Del data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automático
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 cambiand...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2019
- Institución:
- Universidad del Rosario
- Repositorio:
- Repositorio EdocUR - U. Rosario
- Idioma:
- spa
- OAI Identifier:
- oai:repository.urosario.edu.co:10336/39743
- Acceso en línea:
- https://repository.urosario.edu.co/handle/10336/39743
- Palabra clave:
- Análisis de sentimiento
Aprendizaje automático supervisado
Twitter
Comunicación científica
Sentiment analysis
Twitter
Supervised machine learning
Scientific communicationAnálise de Sentimento
aprendizagem automática supervisada
Twitter
comunicação científica
- Rights
- License
- Attribution-NonCommercial-NoDerivatives 4.0 International
id |
EDOCUR2_4871cbe523587b5eecfab351238c81ff |
---|---|
oai_identifier_str |
oai:repository.urosario.edu.co:10336/39743 |
network_acronym_str |
EDOCUR2 |
network_name_str |
Repositorio EdocUR - U. Rosario |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Del data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automático |
dc.title.TranslatedTitle.eng.fl_str_mv |
From Data Driven to Data Feeling: Sentiment Analysis in Real Time of Messages in Spanish about Scientific Communication Using Machine Learning Techniques Do data driven ao data feeling: análise de sentimento no tempo real de mensagens em espanhol sobre divulgação científica usando técnicas de aprendizagem automática |
title |
Del data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automático |
spellingShingle |
Del data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automático Análisis de sentimiento Aprendizaje automático supervisado Comunicación científica Sentiment analysis Supervised machine learning Scientific communicationAnálise de Sentimento aprendizagem automática supervisada comunicação científica |
title_short |
Del data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automático |
title_full |
Del data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automático |
title_fullStr |
Del data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automático |
title_full_unstemmed |
Del data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automático |
title_sort |
Del data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automático |
dc.subject.spa.fl_str_mv |
Análisis de sentimiento Aprendizaje automático supervisado Comunicación científica |
topic |
Análisis de sentimiento Aprendizaje automático supervisado Comunicación científica Sentiment analysis Supervised machine learning Scientific communicationAnálise de Sentimento aprendizagem automática supervisada comunicação científica |
dc.subject.keyword.eng.fl_str_mv |
Sentiment analysis Supervised machine learning Scientific communicationAnálise de Sentimento aprendizagem automática supervisada comunicação científica |
description |
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. |
publishDate |
2019 |
dc.date.created.spa.fl_str_mv |
2019-07-20 |
dc.date.issued.spa.fl_str_mv |
2020-01-17 |
dc.date.accessioned.none.fl_str_mv |
2023-06-14T19:08:48Z |
dc.date.available.none.fl_str_mv |
2023-06-14T19:08:48Z |
dc.type.spa.fl_str_mv |
article |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
dc.type.hasVersion.spa.fl_str_mv |
info:eu repo/semantics/publishedVersion |
dc.identifier.doi.spa.fl_str_mv |
https://doi.org/10.12804/revistas.urosario.edu.co/disertaciones/a.7691 |
dc.identifier.issn.spa.fl_str_mv |
1856 9536 |
dc.identifier.uri.none.fl_str_mv |
https://repository.urosario.edu.co/handle/10336/39743 |
identifier_str_mv |
https://doi.org/10.12804/revistas.urosario.edu.co/disertaciones/a.7691 1856 9536 |
url |
https://repository.urosario.edu.co/handle/10336/39743 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.citationTitle.spa.fl_str_mv |
Anuario Electrónico de Estudios en Comunicación Social "Disertaciones |
dc.relation.ispartof.spa.fl_str_mv |
Anuario Electrónico de Estudios en Comunicación Social "Disertaciones"; Vol. 13 Núm. 1 (2020) |
dc.relation.uri.spa.fl_str_mv |
https://revistas.urosario.edu.co/index.php/disertaciones/article/view/7691 |
dc.rights.spa.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.acceso.spa.fl_str_mv |
Abierto (Texto Completo) |
dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by nc nd/4.0 |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International Abierto (Texto Completo) https://creativecommons.org/licenses/by nc nd/4.0 http://purl.org/coar/access_right/c_abf2 |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad del Rosario Universidad de Los Andes Universidad Complutense de Madrid |
