2 Sanchez Quienes Tuitean

Estudios Demográficos y Urbanos
vol. 38, núm. 1 (112), enero-abril, 2023, pp. 55-95

ISSN 0186-7210; e ISSN 2448-6515; http://dx.doi.org/10.24201/edu.v38i1.2104
Artículos
¿Quiénes tuitean? Perfil sociodemográfico de los usuarios

de Twitter en México y en la Zona Metropolitana
de la Ciudad de México, 2018
Who tweets? Sociodemographic profile of Twitter users

in Mexico and the Mexico City Metropolitan Zone in 2018
Alejandro Sánchez-Zárate*
Resumen
Twitter ha cobrado relevancia recientemente por su papel de fuente
de información para la vida pública, académica y social en general;
sin embargo, poco se sabe sobre el perfil de sus usuarios. Por lo an-
terior, este trabajo tiene como objetivo identificar el perfil sociode-
mográfico de usuarios de Twitter en dos escalas geográficas: nacio-
nal y Zona Metropolitana de la Ciudad de México. Para ello, se
utiliza la ENDUTIH 2018, de donde se obtiene las características
sociodemográficas, y se modela por medio de un método binomial de
efectos mixtos. Como principales resultados se identifican congruen-
cias con lo reportado en la literatura especializada, así como algu-
* ONU-Hábitat México. Dirección: Montes Urales 440, Lomas de Chapulte-

pec, Ciudad de México, 11000, México. Correo: [email protected] ORCID:
https://orcid.org/0000-0001-7801-4419.
Nota del autor: El presente artículo es resultado de la tesis doctoral titulada
Gentrificación digitalmente aumentada. Twitter como herramienta de diferencia-
ción del espacio urbano en la Ciudad de México, presentada para obtener el grado
de doctor en Estudios Urbanos, por El Colegio de México, A.C., estudios que fueron
auspiciados por el Consejo Nacional de Ciencia y Tecnología (Conacyt). Agradezco
a la doctora Landy Sánchez Peña por su apoyo y dirección.
D.R. © 2023. Estudios Demográficos y Urbanos
Licencia Creative Commons Atribución-NoComercial-Sin Derivar (CC BY-NC-ND) 4.0 Internacional
56 SÁNCHEZ-ZÁRATE
nas particularidades. Por un lado, la sobrerrepresentación de deter-

minados grupos poblacionales, tales como personas jóvenes, con
escolaridad media superior o superior, y el efecto positivo de contar
con mayor cantidad de dispositivos para ser usuario de Twitter. Por
otro lado, en entornos urbanos se identifica que disminuyen los efec-
tos negativos sobre la probabilidad de ser usuario de Twitter en de-
terminados grupos poblacionales, por ejemplo, en la gente mayor.
Adicionalmente, se encuentran características con efecto ubicuo en
los entornos analizados para ser usuario de esa plataforma.
Palabras clave: desigualdad digital, Twitter, brecha digital, re-
des sociales, Twitter y ciudad.
Abstract
Recently, Twitter has become a relevant media of information for
public life, academia and general people. However, there is a gap in
the knowledge about the Twitter user profile. Therefore, the target of
this paper is to identify the sociodemographic profile of Twitter users
on two geographic scales: at Metropolitan Zone of Mexico City and
national. For this, the ENDUTIH 2018 survey is utilized, from which
are retrieved sociodemographic characteristics, and it is implement-
ed a mixed effected logit model over data. The main results are sim-
ilar to those reported in international literature over the subject. At
the same time, some findings are particular for the Mexican context.
On one side, it has been found an over-representation of young, mid-
dle and high education people and the positive effect of number of
digital devices and probability of Twitter use. On the other hand, on
a metropolitan context, it has been found that decreases the negative
effects of certain demographic characteristics on probability of Twit-
ter use, e.g., elderly people. Additionally, it has been identified some
pervasive gap on both analyzed geographic scales.
Keywords: digital inequality, Twitter, digital divide, social ne-
tworks Sites, Twitter and city.
Estudios Demográficos y Urbanos, vol. 38, núm. 1 (112), enero-abril, 2023, pp. 55-95
http://dx.doi.org/10.24201/edu.v38i1.2104
¿QUIÉNES TUITEAN? 57
Introducción
Twitter es una de las plataformas de redes sociodigitales (PRS) que

más importancia ha adquirido en los últimos años. Esta plataforma
ha llegado a tener 300 millones de usuarios activos mensualmente
alrededor del mundo (Omnicore, 2020). Aunque se conocen algunos
indicios del perfil del usuario de esta PRS, poco se habla de las per-
sonas que no han logrado ser usuarias. Simultáneamente, Twitter se
ha convertido en una fuente de información para medios, políticos,
académicos y la sociedad en general (Murthy, 2018). A pesar de la
importancia que esta PRS implica, poco se ha analizado a nivel inter-
nacional y, particularmente en países latinoamericanos, sobre el per-
fil sociodemográfico y geográfico de sus usuarios.
En este sentido, el presente trabajo se inserta en una discusión
nacional e internacional sobre la preocupación de conocer quiénes
emiten en Twitter. De manera general, se tienen dos vertientes de tra-
bajos que se han preocupado por identificar el perfil sociodemográfi-
co de sus usuarios. Por un lado, se tienen las aproximaciones que
hacen uso de algoritmos para estimar de forma indirecta dicho perfil
por medio de la cosecha y depuración de tuits (Sloan et al., 2015;
Sloan y Morgan, 2015). Sin embargo, este tipo de trabajos sólo se
enfocan en personas que ya usan tal plataforma. Por el otro lado,
se tienen estudios que se han preocupado por identificar los perfiles
tanto de usuarios como de no usuarios de dicha red (Blank, 2016; Di-
Maggio y Hargittai, 2001; Hargittai y Litt, 2012; Wojcik y Hughes,
2019). Éstos dan cuenta de algunos sesgos sociodemográficos de los
usuarios de Twitter y de los posibles riesgos al tomar la información
de esta red como representativa del conjunto de la población.
Del mismo modo, los análisis se han centrado poco en las des-
igualdades digitales y su relación con la dimensión geográfica de este
fenómeno. En este campo sólo se ha trabajado la disparidad en el ac-
ceso y uso de Internet y plataformas digitales en el terreno de la bre-
cha rural-urbana (Gilbert y Masucci, 2020; Nishida et al., 2014). Sin
embargo, se ha estudiado escasamente el tema de las desigualdades
digitales en el entorno urbano, ya que se considera que ese espacio
es, por excelencia, menos desigual en el ámbito digital. Aunque esta
premisa debe ser cuestionada y analizada de manera más puntual, so-
58 SÁNCHEZ-ZÁRATE
bre todo en espacios altamente urbanizados y con infraestructura en

telecomunicaciones, como la Zona Metropolitana de la Ciudad de
México (ZMCM).
Con esto en mente, el objetivo del presente trabajo es conocer el
perfil sociodemográfico del usuario de Twitter en la escala nacional
y en la ZMCM. Para ello, el artículo se divide en cinco apartados. En
la primera sección se desarrolla el marco teórico que sustenta el es-
tudio del perfil sociodemográfico del usuario de Twitter, así como el
estado del conocimiento de la literatura internacional sobre la temá-
tica. Adicionalmente, se enmarca la brecha en el conocimiento de la
reflexión espacial sobre los diferentes niveles de las desigualdades
digitales. En el segundo apartado se explica la estrategia metodológi-
ca para el análisis de Twitter en dos escalas diferentes, la nacional y
en la ZMCM; de igual manera, se expone la fuente de información,
que es la Encuesta Nacional de Disponibilidad y Uso de Tecnologías
de la Información en Hogares (ENDUTIH) 2018 y, finalmente, la he-
rramienta estadística para analizar el perfil de uso de Twitter. En el
tercer apartado se muestran los principales resultados descriptivos y
del modelo de efectos mixtos sobre el perfil del usuario de Twitter.
En la cuarta sección se presenta una discusión de los resultados obte-
nidos en el estudio empírico y su aportación a la literatura internacio-
nal en el tema. Por último, se desarrolla un apartado de consideracio-
nes finales y algunos apuntes para la agenda futura en la investigación
sobre las desigualdades digitales en entornos urbanos.
Antecedentes teóricos sobre el perfil del usuario de Twitter
La preocupación por las desigualdades digitales como nueva dimen-

sión de las inequidades sociales es un campo de creciente interés
para la academia y la política pública. Estas desigualdades son im-
portantes, por un lado, por la noción tecnodeterminística de la tecno-
logía como vector de desarrollo económico y social (Epstein et al.,
2011; Kuttan y Peters, 2003). Por otro lado, por la importancia que
han adquirido las habilidades y herramientas digitales en una situa-
ción de crisis económica y sanitaria a nivel mundial asociada con el
covid-19 (Beaunoyer et al., 2020; Ramsetty y Adams, 2020). En este
contexto, es importante realizar acercamientos empíricos sobre los

estudios de los diferentes niveles de las desigualdades digitales para
entender los mecanismos de interacción con las inequidades sociales
preexistentes.
En este sentido, la reflexión contemporánea sobre las desigual-
dades digitales incorpora diferentes niveles al respecto. En primera
instancia, se reconoce el nivel de la disponibilidad o no de acceso a
Internet. En este punto, se han enfatizado elementos sociodemográfi-
cos como el ingreso, el sexo, la edad o el nivel de escolaridad como
covariantes en el acceso a Internet (Alva de la Selva, 2015; Kuttan y
Peters, 2003; Mariscal, 2005). Aunque la gran mayoría de los traba-
jos se han enfocado en los determinantes sociodemográficos, tam-
bién se ha indagado sobre aquéllos motivacionales o de capacidades
que interactúan con los primeros (J. Castaño et al., 2012; Hilbert,
2010; van Dijk, 2005, 2012; van Dijk y van Deursen, 2014).
En este mismo orden de ideas, la investigación sobre las des-
igualdades digitales ha incorporado otros elementos dentro de los
diferentes niveles de la cuestión digital. Una primera dimensión es la
calidad en el acceso a Internet o a las tecnologías de información y
comunicación (TIC). Al respecto, se ha puesto de manifiesto que no
es suficiente con el simple hecho de acceder a las tecnologías, sino la
calidad y disponibilidad de éstas (Friemel, 2014; Hilbert, 2010).
Ejemplos de este aspecto son la dotación diferenciada de ancho de
banda, las restricciones de acceso a determinados contenidos en per-
sonas que sólo pueden acceder en lugares públicos, trabajos o escue-
las, o bien, las capacidades que las personas enfrentan ante las tecno-
logías. De esta manera, las dimensiones individuales se imbrican con
los determinantes socioestructurales para el análisis de las desigual-
dades digitales (Toudert, 2016).
Aunado a la multidimensionalidad de las desigualdades digitales
a nivel individual, de infraestructura o estructural, también se ha he-
cho énfasis en la inequidad territorial de lo digital. En este punto, la
dimensión espacial ha sido poco explorada en sus diferentes escalas
geográficas y niveles de acceso. De esta manera, se encuentra una
fuerte asociación entre el nivel de acceso a Internet y el grado de de-
sarrollo económico de las naciones. Por ejemplo, países como Qatar,
Kuwait, Islandia, Emiratos Árabes o Dinamarca cuentan con más de
60 SÁNCHEZ-ZÁRATE
97% de su población con acceso a Internet. En contraparte, naciones

