El Estudio de la Comunicación
en Internet: Métodos y Técnicas

José Eduardo Jorge, María de las Nieves Piovani,
Mara Leguizamón y Ulises Steciow

La investigación de los efectos de los medios digitales. El problema de la causalidad circular y los efectos indirectos. Técnicas de análisis para variables categóricas, nominales y ordinales. Análisis del Camino o de los Senderos y Regresión Logística. Modelos causales

________________

Efectos de Internet: Cuestiones Metodológicas

¿Puede la comunicación en la Web despertar el interés por la política entre los ciudadanos apáticos? ¿Tienen las redes sociales el poder de estimular el diálogo y la participación democrática? ¿Conllevan el riesgo de volverse un instrumento para manipular a los usuarios?

Como soporte de una variedad de medios sociales, Internet promete dar más protagonismo político a la gente común y ahondar o promover la democracia. En el marco de una controversia entre “tecno-optimistas” y escépticos, un conjunto aún pequeño de estudios académicos ha comenzado a buscar evidencia sistemática para responder a estos interrogantes.

Indagar estas cuestiones en el contexto argentino fue uno de los objetivos de nuestra Encuesta Comunicación y Cultura Política (ECCP) 2013, que, como parte del proyecto de investigación 11/P218 dirigido por Jorge (2014 y 2013), se realizó en el segundo semestre de ese año en la Región Capital de la Provincia de Buenos Aires (Argentina).

Unos 40 indicadores de uso de medios, la mitad sobre Internet, se relevaron en 360 entrevistas domiciliarias. El cuestionario incluyó un abanico de preguntas sobre cultura política. La muestra de 36 radios censales de la Región Capital fue probabilística hasta el nivel de la vivienda, con selección final del encuestado dentro de la casa según cuotas de sexo y edad. Una primera onda del estudio fue la ECCP 2008 (Jorge, 2008 y 2009).

Estos trabajos son parte integral de una línea sistemática de investigación sobre cultura política y democracia iniciada en 2006 (Jorge, 2010a). Un objetivo central de esta línea es estudiar los mecanismos de formación y cambio de la cultura política y, dentro de un conjunto más amplio de influencias, el papel que cumplen los medios en ese proceso.

Se han dedicado una serie de análisis y artículos científicos específicos -basados en encuestas realizadas en distintas localidades- al impacto de los medios nuevos y tradicionales, a fin de exponer los sucesivos avances en esta área (Jorge, 2014, 1012, 2010b, 2010c; Jorge et al., 2014 y 2013a). Los métodos y técnicas reciben en estas publicaciones una atención considerable.

La investigación del impacto de la comunicación política en Internet –y de los medios en general- envuelve complejos problemas teóricos y metodológicos. Los aparentes efectos de Internet detectados hasta hoy son inestables –se observan en ciertas coyunturas políticas pero no en otras- y de poca magnitud (Boulianne, 2009; Bimber y Copeland, 2013; Cho et al., 2009). Además, están insertos en sistemas de relaciones causales donde parecen participar de complicados circuitos de influencias mutuas (Mossberger et al., 2009).

Influencia Recíproca y Efectos Indirectos

Seguir las informaciones políticas en la Web, o discutirlas en las redes sociales, podría estimular en las personas el interés por la política. Pero, simultáneamente, es más probable que un individuo haga esas cosas en Internet si ya tiene por la política un interés previo. Esto sugiere una relación causal circular: los previamente interesados serían políticamente más activos que el resto dentro del ciberespacio, y esta misma actividad reforzaría su interés (Norris, 2000).

Una complejidad adicional son los efectos indirectos. Leer noticias en Internet podría incrementar por sí solo el interés político de las personas –un efecto directo– y, a la vez, incentivar a éstas a emprender alguna acción, como participar de un petitorio o una manifestación. Si estas acciones también aumentaran en los individuos el interés político, las noticias habrían tenido un efecto indirecto, por la influencia que han ejercido sobre el activismo.

La Figura 1 ilustra esta clase de relaciones causales. En el diagrama B, hay tres efectos directos: los de seguir las noticias en la Web sobre 1) el interés por la política y 2) el activismo; y 3) el del activismo sobre el interés. La flecha de puntos simboliza el efecto indirecto de la lectura de noticias sobre el interés a través del activismo.

Figura 1 – Algunas relaciones causales entre variables

Causas y efectos de la comunicación en Internet

La magnitud de cada efecto está expresada en el gráfico por los coeficientes cuantitativos β, que pueden estimarse bajo determinados supuestos estadísticos. Un β expresa cuánto cambia la variable dependiente por cada unidad de la variable independiente. Vemos que el efecto indirecto de las noticias sobre el interés consiste –dadas, una vez más, ciertas condiciones- en el producto de los efectos directos β_NA x β_NI.

