El uso masivo de las redes sociales para la difusión de contenidos ha conllevado un aumento significativo del alcance e impacto de la desinformación, entendida como cualquier tipo de información falsa, inexacta o engañosa, concebida con el propósito de causar un daño público y de obtener ganancias (European Commission, 2018). Este fenómeno constituye un riesgo importante para el conjunto de la sociedad, dado que incrementa la polarización y socava la confianza tanto en los medios de comunicación (Altay et al., 2024) como en las instituciones (Ecker et al., 2024), afectando, en especial, a ciertos segmentos de la población (Budak et al., 2024). Además, la desinformación es particularmente relevante en los períodos electorales, ya que los bulos se utilizan para manipular la percepción pública y alterar los procesos democráticos (McKay y Tenove, 2021). 

Este artículo se centra en la propagación de la desinformación multimodal en las redes sociales a lo largo de los últimos años. En concreto, se han analizado mensajes —acompañados de imágenes y vídeos— publicados desde finales de 2019 en canales abiertos y en español de Telegram. La razón que impulsó este estudio es que, si bien Telegram es una plataforma de mensajería que lleva empleándose para la difusión pública de desinformación desde los inicios de la pandemia, son escasas las investigaciones que la han analizado (Bodaghi et al., 2024). Por otro lado, la literatura científica ha sugerido que los elementos multimedia pueden amplificar los efectos negativos de la desinformación (Dan et al., 2021), por lo que conviene conocer cómo influyen en la propagación de los mensajes.

Los resultados muestran que, en Telegram, el número de mensajes acompañados de imágenes y vídeo ha aumentado de forma notable en los dos últimos años, especialmente en torno a ciertos temas. Además, los mensajes multimedia llegan a una audiencia más amplia que los que únicamente contienen texto. Asimismo, la diferencia en el alcance y la viralidad entre los mensajes multimedia y los no multimedia es más significativa cuando han sido publicados en los canales que cuentan con más suscriptores. Combinados, estos dos hechos suponen un importante desafío para las iniciativas que luchan contra la desinformación.

Muchos de los mensajes de Telegram descargados contenían algún tipo de contenido multimedia, o bien un enlace para acceder a él. 

No obstante, si se consideran los mensajes de medios por separado, se observa que predominan los de texto o las webs. En cambio, los canales alternativos contienen mayoritariamente mensajes que incorporan audios y vídeos. 
 

El número de mensajes publicados por los canales alternativos analizados se incrementó en los años 2020 y 2021, cuando la mayoría de ellos iniciaron su actividad. A finales de 2019, el promedio de mensajes publicados en dichos canales era de unos 2.000 al mes, cifra que en 2022 aumentó hasta llegar a los 25.000 y que actualmente se mantiene. 

También ha aumentado el número de mensajes que contienen elementos multimedia. Si a principios de 2020 había un 82% de mensajes no multimedia y un 18% de mensajes multimedia (los primeros superaban más de cuatro veces a los segundos), en cuatro años, la situación prácticamente se ha invertido: en julio de 2024 se observa un 23% de mensajes no multimedia y un 77% de mensajes multimedia.

Las imágenes —estáticas o animadas— son los elementos multimedia que más han aumentado, de modo que a principios del 2020 dejaron de representar menos de un 10% del total para convertirse, con más de un 40%, en el contenido más habitual. La inclusión de vídeos en los mensajes de los canales de Telegram también ha experimentado un notable auge, pasando de una de cada seis publicaciones a una de cada tres. Por el contrario, las publicaciones que contienen enlaces web, que suponían más de la mitad del total, han quedado reducidas, aproximadamente, al 10% del total. 
 

El estudio muestra que los mensajes multimedia de los medios alternativos acumulan, en conjunto, más visualizaciones que aquellos que solo contienen texto. Ello resulta lógico, dado que la cantidad de mensajes multimedia aumenta con el tiempo, lo que también incrementa el número total de vistas acumuladas. 
 

