CONTAGIO, Paso 2: por qué nacen las cámaras de eco

En la entrada anterior vimos por qué un bulo se difunde más rápido que la verdad incluso cuando nadie miente a propósito en el código: basta con darle la misma ventaja de viralidad que midieron Vosoughi, Roy y Aral en 2018 (un 70% más de probabilidad de compartirse) y dejar correr un contagio simple, donde una sola exposición basta para contagiarte. Esa primera versión de CONTAGIO también dejaba una pista suelta: con ese modelo, las redes muy agrupadas en burbujas no ayudan al bulo — de hecho, frenan su alcance total. Si las cámaras de eco existen, algo tiene que fallar en ese modelo. El Paso 2 es esa pieza que faltaba.

Contagio simple no es lo mismo que creer algo

La pista está en un matiz que ya apuntaba la literatura: ver una noticia una vez basta para compartirla, pero para creerse algo de verdad — sobre todo si va contra lo que ya piensas — normalmente hace falta oírlo por boca de más de una persona. Es la distinción entre contagio simple y contagio complejo que formalizaron Centola y Macy (2007): la información se propaga como un virus, con una sola exposición; las creencias necesitan refuerzo, varias fuentes que ya lo den por cierto. Y esa distinción no es un detalle técnico — cambia el resultado por completo. Con contagio simple, los lazos débiles de Granovetter (los puentes entre grupos) son los que hacen viajar lejos una noticia, y una red en burbujas cerradas la frena. Con contagio complejo es al revés: dentro de una burbuja muy conectada, el refuerzo se acumula rápido, y eso acelera la adopción de una creencia precisamente ahí donde hace falta salir menos.

Lo que se ha construido: un interruptor, no una simulación nueva

CONTAGIO ya tenía las dos redes, el multiplicador de viralidad y el control de tipo de red. El Paso 2 añade un interruptor de «modo de contagio»: simple (el del Paso 1) o con refuerzo. En modo con refuerzo, un nodo necesita al menos dos vecinos ya informados antes de poder contagiarse — y solo tiene una oportunidad de hacerlo cada vez que se informa un vecino nuevo suyo, no en cada instante que pasa. Ese detalle importa: con reintentos ilimitados en el tiempo, tarde o temprano casi todo el mundo que puede llegar a informarse acaba haciéndolo, y el multiplicador de viralidad deja de notarse en el resultado final, solo en la velocidad. Limitando las oportunidades a los momentos en los que de verdad cambia algo a tu alrededor, la ventaja del bulo se queda donde tiene que estar: en el resultado, no solo en el cronómetro.

Con un umbral de dos vecinos, además, ningún vecino de un único nodo semilla puede cruzarlo nunca contando solo con esa semilla — hace falta un pequeño grupo ya convencido desde el principio para que la creencia arranque en algún sitio. Es la propia teoría de Centola pidiendo una masa crítica inicial, no una elección arbitraria de diseño.

Lo que de verdad se confirma (y lo que no)

Antes de tocar la interfaz, comprobamos con una simulación propia si el resultado contraintuitivo se sostenía con números reales — la misma disciplina que en el Paso 1. Y aquí está el matiz que más vale la pena quedarse: el alcance total de la red no es mayor en una red en burbujas — sigue siendo menor, igual que con contagio simple. Lo que cambia es otra cosa, más inquietante: dentro de la burbuja donde empieza la creencia, la saturación es casi total (entre el 60% y el 95% de sus miembros, según la tirada) frente a apenas un 10-30% en una red sin esa estructura. No hace falta convencer a toda la red para que una cámara de eco funcione — basta con dominar por completo tu propio grupo, aunque el resto del mundo nunca se entere.

Qué queda para el aula

El contraste entre los dos pasos es, en sí mismo, la lección: la misma red, el mismo punto de partida, la misma ventaja de viralidad — pero según si lo que circula es un dato suelto o una creencia que necesita reforzarse, las burbujas pasan de estorbar a ser la condición que hace posible la cámara de eco. Nada de esto estaba decidido de antemano en el código: salió de simular, medir y comprobar antes de prometer nada.

El código sigue publicado y actualizado en GitHub: github.com/jusevil271/contagio.

Fuentes

Vosoughi, S., Roy, D. & Aral, S. (2018). «The spread of true and false news online». Science, 359(6380), 1146-1151.
Granovetter, M. (1973). «The Strength of Weak Ties».
Centola, D. & Macy, M. (2007). «Complex Contagions and the Weakness of Long Ties».
Centola, D. (2010). «The Spread of Behavior in an Online Social Network Experiment». Science, 329(5996), 1194-1197.

---