de trabajar con bases ubicadas en un rango entre 96 000 y 379 000 nodos. En este sentido, una posibilidad que en ese entonces desconocía es la utilidad del filtrado en Gephi que permite seleccionar los nodos de acuerdo con algún criterio para conformar una red más pequeña y de ahí crear un nuevo documento más manejable. Con fines de visualización elegí una muestra muy pequeña que tenía solo cincuenta publicaciones por cada medio (en un rango de los 11 000 a los 32 000 nodos), aunque fue la extracción más amplia, gracias al reporte de la centralidad de grado, el grado medio, la densidad y la modularidad, la que confirmó la hipótesis de que los contenidos, usuarios e interacciones tendían a concentrarse en relación con el consumo de noticias en las páginas de medios en Facebook.
En cuanto al segundo artículo publicado con datos de esta plataforma (Rodríguez Cano, 2018), la estrategia fue diferente: supuso trabajar con redes de likes entre páginas públicas, un fenómeno que denominé redes de medios tecnopolíticos en el contexto de la apropiación de las plataformas digitales por parte de actores y agendas alternativas. Nuevamente, el punto de partida en la minería de datos fue la arquitectura de comandos de la plataforma de extracción Netvizz que permitía este tipo de redes en dos niveles: el primero, las redes de likes alrededor de una página; y el segundo, las redes de likes de las redes de likes alrededor de esa misma página.
La estrategia se basó en tres momentos. Primero, comprobar la hipótesis teórica acerca de la existencia de redes de medios tecnopolíticos en su indicador observable, la visualización de las mismas redes en contextos particulares. Para ello recurrí a una vieja pretensión de crear visualizaciones concretas sobre las movilizaciones sociodigitales más significativas de la época alrededor del mundo, lo que logré en el caso de Occupy Wall Street en Estados Unidos con la página Occupy Wall St., #YoSoy132 en México con la página #YoSoy132, los Indignados en España con la página Spanish Revolution, el escenario tecnopolítico en Brasil con la página Mìdia Ninja e incluso del movimiento 6 de abril, clave en las movilizaciones en Egipto, que ya no incluí por no comprender a cabalidad el nombre de las páginas asociadas —la mayoría estaba en árabe—, así como del movimiento de los Dreamers en Estados Unidos (véase Imagen 5).
Imagen 5
Visualización a partir de la página United We Dream en Facebook, 2017
Fuente: Elaboración propia.
El segundo momento consistió también en una forma novedosa, para mí, de visualizar redes: sumando las bases de datos de pequeñas redes individuales. De esta manera, extraje las siete redes de likes de igual número de las páginas más populares relacionadas con #YoSoy132 y mediante Gephi las pude sumar en una megared para obtener el panorama reticular más desarrollado que pude lograr sobre la movilización estudiantil, aunque en Facebook, cuando esta manifestación tradicionalmente estuvo asociaba a Twitter (véase Imagen 6).
Imagen 6
Visualización a partir de la suma de siete bases de datos de las páginas más relevantes sobre #YoSoy132 en Facebook
Fuente: Rodríguez Cano, 2018: 161.
Utilicé esta misma estrategia nuevamente para sumar veinte páginas entrelazadas, solo que ahora con un tipo de muestreo a partir del procedimiento bola de nieve. Con la intención de ilustrar el escenario tecnopolítico en México, elegí comenzar con la página #YoSoy132 y de ahí extraer la red de la página con mayor centralidad de intermediación, y así sucesivamente hasta llegar a una red de redes de veinte páginas con 954 nodos, que me ilustró la agenda social vista a través de la conversación y las relaciones en Facebook: libertad de expresión, desaparecidos, medios alternativos, cultura de paz, derechos humanos y migrantes, principalmente. El entrelazamiento derivado de los enlaces, sin embargo, mostraba clusters muy centrados
