Frustración Juvenil y Conflicto Intergeneracional en Twitter

Youth Frustration and Intergenerational Conflict on Twitter

1.  Introducción y Estado de la Cuestión

La investigación sobre conflicto generacional en ciencias sociales se ha fundamentado tradicionalmente en dos corpus teóricos. Mannheim (2013) sentó las bases para el análisis, negando la concepción de generación como meras cohortes de edad y afirmando que lo que constituía una generación era la vivencia de acontecimientos históricos y políticos desde un punto de vista similar. Tras él, una parte de la producción académica se ha centrado en el debate teórico acerca de la conceptualización de generación (Bengtson, 1975; Gilleard & Higgs, 2002; Kertzer, 1983; Thorpe & Inglis, 2019; Timonen & Conlon, 2015). Por otro lado, autores como Aboim and Vasconcelos (2014) proponen, a diferencia de Mannheim, la necesidad de pasar del excesivo énfasis en la autoconciencia política a una caracterización de las generaciones como formaciones discursivas con las que los individuos se relacionan para construir una autoidentificación.

La influencia de los postulados teóricos de Mannheim podría estar en la base de un déficit de producción científica, especialmente desde un punto de vista empírico, sobre el conflicto generacional en las sociedades postindustriales occidentales. Nos referimos al rechazo de los investigadores al generacionismo, que guio estas primeras investigaciones en el campo, y que sostiene que la generación es el factor explicativo predominante en el mundo social en contraposición a otros como la clase social (Purhonen, 2016). Sin embargo, consideramos que es plausible y oportuno analizar las expresiones de conflicto generacional sin caer en este tipo de reduccionismo, centrándonos en las motivaciones y percepciones propias de los sujetos.

A este respecto, podría ser de utilidad entender la generación, siguiendo los trabajos de Kertzer (1983) o de McCrindle and Wolfinger (2009), definida como un grupo de individuos nacidos en un momento determinado y que, al desarrollarse de forma conjunta, comparten no solo edad, sino también condiciones, preferencias, valores, motivaciones, eventos, asociaciones y experiencias. De esta forma, en los países de Europa Occidental convivirían cinco generaciones: generación silenciosa (nacidos antes de 1950); «baby boomers» (nacidos entre 1951 y 1970); generación X (nacidos entre 1971 y 1985); generación Y o «Millennials» (nacidos entre 1986 y 2005); y generación Z o «Centennials» (nacidos a partir de 2006) (Díaz-Sarmiento et al., 2017; González-Ramírez & Landero-Hernández, 2021).

Al margen de la literatura académica, resulta evidente la creciente importancia que ha cobrado la generación para la narración de cambios y conflictos político-sociales en el debate público. Apelativos como «boomers» se han vuelto comunes, mientras que los problemas de la deuda, la vivienda, las pensiones o el medioambiente se plantean habitualmente en términos generacionales (White, 2013). Prueba de ello es el auge de artículos periodísticos, tras la crisis de 2008, que asocian a los «baby boomer» a una serie de problemas culturales y económicos para generaciones posteriores. Así, la generación «boomer» es construida discursivamente en términos problemáticos. Este marco comprensivo ha sido incluso promulgado por representantes políticos como el exministro y parlamentario británico David Willetts a través de su libro «The Pinch: How the baby «boomers» took their children’s future and why they should give it back» (2010).

Pero, a nuestro modo de ver, lo más relevante es entender en qué medida, cómo y por qué, los ciudadanos de generaciones más jóvenes reproducen este tipo de discurso que expresaría, al menos en un primer análisis, algún tipo de conflicto generacional. La investigación empírica en este ámbito es escasa, posiblemente dadas las dificultades de las técnicas tradicionales para su correcta medición. Sin embargo, especialmente a partir de 2019, podemos observar en las redes sociales fenómenos digitales de gran viralidad que permiten avanzar en la investigación. Un ejemplo sería lo ocurrido a partir del «hashtag» #OKBoomer que consiguió a finales de 2019 ser uno de los temas más comentados en Twitter y TikTok durante varios días en EE.UU, Europa y Latinoamérica (Lim & Lemanski, 2020). Su viralidad muestra el papel jugado por las redes sociales en la conformación de una nueva manera de comunicarse y ayuda a entender la capacidad de influencia en la opinión pública (García-Marín & Serrano-Contreras, 2023). La expresión se popularizó para expresar desacuerdo o frustración hacia las opiniones, actitudes o comportamientos considerados típicos de quienes pertenecen a la generación del «baby boom».

