Este artículo se fundamenta en el trabajo de tesis doctoral realizado por Ana María Miralles Castellanos, PhD., que se titula Lo público en Twitter como un problema de Ciencia Social Computacional.
Por: Luis Fernando Gutiérrez Cano y Luis Jorge Orcasitas Pacheco
En esta segunda entrega, proseguimos el análisis de Twitter como un sensor de los fenómenos del mundo real, en el que se presentan experiencias de esta red social y lo develan como un dispositivo que interviene en las acciones del mundo real en la contemporaneidad, todo a partir del estudio de casos como la detección de eventos, las protestas ciudadanas y estudios de los sentimientos.
Para comenzar, debemos señalar que según Miralles Castellanos (2017), es evidente que existe una nueva categoría de estudio en comunicación, conformada por los denominados sensores sociales, es decir, aquellos medios digitales que proveen información del ambiente a partir de sus propias observaciones, que se transmiten a través de las llamadas plataformas sociales, en este caso, Twitter, lo que los transforma en especie de sensores físicos, y que además, también pueden producir información sobre esos eventos.
En este texto examinamos los principales hallazgos de la investigación de la Dra. Miralles Castellanos, y, al mismo tiempo, cómo su estudio evidencia, a partir de los contenidos generados por los usuarios, la identificación de terremotos, huracanes, eventos de ciudad como deporte y cultura, daños de infraestructura, entre otras temáticas.
De acuerdo con lo anterior, es factible evidenciar que cada sensor humano posee información y desde la conexión de los diversos mensajes se produce un sentido global que se puede analizar desde la Inteligencia Artificial (A.I.). Es, en este punto donde, gracias a las posibilidades que ofrece la I. A., y por medio del computador, se agrupan datos que se convierten en información, esto con el propósito de capturar redes de sentido (Tecnologías Semánticas).
Casos y experiencias
Autores como Sasaki y Matsuo (2012), establecen que para la detención de emergencias desde Twitter se desarrolla un protocolo, a partir de los contenidos generados por los usuarios sobre lo que pasa cerca de ellos. En este sentido, se toma como ejemplo el sistema Twitter Earthquake Detector, que extrae los tuits que permiten estimar la localización del epicentro del terremoto, captura datos e imágenes geolocalizados, y los envía inmediatamente por correo electrónico a los usuarios registrados en su sistema, a una velocidad superior a los medios de comunicación “tradicionales”.
De otro lado, con respecto a la detención de huracanes, existe el estudio de tuits a partir del huracán Sandy en Nueva York y del huracán Isaac en Luisiana, realizado por Zubiaga, Ji y Martínez (2015), que se fundamenta justamente en el usuario, la geolocalización y el tiempo, donde se ayuda a los colaboradores humanitarios y a los ciudadanos con información útil. Desde este contexto, los autores afirman que los sets de datos de los dos huracanes comprobaron que el sistema recupera rápidamente la información sobre inundaciones que se muestran en Twitter.
Por otra parte, los eventos culturales en la ciudad, son investigados por Kotesva, Padi y Lbath (2016), desde la creación de un algoritmo que procesa automáticamente los tuits que dan información sobre eventos en la ciudad de Nueva York. Lo anterior tiene como fundamento el principio de generación de datos diarios por parte de los usuarios, partiendo del concepto de que Twitter es un Sensor Social que contribuye al conocimiento de lo que sucede.
Desde esta perspectiva, se trabajan dieciséis temas como son el arte, la música, el cine, los libros, la salud, los deportes, las comidas, los viajes, los días festivos, las tecnologías, las iglesias, las noticias, la moda, las compras y las celebridades.
Mientras tanto, Becker, Chen, Iter, Naaman y Gravano (2011), abordan aquellos eventos planeados que se sustentan en el sistema de eventos planeados en la ciudad de Nueva York, relacionando a un acontecimiento en tres momentos: antes (lugares, horas, precios); durante (hay mucha fila, estamos eufóricos, etc.); y después de la realización del evento (comentarios). Este sistema recupera tuits relacionados con eventos planeados, en el que, cuando un usuario busca un evento en una página web, el sistema lo conecta automáticamente a los tuits.
Por su parte, Takeichi, Sasahara, Suzuki y Arita (2015), se han enfocado a explorar las posibilidades que presenta la detección de comportamientos en eventos deportivos, en el que se determina que son los usuarios los que se convierten en sensores sociales en los grandes encuentros deportivos, determinando, como fuente de información instantánea, los triunfos o las derrotas. Este sistema se basa en picos de actividad, desde la creación de una interfaz entre el mundo físico y el ciberespacio, y en los picos de actividad de tuits y retuits. Al respecto, Takeichi, Sasahara, Suzuki y Arita (2015), señalan que:
Los medios sociales son una herramienta de comunicación cada vez más popular, en donde las personas tienen interacciones sociales masivas en el ciberespacio. Estas interacciones pueden tener un efecto significativo más allá de este ciberespacio, con consecuencias en el mundo real. Un ejemplo bien conocido es que los medios sociales ayudaron a los activistas de la Primavera Árabe a difundir y compartir información, desempeñando un papel clave en los movimientos sociales revolucionarios subsiguientes.
