Desarrollo de modelos matemáticos y computacionales a partir de experimentos masivos para explicar las dinámicas subyacentes a la polarización ideológica
Year: 2023
Type: dissertation
Abstract: En un contexto mundial de polarización política creciente, esta tesis integra diversas disciplinas y fuentes de información para comprender la polarización afectiva, la alineación ideológica y la relación entre ambas. Es decir, los sentimientos negativos y la hostilidad hacia quienes tienen opiniones políticas opuestas, y su relación con el fenómeno por el cual las opiniones de las personas están cada vez más alineadas con las del partido político al que apoyan. En primera instancia, se mide y contrasta la polarización afectiva en distintos dominios, como por ejemplo la política y el deporte. Para ello, se utilizan datos de una encuesta online y de la plataforma YouTube. Luego, se implementan experimentos en tres países distintos que permiten obtener un panorama más especifico sobre los mecanismos subyacentes a la polarización política. Finalmente, para vincular los hallazgos previos con la dinámica de opinión a gran escala se propone un modelo matemático multidimensional basado en agentes que incorpora dos mecanismos principales: el favoritismo hacia personas coherentes con la misma ideología y la homofilia, que es la preferencia por personas que comparten nuestras mismas opiniones. Comparando el comportamiento del modelo con más de veinte mil opiniones de personas de diferentes países se observa que para poder explicar la alineación ideológica presente en las opiniones políticas es necesario incluir los dos mecanismos propuestos. Los resultados obtenidos pueden contribuir a diseñar intervenciones para reducir la polarización afectiva, la segregación y la hostilidad que ocurren en las relaciones interpersonales dentro del ámbito de la política.
Author: Zimmerman, Federico
Language: Spanish
Subfield: Statistical and Nonlinear Physics
Field: Physics and Astronomy
Domain: Physical Sciences
Open Access status: green
Funder: Yale University
OpenAlex ID: W6999829923