La producción científica respecto a #OKBoomer se ha centrado en analizar su origen, evolución y significado cultural. A su vez, se explora la influencia de las redes sociales y la cultura digital en la comunicación intergeneracional y cómo las tensiones intergeneraciones pueden manifestarse y debatirse en la red. Así, en primer lugar, se ha descubierto que el concepto «boomer» en redes sociales es usado tanto de forma descriptiva como apelativo peyorativo (Mueller & McCollum, 2022). Con esto, se vislumbra la existencia de conflicto generacional, y se apunta que puede ser causa subyacente del aumento de la discriminación por razón de edad (Meisner, 2021). Otras investigaciones son menos negativas y señalan que #OKBoomer supone una tarea de concienciación de las generaciones más jóvenes en base a la desigualdad que perciben (Anderson & Keehn, 2020)te>. Un tercer grupo de aportaciones ponen el énfasis en las diferencias generacionales en el afrontamiento del cambio climático y la ecoansiedad (Swim et al., 2022) o en el modo de entender la economía o las relaciones laborales (Díaz-Sarmiento et al., 2017; Frey & Bisconti, 2023; Saucedo Soto et al., 2018).

También destacan las contribuciones que centran sus esfuerzos empíricos en el análisis de los datos de las propias redes sociales. Por ejemplo, Zeng and Abidin (2021) utilizan los memes de #OKBoomer generados en TikTok como estudio de caso para examinar la cultura política de la juventud de forma genérica y, en concreto, de la Generación Z. Por su parte, Lim and Lemanski (2020) recurren a Node XL, Google Trends y Nexus Nexis para recopilar y analizar datos, concluyendo que tras #OKBoomer existe un conflicto generacional velado, en consonancia con las luchas de raza y género. De forma más reciente, Ng and Indran (2022) se valen de TikTok para evaluar el contenido del «hashtag» #OkBoomer y descifrar la hostilidad manifestada por los más jóvenes hacia los «baby boomers», señalando que las causas del conflicto se relacionarían con una reacción a encuentros negativos con miembros de la generación «boomer» y al estereotipo que estos tienen sobre la juventud, así como a conflictos de valores y económicos entre distintas generaciones.

En definitiva, #OKBoomer se ha interpretado como una expresión, a través del humor y la irreverencia, de frustración económica y política por parte de la juventud. Estos sentirían privación relativa respecto a los «baby boomer» al considerar que se les responsabiliza de manera paternalista de su situación sin tener en cuenta las dificultades de tipo estructural y material (Anderson & Keehn, 2020). En suma, a través de este fenómeno se han articulado numerosas críticas sociopolíticas y económicas que se dirigen contra la generación «boomer» a la que se presenta de modo homogéneo, y que tienen que ver con temas tan dispares como el acceso a la vivienda, la incorporacón al mercado laboral, la igualdad de género, reivindicaciones climáticas o trabas para la movilidad social.

A pesar de los trabajos reseñados, todavía existe un vacío empírico considerable que impide consolidar el corpus teórico existente acerca de los motivos que subyacen a la realidad mostrada. Estamos de acuerdo con Frey and Bisconti (2023) en la necesidad de continuar estudiando cómo se expresa este conflicto generacional en las redes sociales, dado que constituyen una importante fuente de información. Se podría argumentar que este tipo de análisis carecen de interés pues, en realidad, el contenido del conflicto generacional esconde frustraciones relacionadas con la clase social, aunque no sea así percibido por sus participantes (Sunkara, 2019). En esta línea, Bristow (2016) afirma que la construcción de la generación «boomer» como problema no se produce por un conflicto generacional, sino por una mezcla de estancamiento económico y confusión ideológica. En nuestra opinión, aunque podamos compartir parcialmente esta afirmación, consideramos necesario estudiar a través de qué temáticas y formas se expresa este conflicto generacional, al margen de si este tiene sentido sustantivo o no. Al fin y al cabo, con independencia de que sea un conflicto generacional o no, lo importante es que esta frustración juvenil se estaría expresando como tal (Connolly, 2019).

2.   Objetivos

Como hemos mostrado, buena parte de la investigación realizada en el estudio de estos nuevos conflictos generacionales se ha centrado en calificarlos como tal o en realizar un abordaje teórico de las causas que podrían estar detrás, haciendo hincapié en las diferencias culturales y en la sensación de privación económica de la juventud en comparación con los «baby boomer» (Bristow, 2016; Lim & Lemanski, 2020; Mueller & McCollum, 2022). No obstante, existe todavía un vacío empírico fruto de la dificultad de estudiar un fenómeno eminentemente digital mediante técnicas de análisis tradicionales.

Por esta razón, nuestro objetivo principal es estudiar mediante el uso de datos masivos, «big data», obtenidos de la red social Twitter, el fenómeno derivado del #OKBoomer. Así, esta investigación es la primera en realizar un análisis exploratorio de este conflicto en Twitter en el ámbito hispanohablante con datos masivos.