El número medio de vistas, por su parte, es mayor en los mensajes no multimedia si consideramos todos los canales (gráfico 6.A). No obstante, si el cálculo se limita a los canales con más vistas (gráfico 6.B), se obtiene el resultado contrario: el número medio de vistas de los mensajes multimedia es superior. Ello parece indicar que los canales con más éxito son capaces de utilizar los recursos visuales para atraer a una audiencia más amplia, explotando la preferencia de los usuarios por contenidos más dinámicos y entretenidos (Dan et al., 2021). En cambio, los canales menos vistos no lo consiguen y hacen que disminuya la media global del alcance de los mensajes multimedia.

De acuerdo con la métrica empleada en este estudio, los mensajes multimedia tienden a ser más virales; es decir, suelen destacar con mayor frecuencia que los mensajes no multimedia publicados en el mismo canal. 
 

En cualquier caso, el número de mensajes virales no es muy elevado, por lo que no suele haber muchos mensajes con un número de vistas dispar con respecto a los de su mismo contexto. Una posible explicación es que, en Telegram, la información no se consume del mismo modo que en otras plataformas, como X. Aunque en algunos aspectos Telegram se comporta como una red social, la forma de visualizar los mensajes es similar a la de una aplicación de mensajería; es decir, de manera secuencial y, normalmente, en bloques de atención. Este comportamiento implica que, a diferencia de lo que ocurre en otras redes sociales (Vosoughi et al., 2018), todos los mensajes del mismo canal se propagan a una velocidad similar. La acumulación de vistas se produce en un intervalo de tiempo corto, alcanzando un total similar al de otros mensajes del canal, y la vida útil de los mensajes no es muy larga. 
 

La evolución temporal del número de mensajes publicados en los canales alternativos sobre temas diversos muestra patrones distintivos de actividad que parecen guardar relación con acontecimientos relevantes en cada ámbito de debate. Los gráficos muestran que algunos temas, como «Campañas de vacunación contra la covid-19» y «Controversias y problemas legales Biden-Trump», presentan picos pronunciados de mensajes que coinciden temporalmente con acontecimientos críticos, como los picos de vacunación en 2021 y las campañas electorales o nombramientos presidenciales en Estados Unidos. Ello sugiere una fuerte correlación entre la actividad en Telegram y los acontecimientos sociopolíticos con una alta relevancia mediática. 

En todos los temas, la proporción de mensajes multimedia aumenta con el paso del tiempo, tal y como ya se había detectado sin esta segmentación. Es lo que ocurre, por ejemplo, en «Acontecimientos y política en España», y también en «Cambio climático y meteorología». Este segundo caso es especialmente ilustrativo: hoy en día, la práctica totalidad de los mensajes de este ámbito contienen fotos o vídeos de fenómenos atmosféricos que ahondan en la minimización o negación del cambio climático. Por otro lado, es importante destacar que algunos temas han ido acompañados de una gran cantidad de mensajes multimedia desde sus inicios. Al respecto cabe señalar «Guerra en Ucrania: conflicto entre Ucrania y Rusia» y «Escalada del conflicto Israel-Palestina y crisis humanitaria en Gaza». Ambos casos ejemplifican el carácter visual de algunos temas y, por consiguiente, un impacto aún más significativo en la audiencia. Además, el tema de la guerra en Ucrania es interesante porque conlleva un volumen de mensajes multimedia muy superior al esperado en ese período inicial. 
 

El alcance y la viralidad de los mensajes segmentados por temas no difieren sustancialmente de lo ya explicado. Si se considera todo el conjunto de datos, las métricas de los mensajes multimedia no difieren significativamente de las de los mensajes no multimedia. Ahora bien, si el análisis se limita a los canales alternativos con un mayor número de suscriptores, sí que puede apreciarse que los mensajes multimedia tienen más alcance y viralidad. La diferencia es mayor cuando se trata de temas que a priori son menos visuales, como «Acontecimientos y política en España» o «Aborto y género en la actualidad». Ello refuerza la hipótesis de que los canales alternativos con más éxito son capaces de activar a sus audiencias incluso en temas menos atractivos recurriendo al uso de los recursos visuales.
 