como Indonesia, Haití, San Vicente y las Granadinas, Zambia y Ni-
geria tienen menos de 40% de población internauta, llegando a ser
sólo de 5% en el último país (ITU, 2018).
En cuanto a la aproximación a escalas subnacionales de las des-
igualdades digitales, se tiene la brecha urbano-rural en el acceso a
Internet. En este punto, se ha encontrado que los entornos urbanos
tienen mayor nivel de penetración y uso cotidiano de Internet en
comparación con los entornos rurales (Hindman, 2000; Nishida et
al., 2014; Pick y Sarkar, 2016; Toudert, 2019). Así mismo, también
se ha explorado la diferencia en la dimensión interurbana (Hindman,
2000; Sánchez-Zarate y Angoa, 2019; Toudert, 2015).
Esta desigualdad territorial de lo digital no sólo se sustenta en la
relación entre desarrollo económico y brecha digital, sino que apunta
a toda una base material de infraestructura, como disponibilidad de
fibra óptica, antenas de telefonía móvil, o incluso electricidad
(S. Graham y Marvin, 2001). También se sustenta en un modo de
vida urbano que se ha visto trastocado por la digitalización de la vida
cotidiana. Ejemplos de esto son la implementación de diferentes dis-
positivos digitales en el transporte público, la hipervigilancia de cá-
maras de seguridad, o el uso de diferentes aplicaciones de Internet
para generar encuentros o consumo en el espacio urbano (Kitchin y
Perng, 2016; Luque-Ayala, 2019).
Por último, la dimensión territorial de las desigualdades digitales
ha avanzado en la identificación de patrones geográficos de ciertos
usos de Internet. En este punto, se ha identificado un protagonismo de
los países europeos, norteamericanos y asiáticos en plataformas como
Wikipedia, Twitter, Facebook, Instagram o Foursquare (M. Graham,
2014; M. Graham et al., 2013). Al respecto, este nivel de la desigual-
dad digital territorial trasciende el simple hecho de acceso o no a las
plataformas, pues implica una sobrerrepresentación de ideales, cultu-
ra y valores de los países con mayores publicaciones en el ciberespa-
cio. En contraparte, zonas geográficas poco presentes en estas plata-
formas son opacadas o invisibilizadas (Crampton et al., 2013).
Aunado a la dimensión territorial de las inequidades digitales, se
tiene el nivel de desigualdad en torno a las PRS, ya que este tipo de
plataformas se han convertido en uno de los más usados dentro del
dominio de Internet, sólo después de los de entretenimiento (INEGI,

2018). De esta manera, se ha indagado poco sobre el perfil sociode-
mográfico de las personas que utilizan estos sitios. En general, se ha
encontrado que éstos son usados por personas jóvenes, de estratos
medios y altos con habilidades básicas de navegación en Internet
(Blank, 2016; Hargittai, 2010; Hargittai y Litt, 2012; Lorenzo-Ro-
mero y Alarcón-del-Amo, 2012). Sin embargo, no todas las PRS son
homogéneas en cuanto a su objetivo, contenido, configuración de
participación o conformación de redes. En este sentido, vale la pena
realizar estudios específicos sobre cada PRS, sus alcances y posibles
sesgos, tanto para la investigación como para la vida pública.
En este contexto, Twitter se ha convertido en una de las PRS más
analizadas desde la academia y es la más utilizada por los analistas
políticos. Dicha tendencia parte de la configuración propia de la pla-
taforma y del papel activo que Twitter fungió en la conformación de
movimientos sociales a principios de la década de 2010, tales como
la Primavera Árabe, Occupy Wall Street o #YoSoy132 (AlSayyad y
Guvenc, 2015; Castells, 2012; Pérez-Zúñiga et al., 2014). Aunado a
lo anterior, esta PRS es vista como una herramienta del nuevo perio-
dismo a nivel mundial, esto debido a la rapidez con la cual circulan
los reportes de usuarios de Twitter en todo el mundo.
Dada la relevancia de esta red en la vida pública y política en el
imaginario colectivo, algunos autores le han atribuido el rol de la
nueva esfera pública (Liu y Weber, 2014; Yang et al., 2016). Esta co-
rriente de trabajos se ha enfocado en las ventajas que Twitter ofrece
como plataforma para la opinión abierta de ideas, sin restricciones
políticas, y de discusión de ejes políticos sin algún interés predeter-
minado, más que el interés de los usuarios. Sin embargo, poco se
sabe sobre el perfil de los usuarios de Twitter y sus dimensiones so-
ciodemográficas asociadas (Blank, 2016; Hargittai, 2010).
La identificación del perfil del usuario de Twitter es un campo
poco explorado en la literatura internacional y en el caso mexicano.
Las investigaciones al respecto se pueden dividir en dos grandes
aproximaciones (Blank, 2016). En primera instancia, se identifican
los estudios que, por medio de algoritmos de grandes datos, anali-
zan los perfiles de usuarios de Twitter. Esta vertiente ha logrado iden-
tificar que los usuarios tienden a ser personas profesionistas, vincu-
62 SÁNCHEZ-ZÁRATE
ladas a trabajos de oficina o artísticos, así como que existe una

sobrerrepresentación de personas entre 20 y 40 años que publican en
entornos urbanos (Sloan et al., 2015; Sloan y Morgan, 2015; Takhte-
yev et al., 2012).
Aunque estos esfuerzos arrojan luz sobre el perfil de los usua-
rios, se enfocan a estudiar a las personas que activamente publican en
Twitter. Así, se ha dejado de lado a quienes no son usuarios de dicha
PRS, lo que constituye una desventaja, pues el perfil de los no usua-
rios también arroja luz sobre las desigualdades sociales asociadas a
las digitales.
Con respecto a esto, el segundo grupo de estudios sobre el perfil
de usuarios de Twitter amplía el panorama y se concentra en un paso
previo al uso de la plataforma. Es decir, se han preocupado por iden-
tificar los perfiles de usuario y no usuario con el fin de resaltar las des-
igualdades digitales que las personas tienen que superar para llegar a
participar en Twitter. En este cuerpo de la literatura se ha encontrado
que, si bien los usuarios finales concuerdan con los hallazgos hechos
por el primer grupo de literatura, el perfil de los no usuarios está fuer-
temente asociado con dimensiones sociales estructurales, tales como
el sexo, el ingreso, la escolaridad o el propio acceso a Internet (Hargit-
tai y Litt, 2012; Wojcik y Hughes, 2019). O bien, el uso de esta PRS
se encuentra vinculado a las habilidades digitales de las personas y a
su interés por los personajes de la vida pública que emiten contenido
en Twitter (Hargittai, 2010; Hargittai y Litt, 2011). En este sentido,
esta vertiente de estudios abre la discusión sobre la importancia del
enfoque de las desigualdades digitales y sociales como factores que
ayudan a entender el uso de Twitter entre las personas.
Otro punto a resaltar es la importancia de Twitter para la investi-
gación académica y la sociedad en general. A raíz de la crisis asocia-
da a la pandemia del covid-19, se ha hecho patente la importancia del
acceso a Internet y de las consecuencias de la utilización de las PRS.
Desde la posición académica en ciencias sociales o ciencia de datos,
Twitter ha sido una de las principales fuentes de información bajo el
paradigma de los grandes datos. Sin embargo, como menciona Blank
(2016), el sesgo sociodemográfico de los usuarios de Twitter puede
conducir a conclusiones sesgadas, ya que éstos no son una muestra
representativa de la población, debido a que sus usuarios pertenecen
a grupos caracterizados como de estrato alto en Reino Unido y Esta-

dos Unidos. Ello puede llevar a conclusiones erróneas para los cien-
tíficos sociales al realizar inferencias partiendo de los datos recaba-
dos de Twitter.
Por otro lado, conocer el perfil sociodemográfico de los usuarios
de Twitter abona al debate público sobre el rol de las grandes corpo-
raciones de estos sitios en las libertades de expresión, derechos hu-
manos y vida política de todas las sociedades. Así lo ha demostrado
el papel que han jugado estas plataformas antes de la llamada infode-
mia o la cancelación de cuentas de mandatarios a nivel mundial.
Materiales y métodos
El estudio de los perfiles sociodemográficos de los usuarios de Twit-

ter en México y en la Zona Metropolitana de la Ciudad de México
(ZMCM) se realiza empíricamente con base en tres elementos funda-
mentales. El primero de ellos es la estrategia metodológica para
aproximarse al perfil del usuario de Twitter. En segunda instancia,
está la fuente de información y las variables a considerar para el es-
tudio. En tercer lugar, el modelo de regresión binomial con efectos
mixtos.
En primera instancia, se propone aproximar las desigualdades
digitales en el uso de Twitter mediante el concepto de triple selecti-
vidad. Esto quiere decir que, para que una persona pueda llegar a ser
usuaria de Twitter, es necesario que sea usuaria de Internet. Los estu-
dios que se han enfocado a analizar el perfil de usuarios de Twitter
generalmente omiten a las personas que no pueden acceder al primer
nivel de la dimensión digital, en este caso el acceso a Internet. Este
primer nivel de selectividad adquiere relevancia dado el grado de pe-
netración de Internet en la población mexicana.
El segundo nivel de selectividad se enfoca en el rango de des-
igualdad digital en cuanto al uso cotidiano de alguna PRS. Éste se
recupera en aquellas personas que son usuarias de Internet que pue-
den ser o no usuarias de alguna plataforma de redes sociales, lo cual
adquiere relevancia debido a que uno de los principales usos dentro
de Internet son las PRS.
64 SÁNCHEZ-ZÁRATE
El tercer nivel de selectividad parte del subconjunto de aquellas

