Eva María Rosa Martínez y David Martínez Rubio
Facultad de Psicología, Magisterio y Ciencias de la Educación, Universidad Católica de Valencia “San Vicente Mártir”, España
(cc) Eva Rosa y David Martínez.
La comunicación digital es un elemento omnipresente en la sociedad actual, que media las relaciones humanas en todos los ámbitos. Pero nuestras interacciones digitales quedan registradas. Estudios recientes demuestran que es posible, a partir del análisis del modo en que nos expresamos en internet, revelar ciertas características sociodemográficas y de personalidad de los autores. Estos resultados podrían ser muy útiles para generar protocolos de identificación en el campo de la psicología forense o para detectar la suplantación de identidades, entre otras cosas.
Actualmente, vivimos una revolución de la comunicación digital que ha motivado numerosas investigaciones en Psicología. Muchas de ellas se han centrado en evaluar hasta dónde podemos usar el lenguaje digital para predecir aspectos sociodemográficos y de personalidad de los emisores.
Una de las estrategias más comunes consiste en analizar la relación existente entre las características sociodemográficas de los emisores, reveladas en sus perfiles de usuario o proporcionadas para los fines de la investigación, y diferentes aspectos de su lenguaje digital, tales como el número y frecuencia de los mensajes emitidos, la utilización de determinados elementos (palabras con contenido emocional, onomatopeyas, mayúsculas, emoticonos y emojis), el tipo de construcciones sintácticas preferidas (p. ej., las formas verbales más habituales o la posición del sustantivo en la frase), la ubicación de los saludos en el mensaje o la utilización de letras o números para escribir cifras. Para ello, algunos estudios han mostrado la utilidad de los algoritmos de aprendizaje automático (Peersman, Daelemans y Van Vaerenbergh, 2011; Ungar, Leibholz y Chaski, 2011).
En este sentido, diversos estudios (Hwang, 2014; Tossell y cols., 2012; Wolf, 2000) han encontrado diferencias con respecto al género. Por ejemplo, las mujeres utilizan más emoticonos que los hombres para expresar emociones y complementar el significado del mensaje, mientras que los hombres utilizan mayor variedad de ellos. También se ha observado que los hombres utilizan más el determinante posesivo “mi” para referirse a su pareja que las mujeres. Más recientemente, el grupo de investigación de Facebook (Weinsberg, Adamic y Develin, 2015) llevó a cabo un estudio sobre el uso de expresiones que denotaban risa en Estados Unidos. En él se encontraron diferencias en función del sexo y también de la edad. Por ejemplo, “haha” y “hehe” eran más utilizados por hombres, mientras que emojis y “lol” eran más utilizados por mujeres. De la misma forma, los que usaban emojis tenían una media de edad inferior a los que utilizaban “haha”, y estos a su vez eran más jóvenes que los que utilizaban “hehe” o “lol” («laugh out loud», reír a carcajadas). A través de este tipo de análisis también se pueden extraer conclusiones acerca de las connotaciones de significado de los emoticonos en función del origen geográfico y la cultura del emisor. Por ejemplo, el emoticono :( aparece de manera frecuente en contextos relacionados con “dinero” sólo en Alemania, mientras que en otros países aparece frecuentemente en contextos relacionados con el cuerpo, con connotaciones negativas (Park, Barash, Fink y Cha, 2013).
