El estudio científico que le “lee la cartilla” a las redes sociales

Una vez escuché que lo contrario a la verdad no es la mentira, sino la verosimilitud. Es una de esas frases bonitas y tiene cierto sentido, por lo que tal vez la hayamos aceptado sin rechistar. Sin embargo, no es cierto. Lo contrario de la verdad sigue siendo la mentira, por mucho que las mentiras verosímiles sean, tal vez, su mayor enemigo (por ser creíbles, pero falsas). En cualquier caso, la frase nos hace reflexionar sobre los bulos, que tanto nos han acompañado durante la pandemia y que han plagado las redes sociales y los medios de comunicación. Pero ¿de dónde venían realmente los bulos? ¿Cuál era su contenido? ¿Qué los motivaba? ¿Quién los estaba extendiendo? Todas esas preguntas son difíciles de responder, pero no imposibles. La clave es tener una base de datos que recoja una cantidad suficientemente grande y aleatoria de bulos. Una vez tengamos los datos, es la hora de la estadística, que permitirá extraer de ellos tendencias y otros datos relevantes.

Sabemos que la desinformación ha sido uno de los grandes problemas durante la pandemia. Entre otras cosas, porque, con cada publicación rigurosa, aparecían voces que pretendían llevarle la contraria con todo tipo de argumentos, algunos más convincentes, otros descabellados. El problema es que, si bien todos sabemos cuándo taparnos los oídos al escuchar argumentos abiertamente conspiranoicos, las mejores mentiras son las verosímiles, como estábamos diciendo. Se trata de bulos que se aprovechan de fuentes aparentemente rigurosas y que, si bien no mienten, presentan una información tan sesgada que parece defender lo contrario a lo que realmente defiende. Esto es, entre muchas cosas, lo que un equipo de investigadores tenía en mente cuando se lanzó a investigar todo esto, y el resultado se ha ganado un lugar en una de las publicaciones científicas más conocidas del panorama: PLOS One. Una iniciativa apoyada por la Ayuda a Equipos de Investigación Científica de la Fundación BBVA 2019 en Economía y Sociedad Digital

Medio millar de bulos

Una de las primeras cosas que ha de hacer un estudio, justo tras decidir lo que quiere entender y/o poner a prueba, es plantearse dónde tiene que buscar sus respuestas. Está claro que debían buscar bulos y analizarlos, pero la duda era cuántos, de qué periodo y, sobre todo, dónde buscarlos para que fueran representativos de lo que realmente ha ocurrido en España. Las fuentes fueron Maldita.es, Newtral y EFE Verifica, por ser las tres únicas organizaciones españolas certificadas por el International Fact-Checking Network. El periodo elegido se limitó a los tres primeros meses tras el anuncio de la pandemia por parte de la OMS: del 11 de marzo de 2020 al 10 de junio de 2020. Finalmente, la selección de los bulos se hizo a mano y se tuvieron en cuenta todos los publicados durante esos tres meses (eliminando los repetidos). El resultado fueron 327 bulos en Maldita.es, 143 en Newtral y 63 en EFE Verifica (533 en total).

El siguiente paso consistía en clasificar los bulos y, para ello, el equipo se basó en una publicación científica previa, de 2020. De ese modo, se pudieron dividir los bulos en función del tema que trataban (ciencia/salud, política/gobierno u otros), la plataforma (distintas redes sociales), el formato (texto, audio, imagen, vídeo y otros), el origen (local, nacional, internacional, otros), el tipo de bulo (broma, exageración, descontextualización o engaño), los temas de los bulos científicos/sanitarios (investigación, política, gestión sanitaria y consejos dados a la población), otra subclasificación de los de investigación científica (origen del virus, transmisividad, letalidad, tratamientos y vacunas), la fuente (en función de si era anónima, falseada, ficticia o real), una subdivisión de las fuentes no anónimas (público, negocios, gobiernos, profesionales y sanitarios/científicos) y finalmente, los tipos de fuentes de esos casos sanitarios/científicos (investigadores, organizaciones científicas internacionales, organizaciones científicas nacionales, profesionales de la salud y otros)

Conclusión

Por ejemplo, del total de bulos extendidos por redes sociales (218), 54 se compartieron por WhatsApp, el doble que, en Twitter, que se coloca en segundo lugar mientras que YouTube apenas reunía 12. Algunos de los temas más frecuentes fueron: el origen del virus, las vacunas y los tratamientos (por ese orden). El tipo de bulo más común fue el engaño, triplicando la descontextualización, que iba en segundo lugar. El texto fue el formato más frecuente y el audio el más inhabitual.

Por un lado, esta clasificación les permitió determinar qué tipos de bulos eran más frecuentes, como acabamos de mostrar, pero por otro, ayudó a establecer una clasificación de la tipología de los bulos relacionados con la ciencia y la salud. Estos se dividen en ciencia precipitada, ciencia descontextualizada, ciencia mal interpretada y falsedad sin base científica. El caso de la ciencia precipitada hace referencia a resultados científicos considerados como “provisionales”, pero que se viralizaron debido a la vorágine informativa, produciendo más desconcierto que otra cosa. La descontextualizada haría referencia a información correcta, pero parcial, que lleva a confusiones. La mal interpretada estaría relacionada con las interpretaciones exageradas de la información científica y, finalmente, las falsedades sin base científica serían las más fantasiosas y difíciles de rastrar de todas.

Con un poco de suerte, este conocimiento nos permita estar más protegidos de los bulos y sus consecuencias.

QUE NO TE LA CUELEN:

• La relación entre los famosos pre-prints y la clasificación de “ciencia apresurada”, no está todavía del todo clara. El propio estudio recomienda que se siga investigando en esa línea.

REFERENCIAS (MLA):

• Bienvenido León, María-Pilar Martínez-Costa, Ramón Salaverría, Ignacio López-Goñi, “Health and science-related disinformation on COVID-19: A content analysis of hoaxes identified by fact-checkers in Spain” PLOS ONE, 2022