personas que son internautas y que usan alguna PRS, pero que pue-
den usar o no Twitter. Con este nivel se pone énfasis en la multidi-
mensionalidad de la desigualdad digital dentro de Internet y de sus
múltiples niveles de uso. El Esquema 1 muestra los tres niveles de
selectividad en el uso de Twitter. En éste se expresa la forma en que
se concibe a los usuarios de Twitter como un subconjunto particular
dentro de los internautas y de los usuarios de PRS.
La fuente de información sobre el uso y disponibilidad de las
TIC en México es la Encuesta Nacional de Disponibilidad y Uso de
Tecnologías de Información en los Hogares (ENDUTIH), que realiza
anualmente el Instituto Nacional de Estadística y Geografía (INEGI).
Esta encuesta tiene como objetivo central generar información esta-
dística sobre la disponibilidad y uso de las TIC en los hogares y por
los individuos de seis años y más (INEGI, 2018).
De manera particular, se ha elegido la ENDUTIH 2018 debido a
que fue el último año en el cual su diseño estadístico permite analizar
los resultados tanto para hogares como para personas en escalas me-
tropolitanas. Es decir, la ENDUTIH 2018 permite obtener resultados
estadísticamente significativos para la escala nacional y para la
ZMCM.
Esquema 1
Triple selectividad para uso de Twitter
Población total
Primer nivel
(población usuaria
de Internet)
Segundo nivel
(población usuaria
Tercer nivel de alguna PRS)
(población usuaria
de Twitter)
Fuente: Elaboración propia.
Una fortaleza metodológica de la ENDUTIH 2018 es la captura

de la experiencia de uso de las TIC directamente de la persona seleccio-
nada, lo que evita, en cierta medida, el sesgo en la información provo-
cada por el informante clave del hogar (INEGI, 2018). Así mismo, la
ENDUTIH, al recuperar las dimensiones sociodemográficas y de vi-
vienda de las personas, permite investigar el entorno inmediato, tanto
de usuarios como de no usuarios (Toudert, 2018). Lo anterior, con base
en los conceptos del apartado teórico sobre los factores sociodemográ-
ficos estructurales e individuales asociados al uso o no de Internet y de
plataformas dentro de este último. En el Cuadro 1 se enlistan las varia-
bles sociodemográficas utilizadas para indagar sobre el perfil de uso
El Cuadro 1 describe la conformación de usuarios de Twitter
como principal objetivo del modelo. Adicionalmente, identifica la
conformación de los dos niveles previos para el uso de Twitter, espe-
cíficamente el grado de acceso a Internet y de usuario de alguna PRS.
Finalmente, se describen las covariantes del modelo.
Con respecto a las covariantes del hogar, se refieren las condicio-
nes del entorno que pueden llegar a explicar el uso o no de los dife-
rentes niveles de la dimensión digital. En particular, el estrato socioe-
conómico (x1) trata de capturar la relación ampliamente estudiada
empíricamente entre la condición económica de las personas y las
desigualdades digitales (Barrantes, 2009; Serrano-Cinca et al., 2018).
En términos empíricos, se ha decidido utilizar el estrato socioeconó-
mico por dos razones. Primero, porque la dimensión de ingresos no es
capturada por la ENDUTIH; segundo, porque, a decir de Echarri Cá-
novas (2008), la aproximación de estrato socioeconómico es más es-
table en comparación con los ingresos monetarios corrientes.
En cuanto a la variable de disponibilidad en el hogar de acceso a
Internet, se enfoca en capturar la independencia de las personas para
su acceso. En este punto, el acceso a Internet en el hogar puede in-
fluir positivamente en su uso y en el desarrollo de habilidades digita-
les (Barreiro-Gen y Novo-Corti, 2015). Así, el acceso en el hogar se
recupera como un lugar de mayor independencia y de impacto posi-
tivo para el uso de Internet.
Por su parte, las variables individuales consideran las principales
dimensiones que han sido exploradas en los estudios de las desigual-
dades digitales: el sexo (x3), la edad (x4) y la escolaridad acumulada
66 SÁNCHEZ-ZÁRATE
Cuadro 1
Variables de inclusión en los modelos estadísticos
Código Variables Tipo Descripción
Dependientes
y1 Usuarios de Twitter Dicotómica 0 - No usa
1 - Sí usa
Independientes
Características hogar
x1 Estrato Categórica 1 - Muy bajo
socioeconómico 2 - Bajo
3 - Medio
4 - Alto
x2 Disponibilidad de Dicotómica 0 - No dispone
Internet en el hogar 1- Sí dispone
Características individuales
x3 Sexo Categórica 0 - Hombre
1 - Mujer
x4 Edad Categórica 1 - 6 a 14 años
2 - 15 a 24 años
3 - 25 a 34 años
4 - 35 a 44 años
5 - 45 a 54 años
6- 55 a 64 años
7 - 65 años y más
x5 Escolaridad Categórica 1 - 0 a 6 años (primaria)
acumulada 2- 7 a 9 años (secundaria)
3 - 10 a 12 años (media sup.)
4 - 12 y más (superior)
x6 Núm. de dispositivos Continua 1 a 6 dispositivos
x7 Gasto mensual en Continua
telefonía móvil (log.)
Niveles
u1 Usuarios de Internet 1 - No usa
2 - Sí usa
u2 Usuarios de PRS 1- No usa
2 - Sí usa
Fuente: Elaboración propia con base en ENDUTIH 2018, INEGI.
(x5). El número de dispositivos (x6) y el gasto mensual en telefonía

móvil en escala logarítmica (x7) se incluyen debido a la naturaleza
de inmediatez en el uso de las PRS, particularmente de Twitter.
Ya que el diseño de la metodología responde a diferentes niveles
en el uso de Internet, partiendo del acceso a éste, pasando por hacer
uso de las PRS, y finalmente ser usuario de Twitter, se ha elegido el
modelo logístico de efectos mixtos, el cual recupera la variabilidad
de elección binaria dados los niveles previos de agrupamiento supe-
riores (Agresti, 2002; Ugwu y Zewotir, 2018). Este método estadís-
tico ha sido ampliamente utilizado en áreas de medicina o psiquia-
tría; sin embargo, se tienen algunos ejercicios de identificación de
perfiles sociodemográficos en algunas dimensiones de lo digital,
como el ciber-bullying (Fletcher et al., 2014).
De manera formal, el modelo probit binomial de efectos mixtos
se expresa de la siguiente manera:
[1]
En la Ecuación 1, sea yik la respuesta binaria de la i-ésima persona

dentro del nivel de agrupamiento previo k, que refiere al uso de PRS,
y éstas, a su vez, al agrupamiento c de uso de Internet, se tiene que
pikc = P(yikc = 1) denota la probabilidad de que la persona i sea usuaria
de Twitter dado que pertenece al agrupamiento de usuarias de PRS e
Internet previamente. Adicionalmente, x representa el vector de
covariantes del modelo, los cuales son interpretados como los efectos
fijos sobre la probabilidad de ser usuario de Twitter; β representa el
vector de coeficientes lineales estimados del modelo; z, por su parte,
representa los efectos aleatorios asociados a los dos niveles previos
de uso de Internet y uso de PRS.
Este modelo se realiza tanto para el nivel nacional como para la
ZMCM con el objetivo de comparar cuál es la variación en las
probabilidades entre la escala nacional y la metropolitana, bajo la
hipótesis de que en el entorno metropolitano se tiene mayor
probabilidad de ser usuario dadas las características demográficas,
así como los diferentes niveles de acceso. Al mismo tiempo, dentro
del modelo de efectos mixtos, se ha optado por un modelo de
68 SÁNCHEZ-ZÁRATE
coeficientes aleatorios en las pendientes para los niveles de Internet

y uso de PRS y, finalmente, la pendiente aleatoria de la variable de
estrato socioeconómico en el agrupamiento de uso de Internet.
Resultados
Los principales resultados se dividen en dos vertientes. Por un lado,

los resultados descriptivos de cada uno de los niveles de selectividad
para el uso de Twitter en relación con las variables explicativas des-
agregadas a nivel nacional y de la ZMCM con el fin de comparar el
comportamiento en ambas escalas territoriales. La segunda vertiente
se centra en la presentación de los resultados de los modelos de efec-
tos mixtos para el nivel nacional y la ZMCM.
En el Cuadro 2 se presentan los totales muestrales y poblacionales
de cada nivel de selectividad digital.1 En el primer nivel se considera
el total de la población de seis años y más, tanto en el entorno nacio-
nal como en la ZMCM. Es decir, en el ámbito nacional se represen-
tan por la ENDUTIH alrededor de 113 millones de personas, mien-
tras que en la ZMCM son 18.4 millones.
Enseguida, el universo de personas en el segundo nivel de selec-
tividad lo conforma la población usuaria de Internet. En este caso,
para la totalidad del país, 74.8 millones de personas son usuarias,
mientras que en la Zona Metropolitana son 14.4 millones. Esto, en
términos porcentuales, implica que a nivel nacional 65.7% de las
personas en el país accede a Internet; por su parte, en la ZMCM el
porcentaje asciende a 76.8%. Estos niveles de acceso ponen a Méxi-
co en una situación semejante a la de Paraguay o Marruecos, mien-
tras que el nivel de acceso de la ZMCM se asemeja a realidades
como la de Polonia, Hungría o Croacia (ITU, 2018). En consecuen-
cia, el primer nivel de selectividad da cuenta de la desigualdad digital
en el sentido más clásico, dado que, grosso modo, las personas que
1
La ENDUTIH se basa en un diseño muestral estratificado, el cual permite ob-
tener inferencias a nivel poblacional por medio de factores de expansión. En este
caso se ha utilizado el software estadístico R y la paquetería Survey, la cual se espe-
cializa en analizar muestras complejas para obtener tanto los resultados descriptivos
como el ajuste de los modelos a nivel poblacional (Lumley, 2019; Team, 2020).
Cuadro 2
Tamaño de población muestral y poblacional de la ENDUTIH, según nivel de selectividad
y escala geográfica, 2018
Nacional: 112 185 233
(132 989)
ZMCM: 18 444 711
(4 457)
Usuario No usuario
Nacional: 73 886 767 Nacional : 38 298 466
Primer nivel (80 049) (43 940)
Acceso a internet
ZMCM: 14 207 527 ZMCM: 4 237 184
(3 320) (1 137)
Nacional: 57 499 367 Nacional: 16 387 400

Segundo nivel (70 855) (18 194)
Acceso a SRS ZMCM: 18 444 711
ZMCM: 11 084 792
(2 580) (740)
Usuario No usuario
Nacional: 9 291 197 Nacional: 48 208 170
Tercer nivel (11 252) (59 603)
Acceso a Twitter
ZMCM: 2 377 986 ZMCM: 8 706 806
(579) (2 001)
Nota: Las cantidades entre paréntesis representan el tamaño muestral.

