MarcoPolo: una plataforma digital de análisis del discurso electoral en Twitter

Abstract

Objetividad, validez y replicabilidad son requisitos básicos de la investigación
científica. Los estudios de análisis del discurso digital no deben ser ajenos a ello, sobre todo en ámbitos con alto impacto social como es el discurso político. En este artículo presentamos la plataforma MarcoPolo, una herramienta implementada para cumplir con ellos respetando las restricciones de licencias del corpus y para hacer las investigaciones accesibles a un público más general. Permite navegar por el corpus a través de más de 10.000 gráficos que representan los usos léxicos en Twitter de los cinco partidos más votados en España y sus candidatos entre octubre de 2015 y junio de 2016. Se describe el diseño de la página, su uso y algunos ejemplos
de su funcionalidad para los investigadores del discurso político digital.

Full text

MarcoPolo: una plataforma digital de análisis del
discurso electoral en Twitter 1
MarcoPolo: a digital platform for analyzing electoral
discourse in Twitter
MANUEL ALCÁNTARA PLÁ, ANA RUIZ SÁNCHEZ, MARISOL BENITO REY,
VANESSA AMESSA GARCÍA Y ALEJANDRO MARTÍN JIMENO
Wor(l)ds Lab, Facultad de Filosofía y Letras, Universidad Autónoma de Madrid
manuel.alcantara@uam.es, a.ruiz@uam.es, marisol.benito@uam.es,
vanessa.amessa@gmail.com, jandro.martinj@gmail.com
ORCID: http//orcid.org/0000-0002-2438-0293, http://orcid.org/0000-0001-6178-3334,
http://orcid.org/0000-0002-2187-0094
Recibido: 15 de julio. Aceptado: 30 de octubre.
Cómo citar: Alcantara Plá, M., Ruiz Sánchez, A., Benito Rey, M., Amessa Garcia, V. &
Martín Jimeno, A. (2018), “MarcoPolo: a digital platform for analyzing electoral
discourse in Twitter”, Revista Estudios del Discurso Digital (REDD), 1: 1-23.
DOI: https://doi.org/10.24197/redd.1.2018.7-29
Resumen: Objetividad, validez y replicabilidad son requisitos básicos de la investigación
científica. Los estudios de análisis del discurso digital no deben ser ajenos a ello, sobre todo en
ámbitos con alto impacto social como es el discurso político. En este artículo presentamos la
plataforma MarcoPolo, una herramienta implementada para cumplir con ellos respetando las
restricciones de licencias del corpus y para hacer las investigaciones accesibles a un público más
general. Permite navegar por el corpus a través de más de 10.000 gráficos que representan los
usos léxicos en Twitter de los cinco partidos más votados en España y sus candidatos entre
octubre de 2015 y junio de 2016. Se describe el diseño de la página, su uso y algunos ejemplos
de su funcionalidad para los investigadores del discurso político digital.
Palabras clave: discurso político, marcos, CADS, campaña electoral, Twitter
Abstract: Objectivity, validity and replicability are basic requirements of scientific research. Studies into
digital discourse analysis must not be unrelated to this, especially in areas with elevated social impact
such as political discourse. In this article, the MarcoPolo platform is presented, a tool implemented to
comply with these requirements while respecting the restrictions on corpora licenses and make research
accessible to a general public. It allows users to browse the corpus through over 10,000 graphs
1 Este trabajo se ha realizado en el marco del Proyecto de Investigación Estrategias de
encuadre y articulación del discurso político en 140 caracteres, financiado por el
Ministerio de Economía y Competitividad español en su programa de I+D
(FFI2014-53958-P).

8 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
representing the lexicon used on Twitter from the five most voted parties in Spain and their candidates
between October 2015 and June 2016. The design of the page is described along with its usage and a
selection of examples of its functionality for digital political discourse researchers.
Keywords: political discourse, frames, CADS, campaign, Twitter
Sumario: Introducción, Discurso digital y discurso político, Un corpus de textos digitales, La
información en MarcoPolo, El diseño de la plataforma, Conclusiones.
Summary: Introduction, Digital discourse and political discourse, A digital texts corpus, The
information in MarcoPolo, The design of the platform, Conclusions.
INTRODUCCIÓN
MarcoPolo es una plataforma en línea para facilitar la navegación y
el análisis del contenido del discurso político digital en España. Se
encuentra dentro de la página de Wor(l)ds Lab, nuestro grupo de
investigación, y su dirección es www.worldslab.eu/marcopolo. Los datos
que maneja provienen de los mensajes publicados en Twitter entre
octubre de 2015 y junio de 2016 por las cuentas oficiales de los cinco
principales partidos de ámbito nacional (PP, PSOE, Podemos,
Ciudadanos e Izquierda Unida2) y de sus correspondientes cinco líderes
(Mariano Rajoy, Pedro Sánchez, Pablo Iglesias, Albert Rivera y Alberto
Garzón). Determinadas circunstancias históricas han dotado a este corpus
de una de sus características más interesantes: recopilado en un espacio
de tiempo relativamente breve, en él se incluyen dos campañas
electorales, la de diciembre de 2015 y la de junio de 2016.
MarcoPolo responde a dos retos. El primero es cómo analizar el
discurso empleado en los tuits aprovechando que el medio digital nos
permitía recuperar el corpus prácticamente íntegro. Esta condición de
integridad ofrece atractivos evidentes para la investigación. Podemos
trabajar con un corpus cuyo volumen de datos es suficiente para poder
hacer una radiografía real del discurso político tanto global como por
partidos. Superamos así la dificultad científica frecuente en estudios del
discurso de tener que extraer conclusiones a partir de muestras poco
representativas. Las frecuencias estadísticas, sin embargo, son
2 Izquierda Unida se presentó a las elecciones 2015 en una coalición de formaciones
de izquierdas bajo el nombre de Unidad Popular en Común y a las elecciones 2016
en coalición con Podemos bajo el nombre de Unidos Podemos.
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 9
insuficientes por sí solas para ser suficientemente validadas. Decidimos
adoptar una metodología híbrida que combinara las posibilidades de la
Lingüística de corpus para el tratamiento de los 117.010 tuits junto con el
estudio cualitativo propio del Análisis Crítico del Discurso3. Para ello
tuvimos que dotarnos de un sistema que facilitara la interpretación de los
datos estadísticos y que permitiera a la vez incorporar el análisis
cualitativo.
El segundo reto al que MarcoPolo da respuesta responde a cómo
poner a disposición de la comunidad científica y del público en general
no solo las conclusiones de nuestros estudios, sino también el material
suficiente que permitiera validarlos.
El enfoque abierto que pretendíamos nos exigió creatividad para
solventar legalmente las restricciones de la Ley de Protección de Datos y
las de la propia red social. Twitter tiene unas normas estrictas sobre la
redistribución de tuits4. En concreto, solo permiten compartir el
contenido de 50.000 mensajes diarios y sin hacerlos en ningún caso
públicos. Su recomendación para compartir grandes cantidades de
mensajes, como sería nuestro corpus, es hacerlo a través del código que
identifica a cada mensaje cuando se descarga a través de la API. Este
código permitiría al receptor localizarlo en la plataforma para recuperar
el contenido. Obviamente estos requisitos hacen imposible conseguir
nuestros retos mostrando el corpus de forma directa. MarcoPolo es la
solución que encontramos.
1. DISCURSO DIGITAL Y DISCURSO POLÍTICO
El análisis del discurso político digital ha ganado protagonismo en
los últimos años por la importancia que las campañas electorales le han
dado a este espacio. Los primeros usos exitosos de Internet para la
comunicación política son de principios del s.XXI, cuando se crearos los
primeros blogs (Tuñez y Sixto 2010). La campaña de las presidenciales
3 Véase Partington et al (2013) para una descripción detallada de la métodogía híbrida
de análisis del discurso basada en corpus (Corpus Assisted Discourse Studies,
CADS), y Alcántara-Plá y Ruiz-Sanchez (2017, 2018) para ejemplos de nuestra
aplicación con Análisis Crítico del Discurso).
4 Se pueden consultar en https://developer.twitter.com/en/developer-terms/more-on-
restricted-use-cases
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