De este objetivo general se derivan dos objetivos específicos. El primero consiste en averiguar si el uso del término «boomers» viene acompañado de la expresión de algún tipo de conflicto o reivindicación generacional, expresando agravios económicos o sociales con respecto a esta generación. Con ello, pretendemos cuantificar el alcance del fenómeno observando qué porcentaje de los tweets expresan conflicto o reivindicaciones generacionales y qué porcentaje no lo hacen.

El segundo objetivo específico consiste en determinar qué temáticas estarían detrás de estas expresiones de conflicto o reivindicación generacional ya clasificadas como tal. Intuimos, en base a la literatura académica, que podrían tener que ver con agravios económicos derivados de las dificultades de acceso a la vivienda, el desempleo o la precariedad laboral; cuestiones culturales vinculadas con la igualdad de género, las preocupaciones ambientales o la expresión de la sexualidad; demanda de representación política o desafección institucional dadas las voces que señalan que el peso electoral de los «baby boomer» dificulta la capacidad de representación política de los jóvenes; o se podrían relacionar con otros factores. Independientemente del resultado, cuantificaremos en qué medida tienen que ver con una u otra cuestión.

En definitiva, de encontrar expresiones de conflicto o agravio en los mensajes emitidos por las generaciones más jóvenes, pretendemos averiguar si estas tienen que ver con lo que se denominaría «hard factors» o con «soft factors». Los primeros hacen referencia a variables concretas que influyen directamente en la calidad de vida y el bienestar de las personas y, por tanto, se pueden medir con datos objetivos y estadísticas (empleo o vivienda). Mientras que los segundos, son elementos que presentan dificultades para la cuantificación como los encuentros negativos con miembros de la generación «boomer» o quejas actitudinales. La prevalencia de unos u otros pueden darnos varias pistas sobre cómo podría acentuarse este conflicto en los próximos años.

3.  Metodología

Hemos utilizado, para realizar esta investigación, datos extraídos de la red social Twitter, una gran fuente de información para el estudio de la emisión y divulgación de opiniones en nuestras sociedades tecnologizadas. Si bien en Twitter no está toda la población, el porcentaje de uso entre las cohortes jóvenes es muy elevado, lo cual se adecua correctamente a los objetivos de nuestra investigación. En concreto, un 61% de los jóvenes entre 18 y 24 años tienen un perfil en esta red social según datos de Comscore (Twitter, 2022).

Los datos han sido extraidos mediante la versión académica de «Application Programming Interface» (API) de Twitter que posibilita la descarga de un mayor número de tweets y no limita las fechas de emisión. Los «boomers» ha sido el término de descarga usado ya que recoge más información en español que el viral #OkBoomer, primer término de búsqueda utilizado y descartado posteriormente por ser usado mayoritariamente como mera respuesta en lugar de para expresar opiniones más amplias. En concreto, descargamos 632.433 tweets de los cuales 254.926 son originales, siendo el resto retweets. Limitamos el periodo de emisión entre noviembre de 2019 y diciembre de 2022. Este trabajo ha sido realizado mediante el software R, a través de la librería «academictwitteR» (Barrie & Ho, 2021). Es reseñable que los 632.433 tweets descargados son la totalidad de los emitidos con ese término en el periodo estudiado y no una muestra.

En primer lugar, aportaremos algunas métricas generales sobre nuestra base de datos, como la presentación de una muestra de los tweets más difundidos por los usuarios a través de retweets y likes¸ aunque estos han sido modificados ligeramente en su redacción, cambiando algunos términos por sinónimos, para evitar la identificación del autor. Tras esto, empleamos métodos para el cumplimiento de nuestro primer objetivo: corroborar si en los mensajes emitidos por los usuarios se expresa algún tipo de conflicto o reivindicación generacional, y cuantificarlo. Dado el elevado número de casos, resulta necesario realizar una clasificación automatizada de textos basada en el aprendizaje automático supervisado («supervised machine learning»). Esta es una técnica de «big data» que usa algoritmos de clasificación para generar modelos predictivos basados en una muestra de ejemplo, previamente clasificada, aplicando posteriormente el modelo al resto de la muestra, que no ha sido utilizada para entrenar el modelo de predicción (Hvitfeldt & Silge, 2021)¸¸c. En nuestro caso, la población son los mensajes de Twitter, de tal manera que cada tweet es una unidad de análisis. Para aplicar este método computacional, dividimos el universo de mensajes en una muestra de ejecución y otra de aplicación. Sobre la primera, que consta de 2.500 tweets, realizamos una clasificación manual, dividiendo los tweets entre aquellos que expresan cualquier tipo de conflicto o reivindicación (ya sea de forma directa o a través del humor o la ironía), y aquellos que no lo expresan, o tienen un carácter puramente descriptivo o periodístico. Aquí, debemos indicar que las instrucciones a los codificadores mandataban considerar como conflictivos aquellos mensajes que expresasen cualquier tipo de agravio, por sutil que fuese.

