Identificación de influyentes en twitter a través del análisis textual y la elaboración de grafos
Resumen
Las redes sociales digitales se han vuelto imprescindibles en la participación social y política creando espacios que se contraponen a los ya tradicionales medios de comunicación. En este artículo se presentan los resultados de la investigación realizada a partir de la extracción de un gran volumen de datos del caso UBER en México. La investigación sobre el fenómeno #UberSeQueda aborda distintos aspectos en el que la transparencia y la democratización de la información son el resultado del uso de Twitter.
En este artículo se aplica un proceso computacional para extraer actores influyentes a partir de los mensajes enviados. La metodología utilizada se base en estudios que analizan las redes complejas explorando la interdisciplinariedad entre la Computación y las Humanidades para detectar actores influyentes. Se concluye, a partir del uso de grafos, que la preponderancia de los actores involucrados en un movimiento social
basado en las redes sociales cambia constantemente en cortos lapsos de tiempo y que es necesaria la combinación de métodos que involucren tanto el perfil del usuario como el contexto actual.
Palabra(s) Clave(s): análisis de redes sociales, grafos, actores influyentes,
interdisciplina.
Texto completo:
1676-1693 PDFReferencias
A. Tumasjan, T. Sprenger, et al., “Predicting Elections with Twitter: What 140 Characters Reveal about Political Sentiment”. International AAAI Conference on Weblogs and Social Media. Vol. 4. 2010. 178-185 pp.
M. Castells, Redes de indignación y esperanza: los movimientos sociales en la era de Internet. 2012. Cambridge: Polity Press.
M. Gladwell, The Tipping Point. 2002. Little, Brown and Company. Nueva York.
M. Granovetter, “The strength of weak ties”. American Journal of Sociology. Vol. 78. 1973. 1360-1380 pp.
J. Berger, K. L. Milkman, “What makes online content viral?” Journal of Marketing Research. Vol. 49. No. 2. 192-205 pp.
E. Bakshy, I. Rosenn, C. Marlow, L. Adamic, “The role of social networks in information diffusion”. Proceedings of the 21st international conference on World Wide Web. ACM. 2012. 519-528 pp.
M. Cha, Haddadi, F. Benevenuto, P. K. Gummadi, “Measuring User Influence in Twitter: The Million Follower Fallacy”. ICWSM. 2010. 10-17 pp.
J. Weng, E. P. Lim, J. Jiang, Q. He, “Twitterrank: finding topic-sensitive influential twitterers”. Proceedings of the third ACM international conference on Web search and data mining. ACM. 2010. 261-270 pp.
S. Wu, J. M. Hofman, W. A. Mason, D.J. Watts, “Who says what to whom on twitter”. Proceedings of the 20th international conference on World Wide Web. ACM. 2011. 705-714 pp.
D. M. Romero, W. Galuba, S. Asur, B. A. Huberman, “Influence and passivity in social media”. Machine learning and knowledge discovery in databases. Springer Berlin Heidelberg. 2011. 18-33 pp.
A. Goyal, F. Bonchi, L. V. Lakshmanan, “Learning influence probabilities in social networks”. Proceedings of the third ACM international conference on Web search and data mining. 2010. ACM. 241-250 pp.
G. Rattanaritnont, M. Toyoda, M. Kitsuregawa, “Analyzing patterns of information cascades based on users' influence and posting behaviors”. Proceedings of the 2nd Temporal Web Analytics Workshop. 2012. ACM. 1-8 pp.
L. C.Freeman, “Centrality in social networks: I Conceptual clarification”. Social Networks, Vol. 1. 1979. 215- 239 pp.
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada. 
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx