Las redes sociales y las plataformas digitales han revolucionado la forma en que interactuamos socialmente (Papacharissi, 2010) e influyen de manera significativa en la transformación de la comunicación contemporánea. Estas herramientas no solo facilitan la difusión de información y el establecimiento de relaciones personales y profesionales (Blasco, 2021), sino que también se han convertido en poderosos medios para aprender y conectarse globalmente. Sin embargo, su misma efectividad y rapidez las han hecho susceptibles a usos negativos, para propagar desinformación, generar tensiones políticas o incluso apropiarse de datos personales (Amedie, 2015; Berners-Lee, 2017), por lo que se han convertido en herramientas para la manipulación social. Estudios recientes constatan cómo las redes sociales, especialmente en contextos de crisis, como la pandemia, intensifican la manipulación de la opinión (Zunino et al., 2022).

En los últimos años, se ha registrado un incremento de la polarización social, lo que representa un problema de gran envergadura en los ámbitos social, económico y político (Wardle y Derakhshan, 2017). Las redes sociales, en particular, han actuado como un catalizador para la difusión de narrativas tóxicas (Fontana, 2021) al facilitar la propagación de discursos crispadores. Además, se ha identificado un vínculo entre estas dinámicas y movimientos organizados, denominados por algunos autores como «ingenieros del caos» (Da Empoli, 2020), quienes utilizan estrategias digitales deliberadas para manipular el discurso público y reforzar divisiones sociales.

La decisión de las redes como Facebook, Instagram y X (antes conocida como Twitter) de prescindir de verificadores de datos independientes para adoptar un modelo de notas comunitarias ejemplifica los cambios que experimentan las políticas de moderación y verificación en las redes. No obstante, algunos trabajos académicos advierten que supeditar la verificación al conocimiento colectivo sin contar con un sistema robusto de educación mediática y rendición de cuentas puede abrir la puerta a la perpetuación de la polarización y a la consolidación de discursos sesgados (Freedman, 2019). Este giro pone de relieve la facilidad con la que se pueden modificar los procedimientos de supervisión de la información, incide en la dinámica de propagación de contenidos y refuerza la responsabilidad de los propios usuarios en su creación y validación (Cambronero-Saiz, 2022; Fontenla-Pedreira et al., 2020; Mula-Grau, 2022), algo que propicia las redes sociales sean un espacio, relativamente sencillo, para la propaganda digital, la desinformación y los discursos de odio. Este problema se acentúa cuando el epicentro es la desinformación en redes sociales para propagar discursos de odio hacia comunidades vulnerables, lo cual incrementa conflictos sociales y políticos (Blanco Herrero, 2023).

En este sentido, el uso de los medios masivos de información para moldear estados de opinión no es en absoluto nuevo. Desde las décadas de 1970 y 1980, se han propuesto diversas corrientes de pensamiento que explican la propagación y la manipulación informativa en entornos masivos con el fin de configurar la opinión pública en beneficio de un fin claramente establecido. Aunque las redes sociales han intensificado estos procesos mediante su inmediatez y su capacidad de alcance, las teorías clásicas siguen siendo clave para analizar la comunicación posmoderna, en especial cuando se examinan los efectos de la desinformación en la formación de comunidades con convicciones poco fundamentadas (Morales, 2022). En este trabajo, se identifican dos pilares teóricos que resultan fundamentales para analizar la transformación y manipulación de la opinión pública en la sociedad digital: el enfoque de la agenda setting (McCombs y Shaw, 1972) y la teoría de las representaciones sociales (Farr, 1984, 1989; Moscovici, 1976, 1979).

La teoría de la agenda setting sostiene que los medios de comunicación masivos determinan qué noticias se consideran relevantes y cuáles quedan relegadas (McCombs, 1996). Aunque no imponen una postura a la audiencia, sí focalizan su atención en determinados temas (Guo, 2012; Vargo y Guo, 2017) y, en la actualidad, los algoritmos acentúan esta priorización, al personalizar la información que ve cada usuario (Lara-Navarra et al., 2020; Pariser y Vaquero Serrano, 2017). La orientación ideológica y los algoritmos de las redes sociales refuerzan esta capacidad de influencia y promueven narrativas dominantes (Santiago Guervós, 2020).

