La mayoría falsa: dentro de la maquinaria invisible del astroturfing. Un modelo de mediación en serie

The Fake Majority: Inside the Invisible Machinery of Astroturfing. A serial mediation model

A maioria falsa: por dentro da máquina invisível do astroturfing. Um modelo de mediação serial

Tanase Tasente^1*
Cristina-Dana Popescu^1**

¹ Universidad Ovidius de Constanza, Rumanía
^* Profesor en la Universidad Ovidius de Constanza, Rumanía. Email: tanase.tasente@365.univ-ovidius.ro
^** Profesor en la Universidad Ovidius de Constanza, Rumanía. Email: cristina.popescu@365.univ-ovidius.ro

Resumen

Propósito: Este estudio analiza cómo el astroturfing percibido y la alfabetización mediática influyen en las respuestas críticas de los individuos ante contenidos digitales. Examina si la conciencia sobre el astroturfing y el estilo de evaluación autodeclarado median esta relación, cuestionando la idea de que la alfabetización mediática garantiza por sí sola un comportamiento ético en línea. Metodología: Se realizó una encuesta transversal en línea en Rumanía entre marzo y abril de 2025 con una muestra por conveniencia de 226 participantes de entre 18 y 73 años. El cuestionario midió la alfabetización mediática percibida, cuatro dimensiones de conciencia sobre el astroturfing, estilo de evaluación y respuesta crítica. Los datos fueron analizados mediante modelos de ecuaciones estructurales (SEM) con mediación en serie, usando mínimos cuadrados ponderados diagonalmente (DWLS) e intervalos de confianza bootstrap. Resultados: La alfabetización mediática no predijo directamente la respuesta crítica, pero incrementó significativamente la conciencia sobre astroturfing, la cual predijo de forma fuerte el comportamiento ético en línea (β = 0.56, p < .001). El estilo de evaluación tuvo un rol marginal y la edad se asoció levemente con una respuesta más racional. El modelo mostró excelentes índices de ajuste (CFI = 0.991, RMSEA = 0.03). Conclusiones: La alfabetización mediática promueve una participación ética solo cuando los usuarios identifican manipulaciones coordinadas. La conciencia sobre astroturfing actúa como catalizador de respuestas críticas. Limitaciones: diseño transversal y medidas autoinformadas. Implicaciones: necesidad de mayor transparencia digital y reforma educativa en medios.

Palabras clave
Astroturfing; Alfabetización mediática; Respuesta crítica; Comportamiento inauténtico coordinado; Ética en redes sociales; Participación digital.

Abstract

Purpose: This study explores how perceived astroturfing and media literacy influence individuals’ critical responses to online content. It examines whether awareness of astroturfing and self-reported evaluation style mediate this relationship, challenging the assumption that media literacy alone ensures ethical digital behavior. Methodology: A cross-sectional web-based survey was conducted in Romania between March and April 2025 with a convenience sample of 226 participants aged 18 to 73. The questionnaire measured perceived media literacy, four dimensions of astroturfing awareness, evaluation style, and critical response. Data were analyzed using structural equation modelling (SEM) with serial mediation, employing diagonally weighted least squares (DWLS) and bootstrapped confidence intervals. Results: Media literacy did not directly predict critical response. However, it significantly increased astroturfing awareness, which in turn strongly predicted ethical behavior online (β = 0.56, p < .001). Evaluation style had a marginal role, and age was slightly associated with a more rational response style. The model showed excellent fit indices (CFI = 0.991, RMSEA = 0.03). Conclusions: Media literacy fosters ethical engagement only when users recognize coordinated manipulation. Astroturfing awareness functions as a catalyst for activating critical response, emphasizing the need to integrate detection of digital inauthenticity into educational curricula. Collateral information: Limitations include the cross-sectional design and reliance on self-reported measures. Implications highlight the importance of platform transparency and media education reform.

Keywords
Astroturfing; Media literacy; Critical response; Coordinated inauthentic behaviour; Social media ethics; Digital engagement.

Resumo

Objetivo: Este estudo investiga como o astroturfing percebido e a literacia mediática influenciam as respostas críticas dos indivíduos ao conteúdo online. Examina se a consciência sobre astroturfing e o estilo de avaliação auto-relatado mediam essa relação, desafiando a suposição de que a literacia mediática, por si só, garante um comportamento digital ético. Metodologia: Foi realizado um inquérito online transversal na Roménia entre março e abril de 2025, com uma amostra de conveniência de 226 participantes entre 18 e 73 anos. O questionário avaliou literacia mediática percebida, quatro dimensões da consciência sobre astroturfing, estilo de avaliação e resposta crítica. Os dados foram analisados por modelação de equações estruturais (SEM), com mediação serial, usando mínimos quadrados diagonalmente ponderados (DWLS) e intervalos de confiança com bootstrap. Resultados: A literacia mediática não previu diretamente a resposta crítica. No entanto, aumentou significativamente a consciência sobre astroturfing, que previu fortemente um comportamento ético online (β = 0.56, p < .001). O estilo de avaliação teve um papel marginal, e a idade associou-se ligeiramente a respostas mais racionais. O modelo apresentou ótimos índices de ajustamento (CFI = 0.991, RMSEA = 0.03). Conclusões: A literacia mediática promove o envolvimento ético apenas quando os utilizadores reconhecem manipulações coordenadas. A consciência sobre astroturfing atua como catalisador da resposta crítica, sugerindo a necessidade de integrar a deteção da inautenticidade digital nos currículos educativos. Limitações: desenho transversal e medidas auto-relatadas. Implicações: destacam-se a transparência das plataformas e a reforma da educação mediática.

Palavras-chave
Astroturfing; Literacia midiática; Resposta crítica; Comportamento inautêntico coordenado; Ética nas redes sociais; Engajamento digital.

1. Introducción

En el ecosistema digital contemporáneo, la opinión pública ya no se forma únicamente a partir de la movilización cívica auténtica o el control periodístico. En su lugar, un fenómeno cada vez más influyente, conocido como «astroturfing», ha ganado terreno en los ámbitos político, comercial y activista. Definido como la simulación estratégica del apoyo popular, el astroturfing aprovecha las posibilidades que ofrece el mundo digital para crear la ilusión de un respaldo público generalizado, al tiempo que oculta la verdadera fuente de influencia que se esconde detrás de las campañas orquestadas (Giovanelli y Persigo, 2022; Keller et al., 2020; Pineiro-Otero y Martínez Rolan, 2020). El origen del término en sí, un juego de palabras entre «grassroots» (base popular) y «artificial turf» (césped artificial), revela su esencia engañosa: la fabricación de compromiso cívico para servir a agendas preestablecidas.

El astroturfing, que surgió en Estados Unidos en la década de 1980, se aplicó inicialmente en el ámbito del lobbying y las relaciones públicas corporativas para influir en los debates políticos bajo una falsa apariencia democrática (Boulay, 2012; Strong y Tyler, 2017). Hoy en día, sin embargo, el fenómeno ha evolucionado hasta convertirse en una práctica global y tecnológicamente refinada, a menudo integrada en estrategias más amplias de propaganda computacional y manipulación algorítmica de la visibilidad (Arce-García et al., 2022; Chagas et al., 2022; Rauchfleisch y Chi, 2020). A diferencia del activismo de base genuino, que surge de forma orgánica a partir de valores compartidos y voluntad colectiva, el astroturfing se caracteriza por una coordinación estratégica encubierta, patrocinios disimulados y actores automatizados o incentivados que se hacen pasar por ciudadanos comunes (Baulch et al., 2024; Caro Castaño, 2016).

