La negatividad de un ‘tuit’ con contenido político aumenta la probabilidad de que se haga viral
Investigadores de la Universidad de Jaén realizan un estudio basado en técnicas de inteligencia artificial para analizar publicaciones de usuarios de Twitter, un modelo que ahora prueban con mensajes sobre las elecciones a la Comunidad de Madrid. En el modelo matemático empleado en este trabajo se tuvieron en cuenta diversas variables y características del tuit, tanto a nivel del propio mensaje (cantidad de retuits, o cuántas palabras positivas o negativas emplea) como del usuario que lo publicó (número de tuits emitidos desde que se creó la cuenta, número de favoritos y listas, etc.). Además, para determinar el número de palabras positivas y negativas se emplearon unos recursos lingüísticos denominados lexicones.
Fuente: Universidad de Jaén
Un grupo de investigadores de la Universidad de Jaén han demostrado que cuanto más negativo es un tuit con contenido político, más probabilidades tiene de ser retuiteado en la multitudinaria red social Twitter. Para ello, llevaron a cabo un estudio estadístico sobre un modelo matemático y aplicaron técnicas de inteligencia artificial basadas en Procesamiento del Lenguaje Natural (PLN) con el objetivo de determinar la polaridad de los usuarios en torno al intento de referéndum por la autodeterminación de Cataluña del 1 de octubre de 2017.
Dos usuarias de Twitter.
El objetivo de este trabajo, titulado ‘¿Cómo afectan los sentimientos a la viralidad en Twitter?’ y que ha sido publicado por la revista científica Royal Society Open Science, era comprobar si efectivamente el nivel de positividad o negatividad de las palabras de un tuit influyen en su viralidad, aplicando tal investigación a una situación política real. “El tema político está muy polarizado, lo estamos viendo con la campaña de las elecciones madrileñas. De hecho, estamos descargando tuits sobre ello para probar el modelo porque se aprecian mensajes cargados de negatividad y hasta discursos de odio”, señala María Teresa Martín Valdivia, catedrática de Lenguajes y Sistemas Informáticos de la UJA, autora del estudio junto a Salud María Jiménez Zafra, Antonio José Sáez Castillo y Antonio Conde Sánchez.
La investigadora explica que en el modelo matemático empleado en el estudio se tuvieron en cuenta diversas variables y características del tuit, tanto a nivel del propio mensaje (cantidad de retuits, o cuántas palabras positivas o negativas emplea) como del usuario que lo publicó (número de tuits emitidos desde que se creó la cuenta, número de favoritos y listas, etc.). Además, para determinar el número de palabras positivas y negativas se emplearon unos recursos lingüísticos denominados lexicones.
“Estudiamos cómo los términos que expresan sentimientos afectan a la frecuencia de retuiteo mediante un modelo de regresión que permite el análisis de diferentes variables, identificando cuáles de ellas influyen más directamente en la viralidad de un tuit. Hemos comprobado que el uso de la negatividad en un tuit aumenta la probabilidad de retuitear y que el lexicón iSOL es el que mejor determina la relación entre polaridad y viralidad”, indica María Teresa Martín.
En cuanto a la muestra empleada, se recopilaron tuits alusivos a la campaña del referéndum de Cataluña, de tal manera que se recogieron unos 50.000 tuits de unos 25.000 usuarios distintos. Se tomaron todas aquellas publicaciones lanzadas en Twitter en los días previos al 1 de octubre de 2017 con los hastag #ReferendumCatalan y #CatalanReferendum. En esas fechas los investigadores no solo se centraron en Cataluña, sino que también tomaron en cuenta tuits publicados por cualquier usuario de esta red social en todo el territorio español.
“Otra cosa importante para analizar la viralidad es que el usuario sea lo que se denomina ‘influencer’, es decir, que tenga un gran número de seguidores. Aplicando diferentes variables y según el modelo establecido logramos probar que cuantas más palabras negativas haya en el mensaje, mayor probabilidad existe de que el tuit sea retuiteado. Entre las palabras negativas introducidas, dentro de los distintos recursos lingüísticos que teníamos, prevalecen insultos y determinados verbos. Y algo realmente significativo es que los tuits con palabras positivas bajan la probabilidad de retuit”, detalla María Teresa Martín.
Últimas publicaciones
Científicos del Instituto de Agricultura Sostenible de Córdoba han diseñado una metodología para analizar por separado los microorganismos que habitan sobre los fragmentos de acolchados plásticos que cubren el suelo en la agricultura intensiva y los que viven en las partículas de tierra que se quedan adheridas. El trabajo podría ayudar a identificar bacterias capaces de degradar este material y contribuir así a la búsqueda de soluciones biológicas para combatir su acumulación en el campo.
Investigadores de la Universidad de Málaga han desarrollado un algoritmo de Inteligencia Artificial (IA) que realiza un agrupamiento no supervisado de objetos similares evitando el etiquetado manual. Este modelo es capaz de detectar una gran diversidad de elementos en la zona de pistas de un aeródromo, desde personas hasta aviones. Otra de las novedades es su optimización para ahorrar tiempo de cálculo y energía en las tareas de identificación, de forma que permite su uso en dispositivos de bajo consumo.
Sigue leyendo
El estudio, liderado por el Instituto de Investigación Biosanitaria de Granada con la participación de la Universidad de Granada, reveló que las niñas con mayor exposición al bisfenol A presentaban un riesgo casi tres veces mayor de desarrollar sobrepeso u obesidad. El hallazgo destaca la necesidad de seguir investigando sobre la relación entre contaminantes ambientales y enfermedades metabólicas para mejorar el bienestar de la población infantil.
Sigue leyendo