Con esto, calculamos la matriz documento-término en la que se representa el número de veces que cada término aparece en un tweet y con la que construiremos posteriormente un modelo que asigna un peso a cada palabra en función de la expresión de conflicto y, en base a las palabras que aparecen en el tweet, asigne la probabilidad de que este tweet exprese conflicto o no. A continuación, dividimos aleatoriamente el conjunto de datos de ejecución anotados en dos grupos: un 80% para el grupo de entrenamiento y un 20% para el grupo de prueba. Con el primero elaboramso el algoritmo, usando modelos lineales generalizados (GLM). Así, se entrena teóricamente el siguiente modelo:

P (tweet exprese conflicto) = F(β0+β1#Palabra1+β2#Palabra2+...)

Donde #Palabra1 es la cantidad de veces que la palabra 1 aparece. Construir el algoritmo significa encontrar los mejores valores de β1 para que el modelo obtenga el mejor rendimiento prediciendo si los tweets, del conjunto de entrenamiento, expresan conflicto. Los tweets se clasifican como expresión de conflicto si su probabilidad de hacerlo es mayor a 0,5. Este algoritmo, construido con la librería glmnet (Friedman et al., 2010) es un modelo de clasificación logística regularizada, que predice una variable categórica binaria, pero añadiendo la regularización para evitar el sobreajuste del modelo, añadiendo un término de penalización a la función de costo original, mejorando así la capacidad de generalización. Finalmente, el modelo construido con el conjunto de entrenamiento se aplica al conjunto de prueba anotado, de tal manera que predecimos si los tweets expresan conflicto o no lo hacen, pudiendo comparar esta predicción con la clasificación realizada manualmente con anterioridad. Con ello, calculamos la matriz de confusión, que indica cuantos casos son clasificados correctamente por el modelo y calculamos la bondad del modelo, es decir, su capacidad de predecir adecuadamente. Para tal propósito, utilizamos las métricas de evaluación clásicas para modelos de aprendizaje automático supervisado (Kelleher et al., 2015): «accuracy», que mide el porcentaje de casos que el modelo acierta; «precision», que expresa el porcentaje de positivos predichos que realmente lo son; recall, que expresa el porcentaje de positivos reales que hemos identificado correctamente y el F2, que constituye una media que combina «precision» y «recall» es un solo valor. Una vez que se logra un modelo con una óptima capacidad predictiva, se aplica a toda la base de datos, a excepción de aquellos con los que el modelo ha sido construido para evitar el sesgo. Así, clasificamos automáticamente los 252.426 tweets restantes.

Una vez clasificados los tweets entre aquellos que expresan conflicto o reivindicación generacional y aquellos que no lo hacen, estamos en condiciones de proseguir con nuestro segundo objetivo y determinar a través de qué temáticas se expresan estos conflictos. Para ello, utilizaremos técnicas de «topic modeling», o modelado de temas, que son técnicas de clasificación no supervisada en la que los mensajes se agrupan en diferentes temas sin necesidad de una clasificación previa. Es reseñable que, si bien esta técnica tiende a usarse en textos más grandes, como artículos periodísticos, ya existen algunos estudios que la han aplicado con éxito en análisis de tweets (Calderón et al., 2020). A diferencia de los métodos supervisados, como el anterior, en los que se definen categorías previas y se entrena un modelo con ellas; en el «topic modeling» los temas se descubren a medida que los documentos se agrupan en ellos, permitiendo que los tweets puedan pertenecer simultáneamente a varios temas. Utilizaremos el algoritmo más común en el modelado de temas, «Latent Dirichlet Allocation» (Blei et al., 2003), en el que cada tweet se sustituye por la matriz de frecuencia de términos, y el modelo intenta encontrar grupos de términos (temas) que expliquen por qué algunos documentos son similares. Jacobi et al. (2016), «los temas se detectan mediante el descubrimiento de patrones en presencia de grupos de palabras concurrentes en los documentos» (p. 3). Para implementar el «topic modeling», utilizaremos la librería de R «topicmodels» (Grün & Hornik, 2022). Tras esto, ajustaremos el número de temas a extraer que se pedirán al algoritmo, optimizando el modelo, de tal manera que se extraiga el menor número de temas sin perder información. Para ello, recurriremos a la librería «ldatuning» (Nikita & Chaney, 2020);, y las métricas de CaoJuan2009, Arun2010, Deveaud2014 y Griffiths2004, que indican qué número de temas a extraer es más adecuado a través de la convergencia de la minimización de las dos primeras métricas y la maximización de las segundas.

