Aplicación de modelo de aprendizaje automático supervisado sobre un conjunto de tweets producidos durante los alegatos contra Fernández de Kirchner (julio y agosto 2022)
; Rostagno, José Francisco ; Cardoso, Ana Laura Otros responsables
Fecha
Publicador:
Consejo Nacional de Investigaciones Científicas y Técnicas
Fecha de depósito:
4/07/2023
Fecha de creación:
2023
Clasificación temática
Resumen
La recolección de tweets se realizó entre el 27 de julio al 3 de agosto; del 8 al 10 de agosto; el 16 de agosto; del 18 al 23 de agosto. Los tweets se recogieron a partir de ciertas palabras clave y hashtags preseleccionados por el equipo. Las palabras clave fueron: lawfare, alegatos, Luciani, obra pública, vialidad, fiscalía. Y, en cuanto a los hashtags, se contemplaron: #TodosConCristina, #CristinaPresa, #CristinaCondenada, #TodoslosCHORROSconCristina, #CFKLadronaDeLaNacionArgentina, #ElPoderJudicialApesta, #LucianiNoTienePruebas, #LucianiNoSeToca. A su vez, el corpus se conformó, también, de todos aquellos tweets en los que la cuenta de CFK y la del actual presidente Alberto Fernández fueran mencionadas. Aquí se muestran los resultados de la aplicación de un modelo de aprendizaje automático supervisado que, a partir de 20 variables distintas , permite identificar cuentas que pueden ser consideradas bots. Lo realizamos sobre los tweets que contenían los hashtags #TodosConCristina y #ElPoderJudicialApesta. Mostramos, a este respecto, el antes y el después de la aplicación del modelo.
Métodos
La recolección del material se realizó mediante un pequeño script (programa de computadora) desarrollado por el equipo de trabajo utilizando el lenguaje de programación Python en conjunto con la librería de software libre denominada Tweepy, que permite conectarse a Twitter y escuchar en tiempo real los tweets publicados. Posteriormente, los tweets recolectados fueron almacenados en una base de datos MySQL con el fin de poder conformar el corpus de estudio y procesarlo mediante scripts en lenguaje SQL y R. Al tratarse de un corpus voluminoso –alrededor de un millón de tweets, junto con sus metadatos– se requiere del uso de herramientas especializadas como las mencionadas para poder transformarlos y analizarlos con el fin de obtener información valiosa de los mismos. Ante la gran cantidad de tweets de producción maquínica, decidimos la aplicación de un modelo de aprendizaje automático supervisado que, a partir de 20 variables distintas , permite identificar cuentas que pueden ser consideradas bots. Es menester recalcar que la aplicación del modelo no se realiza sobre el recorte temporal realizado –es decir, los tweets que forman nuestro corpus– sino sobre los usuarios. El modelo aplicado arroja como resultado la probabilidad que tiene un usuario de ser considerado bot, por lo que establecimos un umbral de 50% o más para considerarlo como tal en nuestro análisis.
Colecciones
Condiciones de uso
Las buenas prácticas científicas esperan que se otorgue el crédito adecuado mediante una citación. Utilice un formato de citación y aplique estas normas de reutilización:
Licencia Creative Commons
Excepto donde se indique lo contrario, la licencia de este ítem se describe como by-nc-sa
Archivos
ARCHIVO
NOTAS DE USO
TAMAÑO
nube_todosconcristina_sinbots__1_.png
Post aplicación del modelo de aprendizaje automático supervisado
36.08 KB
nube_poderjudicialapesta_sinbots.png
Post aplicación del modelo de aprendizaje automático supervisado
31.01 KB
Relacionados
No hay relacionados para mostrar.