70 SÁNCHEZ-ZÁRATE
no acceden a Internet a nivel nacional son una de cada tres, así como
una de cada cuatro en la ZMCM.
En cuanto al segundo nivel de selectividad, éste se compone por
aquellas personas con acceso a Internet y que usan alguna PRS. En la
escala nacional este número asciende a 57.4 millones de personas, lo
que representa 77.8% de internautas con cuenta de PRS, ya sea Face-
book, Twitter, Instagram, etc. Este comportamiento es muy semejan-
te en la escala metropolitana, ya que 77.9% de los internautas son
usuarios de PRS.
Esta comparación porcentual lleva a pensar que el uso de PRS
es ubicuo en el espacio y que está explicado por su uso generalizado
entre la población internauta. Por su parte, el último nivel de selec-
tividad apunta a las personas que son usuarias de Twitter cuando es-
tán dados los dos niveles previos. En este punto, a nivel nacional se
tiene que 9.3 millones de personas utilizan Twitter en el país, y en la
Zona Metropolitana esta cifra es de 2.4 millones. Para el país, los
usuarios que han superado los dos niveles de selectividad previos
representan 16.1% de las personas que son usuarias de PRS, mien-
tras que en la ZMCM la proporción aumenta a 21.0%. Estas cifras
aportan un primer indicio de la no universalidad del uso de Twitter
y de PRS en México.
Aunque el análisis del uso o no de los diferentes niveles en la di-
mensión digital arroja los primeros indicios sobre las desigualdades
digitales, estas aproximaciones se fortalecen al analizar el perfil so-
ciodemográfico de las personas involucradas en cada nivel de selec-
tividad. En las siguientes gráficas se presenta el porcentaje de usua-
rios y no usuarios en el primer nivel de selectividad en el ámbito
nacional y en la ZMCM.
La Gráfica 1 muestra las distribuciones de usuarios y no usuarios
según categorías sociodemográficas en el país y en la ZMCM. En pri-
mer lugar, destacan aquellas categorías que tienen menor porcentaje de
usuarios en cuanto al ámbito nacional. Según el estrato socioeconómico,
los estratos muy bajo y bajo tienen menor porcentaje de usuarios con
respecto al general. En segundo lugar, hay entre 42.3% a nivel nacional
y 50.6% en la ZMCM de personas que no disponen de Internet en el ho-
gar, pero son usuarios de Internet, lo cual los coloca por debajo del
promedio general. En términos de la edad de las personas, se muestra
Gráfica 1
Porcentaje de usuarios y no usuarios de Internet según categoría sociodemográfica
a nivel nacional y ZMCM, 2018
Superior y más 97.83
Nivel de Media superior 94.66

escolaridad Secundaria 88.64
Primaria 51v65
65 y más años 10.68

Nacional Usuario
55-64 años 39.83
58.15
45-54 años 58.15 Nacional No usuario
Edad 35-44 años 69.93
25-34 años 82.08

15-24 años 90.02
6-14 años 66.49
Mujer 64.5
Sexo
Hombre 67.37
Disponibilidad No dispone 42.29
en el hogar Si dispone 84.76
Alto 85.56
Estrato Medio 83.94
en el hogar
socioeconómico Bajo 66.06
Características
Muy bajo 34.17
DD general 65.86
0 10 20 30 40 50 60 70 80 90 100
(continúa)
Gráfica 1
(concluye)

Primaria 61.93
55-64 años 53.23
45-54 años 74.21

ZMCM Usuario
Edad 35-44 años 84.42
25-34 años 93.94 ZMCM No usuario

15-24 años 95.96
6-14 años 82.73
Mujer 74.17
Sexo
Hombre 80.28
Alto 86.02
Estrato Medio 83.88
en el hogar
Características
Muy bajo 49.65
DD general 77.02
0 10 20 30 40 50 60 70 80 90 100

que en ambos ámbitos geográficos las personas mayores de 45 años

reportan porcentajes menores con respecto al general. La última carac-
terística poblacional es que, tanto a escala nacional como en la ZMCM,
es menor al porcentaje global de las personas que tienen escolaridad de
primaria, de 51.6 y 61.9%, respectivamente. De esta manera, se puede
observar un recrudecimiento del nulo uso de Internet en estratos so-
cioeconómicos bajos, personas mayores, o con baja escolaridad.
En contraste, la comparación entre ambos niveles geográficos
apunta a mayor uso de Internet en la población con características
demográficas que generalmente se consideran desfavorables para el
uso de esta tecnología en la Zona Metropolitana. En este rubro, las
personas de estrato muy bajo en la ZMCM que son usuarias de Inter-
net reportan 15 puntos porcentuales más que el mismo grupo en
la escala nacional: 34.2% de usuarios en el nacional y 49.7% en la
ZMCM. De igual manera, se tiene este comportamiento en el estrato
bajo, pero con 5.6 puntos porcentuales de diferencia. Por el contra-
rio, en los estratos más altos, la diferencia en el porcentaje de uso
entre el país y la Zona Metropolitana es casi inexistente. Con respec-
to al uso según sexo, se muestra que los hombres son más proclives
a ser usuarios con respecto a las mujeres en la ZMCM. En cuanto a
la edad, el único grupo etario donde no se tiene una diferencia por-
centual notable entre ambas escalas es en el de 15 a 24 años. Por úl-
timo, se muestra que en la ZMCM las personas con escolaridad de
primaria acceden 10.2 puntos porcentuales más que el mismo grupo
en el nacional (51.7% nacional y 61.3% en la ZMCM).
La Gráfica 2 muestra el segundo nivel de selectividad digital, es
decir, el porcentaje de usuarios y no usuarios según las características
sociodemográficas de éstos en los dos niveles geográficos de interés.
Esta gráfica muestra que el uso de PRS es, prácticamente, homogéneo
en todos los estratos socioeconómicos, y que su valor es muy seme-
jante al uso general de PRS: alrededor de 78% de los internautas usa
alguna PRS. De igual manera, según el sexo de los usuarios, tanto
hombres como mujeres utilizan de manera semejante las PRS, alrede-
dor de 79% para mujeres y 76% para hombres en el nacional y en la
ZMCM. En términos de los grupos etarios, se observa que las perso-
nas entre 15 y 44 años usan proporcionalmente más PRS en compara-
ción con los grupos poblacionales de 6 a 14 y de 65 y más años.
Gráfica 2
Porcentaje de usuarios y no usuarios de PRS según categoría sociodemográfica
Primaria 67.7
55-64 años 65.83
45-54 años 74.19

Nacional Usuario
Edad 35-44 años 81.83
25-34 años 89.85 Nacional No usuario

15-24 años 94.74
6-14 años 45.22
Mujer 79.04
Sexo
Hombre 76.53
en el hogar Si dispone 79
Alto 79.25
Estrato Medio 81.51
en el hogar
Características
Muy bajo 73.71
DD general 77.82
0 10 20 30 40 50 60 70 80 90 100
(continúa)
Gráfica 2
(concluye)
Superior y más 82,25

82.25
Nivel de Media superior 84,49

84.49
escolaridad Secundaria 87,85
87.85
Primaria 66,52
66.52
65 y más años 44,79

44.79
55-64 años 62,33

62.33
45-54 años 73,56

73.56
ZMCM Usuario
Edad 35-44 años 84,05
84.05
25-34 años 92,16

92.16 ZMCM No usuario
15-24 años 96,16
96.16
6-14 años 44,44
44.44
Mujer 79.24 79.24

Sexo
Hombre 76.74 76.74
Disponibilidad No dispone 74.8874.88
en el hogar Si dispone 78.6478.64
Alto 78,07
78.07
Estrato Medio 80.7 80,7
en el hogar
socioeconómico Bajo 76,67
76.67
Características
Muy bajo 67.4 67,4
DD general 78,02
78.02
0 10 20 30 40 50 60 70 80 90 100

76 SÁNCHEZ-ZÁRATE
En cuanto a las posibles diferencias en el uso de PRS en el en-

torno urbano de la ZMCM con respecto al nacional, éstas son prác-
ticamente inexistentes, ya que para cualquier categoría sociodemo-
gráfica la diferencia en puntos porcentuales entre ambas escalas es
mínima. Por ejemplo, mientras que en el total nacional 73.0% de
las personas en el estrato muy bajo son usuarias de PRS, en la
ZMCM este porcentaje desciende a 67.4%. De esta manera, la dife-
rencia en este grupo de población es de -6.3 puntos porcentuales
entre la ZMCM y el país; además, ésta es la única diferencia remar-
cable entre ambas escalas. Lo anterior lleva a apuntar un primer
hallazgo: el uso de PRS puede no ser sensible al entorno geográfi-
co, siempre que las personas hayan superado la primera barrera de
acceso a Internet.
La Gráfica 3 muestra las proporciones de uso en el tercer nivel de
selectividad, es decir, el uso de Twitter tanto a escala nacional como
metropolitana. Las gráficas muestran que los estratos socioeconómi-
cos medio y alto usan proporcionalmente más esta plataforma en
comparación con el promedio general nacional y de la ZMCM:
19.24% en el estrato medio y 27.1% en el alto para el nivel nacional,
y 23.4 y 32.7% para los mismos estratos en la Zona Metropolitana.
De igual manera, otra característica que sobresale en el uso propor-
cional de Twitter en ambos entornos son los niveles más altos de es-
colaridad.
Comparando las escalas geográficas, las mayores diferencias en
puntos porcentuales entre éstas denotan un perfil sociodemográfico
de alta escolaridad y estrato alto en la ZMCM, donde más de la mitad
de personas con escolaridad superior son usuarias de Twitter, 54.4%;
mientras que en el completo nacional este porcentaje es de 37.5%.
Otra diferencia importante entre la Zona Metropolitana y el país, en
cuanto a los usuarios de Twitter, se presenta en las personas en los
grupos etarios de 25 a 34 años y de 45 a 54 años, ya que en estos gru-
pos la diferencia porcentual entre ambas escalas es de alrededor de
nueve puntos. Adicionalmente, el uso de esta PRS entre las personas
de 25 a 34 es ligeramente superior al promedio general en cada esca-
la, 18.0% en el país y 27.99% en la ZMCM. En lo que respecta al
estrato alto, también se observa una diferencia en puntos porcentua-
les favorable en la ZMCM. Esta aproximación descriptiva apunta
Gráfica 3
Porcentaje de usuarios y no usuarios de Twitter según categoría sociodemográfica
Primaria 9.22
65 y más años 7.69.
55-64 años 9.7
45-54 años 13.42
Edad 35-44 años 14.47
25-34 años 18.25