Por su parte, la teoría de las representaciones sociales examina cómo los grupos construyen y comparten significados, lo cual explica que la sobreexposición a información termine por consolidar estructuras cognitivas que eluden la evidencia objetiva (Goffman, 1974; Lakoff, 2007, 2009; Timoteo-Álvarez, 2005, 2007). Esta idea se vincula con aquellos estudios donde se señalan que las redes sociales facilitan la creación de burbujas informativas y refuerzan creencias preconcebidas mediante actos de desinformación intencional (Calvo y Aruguete, 2020).

Es evidente que las dinámicas se multiplican en las redes sociales, espacios de consumo inmediato de información (Pennycook y Rand, 2021) donde la facilidad de publicación y la alta propagación en poco tiempo dificultan la verificación y fomentan la formación de grupos de opinión fuertemente marcados por informaciones parciales (Cabezuelo-Lorenzo y Manfredi, 2019; Sunstein y Vermeule, 2009). La arquitectura tecnológica de estas plataformas, basada en la ubicuidad, la conectividad y viralización, fomenta la propagación acelerada de mensajes difíciles de contrastar (Martel et al., 2020), lo que incrementa el riesgo de generar comunidades desinformadas y polarizadas.

A partir de este marco conceptual, la investigación se centra en estudiar si las noticias generadas en la prensa escrita son el catalizador que provoca un debate en redes sociales. Cuando esta discusión es masiva, los usuarios establecen grupos de opinión en base a información no contrastable. Nuestra metodología pretende recoger evidencias para determinar mensajes y grupos de interés con el fin de favorecer ciertos intereses políticos, comerciales o personales (Lewandowsky et al., 2012). Proponemos una nueva metodología de análisis que proporcione una estrategia para combinar el uso de la tecnología con el análisis conceptual. Para ello, la clave de la propuesta es identificar de manera automática la propagación de información, establecer las temáticas y grupos de personas receptoras de la intencionalidad en la propagación de información en una red social, para que posteriormente especialistas en información puedan establecer la intencionalidad comunicativa.

Esta investigación tiene como objetivo principal demostrar la vigencia de los procesos de construcción colectiva de significados, descritos por la teoría de las representaciones sociales (Farr, 1984, 1989; Moscovici, 1976, 1979), junto con la capacidad de dirigir la atención pública, como sugiere la teoría de la agenda setting (McCombs y Shaw, 1972). Aunque estos fundamentos teóricos emergieron durante el siglo XX, se considera su plena validez en el entorno digital actual. La novedad no reside tanto en las formas de generar opinión o difundir información, sino que radica en la inmediatez y el alcance exponencial que posibilitan las plataformas sociales. Estudios recientes como los de Santiago Guervós (2023) refuerzan este argumento al mostrar cómo las representaciones sociales se construyen y consolidan en las plataformas digitales, amplificando las narrativas preferidas por las élites.

En segundo lugar, el estudio se centra en analizar la relación entre las noticias difundidas en medios de comunicación escritos y la discusión que se produce en X (anteriormente conocida como Twitter). Concretamente, se busca esclarecer cómo la rapidez y la viralización propias de esta red pueden desencadenar un posicionamiento de los usuarios y la adopción de encuadres temáticos que desemboquen en la configuración de un estado de opinión contrario a —o independiente de— la información objetiva (Rubio-Nuñez, 2018). En este sentido, investigaciones destacan cómo las redes sociales potencian la viralidad de las noticias y facilitan la creación de estados de opinión basados en desinformación (Calvo y Aruguete, 2020). Además, la estructura de estas plataformas, caracterizada por la brevedad de los mensajes y su rápida retransmisión, incrementa la visibilidad de los contenidos y sus autores (Orihuela, 2011), lo que las convierte en espacios idóneos para estudiar el mensaje informativo y los efectos de la posverdad (Postill, 2018; Rovira, 2017; Treré, 2018).

Para ello, se aprovechan las posibilidades que ofrece la plataforma X, que destaca por su capacidad de proporcionar contenido de consumo inmediato y de distribuirlo de forma simultánea a millones de usuarios (Bernal-Triviño y Clares-Gavilán, 2019; Fontenla-Pedreira et al., 2020), así como por su aptitud para detectar tendencias y fomentar la interacción con diversas fuentes (Rubio-García, 2014). Esta relación es respaldada por Blasco Duatis y Coenders (2018), quienes analizaron cómo los procesos de la agenda setting tradicionales se transforman en el entorno digital y cómo los encuadres mediáticos influyen significativamente en los debates generados en plataformas sociales.

