Año | Year: 2023

Volumen | Volume: 11

Número | Issue: 2

DOI: https://doi.org/10.17502/mrcs.v11i2.721

Recibido | Received: 11-7-2023

Aceptado | Accepted: 4-10-2023

Primera página | First page: 1

Última página | Last page: 15

Los juegos de azar han adquirido una presencia notable en las redes sociales, destacando especialmente en Twitch, una plataforma de transmisión en vivo muy popular entre la generación joven. Los streamers establecen vínculos a largo plazo con sus audiencias, creando comunidades participativas que refuerzan el sentimiento de pertenencia grupal. El propósito de esta investigación es analizar la reacción que causa en la audiencia de los creadores de contenido cuando se promueven juegos de azar. Se lleva a cabo una triangulación metodológica que incluye la observación etnográfica, el análisis de sentimiento y el análisis de contenido a partir de los chats de 12 emisiones, cada una con una duración promedio de 4 horas. Se evalúa el grado de compromiso de la audiencia social en función de las estrategias de promoción empleadas por los creadores. Los resultados revelan que, a pesar de las restricciones impuestas por Twitch, los streamers recurren a diversas tácticas, que van desde la recomendación de juegos de azar hasta la oferta de incentivos especiales para que los espectadores se unan. Esto fomenta el consumo y crea un vínculo con el usuario, quien, al participar en la conversación, se ve predispuesto a imitar las conductas que observa.

Palabras clave: análisis de sentimiento, juego de azar, juventud, publicidad, redes sociales,

Gambling has gained significant prominence on social media, particularly on Twitch, a widely popular live streaming platform among the younger generation. Streamers establish long-term connections with their audiences, fostering participative communities that enhance the sense of group belonging. The purpose of this research is to analyze the audience's response when content creators promote gambling. A methodological triangulation is conducted, encompassing ethnographic observation, sentiment analysis, and content analysis based on the chats from 12 broadcasts, each with an average duration of 4 hours. The degree of social audience engagement is assessed in relation to the promotional strategies employed by the creators. The results reveal that, despite the restrictions imposed by Twitch, streamers employ various tactics, ranging from recommending gambling games to offering special incentives to encourage viewers to participate. This promotes consumption and establishes a connection with the user, who, by engaging in the conversation, becomes predisposed to imitate the behaviors they observe.

Key words: sentiment analysis, gambling, youth, advertising, social media,

Gutiérrez-Manjón, S., y Castillejo-De-Hoces, B. (2023). Promoción de juegos de azar en transmisiones en directo: Análisis del poder de prescripción de los streamers. methaodos.revista de ciencias sociales, 11(2), m231102a14. https://doi.org/10.17502/mrcs.v11i2.721

1. Introducción

Las redes sociales han transformado paulatinamente los hábitos de consumo de las personas. Especialmente los medios sociales han producido nuevas formas de consumo entre la juventud buscando establecer relaciones interpersonales (Vizcaíno-Laorga et al., 2021)^Ref40. Esta modificación de hábitos ha terminado afectando al sector publicitario al tener que buscar formas novedosas de relacionarse con este tipo de consumidores.

Dentro de estos cambios en los hábitos de consumo cobran especial relevancia los juegos de azar que han pasado de ser consumidos principalmente en lugares presenciales a consumirse en la esfera online tanto por jóvenes como por adultos, dado que es más difícil identificar a una persona mayor de edad en Internet (Solé, 2019)^Ref39. En este sentido, esta investigación trata de abordar cómo se ha adaptado este servicio a las redes sociales poniendo el foco en los medios sociales que ofrecen vídeo en directo y, más concretamente, en Twitch, como principal plataforma de retransmisión de contenido en vivo.

Esta red social es muy popular entre la juventud enmarcada en la Generación Z la cual incluye a los individuos conocidos como centennials, cuya edad está comprendida entre los 16 y los 25 años. Entre esta población se encuentran sujetos particularmente vulnerables al ser algunos de ellos menores de edad, lo que puede repercutir en su predisposición al juego azaroso mediante un proceso de socialización al ver cómo lo juegan los prescriptores sociales que siguen en medios sociales (García et al., 2023)^Ref11.

A pesar de existir una normativa vigente que regula los juegos de azar en cada país, las redes sociales como canales omnipresentes en casi todas estas jurisdicciones consiguen sortear de alguna u otra manera la legislación impuesta por cada país (Rubio, 2018)^Ref36. Precisamente, los juegos de azar se aprovechan de la flexibilidad con la que operan las redes sociales para utilizarlas como el escaparate perfecto con el que darse a conocer a un público cada vez más heterogéneo en el que los anuncios cada vez son más específicos para cada tipo de audiencia y juego (Labrador et al., 2021)^Ref22. A este respecto, los juegos de azar online han hecho crecer al sector un 13,7% más en 2020 comparado con datos del 2019 (DGOJ, 2021)^Ref5.

Así pues, aunque existen numerosas investigaciones previas sobre el impacto psicológico de los juegos de azar en las personas o en los mecanismos que emplean este tipo de servicios de apuestas para promocionarse, no se encuentra apenas literatura reciente que analice el poder de prescripción de las personas creadoras de contenido en vivo y cómo afectan con su poder de recomendación a su potencial audiencia.

2. Marco teórico

2.1. Hábitos de consumo en redes sociales

Con la expansión de Internet ha cambiado la forma en que las personas consumen contenido audiovisual. Este cambio se debe a la disponibilidad de nuevos productos y a nuevas formas de interactuar con ellos (Francisco y Rodríguez, 2020)^Ref7. En particular, las redes sociales se han convertido en uno de los hábitos de consumo diario por gran parte de la población, especialmente entre los centennials (Navarro-Robles y Vázquez-Barrio, 2020)^Ref30. Este grupo poblacional ha estado familiarizado con la tecnología desde temprana edad. Su forma de utilizar el tiempo libre difiere significativamente tanto en su manera de relacionarse socialmente como en su participación en la co-creación del espacio virtual en comparación con generaciones anteriores (Llopis-Amorós, 2019)^Ref25.