10 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
estadounidenses de Barack Obama en el año 2008 supuso la constatación
de que el ámbito digital ya no podría volver a obviarse en política.
La comunicación digital no es una adaptación de los mensajes
tradicionales, sino que ha supuesto toda una transformación de las
estrategias políticas y de campaña (Gibson y Römmele 2008, Conway et
al 2015). Esto es así hasta el punto de que se habla de la democracia
electrónica o de la democracia digital (Dader 2003) para hacer referencia
a las nuevas formas de comunicación y acción políticas que buscan
facilitar la participación de la ciudadanía en los procesos políticos
(Coleman 2013).
La comunicación política en España en la red social Twitter cobra
fuerza en la campaña de las elecciones municipales de 2011. Desde
entonces, ha sido objeto de estudio en diversos proyectos (p.ej. Aragón et
al. 2013, Zamora y Zurutuza 2014, Mancera y Pano 2013, Zugasti y
Sabés 2015, Padilla 2015).
2. UN CORPUS DE TEXTOS DIGITALES
La hipótesis de partida del proyecto de investigación en el que se
enmarca este trabajo era que la fuerte restricción provocada por el
formato de 140 caracteres -que imponía Twitter entonces5- podría
generar una intensificación del discurso, en comparación con lo que
sucede en el resto de formatos tradicionales en comunicación política,
como son los discursos parlamentarios, programas electorales y los
argumentarios. Si la hipótesis era cierta, deberían verse afectadas las
estrategias discursivas de encuadre y articulación en el discurso político
de esta red social. Tanto los corpus como la plataforma que se presentan
aquí han sido los instrumentos de trabajo utilizados para comprobar esta
hipótesis. El desarrollo actual de MarcoPolo permite una variedad de
estudios sobre el corpus que supera los planteamientos iniciales del
proyecto.
Metodológicamente y teniendo en cuenta que nuestra investigación
se centraba en la selección léxica y en las estrategias de encuadre,
adoptamos como base conceptos claves de la Teoría de la articulación
(Howarth 2005) y de la Semántica de marcos (Fillmore 1982, Langacker
1991, Huckin 2002).
5 En la actualidad Twitter ha ampliado el número de caracteres a 280.
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 11
2.1. La fuente de los textos
Con la intención de trabajar desde un punto de vista empírico,
utilizamos como objeto de estudio la suma total de tuits publicados en las
diez cuentas oficiales antes citadas. Estas diez cuentas acumularon en el
periodo comprendido entre octubre de 2015 y junio de 2016 unos
117.010 mensajes, que suman 2.120.371 palabras6.
El corpus fue obtenido automáticamente con un sencillo script que
registraba los tuits en el momento de su publicación gracias a la
Application Programming Interface (API) ofrecida por Twitter. Lo
implementamos en el lenguaje de programación Python7 utilizando el
módulo Tweepy8 de Joshua Roesslein.
De esta forma, Twitter nos permitió descargar los mensajes en el
formato estándar abierto JavaScript Object Notation (JSON) con toda la
información etiquetada: texto del tuit, momento en que fue publicado,
datos del emisor, número de retuits, etc. MarcoPolo solo hace uso en su
versión actual del texto de los mensajes y del nombre de la cuenta que los
publica.
La decisión de descargar los tuits en el momento que se publicaban
nos garantizó que no perdíamos información de lo comunicado a través
de la red social independientemente de que los autores pudieran haber
decidido borrarlo después. A cambio, asumimos el riesgo de perder algún
mensaje en caso de que hubiera cortes puntuales en la red. Como
demuestra la cantidad de tuits incluidos en el corpus, esta pérdida,
inevitable con un script funcionando de continuo durante nueve meses,
no es significativa.
Un sesgo más importante, aunque también inevitable, tiene que ver
con la representatividad en el corpus. La siguiente tabla (1) muestra el
número de mensajes publicados por cada cuenta. Las diferencias entre
ellas son amplias. Entre los partidos políticos, Podemos es el que más
6 El concepto de palabra tiene aquí un sentido amplio y poco ortodoxo. Como
explicamos más abajo, el corpus fue anotado morfológicamente y segmentado
teniendo en cuenta la existencia de multipalabras. El recuento de palabras incluye
también elementos característicos de los textos de esta red social que no existen en
otros contextos como los hashtags o las direcciones web.
7 https://www.python.org
8 http://www.tweepy.org
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

