Esta investigación tiene el objetivo de explicar los niveles de polarización política durante la campaña de las últimas elecciones generales celebradas en España. Si bien esta vocación es compartida por otros investigadores e investigadoras, este trabajo cuenta con la originalidad de ofrecer una perspectiva comparada entre la región andaluza y el total estatal y, principalmente, de haber sido posible gracias a una base de datos inédita, propia y muy poco habitual en la disciplina que ha salvado los obstáculos del trabajo con material audiovisual (siendo frecuente encontrar estudios que analizan prensa escrita pero no así noticieros de cadenas de televisión). 

Los análisis abajo ofrecidos han sido posibles previa elaboración de la citada base, en la que se recogían transcripciones correspondientes a todos los noticieros de segunda edición ofrecidos por las cadenas de televisión: Canal Sur, Cuatro, Telecinco, Antena 3, La Sexta y Radio Televisión Española, durante la campaña electoral (7 a 21 de julio) previa a las elecciones generales del 23 de julio de 2023 en España. La inclusión de un medio regional entre el resto de cadenas de ámbito estatal responde  a la intención de comparar la polarización política en Andalucía con la del resto del Estado. Hasta depurar dichas transcripciones fue necesaria la recopilación de los materiales, su etiquetado y codificación, su fragmentación por noticia (para así obtener la unidad de análisis individualizada) y nueva codificación y finalmente su traducción de vídeo a texto. Esta transcripción fue realizada a través del software de código abierto “Whisper”: un modelo de aprendizaje automático para el reconocimiento y la transcripción de voz. 

Para el cálculo de la polarización afectiva, comenzamos realizando un análisis de sentimiento con la librería SentimentR (Rinker, 2022) de R, que asigna una puntuación a cada frase en función del sentido más positivo o negativo de las palabras que contiene, teniendo en cuenta el contexto en que se enmarca cada palabra y los cambios de valencia (Serrano-Contreras et al., 2021). A continuación, identificamos los temas y subtemas principales de la campaña electoral, mediante un topic modeling con una técnica no supervisada de análisis de textos como es el LDA (Latent Dirichlet Allocation), ya utilizada en análisis similares (Serrano-Contreras, 2021; Serrano-Contreras et al., 2021; Luengo et al., 2021). Filtramos las noticias relacionadas con el tópico de la campaña electoral y, dentro de ellas, los fragmentos que mencionan a cada partido y/o candidato/a. Tras el filtrado, agregamos el valor de sentimiento a la media de los fragmentos dentro de cada noticia que mencionan a cada partido, para obtener una medida más precisa de la polaridad, puesto que una noticia puede mencionar a distintos partidos. Por último, para el cálculo de la polarización afectiva seguimos la metodología propuesta por Serrano-Contreras et al (2021, 2020), entendiendo el grado de polarización de una noticia en una temática como el absoluto de la distancia entre el valor del sentimiento de esa noticia y la mediana del sentimiento de todas las noticias de una misma cadena:

Pij =|Sij - Mej | ,

donde Pij es el nivel de polarización de la noticia i en la cadena j, Sj es el valor de sentimiento de la noticia ij y Mej es la mediana del valor de sentimiento de la cadena j. Pij toma valores comprendidos entre 0 (ausencia de polarización) y +2 (polarización máxima).

El análisis de los niveles de polarización se lleva a cabo en dos etapas, primero, mediante la utilización de modelos ANOVA de una y dos vías, para comparar las medias de polarización entre partidos, entre medios, así como la interacción entre ambos factores, antes de incluir la dimensión temporal. Y segundo, como alternativa ante las limitaciones del modelo ANOVA de medidas repetidas (Quené & van den Bergh, 2004), recurrimos a un modelo lineal multinivel de medidas repetidas para identificar los predictores de los niveles de polarización al tiempo que damos cuenta de la evolución de la polarización durante la campaña. La utilización de una metodología multinivel (Raudenbush & Bryk, 2002), en este caso con medidas repetidas, permite descomponer la varianza entre-noticias a lo largo del tiempo (between level) e intra-noticias una vez controlada la variación temporal (within level), pudiendo incluir predictores a ambos niveles. 

En cuanto a los resultados obtenidos, encontramos que en la cobertura mediática a nivel de noticia sobre los  partidos “modernos” (Vox y Sumar), la polarización política es mucho más elevada que en los partidos tradicionales (PP y PSOE). Atendiendo a la dimensión temporal, la polarización aumenta gradualmente desde el inicio de la campaña hasta el día de las elecciones; más aún si comparamos el período encuestable con aquel en el que las encuestas se prohíben por normativa (última semana de campaña, del 17 al 23 de julio). Por este motivo podemos concluir que las encuestas no son un factor determinante en los niveles de polarización política en su cobertura mediática en España. En una comparativa por cadenas es patente que aquella cuya cobertura política es más divergente de la moderación es la televisión pública andaluza (Canal Sur), pues muestra unos niveles de polarización más elevados tanto que las televisiones estatales privadas como con el canal del estado RTVE. En el cruce de estos medios con los cuatro principales partidos políticos, se comprueba que estos elevados niveles de polarización de Canal Sur se producen en todos los partidos políticos. En las cadenas privadas, destacan los altos niveles de polarización de Sumar en Telecinco, así como, de VOX para el caso de la Sexta; siendo éste el partido más extremado en su cobertura. En general, el PP es el partido que menos polarización genera en las principales cadenas.

Finalmente debemos apuntar que este análisis corresponde a una investigación en curso que será complementada con la identificación por temática de la polarización política, respondiendo al futuro objetivo de reconocer cuáles son los asuntos que generan mayores disensos en los medios españoles y andaluces. 

Bibliografía

Luengo, Ó., García-Marín, J., & de-Blasio, E. (2021). COVID-19 en Youtube: Debates y polarización en la esfera digital. Comunicar, 29(69), 9-19. https://doi.org/10.3916/C69-2021-01  

Quené, H., van den Bergh, H. (2004). On multi-level modeling of data from repeated measures designs: a tutorial. Speech Communication, 43(1–2), 103–121. https://doi.org/10.1016%2Fj.specom.2004.02.004 

Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods. Sage Publications.

Rinker, T. (2022). Package ‘sentimentr’: Calculate Text Polarity Sentiment. https://github.com/trinker/sentimentr 

Serrano-Contreras I-J. (2021) NLP on YouTube: A Look on Feminism. En M. Musiał-Karg, O. G., Luengo (Eds), Digitalization of Democratic Processes in Europe. Studies in Digital Politics and Governance. Springer. https://doi.org/10.1007/978-3-030-71815-2_10  

Serrano-Contreras, I.-J., García-Marín, J., & Luengo, Ó. G. (2020). Measuring online political dialogue: does polarization trigger more deliberation? Media and Communication, 8(4), 63-72. https://doi.org/10.17645/mac.v8i4.3149   

Serrano-Contreras, I. J., García-Marín, J., & Luengo, Ó. G. (2021). Coberturas mediáticas, polarización y reformas educativas en España. Revista de ciencia política, 41(3), 497-514. DOI: https://doi.org/10.4067/S0718-090X2021005000109