Nacional Usuario
15-24 años 19.8
Nacional No usuario
6-14 años 10.29
Mujer 13.84
Sexo
Hombre 18.7
No dispone 10.01
Disponibilidad
Alto 27.09
Estrato Medio 19,24
en el hogar
Características
Muy bajo 7.84
DD general 16.16
0 10 20 30 40 50 60 70 80 90 100
(continúa)
Gráfica 3
(concluye)
Primaria 10.52
55-64 años 11.28
45-54 años 22.35

ZMCM Usuario
Edad 35-44 años 19.13
25-34 años 27.99 ZMCM No usuario

15-24 años 23.47
6-14 años 9.97
Mujer 19.02
Sexo
Hombre 24.1
No dispone 11.21
Disponibilidad
Alto 32.68
Estrato Medio 23.48
en el hogar
Características
Muy bajo 7.42
DD general 21.45
0 10 20 30 40 50 60 70 80 90 100

a un perfil determinado de Twitter en la Zona Metropolitana, el cual

se aproxima a personas de estrato alto, con alta escolaridad, y entre
25 y 44 años de edad.
Una vez que se han expuesto las estadísticas descriptivas de cada
una de las variables explicativas asociadas con la desigualdad digital
en México y sus niveles de selectividad, se avanza en la modeliza-
ción de este análisis. Por ello, a continuación se presentan los resul-
tados de los tres modelos propuestos según nivel de selectividad y su
comparación entre las escalas nacional y metropolitana.
En el Cuadro 3 se presentan los resultados de los modelos bino-
miales de efectos mixtos en el nivel nacional y en la ZMCM sobre el
uso de Twitter. Cabe resaltar que esta división se ha hecho para en-
contrar probabilidades diferenciadas del uso de PRS en las dos esca-
las geográficas analizadas. Aunado a esto, se busca encontrar el peso
del uso previo de Internet y de cualquier red social para poder usar
Twitter.
En primera instancia se observa que las variables de los efectos
fijos, en ambos modelos, son todas significativas con excepción de
las asociadas con el estrato socioeconómico. Esto se puede deber a
que gran parte del efecto de esta variable está asociada al efecto alea-
torio dado por el primer nivel de acceso a Internet, como se ha visto
en los resultados descriptivos. Esto quiere decir que, en el tercer ni-
vel de selectividad sobre el uso de Twitter, el estrato socioeconómico
no influye de manera significativa, como sí lo hace en el nivel del
acceso a Internet.
En segunda instancia, algunas variables son considerablemente
más importantes en el entorno de la ZMCM en comparación con el
nacional. Entre ellas se tiene el acceso a Internet en el hogar, ya que
en el contexto nacional la probabilidad de ser usuario aumenta en
16.0%, mientras que en el metropolitano este aumento es de 40%.
Otra característica que ve diferencia entre las escalas analizadas
es la edad de los usuarios. Los resultados muestran que a partir de los
35 años la probabilidad de ser usuario disminuye; sin embargo, esta
disminución es menos acentuada en la ZMCM. Por ejemplo, en per-
sonas entre 45 y 54 años se espera que la probabilidad de usar Twitter
disminuya en 38%, mientras que en la ZMCM es de 15 puntos por-
centuales menos.
80 SÁNCHEZ-ZÁRATE
Cuadro 3
Resultados de los modelos binomiales de efectos mixtos
Nacional ZMCM
b p(b) ex b p(b) ex
Intercepto -10.8 0.0*** -10.6 0.0***
Estrato socioeconómico
Muy bajo (ref.)
Bajo 0.4 1.4 0.3 1.4
Medio 0.0 1.0 -0.2 0.8
Alto 0.0 1.0 0.0 1.0
Disponibilidad de Internet en hogar

No dispone (ref.)
Sí dispone 0.2 1.2*** 0.3 1.4***
Sexo
Hombre (ref.)
Mujer -0.3 0.8*** -0.3 0.8***
Edad
6-14 años(ref.)
15-24 años 0.4 1.4*** 0.3 1.4***
25-34 años 0.0 1.0* 0.2 1.3***
35-44 años -0.3 0.8*** -0.2 0.8***
45-54 años -0.5 0.6*** -0.2 0.8***
55-64 años -0.9 0.4*** -0.9 0.4***
65 y más años -1.2 0.3*** -1.6 0.2***
Nivel de escolaridad
Primaria (ref.)
Secundaria 0.8 2.3*** 1.3 3.7***
Media superior 0.1 1.1*** 2.1 1.2***
Superior y más 0.0 1.0*** -1.2 1.0***
(continúa)
Cuadro 3
(concluye)
Nacional ZMCM
b p(b) ex
b p(b) ex
Dispositivos 0.4 1.5*** 0.4 1.4***
Gasto en telefonía 0.2 1.2*** 0.3 1.3***
móvil (log)
Efectos aleatorios
Desviaciones estándar
Acceso a Internet
Intercepto 1.1 1.0
Muy bajo
Bajo 0.4 0.3
Medio 0.6 0.5
Alto 0.0 0.0
Acceso a PRS
Intercepto 2.4 3.4
Nota: *** p < 0, ** p<0.01, *p<.05.
Fuente: Elaboración propia con base en ENDITH, 2018.
La mayor diferencia sociodemográfica entre ambas escalas geo-

gráficas se identifica en la escolaridad de los usuarios, ya que se espera
que las personas con secundaria y media superior sean mayores usua-
rios de Twitter con respecto a quienes cuentan sólo con escolaridad
básica. Este incremento de la probabilidad en la ZMCM es del orden
de 274.0%, mientras que en el nacional es de 130.0%. Un punto a re-
saltar en cuanto a la escolaridad, es que en personas con educación su-
perior disminuye su probabilidad de ser usuarios, en mayor medida en
el contexto nacional que en el metropolitano.
Por su parte, respecto de las variables que refieren a la cantidad
de dispositivos, se espera que, ante el aumento de un dispositivo di-
gital, la probabilidad de usar Twitter se incremente en 44.0% en la
ZMCM y en el nacional en 48%; mientras que un aumento de 1% en
el gasto en telefonía móvil eleve la probabilidad en 33% en la ZMCM
y en 25% en el nacional.
82 SÁNCHEZ-ZÁRATE
Finalmente, se observan variables sociodemográficas que no di-

fieren sustancialmente entre ambas escalas. Tal es el caso del sexo,
las personas entre 15 y 24 años y entre 55 y 64 años, y las personas
con escolaridad superior.
En cuanto a los efectos aleatorios del modelo, se puede observar
que éstos son considerables sobre los efectos mixtos, ya que en el
caso del nivel de uso de Internet el intercepto llega a explicar 1.07
desviaciones estándar la variación del uso de Twitter; las variacio-
nes de los coeficientes del estrato socioeconómico llegan a signifi-
car 0.4 desviaciones estándar para los estratos bajos, y esta variabi-
lidad explicada es de 0.6 desviaciones típicas para los estratos
medios. Por su parte, el uso de alguna red social llega a representar
2.4 desviaciones estándar de la variación en este nivel de uso.
Discusión sobre los resultados
Los resultados descriptivos y del modelo de efectos mixtos abonan

en la discusión sobre los distintos niveles de las desigualdades digi-
tales, particularmente en la identificación del perfil sociodemográfi-
co de los usuarios de Twitter. Adicionalmente, se considera que pue-
den existir efectos diferenciados del uso en entornos urbanos,
específicamente en la Zona Metropolitana de la Ciudad de México,
en comparación con el contexto nacional.
Los diferentes niveles de las desigualdades digitales se constitu-
yen de manera multidimensional. En este sentido, hablar de este tipo
de desigualdades trasciende la noción de acceso o no a dispositivos
digitales o Internet, y conlleva a analizar motivaciones, habilidades y
aspectos de infraestructura y territoriales (DiMaggio y Hargittai,
2001; van Dijk, 2012). Sin embargo, como se ha mostrado, en países
como México el acceso universal a la dimensión digital vía Internet
está lejos de ser universal entre la población, incluso en entornos ur-
banos como la ZMCM. De esta manera, el análisis de los diferentes
niveles de las desigualdades digitales en las realidades latinoameri-
canas (Mariscal, Bonina y Luna, 2009) puede apuntar al estudio de
los determinantes socioestructurales asociados al primer nivel, el ac-
ceso a Internet.
Se ha planteado la noción del uso de Twitter como uso condicio-