Las redes sociales aparecieron con la intención de reunir a individuos, ya sean conocidos o no, para fomentar la interacción y el intercambio de ideas dentro del grupo (Martínez-Sala et al., 2021)^Ref27. Como resultado, las redes sociales han impulsado el fenómeno de la cultura de la participación (Jenkins et al., 2015)^Ref19, que incentiva a los potenciales consumidores a colaborar en la creación del entorno virtual a través de sus propias contribuciones, las cuales son reconocidas y recompensadas por la red social mediante una serie de incentivos que premian la motivación extrínseca (Lazo, 2017)^Ref23. Esta motivación consiste en reforzar la conducta del sujeto realizando un cúmulo de acciones para conseguir una recompensa externa, por ejemplo, cuando un usuario escribe una publicación y la comunidad estimula su comportamiento dándole me gusta o compartiendo su contenido para incentivar la repetición de dicha acción.

La participación de las personas usuarias se entiende no solo como una interpretación activa del formato que consumen, sino también como la generación de su propio contenido y la interacción con el medio (Castro-Mariño, 2018)^Ref4. Por consiguiente, esta colaboración social abre nuevas vías de comunicación que permiten a los usuarios interactuar entre sí (Masip et al., 2019)^Ref28 y, además, esta implicación puede impactar en mayor medida en la difusión del asunto en cuestión (Rangel y Velasco, 2017)^Ref32.

La Generación Z busca establecer una relación a largo plazo con los streamers de Twitch (García et al., 2022)^Ref10. Los temas generados por influencers causan los mayores picos de atención entre el público joven y el branded content creado por ellos capta aún más su interés (Ferrer, 2020^Ref6; Rodrigo-Martín, 2021)^Ref33. Ante el grado de influencia de los prescriptores sociales las casas de apuestas se han fijado en ellos como el escaparate ideal para promocionar sus juegos de azar.

2.2. Crecimiento y consolidación de la transmisión en directo

Los centennials sienten predilección por los formatos visuales y, en los últimos años, se ha observado un crecimiento exponencial en la popularidad de la emisión de contenidos en vivo, los cuales se desarrollan a través de la interacción con el público. Se estima que para el año 2025 esta forma de emisión alcanzará una audiencia promedio de 800 millones de espectadores a nivel mundial (Godoy, 2021)^Ref13.

Ante este crecimiento han aparecido diversos servicios de transmisión en directo que facilitan la interacción entre las personas creadoras de contenido y su audiencia (Hilvert-Bruce et al., 2018)^Ref16. Entre todos estos medios sociales destaca el consumo de la plataforma de Twitch.tv que permite realizar transmisiones en directo. Se trata de una de las redes sociales que más creció en 2022, con un consumo medio diario de 1 hora y 30 minutos, siendo la plataforma audiovisual preferida entre la población de 16 a 24 años (IAB, 2022)^Ref18.

En Twitch se distinguen dos roles principales: las personas creadoras de contenido, encargadas de transmitir su señal de video para compartir su contenido, y las personas usuarias, quienes ven la transmisión en directo y pueden participar de diversas formas (Hamilton et al., 2014)^Ref15. Tanto las personas que emiten contenido como aquellas que lo están viendo interactúan a través de un chat en el que comentan las acciones llevadas a cabo por el streamer. Esto establece un canal de comunicación horizontal en el que no solo la persona emisora tiene la capacidad de comunicarse, sino que los espectadores también pueden interactuar tanto con ella como con otras personas usuarias de manera sincrónica durante la transmisión (Gutiérrez-Manjón et al., 2022)^Ref12.

Dentro de este ecosistema comunicativo se genera una doble gratificación. Aquellas personas que crean contenido reciben beneficios económicos a través de suscripciones y donaciones de sus espectadores, así como posibles contratos publicitarios con terceras marcas, mientras que los espectadores son recompensados con la oportunidad de interactuar directamente con el streamer, quien puede responderles de manera personalizada (Gros et al., 2017)^Ref14. En consecuencia, se han generado comunidades participativas en torno a las figuras de las personas que crean contenido en Twitch. Estos streamers, como responsables de la emisión de contenido, interactúan con su audiencia de diversas formas, destacan comentarios de personas usuarias que consideran interesantes reforzando su estatus dentro del grupo o incluso les hacen partícipes del directo pudiendo votar o decidir cosas de la retransmisión. Todo ello termina generando en su público un sentimiento de pertenencia a un grupo (Ros y Gutiérrez-Manjón et al., 2022)^Ref35.

2.3. Auge de los juegos de azar en Twitch

Además de los videojuegos, en 2022 los juegos de azar se encontraron entre las 20 categorías de emisión más populares en Twitch. Con el crecimiento de los juegos de apuestas en la plataforma, muchas personas que crean contenido se han sumado a transmitir este tipo de formato debido a los altos ingresos que reciben al promocionarlo (Labari, 2022)^Ref21. Esta categoría se agrupa bajo la denominación de “slots” y “virtual casino” y en ellas se retransmiten distintos juegos de azar como las tragaperras, la ruleta, el póker o los casinos en vivo (Abarbanel et al., 2017)^Ref1.

El juego de azar se define como toda aquella actividad lúdica que requiere de una apuesta monetaria de la que depende ganar o perder dinero en función de un resultado determinado mayormente o en su totalidad por el azar. Por su parte, los juegos con temática de azar, como los casinos sociales, imitan en formato y reglas a los juegos de azar antes mencionados con la salvedad de que suelen ser gratuitos y sin premios monetarios aunque pueden incluir características que incorporen una inversión financiera opcional, como por ejemplo la compra de fichas virtuales (Gainsbury et al., 2014)^Ref8. En ambos casos la exposición continuada puede terminar desencadenando uno o varios trastornos del juego (Brand et al., 2020)^Ref3. Esta afirmación queda ampliamente respaldada por la literatura empírica previa que ha señalado una relación directa entre los juegos de azar en línea y el juego con dinero real (Kolandai-Matchett y Wenden, 2021)^Ref20.

Esta estrategia de promoción de los juegos de azar implica que en las jurisdicciones en las que las apuestas en línea están restringidas, los juegos de casino sociales sí están permitidos. Este tipo no está sujeto a la ley en muchos países pues no requiere una inversión monetaria inicial aunque se incita a ella y, por consiguiente, puede llegar a una gran base de usuarios propiciando un gran embudo de conversión hacia el juego en línea (Ruddock, 2016)^Ref37. Así como en los medios tradicionales existen mecanismos de autorregulación de la publicidad en el sector (Mañas-Viniegra, 2018)^Ref26, no sucede lo mismo en las redes sociales y otros medios digitales dado que existe una mayor lasitud sobre su regulación dependiendo del país en el que se haya constituido la empresa.