Más allá de su influencia engañosa, el astroturfing plantea profundas preocupaciones éticas. Los académicos han destacado su papel en la erosión de la confianza pública, la manipulación de los flujos de información y el menoscabo de la deliberación democrática mediante la fabricación de consenso en línea (Boulay, 2012; Giovanelli y Persigo, 2022). Esta práctica prospera en entornos digitales impulsados por la popularidad algorítmica, donde las señales falsas de consenso pueden convertirse en tendencia, engañar a los usuarios y presionar a los disidentes para que guarden silencio (Zerback et al., 2021). Una revisión de la literatura revela que el astroturfing no es solo una táctica marginal, sino una estrategia generalizada con efectos tangibles en la percepción, las políticas y la participación.

1.1. Revisión bibliográfica

Mecanismos fundamentales y distinciones conceptuales

En esencia, el astroturfing opera a través de tres mecanismos centrales: el camuflaje del verdadero patrocinio, la amplificación sistemática de un mensaje y la construcción de un consenso artificial. Lo que distingue al astroturfing de las relaciones públicas estándar o el marketing de influencers es su naturaleza encubierta. En lugar de respaldos abiertos, implica agentes pagados o controlados (bots, títeres, ejércitos de trolls) que se hacen pasar por voces populares (Baulch et al., 2024; Chagas et al., 2022; Keller et al., 2020). Al hacerlo, los organizadores fabrican un apoyo percibido que supera con creces el respaldo público real, lo que contribuye a la ilusión de un apoyo generalizado (Caro Castaño, 2016; Johns y Cheong, 2019).

Entre los conceptos estrechamente relacionados se incluyen los grupos de fachada (entidades creadas por patrocinadores ocultos para defender posiciones específicas), el uso de cuentas falsas (usuarios individuales que operan múltiples cuentas falsas) y el marketing de influencers encubierto (promociones pagadas no reveladas que se disfrazan de opiniones personales) (Pineiro-Otero y Martínez Rolan, 2020; Strong y Tyler, 2017). En cada caso, el elemento definitorio sigue siendo el mismo: la coordinación encubierta para simular una expresión cívica espontánea.

Coordinación Estratégica en Ecosistemas Digitales

Las plataformas digitales son un terreno fértil para el astroturfing debido a su dependencia de algoritmos basados en la interacción y el anonimato del usuario. Los investigadores argumentan que la manipulación de la visibilidad algorítmica —mediante la difusión coordinada de hashtags, los «me gusta» sincronizados, los retuits o las publicaciones compartidas— facilita la viralidad de los mensajes manipulados (Chagas et al., 2022; Iwan y Hed, 2023). Plataformas como Twitter, Instagram y TikTok son particularmente vulnerables debido a su énfasis en el contenido en tendencia, que las campañas de astroturfing pueden explotar mediante una actividad concentrada a corto plazo (Arce-García et al., 2022; Elmas et al., 2019).

El método conocido como "Thunderclap" ejemplifica esta lógica: al concentrar numerosas publicaciones en un período limitado, los orquestadores simulan un aumento de la participación popular que engaña a los algoritmos para que promuevan la visibilidad (Mahbub et al., 2019; Sorensen et al., 2017). De igual manera, la automatización de las redes sociales, en particular mediante bots, se convirtió en un componente crucial para manipular la visibilidad y simular un amplio apoyo ciudadano durante las elecciones presidenciales chilenas de 2017 (Santana y Huerta Canepa, 2019). En este contexto, la coordinación estratégica se vuelve invisible, oculta tras cuentas de usuario dispersas que parecen no tener relación alguna.

Astroturfing político: tácticas específicas para cada caso

El astroturfing se ha convertido en un elemento básico de la campaña electoral digital en todo el mundo. En Brasil, Chagas et al. (2022) documentan cómo las brigadas digitales de extrema derecha alineadas con Jair Bolsonaro utilizaron hashtags coordinados para dominar las tendencias de Twitter, mezclando bots con usuarios pseudoorgánicos. Estas campañas no solo promovieron narrativas favorables, sino que también silenciaron las voces contrarias. De manera similar, durante la campaña #SalarioRosa en México, cuentas falsas inflaron la participación para dar credibilidad a una iniciativa gubernamental (Espinoza y Pina-García, 2023). En las elecciones de 2019 en Indonesia, Baulch et al. (2024) observaron que los operadores digitales operaban en estructuras jerárquicas, difundiendo memes y eslóganes a través de WhatsApp tanto en forma positiva (blanca) como negativa (negra). Las plataformas encriptadas amplificaron la opacidad del patrocinio, lo que dificultó a los observadores rastrear el contenido hasta sus financiadores. Estos ejemplos ponen de relieve cómo los contextos culturales y tecnológicos dan forma a las manifestaciones del astroturfing, pero el objetivo subyacente sigue siendo el mismo: manipular el apoyo percibido y orientar la opinión pública.

Astroturfing corporativo y manipulación de influencers

Las entidades comerciales también emplean el astroturfing para promocionar productos o desacreditar a sus rivales. En España, la campaña de cerveza #Pentatrillones utilizó a microcelebridades para simular un entusiasmo viral, pero los usuarios descubrieron más tarde la naturaleza orquestada del respaldo, lo que dañó tanto la reputación de los influencers como la confianza del público (Caro Castaño, 2016). Esto concuerda con las preocupaciones sobre la ética digital, ya que el público se siente traicionado cuando se revela el patrocinio camuflado.

La expansión del astroturfing en la cultura de los influencers refleja su integración en los sistemas de medios híbridos, donde las tendencias online suelen reflejarse o legitimarse en los medios de comunicación convencionales (Chadwick, 2013; Leerssen et al., 2023). A medida que el contenido circula por las plataformas, la visibilidad manipulada puede traducirse en legitimidad en el mundo real, lo que pone de relieve los peligros del falso consenso.

Implicaciones éticas y democráticas

El auge del astroturfing señala un profundo conflicto entre la transparencia democrática y las estrategias digitales manipuladoras. Los académicos enfatizan que esta práctica erosiona la confianza en el diálogo en línea, ya que los usuarios tienen dificultades para distinguir el activismo real de las acciones orquestadas (Boulay, 2012; Zerback et al., 2021). Cuando la ciudadanía se muestra escéptica ante cualquier movilización digital, los movimientos genuinos se resienten y la deliberación pública se ve contaminada por la desconfianza y la confusión (Giovanelli y Persigo, 2022). Desde un punto de vista ético, el astroturfing viola principios fundamentales de la comunicación profesional, como la honestidad, la apertura y la transparencia sobre las fuentes (Strong y Tyler, 2017). Estas infracciones se ven agravadas por la aplicación, a menudo vaga o deficiente, de las políticas antiastroturfing por parte de las plataformas sociales, lo que permite que las campañas resurjan rápidamente con nuevas cuentas o métodos modificados (Keller et al., 2020).

Detección, resistencia y desafíos actuales

Si bien los métodos de detección han avanzado, incluyendo el análisis de redes, el análisis de patrones lingüísticos y la detección de bots, muchas campañas combinan elementos reales y falsos para evadir los sistemas automatizados (Chagas et al., 2022; Keller et al., 2020). Las tácticas híbridas, el contenido efímero y las plataformas cifradas limitan la visibilidad de los datos, lo que dificulta la investigación académica y periodística (Baulch et al., 2024).