nado a niveles previos del uso de Internet y PRS. En este sentido, el
modelo de efectos fijos ha mostrado que esos dos niveles influyen
positivamente en el uso de Twitter en ambas escalas geográficas. Par-
ticularmente, en la escala nacional el nivel de estrato socioeconómi-
co tiene mayor injerencia en el uso de Internet en comparación con
la escala metropolitana. Esto puede estar relacionado con los deter-
minantes urbanos que reducen la desigualdad en el acceso a Internet,
tales como mejor infraestructura y mayor disponibilidad para su ac-
ceso de manera gratuita en espacios públicos. De esta manera, la ur-
banización matiza el efecto negativo en estratos bajos de la pobla-
ción para acceder a Internet.
Un punto a destacar de los resultados es la desigualdad digital
basada en el sexo de las personas. En primer lugar, se observa que el
hecho de ser mujer disminuye las probabilidades de utilizar Twitter
en 25.0% con respecto a los hombres. Adicionalmente, este hallazgo
es robusto en las dos escalas de comparación. Es decir, los resultados
sugieren que el espacio urbano no difiere en la reducción de la des-
igualdad digital en el acceso a Twitter para las mujeres. Así, su uso
puede tener un sesgo de publicaciones provenientes de hombres. Ta-
les hallazgos fortalecen la idea de una brecha digital basada en el
sexo (C. Castaño et al., 2008).
Por su parte, la dimensión de la edad es consistente con lo repor-
tado en la literatura internacional (Bennett et al., 2008; Jones et al.,
2010; Prensky, 2001) sobre la prevalencia del uso entre las cohortes
más jóvenes. Particularmente, en el caso de Twitter se observa que la
probabilidad de uso de esta red social aumente hasta los 35 años y
después disminuya. En este rubro llama la atención que en entornos
urbanos el impacto negativo de la variable edad en su uso sea menor
en comparación con el del ámbito nacional. Este hallazgo puede re-
lacionarse con diversas estrategias de disminución de la brecha digi-
tal y combate al analfabetismo digital en personas mayores, llevados
a cabo en ámbitos urbanos (Cresci et al., 2010; Lee y Kim, 2018).
A su vez, los resultados en la dimensión de la escolaridad son con-
sistentes con lo reportado en la literatura internacional. En general, a
mayor grado de escolaridad se asocia una probabilidad positiva para el
uso de esta PRS (Hargittai y Litt, 2012; Sloan y Morgan, 2015). Sin
84 SÁNCHEZ-ZÁRATE
embargo, esta relación positiva llega a un punto de inflexión en los es-

tratos con educación superior, ya que en este estrato la probabilidad de
uso de Twitter disminuye. Este cambio podría asociarse a que estas
personas pueden tener mayores habilidades y alfabetismo digital. Aun-
que este punto tendría que explorarse a profundidad.
En cuanto al número de dispositivos, se espera que al aumentar
la cantidad de dispositivos que posee la persona, se incremente la
probabilidad de ser usuario de Twitter en 44.0% para la ZMCM y
48% en el ámbito nacional. Este incremento se encuentra asociado
directamente con la naturaleza de la PRS, la cual requiere de inme-
diatez en sus publicaciones. Dicho resultado se puede vincular con
dos discusiones de las desigualdades digitales. Por un lado, la mayor
disponibilidad material para el acceso y uso de Internet, reflejada en
dispositivos móviles, se encuentra asociada al nivel de independen-
cia material para participar en la dimensión (van Dijk, 2005).
Por el otro lado, la condición de inmediatez que implica Twitter
–también basada en la disponibilidad de dispositivos digitales–, ha
sido una de las características que ha llevado a esta red a ser tomada
como termómetro social de muchos fenómenos políticos. Así, esta
PRS pasó de ser una plataforma para publicar la cotidianidad de las
personas, a una herramienta en la vida pública y política de los países
(Mancera y Pano, 2013).
Finalmente, la preocupación por la dimensión territorial en el
uso de Twitter arroja dos grandes apuntes. Por un lado, se observa
que existen algunas variables sociodemográficas que influyen más en
su uso en el entorno metropolitano, tales como la escolaridad, la edad
o el ingreso. Esto debido a que existen elementos urbanos que sope-
san las disparidades sociales para poder ser usuario de Twitter. Por el
otro lado, existen desigualdades sociales estructurales que trascien-
den las escalas geográficas. En este punto se puede mencionar la des-
igualdad en el acceso basado en el sexo de las personas o el gasto en
telefonía celular. Así, los resultados sugieren una naturaleza particu-
lar de las desigualdades digitales en las ciudades.
Consideraciones finales
y temas futuros de investigación
A raíz de la crisis provocada por la pandemia del covid-19, el papel

de las plataformas de redes sociales (PRS) ha cobrado una importan-
cia exponencial para la vida privada y pública de las personas. Sitios
como Twitter o Facebook se han colocado como fuentes de informa-
ción para periodistas, académicos y personas en general. Ante este
escenario, se piensa que dicha información representa al conjunto de
la sociedad. Sin embargo, los estudios enfocados a identificar el per-
fil sociodemográfico de las PRS han encontrado que sitios como
Twitter tienen una sobrerrepresentación de determinados segmentos
de la sociedad, particularmente de personas jóvenes, de altos ingre-
sos, o con alta escolaridad (Blank, 2016; Hargittai y Litt, 2011; Sloan
y Morgan, 2015). Así, estos estudios han planteado la importancia de
conocer el perfil de los usuarios de Twitter.
En este marco, el presente artículo ha tenido como objetivo co-
nocer el perfil sociodemográfico del usuario de Twitter en la escala
nacional y en la Zona Metropolitana de la Ciudad de México. Para
dicho objetivo se ha partido de un marco teórico que sustenta el estu-
dio y la importancia de conocer el perfil del usuario basado en la
complejidad y multidimensionalidad de las desigualdades digitales.
Al mismo tiempo, se ha enfocado en la dimensión urbana como un
elemento poco estudiado dentro de la temática a nivel latinoamerica-
no. En términos empíricos, se ha aproximado este uso de Twitter en
ambas escalas geográficas por medio de una perspectiva de selectivi-
dad para llegar a ser usuario de las PRS. Es decir, para el caso de Mé-
xico y de su principal zona metropolitana, llegar a ser usuario de
Twitter responde a poder acceder, en primera instancia, a Internet,
después a ser usuario de alguna PRS, y finalmente llegar a ser usua-
rio de Twitter.
En este contexto, los principales resultados empíricos del trabajo
han arrojado dos grandes hallazgos. Por un lado, se ha identificado
que la probabilidad de ser usuario de Twitter se incrementa dadas
ciertas características sociodemográficas, específicamente enfocadas
hacia mayor escolaridad, personas jóvenes y disponibilidad de Inter-
net en el hogar. Estos resultados son consistentes con lo reportado en
86 SÁNCHEZ-ZÁRATE
la literatura internacional en cuanto a los sesgos que Twitter puede

tener en su nivel de representatividad poblacional, ya que se ha mos-
trado que determinadas personas tienen mayor probabilidad de pu-
blicar en esta PRS.
El segundo hallazgo notable del estudio es el papel que implica
ser usuario de Twitter en la ZMCM en comparación con el contexto
nacional. En este nivel de análisis se ha encontrado que el entorno
urbano interviene de manera indirecta en aminorar determinadas ca-
racterísticas desfavorables para el uso de Twitter. Tal es el caso del
diferencial encontrado entre la probabilidad de las personas mayores
en la ZMCM en comparación con el ámbito nacional; para el caso de
las personas con escolaridad básica y media superior, se espera que
la probabilidad de ser usuarios sea mayor en la ZMCM, así como la
disponibilidad de Internet en el hogar. En estas dimensiones el entor-
no urbano implica algún efecto indirecto que condiciona que estos
elementos sean diferentes al comportamiento nacional.
Por otro lado, también se ubican características sociodemográfi-
cas estructurales que no varían entre el entorno nacional y el metro-
politano. Entre éstas se encuentran el sexo, el gasto en telefonía mó-
vil, o el uso de Twitter en personas entre 15 y 34 años. Esta ausencia
de diferencias en ambos entornos geográficos podría sugerir que di-
chas características sociodemográficas se asocian a desigualdades
estructurales en lo digital. Por ejemplo, en el caso de que la probabi-
lidad de ser usuario de Twitter para las mujeres sea menor en compa-
ración con los hombres, y que la probabilidad esperada sea semejan-
te en ambos niveles geográficos, podría mostrar a una desigualdad
digital estructural basada en el sexo. Este punto es de suma impor-
tancia porque apuntaría a que estas desigualdades digitales son ubi-
cuas en el territorio.
Por último, es importante mencionar algunas limitaciones y te-
mas futuros en la temática de las desigualdades digitales desde los
estudios urbanos. La primera gran limitación que el estudio enfrenta
es la omisión de la dimensión de infraestructura en telecomunicacio-
nes de la que se dispone en el territorio para ser usuario de Internet y
sus subdimensiones. En este punto se podría mejorar el análisis y las
conclusiones de las desigualdades digitales en entornos urbanos. De
igual manera, hace falta comparar el uso de Twitter en otros ámbitos
metropolitanos o urbanos en general. Al respecto, se eligió la ZMCM

por su gran representatividad en el uso de Twitter en el país.
Así mismo, se abre una agenda de investigación para la temática
de las desigualdades digitales en entornos urbanos, que este estudio no
ha alcanzado a analizar. En este caso se identifican otros elementos de
las desigualdades digitales en contextos urbanos, tales como las capa-
cidades, motivaciones y habilidades de los usuarios en las ciudades, de
manera particular, el estudio de la asociación del uso de Twitter con el
uso de otras PRS, tales como Facebook, LinkedIn, etcétera.
Finalmente, por medio del conocimiento del perfil sociodemo-
gráfico de los usuarios de plataformas digitales se puede avanzar en
el debate público sobre las ventajas y retos de las mencionadas redes
sociales. Si bien hay que considerar que la información recolectada
de plataformas como Twitter está lejos de ser representativa de la po-
blación general y enfrenta sesgos demográficos, económicos y geo-
gráficos, al mismo tiempo ayuda a tener en mente las fortalezas de
esta fuente de información, así como la pertinencia de estudiar a es-
tratos poblacionales sobrerrepresentados en Twitter.
Bibliografía
Agresti, A. (2002). Categorical data analysis. Nueva Jersey: Wiley.

