Ejercicio mental con datos ¿Hubo una campaña anti-Argentina en redes?
Porque de la acusación a la realidad hay mucho trecho y vamos a caminarlo juntos
A mí no me gusta que hablen mal de mi país. Mucho menos que me den lecciones de moral personas que tienen una larga y tediosa historia de segregación. Soy blanca teta pero en mi sangre corren genes indígenas, italianos, uruguayos y vascos que terminaron en una larga, muy larga línea de cordobeses que se mudaron a la zona sur de Buenos Aires. Sé poco y nada de mis orígenes porque realmente a nadie le importa. Acá somos argentinos y el resto fue.
Las pocas veces que alguien se refirió a mis orígenes fue en otros países. Me han preguntado como soy tan güera y aún así hablo español. Me han preguntado por mis raíces italianas (por mi apellido materno). Nunca estuve en Italia. Me gustan las pastas y el helado, no se si cuenta.
Yo la verdad no tengo ganas de salir a educar a nadie. Cuando se ponen pesados con el tema y preguntan que hizo Argentina con sus negros lo único que quiero responder es “hermosos bebés marrones”.
Que en Argentina el racismo existe, no tengo dudas. Como existe en todo el mundo. A mí en lo personal me parece que tenemos muchos más problemas de clasismo.
Pero quizás en esta era donde todo se basa en vibras y no en la realidad quizás es momento de preguntarse ¿Cómo podemos saber si Argentina es racista o no? ¿Tenemos datos para probar o refutar la acusación? ¿Podemos saber si la campaña que se ven en redes es orgánica o coordinada por intereses externos?
Para eso vamos a mirar algunos datos:
Convertir la acusación en hipótesis
Si nos centramos en la acusación principal que circuló durante el Mundial 2026 fue:
“Argentina es el país más racista de América Latina.”
Una afirmación viral generalmente llega sin estructura lógica explícita, porque está basada en reacciones sentimentales. Para analizarla, tenemos que convertirla en una hipótesis falseable, una afirmación que pueda ser verdadera o falsa dependiendo de la evidencia, y que nos indique qué datos necesitaríamos para probarla.
El formato del planteo sería: “Si X es verdad, entonces deberíamos poder observar Y.”
Lo primero que encontramos al hacer este ejercicio es que en la acusación se encuentran tres hipótesis distintas como si fueran una sola:
Y dentro del mismo problema, pero parados desde el otro lado de la calle, ¿Podemos comprobar si esto es realmente una campaña coordinada o simplemente un fenómeno orgánico en respuesta a la acusación?
Primero: El Problema del Proxy
El argumento central de la campaña usó la composición del equipo argentino como evidencia de racismo. En análisis de datos, esto es un proxy o variable sustituta. Una variable observable que se usa para representar otra que no podemos medir directamente.
Los proxies son herramientas legítimas. Pero un proxy solo es válido si cumple dos condiciones:
Se correlaciona con la variable que queremos medir
No tiene explicaciones alternativas que lo desvinculen de esa variable
El cálculo del base rate
Para que la ausencia de jugadores negros en la selección sea evidencia de discriminación, necesitamos saber cuántos jugadores negros esperaríamos encontrar si no hubiera ningún sesgo. A eso se le llama base rate o tasa base.
El base rate en este caso es la proporción de población afrodescendiente en Argentina.
En Argentina, la población afrodescendiente no se censó de forma oficial hasta el Censo Nacional de 2022, donde, por primera vez, la pregunta se hizo a la totalidad de los hogares.
Se encontró que 302.936 personas se autoidentifican como afrodescendientes, sobre una población total de 46,2 millones. Eso es el 0,66% de la población.
Eso en comparación regional queda en:
Con estos datos la pregunta es “¿Cuántos jugadores negros esperamos tener?” Si el 0,66% de la población es afrodescendiente y el plantel tiene 26 jugadores, la expectativa estadística sin ningún sesgo es de aproximadamente 0,17 jugadores afrodescendientes. Como dividir personas todavía no podemos vamos a dejarlo en cero.
El proxy falla porque podemos ofrecer una explicación alternativa. La demografía del país lo desvincula completamente del fenómeno que intenta medir.
Por qué la demografía argentina es tan distinta
La acusación implícita es que Argentina eligió ser así de blanca. Pero la composición demográfica es el resultado de procesos históricos documentados: la mortalidad de la población negra durante las guerras de independencia y la Guerra del Paraguay, la inmigración masiva europea entre 1880 y 1930, y décadas de invisibilización estadística activa. El Censo 2010 fue el primero en incluir una pregunta sobre afrodescendencia, y solo en una muestra. El de 2022 fue el primero universal.
Argentina tiene un historial problemático que incluye esconder a la población negra del registro. ¿Es un problema? Si. Pero es un problema distinto del que señala la campaña.
Segundo: Nosotros. Y los datos que sí tenemos
Nuestra variable sustituta no funciona. Y ya establecimos que tenemos de base un problema con los datos porque muchas cosas simplemente no están documentadas. Sin rumbo, pero hay que seguir. Vamos a otras fuentes disponibles para ver qué encontramos para medir racismo en Argentina.