El mayor peligro que suscita este tipo de prescripción en transmisiones en directo es que se hace mientras el emisor juega. El juego es una actividad que busca principalmente la recreación y el entretenimiento, lo que le hace un recurso eficaz para aumentar la disposición de la audiencia a recibir un mensaje captando su atención (Barrientos-Báez y Caldevilla-Domínguez, 2023)^Ref2. Además, la publicidad de este formato concretamente en este medio trata de normalizar esta práctica entre la audiencia para que se habitúen a ella en su tiempo de ocio (Labrador et al., 2021)^Ref22.

Las comunidades en línea tienen unas características que condicionan el comportamiento de los miembros que participan en ellas reforzando los intereses y conductas que comparten (Savolainen et al., 2022)^Ref38. Por tanto, se puede percibir por la población y, especialmente, por la juventud como un hábito de consumo inocuo que puede desencadenar un trastorno de juego (García et al., 2016)^Ref9. En este sentido, la inclusión de este tipo de experiencias lúdicas en el entramado social está ampliamente aceptada y normalizada debido a que las personas socializan a través del juego (García et al., 2023)^Ref11. Si bien es cierto que este tipo de azar es contenido destinado a mayores de 18 años, “en Internet la población adolescente puede acceder a cualquier contenido mediante la suplantación de identidad de un adulto” (Rubio, 2018, p. 140)^Ref36.

Existen numerosas investigaciones previas que abordan la publicidad de juegos de azar en distintos medios (Abarbanel et al., 2017^Ref1; Mañas-Viniegra, 2018^Ref26; García et al., 2023^Ref11). Sin embargo, hasta la fecha, no se ha realizado una aproximación que mida la influencia que ejercen los creadores de contenido en sus comunidades al hacer retransmisiones en directo. Esta es una laguna importante en la comprensión de los nuevos formatos publicitarios, dada la creciente relevancia de las personas creadoras de contenido y las retransmisiones en plataformas como Twitch en la configuración de las tendencias y los comportamientos de consumo.

Se establece como objetivo principal de la investigación medir la reacción de la audiencia de los streamers que transmiten juegos de azar. Para cumplir con este objetivo principal, se establecen los siguientes objetivos específicos:

(1) Determinar el nivel de compromiso de la audiencia con el contenido en emisión. Este análisis incluye tanto la cantidad como la calidad de la interacción de los espectadores con el contenido de los juegos de azar.

(2) Observar las estrategias de promoción utilizadas por las personas que crean contenido en sus emisiones y cómo se integran en la emisión de contenido en vivo.

3. Metodología

Los objetivos de la investigación demandan la aplicación de un enfoque metodológico mixto. Debido al carácter del fenómeno de Twitch y su amplia utilización con audiencias globales, se requiere un enfoque exploratorio para obtener una visión general y aproximada. Por otra parte, considerando las características técnicas y el potencial comunicativo de Twitch, resulta pertinente desarrollar herramientas analíticas descriptivas con el fin de construir un modelo que pueda ser aplicado en otros contextos similares. A este respecto, el enfoque de la investigación adopta una perspectiva dual. Se ha implementado un enfoque cualitativo para analizar la naturaleza de las conversaciones y los mensajes sociales en la plataforma, mientras que a su vez se ha utilizado un enfoque cuantitativo para sistematizar y cuantificar los patrones de uso y consumo por parte de la audiencia social.

Se ha empleado un método de muestreo no probabilístico basado en criterios de oportunidad, socioculturales y temáticos. Se han seleccionado los casos de estudio a partir de las retransmisiones realizadas en diciembre coincidiendo la campaña de Navidad de 2022, uno de los momentos en la que más espectadores de media consumen Twitch al consultar las estadísticas de Twitchtracker de los últimos 3 años, especialmente entre jóvenes que no suelen tener obligaciones académicas o laborales. Además, los anunciantes han incrementado su inversión en 2022 en sectores como el del vídeo online, con un aumento del gasto publicitario del 16%, y las redes sociales, con un aumento del 19% (Nielsen, 2023)^Ref31. En consecuencia, disponer de más tiempo libre por parte de la audiencia y desarrollar una estrategia de mayor inversión publicitaria por parte de los anunciantes facilita a que se consuman productos o servicios nuevos. Para el estudio se eligieron creadores de contenido angloparlantes y latinoamericanos que emiten juegos de azar y tienen un público geográficamente heterogéneo, no obstante, su público objetivo se compone principalmente de personas de la Generación Z.

Se ha realizado una selección de 3 streamers, 1 de Reino Unido, 1 de Estados Unidos y 1 de Brasil en función de sus niveles de audiencia: menos de 500 espectadores, menos de 3000 espectadores y más de 3000 espectadores. Se han elegido estos países como representativos por sus altas tasas de visualización de este tipo de formato en la plataforma. El material de investigación consiste en una selección de 3 transmisiones por cada persona creadora de contenido, con una duración media de 3-4 horas por emisión. Todas ellas fueron emitidas en diciembre de 2022. A lo largo del proceso de análisis, los nombres de las personas creadoras de contenido se anonimizaron para preservar su identidad (S1, S2, S3).

Las retransmisiones de S1 presentan 22750 mensajes en total y 2594 usuarios únicos que participan en el chat, las de S2 contienen 5402 mensajes totales y 339 usuarios únicos en el chat y en las de S3 hay 20024 mensajes hechos por 3211 usuarios únicos.

Para cada una de las personas creadoras de contenido se ha seguido un proceso de ETL (de sus siglas en inglés Extracción - Transformación – Carga):

En primer lugar, en la fase de extracción se utilizó TwitchDownloader para obtener el contenido de 3 retransmisiones de cada streamer. Este proceso devuelve un archivo TXT con un número de filas igual al número de mensajes enviados en el chat. Cada una de estas filas contenía la siguiente información:

-Fecha en ISO 8601, comúnmente escrito como “AAAA-MM-DD hh:mm:ss”, donde AAAA es el año, MM es el mes, DD es el día, hh es la hora en formato 24 horas, mm son los minutos y ss los segundos. Por ejemplo, un mensaje enviado el 26 de diciembre de 2022 a las 23:12:34 aparecería en representado como 2022-12-26 23:12:34.

-Franja horaria en formato UTC de la persona que descarga el contenido.

-Nombre del usuario o bot que envió el mensaje.

-Mensaje enviado.