Al igual que en este caso, las redes sociales pueden interactuar entre el ciberespacio y el mundo físico, conectando a las personas y la información de manera no trivial, lo que lleva a nuevos fenómenos colectivos. La comprensión cuantitativa de tales fenómenos colectivos es un tema central en el campo emergente de las ciencias sociales computacionales.
Investigadores como Tien, Musaev, Benas, Ghadi, Goodman y Pu (2016), estudian los daños en infraestructura desde el tema del transporte y la energía, a partir de casos realizados en Sudáfrica, Estados Unidos y el Caribe. En este procedimiento se usan los flujos de datos en Twitter para detectar daños en puentes, autopistas, líneas de gas e infraestructura eléctrica. Los autores identifican muchos tuits ruidosos y, al mismo tiempo, el sistema permite producir tuits relevantes, geolocalizados para identificar fallas.
En la misma línea, el trabajo de Assis, Herfort, Steiger, Horita y De Albuquerque (2016), se plantean desde Twitter e inundaciones, mediante un sistema para detectar zonas de riesgo a partir de Twitter, identificando los mensajes relacionados con posibilidad de inundaciones en tiempo real, desde sensores físicos y sensores sociales móviles, que resulta especialmente útil donde no hay sensores físicos.
El tema de la congestión vehicular desde el estudio de caso en las ciudades de California, lo asumen Georgiou, El Abbadi, Yan y George (2015), con el que se buscar responder a la pregunta sobre cómo reaccionan los usuarios de Twitter cuando están en medio de una congestión. Este modelo de datos permite a los investigadores, estimar el lugar y la densidad de la congestión solo a partir de tuits, especialmente cuando no hay sensores físicos
En la misma línea de lo anterior, D’Andrea, Ducange, Lazzerini y Marcelloni (2015), examinan el sistema de monitoreo del tráfico en tiempo real, más rápido que las autoridades y las páginas web especializadas. Los investigadores recalcan que este sistema es capaz de distinguir si los eventos tienen la influencia de agentes externos como marchas, eventos deportivos, entre otros.
Asimismo, otro tema de estudio es la detección de temas emergentes, en donde Cataldi, Di Caro y Schifanella (2010), revelan que los medios de comunicación, desde información basada en los tuits de los usuarios, pueden formularse la pregunta ¿qué está pasando en el mundo? Por último, Ito y Toyoda (2016), quienes encaminan su investigación en la visualización de flujo de pasajeros del metro, en la capital de Japón, en tiempo real y que se basa en Twitter con visualizaciones.
Twitter- Inteligencia Artificial
De forma general, Miralles Castellanos (2017), puntualiza que la extracción de conocimiento de los datos en Twitter, en relación con los asuntos de interés público, se plantea desde tres perspectivas:
1) La identificación y la clasificación de temas: operaciones semánticas (agrupamiento y clusterización.
2) La identificación de dinámicas colectivas: operaciones semánticas, detención de bursiting (cloud bursting), atención colectiva, aceleración, contagio, complejo, y visibilidad.
3) La identificación de contenidos específicos de dominio: operaciones semánticas, clusterización e interpretación del sentido colectivo.
En la siguiente grafica se describen los elementos que conforman la Identificación de tópicos y dinámicas. En este artículo consideramos esencialmente la identificación de dinámicas colectivas, especialmente el tema de sensores sociales (emergencias y crisis). En la tabla no. 1 podemos apreciar los diferentes factores que se presentan en el uso del Twitter, desde una perspectiva general.
Identificación de temas Relación tópicos-conversación Búsqueda de “comunidades” Trending topics y hashtags
Identificación de dinámicas colectivas Dinámicas colectivas de fuente exógena:
Protestas.
Sensores sociales: emergencias y crisis
Movimiento. Dinámicas colectivas de fuente endógena:
Atención colectiva.
Visibilidad.
Propagación de opiniones.
Súper difusores.
Identificación de contenidos de dominio: la opinión pública y lo político Formación del discurso político
Controversias.
Polarización.
Opinión pública sin deliberación.
Tabla no. 1. Identificación de tópicos y dinámicas
Fuente: Miralles (2017).
Conclusiones
La Inteligencia Artificial, vista desde una perspectiva humanística, puede contribuir a la resolución de los problemas sociales, esto desde la óptica de los datos que emergen de los medios socio-técnicos como Twitter u otras plataformas sociales, con el propósito de realizar una lectura de la inteligencia colectiva, para la comprensión de la realidad compleja que vive una sociedad conectada como la actual.
Deje su comentario