Computational Analysis of Online Polarization in Longitudinal Social Interaction Data

Aquesta tesi investiga com es manifesta la polarització política en les xarxes socials mitjançant l'anàlisi de dades d'interacció en línia a gran escala, de manera longitudinal i amb mètodes computacionals. En lloc de tractar la polarització com un únic constructe mesurable, se centra en els diversos senyals d'aquest fenomen que emergeixen i es reforcen als espais digitals. És a dir, patrons de comportament observables com la segregació ideològica de les audiències, la polarització en les interaccions dels usuaris o les dinàmiques discrepants o hostils entre grups d'individus. El treball s'estructura en dues parts. La primera part introdueix un marc generalitzable per a l'estudi de la polarització en línia des de la perspectiva de l'anàlisi de xarxes amb signes, positius o negatius, posant èmfasi en el paper de les interaccions antagòniques en la configuració de l'alineament de grups ideològics oposats. Inclou la publicació d'un conjunt de dades que consisteix en una dècada de fòrums d'una plataforma de notícies austríaca i aplica el mètode a dos casos de diferents escales, provinents de plataformes dels Estats Units i d'Àustria. Aquests casos mostren com les xarxes amb signes poden ajudar a captar les dinàmiques de polarització en evolució i l'alineament temàtic en diferents tipus de plataformes i contextos nacionals. La segona part canvia l'atenció cap al consum de contingut polític, utilitzant el Facebook URL Dataset per estudiar la interacció ideològica amb enllaços de notícies. Presenta el primer anàlisis longitudinal de la polarització d'audiències a Facebook a gran escala, traçant l'evolució de la segregació ideològica en la interacció dels usuaris amb dominis de notícies entre el 2017 i el 2020, i examinant la seva relació amb la fiabilitat dels dominis compartits. Combinant models de la ciència de xarxes i la ciència social computacional amb dades de comportament reals, aquesta tesi ofereix eines metodològiques, resultats empírics i aportacions teòriques per interpretar millor la polarització en línia com un fenomen contextual i en constant evolució.