En segundo lugar, en la fase de transformación se agrupan todos los mensajes enviados en las conversaciones de cada streamer. Acto seguido se convierte cada archivo TXT en un archivo CSV. Se separan por columnas la fecha, la hora, el usuario y el mensaje. Se suprime la franja horaria debido a que todos los mensajes llevaban la misma franja horaria. Se llevan a cabo procesos de limpieza de valores nulos y de mensajes de algunos bots como StreamElements y Degen_bot, pues estos mensajes eran mensajes automatizados y no generados por las personas usuarias. En cada fila se añade una fila temporal llamada ID que marca la posición de dicho mensaje en el documento. Este paso es importante pues nos permitirá optimizar el proceso de carga en GPT y facilitar el futuro emparejamiento de la respuesta de GPT con el mensaje original.

En tercer lugar, en la fase de carga, debido a la limitación de tokens que presenta el modelo GPT-3.5, no es posible cargar una gran cantidad de datos al mismo tiempo, por lo que había que cargarlos en lotes. Al trabajar con inteligencia artificial se hace mediante prompts, es decir, conjunto de instrucciones que permiten ordenar a una inteligencia artificial realizar tareas concretas (Lucy y Bamman, 2021)^Ref24. En este caso se ha empleado una instrucción que valore el sentimiento de los mensajes. El prompt que se ha utilizado una vez traducido al español fue: “Valore estos mensajes según su sentimiento. Puntúe del 1 al 10, donde 1 es extremadamente negativo, 10 es extremadamente positivo y 5 es neutro. Devuelva solo el índice y el valor con el siguiente formato: ÍNDICE – VALOR”.

Otro parámetro que se ha tenido en cuenta al clasificar el sentimiento de los mensajes es la temperatura. Factor que mide la aleatoriedad de la respuesta, un valor bajo, como el usado 0,5, permite que las respuestas sean lo suficientemente consistentes para tareas de análisis de sentimiento.

Una vez completado el diseño metodológico, se han utilizado las técnicas de etnografía virtual, por su utilidad para analizar fenómenos en redes sociales al explorar relaciones que se establecen entre usuario, medio y contexto en el entorno digital (Hine, 2015)^Ref17.

Además se han utilizado técnicas de análisis de contenido, mediante la observación no participante en la que se analizan los códigos empleados de la comunicación horizontal a través del chat, para explorar el poder de prescripción de las personas creadoras de contenido en Twitch al promocionar en directo juegos de azar entre su audiencia.

Con todas las personas involucradas en el experimento se analizaron la frecuencia absoluta de los valores de sentimiento, los valores medios de sentimiento a lo largo de la duración normalizada de cada retransmisión, el promedio de mensajes por persona usuaria única, el promedio de mensajes por minuto y la frecuencia absoluta y relativa de términos usados por los distintos usuarios en las conversaciones de cada retransmisión.

El análisis de sentimiento se ha hecho usando la potencia y flexibilidad que permiten los modelos grandes de lenguaje como GPT a la hora de analizar cantidades masivas de textos con independencia de la longitud de cada uno de los mensajes. Esta inteligencia artificial ha demostrado una gran adaptabilidad para analizar el sentimiento de un texto en diferentes idiomas y ha sido capaz de acercarse en resultados a los mejores modelos de la competición SemEval, incluso en algunos casos ha superado a los mejores modelos de dicha competición, con el añadido de tener la capacidad de detectar en múltiples idiomas y sin necesidad de un reentrenamiento con nuevos datos (fine tunning) es capaz de identificar tres constructos psicológicos: la dirección del sentimiento, emociones discretas y la capacidad del mensaje de ser ofensivo, en múltiples idiomas (Rathje et al., 2023)^Ref34.

4. Resultados

4.1. Frecuencia absoluta de los valores de sentimiento

En las personas que crean contenido seleccionadas para el estudio se observa un comportamiento similar a la hora de analizar el sentimiento observado: un patrón en forma de W, donde los valores de los extremos y del centro de la tabla tienen una frecuencia mucho mayor que los valores más moderados (valor de sentimiento 4 y valor de sentimiento 6), también se observa un bajo registro de los valores extremadamente positivos (valores de sentimiento 9 y 10). Esto puede deberse a:

(1) El modelo utilizado para realizar el análisis de sentimiento no ha sido capaz de devolver un valor de sentimiento concreto y en su defecto devuelve un valor de sentimiento neutral (valor de sentimiento 5). Esto puede ser el resultado de un posible sesgo durante el proceso de entrenamiento del modelo con conjuntos de datos que contenían documentos con una gran polarización haciendo que este hecho terminase por afectar a la tarea designada.

(2) Existe una gran cantidad de comentarios neutrales y extremos ocurriendo los primeros en los momentos de calma donde es fácil tratar temas triviales y los segundos en eventos que le ocurren al creador de contenido, como por ejemplo que gane o pierda una cantidad importante de dinero en las máquinas tragaperras, o cuando ocurre entre usuarios de la comunidad, por ejemplo cuando un usuario regala suscripciones de manera altruista al canal de la persona creadora de contenido, dejando entrever que dichas comunidades pueden ser propicias a reaccionar de forma más extrema a eventos ocurridos en las retransmisiones.

En el Gráfico 1 se observa que con la persona creadora de contenido S1 el patrón en W no está muy presente en los valores más negativos (valor de sentimiento 3 y menores), aunque es también quien proporcionalmente menos mensajes extremadamente positivos obtiene. Se encuentra una alta frecuencia de mensajes neutrales, así como una mayor predominancia de los comentarios con sentimientos positivos (valor de sentimiento 7 y 8).

La persona creadora S2 vuelve a exponer en el histograma de frecuencia absoluta de valores de sentimiento un patrón de W, con un mayor volumen de comentarios positivos, siendo el valor de sentimiento 8 el que más mensajes de conversación contiene.

En los chats de S3 se muestra un gran volumen de mensajes neutrales y positivos, presentando un patrón similar al de las otras personas creadoras de habla inglesa.

4.2. Valores medios de sentimiento a lo largo de la duración normalizada de cada retransmisión

También se ha comprobado si el sentimiento de los mensajes de la conversación variaba a lo largo de la duración de una retransmisión. Para ello se normalizaron los tiempos de cada retransmisión, siendo el valor 0 para el inicio de la retransmisión y 100 para el final, los valores en cada punto son el resultado de una media aritmética de los valores de sentimiento de los mensajes mostrados en el chat para cada uno de dichos puntos de la retransmisión. Cabe destacar que en todos los casos entorno al 80% de la retransmisión se produce un evento recurrente que suele dar lugar a un máximo o mínimo en las valoraciones de sentimiento. También en las tres personas creadoras de contenido seleccionadas se aprecia una mejora del sentimiento provocando un máximo relativo en los últimos compases de la retransmisión.