12 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
publicó (26.210) y lo hizo el doble de veces que el Partido Popular, que
fue el que menos (13.361). En cuanto a los candidatos, Albert Rivera
(4.586) y Pedro Sánchez (4.513) fueron los más profusos mientras que
Pablo Iglesias apenas llegó a publicar un tercio de esas veces (1.629).
Podemos
n
IU
n
@Ahorapodemos
26.210
@iunida
20.111
@Pablo_Iglesias
1.629
@agarzon
3.316
C’s
n
PP
n
@CiudadanosCs
19.728
@PPopular
13.361
@Albert_Rivera
4,586
@marianorajoy
4.299
PSOE
n
@PSOE
18.350
@sanchezcastejon
4.513
Tabla 1. Número de tuits de cada cuenta de octubre de 2015 a junio de 2016
Este desequilibrio se ve matizado en MarcoPolo por otra
característica particular del corpus apreciable en la tabla: la cantidad de
publicaciones de los partidos es casi inversamente proporcional a la de
sus candidatos. Ya hemos señalado que Podemos es el partido que utilizó
con mayor intensidad la red social y que su candidato es el que menos lo
hizo. Entre ambos publicaron 27.839 tuits. Por otro lado, el Partido
Popular fue el que menos escribió, pero su candidato Mariano Rajoy es el
segundo con más tuits. Entre ambos suman 17.660.
MarcoPolo muestra los subcorpus sumando cada partido con su
candidato y no de manera independiente. Esta decisión se tomó para
garantizar que había datos suficientes para el mayor número posible de
palabras, pero también reduce las diferencias de tamaño aunque estas
siguen siendo importantes en los casos más extremos. Como veremos en
la sección dedicada al diseño de la plataforma, esta permite seleccionar
los subcorpus que queremos que se visualicen, facilitando que nos
centremos, si así lo deseamos, en el uso concreto de un partido/candidato.
No obstante, habrá que tener siempre presentes las probabilidades de que
un subcorpus tenga más peso que otro al calcular las estadísticas
generales de un término.
Otro aspecto a tener en cuenta a la hora de interpretar los resultados
es que el corpus incluye todos los mensajes que fueron difundidos a
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 13
través de las cuentas estudiadas. No se diferencia, por lo tanto, si fueron
realmente escritos desde esa cuenta o solo difundidos por ella. Cualquier
mensaje transmitido desde las cuentas se considera parte de la campaña
de comunicación de los partidos y candidatos que estas representan. Este
dato es especialmente relevante en una red como Twitter, donde los
retuits (mensajes de otros que otra cuenta distribuye entre sus seguidores)
tienen gran protagonismo. Nuestra plataforma muestra la relación entre
conceptos expresada a través de cada cuenta, sin diferenciar la autoría
original, siendo fiel así a la exposición que tuvieron los seguidores de
dichas cuentas.
Por otro lado, la autoría es difícil de determinar al tratarse de cuentas
de organizaciones donde la comunicación se diseña y filtra a través de
equipos profesionales. De nuevo, no tenemos manera de saber quién
escribió realmente cada mensaje (aunque aparezca en una cuenta
personal de un candidato), pero sí lo que recibieron sus seguidores.
2.2. El texto procesado
Hemos señalado que MarcoPolo solo analiza los textos de los
mensajes, obviando los metadatos proporcionados por la API de Twitter.
Explicaremos en la siguiente sección que los datos que se presentan en la
plataforma no son los textos en sí, sino datos obtenidos estadísticamente
a partir de ellos utilizando la herramienta de lingüística de corpus Sketch
Engine (Kilgarriff 2003).
Para poder obtenerlos, los textos deben pasar por varios procesados,
siendo el primero su etiquetado morfológico. Lo llevamos a cabo con la
librería de licencia pública Freeling (Padró & Stanilovsky 2012) y es
crucial en nuestra investigación por dos motivos. Por un lado, el
etiquetado morfológico desambigua las palabras homógrafas evitando
errores posteriores a la hora de contar la frecuencia de cada término. Por
otro lado, veremos que tanto Sketch Engine como MarcoPolo utilizan la
diferenciación entre clases de palabras para efectuar y mostrar las
estadísticas.
Freeling segmenta el texto en palabras y después las etiqueta. El
segmentador utiliza expresiones regulares adaptadas al español mientras
que el etiquetador se basa en módulos que sirven para detectar diferentes
elementos como son la puntuación, las fechas, las multipalabras, etc. Para
analizar un término, lo busca en un diccionario de lemas al que se aplican
reglas de sufijación. Cuando varias soluciones pueden ser correctas, el
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

