Detección algorítmica de PsyOps en redes sociales (X, antes Twitter), lo que interesa no es tanto el contenido individual, sino los patrones de difusión, sincronía y semántica coordinada.

Fórmula base que combina métricas de sincronización, homogeneidad discursiva y anomalía semántica:

Fórmula conceptual

$$\text{Índice\_PsyOp}(t) \;=\; \alpha \cdot S(t) \;+\; \beta \cdot H(t) \;+\; \gamma \cdot A(t)$$

donde:

• $S(t)$: Sincronización temporal
  Mide la simultaneidad de publicaciones sobre un mismo tema en un intervalo corto.

  $$S(t) = \frac{N_{\Delta t}}{N_{tot}}$$

  con $N_{\Delta t}$ = nº de posts sobre el tema en un intervalo reducido ($\Delta t$) y $N_{tot}$ = nº total de posts en la muestra.

• $H(t)$: Homogeneidad semántica
  Mide qué tanto se parecen los mensajes entre sí (misma narrativa, mismas frases, hashtags idénticos). Se puede calcular como:

  $$H(t) = \frac{1}{n^2} \sum_{i,j} \cos(\vec{v_i}, \vec{v_j})$$

  siendo $\cos$ la similitud coseno entre embeddings de lenguaje $\vec{v}$.

• $A(t)$: Anomalía narrativa
  Detecta desvío respecto a la cobertura normal del tema en el histórico. Por ejemplo, si un país aparece de golpe asociado a un problema (fentanilo, Maduro, etc.) sin correlación previa.

  $$A(t) = \frac{|f_{actual}(k) - f_{hist}(k)|}{\sigma_{hist}(k)}$$

  con $f_{actual}(k)$ = frecuencia actual de mención de entidad $k$, $f_{hist}(k)$ = media histórica, y $\sigma_{hist}(k)$ = desviación típica.

Interpretación práctica

• Si S(t) es alto → hay coordinación temporal (bots o influencers activados en bloque).

• Si H(t) es alto → hay uniformidad narrativa (copy-paste, talking points centralizados).

• Si A(t) es alto → el tema aparece de forma anómala, sin base orgánica histórica.

Un Índice_PsyOp alto (superando un umbral $θ$) sería una señal de operación psicológica coordinada.

Caso concreto

• En X, de repente múltiples cuentas influyentes publican al mismo tiempo sobre Maduro + cartel de los soles + fentanilo.

• El algoritmo detectaría:

  • S(t): picos muy simultáneos → indicio de activación.

  • H(t): gran similitud semántica (mismos marcos narrativos → “responsabilidad externa, no Big Pharma”).

  • A(t): narrativa emergente anómala (históricamente, fentanilo se vincula a cadenas farmacéuticas y redes internas, no a Venezuela).

El resultado: un Índice_PsyOp elevado, indicando campaña de atribución externa.

Simulación de un día de actividad en X con una campaña coordinada entre 10:00–11:00 y calcular S (sincronía), H (homogeneidad semántica), A (anomalía) y el Índice_PsyOp por hora, con umbral en el percentil 90.

• En la tabla puedes ver las columnas S, H, A, sus versiones normalizadas (*_n), el PsyOp_Index y la marca Flag cuando supera el umbral.

• El gráfico muestra un pico nítido en la ventana de campaña (≈10–11h), donde el índice cruza el umbral.

🔎 Fórmula para detectar PsyOps en X:

Índice_PsyOp = α·S + β·H + γ·A

✔ S = Sincronía temporal

✔ H = Homogeneidad narrativa

✔ A = Anomalía semántica

Si el índice > θ ⇒ 🚩 posible campaña coordinada