Los inicios de la pandemia de COVID19 en Twitter. Análisis computacional de la conversación pública en lengua española
DOI:
https://doi.org/10.7764/cdi.49.27467Palabras clave:
COVID-19, salud, Twitter, percepciones, métodos digitales, minería de textos, España, LatinoaméricaResumen
Cuando comenzó la pandemia de COVID 19, las plataformas sociales tuvieron un rol central en la producción y acceso a la información. Este estudio identifica los tópicos de mayor interés y sus sentimientos asociados en Twitter en la conversación pública en lengua española en ese periodo. Asimismo, analiza el rol de Twitter como plataforma social involucrada en la conversación pública, como medio para la autocomunicación de masas y para amplificar la voz de un conjunto reducido de actores de alta visibilidad. Se recolectaron 231.375 tuits en España y América Latina durante dos meses. Se midieron indicadores de frecuencia y sentimientos, y se agruparon términos para identificar tópicos y determinar el interés de los usuarios sobre estos, mediante métodos digitales y de lenguaje computacional en R. La frecuencia de los principales términos es dinámica a lo largo del período estudiado, lo que sugiere diferentes percepciones de la pandemia. Los tópicos principales refieren a conversaciones en torno a la cantidad de casos, muertos y contagiados, con prevalencia de sentimientos negativos. La muestra analizada corresponde a mensajes generados por usuarios comunes en su gran mayoría, pero una parte de ella ha sido amplificada a gran escala mediante retuits y marcas de favoritos.
Descargas
Citas
Research on 100 Million Tweets: What it Means for Your Social Media Strategy for Twitter. (2018, March 12). Vicinitas. Retrieved from https://www.vicinitas.io/blog/twitter-social-media-strategy-2018-research-100-million-tweets
Arcila-Calderón, C., Alonso-Palacio, L. M., & García-Jiménez, A. (2018). Enfoques big data para la comunicación en salud: Análisis de redes y de sentimiento a gran escala (Big data approaches in health communication: Network analysis and large—scale supervised sentiment analysis). Revista Científica Salud Uninorte, 34(1). Retrieved from http://rcientificas.uninorte.edu.co/index.php/salud/article/view/10544
Blei, D. M., Ng, Y. A., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, (3), 993-1022. Retrieved from https://www.jmlr.org/papers/v3/blei03a.html
Bruns, A. & Highfield, T. (2016). Is Habermas on Twitter? Social Media and the Public Sphere. In A. Bruns, G. Enli, E. Skogerbø, A. O. Larsson, & C. Christensen (Eds.), The Routledge Companion to Social Media and Politics (pp. 56-73). New York, NY: Routledge.
Bruns, A. & Weller, K. (2016). Twitter as a first draft of the present: And the challenges of preserving it for the future. In Proceedings of the 8th ACM Conference on Web Science (pp. 183-189). https://doi.org/10.1145/2908131.2908174
Burgess, J. & Bruns, A. (2015). Easy Data, Hard Data: The Politics and Pragmatics of Twitter Research after the Computational Turn. In G. Elmer, G. Langlois, & J. Redden (Eds.), Compromised Data. From social Media to Big Data (pp. 93-111). New York, NY: Bloomsbury Academic.
Burgess, J. & Green, J. (2019). YouTube: Online Video and Participatory Culture. Second Edition. Cambridge, United Kingdom: Polity.
Castelfranchi, Y. (2017). Computer-Aided Text Analysis: An Open-Aired Laboratory for Social Sciences. Journal of Science Communication, 16(2), C04. https://doi.org/10.22323/2.16020304
Castells, M. (2009). Comunicación y poder (Communication Power). Madrid, Spain: Alianza.
Colleoni, E., Rozza, A., & Arvidsson, A. (2014). Echo Chamber or Public Sphere? Predicting Political Orientation and Measuring Political Homophily on Twitter Using Big Data: Political Homophily on Twitter. Journal of Communication, 64(2), 317-332. https://doi.org/10.1111/jcom.12084
Csardi, G. & Nepusz, T. (2006). The igraph software package for complex network research. In InterJournal: Vol. Complex Systems (p. 1695). Retrieved from https://igraph.org
¿Cómo es el consumo digital en México en el marco de la pandemia? (How is Digital Consumption in Mexico in the Context of the Pandemic?). (2020, May 5). El Universal. Retrieved from https://www.eluniversal.com.mx/techbit/como-es-el-consumo-digital-en-mexico-en-el-marco-de-la-pandemia
Davis, M., Lohm, D., Flowers, P., Waller, E., & Stephenson, N. (2014). “We Became Sceptics”: Fear and Media Hype in General Public Narrative on the Advent of Pandemic Influenza. Sociological Inquiry, 84(9), 499-518. https://doi.org/10.1111/soin.12058
De Souza Santos, B. & Meneses, M. P. (2014). Prólogo (Foreword). In B. de Sousa Santos & M. P. Meneses (Eds.), Epistemologías del Sur: Perspectivas (Epistemologies of the South: Perspectives) (pp. 7-17). Madrid, Spain: Akal.