El Gráfico 2 muestra una evolución de sus retransmisiones hacia valores negativos, es decir, empieza con un valor de sentimiento más alto que como termina. Concretamente se observa una pérdida del 8,72% de valor de sentimiento. Asimismo se evidencia un gráfico muy compacto, esto es debido a que son retransmisiones de muy larga duración (por encima de las 10 horas). De forma concreta podemos ver que el promedio de mensajes enviados a lo largo del total de retransmisiones es de 8,77 mensajes por persona usuaria única (persona que ha participado al menos una vez en la conversación de alguna de las retransmisiones). El promedio de mensajes por minuto es de 31,92. En el punto correspondiente al 80% de la retransmisión ocurre un evento que crea un máximo de sentimiento.

El Gráfico 3 tiene una densidad de mensajes mucho más baja que en los otros análisis y es debido a que es el canal con menor número de personas seguidoras de los tres. No obstante, la evolución de la retrasmisión es ligeramente positiva con un valor 1,97% más alto que al inicio. El promedio de mensajes por persona usuaria única es de 15,94 mensajes enviados y el promedio de mensajes enviados por minuto es de 43,22. Próximas al punto del 80% de las retransmisiones ocurren una sucesión de mínimos en el valor del sentimiento.

Con respecto al Gráfico 4 presenta una distribución compacta de los valores de sentimiento a lo largo del streaming por el mismo motivo que S1 y una evolución negativa de 9,52% más baja que al inicio. El promedio de mensajes por usuario único es el más bajo de las 3 personas creadoras de contenido, siendo de solo 6,24. Esto es algo relevante pues su canal tiene el mayor número de personas seguidoras de los 3 canales investigados, así mismo el promedio de mensajes por minuto en sus retransmisiones es similar a la de S2 con un valor de 42,69. Al igual que en con los otros creadores de contenido, ocurre un mínimo máximo adyacente al punto del 80% de las retransmisiones.

4.3. Frecuencia absoluta y relativa de términos usados por los distintos usuarios en los chats de cada retransmisión

Todos los canales presentan una distribución de términos similar. Esto puede observarse viendo que los términos más usados fuera de las primeras posiciones mantienen una frecuencia relativa similar, por ejemplo en la posición 10 encontramos 0,86%, 0,83% y 0,72% respectivamente y si se desciende más en los términos más usados se contempla que en la posición 20 aparecen porcentajes de uso respectivamente del 0,58%, 0,55% y 0,53%.

La Tabla 1 presenta 14770 términos únicos y entre los 20 más usados se encuentran comandos propios del canal para que su audiencia interactúe, en concreto se observa el uso del comando¹ “!bet” para apostar puntos virtuales y del comando² “!points” para conocer el saldo de puntos actual de la persona usuaria y “500” como la cantidad de puntos que más suelen apostar la comunidad.

En la Tabla 2 el número de términos únicos es de 3088 y entre los principales términos en uso aparece el emote de sorpresa o emoción “Pog” y el emote de “BetterTTV”2. La utilización de emotes, iconos propios de Twitch, permiten indicar emociones para complementar el apartado escrito dentro de la conversación. Se valora un mayor porcentaje de uso, 1,79%, con el término “Prayge” que sirve para mostrar entusiasmo porque algo pase, asimismo se descubren verbos de acción muy asociados con el sector de los juegos de azar como es el caso de “go”, 0,67%, y “win”, 0,55%.

La Tabla 3 presenta 15580 términos únicos, entre aquellos más empleados destacan el signo de interrogación “?” que suele usarse para hacer saber que no se ha entendido algo, además de su significado de creador de preguntas, y el emote del corazón “<3” que sirve para mostrar afecto en el chat.

5. Discusión y conclusiones

Las casas de apuestas tienen cada vez una mayor presencia en las transmisiones en directo lo que sumado al poder de prescripción de los creadores de contenido supone un potencial riesgo para la salud y la seguridad de la audiencia, teniendo en cuenta que la juventud desarrolla pautas de juego por la influencia de sus primeros pasos de socialización en el juego de azar (García et al., 2023)^Ref11. Para profundizar en la dimensión de esta conclusión principal se subdivide en conclusiones específicas que abordan los objetivos complementarios de la investigación.

En primer lugar, si bien cada streamer impone su tono y forma de entender la retransmisión, en todos los casos se puede ver que se crea un vínculo con el usuario que participa en el diálogo. Esto unido al patrón en forma de W indica una tendencia de que se crean relaciones parasociales muy intensas gracias a la cultura de la participación en la que personas usuarias y creadoras de contenido cocrean en el espacio virtual durante la emisión en directo (Llopis-Amorós, 2019)^Ref25.

El proceso de socialización que se hace durante las retransmisiones normaliza el juego de azar (García et al., 2023)^Ref11 dado que se establece como un hábito cotidiano entre las personas presentes en la emisión. Esto favorece un sentimiento de pertenencia de grupo más intenso y una mayor predisposición a imitar el comportamiento del prescriptor. Esta relación vertical del streamer con su público normaliza el juego de azar al transmitir cada día este tipo de actividad mostrando beneficios rápidos mientras se divierten, lo que invisibiliza los riesgos de dicha conducta al igual que sucede con la publicidad tradicional de juegos de azar (McMullan et al., 2012)^Ref29.

Se aprecia que las comunidades más grandes tienden a mostrar valores más negativos según avanza la transmisión que las comunidades más pequeñas, las cuales presentan valores más positivos hacia los creadores de contenido. Esa positividad de sentimiento se ve reflejada a su vez en el uso de apelaciones directas a la persona creadora de contenido a través de “@” y usando emotes propios del canal. Esto implica un grado superior de compromiso por parte de las comunidades pequeñas al sentirse más cercanas al emisor y al grupo alrededor de esta persona, lo que se asemeja a la estrategia boca a boca.

Es importante resaltar que el compromiso de las personas usuarias puede ser medido de formas muy variadas. En la presente investigación se ha empleado el promedio de mensajes enviados por usuario único en el chat de la retransmisión y cuyos resultados lo evidencian como un indicador claro, puesto que este patrón es especialmente notorio en comunidades más pequeñas. Esta idea se ve reforzada sabiendo que, con independencia del volumen total de mensajes por minuto de las comunidades de los generadores de contenido (S1, S2 y S3) la media de mensajes enviados por persona usuaria única ha aumentado de manera inversa al número de personas seguidoras que conforman la comunidad. Esto supone que es un indicador clave para evaluar el nivel de participación y compromiso con una persona creadora de contenido determinada.

