Análisis de sentimientos en Twitter aplicado al #impeachment de Donald Trump

Autores/as

DOI:

https://doi.org/10.14198/MEDCOM2020.11.2.23

Palabras clave:

Esfera pública, impeachment, comunidades virtuales, análisis de los sentimientos, análisis del discurso multimodal, minería de datos

Resumen

El presente artículo expone conclusiones sobre los sentimientos emitidos en Twitter con respecto al impeachment de Donald Trump.  Asumimos un enfoque mixto, de tipo descriptivo, que permitió la obtención de resultados sobre aspectos emotivos asociados al discurso de usuarios de Estados Unidos en la esfera pública. La perspectiva investigativa utilizada reside en una estrategia transdisciplinar para entender los sentimientos relevantes de los tweets en el contexto de su producción.  En el caso de estudio se aplican metodologías de minería de datos y sus tipologías: texto, grafo y multimedia, así como el análisis del discurso multimodal para la extracción y evaluación de valores afectivos respecto al juicio. Proponemos tener en cuenta todos los soportes, códigos y prácticas de producción discursiva en el microblogging: los textos escritos e hipertextos, enlaces sociales, reacciones, contenidos multimediales y las identidades de los usuarios en una relación sistémica de significados. Las publicaciones de las comunidades virtuales en las redes sociales sobre procesos políticos son de vital estudio en situaciones electorales y acontecimientos mediáticos de alto grado de polarización.

Financiación

Universidad de Oriente, Datys

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Abascal, R.; López, E. y Zepeda, S. (2014). Detección de patrones y grupos de sentimientos a partir del análisis de tuits políticos. Pistas Educativas, 35(108), 1672-1691. https://bit.ly/2VWUAtN

Aguirre, J.L.; Hernández, C.C; Briceño y Marín, A.M. (2018). Emociones e interacción ciudadana: análisis de la comunicación emocional de los presidenciables en Twitter y Facebook. En B. Gómez y J.L. López (Eds.), Agenda sociodigital de la campaña presidencial de 2018 (pp. 108-130). Torreón, Coahuila: Universidad Autónoma de Coahuila. https://bit.ly/2KUaleO

Almgren, S.M. & Olsson, T. (2015). Let’s get them involved... to some extent: Analyzing online news participation. Social media + society, 1(2). http://doi.org/f3m9j4

Arcila, C.; Ortega, F.; Jiménez, J. y Trullenque, S. (2017). Análisis supervisado de sentimientos políticos en español: clasificación en tiempo real de tweets basada en aprendizaje automático. El profesional de la información, 26(5), 973-982. https://bit.ly/2AR9N7H

Arnáiz, S.M. y Filardo, L. (2020). Llamamientos feministas en Twitter: ideología, identidad colectiva y reenmarcado de símbolos en la huelga del 8M y la manifestación contra la sentencia de ´La manada´. Dígitos, 1(6), 55-78. http://doi.org/dx72

Baeza, R. (2009). Tendencias en minería de datos en la web. El profesional de la información, 18(1), 5-10. http://doi.org/fksfc2

Barthes, R. (1971). Elementos de semiología. Madrid: Comunicación.

Baviera, T. (2017). Técnicas para el análisis de sentimiento en Twitter: aprendizaje automático Supervisado y SentiStrenght. Dígitos, 1(3), 33-50. https://bit.ly/3dTVqOK

BBC News Mundo (31/10/2019). Por qué Twitter prohibió toda la publicidad política en su plataforma. https://bbc.in/2werCeC

Briones, G.E. (2018). Nociones de libertad de expresión en disputa: la opinión pública publicada en la prensa ecuatoriana. Question, 1(59). http://doi.org/dx73

Burns, A. (2011). Gatekeeping, gatewatching. Real time feed-back: new challenges for journalism. Braziliam Journalism Research, 7(11), 117-136. http://doi.org/gdxvd9

Burns, A. & Highfield, T. (2015). From News Blogs to News on Twitter: Gatewatching and Collaborative News Curation. In S. Coleman & D. Freelon (Eds.), Handbook of Digital Politics. Edward Elgar Publishing. http://doi.org/f9sb9z

Cansino C.; Calles, J.; Echeverría, M.; Rosanvallon, P.; Pasquino, G.; Morris, I.; Sánchez,J.; Aguilar,E.; Caldevilla, D.; Arditi, B.; Calvillo, J.; Ahuactzin, C. E.; Reguillo, R.; Robles, J.; Torres, L.C.; Meyer, J.A. e Islas, O. (2016). Del Homo Videns al Homo Twitter: democracia y redes sociales. México: Benemérita Universidad Autónoma de Puebla.