Otra estrategia de investigación habitual consiste en buscar correlaciones entre distintos aspectos de la comunicación digital a través de redes sociales y mensajería instantánea, y los rasgos de personalidad de los emisores, medidos a través de tests. De este modo se ha comprobado que aquéllos que envían gran cantidad de mensajes de texto diarios (100 o más) tienden a ser menos reflexivos, muestran mayores niveles de prejuicio étnico y dan menor importancia a la moral y las metas espirituales, y más a la riqueza y la imagen, que aquéllos que envían 50 o menos mensajes diarios (Trapnell y Sinclair, 2012). Por otro lado, el uso de pronombres personales está frecuentemente asociado a la extraversión, mientras que las personalidades neuróticas tienden a utilizar de manera desproporcionada, con respecto a la población general, expresiones que denotan emociones negativas, tales como “deprimido” o “estoy harto” (Holtgraves, 2011; Schwartz y colaboradores, 2013). Especialmente interesante resulta un estudio de Back, Schmukle y Eglof (2008) en el que un grupo de 100 observadores fueron capaces de predecir rasgos de personalidad (narcisismo, neuroticismo, empatía, extroversión…) de casi 600 voluntarios adolescentes que habían sido evaluados previamente a través de un test, basándose en una pieza de información tan minúscula como la dirección de correo electrónico.
En definitiva, la comunicación digital es un elemento omnipresente en la sociedad actual que media las relaciones humanas de todo tipo y que ha impulsado líneas de investigación muy prolíferas durante la última década. Esto está permitiendo desarrollar un importante corpus de evidencia empírica que, sistematizado, podría tener aplicaciones muy útiles. Entre otras, podría ayudar a generar protocolos de identificación en el campo de la psicología forense o protocolos de guía en la investigación policial de la suplantación de identidades. Por otro lado, empresas como Google o Facebook están haciendo ya uso de este tipo de información con fines publicitarios.
Referencias
Back, M. D., Schmukle, S. C., y Egloff, B. (2008). How extraverted is honey. bunny77@ hotmail.de? Inferring personality from e-mail addresses. Journal of Research in Personality, 42, 1116-1122.
Holtgraves, T. (2011). Text messaging, personality, and the social context. Journal of Research in Personality, 45, 92-99.
Hwang, H. S. (2014). Gender differences in emoticon use on mobile text messaging: Evidence from a korean sample. International Journal of Journalism & Mass Communication, 1, 107.
Park, J., Barash, V., Fink, C., & Cha, M. (2013). Emoticon Style: Interpreting Differences in Emoticons Across Cultures. En International Association for the Advancement of Artificial Intelligence Conference on Web and Social Media. Recuperado de https://www.aaai.org/ocs/index.php/ICWSM/ICWSM13/paper/view/6132
Peersman, C., Daelemans, W., y Van Vaerenbergh, L. (2011, October). Predicting age and gender in online social networks. En Proceedings of the 3rd international workshop on Search and mining user-generated contents (pp. 37-44).
Schwartz, H. A., Eichstaedt, J. C., Kern, M. L., Dziurzynski, L., Ramones, S. M., Agrawal, M. y Ungar, L. H. (2013). Personality, gender, and age in the language of social media: The open-vocabulary approach. PloS ONE, 8, e73791.
Tossell, C. C., Kortum, P., Shepard, C., Barg-Walkow, L. H., Rahmati, A., & Zhong, L. (2012). A longitudinal study of emoticon use in text messaging from smartphones. Computers in Human Behavior, 28, 659-663.
Trapnell, P., y Sinclair, L. (2012, January). Texting frequency and the moral shallowing hypothesis. Poster presented at the Annual Meeting of the Society for Personality and Social Psychology, San Diego, CA.
Ungar, L., Leibholz, S., y Chaski, C. (2011, noviembre). IntentFinder: A system for discovering significant information implicit in large, heterogeneous document collections and computationally mapping social networks and command nodes. En Technologies for Homeland Security (HST), 2011 Institute of Electrical and Electronics Engineers International Conference (pp. 219-223).
Weinsberg, U., Adamic, L., y Develin, M. (23 de marzo de 2016). The not-so-universal language of laughter. Recuperado de https://research.facebook.com/blog/the-not-so-universal-language-of-laughter/
Wolf, A. (2000). Emotional expression online: Gender differences in emoticon use. CyberPsychology & Behavior, 3, 827-833.
Manuscrito recibido el 25 de noviembre de 2016.
Aceptado el 27 de febrero de 2017.