Las comunidades con una audiencia promedio más pequeña como la de S2 con 645 espectadores es la que más promedio de mensajes enviados por usuario único con una ratio de 15,94 en comparación a audiencias promedio superiores a los 1000 espectadores. Un mayor ratio de mensajes promedio enviados por usuarios únicos implica un incremento en el compromiso de dichas comunidades, puesto que participan más y forman parte del acto comunicativo activamente. Por el contrario, cuanto más grandes son las audiencias promedio se observa una menor tasa de actividad, lo que supone que no todas las personas usuarias están tan implicadas al no participar activamente y, en consecuencia, tienen una menor exposición a la influencia del prescriptor y de su comunidad.

Cabe resaltar que en el último tramo de la retransmisión de todas las muestras seleccionadas aparece un evento que crea un máximo o un mínimo absoluto en el valor del sentimiento. Este fenómeno podría reflejar que la persona creadora de contenido haya vivido un evento muy emocionante y le sirva como una especie de señal inconsciente para terminar la retransmisión, pues su cerebro ya ha recibido el refuerzo positivo para sentirse satisfecho.

El hecho de que se produzca un máximo relativo cerca del final lleva a pensar que el creador de contenido ha iniciado el proceso de despedida y cierre de la retransmisión. En consecuencia, los usuarios están despidiéndose de la persona creadora de contenido de una forma jovial y amistosa a pesar de la pérdida paulatina del valor del sentimiento, lo que pone de relieve el impacto que puede llegar a tener ser testigo de una experiencia emocionalmente intensa, sea esta positiva o negativa, para el compromiso y el grado de satisfacción de la persona que consume este tipo de retransmisiones con la persona creadora de contenido y puede contribuir a aumentar dicho compromiso en retransmisiones futuras.

En segundo lugar, las estrategias de promoción utilizadas van desde la recomendación de jugar a aquello que el sujeto que emite está transmitiendo, esto es, el juego de azar que está siendo promocionado, por medio de exhortaciones directas hechas por la persona creadora de contenido; mensajes que aparecen en la retransmisión en vídeo; mensajes escritos por un bot en el chat hasta ofertas especiales para conseguir más dinero por empezar a jugar. Para alcanzar a una mayor parte del público se interpela a la comunidad tanto a través de la voz del streamer en el vídeo como del chat con enlaces que redirigen al juego en cuestión. Por todas estas acciones publicitarias la persona prescriptora cobra una parte en forma monetaria y otra parte en especie para que siga jugando y aumente sus ganancias.

Con esta estrategia promocional las casas de apuestas no solo pretenden captar usuarios de determinados canales sino también a las propias personas que crean contenido, ya que si juegan de forma habitual pueden acabar reincidiendo con mayor facilidad. La propia plataforma de Twitch es parte implicada ya que ludifica la interacción entre emisor y receptor pudiendo usar iconos propios del canal y también puntos que se pueden canjear por recompensas.

Cabe señalar que a mayor cantidad de puntos tenga la persona usuaria más acciones podrá realizar dentro de la comunidad y el estatus de dicho individuo se reforzará lo que puede condicionar su comportamiento al mantenerse más activo durante la retransmisión y apostar más puntos para aumentar su posición en dicho canal. Muchas de estas apuestas tratan de adivinar si el streamer tendrá suerte al realizar su propia jugada de azar, lo que les hace partícipes de la propia apuesta. Esta estrategia se conoce como “gamblification” (Abarbanel et al., 2017)^Ref1.

En tercer lugar, Twitch en octubre de 2022 actualizó su política de uso para prohibir el streaming de sitios de apuestas. En este sentido, se han restringido la transmisión de páginas de apuestas que ofrezcan juegos de azar como tragaperras, ruleta o juegos de dados sin una licencia válida en los Estados Unidos o en otras jurisdicciones que ofrezcan una protección adecuada al consumidor. Entre los sitios web afectados por esta prohibición se encuentran Stake.com, Rollbit.com, Duelbits.com y Roobet.com.

La plataforma continuó permitiendo las apuestas deportivas, los deportes de fantasía y el póquer. A pesar de estas nuevas políticas los juegos de azar anteriormente citados se siguieron transmitiendo en diciembre de 2022, si bien se ha hecho intentando vadear las nuevas restricciones impuestas por la plataforma como no incluir enlaces directos a los juegos de azar o que los streamers avisasen a su audiencia de la importancia del juego responsable.

Sin embargo, en 2023 surgen nuevos competidores como Kick.com en la que sí están permitidos sin restricciones los casinos en vivo e incluso casas de apuestas como el criptocasino Stake.com han realizado grandes inversiones en ella. A este respecto, las casas de apuestas están canalizando sus inversiones en Kick.com a través de celebridades que transmiten en dicha plataforma al presentar este medio social como una plataforma libre en la que en su normativa de emisión de contenidos no restringe los juegos de azar y, por tanto, dejan promocionar su negocio sin ninguna limitación lo que pone en claro riesgo la protección al consumidor.

La alta disponibilidad de contenidos sobre juegos de azar que consumir en cualquier momento o lugar en diversas redes sociales de vídeo en directo puede favorecer la creación de una rutina que transforme el simple visionado en la participación activa en este tipo de juegos de azar.

Por último, el auge de las investigaciones en procesamiento del lenguaje natural y de los modelos gigantes del lenguaje como GPT, se está convirtiendo en una herramienta que permite a los investigadores de ciencias sociales y del comportamiento una mayor flexibilidad a la hora de analizar diferentes tipos de contenido multimedia, siempre que pueda ser transformado en un documento de texto, con independencia del lenguaje utilizado en dichos documentos.