14 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
sistema calcula la probabilidad de cada una según su experiencia previa y
el contexto del término analizado. Cuando la palabra no se encuentra en
el diccionario, intenta el tipo de palabra más probable teniendo en cuenta
su terminación.
El etiquetado morfológico es fundamental para obtener unos
resultados tan ricos como los ofrecidos por nuestra plataforma. Sin
embargo, la breve descripción del funcionamiento de Freeling en el
párrafo anterior debe servir de advertencia en cuanto a los resultados.
Nuestro corpus tiene características especiales que dificultan la
automatización del etiquetado porque el español de Twitter sigue
convenciones propias. A continuación ejemplificamos las tres más
frecuentes.
La más distintiva es el uso de etiquetas o hashtags, términos que
funcionan como enlaces entre mensajes que utilizan la misma etiqueta y
que se pueden considerar metafóricamente como constructores de
espacios de conversación (Alcántara-Plá 2017). Se identifican
formalmente porque comienzan con el símbolo # y porque no aceptan
espacios. Esto último hace que se empleen a veces guiones bajos en su
lugar o, lo que es más común, que aparezcan varias palabras juntas. En
nuestro corpus encontramos ejemplos como #PactoporEspaña o
#LaEspañamoderada que obviamente no podrían estar en el diccionario
de Freeling.
También es frecuente la aparición de enlaces a páginas o elementos
multimedia con el formato URL (“http://www….”). Aunque nosotros no
los hemos considerado palabras en la plataforma, sí que forman parte de
las oraciones que encontramos en los mensajes y estorban
inevitablemente al cálculo de probabilidades que tengan en cuenta el
contexto. Si una palabra puede ser de una clase u otra dependiendo del
tipo de palabra que le sigue, que esta sea una URL no le dará al sistema la
información que espera.
Por último, la ortografía que se utiliza en las redes sociales a menudo
no respeta la norma, sacrificada esta para lograr mayor expresividad o
para reducir el número de caracteres necesarios para expresar el mensaje.
Suelen omitirse las letras que no representan sonidos (como la h o la u
que sigue a la g), se reducen las palabras a sus esqueletos consonánticos
(t spr dsps por te espero después) o incluso se utilizan logogramas (q en
lugar de que) (Alcántara-Plá 2017:91-101). Aunque se podría esperar una
ortografía más cuidada de lo habitual por ser parte de la imagen de unos
partidos políticos, lo cierto es que sí encontramos bastantes casos de
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 15
estos fenómenos. Si buscamos, por ejemplo, x en MarcoPolo,
observamos que aparece 237 veces y que lo hace frecuentemente después
de verbos como apostar, trabajar, luchar o impulsar: se trata, por lo
tanto, del logograma de la preposición por.
El caso de la x sirve pone de manifiesto tanto los problemas que un
corpus así genera para un sistema como Freeling, entrenado sobre corpus
de español normativo, como que estas dificultades no evitan que la
plataforma acabe por darnos información interesante incluso para estas
expresiones. No obstante, es importante tenerlo en cuenta a la hora de
utilizarlo para cualquier estudio (uno sobre las preposiciones, por
ejemplo, probablemente debería considerar esa x e incluir sus gráficos).
3. LA INFORMACIÓN EN MARCOPOLO
Hemos comentado que el tamaño del corpus de estudio hacía
necesario el uso de métodos estadísticos de la lingüística de corpus para
trabajar con una cantidad tan elevada de textos; también que la
aproximación teórica del proyecto en que se inscribe MarcoPolo es la del
estudio de los marcos semánticos transmitidos en los tuits. Distintas
teorías, la mayoría próximas a la lingüística cognitiva, proponen el
estudio de la relación entre dos palabras a través de su frecuencia de uso
en un mismo contexto. Esta es la idea que hay detrás, entre otros, del
Cognitive Network Model (Santanen, Briggs and de Vreede, 2000), del
Lexical Priming (Hoey, 2005), del Associative Network Model of
Memory (Anderson, 1983) y, dentro del ámbito de la comunicación, del
modelo de la Network Agenda Setting (Lang, 2000).
Sin hacer normalmente referencia a ninguna de estas teorías, el
trabajo de la lingüística de corpus ha asumido esta relación dándole un
papel fundamental a la repeticiones de colocaciones. Sketch Engine
proporciona una herramienta valiosa, el Word Sketch (WS), para
acercarnos a estas frecuencias. Un WS agrupa las colocaciones más
relevantes de una palabra, clasificadas según las relaciones gramaticales
(McCarthy et al 2015). El grado de relación entre palabras se calcula con
un algoritmo que toma como base la medida estadística logDice. Esta
tiene la cualidad de no verse influida por el tamaño del corpus, evitando
que el tamaño de este afecte al resultado final.
Cada WS muestra las palabras que se relacionan con el término
buscado en diferentes relaciones gramaticales. Por ejemplo, si buscamos
el WS de un nombre, nos indicará qué verbos suelen tenerlo como sujeto,
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

16 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
cuáles como objeto directo, qué adjetivos le acompañan frecuentemente o
qué nombres aparecen completando oraciones del tipo “un x es un …”.
En el momento de escribir este artículo, Sketch Engine muestra
los WS en dos versiones distintas, la oficial y una beta que se lanzará
próximamente. Ambas están compuestas de tablas en las que aparecen las
palabras con mayor relevancia para cada relación gramatical con el
término buscado en un corpus concreto. La versión beta simplifica los
datos al no presentar las puntuaciones numéricas ni las frecuencias. Es
importante señalar que los resultados no muestran las palabras más
frecuentes en términos absolutos, sino las más relevantes según la
puntuación obtenida con la citada medición estadística logDice.
La plataforma MarcoPolo basa su presentación en estos WS
gracias a que Sketch Engine incluye una API que permite descargar esa
información en formato JSON. Igual que descargamos el corpus de
mensajes desde Twitter, hicimos un proceso similar para almacenar los
WS de todos los términos de nuestro corpus. Lo conseguimos en dos
pasos. Primero, descargamos el listado del vocabulario presente en el
corpus, ordenado de mayor a menor frecuencia. Segundo, pedimos a la
API el WS de cada una de las palabras de ese listado.
En realidad, esto no significa que contemos con un WS para cada
palabra. Por un lado, la palabra debe cumplir el requisito de tener un
mínimo de datos necesario para que el logDice sea significativo. Muchas
palabras apenas aparecen una o dos veces, lo que hace que el WS sea
imposible e irrelevante. Por otro lado, le hemos pedido al sistema la
información de seis WS por cada palabra, correspondientes al corpus
global y a cada uno de los cinco subcorpus de candidato/partido. Como
hemos señalado más arriba, estos subcorpus tienen tamaños diferentes y
además no coinciden en la importancia dada a cada tema, con lo que una
palabra puede tener ejemplos suficientes en unos subcorpus (o en el
corpus general) y no en otros.
4. EL DISEÑO DE LA PLATAFORMA
MarcoPolo es una página web que permite navegar los marcos del
corpus de tuits políticos con al menos tres ventajas frente a Sketch
Engine (y con una desventaja importante).
La primera ventaja está relacionada con el reto explicado
anteriormente de querer facilitar a la comunidad científica y al público en
general el acceso a los datos de nuestra investigación con las mínimas
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 17
restricciones. Las limitaciones legales impuestas por Twitter no nos
permiten compartir el corpus en sí. Esta es la desventaja más clara de
nuestra propuesta: no es un acceso directo a los textos literales que se
están estudiando. Sin embargo, estos tal y como los distribuye Twitter en
JSON tampoco ofrecerían un acceso sencillo a los datos estadísticos que
fundamentan nuestras investigaciones. MarcoPolo es la forma que hemos
encontrado de solucionar este problema: mostramos todos los datos que
tenemos en nuestra mano sin la necesidad de distribuir realmente el
corpus ni de obligar a tener una cuenta en Sketch Engine (que sería inútil
para nuestro objetivo por la ausencia del corpus).
La segunda es la visualización a través de gráficos de los datos de los
seis corpus de manera simultánea, lo que facilita la comparación. Como
se verá enseguida, los gráficos están diseñados de forma que las
diferencias entre partidos sean lo más evidentes posible. La disposición
de los círculos concéntricos y el tamaño de sus secciones las muestran
visualmente.
Por último, MarcoPolo incluye descripciones realizadas por nuestro
equipo para muchas de las palabras del corpus. Estos textos, además de
su valor para explicar algunos términos, pueden servir de guía sobre
cómo formular posibles conclusiones de los datos estadísticos que se
muestran.
4. 1. La web
La página es de manejo sencillo, pero merece la pena detenerse en su
funcionamiento para poder sacarle el máximo provecho. Tiene tres
espacios claramente diferenciados: un menú superior, una columna en el
lateral izquierdo y un espacio central para mostrar los datos. Desde el
punto de vista técnico, está diseñada en HTML5, CSS3 y Javascript, con
algunas partes en jQuery9. La librería de presentación que hemos
utilizado es Bootstrap10 y la librería encargada de los gráficos en anillos
es ChartJS11, ambas con licencia libre.
El menú superior permite acceder a la página del proyecto que
genera este recurso, a una ayuda específica para su manejo, y al tipo de
9 https://jquery.com
10 https://getbootstrap.com
11 http://www.chartjs.org
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