Díaz, G. (2016). Stopwords-es. Retrieved from https://github.com/stopwords-iso/stopwords-es/blob/master/stopwords-es.txt
franzke, a. s., Bechman, A., Zimmer, M., & Ess, C. (2020). Internet Research: Ethical Guidelines 3.0. Retrieved from https://aoir.org/reports/ethics3.pdf
Grün, B., Hornik, K., & Blei, D. (2020). Topic Models (0.2-11). Retrieved from https://cran.r-project.org/package=topicmodels
Gutiérrez, E. M., Virdis, J. M., Meller, L., Gurovich, C., Simón, F. D., & Leyes, L. F. (2020). ¿Retuitear o responder? Covid-19 y Twitter. El caso de la ciudad de Bahía Blanca – Argentina (Retweet or reply? Covid-19 and Twitter. The case of the city of Bahía Blanca, Argentina). Awari, 1(2). https://doi.org/ 10.13140/RG.2.2.31471.87203
Haman, M. (2020). The use of Twitter by state leaders and its impact on the public during the COVID-19 pandemic. Heliyon, 6(11), e05540. https://doi.org/10.1016/j.heliyon.2020.e05540
Han, X., Wang, J., Zhang, M., & Wang, X. (2020). Using Social Media to Mine and Analyze Public Opinion Related to COVID-19 in China. International Journal of Environmental Research and Public Health, 17(8), 2788. https://doi.org/10.3390/ijerph17082788
Kearney, M. W. (2020). rtweet: Collecting Twitter Data. (1.2.5). Retrieved from https://cran.r-project.org/package=rtweet
Kullar, R., Goff, D. A., Gauthier, T. P., & Smith, T. C. (2020). To Tweet or Not to Tweet—A Review of the Viral Power of Twitter for Infectious Diseases. Current Infectious Disease Reports, 22, 14. https://doi.org/10.1007/s11908-020-00723-0
Kwak, H., Lee, C., Park, H., & Moon, S. (2010). What is Twitter, a Social Network or a News Media? In Proceedings of the 19th International Conference on World Wide Web (pp. 591–600). New York, NY: ACM. https://doi.org/10.1145/1772690.1772751
Lázaro-Rodríguez, P. & Herrera-Viedma, E. (2020). Noticias sobre Covid-19 y 2019-nCoV en medios de comunicación de España: El papel de los medios digitales en tiempos de confinamiento (News about Covid-19 and 2019-nCoV in the Spanish Media: the Role of digital media in times of confinement). El Profesional de la Información, 29(3), e290302. https://doi.org/10.3145/epi.2020.may.02
Lin Pedersen, T. (2020). ggraph: An Implementation of Grammar of Graphics for Graphs and Networks (2.0.2). Retrieved from https://cran.r-project.org/package=ggraph
Marres, N. (2017). Digital sociology: The reinvention of social research. Malden, MA: Polity.
Mendoza Vega, J. B. (2018, April 15). Análisis de sentimientos con R - Léxico Afinn (Sentiment Analysis with R - Afinn Lexicon). RPubs. Retrieved from https://rpubs.com/jboscomendoza/analisis_sentimientos_lexico_afinn
Meneses Rocha, M. E. (2018). Grandes datos, grandes desafíos para las ciencias sociales Big Data, Big challenges for social sciences). Revista Mexicana de Sociología, 80(2), 415-444. Retrieved from http://revistamexicanadesociologia.unam.mx/index.php/rms/article/view/57723
Milan, S. & Treré, E. (2017, October 16). Big Data from the South: The beginning of a Conversation We Must Have. DATACTIVE. Retrieved from https://data-activism.net/2017/10/bigdatasur/
Mohammad, S., Kiritchenko, S., & Zhu, X. (2013). NRC-Canada: Building the State-of-the-Art in Sentiment Analysis of Tweets. In Proceedings of the seventh international workshop on Semantic Evaluation Exercises (arXiv:1308.6242). Retrieved from https://arxiv.org/abs/1308.6242
Moreno, A. & Redondo, T. (2016). Text Analytics: The Convergence of Big Data and Artificial Intelligence. International Journal of Interactive Multimedia and Artificial Intelligence, 3(6), 57. https://doi.org/10.9781/ijimai.2016.369
Newman, N., Fletcher, R., Schulz, A., Simge, A., & Kleis Nielsen, C. (2020). Reuters Institute Digital News Report 2020. Reuters Institute for the Study of Journalism. Retrieved from https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2020-06/DNR_2020_FINAL.pdf
Nielsen, F. (2011). A New ANEW: Evaluation of a Word List for Sentiment Analysis in Microblogs. In Proceedings of the ESWC2011 Workshop on 'Making Sense of Microposts': Big things come in small packages (arXiv:1103.2903). Retrieved from https://arxiv.org/abs/1103.2903
Omena, J. J., Rabello, E. T., & Mintz, A. G. (2020). Digital Methods for Hashtag Engagement Research. Social Media + Society, 6(3), 2056305120940697. https://doi.org/10.1177/2056305120940697