En tercer lugar, el trabajo pretende evaluar la viabilidad de un modelo estadístico bayesiano que, en consonancia con las teorías de la agenda setting y las representaciones sociales, permita identificar la propagación de noticias, establecer conexiones temáticas en los debates y delimitar el alcance de potenciales campañas dirigidas a perfiles concretos de usuarios. Este modelo busca integrar la perspectiva teórica con herramientas matemáticas para analizar la propagación de la información e impacto del contenido en generación de grupos de opinión. Al respecto, Alaminos-Fernández y Alaminos (2023) han demostrado que la combinación de estadística bayesiana y análisis de series temporales resulta eficaz para modelar procesos de difusión informativa en redes sociales. Asimismo, Reynoso (2023) resalta la utilidad de estos modelos matemáticos para el estudio de dinámicas sociales digitales.

Finalmente, la investigación se propone validar la utilidad de la codificación matemática para estudiar la actividad en la difusión de contenidos y el posicionamiento de los usuarios, de modo que se superen los enfoques meramente descriptivos. Esta aproximación, apoyada en la estadística bayesiana, aspira a ofrecer un método más preciso para la detección y la predicción de estrategias de comunicación para configurar la opinión pública. Aporta, además, una ampliación de los principios de la comunicación clásica al integrar un enfoque cuantitativo que permite medir fenómenos característicos de la inmediatez y el alcance global del entorno digital. Viñán Ludeña (2023) y Ustarroz Molina (2021) respaldan esta perspectiva, al subrayar cómo la estadística bayesiana y otras técnicas analíticas pueden ser aplicadas para predecir patrones de comportamiento informativos y analizar la influencia de las redes sociales en la formación de opinión pública.

La estrategia metodológica utilizada en esta investigación adopta un enfoque mixto, secuencial cualitativo-cuantitativo, que combina el estudio de redes sociales, la modelización estadística y el estudio del impacto de la información en la opinión pública. En concreto, se presenta un modelo bayesiano aplicado a un grafo dinámico, a fin de explicar y cuantificar la propagación de contenidos a lo largo del tiempo. A continuación, se describen los pasos principales de esta metodología.

Para alcanzar los objetivos de esta investigación, se buscaron casos de controversia política que abarcaban una amplia variedad de temáticas, incluidas las de corrupción política y financiera, abuso de poder, tráfico de influencias, escándalos relacionados con ayudas públicas, políticas fiscales polémicas, manipulación en contextos de crisis y el uso de propaganda digital. La literatura especializada indica que este tipo de casos no solo recibe una cobertura mediática considerable, sino que también genera un alto nivel de atención pública, especialmente cuando se difunden a través de plataformas digitales y redes sociales. En estos entornos, la visibilidad de los escándalos se amplifica mediante mecanismos como la viralización, el uso de narrativas polarizadoras y la simplificación de los hechos (Berganza et al., 2024).

Además, se observa una tendencia de los medios a enfatizar aspectos sensacionalistas, con personalización de los casos en torno a figuras públicas, lo cual refuerza el interés informativo pero también puede distorsionar la comprensión del problema. Este fenómeno se inscribe en lo que diversos autores denominan la «era del escándalo político», caracterizada por un creciente interés académico en el análisis de cómo estos acontecimientos son comunicados y representados en los medios, y cómo impactan en la opinión pública, la confianza institucional y el comportamiento electoral (Berganza et al., 2023). Estos elementos se consideran clave para analizar la amplificación de narrativas para la manipulación de la opinión pública en redes sociales, como parte de estrategias de propaganda digital.

En este contexto, el caso de estudio elegido corresponde a la controversia generada en torno a las ayudas financieras otorgadas durante la pandemia de COVID-19 por el gobierno español a diversas empresas, especialmente la ayuda de 53 millones concedida a la aerolínea Plus Ultra, la cual atrajo una significativa atención mediática y desencadenó debates masivos tanto en medios tradicionales como en redes sociales. Este caso, iniciado en marzo de 2021 y cerrado cuando la justicia archiva el caso en enero de 2023, presenta un alto grado de repercusión mediática y resulta idóneo para poner en práctica las técnicas de modelización y análisis propuestas. En la primera etapa de la validación, se analizó de forma cualitativa si las noticias publicadas en diversos diarios ejercían un efecto de focalización temático —consistente con los postulados de la agenda setting— y si, ulteriormente, desencadenaban discusiones masivas en la red social X (antes Twitter).