Chakrabarti D.; Papadimitriou S.; Modha,D. & Faloutsos, C. (2004). Fully automatic cross-associations. ACM SIGKDD, 79-88. https://bit.ly/2WjowiJ

Coddington, M. (2015). Clarifying journalism´s quantitative turn: A typology for evaluating data journalism, computational journalism, and computer-assisted reporting. Digital journalism, 3(3), 331-348. http://doi.org/gc5t4j

Cohen, S. & Hamilton, J.T. (2011). Computational journalism. Comunications of the ACM, 54(10), 66-71. http://doi.org/cn4t4z

Colle, R. (2002). Explotar la información noticiosa - “Data Mining” en el Periodismo. España: Universidad Complutense de Madrid.

Colle, R. (2013). Prensa y "Big Data": El desafío de la acumulación y análisis de datos. Revista Mediterránea de Comunicación, 4(1). http://doi.org/dx76

Colle, R. (2017). Algoritmos, grandes datos e inteligencia en la red. Una visión Crítica. Colección Mundo Digital de Revista Mediterránea de Comunicación. Universidad de Alicante. http://doi.org/dx77

Conde, M.A.; Pullaguari, K. P. y Prada, O.A. (2019). Comparativa de la competencia mediática en comunicación política vía Twitter durante las campañas electorales de candidatos presidenciales en España, Ecuador y Colombia. Contratexto, (32), 41-70. http://doi.org/dx78

Daniel, B. K. (2010) Handbook of Research on Methods and Techniques for studying virtual communities: Paradigms and Phenomena. IGI Global. http://doi.org/cnsjmh

De Uribe, C.; Pascual, J.M.; y Gascón, J.F.F (2016). El liderazgo político en la era digital. Un análisis de uso de Twitter por el papa Francisco (@Pontifex). Obra digital: revista de comunicación, (11), 85-99. http://doi.org/dx8v

Diakopoulos, N. (2015). Algorithmic accountability: Journalistic investigation of computational power structures. Digital Journalism, 3(3), 398-415. http://doi.org/gc5t4g

Eco, U. (2000). Tratado de semiótica general, Barcelona: Lumen.

Engesser, S. & Humprecht, E. (2015). Frecuency or skillfulnes. Journalism studies, 16(4), 513-529. http://doi.org/ggb592

Enguix, S. (2017). Impacto político e informativo de las redes sociales: esferas de actuación y comparación con los medios. Anàlisi: quaderns de comunicació i cultura, (56), 71-85. http://doi.org/dgm8

Figueira, Á. & Guimarães, N. (2017). Detecting Journalistic Relevance on Social Media: A two-case study using automatic surrogate features. In Proceedings of the 2017 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining 2017 (pp. 1136-1139). http://doi.org/dx79

Fornari, J.; Abeille, C.; Ferrero, M.; Pérez, G. y Boglione, S. (2019). El potencial de la minería de opinión para la gestión de la reputación online corporativa. Braziliam Journal of Development, 5(10), 22310-22320. http://doi.org/dx8b

Foucault, M. (1973). El orden del discurso. Buenos Aires, Argentina: Tusquets editores.

García, J.G.; Henríquez, P. y Herrera, J. (2019). Analítica de Twitter para el estudio de las emociones primarias durante el terremoto de México 2017. Revista Ibérica de Sistemas e Tecnologías de Informção, (E19), 479-492. https://bit.ly/3fc1z9c

Gomes, F. (2013). El uso periodístico de las redes sociales por los cibermedios: análisis de perfiles y estudios de caso. Universidad Rey Juan Carlos, Móstoles, España. https://bit.ly/3cRZOfy

Gómez, M.E. (2014). Manual imperfecto para políticos en tiempo irreal. Universidad de La Habana, Cuba.

González, J.A; Hurtado, Ll. F. y Pla, F. (2018). ELiRF-UPV en TASS 2018: Análisis de Sentimientos en Twitter basado en Aprendizaje Profundo. Proceedings of TASS, 37-44.