Alsayyad, N. y Guvenc, M. (2015). Virtual uprisings: On the interac-
tion of new social media, traditional media coverage and urban
space during the Arab Spring. Urban Studies, 52(11), 2018-
2034. https://journals.sagepub.com/doi/10.1177/004209801350
5881
Alva de la Selva, A. R. (2015). Los nuevos rostros de la desigualdad
en el siglo XXI: la brecha digital. Revista Mexicana de Ciencias
Políticas y Sociales, 60(223), 265-285. http://www.revistas.unam.
mx/index.php/rmcpys/article/view/45387
Barrantes, R. (2009). Análisis de la demanda de TIC. ¿Qué es y cómo
medir la pobreza digital? En H. Galperin y J. Mariscal (eds.), Po-
breza digital. Perspectivas de América Latina y el Caribe (pp.
47-84). Ciudad de México: CIDE.
Barreiro-Gen, M. y Novo-Corti, I. (2015). Collaborative learning in
88 SÁNCHEZ-ZÁRATE
environments with restricted access to the Internet: Policies to

bridge the digital divide and exclusion in prisons through the de-
velopment of the skills of inmates. Computers in Human Beha-
vior, 51, 1172-1176. https://www.sciencedirect.com/science/ar
ticle/abs/pii/S0747563215001053?via%3Dihub
Beaunoyer, E., Dupéré, S. y Guitton, M. J. (2020). COVID-19 and
digital inequalities: Reciprocal impacts and mitigation strategies.
Computers in Human Behavior, 111. https://www.science direct.
com/science/article/abs/pii/S0747563220301771?via% 3Dihub
Bennett, S., Maton, K. y Kervin, L. (2008). The digital natives deba-
te: A critical review of the evidence. British Journal of Educatio-
nal Technology, 39(5), 775-786. https://bera-journals.onlineli
brary.wiley.com/doi/abs/10.1111/j.1467-8535.2007.00793.x
Blank, G. (2016). The digital divide among Twitter users and its im-
plications for social research. Social Science Computer Review,
35(6), 679-697. https://journals.sagepub.com/doi/10.1177/089
4439316671698
Castaño, J., Duart, J. M. y Sancho, T. (2012). A second digital divide
among university students. Culture and Education, 24(3), 363-
377. https://www.tandfonline.com/doi/abs/10.1174/1135640128
02845695
Castaño, C., Martín, J. y Vázquez, S. (2008). La brecha digital de gé-
nero: acceso, uso y habilidades. En C. Castaño Collado (coord.),
La segunda brecha digital (pp. 55-132). España: Cátedra.
Castells, M. (2012). Redes de indignación y esperanza. Madrid:
Alianza.
Crampton, J. W., Graham, M., Poorthuis, A., Shelton, T., Stephens,
M., Wilson, M. W. y Zook, M. (2013). Beyond the geotag: Situa-
ting big data and leveraging the potential of the geoweb. Carto-
graphy and Geographic Information Science, 40(2), 130-139.
https://www.tandfonline.com/doi/abs/10.1080/15230406.2013.7
77137
Cresci, M. K., Yarandi, H. y Morrell, R. (2010). The digital divide
and urban older adults. CIN: Computers, Informatics, Nursing,
28(2), 88-94. https://journals.lww.com/cinjournal/Fulltext/2010/
03000/The_Digital_Divide_and_Urban_Older_Adults.7.aspx
DiMaggio, P. y Hargittai, E. (2001). From the “digital divide” to
“digital inequality”: Studying Internet use as penetration in-

creases (Documento de Investigación, núm. 15). Princeton:
Princeton University. https://digitalinclusion.typepad.com/digi
tal_inclusion/documentos/digitalinequality.pdf
Echarri Cánovas, C. (2008a). Construcción del estrato socioeconómi-
co en la ENDIREH 2006. En R. Castro y I. Casique (coords.),
Violencia de género en las parejas mexicanas. Análisis de resul-
tados de la Encuesta Nacional sobre la Dinámica de las Relacio-
nes en los Hogares 2006. Componente para mujeres unidas o ca-
sadas de 15 años y más (pp. 170-175). Ciudad de México:
Inmujeres / CRIM-UNAM.
Echarri Cánovas, C. (2008b). Desigualdad socioeconómica y salud
reproductiva: una propuesta de estratificación social aplicable a
encuestas. En S. Lerner y I. Szasz (coords.), Salud reproductiva
y condiciones de vida en México (pp. 59-113). Ciudad de Méxi-
co: El Colegio de México, A.C.
Epstein, D., Nisbet, E. C. y Gillespie, T. (2011). Who’s responsible
for the digital divide? Public perceptions and policy implica-
tions. The Information Society, 27(2), 92-104. https://doi.org/10.
1080/01972243.2011.548695
Fletcher, A., Fitzgerald-Yau, N., Jones, R., Allen, E., Viner, R. M. y
Bonell, C. (2014). Brief report: Cyberbullying perpetration and
its associations with socio-demographics, aggressive behaviour
at school, and mental health outcomes. Journal of Adolescence,
37(8), 1393-1398. https://www.sciencedirect.com/science/arti
cle/abs/pii/S0140197114001766?via%3Dihub
Friemel, T. N. (2014). The digital divide has grown old: Determi-
nants of a digital divide among seniors. New Media and Society,
18(2), 313-331. https://journals.sagepub.com/doi/10.1177/14614
44814538648
Gilbert, M. R. y Masucci, M. (2020). Defining the geographic and
policy dynamics of the digital divide. En S. D. Brunn y R. Ke-
hrein (coords.), Handbook of the changing world language map
(pp. 3653-3671). Springer International Publishing. https://link.
springer.com/referencework/10.1007/978-3-030-02438-3?pa
ge=11#editorsandaffiliations
Graham, M. (2014). Internet geographies: Data shadows and digital di-
90 SÁNCHEZ-ZÁRATE
visions of labor. En M. Graham y W. Dutton (coords.), Society and

the Internet. How networks of information and communication are
changing our lives (pp. 99-116). Oxford: Oxford University Press.
Graham, S. y Marvin, S. (2001). Splintering urbanism. Networked
infraestructures, technological mobilities, and the urban condi-
tion. Londres: Routledge.
Graham, M., Stephens, M. y Hale, S. (2013). Featured graphic. Map-
ping the geoweb: A geography of Twitter. Environment and
Planning A: Economy and Space, 45(1), 100-102. https://jour
nals.sagepub.com/doi/10.1068/a45349
Hargittai, E. (2010). Digital na(t)ives? Variation in Internet skills and
uses among members of the “net generation”. Sociological In-
quiry, 80(1), 92-113. https://onlinelibrary.wiley.com/doi/abs/10.
1111/j.1475-682X.2009.00317.x
Hargittai, E. y Litt, E. (2011). The tweet smell of celebrity success:
Explaining variation in Twitter adoption among a diverse group
of young adults. New Media and Society, 13(5), 824-842. https://
journals.sagepub.com/doi/10.1177/1461444811405805
Hargittai, E. y Litt, E. (2012). Becoming a tweep. How prior online
experiences influence Twitter use. Information, Communication
and Society, 15(5), 680-702. https://www.tandfonline.com/doi/
abs/10.1080/1369118X.2012.666256
Hilbert, M<. (2010). When is cheap, cheap enough to bridge the di-
gital divide? Modeling income related structural challenges of
technology diffusion in Latin America. World Development,
38(5), 756-770. https://www.sciencedirect.com/science/article/
abs/pii/S0305750X09002174?via%3Dihub
Hindman, D. B. (2000). The rural-urban digital divide. Journalism
and Mass Communication Quarterly, 77(3), 549-560. https://
journals.sagepub.com/doi/10.1177/107769900007700306
INEGI. (2018). Encuesta Nacional sobre Disponibilidad y Uso de
las Tecnologías de la Información en los Hogares 2018. Diseño
de muestra. Aguascalientes, México: Insituto Nacional de Esta-
dística y Geografía.
ITU. (2018). Percentage of individuals using the Internet, 2018.
Unión Internacional de Telecomunicaciones. https://www.itu.
int/en/ITU-D/Statistics/Pages/stat/default.aspx
Jones, C., Ramanau, R., Cross, S. y Healing, G. (2010). Net genera-

tion or digital natives: Is there a distinct new generation entering
university? Computers and Education, 54(3), 722-732. https://
www.sciencedirect.com/science/article/abs/pii/S03601315090
02620
Kitchin, R. y Perng, S. (2016). Code and the city. En R. Kitchin y S.
Perng (coords.), Code and the city (pp. 1-12). Londres: Routledge.
Kuttan, A. y Peters, L. (2003). From digital divide to digital oppor-
tunity. Lanham, Maryland: R and L Education.
Lee, O. y Kim, D. (2018). Bridging the digital divide for older adults
via intergenerational mentor-up. Research on Social Work Prac-
tice, 29(7), 786-795. https://journals.sagepub.com/doi/10.1177/
1049731518810798
Liu, Z. y Weber, I. (2014). Is Twitter a public sphere for online con-
flicts? A cross-ideological and cross-hierarchical look. En L. M.
Aiello y D. McFarland (eds.), Social Informatics: 6th Interna-
tional Conference, SocInfo 2014, Barcelona, Spain, November
11-13, 2014. Proceedings (pp. 336-347). Springer International
Publishing. https://link.springer.com/chapter/10.1007%2F978-
3-319-13734-6_25
Lorenzo-Romero, C., Alarcón-del-Amo, M. C. y Constantinides, E.
(2012). Segmentation of users of social networking websites.
Social Behavior and Personality: An International Journal,
40(23), 401-414. https://www.sbp-journal.com/index.php/sbp/
article/view/2501
Lumley, T. (2019). Survey: Analysis of complex survey samples. R
package 3.35-1.
Luque-Ayala, A. (2019). Urban. En J. Ash, R. Kitchin y A. Leszczyns-
ki (coords.), Digital geographies (pp. 24-35). Londres: Sage.
Mancera, A. y Pano, A. (2013). El discurso político en Twitter. Aná-
lisis de mensajes que trinan. Barcelona: Anthropos.
Mariscal, J. (2005). Digital divide in a developing country. Telecom-
munications Policy, 29(5/6), 409-428. https://www.sciencedi
rect.com/science/article/abs/pii/S0308596105000352
Mariscal, J., Bonina, C. y Luna, J. (2009). Los nuevos escenarios de
mercado en América Latina. En H. Galperin y J. Mariscal
(coords.), Pobreza digital. Perspectivas de América Latina y el
92 SÁNCHEZ-ZÁRATE
Caribe (pp. 85-116). Ciudad de México: Centro de Investigación

