Los científicos pueden predecir los resultados de las elecciones con el análisis de sentimientos en Twitter


Investigadores de la Universidad de Granada (UGR), pertenecientes al Departamento de Informática e Inteligencia Artificial, han modelado un sistema basado en técnicas de inteligencia artificial que permite predecir los resultados de las elecciones mediante el análisis de opiniones en Twitter.

En este trabajo, los cient√≠ficos de la UGR proponen un sistema descriptivo de Big Data capaz de manejar una cantidad masiva de informaci√≥n no estructurada (un gran ‘data lake’) proveniente de Twitter, logrando establecer un sistema de pron√≥stico pol√≠tico durante las elecciones estadounidenses de 2016, en que Donald Trump gan√≥ contra Hillary Clinton.

La política está en boca de todos hoy. Prueba de ello es la cantidad de hilos de conversación sobre estos temas que se vierten a diario en todas las redes sociales. Una de las redes sociales más utilizadas para estos fines es la red social Twitter, donde encontramos opiniones de partidos, líderes, militantes o simplemente de personas interesadas en la política. Ser capaz de procesar adecuadamente estos datos y convertirlos en conocimiento es una ardua tarea que beneficia a multitud de campos, desde el académico, el empresarial o el periodístico.

La investigaci√≥n de la UGR es fruto de esta motivaci√≥n por poder ¬ęresumir¬Ľ una gran cantidad de datos en informaci√≥n clara y concisa, lo que aporta valor a una posible pregunta de investigaci√≥n.

El sistema ha sido desarrollado por Jos√© √Āngel D√≠az Garc√≠a, Mar√≠a Dolores Ruiz y Mar√≠a Jos√© Mart√≠n-Bautista, del Departamento de Inform√°tica e Inteligencia Artificial de la Universidad de Granada, y probado en un problema real de comparaci√≥n entre dos pol√≠ticos y sus pol√≠ticos. : Donald Trump y Hillary Clinton, enfrentados en las elecciones generales de USA de noviembre de 2016.

SENTIMIENTOS Y EMOCIONES

El m√©todo ideado en la UGR ofrece, de forma f√°cilmente interpretable y explicable, una serie de relaciones entre conceptos y discusiones en la red social sobre ambos pol√≠ticos, as√≠ como los sentimientos y emociones asociados a ellos. ‚ÄúEn el n√ļcleo de nuestro sistema, encontramos t√©cnicas de Inteligencia Artificial sin supervisi√≥n, es decir, t√©cnicas que no necesitan bases de datos previamente etiquetadas para ser entrenadas y utilizadas‚ÄĚ, se√Īalan los autores.

Entre ellos, destacan las reglas de asociaci√≥n, que mediante el uso de l√©xicos y diccionarios permiten el an√°lisis de sentimientos. ‚ÄúEstas t√©cnicas son de gran valor hoy en d√≠a porque brindan soluciones interpretables y f√°cilmente comprensibles, lo que conlleva una f√°cil trazabilidad de los datos y brinda resultados f√°cilmente explicables que podr√≠an ser utilizados por personas sin conocimientos t√©cnicos, democratizando as√≠ el acceso a la Inteligencia Artificial‚ÄĚ, se√Īalan los autores. .

Este nuevo enfoque descriptivo se diferencia de los modelos tradicionales de ‘Machine Learning’, orientados al an√°lisis predictivo del sentimiento, en los que se necesitan grandes bases de datos preetiquetadas (algo muy escaso en las redes sociales, debido a la volatilidad de los temas), y que suelen ofrecer mal soluciones interpretables basadas en entornos matem√°ticos muy complejos.

El an√°lisis de los resultados obtenidos avala la capacidad del sistema dise√Īado en la UGR para obtener reglas y patrones de asociaci√≥n de gran valor descriptivo en el caso de uso de las elecciones americanas. Por lo tanto, se pueden establecer paralelos entre estos patrones con eventos de la vida real.

Algunos de estos paralelos descubiertos por el sistema pueden ser los que relacionan muy fuertemente las palabras prohibición, servicio y transgénero con Donald Trump, lo que demuestra que el actual presidente estadounidense estaba alineado con la prohibición del servicio de estas personas en el sector, algo que ya se estaba considerando en 2016 y eso se confirmó en 2017.

En cuanto a los sentimientos, el sistema revela c√≥mo la sociedad estadounidense tuvo un mayor nivel de enojo con Hillary Clinton en comparaci√≥n con Trump, lo que lleva a la emoci√≥n de ¬ęconfianza¬Ľ, es decir, los tuits sobre Trump fueron emitidos por personas con alta confianza en el actual presidente de la Rep√ļblica. ESTADOS UNIDOS.

Si tenemos en cuenta que los datos se procesaron durante la campa√Īa electoral, por lo tanto, incluso se podr√≠a trazar un paralelo en los resultados posteriores que dieron la victoria a Donald Trump, seg√ļn los expertos.





Source link

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí