Choque de Tuits: Aplicación de Minería de Texto para Análisis de Sentimientos
DOI:
https://doi.org/10.1234/gm.v12i12.6383Palabras clave:
Análisis de Sentimientos, Minería de Texto, Twitter, R Studio, WEKAResumen
En el presente artículo se exponen modestos resultados de un proceso de análisis de sentimiento político que se realizó, aplicando minería de texto sobre las cuentas de Twitter de representantes de la “oposición” y representantes “oficialistas” afectos al gobierno Madurista en Venezuela, en el contexto de las elecciones parlamentarias venezolanas del 2015. Este estudio se ejecutó con el propósito de identificar si ambos grupos políticos representan dos clases claramente diferenciadas en su discurso lingüístico y en cuyo caso establecer y describir sus sentimientos, intereses, preocupaciones y preferencias. Para realizar este trabajo se aplicó una adaptación de la metodología CRISP-DM para datos complejos de textos conocido como proceso de minería de texto. Para el estudio se utilizaron las herramientas R, R Studio, TwitteR y WEKA. Los resultados observados en forma de modelos de clasificación, grupos y reglas de asociación involucran los términos frecuentemente usados por los tuiteros analizados, muestran que sí existen diferencias importantes en el contenido discursivo, muy modestamente se muestran los temas y sentimientos que caracterizan a los dos grupos que se disputan el poder en Venezuela. Este estudio y sus resultados evidencian la factibilidad y utilidad de aplicar minería de texto en redes sociales para realizar análisis de sentimientos en el ámbito político.
Contacto del autor
Correo electrónico: liborjas@ucab.edu.ve / LivaCaro7@gmail.com
Descargas
Citas
A. Bifef, F. E. (2010). “Sentiment Knowledge Discovery in Twitter Streaming Data”. University of Waikato. Nueva Zelanda: Hamilton
Gentry, J. (2015, julio 29 ). Package ‘twitteR’. repositorio CRA
Gundecha, P. y. (2012). “Mining Social Media: A Brief Introduction”. Revista Informs, disponible en http://dx.doi.org/10.1287/educ.1120.0105.
K. Sylwester, M. P. (2015). “Twitter Language Use Reflects Psychological, Differences between Democrats and Republicans” . Revista PLOS One
S. Moro, M. R. (Marzo, 2014). Using Data Mining for Bank direct marketing: An application of the CRISP-DM Methodology. Repositorium, http://repositorium.sdum.uminho.pt/bitstream/1822/14838/1/MoroCortezLaureano
Wikimedia. (2014, Marzo). A diagram showing the relationship between the different phases of CRISP-DM and illustrates the recursive nature of a data mining project. Retrieved from http://commons.wikimedia.org/wiki/File:CRISP-DM_Process_Diagram.png
Zhao, Y. (2015). R and Datamining: Examples and Case Studies. In Y. Zhao, “Text Mining” (p. capítulo 10 ). http://www.RDataMining.com.
