Ítem
Acceso Abierto
Del data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automático
Título de la revista
Autores
Sánchez Holgado, Patricia
Martín Merino Acera, Manuel
Blanco Herrero, David
Fecha
2019-07-20
Directores
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Universidad de Los Andes
Universidad Complutense de Madrid
Universidad de Los Andes
Universidad Complutense de Madrid
Buscar en:
Métricas alternativas
Resumen
Los cambios producidos en los últimos años en cuanto a modelos de comunicación social han llevado a todos los sectores a adaptarse a los nuevos medios para alcanzar a su público. La comunicación de la ciencia no es una excepción. La manera en que se distribuyen contenidos sobre ciencia está cambiando debido a la presencia creciente de tecnologías, y la red social Twitter se ha convertido en un importante aliado debido a su gran volumen de usuarios. En el presente trabajo, se utilizan técnicas de aprendizaje automático para desarrollar un clasificador —que funciona en tiempo real— de sentimiento relacionados con mensajes publicados en Twitter. Para ello, se descargaron 200 000 tweets destinados a construir un corpus de entrenamiento limpio y procesado de 10 000 textos etiquetados, la mitad positivos y la mitad negativos, sobre ciencia en español. El corpus permite entrenar el modelo de aprendizaje automático y construir un prototipo OpScience, capaz de determinar el sentimiento de mensajes publicados en Twitter en tiempo real. Los resultados relacionados con la exactitud del clasificador corresponden al 72 %. Estos resultados pueden ayudar a darle mayor valor a temas de la comunicación científica en un espacio de debate social y predecir intereses o tendencias futuras, como se pudo comprobar en una prueba en enero de 2019.
Abstract
Palabras clave
Análisis de sentimiento , Aprendizaje automático supervisado , Twitter , Comunicación científica
Keywords
Sentiment analysis , Twitter , Supervised machine learning , Scientific communicationAnálise de Sentimento , aprendizagem automática supervisada , Twitter , comunicação científica
