]]>
Este artículo presenta una propuesta para medir la popularidad de ocho presidentes de países de América Latina empleando la información de Twitter mediante el uso de scraping web en R. Las medidas están basadas en base a seguidores, favoritos, retweets y un análisis de sentimiento de los tweets de los usuarios hacia los presidentes. La información corresponde al mes de septiembre de 2019.
Palabras Clave
Twitter, presidentes América Latina, scraping, estadística, minería de texto, análisis de sentimiento.
Abstract
This article presents a proposal to measure the opinions of eight presidents of Latin American countries using the information of Twitter through the use of web scraping in R. The measures are based onthe base of followers, favorites, retweets and an analysis of feelings of the tweets of the users towards the presidents. The information corresponding to the month of September 2019.
Keywords
Twitter, Latin American presidents, scraping, statistics, text mining, sentiment analysis.
1. MOTIVACIÓN
]]>
Actualmente las redes sociales se han convertido en una ventana para que las personas interactúen con una fluidez sin precedente, la llegada del internet, los teléfonos inteligentes han acelerado la comunicación. Una de las redes sociales más populares es el Twitter, esta plataforma permite a sus usuarios crear miniblogs o mensajes limitados a 140 caracteres y publicarlos de manera pública o privada, no existe una interacción horizontal entre los usuarios, la relación que existe es de carácter vertical dado que los usuarios deciden a que usuario seguir.
La manera que existe para interactuar es mediante los tags (etiquetas) por ejemplo el tag #Bolivia está orientado a etiquetar el mensaje con contenido relacionado al tag, otro ejemplo son los tags como @evoespueblo que usan los usuarios para crear mensajes que incluyen al usuario del tag.
El Twitter es una de las herramientas empleadas por los presidentes de los distintos países, en América Latina todos los presidentes tienen cuentas activas, en este documento se exploran los datos de ocho presidentes; Mauricio Macri (Argentina), Evo Morales (Bolivia), Mario Abdo (Paraguay), Nicolás Maduro (Venezuela), Sebastián Piñera (Chile), Martin Vizcarra (Perú), Iván Duque (Colombia) y Lenin Moreno (Ecuador). La cuenta más antigua corresponde a Sebastián Piñera en febrero de 2008 y la más reciente cuenta corresponde a Evo Morales en abril de 2016.
Este documento presenta medidas de popularidad presidencial de ocho presidentes latinoamericanos, la información proviene de las cuentas de Twitter y fue obtenida mediante el uso del scraping web en R. En 2 se presentan los objetivos y alcances del trabajo, en 3 se detalla la metodología, en 5 presentan los resultados y finalmente en 6 se describen los hallazgos y recomendaciones del estudio.
2. OBJETIVOS Y ALCANCES
El objetivo central del documento es desarrollar criterios para medir popularidad a nivel de los presidentes de ocho países latinoamericanos empleando información proveniente del Twitter.
La información del Twitter es extraída mediante el uso de Scraping web usando el software estadístico R.
En cuanto a los alcances:
]]>
• La cobertura temporal de la información extraída del Twitter corresponde al mes de septiembre de 2019.
• Se define al español como el criterio de búsqueda para los presidentes.
• Se emplean el lexicón nrc1 para el análisis de sentimiento.
3.METODOLOGÍA
El scraping web con R permite tener acceso a diferentes datos dentro del Twitter, a partir de esto se definen las siguientes medidas para medir la popularidad de los ocho presidentes.
• Basado en seguidores, favoritos y retweets
1. Porcentaje de seguidores respecto la población total del país (followers).
]]>
2. Número de favoritos por cada 100.000 seguidores basado en el promedio de los últimos 20 tweets (fav20).
3. Número de favoritos por cada 100.000 seguidores basado en el promedio de los últimos 200 tweets (fav200).
4. Número de retweets por cada 100.000 seguidores basado en el promedio de los últimos 20 tweets (retweets20).
5. Número de retweets por cada 100.000 seguidores basado en el promedio de los últimos 200 tweets (retweets200).
• Basado en los mensaj es de los presidentes y de los usuarios hacia los presidentes
1. Wordclouds de los tweets presidenciales
2. Análisis de sentimiento en base a los tweets de los usuarios hacia los presidentes.
Donde:
]]>
Con Si la cantidad de seguidores registrados a septiembre de 2019 del presidente de i, P2019,i es la población proyectada del país del presidente i para el 2019. i y 0 i el promedio de favoritos de los últimos 20 y 200 tweets presidenciales respectivamente. y0el promedio de retweets de los últimos 20 y 200 tweets presidenciales respectivamente.
3.1. WORDCLOUDS
Los wordclouds presidenciales son nubes de palabras que se construyen a partir de las frecuencias de ocurrencias de palabras provenientes de los tweets que publican los presidentes.
3.2. ANÁLISIS DE SENTIMIENTO
Para el análisis de sentimientos de los tweets de los usuarios hacia los presidentes se siguen los siguientes pasos:
1. Se extraen los tweets de los usuarios hacia los presidentes, no se toma en cuenta los retweets
2. Se eliminan caracteres, números y stopword de cada tweet. Quedando únicamente las palabras de interés
3. En base al lexicón nrc se identifican ocho emocionespara cada pal abra, los sentimientos son: enojo, expectación, disgusto, miedo, alegría, tristeza, sorpresa y confianza.
