Metodología para el análisis de contenido de agencias de verificación en TikTok

• Hidalgo Cobo, Pablo ^[1] ; Puebla-Martínez, Belén ^[1]
  1. [1] Universidad Rey Juan Carlos

     Universidad Rey Juan Carlos

     Madrid, España

     
• Localización: Comunicación & métodos, ISSN-e 2659-9538, Vol. 5, Nº. 2, 2023 (Ejemplar dedicado a: Transdisciplinarity in Communication Research Methodologies), págs. 47-65
• Idioma: español
• Títulos paralelos:
  • Content Analysis Methodology to Fact-checkers on TikTok
• Enlaces
  • Texto completo
• Resumen
  • español

    La presente investigación propone un diseño metodológico para analizar el contenido de las agencias de verificación en la red social TikTok. El objetivo es diseñar una metodología que recoja las aportaciones previas y que sea modulable para poder aplicarse tanto a posts de TikTok como a procesos de verificación. El modelo propuesto es un análisis de contenido basado en variables y categorías identificadas tras un proceso de revisión bibliográfica, investigaciones previas, test de fiabilidad inter-codificador y puesta en práctica mediante un análisis real. El resultado es un modelo con 29 variables agrupada en siete ámbitos que incluyen las características de la desinformación, las temáticas, el alcance, el impacto o las metodologías de fact-checking. Los resultados muestran un modelo modulable, que contribuye al estado de la cuestión y cuya replicabilidad ha sido testada, por lo que es aplicable en cualquier análisis de contenido en redes sociales y en cualquier proceso de verificación.

  • English

    This study introduces a methodological framework for scrutinizing content produced by fact-checking agencies on the TikTok platform. The aim is to formulate a methodology that synthesizes past research findings and is adaptable for application to both TikTok posts and verification processes. The proposed model entails a content analysis, employing variables and categories identified through a rigorous process involving bibliographic review, antecedent research, inter-coder reliability testing, and subsequent implementation. The outcome is a comprehensive model featuring 29 variables organized into seven domains, encompassing disinformation characteristics, themes, scope, impact, and fact-checking methodologies, among others. The findings highlight a modular model that contributes to the current knowledge landscape, proven in its replicability, rendering it suitable for diverse social network content analyses and fact-checking endeavors.