Gruzd, A.; Wellman, B. & Takhteyev, Y. (2011). Imagining Twitter as an imagined community. American Behavioral Scientist, 55(10), 1294-1318. http://doi.org/dhbc34

Hermida, A. & Young, M. L. (2017). Finding the data unicorn: A hierarchy of hybridity in data and computational journalism. Digital Journalism, 5(2), 159-176. http://doi.org/dx8c

Hernández, D. I. (2017). Irony and sarcasm detection in Twitter: The role of affective content. Universidad de Valencia, España. https://bit.ly/2MO5Mno

Hootsuite y We are Social. (2020). Informe 2020 sobre uso de redes sociales. https://bit.ly/32FJKKI

Iedema, R. (2003). Multimodality, Resemioticization: Extending the Analysis of Discourse as a Multisemiotic Practice. Visual Communication, 2(1), 29-57. http://doi.org/cgtwwk

Kwabla, S.; Kwame, N. & Katsriku, F. (2017). Sentiment Analysis of Twitter Feeds using Machine Learning, Effect of Feature Hash Bit Size. Communications on Applied Electronics (CAE), 6(9), 16-21. http://doi.org/dx8d

Leavitt, A.; Burchard, E.; Fisher, D. & Gilbert, S. (2009). The Influentials: New Approaches for Analyzing Influence on Twitter. Web ecology Project, 4(2), 1-18. https://bit.ly/3c4zIXq

Lotman, I. (1996). La semiosfera. Madrid: Ediciones Cátedra.

Mancera, A. y Pano, A. (2013a). El discurso político en Twitter. Madrid: Editorial Anthropos.

Mancera, A. y Pano, A. (2013 b). Nuevas dinámicas discursivas en la comunicación política en Twitter. Círculo de Lingüística Aplicada a la Comunicación, 56, 53-80. http://doi.org/dx8f

Marín, A.F y Quintero, J.M. (2018). Confianza en el proceso de paz en Colombia en Twitter. Revista Mexicana de Sociología, 80(1), 115-137. https://bit.ly/2zpz3Se

Martínez, F. (2013). Los nuevos medios y el periodismo de medios sociales. Análisis y aplicación de las redes sociales en los medios digitales españoles. Universidad Complutense de Madrid, España. https://bit.ly/2MLtArN

Martínez, J.J. (2017). Minería de opiniones mediante análisis de sentimientos y extracción de conceptos en Twitter. Universidad Complutense de Madrid, España. https://bit.ly/2UtlWqc

Moya, M. y Herrera, S. (2015) Cómo puede contribuir Twitter a una comunicación política más avanzada. Arbor, 191(774). http://doi.org/dx8g

O´Halloran, K.L (2012). Análisis del discurso multimodal. ALED, 12(1), 75- 97. http://doi.org/dx8h

Orihuela, J. L. (23/06/2011). Los trend topics se han convertido en una agenda social. La Vanguardia. (C. Buades, Entrevistador). https://bit.ly/2PCWso2

Ortega, A.; Gutiérrez, E. y Montoyo, A. (2013). SSA-UO: Unsupervised Twitter Sentiment Analysis Second Joint Conference on Lexical and Computational Semantics (*SEM). Seventh International Workshop on Semantic Evaluation, (2), 501–507. https://bit.ly/2SrWHUw

Oviedo, E.A.; Oviedo A. I. y Velez, G.L. (2016). Minería multimedia: hacia la construcción de una metodología y una herramienta de analítica de datos no estructurado. Revista Ingenierías, 16(31), 125-142. http://doi.org/dx8j

Pérez, E.; Haber, Y. y Duvergel, M. (2016). Herramientas para el estudio del Nuevo periodismo electrónico o de medios sociales. La perspectiva de framing y análisis crítico discursivo de las etiquetas #The5Free, #Los5Libres y #TodosSomosAmericanos. Estudios sobre el mensaje periodístico, 22(2). http://doi.org/dx8k

Pérez, E.; Haber, Y.; Díaz, J. y Zamora, L. (2017). Un modelo periodístico. Interrelación teórica del Nuevo periodismo electrónico y la plataforma Twitter, en el escenario mediático latinoamericano. Perspectivas de la Comunicación, 10(1), 157-186. https://bit.ly/3aYBIyW

Pierce, C. S. (1974). La ciencia de la semiótica. Buenos Aires: Nueva Visión.