18 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
investigaciones posibles a través del listado de contribuciones científicas
realizadas con él. En caso de que se haya buscado ya un término, en su
extremo derecho aparecerá en un recuadro con el número de veces que se
ha encontrado en el corpus global.
La columna lateral sirve para lanzar la búsqueda de información
sobre los términos que quieran consultarse. Para ello, disponemos de una
caja de búsquedas y de dos listados con todas las palabras del corpus. La
caja muestra dinámicamente las palabras que empiezan con las letras que
vayamos introduciendo. Esto es especialmente útil por las características
señaladas del corpus, donde algunos términos pueden incluir
peculiaridades ortográficas diferentes a la norma.
Imagen 1. Columna lateral de MarcoPolo
Los que aparecen en los listados son los lemas, es decir, si buscamos
un nombre común, la información que se nos dará se habrá obtenido del
uso de ese nombre tanto en singular como en plural. Si buscamos un
verbo, los datos tendrán en cuenta su uso en cualquiera de las formas de
su conjugación. Por este motivo, puede sorprender que aparezcan en los
listados palabras marcadas morfológicamente (por ejemplo, nombres
comunes en plural). Esto se debe a que su uso en los tuits tenía alguna
peculiaridad que lo distinguía de la forma normal de la palabra. Lo más
común es la aparición del signo # al principio del término, la clave que
utiliza Twitter para identificar hashtags.
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 19
Los listados permiten recorrer las palabras en dos órdenes diferentes.
El superior las lista de mayor a menor frecuencia en el corpus. Están
excluidas aquellas palabras sin contenido sustantivo, como son los
artículos, las conjunciones y las preposiciones. Teniendo esto en cuenta,
la primera palabra que aparece -y, por lo tanto, la más frecuente- es el
verbo “poder”.
El listado inferior muestra sólo las palabras que incluyen un breve
análisis cualitativo elaborado por nuestro equipo. Como se ha señalado
más arriba, el enfoque teórico detrás de esta investigación se centra en el
análisis de marcos semánticos. Los textos destacan aquellas colocaciones
que nos ayudan a interpretar esos marcos.
Por último en la columna, hay un selector que permite elegir en qué
subcorpus de partidos políticos y candidatos queremos hacer la búsqueda.
Solo esos aparecerán representados en los gráficos. De esta forma, se
facilitan los trabajos de comparación entre partidos concretos. Por
defecto aparecen todos seleccionados y el corpus global es el único que
no puede eliminarse de los gráficos.
El espacio central es el reservado para los resultados de las
búsquedas. Muestra los datos y está organizado en pestañas. En caso de
que la palabra buscada tenga una descripción textual, esa será la primera
pantalla que veremos. La extensión del texto dependerá del contenido de
la palabra y del interés de las relaciones. En aquellos casos en que se
haya realizado un estudio completo del término y que este haya sido
publicado en alguna revista o libro, se ofrece la referencia de la
publicación junto a un breve resumen y se remite al listado de
contribuciones científicas.
El resto de pestañas contiene las diferentes relaciones gramaticales
según la clase de palabra. En el caso, por ejemplo, de un nombre común,
aparecen las pestañas de sus modificadores, los verbos que le acompañan
en su contexto izquierdo y derecho, nombres que aparecen enumerados
con él, sintagmas preposicionales típicos, etc.
4. 2. Los gráficos
Para cada marco, obtenemos una representación en forma de gráfico
de anillos bidimensional y una tabla con los datos que se han utilizado
para dibujarlo.
Los anillos concéntricos representan los diferentes corpus,
distinguidos por un código de colores. El corpus global aparece en gris.
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

