El debate presidencial de ANATEL realizado anoche entre Jeannette Jara y José Antonio Kast generó una intensa actividad digital y altos niveles de polarización, según un análisis de la plataforma Cívica de DataQu, basada en modelos de Inteligencia Artificial y Machine Learning. El estudio examinó 146 noticias, 15.717 comentarios y 379.937 reacciones entre las 21:00 horas del 9 de diciembre y las 07:00 del 10 de diciembre.
Los resultados muestran que Jeannette Jara concentró un 53,1% de las menciones, mientras que José Antonio Kast obtuvo un 46,9%, una diferencia de solo 6,3 puntos porcentuales. Aunque el volumen de conversación fue mayor para la candidata, el análisis revela diferencias relevantes en la valoración ciudadana.
En términos de sentimiento, el 54,2% de los comentarios que mencionan a Jara fueron negativos, mientras que en el caso de Kast esa proporción alcanza un 47,3%. En contraste, Kast recibe un 35,5% de comentarios positivos, superando a Jara, quien alcanza 27,4%.
Aunque ambos candidatos muestran patrones emocionales similares en la conversación —donde predominan sentimientos como crítica, indignación, desconfianza y, en menor medida, alegría—, la intensidad con que estos sentimientos se distribuyen varía entre ellos. En el caso de Jeannette Jara, las reacciones negativas se concentran con mayor fuerza, reflejándose en una proporción más alta de comentarios críticos o indignados. Por el contrario, José Antonio Kast no solo recibe una menor carga de comentarios negativos, sino que además reúne una fracción mayor de reacciones positivas.
El análisis de aceptación y oposición refuerza esta tendencia. Según Cívica, la percepción hacia Jara se mantuvo estable respecto del debate ARCHI, mientras que Kast registró un aumento en niveles de aceptación tras ANATEL. En el debate ARCHI, ambos candidatos habían mostrado proporciones similares de comentarios positivos y negativos, dentro de un ambiente altamente polarizado.
“Estos resultados se inscriben en un contexto ya observado en el debate ARCHI, donde la conversación digital se caracterizó por una alta polarización y un equilibrio general entre comentarios positivos y negativos hacia ambos contendores”, explica Carlos Flores, CEO de DataQu.
El estudio también da cuenta de un alto nivel de engagement, con un promedio superior a 24 reacciones por comentario, así como de una amplia variedad de temas surgidos a partir del debate, identificados mediante modelos de Inteligencia Artificial que agrupan tópicos asociados a propuestas, desempeño y credibilidad de cada candidato.
Metodología utilizada por DataQu
Cívica, plataforma desarrollada por DataQu, utiliza modelos avanzados de Procesamiento de Lenguaje Natural (NLP) adaptados al contexto chileno, lo que permite analizar grandes volúmenes de conversación en tiempo real, identificar emociones, clasificar tono y medir niveles de polarización.
“Cívica aplica modelos de procesamiento del lenguaje natural y machine learning que permiten medir en tiempo real cómo evoluciona la conversación pública. No solo cuantificamos menciones, sino también emociones, tono y polarización, entregando una radiografía de la percepción ciudadana”, agregó Flores.