4.  Análisis y Resultados

Presentamos en la Tabla 1 el texto y las métricas de aquellos diez tweets con una mayor difusión en el periodo estudiado. Si bien en un primer momento pretendíamos mostrar aquellos con más «retweets» y «likes», finalmente construimos una única tabla dado que ambos coincidían.

Como podemos observar, los tweets más difundidos expresan mayoritariamente formas de conflicto generacional. De los diez presentados, cinco muestran agravios o reivindicaciones económicas en términos generacionales, haciendo alusión a los problemas acceso a la vivienda, paro o precariedad, ya sea de forma

Tabla 1: Tweets con una mayor difusión a través de retweets y likes.
Mediados de agosto. Los boomers del periódico están de vacaciones. El becario al que han dejado trabajando se sienta en el escritorio. Apenas le pagan, hace el doble de horas de lo estipulado. Y no tiene nada que perder. Pone las manos sobre el teclado y empieza a escribir: Los jóvenes de ahora no son peores que los de antes. Con estadísticas en la mano, es, más bien al contrario: son más cautos, responsables y estudiosos que los mileniales; y fuman, beben y se drogan menos que en los noventa. Su problema se llama paro y precariedad.	RT: 9050  LK: 34688
Me fastidian los jóvenes con ideas conservadoras. Los boomers al menos tienen la excusa de decir que toda su vida han vivido así. Pero ustedes qué.	RT:6096 LK: 31307
boomers: Los jóvenes tienen muchos pájaros en la cabeza y solo piensan en tonterías. Los jóvenes: «Ojalá ser mileurista».	RT: 5722 LK: 27813
¿Os acordáis cuando los jóvenes empezamos a tener todos móviles y los boomers estaban súper pesados con que no nos creyésemos nada de lo que veíamos por Internet y ahora son ellos los primeros en creerse cualquier bulo que ven por ahí en Facebook?	RT: 4374  LK: 19939
Los boomers asustados por si sus hijos ven a dos mujeres besándose en una peli de Disney.	RT: 4340 LK: 28475
boomers: Los jóvenes no tienen hijos porque son unos egoístas. Los jóvenes que quieren tener hijos: *Temblando por la precariedad*.	RT: 4187 LK: 24532
boomers be like: «Los profesores me daban con la regla de madera en las uñas y luego mi padre me pegaba con su cinturón de cuero y mira, he salido bien, malditos ofendiditos» *procede a maltratar a todo su entorno*	RT: 3934 LK: 15636
El precio de las viviendas ha crecido 42% en 16 años, los salarios promedio han decrecido 16%. No boomers y conservas, no es por falta de «esfuerzo». Hoy los salarios alcanzan mucho menos para comprar una vivienda.	RT: 3302  LK: 12015
Según la Reserva Federal de EE. UU., los millennials poseemos el 4,6% de toda la riqueza. A la misma edad, la Generación X (1965-1981) tenía el 9% de la riqueza. Los boomers el 21%. La generación más preparada de la historia somos también la generación más pobre.	RT: 2208  LK: 6102
boomers: «Los de ahora son la #GeneracionDeCristal. Todo les ofende...» “boomers» cuando se habla de feminismo, matrimonio igualitario o aborto legal: *se ofenden*	RT: 1152 LK: 4275

directa o a través de humor e ironía. Los cinco restantes podrían ser encuadrados, grosso modo, como expresiones de reivindicación generacional de carácter cultural, aludiendo a conflictos de valores, bien sea categorizando a los «boomers» como más conservadores en cuestiones relacionadas con el feminismo o la sexualidad; o aludiendo a la menor capacidad crítica de estos para discernir los bulos en redes sociales. Curiosamente, la mayoría de los mensajes con más difusión se presentan en forma de respuesta a un estereotipo que se percibe construido por parte de los «boomers». Esto se observa de forma clara cuando los jóvenes consideran que son clasificados de «ofendiditos» o «generación de cristal» por los «boomers».

A continuación, presentamos las métricas del algoritmo creado a través de métodos de aprendizaje automático supervisado (Tabla 2). Este algoritmo se entrenó a partir de la clasificación manual de 2.500 tweets, de los cuales un 46% no expresaba ningún tipo de conflicto y un 54% sí lo hacía. De esos 2.500 tweets, un 80% se utilizó para entrenar el algoritmo y con los restantes se probó su capacidad predictiva.

Tabla 2: Métricas de evaluación del modelo.
Accuracy:		0,705
Precision		0,720
Recall		0,784
F1		0,750

Una vez entrenado y evaluado el algoritmo, clasificamos el resto de tweets (Tabla 3). De los 252.426 emitidos sobre los «boomers», no utilizados para construir el modelo, un 60,35% expresan conflictos o reclamaciones hacia ellos. Si bien pudiese no parecer un porcentaje excesivamente elevado, supone que más de la mitad de la totalidad de tweets emitidos bajo el término los «boomers» en el periodo estudiado se relacionan con algún tipo de agravio o reivindicación generacional. En consecuencia, los resultados obtenidos para la cumplimentación del primer objetivo dan una respuesta afirmativa a la pregunta sobre si el uso del término «boomers» viene acompañado de expresiones de conflicto generacional.

