El sesgo político de los medios: Análisis y comparación de las series de tiempo de las encuestas y de las noticias durante las elecciones presidenciales estadounidenses del 2016

ALBANESE, FEDERICO; SEMESHENKO, VIKTORIYA; BALENZUELA, PABLO

Buenos Aires

Congreso; 103 Reunión Anual de Física (AFA 2018); 2018

Asociación de Física Argentina

Las personas nos informamos consumiendo noticias de diferentes medios. Estudios empiricos demuestran que la dinamica de formacion de opiniones durante periodos electorales esta fuertemente influenciada por los medios de comunicacion masivos [1]. Desde otro enfoque, las investigaciones te ́oricas realizadas en los ultimos an ̃os muestran tambien como los medios pueden repercutir de forma directa en una sociedad [2]. En este trabajo se realizo un estudio teorico-empirico del rol politico de los medios de comunicacion utilizando tecnicas de procesamiento del lenguaje natural y metodos estadısticos. Para ello, se analizaron todas las frases provenientes de todas las noticias relacionadas con los candidatos procedentes de grandes medios de comunicacion(The New York Times, Fox News y Breitbart) durante el per ́ıodo pre-electoral estadounidense del 2016 entre los candidatos Donald Trump y Hillary Clinton (28/07/2016 a 08/11/2016). Se utilizaron algoritmos de deteccion de topicos en textos (Latent Dirichlet Allocation [3] junto a Term frequency - Inverse document frequency [4]) y modelos profundos recursivos para la composicion semantica aplicado sobre ́arboles de sentimiento [5], para conocer si las menciones de los candidatos son de caracter positivo o negativo. De esta forma se busco caracterizar de forma automatica el flujo de noticias de cada medio y su relacion con el apoyo a los candidatos. En particular, testear las hipotesis de que la propagada negativa de un medio sobre un candidato influye negativamente en dicha persona y positivamente en el rival. Al comparar las series de tiempo de la cantidad de menciones positivas y negativas de los candidatos en los distintos medios contra los resultados de 263 encuestas nacionales realizadas por distintos organismos en funcion del tiempo [6], se logro observar de forma estadısticamente significativa (p-valor menor a 0.05) una relacion entre los artıculos de las noticias y el escenario pol ́ıtico durante las elecciones presidenciales. En particular, teniendo en cuenta el signo del coeficiente de Pearson, se puede confirmar el sesgo de los medios: Cuando el New York Times distribuye un art ́ıculo, Hillary Clinton sube en las encuestas, independientemente del sentimiento del texto y del candidato que se menciona. Por el contrario, cuando Fox News distribuye un art ́ıculo, Donald Trump sube en las encuestas. Ademas, al realizar un analisis de la entropıa e informacion mutua [7], se concluyo que la positividad y la negatividad de las menciones es relevante de forma no lineal. En particular y como ejemplo para clarificar, se vio que tanto frases positivas de Clinton como negativas de Trump en los diarios correspond ́ıan con que dicha candidata subiera en las encuestas.[1] Alan S Gerber, Dean Karlan, and Daniel Bergan. ?Does the media matter? a field experiment measuring the effect of newspapers on voting behavior and political opi- nions?. American Economic Journal: Applied Economics 1, 35 (2009).[2] Sebasti ́an Pinto, Pablo Balenzuela, and Claudio O Dorso. ?Setting the agenda: Different strategies of a mass media in a model of cultural dissemination?, Physica A: Statistical Mechanics and its Applications 458 378 (2016).[3] David M Blei, Andrew Y Ng, and Michael I Jordan. ?Latent dirichlet allocation?, Journal of machine Learning research, 3, 993 (2003).[4] Juan Ramos et al. ?Using tf-idf to determine word relevance in document que- ries?, Proceedings of the first instructional conference on machine learning 242, 133 (2003).[5] Richard Socher, Alex Perelygin, Jean Wu, Jason Chuang, Christopher D Manning, Andrew Ng, and Christopher Potts. ?Recursive deep models for semantic compositio- nality over a sentiment treebank?, Proceedings of the 2013 conference on empirical methods in natural language processing, pages 1631-1642, (2013).[6] Real clear politics. https://realclearpolitics.com/.[7]Christoph Bandt and Bernd Pompe. ?Permutation entropy: a natural complexity measure for time series?, Phys. Rev. Lett. 88, 174102 (2002).