Aunque los métodos de detección han avanzado —incluidos el análisis de redes, los patrones lingüísticos y la detección de bots—, muchas campañas combinan elementos reales y falsos de formas que eluden los sistemas automatizados (Chagas et al., 2022; Keller et al., 2020). Las tácticas híbridas, el contenido efímero y las plataformas cifradas limitan la visibilidad de los datos, lo que complica la investigación académica y periodística (Baulch et al., 2024).

Las respuestas deben ir más allá de las soluciones técnicas. Los académicos abogan por una alfabetización digital crítica, estándares de transparencia, la rendición de cuentas de las plataformas y la colaboración intersectorial (Zerback et al., 2021). Sin embargo, cualquier estrategia eficaz debe tener en cuenta los contextos locales, ya que el astroturfing se adapta a las preferencias de las plataformas, las normas políticas y el comportamiento de los usuarios (Caro Castaño, 2016; Oguz, 2018).

El astroturfing en redes sociales representa más que una táctica engañosa; constituye una forma sistémica de persuasión encubierta que aprovecha la dinámica de la comunicación en línea para alterar la percepción pública. Sus mecanismos clave —patrocinio camuflado, explotación algorítmica y la ilusión de apoyo público— permiten a los orquestadores moldear debates, influir en elecciones y redirigir las decisiones de los consumidores sin transparencia ni rendición de cuentas.

La literatura identifica sistemáticamente la coordinación invisible, el consenso fabricado y la vulnerabilidad de las plataformas como facilitadores estructurales del astroturfing. En respuesta a ello, la ciencia de la comunicación debe perfeccionar sus herramientas conceptuales, metodológicas y éticas para resistir esta erosión del discurso democrático. El astroturfing no es una anomalía, sino una adaptación estratégica a la lógica de los medios digitales, y solo mediante un compromiso académico, tecnológico y cívico sostenido se puede mitigar su influencia.

1.2. Objetivos del estudio

Partiendo de las lagunas identificadas en la bibliografía, este estudio propone un análisis en profundidad de las relaciones existentes entre el astroturfing, la alfabetización mediática y la respuesta crítica, con el objetivo principal de poner de relieve el hecho de que la respuesta crítica de las personas se ve influida por el astroturfing y la alfabetización mediática, dependiendo de cómo perciben las personas su propia respuesta a los mensajes en el entorno online.

Por lo tanto, planteamos la hipótesis de que las personas que se consideran predominantemente investigativas-racionales en cuanto a sus reacciones a los mensajes en línea (H1), que tienen niveles más altos de astroturfing (H2) y una mayor alfabetización mediática (H3), tendrán una respuesta crítica más pronunciada. Al mismo tiempo, proponemos que los altos niveles de alfabetización mediática conducirán a una mayor concienciación sobre el astroturfing (H4), lo que determinará las reacciones a los mensajes en línea hacia el polo investigativo-racional (H5) y conducirá a una respuesta más crítica, es decir, el astroturfing y el estilo de evaluación mediarán la relación entre la alfabetización mediática y la respuesta crítica.

Como autoevaluación, la valoración de las reacciones en línea podría verse influida por la edad (CV1), el nivel educativo (CV2) y el tiempo dedicado a Internet (CV3). Controlando estas tres variables en el nivel del segundo mediador, el modelo propuesto se presenta en la figura 1.

2. Método

Utilizamos la lista de verificación CHERRIES (Eysenbach, 2004) con el objetivo de evaluar la calidad de las encuestas web para mejorar la metodología.

Diseño. Los datos se recopilaron entre el 15 y el 20 de marzo de 2025 mediante un formulario en línea distribuido entre la población objetivo, y se utilizó una muestra de conveniencia. El análisis del modelo se llevó a cabo utilizando un diseño transversal, lo que impidió extraer inferencias causales. No obstante, a pesar de que el análisis implicaba un modelo de ecuaciones estructurales con un efecto de mediación en serie, los resultados se presentan de forma descriptiva, y se prevé realizar una verificación causal en futuras investigaciones.

Proceso de consentimiento informado. El formulario de consentimiento informado indicaba claramente que la participación en el estudio era voluntaria y que los participantes podían retirarse en cualquier momento. La investigación se llevó a cabo de conformidad con las directrices de la Declaración de Helsinki y las normas éticas establecidas por el Comité de Ética de la facultad a la que pertenecen los autores. El tiempo estimado para completar el cuestionario era de aproximadamente 5-7 minutos. Inicialmente, los datos se almacenaron de forma segura en Lime Survey (https://research.pluscommunication.eu/index.php/213198?lang=ro) antes de exportarse a formato Excel, tras lo cual los archivos se eliminaron de la plataforma. Se conservaron todas las respuestas de los participantes, así como determinados datos sociodemográficos (sexo, edad, educación, plataforma de red social). Los autores fueron responsables de la recopilación de datos, que se archivarán y almacenarán durante cinco años tras su publicación. No se recopiló ninguna información personal adicional y el proceso de recopilación de datos se llevó a cabo de forma anónima.

Desarrollo y pruebas previas. Los materiales de recopilación de datos se sometieron inicialmente a pruebas previas con una muestra de 50 estudiantes de la Facultad de Derecho y Ciencias Administrativas de la Universidad Ovidius de Constanța. El cuestionario se promocionó tanto durante las clases como a través de los grupos de WhatsApp de los estudiantes. A partir de los comentarios recibidos durante esta fase, se revisaron varios elementos para mejorar su claridad y relevancia. La versión final se volvió a someter a pruebas antes de que comenzara la fase oficial de recopilación de datos.

Proceso de selección. La encuesta en línea se distribuyó mediante una combinación de divulgación selectiva y muestreo en cadena. La participación fue voluntaria y se informó a todos los encuestados de que sus respuestas serían confidenciales, anónimas y se utilizarían exclusivamente con fines de investigación. Para garantizar la diversidad de los participantes, el cuestionario se promocionó inicialmente a través de canales de comunicación oficiales, como invitaciones por correo electrónico enviadas a los principales partidos políticos parlamentarios de Rumanía, mensajes privados a sus páginas oficiales de Facebook y mensajes directos de WhatsApp a personas con cargos de liderazgo. Para ampliar aún más el alcance, el enlace de la encuesta también se compartió en plataformas de redes sociales, como Facebook y WhatsApp, y se animó a los participantes a reenviarlo dentro de sus propias redes.

Administración de la encuesta. Los cuestionarios se diseñaron utilizando Lime Survey y se difundieron a través de las redes sociales. La participación fue voluntaria y no se ofrecieron recompensas. Los datos se recopilaron entre el 1 y el 24 de abril de 2025. El cuestionario constaba de 25 preguntas distribuidas en seis páginas, sin que se emplearan procedimientos de adaptación o aleatorización. Se permitió a los participantes revisar sus respuestas, pero no se implementaron controles de integridad.

Tasas de respuesta. Un total de 3273 personas accedieron a la encuesta. De ellas, 226 completaron el cuestionario en su totalidad, mientras que 3047 proporcionaron respuestas parciales. Esto corresponde a una tasa de finalización de aproximadamente el 6,90 %, lo que pone de relieve los posibles retos que plantea mantener el interés de los participantes a lo largo de la encuesta.