y Docencia Económicas.
Murthy, D. (2018). Twitter: Social communication in the Twitter age.
Cambridge: Polity Press.
Nishida, T., Pick, J. B. y Sarkar, A. (2014). Japan’s prefectural digital
divide: A multivariate and spatial analysis. Telecommunications
Policy, 38(11), 992-1010. https://www.sciencedirect.com/scien
ce/article/abs/pii/S0308596114000937?via%3Dihub
Omnicore. (2020). Twitter by the numbers: Stats, demographics and
fun facts. https://www.omnicoreagency.com/twitter-statistics/
Pérez-Zúñiga, R., Camacho-Castillo, O. y Arroyo-Cervantes, G.
(2014). Las redes sociales y el activismo. Paakat: Revista de
Tecnología y Sociedad, 4(7), 1-10. http://www.udgvirtual.udg.
mx/paakat/index.php/paakat/article/viewFile/226/338
Pick, J. y Sarkar, A. (2016). Theories of the digital divide: Critical
comparison. En Proccedings of the 49th Annual Hawaii Interna-
tional Conference on System Sciences (pp. 3888-3897). Los Ala-
mitos, California: IEEE Computer Society.
Prensky, M. (2001). Digital natives, digital immigrants. On the Hori-
zon, 9(5), 1-6. https://www.marcprensky.com/writing/Prensky
%20-%20Digital%20Natives,%20Digital%20Immigrants%20
-%20Part1.pdf
Ramsetty, A. y Adams, C. (2020). Impact of the digital divide in the
age of COVID-19. Journal of the American Medical Informatics
Association, 27(7), 1147-1148. https://academic.oup.com/jamia/
article/27/7/1147/5826352
Sánchez-Zarate, A. y Angoa, I. (2019). Brecha digital en dos ciuda-
des medias en México en 2016. El caso de Hermosillo y Cancún.
En E. V. Moreira Santos, G. B. Rodrigues, L. B. Santos, S. C. da
Silva y T. Tramontani Ramos (coords.), Território, economia ur-
bana e conflitos territoriais (pp. 355-384). Brasil: Letra Capital.
Serrano-Cinca, C., Muñoz-Soro, J. F. y Brusca, I. (2018). A multiva-
riate study of Internet use and the digital divide. Social Science
Quarterly, 99(4), 1409-1425. https://onlinelibrary.wiley.com/
doi/abs/10.1111/ssqu.12504
Sloan, L. y Morgan, J. (2015). Who tweets with their location? Un-
derstanding the relationship between demographic characteris-
tics and the use of geoservices and geotagging on Twitter. PloS

One, 10(11). https://journals.plos.org/plosone/article?id=10.1371/
journal.pone.0142209
Sloan, L., Morgan, J., Burnap, P. y Williams, M. (2015). Who tweets?
Deriving the demographic characteristics of age, occupation and
social class from Twitter user Meta-Data. PLoS One, 10(3), 1-20.
https://journals.plos.org/plosone/article?id=10.1371/journal.
pone.0115545
Takhteyev, Y., Gruzd, A. y Wellman, B. (2012). Geography of Twit-
ter networks. Social Networks, 34(1), 73-81. https://www.scien
cedirect.com/science/article/abs/pii/S0378873311000359?
via%3Dihub
Team, R. C. (2020). R: A language and environment for statistical
computing (3.6.3). R Foundation for Statistical Computing. https:
//www.r-project.org/
Toudert, D. (2015). Brecha digital y marginación socioterritorial: el
caso de México. En C. Garrocho-Rangel y G. Buzai (coords.),
Geografía aplicada en Iberoamérica. Avances, retos y perspecti-
vas (pp. 343-370). Toluca: El Colegio Mexiquense.
Toudert, D. (2016). Teoría del recurso y la apropiación: un acerca-
miento empírico a partir de las etapas del modelo de acceso digi-
tal en México. Acta Universitaria. Multidisciplinary Scientific
Journal, 26(4), 79-90. http://www.scielo.org.mx/pdf/au/v26n4/
2007-9621-au-26-04-00079.pdf
Toudert, D. (2019). Brecha digital, uso frecuente y aprovechamiento
de Internet en México. Convergencia. Revista de Ciencias Socia-
les, 79, 1-27. https://convergencia.uaemex.mx/article/view/ 10332
Ugwu, C. L. J. y Zewotir, T. T. (2018). Using mixed effects logistic
regression models for complex survey data on malaria rapid
diagnostic test results. Malaria Journal, 17(1). https://malaria
journal.biomedcentral.com/articles/10.1186/s12936-018-2604-y
van Dijk, J. (2005). The deepening digital divide. Inequality in the
information society. Estados Unidos: Sage.
van Dijk, J. (2012). The evolution of the digital divide. The digital
divide turns to inequality of skills and usage. En J. Bus, M.
Crompton, M. Hildebrandt y G. Metakides (eds.), Digital enligh-
tenment yearbook 2010 (pp. 57-75). Washington, D.C: IOS.
94 SÁNCHEZ-ZÁRATE
van Dijk, J. y van Deursen, A. (2014). Digital skills. Unlocking the

infomation society. Nueva York: Palgrave Mcmillan.
Winocur-Iparraguirre, R. y Sánchez-Martínez, J. A. (2015). Intro-
ducción. En R. Winocur-Iparraguirre y J. A. Sánchez-Martínez
(coords.), Redes sociodigitales en México (pp. 9-16). Ciudad de
México: Fondo de Cultura Económica / Consejo Nacional para
la Cultura.
Wojcik, S. y Hughes, A. (2019). Sizing up Twitter users. U.S. adult
Twitter are younger and more likely to be democrats than gene-
ral public. Most users rarely tweet, but the most prolific 10%
create 80% of tweets from adults U.S. users. https://www.pewre
search.org/internet/2019/04/24/sizing-up-twitter-users/
Yang, S., Quan-Haase, A. y Rannenberg, K. (2016). The changing pu-
blic sphere on Twitter: Network structure, elites and topics of the
#righttobeforgotten. New Media and Society, 19(12), 1983-2002.
https://journals.sagepub.com/doi/10.1177/1461444816651409
Acerca del autor
Alejandro Sánchez-Zárate es licenciado en Economía por la Bene-

mérita Universidad Autónoma de Puebla, maestro en Estudios Urba-
nos y doctor en Estudios Urbanos y Ambientales por El Colegio
de México, A.C. Actualmente es analista sobre estudios económico-
regionales en ONU-Hábitat México. Sus principales líneas de inves-
tigación son geografías digitales, brecha y desigualdades digitales,
demografía de las desigualdades sociales, big data y estudios urba-
nos, geografía de la innovación y economía del conocimiento, y aná-
lisis territorial del sector servicios. Así mismo, se ha especializado en
herramientas estadísticas de análisis espacial y machine learning
aplicadas a estudios urbanos y geográficos. ORCID: https://orcid.
org/0000-0001-7801-4419
Sus publicaciones más relevantes son:
Pérez-Campuzano, E., Sánchez-Zárate, A. y Cuadrado-Roura, J.
(2018). Distribución espacial del sector servicios en México,
1999-2009. Especialización y diversificación desde una perspec-
tiva macrogeográfica. Eure, Revista Latinoamericana de Estu-
dios Urbano Regionales, 44(131), 215-238. http://www.eure.cl/

index.php/eure/article/view/1882/1068
Sánchez-Zárate, A. y Angoa Pérez, I. (2019). Brecha digital en dos
ciudades medias en México en 2016. El caso de Hermosillo y
Cancún. En E. V. Moreira Santos, G. B. Rodrigues, L. B. Santos,
S. C. da Silva y T. Tramontani Ramos (coords.), Território, eco-
nomia urbana e conflitos territoriais (pp. 355-384). Brasil: Letra
Capital.
Recepción: 4 de septiembre de 2020.

Aceptación: 7 de abril de 2021.

2 Sanchez Quienes Tuitean

Cargado por

Copyright:

Formatos disponibles

2 Sanchez Quienes Tuitean

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2 Sanchez Quienes Tuitean

Cargado por

Copyright:

Formatos disponibles

Estudios Demográficos y Urbanos

vol. 38, núm. 1 (112), enero-abril, 2023, pp. 55-95

¿Quiénes tuitean? Perfil sociodemográfico de los usuarios

Who tweets? Sociodemographic profile of Twitter users

* ONU-Hábitat México. Dirección: Montes Urales 440, Lomas de Chapulte-

nas particularidades. Por un lado, la sobrerrepresentación de deter-

Twitter es una de las plataformas de redes sociodigitales (PRS) que

bre todo en espacios altamente urbanizados y con infraestructura en

Antecedentes teóricos sobre el perfil del usuario de Twitter

La preocupación por las desigualdades digitales como nueva dimen-

contexto, es importante realizar acercamientos empíricos sobre los

97% de su población con acceso a Internet. En contraparte, naciones

dominio de Internet, sólo después de los de entretenimiento (INEGI,

ladas a trabajos de oficina o artísticos, así como que existe una

a grupos caracterizados como de estrato alto en Reino Unido y Esta-

El estudio de los perfiles sociodemográficos de los usuarios de Twit-

El tercer nivel de selectividad parte del subconjunto de aquellas

Fuente: Elaboración propia.

Una fortaleza metodológica de la ENDUTIH 2018 es la captura

(x5). El número de dispositivos (x6) y el gasto mensual en telefonía

En la Ecuación 1, sea yik la respuesta binaria de la i-ésima persona

coeficientes aleatorios en las pendientes para los niveles de Internet

Los principales resultados se dividen en dos vertientes. Por un lado,

Nacional: 57 499 367 Nacional: 16 387 400

Nota: Las cantidades entre paréntesis representan el tamaño muestral.

Superior y más 97.83

Nivel de Media superior 94.66

65 y más años 10.68

25-34 años 82.08

Disponibilidad No dispone 42.29

en el hogar Si dispone 84.76

Superior y más 98.55

Nivel de Media superior 95.29

65 y más años 28.55

55-64 años 53.23

45-54 años 74.21

25-34 años 93.94 ZMCM No usuario

Disponibilidad No dispone 50.62

en el hogar Si dispone 85.82

Estrato Medio 83.88

Fuente: Elaboración propia con base en ENDUTIH 2018, INEGI.

que en ambos ámbitos geográficos las personas mayores de 45 años

Superior y más 86.39

Nivel de Media superior 87.82

escolaridad Secundaria 88.61

65 y más años 52.64

55-64 años 65.83

45-54 años 74.19

25-34 años 89.85 Nacional No usuario

Disponibilidad No dispone 74.88

Estrato Medio 81.51

Superior y más 82,25

Nivel de Media superior 84,49

65 y más años 44,79

55-64 años 62,33

45-54 años 73,56

25-34 años 92,16

Mujer 79.24 79.24

Disponibilidad No dispone 74.8874.88