Esta investigación se ha desarrollado analizando más de 115.000 mensajes publicados en las redes sociales X y Telegram entre del 9 y el 17 de julio de 2025 con menciones expresas a Torre Pacheco. Los mensajes de X se han analizado con cuatro modelos de inteligencia artificial y la supervisión de los verificadores para identificar la presencia de mensajes de odio. Los mensajes de Telegram se han filtrado de la base de datos cedida para esta investigación por el tecnólogo experto en ciberseguridad Marcelino Madrigal.
Para la elaboración de esta información, se ha analizado una base de datos de 74.939 mensajes de la red social X y 40.506 de 16 canales en Telegram publicados entre el 9 y el 14 de julio de 2025.
La descarga de mensajes de X se ha realizado a partir de la metodología de descarga definida por la investigadora española especializada en redes sociales Mariluz Congosto, que tiene como base la librería TweetScraperR de R, creada por el investigador independiente del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) de Argentina y cofundador del Laboratorio de Humanidades Digitales, Agustín Nieto. Los mensajes se han escrapeado mediante un proceso de búsqueda automatizada que filtra todas las publicaciones que contienen el término “Torre Pacheco” entre las fechas del análisis.
Los mensajes de Telegram se han filtrado de la base de datos cedida para esta investigación por el tecnólogo experto en ciberseguridad Marcelino Madrigal. Por la limitación de la fuente y las particularidades de la plataforma, en este caso se ha centrado el análisis en el volumen de mensajes publicados esos días.
La cronología de los mensajes publicados en X durante las primeras 72 horas que se muestra en este reportaje se ha elaborado agrupando el número de publicaciones en franjas de cinco minutos. La mayoría de los mensajes que se muestran en las visualizaciones de esta noticia se han seleccionado bien por su relevancia narrativa, para ayudar a entender la secuencia de los hechos, bien por la alta redifusión o relevancia que alcanzaron.
Todos los mensajes de X se han clasificado como desinformación o discurso de odio con ayuda de la inteligencia artificial. Se ha recurrido a cuatro modelos de IA: la función “investigación” profunda de Perplexity, que permite realizar investigaciones exhaustivas con el análisis de múltiples fuentes, y GPT5, Gemini 2.5 Pro 06-05 y Claude Sonnet 4.0, los modelos más recientes hasta la fecha de publicación de Open AI, Google y Anthropic, respectivamente.
El proceso se ha dividido en tres pasos, incorporando la intervención y revisión humana en el centro:
En una primera fase, se ha pedido a la IA que clasifique los mensajes como desinformación u odio de acuerdo con dos definiciones cerradas. Se le ha pautado que considere desinformación toda información que oculte o falsee hechos de manera intencionada, relacionados con los sucesos en Torre Pacheco, España, tras la agresión contra un adulto mayor por parte de jóvenes de origen magrebí. Del mismo modo, se ha indicado que entienda como odio la instrumentalización de un hecho delictivo para fabricar y dirigir una hostilidad masiva contra toda una comunidad, convirtiendo a personas en objetivos por su origen nacional o étnico. También se le ha señalado que la difusión de mensajes de odio sigue un proceso que puede estar basado por la generalización y el señalamiento, partiendo de un acto criminal individual para culpar y señalar a todo un colectivo, o el llamamiento a la acción violenta, que cruza la línea de la opinión para convertirse en una incitación y usa un lenguaje deshumanizante y belicista, con términos como «cacería», «patrulla», «delincuente» o «moro», para legitimar y llamar a la agresión física.
En esencia, el discurso de odio, tal y como se manifestó en Torre Pacheco, se define para la IA como el mecanismo que transforma la palabra en el detonante de la violencia real, pasando de un mensaje de odio online a ataques coordinados en la calle, con el objetivo final de destruir la sensación de seguridad de una comunidad y fracturar la convivencia.
Para acotar mejor el análisis, se ha especificado tanto el contexto de los eventos de Torre Pacheco como las pautas que debía seguir el proceso de análisis. Además, en ambos casos se aportaron ejemplos de mensajes verificados para alimentar los modelos.
Los resultados de los cuatro modelos se han cruzado para identificar coincidencias. Después, un equipo humano de verificadores de VerificaRTVE y EFE Verifica han revisado los mensajes clasificados como desinformación u odio por mayor número de modelos. En este análisis, se ha señalado si el modelo acertaba o no. Y se ha ofrecido una explicación de los motivos para la decisión humana.
Finalmente, se ha vuelto a repetir el análisis con los cuatro modelos, incorporando la revisión manual intermedia en las órdenes de análisis entregadas a la inteligencia artificial.
Como se explica en el texto, el análisis ha sido concluyente para ofrecer un análisis masivo de datos en cuanto a los mensajes de odio. Pero se ha descartado esta opción en cuanto a la verificación, ya que se han observado un elevado número de errores e incongruencias en la revisión con inteligencia artificial que hace imposible confiar en el modelo para este cometido.
El gráfico que reconstruye la difusión del vídeo falso de la agresión se ha elaborado analizando 1.020 mensajes de la base de datos de X que mencionan la filtración de un vídeo o imágenes del suceso. Los verificadores de RTVE y EFE han revisado esos mensajes y han identificado 13 publicaciones originales que difundieron el vídeo falso. Para establecer el alcance de los mensajes antes y después del primer desmentido del bulo, se ha sumado el número de republicaciones obtenidas por estos mensajes.
Para facilitar la lectura del diagrama de dispersión de las cuentas que más republicaciones lograron respecto a sus publicaciones originales, se ha excluido el usuario Grok, ya que sus datos lo convierten en un valor atípico. La IA de X realizó 1.697 publicaciones que obtuvieron 863 republicaciones entre el 9 y el 17 de julio.
Para la elaboración de la nube de palabras se han filtrado los mensajes de X usando las librerías de R SnowballC y tidytext. Primero se ha efectuado un proceso de limpieza para eliminar stopwords, palabras vacías o sin significado, en español e inglés, como artículos, pronombres, preposiciones, etc. Después, se han suprimido otros términos muy repetidos que no aportan contenido al contexto, como «sí», «dos», «vez», «igual», «solo», «ahora», «hoy», «mañana», «años», «días», «siempre», «pues», «mínimo», «menos», «claro» o «todo». También se han obviado distintas formas de verbos, como «ser», «hacer», «dar», «ir», «ver», «creer», «parecer», «pasar», «poder», «decir» o «salir».
En el análisis palabra por palabra, se han tenido en cuenta las veces totales que se repite cada término y su recuento según si el mensaje en el que aparecían se ha considerado discurso de odio o no. Esto permite conocer el alcance de cada palabra por el conteo global y calcular su peso en cada tipo de discurso.