Para ello, se realizaron búsquedas en Google Noticias y Google Web con la ecuación «ayudas AND Plus Ultra» y se filtraron las publicaciones comprendidas entre el 9 y el 20 de marzo de 2021. Se identificaron 40 noticias de 27 medios escritos, cuyo contenido se correspondía con el tema analizado tras un examen crítico de la información, reflejado en la Tabla 1. El fallo judicial definitivo, que descartó malversación de caudales públicos, cohecho, prevaricación y otros delitos, sirvió como referente objetivo para establecer qué proporción de noticias era fácticamente correcta frente a cuáles inducían a la desinformación. De este modo, se pudo constatar que el 21,95 % de las noticias seleccionadas presentaban datos objetivos y concordantes con la resolución judicial, mientras que el resto contenía enfoques tendenciosos o afirmaciones sin sustento probado.

La Tabla 1 recoge los principales titulares publicados en medios online, junto con la fecha y hora de su difusión. El análisis preliminar reveló que, aunque los diarios iniciaron la cobertura el 9 de marzo, muchas de estas noticias con datos objetivos pasaron desapercibidas en redes sociales (véase la Tabla 2). Este hallazgo sugiere la relevancia del factor inmediatez y de la selección temática en la formación de la agenda: las informaciones más polémicas o sesgadas alcanzaron un impacto significativamente mayor, coherente con la teoría de la posverdad y la orientación de la atención pública. Los términos más frecuentes en este conjunto de titulares de prensa son: «rescate» (20 %), «Plus Ultra» (18 %), «chavismo» (10 %), «aerolínea» (9 %), «Gobierno» (7 %), «Venezuela» (5 %), «polémica» y «avión» (4 %), y «alianzas», «Maduro» y «España» (3 %). El conjunto de otras palabras representa el 13 % restante.

La segunda fase del estudio se basó en la recolección y análisis cuantitativo de tuits relacionados con la ecuación «ayudas AND Plus Ultra». En línea con la metodología propuesta, se aplicó un enfoque de aprendizaje automático no supervisado que integró técnicas de clustering y la asignación latente de Dirichlet (LDA). A partir de la búsqueda propuesta se realizó la recuperación de datos de X (antes Twitter) y se monitorizaron tendencias surgidas en España entre el 9 y el 20 de marzo de 2021, periodo que coincidía con la aparición del caso en la prensa escrita. El hashtag “#PlusUltra” se identificó como el principal término de agrupación temático. La Tabla 2 muestra las posiciones y menciones de dicha etiqueta en la lista de tendencias. Se evidencia una escalada notoria a partir del 10 de marzo, coincidente con la publicación de informaciones más controvertidas en medios digitales.

Se contrastaron las fechas y horas de publicación en prensa (Tabla 1) con la aparición de picos de interés en la red X. La publicación de noticias en diferentes medios provocó que la etiqueta «Plus Ultra» alcanzara un impacto muy relevante, pues llegó a ser trending topic en España durante 15 horas el día 18 de marzo y generando un volumen de 552,1k de interacciones. En este sentido, se puede establecer que las temáticas publicadas por los medios de comunicación tradicionales coinciden en temática y tiempo con el inicio de los debates en Twitter con mayor impacto, como se desprende al analizar las horas de publicación de las noticias en comparación con las horas de inicio de los trending topics. Ello confirma, en el plano cualitativo, que la prensa escrita constituyó un catalizador de la conversación en redes, lo cual materializa los supuestos de agenda setting sobre la relevancia temática.

Para el clustering y análisis semántico se recopilaron 61 840 tuits de 28 103 usuarios únicos para el periodo mencionado. Tras el procesamiento semántico y la aplicación de LDA (Blei et al., 2003), se obtuvieron 11 agrupaciones temáticas, donde cada tuit quedó asignado a un clúster con base en su contenido vectorizado (por ejemplo, palabras clave, menciones y etiquetas).