Prevención de entradas múltiples. Para garantizar la unicidad de cada respuesta y mantener la integridad de los datos, la encuesta se configuró en LimeSurvey para permitir solo un envío por dirección IP. Esta restricción técnica evitó eficazmente las entradas duplicadas. En consecuencia, no se identificaron envíos duplicados en el conjunto de datos final.

2.1. Participantes y procedimiento

Los datos se recopilaron en línea de 226 participantes rumanos de entre 18 y 73 años (M = 44,26, SD = 12,64), de los cuales el 73,45 % se identificó como mujeres. En cuanto al nivel educativo, la mayoría de los encuestados tenía un título de máster o doctorado (65,93 %), seguidos de aquellos con un título de grado (28,76 %). Una proporción menor declaró haber completado la educación secundaria (4,42 %) o la educación postsecundaria (0,88 %). En cuanto al uso diario de Internet, la mayoría de los participantes declararon pasar entre una y dos horas al día en línea (37,61 %), seguidos de cerca por aquellos que pasaban entre dos y cuatro horas (31,86 %). Un número menor de encuestados indicó que pasaba entre cuatro y seis horas conectado (8,85 %), mientras que algunos declararon pasar menos de una hora (16,37 %) o más de seis horas al día (5,31 %).

Al evaluar su propio nivel de alfabetización mediática, la mayoría de los participantes se calificaron a sí mismos con un nivel alto (47,35 %) o medio (31,86 %). Una proporción menor consideró que sus habilidades eran muy altas (18,14 %), mientras que solo unos pocos indicaron niveles bajos (2,21 %) o muy bajos (0,44 %). En cuanto al estilo de evaluación preferido en el entorno en línea, el estilo reflexivo fue el más común (1,77 %), seguido del alternativo (26,99 %) y el emocional (0,88 %). Solo un pequeño número de participantes se identificó con los estilos de evaluación social (11,95 %) o automático (58,41 %). Se informó a los participantes de su derecho a retirarse del estudio en cualquier momento, y el formulario de consentimiento informado indicaba claramente que todos los datos recopilados se utilizarían exclusivamente con fines de investigación. La cumplimentación del cuestionario requirió aproximadamente entre 5 y 7 minutos. El estudio se llevó a cabo de conformidad con las normas éticas de la Declaración de Helsinki (2013) y recibió la aprobación del Comité de Ética de la institución a la que pertenecen los autores.

2.2. Medidas

La alfabetización mediática se midió utilizando un único ítem ordinal en el que se pedía a los participantes que valoraran su alfabetización mediática percibida en una escala Likert de 5 puntos que iba de 1 (muy baja) a 5 (muy alta).

La dimensión del Astroturfing se evaluó mediante un instrumento de encuesta multidimensional compuesto por cuatro factores distintos, cada uno de los cuales constaba de cinco ítems ordinales con una escala de respuesta tipo Likert que iba de 1 (nunca) a 5 (muy a menudo). El primer factor, «Coordinación estratégica invisible», comprendía cinco ítems de tipo Likert, entre ellos «Algunas campañas en línea parecen diseñadas solo para parecer populares», que demostró una buena consistencia interna en nuestros datos (α = 0,8, IC del 95 % [0,75, 0,83]). El segundo factor, «Construcción de la ilusión de apoyo público», constaba de cinco ítems de tipo Likert, como «Normalmente noto una actividad sospechosamente sincronizada entre cuentas desconocidas», y mostró una consistencia interna muy buena para los cinco ítems (α = 0,87, IC del 95 % [0,85, 0,9]). El tercer factor, «Ocultación de la fuente real», también contenía cinco ítems tipo Likert, entre ellos «Me parece que muchas campañas virales no indican quién las inició». Nuestra muestra de investigación mostró una excelente consistencia de la escala (α = 0,83, IC del 95 % [0,79, 0,86]). El factor final, Manipulación algorítmica de la visibilidad, comprendía cinco ítems tipo Likert, como «Algunas ideas parecen llamar la atención únicamente debido a reacciones falsas o compradas», y arrojó una consistencia interna muy buena (α = 0,89, IC del 95 % [0,87, 0,91]) entre los participantes investigados. Se calculó el coeficiente omega jerárquico de Jensen y Weng (1994), Zinbarg et al. (2005) y Revelle y Condon (2019) para determinar si los factores eran acumulativos y si se podía obtener una puntuación total para el Astroturfing. Los resultados indican valores altos tanto para el coeficiente general como para el coeficiente jerárquico (ωjerárquico = 0,82, ωgeneral = 0,95). El análisis factorial confirmatorio (AFC) respaldó estos hallazgos, ya que el modelo propuesto mostró un buen ajuste a los datos bajo el supuesto de factores correlacionados (supuesto oblicuo), lo que estableció su validez y fiabilidad para fines de investigación (χ2 = 153,329, df = 166, p = 0,751, CFI = 1, SRMR = 0,043, RMSEA aprox. 0, IC del 90 % [0, 0,023]).).

El estilo de evaluación se valoró mediante una única pregunta, en la que los participantes calificaron su enfoque personal hacia el contenido en línea en una escala que iba desde automático-emocional (valores bajos) hasta racional-investigativo (valores altos). Las opciones de respuesta eran las siguientes: Automático (1), si es viral, me interesa; Emocional (2), reacciono según cómo me hace sentir; Social (3), sigo lo que apoyan mis amigos; Reflexivo (4), analizo la fuente y el contexto; y Alternativo (5), consulto otras plataformas o fuentes.

Inicialmente, la escala de Respuesta Crítica y Ética Digital constaba de cinco ítems tipo Likert, entre los que se incluía «Elijo no compartir cuando no sé quién lo ha creado». Sin embargo, la consistencia de la escala se vio comprometida debido al ítem «Alerto a otros cuando identifico campañas organizadas», que mostraba una correlación deficiente con la puntuación total y los demás ítems. En consecuencia, al eliminar este ítem se obtuvo una escala Likert de 4 ítems con una consistencia interna satisfactoria (α = 0,79, IC del 95 % [0,74, 0,83]).

2.3. Resumen del análisis estadístico

Utilizamos R (versión 4.5.0; R Core Team, 2025) y los paquetes R depmixS4 (Versión 1.5.0; Visser y Speekenbrink, 2010), devtools (versión 2.4.5; Wickham et al., 2022), dplyr (versión 1.1.4; Wickham et al., 2023), ggplot2 (versión 3.5.2; Wickham, 2016), Hmisc (versión 5.2.3; Harrell Jr, 2025), kableExtra (versión 1.4.0; Zhu, 2024), lavaan (versión 0.6.19; Rosseel, 2012), limer (versión 0.1; Heiss, 2015), MASS (versión 7.3.65; Venables y Ripley, 2002a), mvtnorm (versión 1.3.3; Genz y Bretz, 2009), nlme (versión 3.1.168; Pinheiro y Bates, 2000), nnet (versión 7.3.20; Venables y Ripley, 2002b), papaja (versión 0.1.3; Aust y Barth, 2024), polycor (versión 0.8.1; Fox, 2022), psych (versión 2.5.3; Revelle, 2024), reshape2 (versión 1.4.4; Wickham, 2007), Rsolnp (versión 1.16; Ghalanos y Theussl, 2015), rstatix (versión 0.7.2; Kassambara, 2023), sasLM (versión 0.10.5; Bae, 2024), tidyLPA (versión 1.1.0; Rosenberg et al., 2018), tinylabels (versión 0.2.5; Barth, 2023) y usethis (versión 3.1.0; Wickham et al., 2024) para todos nuestros análisis.