Pantojas García, E. (n.d.). La sociedad translocal: Notas para entender el cambio de época (The Translocal Society: Notes to Understand the Change of Age). CLACSO. Retrieved from https://www.clacso.org/la-sociedad-translocal-notas-para-entender-el-cambio-de-epoca/
Pérez-Dasilva, J.-A., Meso-Ayerdi, K., & Mendiguren-Galdospín, T. (2020). Fake news y coronavirus: detección de los principales actores y tendencias a través del análisis de las conversaciones en Twitter (Fake news and coronavirus: Detecting key players and trends through analysis of Twitter conversations). El Profesional de la Información, 29(3), e290308. https://doi.org/10.3145/epi.2020.may.08
Plantin, J.-C., Lagoze, C., Edwards, P. N., & Sandvig, C. (2018). Infrastructure Studies Meet Platform Studies in the Age of Google and Facebook. New Media & Society, 20(1), 293-310. https://doi.org/10.1177/1461444816661553
Robichaud, A. & Blevins, C. (2011). Content-Based Analysis. Tooling Up Digital Humanities. Retrieved from http://toolingup.stanford.edu/?page_id=3
Robinson, D. (2020). widyr: Widen, Process, then Re-Tidy Data (0.1.3). Retrieved from https://cran.r-project.org/package=widyr
Robinson, D. & Silge, J. (2020). tidytext: Text Mining Using «dplyr», «ggplot2», and Other Tidy Tools (0.2.4). Retrieved from https://cran.r-project.org/package=tidytext
Rodríguez Roura, S. C., Cabrera Reyes, L. de la C., & Calero Yera, E. (2018). La comunicación social en salud para la prevención de enfermedades en la comunidad (Social communication in health for disease prevention in the community). Humanidades Médicas, 18(2), 384-404. Retrieved from http://www.humanidadesmedicas.sld.cu/index.php/hm/article/view/1302
Rogers, R. (2018). Otherwise Engaged: Social Media from Vanity Metrics to Critical Analytics. International Journal of Communication, 12, 23. Retrieved from https://ijoc.org/index.php/ijoc/article/view/6407
Rogers, R. (2019). Doing Digital Methods. London, United Kingdom: SAGE.
Rufai, S. R. & Bunce, C. (2020). World Leaders’ Usage of Twitter in Response to the COVID-19 Pandemic: A content analysis. Journal of Public Health, 42(3), 510-516. https://doi.org/10.1093/pubmed/fdaa049
Sued Palmeiro, G. E. & Cebral Loureda, M. (2020). Voces autorizadas en Twitter durante la pandemia de COVID-19: Actores, léxico y sentimientos como marco interpretativo para usuarios ordinarios (Authorized Twitter voices during the COVID-19 pandemic: actors, vocabulary, and feelings as an interpretive framework for ordinary users). Revista de Comunicación y Salud, 10(2), 549-568. https://doi.org/10.35669/rcys.2020.10(2).549-568
Thelwall, M. & Levitt, J. M. (2020). Retweeting Covid-19 Disability Issues: Risks, Support and Outrage. El Profesional de la Información, 29(2). https://doi.org/10.3145/epi.2020.mar.16
Thelwall, M. & Thelwall, S. (2020). Covid-19 Tweeting in English: Gender Differences. El Profesional de la Información, 29(3). https://doi.org/10.3145/epi.2020.may.01
Towers, S., Afzal, S., Bernal, G., Bliss, N., Brown, S., Espinoza, B., … Castillo-Chavez, C. (2015). Mass Media and the Contagion of Fear: The Case of Ebola in America. PLOS ONE, 10(6), e0129179. https://doi.org/10.1371/journal.pone.0129179
UNDP. (2020). Understanding what data tell us about COVID-19’s socio-economic impact. Retrieved on May 21, 2021 from https://www.undp.org/blogs/understanding-what-data-tell-us-about-covid-19s-socio-economic-impact
van Dijck, J. (2016). La cultura de la conectividad: Una historia crítica de las redes sociales (The Culture of Connectivity: A critical History of Social networks). Buenos Aires, Argentina: Siglo XXI.
Vega, F. (2020, March 24). Los medios tradicionales recuperan poder y credibilidad con la pandemia provocada por el Coronavirus (Traditional Media Recover Power and Credibility with the Pandemic Caused by the Coronavirus). Comscore. Retrieved from https://www.comscore.com/lat/Prensa-y-Eventos/Blog/Los-medios-tradicionales-recuperan-poder-y-credibilidad-con-la-pandemia-provocada-por-el-Coronavirus
Wikström, P. (2014). #srynotfunny: Communicative Functions of Hashtags on Twitter. SKY Journal of Linguistics, 27, 127-152. Retrieved from http://www.linguistics.fi/julkaisut/SKY2014/Wikstrom.pdf
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Cuadernos.info
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.