Se hace imprescindible tener en cuenta que todo modelo de lenguaje, incluyendo a GPT, puede contener sesgos intrínsecos. Es de suponer que estos sesgos se han producido en la forma en que se ha entrenado el modelo, en los datos utilizados para su entrenamiento o incluso en la forma en la que se dan las instrucciones para que se ejecute la tarea, todos estos factores puede terminar afectando de distintas maneras a los resultados generados. Los resultados devueltos por estos modelos pueden reflejar sesgos culturales, estereotipos sociales o prejuicios existentes en la sociedad, incluso si en un idioma no lo hacen, no significa que en otros idiomas no vayan a hacerlo, como ejemplo tenemos los chats de S3, cuyo idioma principal es el portugués, donde es posible que algunas palabras propias de la jerga portuguesa no estén lo suficientemente bien analizadas al haber sido entrenada la inteligencia artificial principalmente en lengua inglesa. También hay que tener en cuenta que si bien, estás herramientas por muy útiles que puedan ser también pueden contener sesgos inherentes que afecten a su desempeño, en concreto el uso de GPT-3 puede presentar un desafío particular: garantizar que no produzca generaciones no deseadas que perpetúen estereotipos de género o cualquier otro tipo de sesgo. Por esta razón, es responsabilidad de todo el personal investigador que use estas herramientas al menos reconocer y si es posible tratar de solventar estos posibles errores y sesgos en sus análisis. La identificación de estos sesgos, junto con la implementación de medidas para mitigarlos, garantiza un enfoque más equitativo y responsable en el uso de la tecnología del lenguaje natural.

En conclusión, esta investigación sujeta a las limitaciones de un estudio exploratorio presenta una tendencia que ratifica la prescripción de los streamers al predisponer a su audiencia a los juegos de azar. Más allá de la red social analizada esta investigación se puede extrapolar a nuevas plataformas en las que se transmite contenido en vivo con emisiones de índole similar.

1) Abarbanel, B., Gainsbury, S. M., King, D., Hing, N. y Delfabbro, P. (2017). Gambling games on social platforms: How do advertisements for social casino games target young adults? Policy & Internet, 9(2), 184-209. https://doi.org/10.1002/poi3.135

2) Barrientos-Báez, A. y Caldevilla-Domínguez, D. (2023). Neurocomunicación en videojuegos: llegando a un público sobreestimulado. Techno Review. International Technology, Science and Society Review, 13(4), 1-13. https://doi.org/10.37467/revtechno.v13.4809

3) Brand, M., Rumpf, H. J., King, D. L., Potenza, M. N. y Wegmann, E. (2020). Clarifying terminologies in research on gaming disorder and other addictive behaviors: Distinctions between core symptoms and underlying psychological processes. Current Opinion in Psychology, 36, 49-54. https://doi.org/10.1016/j.copsyc.2020.04.006

4) Castro-Mariño, D. (2018). La audiencia social y el mundo narrativo de la ficción: análisis de los comentarios de los fans y community managers sobre la ficción televisiva y webseries españolas. Palabra Clave, 21(1), 86-110. https://doi.org/10.5294/pacla.2018.21.1.5

5) Dirección General de Ordenación del Juego [DGOJ] (2021). Memoria anual 2020. https://bit.ly/48yCFgr

6) Ferrer, M. (2020). Neuromarketing y la medición del efecto de la publicidad de influencers en adolescentes. Revista Mediterránea de Comunicación, 11(2), 241-259. https://doi.org/10.14198/MEDCOM2020.11.2.11

7) Francisco, N. y Rodríguez, A. I. (2020). La innovación de la Televisión Pública Europea en la oferta audiovisual digital: nuevas plataformas para la Generación Z. Revista de la Asociación Española de Investigación de la Comunicación, 7(13), 185-212. https://doi.org/10.24137/raeic.7.13.9

8) Gainsbury, S., Hing, N., Delfabbro, P. H. y King, D. L. (2014). A taxonomy of gambling and casino games via social media and online technologies. International Gambling Studies, 14(2), 196-213. https://doi.org/10.1080/14459795.2014.890634

9) García, P., Buil, P., y Solé, M. J. (2016). Consumos de riesgo: menores y juegos de azar online. El problema del “juego responsable”. Política y Sociedad, 53(2), 551-575. https://doi.org/10.5209/rev_POSO.2016.v53.n2.47921

10) García, A., Martínez, E. C. y Bonales, G. (2022). TikTok y Twitch: nuevos medios y fórmulas para impactar en la Generación Z. ICONO 14, Revista de comunicación y tecnologías emergentes, 20(1), 1-29. https://doi.org/10.7195/ri14.v20i1.1770

11) García, J., Fernández, I. y Baranda, A. (2023). La socialización de la juventud en materia de juegos de azar en Euskadi. methaodos. revista de ciencias sociales, 11(2). m231102a07. https://doi.org/10.17502/mrcs.v11i2.685

12) Gutiérrez-Manjón, S., Álvarez-García, S. y Mena-Muñoz, S. (2022). Visionado colectivo de cine en la red social Twitch por parte de ’centennials’: estudio de caso. index.Comunicación, 12(1), 205-234. https://doi.org/10.33732/ixc/12/01Vision

13) Godoy, J. D. (21 de marzo de 2021). La transmisión de videojuegos y deportes electrónicos atraerá a mil millones de espectadores para 2025. El País. https://bit.ly/3ZFY6rL

14) Gros, D., Wanner, B., Hackenholt, A., Zawadzki, P. y Knautz, K. (2017). World of streaming. Motivation and gratification on Twitch. In: International Conference on Social Computing and Social Media (pp. 44-57). Springer, Cham. https://doi.org/10.1007/978-3-319-58559-8_5

15) Hamilton, W. A., Garretson, O., y Kerne, A. (2014). Streaming on twitch: fostering participatory communities of play within live mixed media. In Proceedings of the SIGCHI conference on human factors in computing systems, 1315-1324. https://doi.org/10.1145/2556288.2557048

16) Hilvert-Bruce, Z., Neill, J. T., Sjöblom, M. y Hamari, J. (2018). Social motivations of live-streaming viewer engagement on Twitch. Computers in Human Behavior, 84, 58-67. https://doi.org/10.1016/j.chb.2018.02.013

17) Hine, C. (2015). Ethnography for the internet: Embedded, embodied and everyday. Bloomsbury Academic.

18) IAB Spain (2022). Estudio anual de redes sociales 2022. Interactive Advertising Bureau. https://bit.ly/3TMwKNd

19) Jenkins, H., Ito, M. y Boyd, D. (2015). Participatory culture in a networked era: A conversation on youth, learning, commerce, and politics. Polity Press.