Tras el análisis cualitativo, se llevó a cabo el proceso matemático de inferencia bayesiana descrito en la metodología. Con base en la identificación de clústeres, se asignaron probabilidades previas a la hipótesis de que determinadas publicaciones constituían desinformación, ajustando continuamente dichas probabilidades mediante la observación de retuits, menciones y nuevas publicaciones. Cada tuit o usuario recibió una probabilidad previa en función de indicadores de fiabilidad (por ejemplo, existencia de datos verificados o concordancia con la sentencia judicial). A medida que surgieron nuevas interacciones y evidencias (por ejemplo, denuncias de otros usuarios o contrastes con medios de verificación), se recalculó la probabilidad de que un contenido perteneciera a una narrativa falsa o manipulada, lo cual permitió establecer un diagrama de relaciones entre usuarios y clústeres para estimar la fuerza de influencia de cada grupo. Los clústeres en los que la probabilidad de contenido engañoso sobrepasaba un umbral preestablecido indicaban focos de posible manipulación. La Tabla 3 refleja cómo se agruparon los tuits en torno a diversas dimensiones y muestra a la vez el volumen de usuarios y el interés suscitado por cada grupo. Este enfoque se alinea con la aproximación descrita en la metodología, que integra técnicas de inteligencia artificial para segmentar y clasificar mensajes relacionados con la desinformación.

Además se profundizó en el análisis al introducir la variable temporal, como se puede apreciar en el Gráfico 2, que muestra la actividad en Twitter del caso estudiado a lo largo de 7 meses, con picos en ciertos meses y una disminución gradual en otros. Esta información subraya la necesidad de investigar la configuración de la opinión pública más allá de los momentos de mayor actividad, pues el impacto informativo no es un fenómeno puntual, sino que puede transformarse y manipular la opinión pública a lo largo del tiempo, según los objetivos de quienes la generan. En general, estos resultados ilustran la utilidad del análisis de redes sociales para comprender la dinámica de la opinión pública en torno a temas de interés social y político.

La combinación de análisis cualitativo a partir de la identificación de temas y verificación judicial y cuantitativo con técnicas de clustering basado volúmenes de interacciones permitió corroborar la vinculación entre las noticias publicadas en prensa y el aumento de la discusión en la red social. Asimismo, la metodología evidenció la facilidad con que las narrativas sesgadas ganan relevancia, especialmente en torno a asuntos políticos controvertidos, por lo que se valida la importancia de los postulados de la agenda setting y las representaciones sociales en la propagación de la desinformación.

Los resultados del modelo apoyan la efectividad de la aproximación bayesiana para diferenciar entre contenido simplemente erróneo y campañas de desinformación deliberadas; para cuantificar el papel de determinados «nodos» o usuarios altamente activos en la propagación de narrativas sesgadas (Lewandowsky et al., 2012), y para comprobar la relevancia de la prensa escrita como punto de partida de la discusión, confirmado por el salto en menciones tras la publicación de noticias polémicas.

Los resultados de este estudio reafirman la hipótesis inicialmente planteada: las noticias difundidas por medios escritos tradicionales pueden operar como un catalizador de los debates que surgen en redes sociales. Cuando dichos debates adquieren una gran magnitud, se configura un ambiente propicio para la aparición de grupos de opinión que a menudo se basan en información sesgada o directamente falsa. Esta constatación se alinea con las teorías clásicas de la agenda setting (McCombs, 1996; McCombs y Shaw, 1972) y las representaciones sociales (Moscovici, 1976, 1979), cuya vigencia en entornos digitales se ve amplificada por la velocidad y el volumen de la interacción en plataformas sociales. Estudios recientes, como los de Santana y Cánepa (2019), evidencian cómo los medios tradicionales interactúan con redes sociales para amplificar contenidos desinformativos, proceso en el que cabe destacar la influencia de la agenda setting.

