Detecting Coordinated Commenting on TikTok: Co-Comment Networks and Municipal-Level Engagement in Mexico's 2024 Elections

El martes 24 de marzo de 2026 se llevó a cabo el taller de investigación Detecting Coordinated Commenting on TikTok: Co-Comment Networks and Municipal-Level Engagement in Mexico's 2024 Elections en la Escuela de Gobierno, campus Mixcoac. La sesión fue impartida por Fernanda Sobrino, profesora-investigadora de la Escuela de Gobierno y Transformación Pública.

El objetivo del taller fue examinar el comportamiento inauténtico coordinado (CIB, por sus siglas en inglés) en las secciones de comentarios de videos de candidatos en TikTok durante las elecciones generales de México en 2024. A partir de la construcción de redes de co-comentarios y la aplicación de métodos estadísticos de detección de comunidades, se identificaron 12 clusters de coordinación conformados por 342 usuarios, enfocados principalmente en candidatos a nivel municipal pertenecientes a siete partidos políticos. Asimismo, se destacó que las cuentas involucradas presentaban perfiles aparentemente realistas, siendo los patrones de comportamiento —y no las características del perfil— los principales indicadores de coordinación.

Durante la sesión, Fernanda Sobrino presentó los hallazgos derivados del uso del algoritmo de Leiden para la detección de comunidades, centrándose en comentarios coocurrentes publicados en intervalos menores a 30 segundos. En total, se identificaron 27 comunidades asociadas a comportamiento inauténtico coordinado en distintos niveles de elección. A nivel presidencial, se detectaron comunidades que operaron en favor de Claudia Sheinbaum, Xóchitl Gálvez y Jorge Álvarez Máynez, acumulando decenas de miles de comentarios coordinados. En el ámbito local, se documentaron dinámicas similares en la Ciudad de México y en múltiples municipios, involucrando a diversos partidos políticos.

Entre los principales hallazgos, se analizaron los patrones de comportamiento identificados, destacando que aproximadamente el 80% de las interacciones coordinadas correspondían a expresiones de apoyo a candidatos, mientras que el 20% restante se orientaba a ataques dirigidos a contendientes. Asimismo, se distinguieron dos modalidades de coordinación: una a nivel municipal, caracterizada por cuentas con actividad intensiva y contenido duplicado; y otra a nivel presidencial, donde predominan redes más amplias de usuarios con un comportamiento aparentemente orgánico. También se discutieron tácticas específicas, como la inflación artificial del engagement mediante el uso estratégico de emojis y la generación de campañas de presión a través de hashtags.

Como parte de las conclusiones, se subrayó que la detección de estos patrones no implica necesariamente la atribución directa de responsabilidades en su organización o financiamiento. Asimismo, se propusieron líneas futuras de investigación, incluyendo la incorporación de modelos de aprendizaje automático, la ampliación del análisis a un mayor volumen de datos y el seguimiento longitudinal de estas dinámicas a lo largo de los periodos de campaña.

Este tipo de análisis se alinea con la visión de la Escuela de Gobierno y Transformación Pública al contribuir a la generación de conocimiento aplicado sobre fenómenos contemporáneos que impactan la esfera pública. A través de enfoques multidisciplinarios y el uso de herramientas analíticas avanzadas, se fortalece la comprensión de los procesos digitales que influyen en la vida democrática.

En conjunto, el taller permitió profundizar en las dinámicas de interacción política en plataformas digitales, aportando evidencia empírica robusta y relevante para el estudio de la comunicación política y la integridad electoral en entornos digitales.