El análisis de los mensajes publicados en canales de Telegram desde finales de 2019 hasta 2024 revela que la desinformación multimodal, sobre todo cuando incluye imágenes y vídeos, está llegando a más personas que los mensajes que se componen únicamente de texto o enlaces web. Este comportamiento es particularmente notable en canales con un elevado número de suscriptores, donde el contenido multimedia consigue atraer una mayor atención por parte de la audiencia. Además, se ha observado un incremento sostenido en la proporción de mensajes multimedia a lo largo del tiempo, y que determinados temas, tales como «Guerra en Ucrania» y «Campañas de vacunación contra la covid-19», muestran patrones de alta actividad en momentos críticos. Estos resultados subrayan la necesidad de desarrollar estrategias específicas para abordar la desinformación en plataformas de mensajería, considerando el impacto diferenciado que los distintos tipos de contenido multimedia ejercen en la percepción y difusión de la información.

Para la realización de este estudio, se descargaron mensajes de Telegram publicados en un conjunto de canales en español seleccionados por investigadores de Maldita, entidad de verificación independiente, transparente y sin ánimo de lucro, acreditada por la International Fact-Checking Network (IFCN), a partir de hallazgos previos (Maldita.es, 2022) y verificaciones recientes. Esta lista incluía canales de medios de comunicación tradicionales del SCImago Media Ranking (Trillo-Domínguez et al., 2023), que los autores denominaron medios, y canales sospechosos de propagar desinformación o encuadrados en el denominado paraperiodismo, referidos como canales alternativos. Utilizando la biblioteca pytopicgram, se obtuvieron a través de la API de Telegram más de 1,5 millones de mensajes publicados entre el 1 de diciembre de 2019 y el 31 de agosto de 2024, de los cuales alrededor de medio millón correspondieron a medios. Las agrupaciones de los mensajes en temas se obtuvieron con el algoritmo BERTopic (Alammar y Grootendorst, 2024), con un umbral de 1.000 topics. La generación de las descripciones se llevó a cabo con OpenAI GPT-4o.

La diferenciación entre mensajes multimedia y mensajes no multimedia se realizó a partir de los datos proporcionados por la API de Telegram. Los metadatos asociados a cada mensaje descargado incluyen varios campos, los cuales indican, entre otros aspectos, si el mensaje contiene una imagen, un vídeo, un audio o un documento. Cuando el mensaje incluye un enlace web a una imagen o un vídeo, Telegram puede incrustar el contenido multimedia en el mensaje, en cuyo caso también queda marcado como tal en los datos del mensaje. Los documentos web no incrustados en los mensajes se consideraron como no multimedia, aunque la página a la que se accede a través del mensaje pueda incluir este tipo de elementos, al igual que los documentos adjuntos de un tipo desconocido. A cada mensaje se le asignó únicamente un tipo: imagen, vídeo, audio (multimedia); web, texto, documento (no multimedia).

Para evaluar el alcance de los mensajes, se consideró el número de visualizaciones, cifra que también proporciona directamente la API de Telegram. Este número representa las vistas únicas que ha recibido un mensaje. Telegram no ofrece una explicación oficial detallada de cómo se calcula este valor. Por ejemplo, no se sabe si hay un tiempo mínimo durante el que un usuario debe ver un mensaje para que se considere una vista. Si un mismo usuario ve un mensaje varias veces, solo cuenta como una vez. Para medir la viralidad, se elaboró una métrica que cuantifica la efectividad de la propagación de un mensaje comparando su número de vistas con el de aquellas recibidas por los mensajes publicados en el mismo canal un poco antes y un poco después.