La consistencia interna de todos los factores se evaluó utilizando el índice α de Cronbach (Cronbach, 1951), una medida de fiabilidad ampliamente aceptada. En el caso de los instrumentos multifactoriales, se puede calcular una puntuación total si existe un factor latente general que influye en otros factores. Este factor general se puede utilizar para explicar la varianza común entre los diferentes factores. Para evaluar más a fondo la consistencia interna de la puntuación total, se estimaron los coeficientes omega mediante un análisis factorial del conjunto de datos original. Los factores se rotaron oblicuamente, lo que permitió la correlación entre ellos, y se aplicó una transformación de Schmid-Leiman, tal y como recomiendan Revelle y Condon (2019). Esta transformación permitió separar los factores generales y los factores de grupo, lo que proporcionó una comprensión más detallada de la estructura interna del instrumento. Se utilizó el coeficiente omega total para evaluar la consistencia interna de la puntuación total, que representa la proporción de varianza explicada por los factores generales y los factores de grupo. Este coeficiente proporciona una medida completa de la fiabilidad de la puntuación total, teniendo en cuenta la correlación entre los factores. Además del coeficiente omega total, se evaluó la proporción de varianza en el grupo explicada únicamente por el factor general utilizando el coeficiente omega general (jerárquico). Este coeficiente proporciona información sobre la medida en que el factor general contribuye a la varianza en los factores de grupo, permitiendo una comprensión más matizada de las relaciones entre los factores. Para validar aún más la estructura interna del instrumento, se llevó a cabo un análisis factorial confirmatorio (AFC) utilizando el método de estimación de mínimos cuadrados ponderados diagonalmente (DWLS) y asumiendo factores correlacionados (DiStefano y Morgan, 2014). Este enfoque permitió comprobar la posibilidad de utilizar un rasgo latente para instrumentos multidimensionales, lo que proporcionó una representación más precisa de la estructura subyacente del instrumento. Los resultados del AFC respaldaron el uso de un rasgo latente para el instrumento multifactorial, lo que indicaba que el factor general contribuía de manera significativa a la varianza en los factores grupales. Los resultados de este estudio sugieren que el instrumento tiene una estructura interna robusta, con un factor general que explica una proporción significativa de la varianza en los factores grupales.

Iniciamos el proceso de identificación de valores atípicos y valores perdidos, y realizamos análisis descriptivos univariantes. Esto implicó evaluar el cumplimiento de la hipótesis de normalidad univariante para datos continuos utilizando la prueba de Shapiro-Wilk (Royston, 1982; Royston, 1995) y examinar los valores de asimetría y curtosis. Los valores atípicos se sustituyeron por valores perdidos si superaban tres desviaciones estándar de la media. Para evaluar la normalidad multivariante, utilizamos la prueba de Mardia (Mardia, 1970) bajo la hipótesis nula de que las variables siguen una distribución normal multivariante. Además, se calculó y describió una matriz de correlación para las variables dependientes, independientes y mediadoras.

El modelo SEM de mediación en serie se estimó utilizando mínimos cuadrados ponderados diagonalmente (DWLS) (DiStefano y Morgan, 2014). Este enfoque permite examinar los parámetros del modelo teniendo en cuenta posibles problemas relacionados con la no normalidad y el uso de indicadores ordinales. Los errores estándar se calcularon utilizando un remuestreo bootstrap no paramétrico con 200 muestras replicadas. Este enfoque es especialmente útil cuando los datos presentan una varianza no constante, ya que puede dar lugar a estimaciones del error estándar más precisas y fiables. Además de la estimación del error estándar, se empleó la prueba de Satorra-Bentler (Satorra y Bentler, 2001) como prueba estadística ómnibus. Esta prueba es una prueba de chi cuadrado diseñada específicamente para su uso con modelos SEM, y proporciona una forma de evaluar el ajuste general del modelo a los datos. La prueba de Satorra-Bentler es una alternativa más robusta a la prueba tradicional de chi cuadrado, ya que es menos sensible a la no normalidad de los datos. El uso de la estimación DWLS, la estimación del error estándar bootstrapped y la prueba de Satorra-Bentler en la evaluación del modelo SEM mediado en serie proporciona un enfoque integral para evaluar el ajuste y los parámetros del modelo. Este enfoque puede ayudar a aumentar la precisión y la fiabilidad de los resultados, y puede proporcionar una comprensión más matizada de las relaciones entre las variables del modelo.

3. Resultados

3.1. Análisis descriptivo preliminar

El análisis de valores atípicos no reveló puntuaciones univariantes extremas. Sin embargo, los datos mostraron valores ligeramente elevados en «crear la ilusión de apoyo público» (5, 6 y 9), «coordinación estratégica invisible» (5), «ocultar la fuente real» (5, 8, 9 y 10), «manipulación algorítmica de la visibilidad» (5 y 7) y «reacción crítica y ética digital» (4, 6, 7, 8 y 9). Estos valores atípicos se mantuvieron en el análisis; sin embargo, no se cumplió la hipótesis de normalidad univariante para ninguna variable continua (véase la tabla 1).

Las distribuciones de todas las variables mostraron una asimetría negativa significativa, mientras que las de «crear la ilusión de apoyo público», «manipulación algorítmica de la visibilidad» y «reacción crítica y ética digital» mostraron una leptocurtosis significativa, lo que requirió el uso de técnicas analíticas robustas. La hipótesis de normalidad multivariante no se cumplió debido a que las distancias de Mahalanobis variaban entre 0,63 y 5,42, y como también sugería el coeficiente de Mardia (Mardia, 1970). También se observaron una asimetría multivariante positiva significativa (Mardia = 5,57, asimetría = 209,77, p < 0,001) y una leptocurtosis multivariante (Mardia = 44,77, asimetría = 8,78, p < 0,001).

3.2. Análisis de correlación

El coeficiente de correlación de Bravais-Pearson no era aplicable; por lo tanto, la matriz derivada del coeficiente de correlación de Spearman (rs) reveló asociaciones positivas estadísticamente significativas entre todas las variables, que oscilaban entre 0,32 y 0,68, y se caracterizó como positiva (véase la tabla 2).

La creación de una ilusión de apoyo público se asoció positivamente con la coordinación estratégica invisible (ρ = 0,59, p < 0,001), el ocultamiento de la fuente real (ρ = 0,62, p < 0,001), la manipulación algorítmica de la visibilidad (ρ = 0,56, p < 0,001) y la reacción crítica y la ética digital (ρ = 0,39, p < 0,001). La coordinación estratégica invisible se asoció positivamente con el ocultamiento de la fuente real (ρ = 0,62, p < 0,001), la manipulación algorítmica de la visibilidad (ρ = 0,62, p < 0,001) y la reacción crítica y la ética digital (ρ = 0,32, p < 0,001). El ocultamiento de la fuente real se asoció positivamente con la manipulación de la visibilidad algorítmica (ρ = 0,68, p < 0,001) y la reacción crítica y la ética digital (ρ = 0,44, p < 0,001), y la manipulación de la visibilidad algorítmica se asoció positivamente con la reacción crítica y la ética digital (ρ = 0,44, p < 0,001).