Si al investigar la influencia de una actividad comunicativa en Internet nos limitáramos a identificar y estimar el tamaño de sus efectos directos, podríamos subestimar su verdadera influencia, en la que deben incluirse también los posibles impactos indirectos.

La cuestión de la magnitud de los efectos incluye otro aspecto que, en ocasiones, no es fácil evaluar con precisión. Se trata no ya del tamaño absoluto del impacto, sino del peso relativo de las variables comunicacionales dentro del conjunto de influencias que actúan sobre el fenómeno que buscamos explicar.

Entre las causas del interés por la política, ¿cuán importante es leer noticias en la Web, comparado, por ejemplo, con el nivel educativo de los individuos, su edad, su confianza en las instituciones políticas u otros factores que hayamos identificado?

Técnicas de Análisis y Niveles de Medición

Al encarar con este grado de detalle el estudio de la comunicación en Internet, una fuente de dificultad es que, usualmente, el nivel de medición de la mayoría de las variables examinadas es nominal u ordinal.

En nuestra ECCP 2013, tratamos la variable “Seguir las Noticias en la Web” como una dicotomía, clasificando a los encuestados en dos categorías: los que siguen las noticias con frecuencia y los que no lo hacen. Las técnicas para analizar los aspectos descriptos están, en estos casos, menos desarrolladas que las disponibles para operar con variables cuantitativas.

Hay empero herramientas que brindan soluciones dentro de ciertos límites. Un enfoque que se ha vuelto más frecuente en las ciencias sociales es el Modelo de Ecuaciones Estructurales (SEM, por su sigla en inglés). Se trata de una “familia de procedimientos relacionados” (Kline, 2011), una “colección de técnicas estadísticas” (Ullman, 2007), que combina el análisis factorial, la regresión y otras formas de análisis multivariado.

Una variable discreta –categórica u ordinal- recibe en el SEM un tratamiento especial, pues se la concibe como la manifestación de una variable latente continua. Aun así, los distintos paquetes de software estadístico no poseen la misma capacidad de operar en el SEM con este tipo de variables.

Curran et al. (2014) utilizan el SEM a fin de contrastar las teorías del “círculo virtuoso” y del “malestar mediático”, que plantean hipótesis divergentes sobre el impacto político de los medios de comunicación (Norris, 2000, Jorge, 2010a). Cho et al (2009) recurren a esta aplicación para testear un modelo sobre procesos mediadores de la comunicación política en las campañas electorales.

El SEM es considerado una “técnica confirmatoria”. Como ilustran los trabajos citados, se emplea con frecuencia para poner a prueba modelos teóricos, aunque se ha ganado una “mala reputación en algunos círculos”, por su uso con objetivos exploratorios “sin los necesarios controles” (Ullman, op. cit.: 682).

Path Analysis con Variables Categóricas y Regresión Logística

Una alternativa a este instrumento versátil, pero en el que la complejidad del modelo suele conducir a resultados tentativos, es el Path Analysis con Regresión Logística (PALR) (Menard, 2010). A esta opción menos explorada está orientado el presente trabajo.

El Path Analysis en general –traducido como “análisis de senderos” o de “caminos”- es uno de los orígenes del SEM y, según Kline (op. cit.: 103), “el miembro más antiguo de su familia”. Conserva, por sí mismo, una gran popularidad, pues permite describir sistemas de relaciones causales de tres o más variables con una serie de ventajas. Entre éstas, las de identificar efectos directos e indirectos; indicar las variables explicativas que tienen un efecto más fuerte o más débil sobre las explicadas, y proveer una representación gráfica –la Figura 1-B es un ejemplo sencillo- que muestra con claridad los vínculos causales.

La herramienta usual del Path Analysis ha sido la regresión ordinaria de mínimos cuadrados (OLS), cuya variable dependiente es siempre cuantitativa. El empleo de la regresión logística –donde la variable dependiente es nominal u ordinal- se ha visto limitado por la falta de un coeficiente estandarizado, que pueda interpretarse igual que en la OLS para calcular efectos indirectos en una cadena de relaciones causales (Menard, 2011: 1416-17; 2010: 152-3).

Son raros los estudios que incluyan dicotomías como variables intermedias o finales en la cadena causal, y más aún los que lo hagan respetando su carácter inherentemente dicotómico, es decir, sin tratarlas como la manifestación de variables continuas latentes (Menard, 2010: 168-9). Estos pocos trabajos suelen ceñirse a la descripción de efectos directos.

Un coeficiente completamente estandarizado para la regresión logística, que supera las versiones parciales existentes, ha sido propuesto por Menard (1995 y 2004). Este coeficiente es útil para emplear el Path Analysis con variables dicotómicas en cualquier punto de la cadena causal, usando la regresión logística, sola o en combinación con la ordinaria. Además, permite determinar en la regresión logística la importancia relativa de las variables explicativas, al medir sus efectos sobre la explicada con una métrica común a todas las variables del modelo: la unidad de desviación estándar.