Para dar cumplimiento a las normativas legales sobre protección de datos, se implementaron varias medidas destinadas a minimizar los datos utilizados en la investigación. De este modo, solo se utilizaron los metadatos de los mensajes estrictamente necesarios: identificador del canal, identificador del mensaje, fecha de publicación y tipo de contenido multimedia asociado. No se recopilaron los comentarios asociados a los mensajes, ni tampoco los datos sobre los administradores de los canales o los usuarios suscritos. El contenido de cada mensaje se utilizó únicamente para identificar de forma automática el tema tratado y, acto seguido, se eliminó. En cuanto al cumplimiento de la Ley de Inteligencia Artificial de la UE (Reglamento 2024/1689), los desarrollos realizados para la investigación quedan fuera del ámbito de la regulación, dado que no son aplicaciones prohibidas ni catalogadas como de alto riesgo.
 

Los autores desean expresar su agradecimiento al doctor Javier Valls Prieto por sus valiosas aportaciones al análisis de los aspectos éticos y legales relacionados con la obtención y procesamiento de datos de esta investigación.

ALAMMAR, J., y M. GROOTENDORST (2024): Hands-on. Large language models, O’Reilly Media, Inc.

ALTAY, S., B. A. LYONS, y A. MODIRROUSTA-GALIAN, A. (2024): «Exposure to Higher Rates of False News Erodes Media Trust and Fuels Overconfidence», Mass Communication and Society, 1-25.

BODAGHI, A. et al. (2024): «A Literature Review on Detecting, Verifying, and Mitigating Online Misinformation», IEEE Transactions on Computational Social Systems, 11(4), 5119-5145.

BUDAK, C. et al. (2024): «Misunderstanding the harms of online misinformation», Nature, 630, 45-53.

DAN, V. et al. (2021): «Visual Mis- and Disinformation, Social Media, and Democracy», Journalism & Mass Communication Quarterly, 98(3), 641-664.  

ECKER, U. et al. (2024): «Misinformation poses a bigger threat to democracy than you might think», Nature, 630(8015), 29-32. 

EUROPEAN COMMISSION, DIRECTORATE-GENERAL FOR COMMUNICATIONS NETWORKS, CONTENT AND TECHNOLOGY (2018): A multi-dimensional approach to disinformation. Report of the independent High level Group on fake news and online disinformation, Publications Office.

GRINBERG, N. et al. (2019): «Fake news on Twitter during the 2016 U.S. presidential election», Science, 363(6425), 374-378.

MALDITA.ES (2022, 19 de diciembre): El clan del negacionismo en Telegram.  

MCKAY, S., y C. TENOVE (2021): «Disinformation as a Threat to Deliberative Democracy», Political Research Quarterly, 74(3), 703-717.

MONTORO-MONTARROSO, A. et al. (2023): «Fighting disinformation with artificial intelligence: fundamentals, advances and challenges», Profesional de la información, 32(3).

NATURE (2024, 6 de junio): «Data access needed to tackle online misinformation», The International Journal of Science.

NOBARI, A. D. et al. (2021): «Characteristics of viral messages on Telegram; The world’s largest hybrid public and private messenger», Expert Systems with Applications, 168, 114303.

REGLAMENTO (UE) 2024/1689 DEL PARLAMENTO EUROPEO Y DEL CONSEJO, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial y por el que se modifican los Reglamentos (CE) n.º 300/2008, (UE) n.º 167/2013, (UE) n.º 168/2013, (UE) 2018/858, (UE) 2018/1139 y (UE) 2019/2144 y las Directivas 2014/90/UE, (UE) 2016/797 y (UE) 2020/1828 (Reglamento de Inteligencia Artificial).

RÍOS, C. (2024, 26 de marzo): «Paraperiodismo», El País.

TRILLO-DOMÍNGUEZ, M. et al. (2023): «SCImago Media Rankings (SMR): situation and evolution of the digital reputation of the media worldwide», Profesional de la información, 32(5).

URMAN, A., y S. KATZ (2020): «What they do in the shadows: examining the far-right networks on Telegram», Information, Communication & Society, 23(12), 1979-1998.

VOSOUGHI, S., D. ROY y S. ARAL (2018): «The spread of true and false news online», Science, 359(6380), 1146-1151.  

WARDLE, C. (2017, 14 de marzo): «Noticias falsas. Es complicado», First Draft.