3.3. Análisis del modelo

Un análisis más detallado del modelo de investigación propuesto reveló una convergencia tras 60 iteraciones, con la estimación de 27 parámetros basados en 226 puntos de datos, lo que arrojó índices de ajuste muy buenos sin índices de modificación significativos (χ2=31,363, df=26, p=0,215, CFI=0,991, SRMR=0,023, RMSEA=0,03, p= 748, IC del 90 % [0, 0,071]; se utilizaron estadísticas escaladas y robustas).

Nuestros hallazgos (véase la tabla 3) indicaron que no existía un efecto total probabilístico significativo de la alfabetización mediática sobre la respuesta crítica y la ética digital, incluyendo todas las vías directas e indirectas (B = 0,31, z = 1,17, p = 0,241, β = 0,08, IC del 95 % [-0,27, 0,99]). El análisis reveló que no se encontró una asociación estadísticamente significativa entre la respuesta crítica y la ética digital con la alfabetización mediática (B = 0,30, z = 1,16, p = 0,248, β = 0,07, IC del 95 % [-0,27, 0,97]). Por el contrario, se observó una asociación estadísticamente significativa entre la respuesta crítica y la ética digital y el astroturfing (B = 0,60, z = 6,00, p < 0,001, β = 0,56, IC del 95 % [0,34, 0,76]), mientras que se identificó una relación marginalmente significativa entre el estilo de evaluación y la respuesta crítica y la ética digital (B = 0,37, z = 1,66, p = 0,097, β = 0,12, IC del 95 % [-0,16, 0,81]). Por lo tanto, las puntuaciones altas en respuesta crítica y ética digital se asociaron con puntuaciones altas en astroturfing y, marginalmente, con puntuaciones altas en estilo de evaluación, orientadas hacia el polo racional-investigativo.

Por otro lado, las puntuaciones altas en alfabetización mediática mostraron una correlación estadísticamente significativa y positiva tanto con las puntuaciones altas en astroturfing (B = 0,90, z = 3,05, p = 0,002, β = 0,24, IC del 95 % [0,24, 1,44]) y puntuaciones altas en estilo de evaluación (B = 0,23, z = 2,03, p = 0,042, β = 0,17, IC del 95 % [-0,02, 0,49]). Por consiguiente, se puede inferir que el astroturfing mediaba plenamente (B = 0,54, z = 3,17, p = 0,002, β = 0,13, IC del 95 % [0,18, 0,97]) la relación entre la alfabetización mediática y la respuesta crítica y la ética digital, con un efecto estadísticamente significativo (véase la figura 2). Un alto nivel de alfabetización mediática se correlacionó con altos niveles de astroturfing, lo que también fue indicativo de altos niveles de respuesta crítica y ética digital. No se identificaron otras relaciones estadísticamente significativas y, de las tres variables controladas, solo la edad se asoció de forma marginalmente significativa y positiva con el estilo de evaluación (B = 0,01, z = 1,88, p = 0,059, β = 0,12, IC del 95 % [0,00, 0,02]). Parece que, a medida que aumenta la edad, las personas tienden a inclinarse más hacia un enfoque racional e investigativo, mientras que los jóvenes son más propensos a percibirse a sí mismos como personas con un estilo más impulsado por las emociones.

4. Discusión

El astroturfing se ha teorizado como un modo distinto de comunicación estratégica que manipula las señales en las que se basan las personas para juzgar el consenso social, en lugar del contenido factual de los mensajes en sí mismos (Rauchfleisch y Chi, 2020). Esta perspectiva teórica resultó esencial para interpretar las relaciones observadas en el presente estudio entre la alfabetización mediática, la manipulación percibida y el comportamiento ético en línea.

Los encuestados que se consideraban expertos en la navegación por la información digital no mostraban automáticamente una postura más crítica hacia los contenidos. Más bien, la actitud crítica se intensificaba solo cuando estos usuarios también identificaban indicios que sugerían que la popularidad de un mensaje podía haber sido manipulada artificialmente, a través de patrones como publicaciones sincronizadas o respaldos sin patrocinio transparente, fenómenos observados repetidamente en campañas de comunicación encubiertas (Chagas et al., 2022; Keller et al., 2020). Estos hallazgos cuestionan la suposición pedagógica de que el conocimiento por sí solo inmuniza a las personas contra la manipulación (Giovanelli y Persigo, 2022). En este marco, la alfabetización es menos un escudo constante que una capacidad latente, que se activa en presencia de señales contextuales que indican irregularidades procedimentales.

Este mecanismo se ajusta a una concepción más amplia del astroturfing como la fabricación estratégica de pruebas sociales. Una vez que se percibe la orquestación que hay detrás del aparente respaldo público, las personas tienden a replantearse el intento persuasivo como una violación de las normas comunicativas, lo que provoca reacciones defensivas como la verificación de la fuente, la desconexión o la advertencia a los compañeros (Boulay, 2012).

El astroturfing percibido funciona, por lo tanto, como un puente psicológico que vincula la competencia digital con un comportamiento ético concreto. Los usuarios que calificaron su alfabetización como alta también eran más hábiles a la hora de detectar la coordinación encubierta, lo que respalda la opinión de que la educación mediática sensibiliza a las personas ante las violaciones de la transparencia comunicativa (Pineiro-Otero y Martínez Rolan, 2020). Una vez que estas desviaciones se hicieron evidentes, el conocimiento sobre la persuasión pasó de ser una conciencia pasiva a una resistencia activa, y los usuarios adoptaron estrategias cautelosas y reflexivas.

El estilo de evaluación autodeclarado añadió una capa explicativa secundaria, aunque significativa. Los participantes que se describían a sí mismos como racionales e investigativos tendían a comportarse de manera más responsable en línea, pero esta disposición por sí sola no podía explicar los marcados cambios de comportamiento observados en respuesta a las señales de astroturfing. Esto refuerza la idea de que la motivación analítica, aunque valiosa, requiere activarse a través de desencadenantes contextuales explícitos, un patrón que se refleja en estudios sobre operaciones de influencia que dependen de la amplificación sincronizada para ocultar el patrocinio (Baulch et al., 2024; Caro Castaño, 2016).

La edad solo introdujo un ligero matiz: los participantes de más edad mostraron una ligera preferencia por la evaluación deliberativa, en consonancia con las investigaciones que sugieren que la experiencia fomenta el escepticismo hacia los indicadores algorítmicos de popularidad (Boulay, 2012). No obstante, la edad no alteró la trayectoria principal, lo que confirma que la percepción contextual de la manipulación, y no los atributos demográficos, es lo que determina la activación del compromiso crítico.

Estos hallazgos invitan a varias extensiones conceptuales y prácticas. En primer lugar, la educación en alfabetización mediática debería ir más allá de la verificación de datos y la autenticación de fuentes para incluir formación en la detección de la orquestación. Las heurísticas, como reconocer picos en mensajes idénticos, analizar las cronologías de creación de cuentas u observar la difusión entre plataformas, pueden ayudar a los usuarios a detectar exactamente las características que desencadenaron la participación crítica en este estudio. Esta recomendación se hace eco de propuestas recientes de modelos de alfabetización que destacan las manipulaciones de la visibilidad, y no solo la precisión del contenido (Zerback et al., 2021).