]]>
4. Se agregan las ocho emociones para todos los tweets y se genera la proporción de emociones global.
4. DATOS
Los datos provienen de las siguientes fuentes:
1. Las cuentas de Twitter de ocho presidentes, la información corresponde a los tweets y actualizaciones hasta el mes de septiembre de 2019. El total de tweets explorados es de 20.699, no incluye los retweets de los presidentes.
2. Los tweets provenientes de los usuarios en donde se emplea un tag para alguno de los ocho presidentes. El total de tweets explorados es de 275.536, no incluye los retweets que realizan los usuarios y corresponde al mes de septiembre.
3. Las proyecciones de población provienen de los datos del Banco Mundial mediante la librería wbstats deR.
La información fue recolectada empleando R con las librerías twitteR, wordcloud, rvest, tidyverse, syuzhety wbstats.
]]>
5. RESULTADOS
Siguiendo la metodología descrita y en base a los datos recolectados, en esta sección se presentan los resultados.
5.1. BASADO EN SEGUIDORES, FAVORITOS Y RETWEETS
La Gráfica N° 1 presenta el indicador follower por presidente, los resultados se presentan de forma ascendente, se aprecia que los presidentes con más seguidores respecto la población del país son Iván Duque (Colombia) y Sebastián Piñera (Chile) mientras los con menos seguidores son Mario Abdo (Paraguay) y Martin Vizcarra (Perú).
Gráfica N°1
Fuente: Elaboración del Autor
Las Gráficas N° 2 y N° 3 presentan los indicadores basados en la cantidad de favoritos, en ambas figuras se aprecia que los presidentes con los valores más altos son Nicolás Maduro (Venezuela) y Mauricio Macri (Argentina) mientras los más bajos son Sebastián Piñera (Chile) Martin Viscarra (Perú) y Mario Abdo (Paraguay). Notar que la cantidad de favoritos
Gráfica N° 2
]]>
Fuente: Elaboración del Autor
Promedio del Número de Favoritos por cada 100.000 seguidores basado en los últimos 20 tweets presidenciales.
Gráfica N° 3
por cada 100.000 seguidores es muy bajo en todos los casos, logrando en el mejor de los casos 69 favoritos..
Las Gráficas N° 4 y N° 5 presentan los indicadores basados en la cantidad de retweets, el comportamiento es similar a los indicadores de favoritos tanto en los presidentes con valores más altos y bajos.
Gráfica N° 4
Numero de Retweets por cada 100.000 seguidores basado en el promedio de los últimos 20 tweets presidenciales
Fuente: Elaboración del Autor
]]>
Gráfica N° 5
Numero de Retweets por cada 100.000 seguidores basado en el promedio de los últimos 200 tweets presidenciales
Fuente: Elaboración del Autor
5.2. BASADO EN LOS MENSAJES DE LOS PRESIDENTES Y DE LOS USUARIOS HACIA LOS PRESIDENTES
En la Gráfica N° 6 se presenta las nubes de palabras basadas en los tweets de los ocho presidentes, mientras que en la Gráfica N° 7 se presenta la nube de palabras de los usuarios.
Para el análisis de sentimiento se empleó el gráfico de telaraña que permite visualizar las ocho emociones, esto se presenta en la Gráfica N° 8. El patrón recurrente es que la emoción con mayor frecuencia es la confianza seguida de la tristeza y el miedo, la presencia marcada de la confianza puede deberse en parte a los tweets de las distintas entidades públicas de los distintos países, para siguientes aproximaciones se podría explorar la relación entre la emoción y los horarios en los que se publican.
Gráfica N° 6 Wordcloud de los Tweets presedenciales
]]>
Fuente: Elaboración del Autor
Gráfica N° 7 Wordcloud de los Tweets de los usuarios hacia los presidentes
Fuente: Elaboración del Autor
Gráfica N° 8 Emociones hacia los presidentes de parte de los usuarios
Fuente: Elaboración del Autor
6. HALLAZGOS YRECOMENDACIONES
]]>
Los hallazgos del documentos pueden resumirse en (1) El Twitter es un espacio de generación de información masiva que brinda la oportunidad de explorar diversos aspectos de la población vinculada a ella, (2) el R es una de las herramientas estadísticas actuales con mayor versatilidad para explorar las nuevas tendencias de las ciencia de datos y (3) el análisis de sentimiento es una técnica dentro de la minería de texto que aún necesita adaptaciones para el contexto boliviano. En cuanto a las recomendaciones para futuros estudios (1) incorporar el análisis de sentimiento diferenciando las horas y días para evaluar si las emociones están condicionadas a ciertos momentos del tiempo y (2) a partir de los indicadores es posible realizar un monitoreo diario.
NOTAS
* Este documento está en el marco del proyecto de investigación: "Aplicación del Web Scraping en la Estadística".
Chen, L.-P. (2019). Text mining in practice with R. [ ]
Feldman, R., y Sanger, J. (2006). The Text Mining Handbook. [ ]
Iacus, S. M. (2015). Automated Data Collection with R - A Practical Guide to Web Scraping and Text Mining (Vol. 68) (n.o Book Review 3). [ ]
Naldi, M. (2019). A review of sentiment computation methods with R packages., 1-11. Descargado de http://arxiv.org/abs/1901.08319 [ ]
Singh, S., y Choudhary, S. S. (2017). Social Media Data Analysis:Twitter Sentimental Analysis Using R Language. International Journal of Advances in Electronics and Computer Science, 4(11), 13-17. Descargado de http://iraj.in [ ]
Zhao, Y., y Cen, Y. (2013). Data Mining Applications with R. [ ]
i y 
y 