20) Kolandai-Matchett, K., y Wenden, M. (2022). Gaming-gambling convergence: Trends, emerging risks, and legislative responses. International Journal of Mental Health and Addiction, 20(4), 2024-2056. https://doi.org/10.1007/s11469-021-00498-y

21) Labari, N. (7 de septiembre de 2022). Ludopatía ‘made in Twitch’. El País.https://bit.ly/3Co3ghf

22) Labrador, F. J., Estupiñá, F. J., Vallejo-Achón, M., Sánchez Iglesias, I., González Alvárez, M., Férnandez Arias, I., Labrador, M. y Bernaldo-De Quirós, M. (2021). Exposición de jóvenes y adolescentes a la publicidad de los juegos de azar: Una revisión sistemática. Anales de Psicología, 37(1), 149-160. https://doi.org/10.6018/analesps.428921

23) Lazo, C. M. (2017). Los jóvenes en la cultura digital. Revista Internacional de Comunicación y Desarrollo, 2(5), 23-28. https://doi.org/10.15304/ricd.2.5.3563

24) Lucy, L., y Bamman, D. (2021). Gender and Representation Bias in GPT-3 Generated Stories. Proceedings of the Third Workshop on Narrative Understanding, pp. 48-55. https://doi.org/10.18653/v1/2021.nuse-1.5

25) Llopis-Amorós, M. P., Gil-Saura, I., Ruiz-Molina, M. E. y Fuentes-Blasco, M. (2019). Social media communications and festival brand equity: Millennials vs Centennials. Journal of Hospitality and Tourism Management, 40,134-144. https://doi.org/10.1016/j.jhtm.2019.08.002

26) Mañas-Viniegra, L. (2018). La autorregulación de las marcas de juegos de azar online a través de su publicidad en televisión. methaodos. revista de ciencias sociales, 6(1), 16-37. https://doi.org/10.17502/m.rcs.v6i1.210

27) Martínez-Sala, A. M, Barrientos-Báez, A. y Caldevilla-Domínguez, D. (2021). Fandom televisivo. Estudio de su impacto en la estrategia de comunicación en redes sociales de Netflix. Revista de Comunicación de la SEECI, 54, 57-80. https://doi.org/10.15198/seeci.2021.54.e689

28) Masip, P., Ruiz-Caballero, C. y Suau, J. (2019). Active audiences and social discussion on the digital public sphere. Review article. El Profesional de la Información, 28(2), 1-41. https://doi.org/10.3145/epi.2019.mar.04

29) McMullan, J. L., Miller, D. E. y Perrier, D. C. (2012). ‘I've seen them so much they are just There’: Exploring young people's perceptions of gambling in advertising. International Journal of Mental Health and Addiction, 10(6), 829-848. https://doi.org/10.1007/s11469-012-9379-0

30) Navarro-Robles, M. y Vázquez-Barrio, T. (2020). El consumo audiovisual de la Generación Z. El predominio del vídeo online sobre la televisión tradicional. Ámbitos. Revista Internacional de Comunicación, 50, 10-30. https://doi.org/10.12795/Ambitos.2020.i50.02

31) Nielsen (2023). 2023 Annual Marketing Report. https://bit.ly/3LHwixi

32) Rangel, C. y Velasco, M. J. C. (2017). Estudio de la evolución y tendencias de la comunicación estratégica integral. aDResearch: Revista Internacional de Investigación en Comunicación, 16, 8-33.

33) Rodrigo-Martín, L., Rodrigo-Martín, I. y Muñoz-Sastre, D. (2021). Los influencers virtuales como herramienta publicitaria en la promoción de marcas y productos. Estudio de la actividad comercial de Lil Miquela. Revista Latina de Comunicación Social, 79, 69-90. https://doi.org/10.4185/RLCS-2021-1521

34) Rathje, S., Mirea, D.-M., Sucholutsky, I., Marjieh, R., Robertson, C. y Bavel, J. J. V. (2023). GPT is an effective tool for multilingual psychological text analysis. PsyArXiv. https://doi.org/10.31234/osf.io/sekf5

35) Ros, J. y Gutiérrez-Manjón, S. (2022). The expression of boredom and unwanted loneliness on Twitch. ICONO 14, Revista de comunicación y tecnologías emergentes, 20(2), 1-22. https://doi.org/10.7195/ri14.v20i2.1866

36) Rubio, L. (2018). Apuestas deportivas online: percepción adolescente y regulación publicitaria. methaodos. revista de ciencias sociales,6(1), 139-148. https://doi.org/10.17502/m.rcs.v6i1.207

37) Ruddock, S. (22 de enero 2016). Social science: The growth of social gaming. GGB Magazine. https://bit.ly/3WZRxPs

38) Savolainen, I., Sirola, A., Vuorinen, I., Mantere, E. y Oksanen, A. (2022). Online communities and gambling behaviors—A systematic review. Current Addiction Reports, 9(4), 400-409. https://doi.org/10.1007/s40429-022-00430-x

39) Solé, M. J. (2019). ¿Protege de manera efectiva la actual regulación de la publicidad de los juegos de azar online? Una reflexión sobre la protección de las personas vulnerables, especialmente de la protección de los menores. La ley derecho de familia: Revista jurídica sobre familia y menores, 23, 41-54.

40) Vizcaíno-Laorga, R., Martínez Pastor, E., Nicolás Ojeda, M. Á. y Atauri Mezquida, D. (2021). Kid youtubers in Spain and their practices as toy marketing influencers on YouTube. Medijska istraživanja: znanstveno-stručni časopis za novinarstvo i medije, 27(1), 99-124. http://dx.doi.org/10.22572/mi.27.1.5

1) Elementos textuales dentro del chat de Twitch para ejecutar acciones que repercuten en el funcionamiento de la emisión en directo.

2) Complemento para navegadores de escritorio que mejora la interactividad añadiendo nuevos emotes, elementos iconográficos dentro de la plataforma como los emojis, y recolectando puntos del canal de forma automática además de otras funcionalidades.

Gutiérrez-Manjón, Sergio

Sergio Gutiérrez-Manjón es investigador Postdoctoral en el Departamento de Teorías y Análisis de la Comunicación tras obtener el grado de Doctor en Comunicación Audiovisual, Publicidad y Relaciones Públicas por la Universidad Complutense de Madrid con sobresaliente cum laude y mención internacional (2022). Su investigación se centra en las TIC en la educación, las redes sociales, la alfabetización informacional y los videojuegos. Ha complementado su formación con un máster en Big Data & Business Intelligence en la Universidad de Lleida.

Castillejo-De-Hoces, Bruno

Bruno Castillejo-De-Hoces es doctorando en Comunicación Audiovisual, Publicidad y Relaciones Públicas en la Universidad Complutense de Madrid e investigador del Departamento de Teorías y Análisis de la Comunicación. Su investigación se centra en la detección de fake news en el sector sanitario. Ha desarrollado su actividad profesional en el mundo del marketing digital y el análisis de datos. Ha completado su formación con un máster en Marketing Digital por la Universidad Complutense de Madrid.