En segundo lugar, el diseño de las plataformas puede apoyar las iniciativas educativas al hacer más perceptibles los indicadores de amplificación coordinada. Como se muestra en los estudios sobre la manipulación electoral a través de hashtags (Chagas et al., 2022), los grupos de cuentas recién creadas pueden distorsionar las métricas de tendencias. Las interfaces de usuario podrían señalar anomalías, como la difusión rápida y sincronizada o los indicadores de coordinación, reduciendo el umbral a partir del cual los usuarios perciben la manipulación y activando las capacidades de alfabetización latentes identificadas aquí.

5. Conclusión

El presente estudio avanza en la comprensión de la resiliencia digital al demostrar que la alfabetización mediática no es eficaz por defecto, sino cuando la manipulación es perceptible. Las facultades críticas de los usuarios no se activaban de forma continua, sino que se desencadenaban por señales de coordinación no auténtica, lo que sugiere que la conciencia del astroturfing es el catalizador necesario que transforma la competencia latente en un comportamiento ético activo.

Esta idea tiene varias implicaciones prácticas. Los esfuerzos educativos deben ir más allá de la verdad proposicional y hacer hincapié en el reconocimiento de la manipulación del compromiso como una amenaza distinta. Dotar a los ciudadanos de la capacidad de detectar la amplificación artificial, tanto mediante la formación como mediante señales de apoyo en las plataformas, puede mejorar significativamente la resistencia al engaño persuasivo. Al mismo tiempo, las plataformas digitales tienen la responsabilidad de aumentar la visibilidad de los patrones de coordinación, permitiendo a los usuarios percibir lo que de otro modo permanecería oculto.

Varias limitaciones metodológicas deben moderar la generalización de los resultados. La naturaleza transversal de los datos restringe la inferencia causal; se necesitan estudios longitudinales y experimentales futuros para comprobar el orden temporal de la concienciación y el cambio de comportamiento. La muestra de conveniencia, compuesta en gran parte por adultos rumanos con un alto nivel de educación, puede mostrar hábitos analíticos que no son totalmente representativos de poblaciones más amplias.

La replicación en diferentes contextos culturales y educativos aclararía la generalización del mecanismo. Además, la dependencia de los comportamientos autoinformados introduce un riesgo de inflación socialmente deseable; complementar los datos de la encuesta con rastros de comportamiento, como compartir decisiones después de la exposición a material de contenido conocido, reforzaría la validez inferencial. Por último, aunque este estudio se centró en la coordinación visible, las investigaciones futuras deberían explorar entornos de mensajería encubiertos, cifrados o efímeros, que ya dan forma a la movilización política en diversas regiones (Baulch et al., 2024).

Los resultados sugieren que el astroturfing compromete la integridad deliberativa no al cuestionar el contenido del discurso, sino al simular el consenso público. Para abordar este desafío, es necesario integrar mecanismos de detección de la coordinación no auténtica tanto en los planes de estudios de alfabetización mediática como en el diseño de las plataformas. Estos esfuerzos pueden aumentar la probabilidad de que se activen las competencias latentes de los usuarios ante la manipulación, fomentando así un comportamiento digital más ético y críticamente comprometido.

Contribución de autores

Tanase Tasante: Conceptualización; Metodología; Administración del proyecto; Investigación; Supervisión; Recursos; Curación de datos; Análisis formal; Visualización; Redacción – Preparación del borrador original; Redacción – Revisión y edición.

Cristina-Dana Popescu: Recursos; Redacción – Preparación del borrador original; Redacción – Revisión y edición.

Todos los autores han leído y aceptado la versión publicada del manuscrito.

Conflictos de interés

Los autores declaran no tener conflicto de intereses.

Referencias

Arce-Garcia, Sergio; Said-Hung, Elías; & Mottareale-Calvanese, Daría (2022). Astroturfing as a strategy for manipulating public opinion on Twitter during the pandemic in Spain. Profesional De La Informacion, 31(3). https://doi.org/10.3145/epi.2022.may.10

Aust, Frederik; & Barth, Marius (2024). papaja: Prepare reproducible APA journal articles with R Markdown. https://doi.org/10.32614/CRAN.package.papaja

Bae, Kyun-Seop (2024). sasLM: ’SAS’ linear model. https://CRAN.R-project.org/package=sasLM

Barth, Marius (2023). tinylabels: Lightweight variable labels. https://cran.r-project.org/package=tinylabels

Baulch, Emma; Matamoros-Fernández, Ariadna; & Suwana, Fiona (2024). Memetic persuasion: And WhatsAppification in Indonesia’s 2019 presidential election. New Media & Society, 26(5), 2473–2491. https://doi.org/10.1177/14614448221088274

Boulay, Sophie (2012). Which consideration(s) for ethics within the use of information and communication technologies by public relations ? An analysis of astroturfing cases and a critical standpoint. Revista Internacional De Relaciones Publicas, 2(4), 201–220. https://doi.org/10.5783/RIRP-4-2012-09-201-220

Caro Castaño, Lucía (2016). Microcelebrities and online astroturfing in spain. The case of # pentatrillones. Adcomunica-Revista Cientifica De Estrategias Tendencias E Innovacion En Communicacion, 11, 121–144. https://doi.org/10.6035/2174-0992.2016.11.8

Chadwick, Andrew (2013). The Hybrid Media System: Politics and Power. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780199759477.001.0001

Chagas, Viktor; Carreiro, Rodrigo; Santos, Nina; & Popolin, Guilherme (2022). Far-right digital activism in polarized contexts: A comparative analysis of engagement in hashtag wars. Media and Communication, 10(4), 42–55. https://doi.org/10.17645/mac.v10i4.5622

Cronbach, Lee J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555

DiStefano, Christine; & Morgan, Grant B. (2014). A Comparison of Diagonal Weighted Least Squares Robust Estimation Techniques for Ordinal Data. Structural Equation Modeling: A Multidisciplinary Journal, 21(3), 425–438. https://doi.org/10.1080/10705511.2014.915373

Elmas, Tuğrulcan; Overdorf, Rebekah; Özkalay, Ahmed Furkan; & Aberer, Karl (2019). Ephemeral Astroturfing Attacks: The Case of Fake Twitter Trends. arXiv. https://doi.org/10.48550/ARXIV.1910.07783

Espinoza, Armando; & Piña-García, Carlos A. (2023). Propaganda and manipulation in mexico: A programmed, coordinated and manipulative “pink” campaign. Journalism and Media, 4(2), 578–598. https://doi.org/10.3390/journalmedia4020037

Eysenbach, Gunther (2004). Improving the Quality of Web Surveys: The Checklist for Reporting Results of Internet E-Surveys (CHERRIES). Journal of Medical Internet Research, 6(3), e34. https://doi.org/10.2196/jmir.6.3.e34

Fox, John (2022). Polycor: Polychoric and polyserial correlations. https://CRAN.R-project.org/package=polycor

Genz, Alan; & Bretz, Frank (2009). Computation of multivariate normal and t probabilities. Springer-Verlag.

Ghalanos, Alexios; & Theussl, Stefan (2015). Rsolnp: General non-linear optimization using augmented lagrange multiplier method.

Giovanelli, Letícia de Oliveira; & Persigo, Patricia Milano (2022). Public relations and astroturfing from a relational perspective. Revista Internacional De Relaciones Publicas, 12(23), 73–92. https://doi.org/10.5783/RIRP-23-2022-05-73-92

Harrell , Frank E. (2025). Hmisc: Harrell miscellaneous. https://CRAN.R-project.org/package=Hmisc

Heiss, Andrew (2015). Limer: A LimeSurvey r client.

