Análisis de contenido en Twitter y el aislamiento social obligatorio
Este trabajo analiza el contenido en tweets que contienen una etiqueta asociada al aislamiento social obligatorio, medida adoptada por las Autoridades Nacionales de Argentina el 20 de marzo de 2020 frente a la expansión de la pandemia COVID-19. Mediante la utilización de técnicas de minería de texto...
| Autor principal: | |
|---|---|
| Formato: | Artículo publishedVersion |
| Lenguaje: | Español Español |
| Publicado: |
2020
|
| Acceso en línea: | http://bibliotecadigital.econ.uba.ar/econ/collection/rimmage/document/rimmage_v7_n1_01 https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=rimmage&d=rimmage_v7_n1_01_oai |
| Aporte de: |
| Sumario: | Este trabajo analiza el contenido en tweets que contienen una etiqueta asociada al aislamiento social obligatorio, medida adoptada por las Autoridades Nacionales de Argentina el 20 de marzo de 2020 frente a la expansión de la pandemia COVID-19. Mediante la utilización de técnicas de minería de texto, el objetivo de este trabajo es la clasificación de tweets a partir del sentimiento contenido en los mismos expresados por usuarios en la red social Twitter respecto del aislamiento social obligatorio. Con este propósito se procesan mediante técnicas de minería de datos, 2.965 tweets recolectados a través de la API (Application Programming Interface) de Twitter de uso público y gratuito. A partir de su análisis mediante técnicas de minería de texto, se concluye que el 49,8% de los tweets contiene un sentimiento negativo respecto del aislamiento social obligatorio. Si bien las técnicas utilizadas podrían ampliarse, la metodología presentada puede considerarse una buena primera aproximación al procesamiento y análisis de datos alternativos para la generación de valor agregado. |
|---|