Mostrar el registro sencillo del ítem
dc.contributor.author
Albanese, Federico
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Feuerstein, Esteban Zindel
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Kessler, Gabriel
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Ortiz de Zarate, Juan Manuel
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2024-05-08T13:20:25Z
dc.date.issued
2022-12
dc.identifier.citation
Albanese, Federico; Feuerstein, Esteban Zindel; Kessler, Gabriel; Ortiz de Zarate, Juan Manuel; Aprendizaje automático para el análisis cross-plataforma de la comunicación política: Gobierno y oposición argentinos en Facebook, Instagram y Twitter; Pontificia Universidad Católica de Chile. Facultad de Comunicaciones; Cuadernos.info; 55; 12-2022; 256-280
dc.identifier.issn
0719-3661
dc.identifier.uri
http://hdl.handle.net/11336/234898
dc.description.abstract
Este artículo indaga acerca de la comunicación política en las distintas plataformas, aplicando métodos de las ciencias de datos para analizar similitudes y diferencias entre las publicaciones en Facebook, Instagram y Twitter de 50 políticos argentinos durante 2020. Es un estudio pionero en la región entre los trabajos cross-plataformas y sus objetivos son heurísticos y metodológicos. En relación a lo primero, se demuestra que hay estrategias diferentes según las plataformas: Twitter es el terreno de controversias e interpelaciones entre los políticos y allí la toxicidad es recompensada, mientras que en Facebook e Instagram los políticos despliegan los tópicos en los que parecen considerarse más fuertes. Así, el estudio cross-plataformas permite observar que aun en un contexto polarizado como el argentino existen temas comunes y sin polémicas entre sectores opuestos. En lo metodológico, utilizamos métodos novedosos e implementamos un reciente algoritmo de detección de tópicos, aplicamos análisis de sentimiento con el objetivo de entender si son textos positivos o negativos, y redes neuronales profundas para medir la toxicidad, entre otros. El artículo pone a disposición la caja de herramientas desarrolladas durante la investigación, las que pueden ser de utilidad para trabajar corpus de texto de gran magnitud.
dc.description.abstract
This article studies political communication in different platforms, applying data science methods to analyze similarities and differences among Facebook, Instagram, and Twitter posts of 50 Argentinian politicians in 2020. This is a pioneering cross-platform study for our region, and its objectives are heuristic and methodological. Regarding the former, we show that strategies differ among platforms: Twitter is the battlefield for controversy and interpellations among politicians, and toxicity is rewarded, while on Facebook and Instagram politicians expand on the topics in which they seem to consider themselves stronger. The closs-platform study shows that even in a polarized context such as the Argentinean one, there are common and non-controversial topics. Methodologically, we use novel analytical methods and implemented a recent topic-detection algorithm, we apply sentiment analysis techniques to understand if texts have positive or negative intentions, and deep neural networks to detect toxicity in a text, among others. Readers are offered access to the toolbox developed during the research, which can be useful for working large text corpora.
dc.description.abstract
O artigo investiga a comunicação política em diferentes plataformas, aplicando métodos de ciências de dados para analisar as semelhanças e diferenças entre as postagens no Facebook, Instagram e Twitter de 50 políticos argentinos durante 2020. Trata-se de um estudo pioneiro na região no trabalho interplataformas e seus objetivos são tanto heurísticos quanto metodológicos. Em relação aos primeiros, o artigo mostra que existem estratégias diferentes segundo as plataformas: o Twitter é terreno de controvérsia e interpelações entre políticos, onde a toxicidade é recompensada, enquanto no Facebook e no Instagram os políticos expõem os tópicos nos quais eles parecem se considerar mais fortes. O estudo interplataformas permitenos observar que mesmo num contexto polarizado como o da Argentina, existem questões comuns e não controversas entre setores opostos. Metodologicamente, nós usamos novas técnicas e implementamos um algoritmo recente de detecção de tópicos; aplicamos técnicas de análise de sentimentos com o objetivo de entender se os textos são positivos ou negativos, e redes neurais para detectar toxicidade nas mensagens, entre outros. O artigo oferece acesso à caixa de ferramentas desenvolvidas durante a pesquisa, e que podem ser úteis para trabalhar com outros grande corpus de textos.
dc.format
application/pdf
dc.language.iso
spa
dc.publisher
Pontificia Universidad Católica de Chile. Facultad de Comunicaciones
dc.rights
info:eu-repo/semantics/openAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
MACHINE LEARNING
dc.subject
COMUNICACIÓN POLÍTICA
dc.subject
REDES SOCIALES
dc.subject.classification
Otras Ciencias de la Computación e Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ciencias de la Computación e Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Aprendizaje automático para el análisis cross-plataforma de la comunicación política: Gobierno y oposición argentinos en Facebook, Instagram y Twitter
dc.title
Machine learning for cross-platform political communication research: Argentine government and opposition in Facebook, Instagram and Twitter
dc.title
Aprendizagem de máquina para análise entre plataforma da comunicação política: Governo e oposição argentinos no Facebook, Instagram e Twitter
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2024-05-07T10:50:16Z
dc.identifier.eissn
0719-367X
dc.journal.number
55
dc.journal.pagination
256-280
dc.journal.pais
Perú
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.journal.ciudad
Santiago de Chile
dc.description.fil
Fil: Albanese, Federico. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina
dc.description.fil
Fil: Feuerstein, Esteban Zindel. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; Argentina
dc.description.fil
Fil: Kessler, Gabriel. Universidad Nacional de San Martín; Argentina. Universidad Nacional de La Plata; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
dc.description.fil
Fil: Ortiz de Zarate, Juan Manuel. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; Argentina
dc.journal.title
Cuadernos.info
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/http://cuadernos.info/index.php/cdi/article/view/52631
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.7764/cdi.55.52631
Archivos asociados