Tabla 3: Clasificación de tweets originales con aprendizaje automático.
	Frecuencia	Porcentaje
Conflicto	152.599	60,35%
No conflicto	99.827	39,65%
Total	252.426	100%

El segundo objetivo consistía en averiguar bajo qué temáticas se expresa el conflicto reseñado, y para ello filtramos los tweets utilizando únicamente los clasificados por nuestro modelo como expresiones de conflicto generacional. Recurrimos a la metodología ya descrita, técnicas de «topic modeling», que detectan automáticamente los temas subyacentes y permite determinar el número adecuado de temas a extraer.

Las cuatro métricas representadas indican cuantos temas deberían extraerse para ser exhaustivos sin añadir aportaciones innecesarias. Las métricas a minimizar siguen una tendencia paralela (Figura 1) a excepción de en la extracción de seis temas. Sin embargo, las métricas a maximizar presentan una gran disparidad entre ellas, alcanzando Deveaud2014 su máximo en la extracción de cuatro temas y su mínimo en la de diez, donde Arun2010 alcanza su máximo. Por este motivo, si bien la extracción de diez es el punto idóneo para tres de las cuatro métricas, optamos por la extracción de siete temas al ser el punto idóneo si pretendemos no despreciar ninguna. Una vez decidido el número de temas a extraer, presentamos la agrupación de palabras de forma visual (Figura 2), y su correspondiente interpretación.

Tema 1: Agravios o reivindicaciones de carácter económico/material. Catalogamos de esta manera el primer tema dada la concatenación de las palabras trabajo, casa, dinero, trabajar o futuro, que hacen referencia a cuestiones materiales. Un ejemplo de tweet catalogado es «Como no nos vamos a deprimir si no hay trabajo, no hay plazas, no tenemos prestaciones, no tenemos las facilidades para comprar casa y auto como antes. A nuestra edad los «boomers» ya tenían todo eso». De esta manera, se muestra un recelo hacia los «baby boomer» que se pudieron beneficiar de períodos de crecimiento económico y estabilidad que en la actualidad son entienden de inaccesibles. Esto incluye críticas en materia de vivienda, oportunidades laborales, pensiones y acceso a servicios sociales.

Tema 3: Agravios o reivindicaciones vitales. Nombramos así el tercer tema dada la conjunción de términos como jóvenes, tener, hijos, culpa, padres o edad. Bien es cierto que encontramos dos tipos de tweets diferenciados. El primero enfatiza las imposibilidades que percibe la juventud de desarrollar una vida similiar a la que se considera que tuvieron cohoertes de edad precedentes, especialmente en la cuestión de la paternidad. Sin embargo, también se identifica en este punto tweets que defienden el derecho a no tener hijos y no ser juzgados por ello. Rescatamos un ejemplo de cada enfoque categorizado: «Los boomers que nos echan la culpa de que nuestra generación no quiera tener hijos y no se dan cuenta que más que no querer tener hijos es que no queremos traer vidas al mundo sin tener una estabilidad mental y económica». «Me da risa cómo los boomers se sorprenden porque no queremos tener hijos y le andan buscando una explicación, cuando la razón es simplemente No». En este tema influyen tanto la seguridad financiera de las generaciones jóvenes, percibida más baja que la de los «baby boomer», que les impide desarrollar un proyecto vital; como cambios de valores respecto a esta generación.

Tema 4. Agravios o reivindicaciones políticas. Esta conceptualización se debe a la acumulación de las palabras país, mayoría, problema, política, derechos o gobierno, que hacen referencia a cuestiones políticas. «Los jóvenes deberíamos unirnos más para reclamar un cambio político en España y que se nos mire más. Lo que no puede ser es que dejemos que los «boomers» hagan política para «boomers» y nos arrastren al abismo» es un ejemplo de tweet. Así, los jóvenes, que han sufrido varias crisis económicas (de forma especial la gran recesión y la crisis de la deuda) culpan a la generación «boomer» de realizar políticas económicas, sociales y medioambientales que han ido en contra de sus intereses.