La investigación no se centra en la verificación puntual de contenidos, sino que enfatiza la medición y cuantificación de temáticas, identificación de usuarios afectados y la detección de patrones que fomentan la propagación de información (Nicasio-Varea, 2023). Este enfoque es reforzado con modelos bayesianos para analizar la difusión y el arraigo de las noticias en las redes sociales, iniciadas a menudo por los medios tradicionales (Calvo y Aruguete, 2020). Además, se subraya la relevancia de estrategias que promuevan una opinión pública informada y participativa mediante alfabetización mediática y el desarrollo de tecnologías más precisas para la detección de manipulación informativa. Los datos corroboran la existencia de un fuerte vínculo entre la publicación de noticias en medios tradicionales y la repercusión que dichas noticias tienen en redes sociales, particularmente en X. Se evidenció que la información publicada con mayor carga emocional o controversia incrementa la intensidad del debate online, en consonancia con las teorías de la agenda setting, según las cuales los medios desempeñan un papel central para jerarquizar temas y dirigir la atención de la audiencia (Carazo, 2020; McCombs y Shaw, 1972; Tran, 2014).

Este trabajo subraya cómo en casos mediáticos los medios tradicionales funcionan como iniciadores de narrativas que luego son amplificadas en redes sociales, de manera que se crean ciclos de retroalimentación mediática (Molina, 2022). El caso estudiado ilustra de forma elocuente este fenómeno: mientras que las publicaciones objetivas iniciales no despertaron mayor respuesta en redes, las informaciones más tendenciosas, aparecidas a partir del 10 de marzo, detonaron un volumen sustancialmente más alto de menciones y discusiones, lo cual conforma un ciclo de retroalimentación mediático. Este hallazgo resalta la capacidad de los medios para influir en los temas de interés público y la importancia de abordar su impacto en la configuración de la opinión.

Los resultados muestran que la mayoría de mensajes generados están provocados por contenidos sesgados o difícil de contrastar de manera rápida, lo que confirma la facilidad con la que circula la desinformación en entornos digitales de alta inmediatez. El enfoque computacional posibilitó agrupar y clasificar estos mensajes en siete dimensiones temáticas distintas, lo que contribuye a una visión estructurada de la conversación en línea. Este enfoque está alineado con el trabajo de Valeria (2021), quien demuestra la utilidad del teorema de Bayes en la clasificación de noticias falsas a partir de factores como la hora de publicación, la intensidad de los retuits o la semántica de los mensajes. De esta forma, no solo se han identificado grupos temáticos claramente vinculados a la desinformación, sino que también se han delineado grupos de opinión que potencian dichas narrativas.

La tercera pregunta de investigación se centraba en la potencialidad del modelo bayesiano para identificar, además de la propagación de información con intereses políticos y sociales, los grupos de usuarios que pudieran ser blanco de dichas campañas. De acuerdo con los datos, el 78 % de las interacciones de la muestra estaban ligadas a noticias falsas, lo que refuerza la hipótesis de que ciertos usuarios podrían estar sobreexpuestos a narrativas sesgadas. El modelo propuesto, al incorporar información contextual (perfil de usuario, contenido del mensaje, momento de publicación) y probabilidades condicionadas, construye un árbol de inferencia que revela la intensidad de la influencia entre clústeres y usuarios (Haupt et al., 2021).

Este hallazgo se apoya en los análisis de Calvo y Aruguete (2020), quienes resaltan cómo los métodos bayesianos permiten identificar patrones de contagio informativo y nodos clave en la propagación de desinformación. A diferencia de enfoques puramente descriptivos, el método aquí propuesto actualiza continuamente la probabilidad posterior en función de nueva evidencia, lo que permite reaccionar con mayor inmediatez ante brotes desinformativos. Este hallazgo también es respaldado por Molina (2022), quien analiza cómo las redes sociales amplifican mensajes con alta carga emocional y contribuyen a la polarización.

Además de cumplir con los objetivos planteados, la presente investigación abre nuevas vías para el estudio de la propagación de información para la polarización social. Por un lado, se destaca la relevancia de formar a analistas forenses de información para profundizar en el impacto social, económico y político que generan estas campañas (Lewandowsky et al., 2012). Por otro, resulta esencial establecer indicadores estandarizados de desinformación, de tal manera que el modelo bayesiano —u otras aproximaciones cuantitativas— disponga de criterios unificados para asignar probabilidades de veracidad o manipulación a los contenidos compartidos. Este esfuerzo de estandarización y formación podría, a su vez, sentar las bases para una estimación más robusta del daño provocado por la diseminación de noticias engañosas (Pichel, 2023). Este tipo de investigaciones también puede ser clave para desarrollar herramientas más precisas en la detección y clasificación de la propagación de contenidos tendenciosos a colectivos claramente caracterizados en redes sociales.