20 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
Los subcorpus utilizan los colores representativos de cada partido: verde
para IU, rojo para PSOE, morado para Podemos, azul para PP y naranja
para C’s. El orden en el que aparecen depende del número de casos que
tengan de la relación que estemos analizando. En el ejemplo de la imagen
2, con los modificadores del nombre voto, IU es el círculo exterior
porque es el partido que más casos tiene de esta relación (122), seguido
de PP (62), C’s (50), PSOE (45) y Podemos (20). La suma de cada
fragmento de circunferencia de cada partido forma el círculo gris
completo.
Imagen 2. Modificadores del nombre “voto”
Cada anillo está dividido en sectores que representan a las palabras
que se han utilizado con el término buscado. Estas aparecen al pasar el
curso por encima. El primer sector del anillo gris lo ocupa el término más
frecuente en todo el corpus. Los sectores se ordenan de mayor a menor
frecuencia según las manillas del reloj, y esa diferencia de frecuencias se
ve reflejada en el tamaño de cada sector.
Si un subcorpus no tiene ejemplos de un marco determinado,
MarcoPolo no lo mostrará aunque este partido aparezca en el selector de
corpus.
Los sectores proporcionan además una utilidad secundaria: facilitar
el análisis navegando por los marcos sin pasar por el buscador. Cada
sector es un enlace a la página del término correspondiente, lo que nos
permite establecer y contrastar relaciones.
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 21
Finalmente, debajo de cada gráfico aparecen los datos que aparecen
en él. Hay una tabla por cada subcorpus, reconocibles por utilizar los
mismos colores que los anillos, y una gris con los datos globales. Al igual
que los gráficos, las tablas están ordenadas de mayor a menor frecuencia,
empezando por el global.
Quienes estén acostumbrados a Sketch Engine, esperarán que los
datos aparezcan ordenados según la puntuación que obtienen en cada
algoritmo. Sin embargo, nuestra plataforma utiliza dos variables para
elaborar sus gráficos y tablas. Las palabras que aparecen son
seleccionadas por Sketch Engine por su alta puntuación en la medida
logDice, pero después MarcoPolo las reordena según su frecuencia
absoluta en cada corpus. De esta forma, se facilita la comparación de los
partidos puesto que no se presentan con un número relativo a cada
corpus, sino la cantidad real de veces que un término se ha utilizado.
5. MARCOPOLO Y NUESTRAS INVESTIGACIONES
Los datos ofrecidos por MarcoPolo pueden utilizarse para múltiples
estudios. En esta sección, presentamos brevemente y a modo de ejemplo
algunos de los que hemos realizado en nuestro equipo sobre los corpus y
cómo la plataforma nos ha ayudado a conseguir los retos planteados en la
introducción de este artículo. Los acercamientos descritos de ninguna
manera pretenden agotar todas las posibilidades de explotación de la
plataforma.
Como hemos visto, las estadísticas dan información sobre los temas
más frecuentes y los conceptos relacionados con una palabra determinada
cuando es usada por diferentes políticos y partidos. Esto puede utilizarse
para analizar el discurso desde diferentes perspectivas, como son el
tratamiento de asuntos de interés (lo ejemplificaremos con la crisis de
refugiados) o la representación de algunos grupos sociales (p.ej. las
minorías sociales).
El acercamiento más evidente es el estudio pormenorizado de las
principales frecuencias detectadas en el corpus, es decir, cuáles son los
términos más repetidos en el discurso de Twitter en cuentas oficiales
ligadas a partidos políticos durante el periodo analizado. A través de
dichas frecuencias obtenemos los marcos más habituales según cada
partido y líder. Como hemos señalado más arriba, el listado de las
palabras ordenadas por las frecuencias aparece en la columna de la
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

22 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
izquierda de MarcoPolo. En el ángulo superior derecho aparece la
frecuencia total de la palabra que estemos investigando.
En términos generales, las palabras más frecuentes nos indican que
el uso de Twitter durante las campañas electorales es casi exclusivamente
el de actuar como altavoz de los eslóganes y como cámara de resonancia
de los eventos offline. Predomina, por lo tanto, la función ecoica de la
red social (Alcántara-Plá, en prensa). Los usos son sorprendentemente
homogéneos entre los partidos.
Observamos, por ejemplo, que los nombres que hacen referencia a
los usuarios de los candidatos están entre las primeras posiciones. Verbos
dicendi como decir o hablar también son frecuentes, repitiendo lo que
los políticos estaban comunicando en otros contextos (mítines, programas
en medios de comunicación, etc.). La repetición del adverbio hoy con
verbos como haber y ser delata también la cantidad de mensajes que
anuncian y retransmiten eventos externos a la red. El verbo ver se utilizó
3.016 veces invitando a visualizar entrevistas, debates y vídeos.
Una conclusión que obtenemos de ello es que no se ha aprovechado
el potencial de esta red de microblogging como dinamizadora de la
conversación con los ciudadanos, característica clave del éxito en
campañas como la que llevó al poder a Barack Obama, referente en el
uso político-electoral de Twitter (Chadwick et al 2015).
Analizar con detalle el marco de encuadre de las frecuencias a través
de los gráficos arroja otros resultados de gran interés. Por ejemplo, se
aprecia que el marco más frecuente cuando se habla de democracia es un
marco de vulnerabilidad, construido con la recurrencia de verbos como
regenerar, defender, respetar, secuestrar, recuperar, saltar, debilitar,
despreciar, desestabilizar y sanear. En un análisis más pormenorizado12,
tuvimos la ocasión de ver que los verbos que remiten a este marco fueron
el 36,68% de los usados con democracia durante la campaña electoral de
diciembre de 2015. En ese mismo estudio contrastamos estos resultados
con el uso normal del término en el lenguaje digital, obtenido del corpus
general esTenTen (Kilgarriff y Renau 2013), y vimos que durante la
campaña electoral la noción de vulnerabilidad se intensificaba
claramente.
Además de las frecuencias, MarcoPolo permite búsquedas sobre
temas de interés social específicos como pueden ser la discapacidad, la
12 Ruiz-Sánchez & Alcántara-Plá (en prensa).
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 23
migración, la sanidad, las pensiones, Europa o el independentismo, por
citar solo algunos ejemplos. Los datos muestran si el tema fue
considerado relevante en el discurso político de los años 2015 y 2016,
qué partidos y líderes los incluyeron en sus agendas, así como el
tratamiento discursivo que le dieron.
Así hemos podido comprobar que algunos asuntos claves para la
sociedad española apenas se citan. A modo de ejemplo, la palabra
hipoteca solo se menciona en trece ocasiones, todas ellas por Podemos y
su candidato, Pablo Iglesias. Además, nueve de esos casos son en el
sentido metafórico de libertad frente a compromisos políticos poco
transparentes, no tratando el problema de los afectados por las hipotecas.
Estas ausencias en fuerte contraste con su relevancia social nos
animaron a poner el foco en los silencios del corpus y lo hicimos
centrándonos en la presencia de la crisis de los refugiados sirios durante
la campaña de diciembre de 2015. Es preciso recordar que esa crisis,
coincidente en el tiempo con la campaña, fue reconocida por Europa
como su mayor crisis humanitaria desde la Segunda Guerra Mundial. Un
informe de la Agencia de la ONU para los refugiados (UNHCR 2016)
advirtió de que en el año 2015 hubo más desplazados forzosos que en
dicha guerra. Como investigadores, quisimos comprobar si un tema
crucial para el futuro de las sociedades europeas -que después se ha
mostrado clave en las elecciones de otros países- estaba presente o no en
el discurso en campaña13.
La crisis de refugiados no fue tema en el discurso político en Twitter
de la campaña. Solo 17 de los 16.306 tuits emitidos desde las diez
cuentas durante la campaña electoral del 20-D se dedicaron a este
fenómeno, el 0,1%. Si tenemos en cuenta que tres de los ejemplos
contienen el término refugio con valor metafórico y sin relación con
Siria, la cifra real de mensajes es aún inferior. A esto se suma que cinco
son en realidad retuits del hashtag #refugeeswelcome o de las
conclusiones -en inglés- de una cumbre de la Comisión Europea. En
resumen, el discurso electoral propio relacionado específicamente con la
crisis de refugiados sirios se reduce a 9 mensajes, apenas un 0,05% de lo
publicado en campaña.
13 Alcántara-Plá & Ruíz-Sánchez (2018).
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