El Mapa Nacional de la Discriminación (INADI, 2019)
La fuente más robusta disponible. Encuestas a 11.700 personas en 2019, tercera edición de un relevamiento periódico que arrancó en 2007.
Qué encontró:
El 72% de la población reportó haber experimentado algún tipo de discriminación (subió del 65% en 2013)
Solo el 3% realizó alguna denuncia formal
El 60% no sabe que la discriminación se puede denunciar judicialmente
Entre 2008 y 2022: entre 1.800 y 2.800 denuncias anuales por discriminación
Los motivos más frecuentes: discapacidad (20,9%), aspecto físico (10,2%), nacionalidad/migración (5,8%)
Limitación crítica: La Defensoría del Pueblo señaló en 2023 que no existen estadísticas nacionales consolidadas que permitan medir cuántas denuncias corresponden específicamente a discriminación racial. Un relevamiento del Ministerio Público Fiscal registró apenas 55 causas federales en 2017-2018 bajo la Ley 23.592. Datos parciales.
Problema institucional: En agosto de 2024, el gobierno de Javier Milei disolvió el INADI. La principal fuente de datos sobre discriminación en Argentina dejó de existir justo cuando el debate se volvió más urgente. Es probable que el próximo Mapa Nacional de la Discriminación no exista.
Los datos de CEPAL a nivel regional
La CEPAL/UNFPA publica estadísticas comparativas de bienestar por condición étnico-racial para los países donde la población afrodescendiente es estadísticamente significativa. Argentina, con el 0,66%, prácticamente no aparece.
Donde sí hay datos:
¿Datos significativos? Las mujeres afrodescendientes con 13 o más años de educación en la región ganan en promedio el 57% de lo que ganan los hombres no afrodescendientes con la misma educación.
Los países con mayor desigualdad racial documentada en la región son Brasil, Colombia y Uruguay. Esto no exime a Argentina, pero invalida el primer puesto que la campaña intentó instalar.
Lo que no sabemos
No hay estadísticas consolidadas de discriminación racial en Argentina post-INADI
No hay datos de brecha salarial por raza con rigor metodológico comparable a los de CEPAL para otros países
No hay datos longitudinales de acceso a educación o salud por condición étnico-racial a nivel nacional
El Censo 2022 da el número de personas afrodescendientes pero aún no una radiografía completa de sus condiciones de vida
Esos vacíos de datos son en sí mismos un dato: Argentina tiene un problema de invisibilización estadística de su población afrodescendiente. Eso es una forma de racismo estructural, pero de nuevo, algo muy distinto a la idea que quiere instaurar la campaña actual.
Tercero: Los datos que necesitaríamos para la hipótesis del ataque algorítmico
La tercera hipótesis es la más difícil de probar: que la campaña es coordinada y no orgánica.
En un análisis serio, esto se mide por separado y quitando del medio el tema racial en Argentina. Es un análisis de comportamiento coordinado inauténtico (Coordinated Inauthentic Behavior o CIB en el vocabulario de investigación de plataformas) y tiene su propia metodología. El gran problema no es cómo medirlo sino la dificultad de conseguir datos porque dependemos de la buena voluntad de plataformas que monetizan el odio y a las que les sirven este tipo de campañas.
Lo que tenemos con las fuentes disponibles:
El EDMO reportó que los hashtags anti-Argentina se propagaron más rápido que el promedio orgánico
El FIFA SMPS detectó 7 millones de mensajes potencialmente dañinos, 14x más que en Qatar 2022
Múltiples influencers reportaron haber recibido ofertas de pago de una agencia anónima
Fortinet e Intel 471 detectaron 13.000-19.000 dominios fraudulentos operando en conversaciones del Mundial
Lo que necesitaríamos para confirmar coordinación:
El problema central es de intereses: Facebook/Meta, X, TikTok e Instagram tienen los datos suficientes para responder la pregunta. Ninguno los comparte sistemáticamente con investigadores externos.
¿Qué podemos hacer con lo que tenemos?
Con lo que está disponible podríamos establecer un flujo de trabajo que sería algo así:
1. Recolección de datos: API de X o herramientas como Brandwatch/Meltwater para extraer publicaciones con hashtags relevantes en un período definido (ej: 30 días antes y durante el mundial). Variables clave: texto, timestamp, usuario, métricas de engagement, geolocalización.
2. Análisis temporal: Graficar el volumen de publicaciones por hora. Los picos de actividad coordinada tienen una firma diferente a la orgánica: aparecen abruptamente, sin el crecimiento gradual de una tendencia que emerge de manera natural.
3. Análisis de red: Construir un grafo de quién retuitea a quién. Las campañas coordinadas producen estructuras distintas a la difusión orgánica: nodos que actúan como amplificadores iniciales, y propagación más homogénea de lo esperable.
4. Análisis de cuentas: Para las cuentas más influyentes en la red. Fecha de creación, ratio seguidores/seguidos, historial temático (¿solo tuitean de Argentina o tienen actividad previa? ¿Sólo se meten en quilombos?), idioma.