Portillo, M. (2004). Culturas juveniles y cultura política: la construcción de la opinión pública de los jóvenes de la Ciudad de México. Universidad Autónoma de Barcelona, España. https://bit.ly/2YoKjqi

Ramírez, A.C. (2017). Polaridad en redes sociales y principales indicadores financieros del sector asegurador. Escuela Colombiana de Ingeniería Julio Garavito, Bogotá, Colombia. https://bit.ly/3hcrEXj

Reyes, A. (2012). Linguistic-based Patterns for Figurative language Processing: The Case of Humor Recognition and Irony Detection. Universidad de Valencia, España. https://bit.ly/3dRDZ1c

Reyes, J.A.; Paniagua, F. y Sánchez, L. (2017). Minería de opiniones centrada en tópicos usando textos cortos en español. Research in Computing Science, 134, 151-162. http://doi.org/dx8m

Rheingold, H. (1996). La comunidad virtual. Barcelona: Gedisa.

Rodríguez, K. y Haber, Y. (2017). La influencia social de los medios de comunicación en Twitter. Enunciación, 22(1), 97-108. http://doi.org/dx8n

Saussure, F. (1961). Curso de Lingüística General. Buenos Aires: Losada.

Scolari, C. A. (2018). Las leyes de la interfaz: Diseño, ecología, evolución, tecnología. Barcelona: Gedisa.

Suau, G; Percastre, S.J.; Palá. G. y Pont, C. (2017). Análisis de la comunicación de emergencias en Twitter. El caso del ébola en España. En Uso y aplicación de las redes sociales en el mundo audiovisual y publicitaria (pp. 119-130). McGrawhill Education. https://bit.ly/2SvpPtN

Vallejo, A. M. (2018). Comunicar emociones en el discurso metapolítico de Twitter: el caso de #Maduro versus @NICOLASMADURO. Observatorio (OBS), 12(3), 175-194. http://doi.org/dx8p

Vállez, M., y Codina, L. (2018). Periodismo computacional: evolución, casos y herramientas. El profesional de la información (EPI), 27(4), 759-768. http://doi.org/dx8q

Van Hee, C. (2017) Can machines sense irony? Universidad de Gante, Bélgica.

Vásquez, L.C. (2019). Semiosis entre palabras e imágenes en Twitter. ¿Cómo construyen significado los candidatos presidenciales de las elecciones 2017 de Chile? Galaxia, 42, 40-56. http://doi.org/dx8r

Ventura, A.S. (2016). Argumentación y discurso político en Twitter. Análisis de la campaña presidencial argentina 2011. Aposta: Revista de Ciencias Sociales, 69, 39-66. https://bit.ly/2xwQ4Je

Verbeke, M.; Berendt, B.; D’Haenens, L. & Opgenhaffen, M. (2017). Critical news reading with Twitter? Exploring data-mining practices and their impact on societal discourse. Communications, 42(2), 127-149. http://doi.org/dx8s

Verón, E. (1987). La semiosis social. Buenos Aires: Gedisa.

Vilares, D.; Alonso, M.A. y Gómez, C. (2013). Una aproximación supervisada para la minería de opiniones sobre tweets en español en base a conocimiento lingüístico. Procesamiento del Lenguaje natural, 51, 127-134. https://bit.ly/3c1Et3Y

Vilariño, D.; Zepeda, C.; Sanzón, Y.M.; Carballido, J.L.; Medina, C. y Flores, G. (2015) Aplicación del modelo Léxico-Sintáctico para detectar la polaridad de opiniones sobre profesores. Pistas Educativas, 36(113), 228-239. https://bit.ly/2KUtJs1

Welbers, K. y Opgenhaffen, M. (2019). News through a social media filter. Different perspectives on immigration in news on website and social media formats. Journalism and Traslation in the Era of Convergence, 85-105. http://doi.org/dnvh

Wodak, R. y Meyer, M. (2003). Método de análisis crítico del discurso. Barcelona: Gedisa.

Wu, S.; Hofman, J.; Mason, W. & Watts, D. (2011). Who Says What to Whom on Twitter. In Proceedings of the 20th International Conference on World Wide Web (pp. 705-714). http://doi.org/cxcjbn

Zappavigna, M. (2011). Ambient affiliation: A linguistic Perspective on Twitter. New Media & Society, 13(5), 788-806. http://doi.org/dx3px2

Estadísticas

Estadísticas en RUA

Publicado

01-07-2020

Cómo citar

Rodríguez-Díaz, K., & Haber-Guerra, Y. (2020). Análisis de sentimientos en Twitter aplicado al #impeachment de Donald Trump. Revista Mediterránea De Comunicación, 11(2), 199–213. https://doi.org/10.14198/MEDCOM2020.11.2.23

Número

Sección

Dossier monográfico: Emociones y discursos en las controversias públicas