24 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
El análisis lingüístico de los nueve tuits que sí tratan la crisis abunda
en esta falta de interés político. En ellos no se formula ninguna propuesta
concreta sobre cómo se tiene previsto afrontarla más allá de
formulaciones generales de alta excelencia moral del tipo del ejemplo
(1).
(1) Vamos a ser referente en Europa de los derechos, la paz y la
acogida de refugiados q huyen de la guerra (Podemos)
Las soluciones prácticas solo se formulan con sujetos impersonales
que parecen diluir la capacidad actante del emisor y, por lo tanto,
también cualquier responsabilidad.
(2) Hay que garantizar los compromisos para que cualquier
refugiado acceda a su derecho de solicitar (Podemos)
(3) Hay que abrir Europa a refugiados, inmigrantes y que cierre las
puertas a Merkel y sus políticas (IU)
Usamos MarcoPolo para corroborar lo que habíamos encontrado en
este estudio. La plataforma nos da el dato de que la palabra refugiado fue
utilizada 631 veces en los nueve meses del corpus. Supone una
proporción algo mayor que la de la campaña de diciembre, pero que
tampoco supera el 0,5% de los tuits del corpus. La pestaña de los
modificadores nos muestra que solo se escribió seis veces con el adjetivo
sirio, y que las otras procedencias citadas son la somalí y la saharaui. Los
verbos que más se utilizan con refugiado son acoger, recibir y recoger
aunque también aparecen otros negativos como devolver, deportar y
bloquear, así como ahogar y huir. También se menciona la necesidad de
reubicarlos y reasentarlos.
Un detalle que llama la atención al observar estos datos es la
ausencia de la agencialidad de los refugiados. Estos huyen, llegan y -
trágicamente- se ahogan. Por lo demás, son movidos como si de objetos
sin voluntad se tratara.
Podemos e IU enmarcan el término en un contexto más dramático y
negativo. En la pestaña de los sintagmas preposicionales con de
(encabezada lógicament por la crisis de los refugiados), encontramos
términos con una polaridad muy negativa como deportación, expulsión,
traficante, criminalización y éxodo.
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 25
La plataforma nos ayuda a corroborar la poca importancia dada a los
refugiados y también nos facilita concretar el estudio de los marcos y la
comparación entre partidos.
Un tercer ejemplo de investigación lo extraemos del análisis sobre la
representación de las minorías en el discurso político en Twitter14. El
estudio mostró que, durante la campaña del 2015, las minorías apenas
aparecían en el discurso político y, por lo tanto, tampoco sus
reivindicaciones específicas. Su presencia en el corpus es apenas
perceptible. En los 16.306 tuits encontramos los siguientes números:
mujer y género (446 tuits); migrantes y refugiados (258); minorías
religiosas, libertad religiosa y de conciencia (18), centrados estos últimos
casi exclusivamente en la defensa de la laicidad (14); colectivo LGTB
(10); como etnia solo se citaba a la etnia gitana (4); discapacidad
funcional (3); y mundo rural (17). Estas cifras muestran un carácter
excluyente de los discursos políticos en Twitter ya que los colectivos
citados sí estaban presentes en la mayoría de los programas electorales
(Ruiz-Sánchez y Alcántara-Plá, en prensa). También prueban la escasa
permeabilidad del discurso político digital en relación con la presencia de
las minorías sociales y, por lo tanto, de la diversidad.
La búsqueda de términos propios de estas temáticas en MarcoPolo
delata que no fue un rasgo exclusivo de aquella campaña electoral. Si
buscamos, por ejemplo, palabras con la raíz gitan-, solo encontramos
gitano y gitanofobia, que aparecen solo 25 y 5 veces respectivamente;
LGTB (y LGTBI) aparecen 72 veces; discapacidad está 66 veces; rural
147 veces; etc.
CONCLUSIONES
Investigar con fondos público exige un esfuerzo suplementario de los
investigadores en relación con la transferencia y el posible impacto social
de resultados de investigación. El análisis del discurso político debería
ser una disciplina de alto impacto social. Muestra de ello es el interés de
los medios de comunicación en este tipo de estudios frente a las
contribuciones sobre otras temáticas científicas. Desde el punto de vista
ético, esto exige minimizar al máximo posibles sesgos ideológicos en el
diseño de la investigación que puedan desvirtuar los resultados o que
14 Alcántara-Plá y Ruiz Sánchez (2017).
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

