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
Un equipo de investigación de la Universidad de Almería ha desarrollado un método más selectivo y sostenible que reduce el uso de disolventes y detecta hasta 50 compuestos más que las técnicas habituales en estos alimentos. La propuesta puede integrarse o sustituir los sistemas actuales en laboratorios y empresas del sector.
Este trabajo de investigación sucede a otro en el que el profesor Martín Olalla, investigador de la Universidad de Sevilla, corregía una idea original de Einstein que dio origen al tercer principio de la termodinámica.
Este estudio de la Universidad de Córdoba, en colaboración con el centro IFAPA Alameda del Obispo, identifica además los compuestos químicos presentes en las bellotas que podrían ayudar a encontrar la más apta para el consumo y así fomentar la utilización de un alimento infrautilizado e infravalorado.