Tema 5. Respuesta al estereotipo. Consiste en una reacción al perjuicio percibido por parte de los «boomers» hacia su generación que se concreta en apelativos como generación de cristal y va acompañado de construcciones verbales que hacen referencia a otros, como dicen, diciendo, hacen o quejan. Por ejemplo: «Nos llaman generación de cristal y que arruinamos todo, pero fueron ustedes los que hicieron que ahora tengamos que arreglar esta sociedad de mierda boomers». Hemos constatado que cuando los jóvenes se enfrentan al apelativo de generación de cristal en redes sociales tienden a remarcar sus reivindicaciones en forma de conflicto generacional, dado que no se sienten comprendidos sino responsabilizados de las situaciones que les damnifican.

Tema 6. Críticas a los usos digitales. La temática se circunscribe en la sucesión de palabras Twitter, comentarios, Internet, WhatsApp, Facebook, entienden, usar o memes. Es la forma en la que se alude al comportamiento de «boomers» en relación con el uso de redes sociales y aplicaciones digitales, especialmente al escaso conocimiento y comprensión de las relaciones virtuales y a lo que se consideran malas praxis plasmadas a través de comentarios y mensajes desafortunados como el que reflejamos: «Los boomers se creen que saben todo sobre todos los putos temas del mundo y solo saben pasar bulos por facebook es que me tengo que reír con su audacia». A este respecto, los jóvenes acusan a la generación boomer de desactualización digital, a pesar de ser un requerimiento indispensable en un mercado laboral en constante transformación.

Tema 7. Críticas actitudinales. En este ítem se engloban, de forma más genérica que con anterioridad, críticas de carácter conductual que suelen venir precedidas del verbo odiar. A su vez, suelen contener un marcado carácter de género, de ahí la composición de palabras mujeres, mujer, hombres o chistes tal y como ilustramos con esta muestra: «Odio los chistes de boomers donde el único tema que tiene todo el puto show hacer menos o hacer sentir mal a sus esposas, porque siempre las mujeres somos las locas, las que les hablan feo, las que cagan el palo siempre y pobrecitos hombres». A este respecto, los jóvenes muestran una reacción que podemos calificar de incomodidad y da lugar a comentarios desaprobatorios.

Respecto al tema número dos, consideramos que carece de sentido sustantivo dada la escasa coherencia de la agrupación de palabras contenidas (gente, vez, cada o nadie). Esto es habitual en las técnicas de «topic modeling» pues no siempre los temas extraídos mantienen coherencia interna, máxime cuando se trabaja con textos cortos como tweets. Una vez catalogados y descritos los temas extraídos, gracias a los que podemos entender la expresión de conflicto generacional, cuantificamos y representamos sus frecuencias.

La mayor parte del conflicto generacional (Gráfico 3) se expresa a través del primer tema: agravios o reivindicaciones en términos comparativos acerca de cuestiones económicas. En segundo lugar, encontramos los agravios o reivindicaciones vitales, especialmente respecto a la cuestión de la paternidad. Tras esto, aparecen expresiones de respuesta hacia el estereotipo que los «boomers» construyen sobre la juventud. En cuarto lugar, estarían las críticas a las habilidades tecnológicas, seguidas de reivindicaciones y agravios de carácter político y, finalmente, las críticas actitudinales, en las que tienen peso las cuestiones de género.

5.  Discusión y Conclusiones

Resulta evidente la creciente importancia que el análisis generacional ha cobrado en el discurso público. La deuda pública, las dificultades de acceso a la vivienda, el cambio climático o el cambio de valores, entre otras cuestiones, se narran habitualmente en términos generacionales (White, 2013), señalando en ocasiones a los «boomers» como causantes de perjuicios a generaciones posteriores (Bristow, 2016). Por ello, hemos considerado de interés el estudio del uso del término «boomer», viralizado a raíz del fenómeno #OKBoomer, para descubrir si detrás de su uso existían formas de conflicto generacional y qué tipo de temáticas subyacían en él. Tras descargar más de 600.000 tweets y analizarlos mediante técnicas de «machine learning», corroboramos que la mayoría de los tweets emitidos tenían un carácter conflictivo o reivindicativo. Nuestros resultados coinciden con investigaciones previas (Mueller & McCollum, 2022) que muestran que tras el uso de este concepto existen formas de conflicto generacional. De esta forma, hemos corroborado que los «boomers» está siendo percibidos de forma problemática por las generaciones más jóvenes. Además, quisimos averiguar bajo qué temáticas se expresaban estos conflictos mediante técnicas de «topic modeling». Encontramos una gran prominencia de los «hard factors» (Topics 1, 3 y 4) que concentran el 45,6% de las expresiones de conflicto relativos a las reivindicaciones económicas, políticas y vitales. No obstante, también hallamos «soft factors», (Topics 5, 6 y 7), que agrupan un 37,3% de tweets y representarían, a grandes rasgos, choques cotidianos intergeneracionales vinculados con habilidades digitales y críticas actitudinales.