El inconveniente de esta aproximación es que el software estadístico no brinda aún soluciones rápidas. Para calcular los coeficientes estandarizados de una regresión logística, debemos realizar varios procedimientos uno por uno, con auxilio del software y la planilla de cálculo.

Una característica del PALR es que cada regresión del modelo ha de calcularse por separado. Esto contrasta con las aplicaciones que, como el SEM, estiman simultáneamente todas las relaciones y demás aspectos del modelo.

La Especificación del Modelo y el Marco Teórico

En un análisis causal, el primer paso del investigador es especificar el modelo: formular las hipótesis, quizás dibujando un diagrama de los nexos entre las variables, o planteando un sistema de ecuaciones. Especialmente en el SEM, éste es el paso más importante, pues los resultados de las etapas posteriores del análisis asumen que el modelo es básicamente correcto (Kline, op. cit.: 91-123). De aquí proviene el carácter “confirmatorio” de la técnica.

La virtud cardinal de estos métodos de “información completa” es que “hacen un uso más eficiente de teoría válida, pues incorporan todo ese conocimiento en la estimación de cada parámetro” del modelo (Heise, 1975: 181-2). Su mayor desventaja es que también integran a los cálculos cualquier aspecto erróneo de la teoría. La aplicación de estos métodos parece más apropiada para estadios avanzados de investigación, cuando confiamos en el modelo especificado (por ejemplo, en que hemos incluido todas las variables importantes y definido con acierto sus relaciones).

En fases tempranas del estudio de un fenómeno –el caso del impacto político de la comunicación en Internet-, es adecuado avanzar con pasos cautelosos, incluso estimando una regresión a la vez. Ponemos énfasis en ver cuáles son las variables y los nexos causales que forman parte del modelo, más que en estimar con alta precisión los coeficientes de cada sendero causal.

Claro que el riesgo de errores de especificación nunca es cero, aun computando una regresión individual. Si en una regresión logística omitimos variables relevantes, los coeficientes que surgen del cálculo pueden resultar sesgados, es decir, sistemáticamente sobrestimados o subestimados respecto del valor real del parámetro en la población. Incluir variables irrelevantes en la regresión incrementa el error estándar de los coeficientes –los vuelve imprecisos o ineficientes-, aunque sin sesgarlos (Menard, 1995, pp. 66-75).

La fuente de estos errores es nuestra teoría, que falla en señalar los factores que predicen el fenómeno analizado. Identificar estas fallas mediante el contraste empírico de las hipótesis –examinando las limitaciones de los modelos que construimos- es un mecanismo fundamental de desarrollo teórico.

Aquí, nuestro marco teórico general es un conjunto convergente de investigaciones sobre el papel de la cultura política en la emergencia, consolidación y funcionamiento de la democracia (Jorge, 2010a). Este enfoque, que nació como campo científico cinco décadas atrás –entre sus hitos están los análisis de Eckstein (1961) y de Almond y Verba (1963)-, hizo progresos sustanciales a partir de los años 90, debido a un renovado interés en el tema –estimulado por la difusión global de la democracia- y a una notable expansión de los estudios de caso y de las encuestas transnacionales. Un resultado ha sido la reunión de gigantescas bases de datos sobre la cultura política de la mayor parte de los países del mundo.

Dentro de una masiva literatura, entre las obras más influyentes de este periodo están las de Inglehart (1997 y 1990), Inglehart y Welzel (2005), y Putnam (1993 y 2000). Dos aportes significativos recientes son los de Diamond (2008) y Welzel (2013). También han venido a confluir con esta corriente las investigaciones de Schwartz (2009 y 2007) sobre valores humanos universales. Norris (2000) y Norris e Inglehart (2009) enfocan el papel de los medios.

En el marco de nuestra línea más amplia de investigación, este trabajo se suma a una serie específica sobre metodologías para el estudio del impacto de los medios: Jorge (2012 y 2010c) y Jorge, Leguizamón y Steciow (2013a). La teoría de la comunicación política en las redes sociales se aborda en Jorge (2014); la del impacto político de los medios en general, en Jorge (2010a y 2010b).

Sigue: Un Modelo Predictivo de Regresión Logística flecha-sig

Anterior: Características del Diario Digital

José Eduardo Jorge, María de las Nieves Piovani, Mara Leguizamón y Ulises Steciow (2015): Explorando el Impacto Político de la Web con Técnicas Avanzadas de Análisis, Question, 1(45), pp.:307-328.
Texto editado en Octubre de 2016
boton-referencia-a