«La policía está [verbo]»: A un año del asesinato de Dilan Cruz, ¿cómo cambió la alusión a la policía en Twitter durante el 21N?

El 21 de noviembre de 2019 se dio inicio en Colombia al Paro Nacional convocado inicialmente por las centrales obreras y al que se sumaron diferentes organizaciones sociales. Dos días después, el 23, el estudiante Dilan Cruz recibió un disparo por parte de un agente del escuadrón antidisturbios (ESMAD) de la policía de Bogotá en pleno centro de la capital. El día 25 de noviembre se confirmó la muerte de Dilan y, tres días después, el dictamen de Medicina Legal señala que se trató de un homicidio. Casi de inmediato, el asesinato de Dilan se convirtió en símbolo de los abusos policiales en las marchas estudiantiles.

Eventos como éstos están lejos de ser casos aislados. Más recientemente, el asesinato del ciudadano Javier Ordoñez a manos de dos policías en Bogotá ha revivido el debate sobre los abusos policiales en Colombia. De hecho, como lo adelantó el Observatorio de la Democracia, estos eventos han afectado la confianza ciudadana en la policía, que viene en picada desde el 2012.

 

 

Por eso y con el objetivo de entender cómo se dio la conversación alrededor de la policía en el marco de las protestas sociales del año pasado, en #Política&Redes analizamos más de 770,000 trinos entre los días 18 y 28 de noviembre de 2019 que incluyeron menciones explícitas a la fuerza pública (policía, militares, fuerzas antidisturbios, etc.).

Luego de hacer uso de metodologías de análisis de sentimiento y de análisis de dependencia sintáctica encontramos que, durante el período analizado, fue justamente la noticia de la muerte de Dilan Cruz la que afectó significativamente la manera como los usuarios de Twitter describieron y calificaron a la fuerza pública. Puntualmente, evidenciamos que aumentó el tono negativo con que los usuarios de esta red social relataron a la policía y sus actuaciones.

Datos & Metodología

Para desarrollar esta investigación se analizaron 774,955 publicaciones en Twitter entre el 18 y el 28 de noviembre de 2019 que contuviesen alguna de las 33 menciones explícitas a las fuerzas públicas. Estos datos fueron recolectados usando el servicio de streaming de la API gratuita de Twitter .

Una vez descargados los datos, se realizó un procedimiento de análisis de sentimiento usando los servicios de Google Cloud Computing. Como se explicó en una nota anterior, este procedimiento permite clasificar los textos en un continuo de sentimiento entre -1 y 1 —desde el tono más negativo hasta el más positivo— por medio de técnicas de aprendizaje de máquina (machine learning) y procesamiento natural de lenguaje. A continuación mostramos unos ejemplos de tweets analizados por el algoritmo con sus respectivos puntajes .

  • (21/11/2019): Puntaje: -0.8

Algunos trinos de usuarios de Twitter durante el paro.

Como se puede ver, el uso de groserías, así como los calificativos relacionados con la muerte o de desaprobación, afectan negativamente la carga emocional de un tuit, mientras que las publicaciones esperanzadoras, alusivas a la religión o la paz tienden a ser clasificadas como más positivos.

Además de este análisis de sentimiento, y por medio del paquete de procesamiento natural de lenguaje de la Universidad de Stanford, Stanza, también se analizó la dependencia sintáctica de las oraciones incluidas en los trinos. Este procedimiento permite estudiar la estructura gramatical de una frase, estableciendo relaciones de dependencia entre palabras base y sus modificadores.

La siguiente imagen muestra un análisis de dependencia de una oración corta. La flecha de la palabra “disparando” a la palabra “policía” indica que “policía” modifica a “disparando”, y la etiqueta nsubj asignada a la flecha describe la naturaleza exacta de esta dependencia (sujeto nominal).

 

La combinación de ambas metodologías —sentimiento y dependencia— nos permite entender, por un lado, la carga y distribución de sentimiento en el trino y, por el otro, los calificativos puntuales que usaron los usuarios de Twitter para clasificar a la policía en sus publicaciones.

La muerte de Dilan como punto de quiebre

Cambios en la distribución del sentimiento

Si bien en el transcurso del Paro Nacional hubo varios eventos que movieron la opinión pública en torno a la fuerza pública —como supuestas infiltraciones en la marchas, la patada propinada a una estudiante el primer día del paro o incluso el suicidio de un policía que se manifestó a favor de la marcha—, no hubo un evento aislado que tuviera más impacto en la conversación digital que la muerte de Dilan.

Por un lado, en cuanto a la distribución agregada de sentimiento, evidenciamos que los mayores cambios en el tono de la conversación alrededor de la policía se dan alrededor del día cuando se confirma la muerte de Dilan. Puntualmente, se observa que en los días 24 y 25 de noviembre aumenta considerablemente la concentración de trinos negativos en alusión a la policía. En ambos días hay una concertación sustancial de trinos en puntajes alrededor del -0.5, lo cual se presenta por primera vez en esa semana.

La gráfica muestra la distribución de sentimiento de los trinos para cada día. Donde 1 son los tuits más positivos y -1 los tuits más negativos. La linea vertical señala la mediana de cada uno de los días.

De hecho, los trinos recolectados esos días reflejan el clima de malestar entre los usuarios de Twitter y el accionar de la policía, varios calificando el hecho con un delito de Estado y exigiendo la renuncia de los responsables.

  • (25/11/2019): Puntaje -0.2

Algunos trinos de usuarios de Twitter durante el paro.

Cambios en la sintaxis y semántica de los trinos

De igual forma, el asesinato de Dilan también marca una diferencia en la manera como los usuarios de Twitter aluden y describen a la policía y como califican sus actuaciones. En otras palabras, encontramos cambio sintácticos y semánticos en los trinos relacionados con la policía tras la muerte de Dilan Cruz.