Más importante, a nuestro modo de ver, son los «hard factors». El tema más numeroso, «Topic 1», hace referencia a agravios económico/materiales relacionados con salarios, vivienda o trabajo. No es de extrañar que sea así dada la precariedad laboral juvenil, marcada por bajos salarios y dificultades de emancipación residencial, que queda corroborada en la investigación de INJUVE (2020). Sorprende más que el Topic 3, reivindicaciones de carácter vital que enfatizan la imposibilidad que perciben los jóvenes para desarrollar una vida como la de generaciones anteriores, sea el segundo tema con más número de tweets adscritos. Entendemos que el motivo puede estar en las aspiraciones expresadas por las jóvenes en relación con la edad de la maternidad y el número de hijos deseado, que en las mujeres españolas se encuentra en los 28 años de media y 2 hijos tal y como concluye GAD3 (2020) Sin embargo, la edad media de maternidad actual se sitúa en 32 años y el número de hijos promedio en 1,3. Evidentemente, en la propia encuesta, como en la mayoría de los tweets de este tema, se afirma que son los factores económicos los responsables de que en numerosas ocasiones deseos y realidad no coincidan, es decir, podría entenderse esta cuestión como una derivación del «Topic 1».

La dominancia de estos temas es congruente con los resultados del «Eurobarometer» (Comisión Europea, 2021) que indica que las preocupaciones de la juvendutd tienen que ver con el desempleo y falta de oportunidades laborales, la precariedad, el acceso a la vivienda, la protección social o la igualdad de género, además de cuestiones mediambientales. Con estos datos resulta sencillo entender los sentimientos de frustración juvenil que aparecen frecuentemente en los tweets.

Sin embargo, lo más interesante es entender por qué estas reivindicaciones se traducen en formas de conflicto generacional. Aquí jugaría un papel fundamental el «Topic 5», que aglutina los tweets a modo de respuesta ante los estereotipos que los jóvenes perciben hacia su generación por parte de los «boomers», especialmente con la denominación peyorativa «generación de cristal». Así, es plausible pensar que al ser sojuzgados y descalificados mediante etiquetas etiquetas peyorativas que restan legitimidad a sus reivindicaciones, y además perciben un agravio comparativo respecto a la situación de quién precisamente les denosta, estas reivindicaciones se expresarían como conflictos generacionales.

A esto debemos sumar los resultados del «Topic 4», que expresaban la percepción joven de que quien podría atender sus reivindicaciones, a través de políticas públicas, es cautivo de la mayoría electoral de «boomers», cuyo voto se convierte en un bien preciado para los partidos políticos e influye en la gestión gubernamental.

En definitiva, los resultados ofrecidos señalan la existencia de críticas relevantes y reivindicaciones de gran importancia para la configuración y desarrollo vital de los jóvenes que las plantean, que deberían ser tenidas en cuenta para la realización de políticas públicas, especialmente en el ámbito del bienestar material. Independientemente de la responsabilidad real que otras generaciones tengan en estas situaciones, sería conveniente tomar estas reclamaciones en serio, dado que expresan importantes agravios comparativos percibidos. No en vano, muestran que los jóvenes aprecian que la generación boomer, lejos de empatizar con su situación, les ataca y responsabiliza con descalificaciones como «generación de cristal». No tener presentes estos hallazgos podría profundizar en un aumento de la discriminación basada en la edad, como la encontrada en investigaciones previas (Walker & Naegele, 1999) y una pérdida de cohesión social.

En definitiva, la investigación presenta limitaciones habituales por el uso de técnicas de «big data» (dificultad de profundizar en el contenido de las reivindicaciones, atribución causal de responsabilidades o imposibilidad de diferenciar por país emisor de tweets, dado que los mensajes geolocalizados son escasos), pero permite comprobar la existencia de conflicto y reivindicaciones subyacentes al uso del término «boomer» en Twitter por parte de las generaciones jóvenes. Además, hemos corroborado que la mayoría de los tweets reivindicativos expresan preocupaciones relacionadas con la economía, el proyecto vital o cuestiones políticas. A este respecto, investigaciones futuras deberían encaminarse precisamente a dar luz a las limitaciones descritas relacionadas con la profundidad del contenido y la atribución de responsabilidades de los jóvenes en lo que concierne a sus agravios, por ejemplo, a través del empleo de técnicas de investigación cualitativas. Asimismo, otra línea de trabajo abierta es la diferenciación generacional por género encontrada en nuestra investigación, dado que se tiende a presentar a los «boomers»» como una categoría claramente masculina, lo cual podría entenderse, a la luz de los estudios de género, en base a conflictos de valores. Por último, entendemos que nuestra investigación puede ayudar a la mejora del diseño de políticas públicas destinadas a la juventud, al menos respecto a la comprensión de la expresión de sus reivindicaciones.

Contribución de Autores