5. Análisis de contenido: NLP básico para detectar reutilización de frases exactas, señal de que distintas cuentas están usando el mismo script.
Ninguno de estos análisis es concluyente por sí solo. En conjunto, comparados con una línea de base de comportamiento orgánico, pueden aumentar o disminuir la probabilidad de que la campaña haya sido coordinada.
Pero analizar los datos es el primer paso para poder sacar conclusiones basadas en evidencia y solamente en vibras.
El estado actual de la evidencia
La sospecha existe pero la confirmación se nos escapa de las manos
Cuarto: Francia.
Cuarto: Conclusiones
Algunas muy rápidas conclusiones sobre el tema con el pequeño análisis que pudimos hacer.
De que estamos seguros
La composición del equipo argentino no es un proxy válido de racismo sistémico. Según los datos oficiales, el 0,66% de la población es afrodescendiente. La expectativa estadística sin ningún sesgo es cero jugadores en un plantel de 26.
Los países con mayor desigualdad racial documentada en América Latina son Brasil, Colombia y Uruguay, según CEPAL/UNFPA. No Argentina. Esta vez no nos tocó la coronación de gloria.
Los algoritmos de redes sociales recompensan la indignación con visibilidad, independientemente de la veracidad del contenido. Hay evidencia experimental directa de esto (Brady et al., Science Advances, 2021; Piccardi et al., Science, 2025).
Lo que provoca sospechas
Los patrones de viralización mostraron anomalías respecto al comportamiento orgánico esperado. Es consistente con un movimiento coordinado pero lamentablemente no es prueba explícita.
Hay incentivos económicos claros para producir rage bait anti-Argentina sin necesidad de coordinación central. El modelo funciona igual de bien sin que haya nadie orquestando.
Argentina tiene un déficit estructural de datos sobre discriminación racial agravado por la disolución del INADI. El problema del racismo existe con las particularidades propias de la región pero no está bien medido.
La existencia de una campaña coordinada con financiamiento externo es plausible y está alegada, pero no verificada.
La participación de granjas de bots dirigidas específicamente a Argentina no tiene evidencia pública directa.
Lo que no sabemos
¿Quién inició las narrativas principales y cuándo exactamente?
¿La velocidad de viralización es estadísticamente significativa comparada con otras controversias similares?
¿Qué pasó con la actividad de las cuentas más influyentes post-mundial?
Estas preguntas tienen respuesta en datos que no tenemos porque son cerrados a las plataformas.
Tres preguntas que nos podemos hacer
La próxima vez que una acusación masiva circule sobre un país, un grupo, o una figura pública, antes de compartirlo o refutarlo:
¿El proxy es válido? ¿La evidencia que se usa como indicador realmente mide lo que dice medir, o tiene explicaciones alternativas que lo desvinculan del fenómeno?
¿Cuál es la tasa base? ¿Qué esperaríamos observar si no hubiera ningún efecto? Sin eso, cualquier número puede parecer significativo o insignificante según convenga.
¿A qué nivel de confianza estamos? ¿Qué está confirmado, qué está sugerido, qué es pura y llanamente fuente comic sans?
El algoritmo no hace estas preguntas. Optimiza para la reacción. Tenemos que ser más inteligentes y no caer en la muchas veces bien intencionada discusión que intenta educar. Mucha gente no se quiere educar, solo indignarse.
A nivel personal solo puedo decir que mi país es hermoso y diverso. Que tiene un montón de problemas y grietas sociales que a veces parecen imposibles de cerrar. Pero vos vas a cualquier hospital, cualquier ente público, cualquier organización educativa y realmente te encontrás con gente de todo tipo. No sé cuántos pedazos de la tierra se pueden jactar de lo mismo.
Ojalá le empecemos a dar más amor a nuestra recolección de datos. Es nuestra mejor fuente para defender lo nuestro. Pero que identificarnos no nos haga perder la unidad y el orgullo de ser argentinos.
Espero que hayas disfrutado el artículo de hoy. Te cuento que este newsletter se sostiene de la gente que lo lee. Si querés recibir los próximos textos y bancar este trabajo, podés suscribirte gratis o pasar a una suscripción paga.
Si te gustó lo que leíste y todavía no sos parte de la familia de Sin Códigos:
Y si realmente te gustó
☕ Regalame un Cafecito
💌 Compartilo
Fuentes principales utilizadas en esta edición: INDEC, Censo Nacional de Población 2022 — Población afrodescendiente; CEPAL/UNFPA, “Afrodescendientes y la matriz de la desigualdad social en América Latina” (2021); INADI, Mapa Nacional de la Discriminación (2019); Chequeado, análisis de legislación y estadísticas de discriminación racial en Argentina (2026); EDMO, reporte sobre patrones de viralización; FIFA SMPS, informe 2026; Brady, W.J. et al. “How social learning amplifies moral outrage expression in online social networks”, Science Advances (2021); Piccardi, T. et al. “Reranking partisan animosity in algorithmic social media feeds alters affective polarization”, Science (2025); Fortinet / Intel 471, evaluaciones de ciberseguridad del Mundial 2026.