Menciones propias (sustantivos)

La primera dimensión concierne la manera como los usuarios hace referencia a los policías. Aquí nos referimos a cómo los tuiteros, al usar alguna de las 33 palabras claves, aludieron a la fuerza pública.

La gráfica anterior muestra la evolución de las menciones a la policía a través del tiempo. El color mide la posición sentimental con respecto a la media total de la muestra general: verde denota un tono más positivo mientras que rojo indica uno más negativo.

Por un lado, encontramos que, a medida que fue avanzando el paro, las cuentas oficiales de los diferentes organismos relacionados con la fuerza pública (v.g. @mindefensa) fueron perdiendo relevancia mientras que los términos como “policía” y “policías” se volvieron más comunes después del 21N. En cambio los términos “agente” y “esmad” se consolidaron en la lista como resultado del disparo de un agente del escuadrón antidisturbios contra Dilan.

De igual forma, resulta interesante preguntarse sobre la carga emotiva promedio de las palabras. Términos como “policía” o “policías”, por ejemplo, tuvieron una carga promedio ligeramente más positiva que el promedio general. Aunque lo anterior parezca contraintuitivo, la explicación está en que éstos son términos genéricos, muy frecuentes tanto en trinos positivos como negativos, lo cual termina por cancelar el efecto del sentimiento de cada trino individual y lo aproxima a la media. En cambio, las menciones explícitas a las cuentas oficiales (@PoliciaColombia, @PoliciaBogotá, etc.) tiendan a ser más negativas que el sentimiento promedio de la muestra. Empíricamente, parecería que los usuarios mencionan las cuentas oficiales para exponer su indignación con respecto a la institución.

  • (19/11/2019): Puntaje -0.4

Algunos trinos de usuarios en Twitter durante el paro.

Caracterización de sus acciones (verbos)

La segunda dimensión está relacionada con la manera como las publicaciones describen las acciones de los policías. Es decir, los verbos que los usuarios de Twitter relacionaron con la fuerza pública.

La gráfica anterior muestra la evolución de los verbos que caracterizan a la policía. El color mide la posición sentimental con respecto a la media total de la muestra general: verde denota un tono más positivo mientras que rojo indica uno más negativo.

De esta gráfica evidenciamos varios patrones relevantes. Lo primero es que, previo al 21N, no había una narrativa consolidada sobre el accionar de la policía. De hecho, el 19 de noviembre los verbos más atribuidos a la policía eran tanto “agredir” como “cuidar”. Esta realidad pronto se ve opacada por la evidente proliferación del verbo “reprimir” en la tarde del 21N, coincidente con los enfrentamientos del ESMAD con los manifestantes en la Plaza de Bolívar de Bogotá alrededor de 4 pm y con las denuncias sobre el uso excesivo de la fuerza por parte de los uniformados.

También es notorio el cambio que ocurre entre el 23 y 25 de noviembre, entre el evento del disparo y la confirmación de la muerte de Dilan. En la tarde del 23, rápidamente se viralizó el término “disparar”, el cual alude al ataque del agente del ESMAD sobre el estudiante Cruz. De igual forma, dos días después, luego de la confirmación de la muerte de Dilan, los verbos “matar” y “asesinar” rápidamente se consolidan entre los más frecuentes en alusión a la policía.

  • (21/11/2019): Puntaje 0.0

Algunos trinos de usuarios en Twitter durante el paro.

Calificación (adjetivos)

Finalmente, encontramos que la muerte de Dilan también tuvo un efecto importante en la forma como los tuiteros describen y califican con adjetivos a los miembros de la policía. Esta última dimensión es la que mejor permite entender los cambios de actitudes hacia los uniformados.

La gráfica anterior muestra la evolución de los adjetivos que califican a la policía. El color mide la posición sentimental con respecto a la media total de la muestra general: verde denota un tono más positivo mientras que rojo indica uno más negativo.

Como se observa, al inicio de las protestas, el calificativo principal a la policía era la de “infiltrado”. Esto quizás se debe a que, durante el transcurso del día, circularon videos que parecían mostrar la presunta infiltración de policías, camuflados de civil, en la protesta. Dicha preocupación se mantiene desde el 20 hasta el 23 de noviembre.

No obstante, esta tendencia empieza a cambiar el 23 con la noticia del disparo recibido por Dilan, y posteriormente el día 25 con la confirmación de su muerte. Luego de estos eventos, los calificativos “asesinado”, “muerto” y “masacrado” se imponen en la conversación digital como los más usados, hasta el final de la semana.

También resulta interesante examinar la carga puntual de los adjetivos utilizados para describir a la policía. En ese sentido, se puede evidenciar que, al inicio del Paro Nacional, los calificativos usados para describir a la fuerza pública tendían a ser más positivos, mientras que al final terminaron imponiéndose los negativos. Así los calificativos migraron de “activo”, “motivado” y “nuevos”, todos calificativos con sentimiento promedio superior a la media, hacia “asesino”, “muerto” y “armado”, con una carga sentimental inferior al promedio de la muestra.


Nuestro análisis muestra las variaciones tanto en el tono como en el contenido de las alusiones en Twitter a la fuerza pública, que reflejan los eventos discretos que se dan en el marco de un proceso que la tiene como protagonista. El 21N y los acontecimientos que se dieron en el marco de la protesta tuvieron correlatos en la forma como los usuarios de esta red social se refirieron a la policía y su accionar. Estos hallazgos abren la puerta para hacer uso de las metodologías empleadas acá para rastrear la conversación digital alrededor de la convulsionada realidad social de nuestro país.

Esta nota, también, pretende ser un modesto homenaje a la memoria de Dilan Cruz.