La batalla por la capital… en redes (II)

La batalla por la capital… en redes (II)
Carlos Miguel Ramos Linares
Parabólica

Ecosistema Digital escribe Carlos Miguel Ramos Linares

En las últimas horas, la candidata del distrito 9, Sandra Ortiz, fue mencionada 121 veces desde 78 cuentas con el «ratio» de sentimiento positivo más elevado entre los candidatos: 9.1. El 87% de los comentarios son neutrales, 12% positivos y solamente 1% negativos. La nube de etiquetas muestra que el 1% de negativos de la candidata Ortiz es por la marca Morena, con comentarios como: Ni un voto a Morena.

Por su parte, Ana Tere Aranda fue mencionada 108 veces desde 69 cuentas con un «ratio» de sentimiento de 3:2. El 77% representa comentarios neutrales, mientras que el 14% son positivos y 9% negativos. La nube de palabras muestra etiquetas como: México Libre, Vota PAN, Va por México, Contrapeso. El comportamiento es humano.

Finalmente, en el distrito 6, la candidata Xitlalic Ceja recibió 108 menciones desde 78 cuentas y tiene un «ratio» de sentimiento de 3:7. Del 100%, el 81% de los comentarios son neutrales, 13% negativos y 6% positivos. El comportamiento de los comentarios que mencionan a la candidata Xitlalic en su mayoría son humanos, destacando palabras como: Contrapeso, Va por México, Vota PRI.

Mientras tanto, Alejandro Carvajal fue mencionado 117 veces desde 68 cuentas con un «ratio» de 4:1. Del 100%, el 68% de los comentarios son neutrales, 27% positivos y 5% negativos. Mientras que la nube de etiquetas destaca palabras como: Defendamos la esperanza, Carvajal a ganar.

A través del análisis de sentimientos, exploramos el contenido semántico y competencia lingüística de los términos de los mensajes, que cortejan las cuentas presentadas en estas dos entregas. En el contexto de comunicación política se analizó el contenido cuantitativo de los mensajes que permite identificar patrones de comportamiento de los usuarios.

Con la aplicación de esta técnica del «machine learning», podemos alcanzar conclusiones relacionadas a la influencia, «agenda-setting» y «framing». Analizar el sentimiento en Twitter supone asignar un valor de carga emocional (variables) a cada mensaje publicado.

 

 

@cm_ramoslinares

Ecosistema Digital

Carlos Miguel Ramos Linares