INVESTIGADORES
GINDIN Irene Lis
congresos y reuniones científicas
Título:
¿Qué ves cuando me ves? La problemática de los contenidos maquínicos en los estudios semióticos en Twitter”
Autor/es:
GINDIN, IRENE LIS
Lugar:
Buenos Aires
Reunión:
Congreso; XVI Congreso Argentino de Semiótica; 2023
Institución organizadora:
Asociación Argentina de Semiótica
Resumen:
En esta presentación, que se asume como una interrogación metodológica, se propone exponer un ejemplo de una investigación actualmente en curso: la circulación de sentido en la plataforma Twitter durante los alegatos presentados por el Ministerio Público de la Acusación contra Cristina Fernández de Kirchner en la causa comúnmente conocida como “Vialidad” u “Obra Pública” (agosto 2022). Algunas preguntas que guiaron el proceso fueron: ¿qué flujos y contraflujos se pueden observar en Twitter?, ¿cuáles fueron los hashtags preponderantes?, ¿qué papel cumplieron, en la circulación de estos hashtags, las cuentas falsas? Sin embargo, algunos de los interrogantes planteados en primera instancia se vieron interrumpidos ante una primera recolección de tweets, en donde la enorme cantidad de tweets maquínicos que se encontraron dentro del corpus total obligó a la pregunta tanto sobre el estatuto del enunciador cuanto de la conformación de colectivos y su posibilidad de ser reconocidos mediante técnicas de clustering. De un tiempo a esta parte se ha asumido que los datos que se extraen de las plataformas de redes sociales –por mencionar un ejemplo– no son materias cuantitativas y que su recolección y tratamiento obliga a rediscutir los paradigmas cualitativo/cuantitativo.Sin embargo, esas certezas –siempre precarias y siempre en constante discusión– parecieran dejar ahora a los investigadores frente a otro tipo de problemas: ¿cómo se combinan las labores artesanales propias de las ciencias sociales –y, especialmente, de la semiótica– cuando se trata de un millón de piezas discursivas que mezclan texto lingüístico, imagen fija, imagen en movimiento, hipervínculos, etc.? Aunque no se trabaje con big data, sí se lo hace con corpus voluminosos que requieren no sólo de un conocimiento específico sino de una cooperación disciplinar, de la conformación de equipos y de un presupuesto del que muchas veces se carece.