dc.publisher.department.spa.fl_str_mv |
Editorial Universidad del Rosario |
dc.source.spa.fl_str_mv |
Anuario Electrónico de Estudios en Comunicación Social "Disertaciones |
institution |
Universidad del Rosario |
dc.source.instname.spa.fl_str_mv |
instname:Universidad del Rosario |
dc.source.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional EdocUR |
bitstream.url.fl_str_mv |
https://repository.urosario.edu.co/bitstreams/ef009f1b-3856-4d39-879a-e2ca5539161d/download https://repository.urosario.edu.co/bitstreams/171378d2-e668-45c2-a6b4-3d307f663c14/download https://repository.urosario.edu.co/bitstreams/bb1e8671-97fe-4ca0-89b3-9606a17b6a17/download |
bitstream.checksum.fl_str_mv |
a37d100e3b1d5e76ac7b4a5e474671cb 412f789cd4ac03ab02afa41b9940fd6a f3124d7cac681938ec1b742e14ab505b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional EdocUR |
repository.mail.fl_str_mv |
edocur@urosario.edu.co |
_version_ |
1814167508587905024 |
spelling |
09fa4120-d0fb-424e-b854-9d2a41573220fe842197-95fc-4f39-a3ba-cfc09d861f72a5827b21-82ec-421d-be76-d9c446d34c492023-06-14T19:08:48Z2023-06-14T19:08:48Z2019-07-202020-01-17Los 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.application/pdf https://doi.org/10.12804/revistas.urosario.edu.co/disertaciones/a.76911856 9536https://repository.urosario.edu.co/handle/10336/39743spaUniversidad del RosarioUniversidad de Los AndesUniversidad Complutense de MadridEditorial Universidad del RosarioAnuario Electrónico de Estudios en Comunicación Social "DisertacionesAnuario Electrónico de Estudios en Comunicación Social "Disertaciones"; Vol. 13 Núm. 1 (2020)https://revistas.urosario.edu.co/index.php/disertaciones/article/view/7691Attribution-NonCommercial-NoDerivatives 4.0 InternationalAbierto (Texto Completo)https://creativecommons.org/licenses/by nc nd/4.0http://purl.org/coar/access_right/c_abf2Anuario Electrónico de Estudios en Comunicación Social "Disertacionesinstname:Universidad del Rosarioreponame:Repositorio Institucional EdocURAnálisis de sentimientoAprendizaje automático supervisadoTwitterComunicación científicaSentiment analysisTwitterSupervised machine learningScientific communicationAnálise de Sentimentoaprendizagem automática supervisadaTwittercomunicação científicaDel data driven al data feeling: análisis de sentimiento en tiempo real de mensajes en español sobre divulgación científica usando técnicas de aprendizaje automáticoFrom Data Driven to Data Feeling: Sentiment Analysis in Real Time of Messages in Spanish about Scientific Communication Using Machine Learning TechniquesDo data driven ao data feeling: análise de sentimento no tempo real de mensagens em espanhol sobre divulgação científica usando técnicas de aprendizagem automáticaarticleinfo:eu repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501Sánchez Holgado, PatriciaMartín Merino Acera, ManuelBlanco Herrero, DavidORIGINALdel_data_driven_al_data_feeling_analisis_de_sentimiento_en_tiempo_real_de_mensajes_en_español_sobre_divulgacion_cientifica_usando_tecnicas_de_aprendizaje_automatico.pdfapplication/pdf699348https://repository.urosario.edu.co/bitstreams/ef009f1b-3856-4d39-879a-e2ca5539161d/downloada37d100e3b1d5e76ac7b4a5e474671cbMD51TEXTdel_data_driven_al_data_feeling_analisis_de_sentimiento_en_tiempo_real_de_mensajes_en_español_sobre_divulgacion_cientifica_usando_tecnicas_de_aprendizaje_automatico.pdf.txtdel_data_driven_al_data_feeling_analisis_de_sentimiento_en_tiempo_real_de_mensajes_en_español_sobre_divulgacion_cientifica_usando_tecnicas_de_aprendizaje_automatico.pdf.txtExtracted texttext/plain75937https://repository.urosario.edu.co/bitstreams/171378d2-e668-45c2-a6b4-3d307f663c14/download412f789cd4ac03ab02afa41b9940fd6aMD52THUMBNAILdel_data_driven_al_data_feeling_analisis_de_sentimiento_en_tiempo_real_de_mensajes_en_español_sobre_divulgacion_cientifica_usando_tecnicas_de_aprendizaje_automatico.pdf.jpgdel_data_driven_al_data_feeling_analisis_de_sentimiento_en_tiempo_real_de_mensajes_en_español_sobre_divulgacion_cientifica_usando_tecnicas_de_aprendizaje_automatico.pdf.jpgGenerated Thumbnailimage/jpeg3752https://repository.urosario.edu.co/bitstreams/bb1e8671-97fe-4ca0-89b3-9606a17b6a17/downloadf3124d7cac681938ec1b742e14ab505bMD5310336/39743oai:repository.urosario.edu.co:10336/397432023-06-15 03:01:13.534https://creativecommons.org/licenses/by nc nd/4.0Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.co |