Measuring the influence of candidates to the Constitutional Convention in Twitter

Abstract

Las redes sociales almacenan trazas digitales de los humanos y tienen el potencial de explicar fenómenos sociales e inferir cantidades de interés. Un uso recurrente de la red social Twitter es para la predicción de resultados electorales, dado la extensión de su uso para comunicación política. Esta memoria de título busca comprobar que existe una relación entre la influencia de un candidato en Twitter y su resultado electoral. Las preguntas de investigación fueron ¿En qué medida la influencia en Twitter se correlaciona con los votos obtenidos? ¿De qué variables depende esta relación? (RQ1) y ¿La afiliación política de un candidato (pertenecer a un partido político, coalición política o lista electoral) es relevante para la influencia en Twitter? ¿Cómo interactúa la afiliación con Twitter? (RQ2). Para responder estas preguntas, se construyó una bases de datos de Twitter usando las cuentas de 771 candidatos a la Convención Constitucional elegida en 2021 en Chile. A partir de estos datos, se construyó una red de retweets y diversas variables de influencia a ser evaluadas. Para responder la pregunta RQ1 se evaluó cada variable usando coeficientes de correlación y modelos de regresión y clasificación respecto al porcentaje de votos obtenido. Los mejores modelos de regresión fueron los que incluyeron las variables cantidad de favoritos (likes) por tweet (R2 = 0.582) y cantidad de retweets por tweet (R2 = 0.573). Tanto para regresión como clasificación, los modelos con variables de Twitter superaron el baseline de variables político demográficas. Para responder la pregunta RQ2 se modificó el algoritmo del PageRank para incluir información de afiliación (lista, partido o coalición) y se evaluaron esas variables modificadas respecto al desempeño del PageRank original. Concluimos que (i) las características calculadas desde Twitter añaden información relevante para inferir el resultado de esta elección multipartido, aunque de forma acotada (ii) Existe una brecha entre mujeres y hombres y entre capital/regiones en el efecto que tienen, detectada a través de variables de interacción en la regresión lineal. La relación entre las variables de influencia en Twitter y los votos es más fuerte en el caso de hombres que de mujeres, y en la Región Metropolitana que en otras regiones (iii) El PageRank modificado no mejoró el desempeño de las tareas de clasificación, lo que podría indicar que la información inyectada ya está contenida en el grafo de retweets (iv) Varias limitaciones deben superarse para obtener modelos más robustos y estables. Se proponen caminos a seguir y problemas a resolver para construir modelos que puedan explicar y predecir resultados electorales.