Iwan, Nurul; & Hed, Norhafiza Mohd M. (2023). Definition and typology of the term political cybertroopers in malaysia br. Jurnal Komunikasi-Malaysian Journal of Communication, 39(3), 81–100. https://doi.org/10.17576/JKMJC-2023-3903-05

Jensen, Arthur R.; & Weng, Li-Jen (1994). What is a good g? Intelligence, 18(3), 231–258. https://doi.org/10.1016/0160-2896(94)90029-9

Johns, Amelia; & Cheong, Niki (2019). Feeling the chill: Bersih 2.0, state censorship, and “networked affect” on malaysian social media 2012-2018. Social Media + Society, 5(2). https://doi.org/10.1177/2056305118821801

Kassambara, Alboukadel (2023). Rstatix: Pipe-friendly framework for basic statistical tests. https://CRAN.R-project.org/package=rstatix

Keller, Franziska B.; Schoch, David; Stier, Sebastian; & Yang, JungHwan (2020). Political astroturfing on twitter: How to coordinate a disinformation campaign. Political Communication, 37(2), 256–280. https://doi.org/10.1080/10584609.2019.1661888

Leerssen, Paddy; Dobber, Tom; Helberger, Natali; & de Vreese, Claes (2023). News from the ad archive: How journalists use the facebook ad library to hold online advertising accountable. Information Communication & Society, 26(7), 1381–1400. https://doi.org/10.1080/1369118X.2021.2009002

Mahbub, Syed; Pardede, Eric; Kayes, A. S. M.; & Rahayu, Wenny (2019). Controlling astroturfing on the internet: A survey on detection techniques and research challenges. International Journal of Web and Grid Services, 15(2), 139. https://doi.org/10.1504/IJWGS.2019.099561

Mardia, Kanti (1970). Measures of multivariate skewness and kurtosis with applications. Biometrika, 57(3), 519–530. https://doi.org/10.1093/biomet/57.3.519

Oguz, Mustafa Cem (2018). “Networked authoritarianism” or the relation of authoritarian regimes and cyber space: A literature review on russia and china. Turkiye Iletisim Arastirmalari Dergisi-Turkish Review of Communication Studies, 31, 103–120. https://doi.org/10.17829/turcom.415025

Pineiro-Otero, Teresa; & Martinez Rolan, Xabier (2020). Understanding Digital Politics Principles and Actions. Vivat Academia, 152, 19–47. https://doi.org/10.15178/va.2020.152.19-48

Pinheiro, José C.; & Bates, Douglas M. (2000). Mixed-effects models in s and s-PLUS. Springer. https://doi.org/10.1007/b98882

R Core Team. (2025). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/

Rauchfleisch, Adrian; & Chi, Jo-yao (2020). Untangling taiwan’s hybridity with structural dysfunctions. Social Media + Society, 6(3). https://doi.org/10.1177/2056305120947658

Revelle, William (2024). Psych: Procedures for psychological, psychometric, and personality research. Northwestern University. https://CRAN.R-project.org/package=psych

Revelle, William; & Condon, David M. (2019). Reliability from α to ω: A tutorial. Psychological Assessment, 31(12), 1395–1411. https://doi.org/10.1037/pas0000754

Rosenberg, Joshua M.; Beymer, Patrick N.; Anderson, Daniel J.; van Lissa, C. J.; & Schmidt, Jennifer A. (2018). tidyLPA: An r package to easily carry out latent profile analysis (LPA) using open-source or commercial software. Journal of Open Source Software, 3(30), 978. https://doi.org/10.21105/joss.00978

Rosseel, Yves (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1–36. https://doi.org/10.18637/jss.v048.i02

Royston, Patrick (1982). An Extension of Shapiro and Wilk’s W Test for Normality to Large Samples. Journal of the Royal Statistical Society. Series C (Applied Statistics), 31(2), 115–124. https://doi.org/10.2307/2347973

Royston, Patrick (1995). Remark AS R94: A Remark on Algorithm AS 181: The W-test for Normality. Journal of the Royal Statistical Society. Series C (Applied Statistics), 44(4), 547–551. https://doi.org/10.2307/2986146

Santana, Luis E.; & Huerta Cánepa, Gonzalo (2019). Are they bots? Social media automation during Chile’s 2017 presidential campaign. Cuadernos Info, 44, 61–77. https://doi.org/10.7764/cdi.44.1629

Satorra, Albert; & Bentler, Peter M. (2001). A scaled difference chi-square test statistic for moment structure analysis. Psychometrika, 66(4), 507–514. https://doi.org/10.1007/BF02296192

Sorensen, Anne; Andrews, Lynda; & Drennan, Judy (2017). Using social media posts as resources for engaging in value co-creation: The case for social media-based cause brand communities. Journal of Service Theory and Practice, 27(4), 898–922. https://doi.org/10.1108/JSTP-04-2016-0080

Strong, Catherine; & Tyler, Fran (2017). New Zealand media camouflage political lobbying. Pacific Journalism Review, 23(2), 144–158. https://doi.org/10.24135/pjr.v23i2.96

Venables, William N.; & Ripley, Brian D. (2002a). Modern applied statistics with s (Fourth). Springer. https://www.stats.ox.ac.uk/pub/MASS4/

Venables, William N.; & Ripley, Brian D. (2002b). Modern applied statistics with s (Fourth). Springer. https://www.stats.ox.ac.uk/pub/MASS4/

Visser, Ingmar; & Speekenbrink, Maarten (2010). depmixS4: An R package for hidden markov models. Journal of Statistical Software, 36(7), 1–21. https://www.jstatsoft.org/v36/i07/

Wickham, Hadley (2007). Reshaping data with the reshape package. Journal of Statistical Software, 21(12), 1–20. http://www.jstatsoft.org/v21/i12/

Wickham, Hadley (2016). ggplot2: Elegant graphics for data analysis. Springer-Verlag New York. https://ggplot2.tidyverse.org

Wickham, Hadley; Bryan, Jennifer; Barrett, Malcolm; & Teucher, Andy (2024). Usethis: Automate package and project setup. https://CRAN.R-project.org/package=usethis

Wickham, Hadley; François, Romain; Henry, Lionel; Müller, Kirill; & Vaughan, Davis (2023). Dplyr: A grammar of data manipulation. https://CRAN.R-project.org/package=dplyr

Wickham, Hadley; Hester, Jim; Chang, Winston; & Bryan, Jennifer (2022). Devtools: Tools to make developing r packages easier. https://CRAN.R-project.org/package=devtools

Zerback, Thomas; Toepfl, Florian; & Knoepfle, Maria (2021). The disconcerting potential of online disinformation: Persuasive effects of astroturfing comments and three strategies for inoculation against them. New Media & Society, 23(5), 1080–1098. https://doi.org/10.1177/1461444820908530

Zhu, Hao (2024). kableExtra: Construct complex table with ’kable’ and pipe syntax. https://CRAN.R-project.org/package=kableExtra

Zinbarg, Richard E.; Revelle, William; Yovel, Iftah; & Li, Wen (2005). Cronbach’s α, Revelle’s β, and Mcdonald’s ωH: Their relations with each other and two alternative conceptualizations of reliability. Psychometrika, 70(1), 123–133. https://doi.org/10.1007/s11336-003-0974-7