26 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
faciliten la manipulación de la opinión pública. Una de las maneras de
evitarlo es que diferentes actores puedan validar las búsquedas realizadas
para la extracción de resultados. El sistema siempre es mejorable, pero en
su condición de plataforma abierta, MarcoPolo constituye por sí mismo
una respuesta a esta cuestión ética y un medio de transferencia de
resultados de investigación eficaz y accesible tanto a la comunidad
científica, como a expertos en comunicación política y al público en
general interesados en discurso político.
Objetividad, validez y replicabilidad son requisitos básicos de la
investigación. La validez exige entre otros factores que investigadores
ajenos/as puedan replicar el experimento en cuestión en las mismas
condiciones, confirmen las conclusiones, mejoren los parámetros y, sobre
todo, puedan rebatir los resultados. Los estudios de análisis del discurso
digital no deben ser ajenos a estos criterios de calidad, sobre todo
teniendo en cuenta las posibilidades de manejo y manipulación que nos
da trabajar con documentos digitales.
Nuestra plataforma de análisis de discurso político en Twitter es una
respuesta experimental a estos retos metodológicos. Siendo una base de
datos con más de 10.000 gráficos que permite navegar por un corpus de
117.010 tuits, MarcoPolo ofrece alternativas a varias cuestiones claves en
la actualidad.
En primer lugar, constituye en sí misma una propuesta experimental
de resolución a la cuestión ética sobre protección de datos y compilación
de corpus digitales habitual en este campo. En segundo lugar, amplifica
el citado impacto social de una investigación financiada con fondos
públicos al poner a disposición de otros equipos no solo las conclusiones
del estudio, sino un volumen de datos navegable susceptible de ser
investigado desde nuevas perspectivas. En tercer lugar, la descripción
técnica y el uso de software libre facilitan tanto su replicabilidad como su
optimización colaborativa.
Con todo ello, MarcoPolo supone un experimento innovador desde
la perspectiva de la investigación abierta. Hemos logrado realizar un
estudio sobre análisis del discurso digital que permite no sólo conocer
cómo es el comportamiento de partidos y líderes, sino que cada
ciudadano/a pueda extraer sus propias conclusiones informadas
directamente de los datos.
BIBLIOGRAFÍA
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 27
Alcántara-Plá, M. (en prensa). La función de las redes sociales en las
campañas electorales. En Gallardo Paúls, B. Mutaciones discursivas en el
siglo XXI: la política en los medios y las redes. Valencia, Tirant lo
Blanch.
Alcántara-Plá, M. (2017). Palabras invasoras. El español de las nuevas
tecnologías. Madrid, Catarata.
Alcántara-Plá, M. & Ruiz-Sánchez, A. (2018). Not for Twitter: Migration as a
silenced topic in 2015 Spain General Election. En Schröter, M. & Ch.
Taylor. Exploring silence and absence in discourse. Palgrave.
Alcántara-Plá, M. & Ruiz-Sánchez, A. (2017). The Framing of Muslims in
the Spanish Internet. Lodz Pragmatics 13-2, Special Issue On The
Pragmatics Of Othering: Stereotyping, Hate Speech And Legitimising
Violence.
Anderson, J. R. (1983). The architecture of cognition. Cambridge, MA:
Harvard University Press.
Chadwick, A., Dennis, J., & Smith, A. P. (2015). Politics in the age of hybrid
media: Power, systems, and media logics. The Routledge Companion to
Social Media and Politics, 7–22.
Herring, S. (1999). Interactional coherence in CMC. Journal of Computer-
Mediated Communication, 4, 4, 1-13.
Hoey, M. (2005). Lexical priming a new theory of words and language.
London/New York: Routledge.
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

28 M. Alcántara – A. Ruiz – M. Benito –V. Amessa – A. Martín
Kilgarriff, A., & Renau, I. (2013). esTenTen, a vast web corpus of Peninsular
and American Spanish. Procedia-Social and Behavioral Sciences, 95, 12-
19.
Lang, A. (2000). The limited capacity model of mediated message
processing. Journal of Communication, 50(1), 46-71.
Ling, R., & Baron, N. S. (2007). Text Messaging and IM Linguistic
Comparison of American College Data. Journal of Language & Social
Psychology, 26(3), 291–298.
McCarthy, D., Kilgarriff, A., Jakubíček, M., & Reddy, S. (2015). Semantic
Word Sketches. Corpus Linguistics (CL2015).
Partington, A., Duguid, A. y Taylor, C. (2013). Patterns and Meanings in
Discourse. Amsterdam: John Benjamins.
Ruiz-Sánchez, A. & Alcántara-Plá, M. (en prensa). Us vs. Them: Polarisation
and populist discourses in the online electoral campaign in Spain. En
Hidalgo-Tenorio, E., Benítez-Castro, M. A. & De Cesare, F. Unravelling
Populist Discourse. A Methodological Synergy. Routledge.
Ruiz-Sánchez, A. & Alcántara-Plá, M. (en prensa). “¿Quién es el pueblo?
La exclusión de las minorías en la campaña electoral 2015 en
España“. En Françoise Sullet-Nylander, Maria Bernal, Christophe
Premat & Malin Roitman (eds.) Political discourses at the extremes.
Expressions of populism in the Romance Speaking Countries. Stockholm:
Stockholm University Press.
Santanen, E., Briggs, R., y De Vreede, G. J. (2000). The cognitive network
model of creativity: A new causal model of creativity and a new
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003

MarcoPolo: una plataforma digital de análisis del discurso electoral 29
brainstorming technique. Proceedings of the 33rd Hawaii International
Conference on System Sciences.
Scolari, C. (2004). Interfaces, gramáticas y contratos de interacción. Hacer
click. Hacia una sociosemiótica de las interacciones digitales.
Barcelona: Gedisa, 165–223.
Tagg, C. (2009). A corpus linguistics study of SMS text messaging (Tesis de
doctorado), University of Birmingham, Inglaterra. Disponible
en http://etheses.bham.ac.uk/253/1/Tagg09PhD.pdf (21-07-2015).
UNHCR. (2016). Global Trends. Forced Displacement in 2015. Disponible
en http://www.unhcr.org/576408cd7 (11-07-2018).
Yus, F. (2010). Ciberpragmática 2.0. Nuevos usos del lenguaje en Internet.
Barcelona: Ariel Letras.
REVISTA ESTUDIOS DEL DISCURSO DIGITAL (REDD), 1 (2018): 7-29
ISSN: 2531-0003