Análisis comparativo de redes sociales para aplicar técnicas de aprendizaje automático
DOI:
https://doi.org/10.23857/dc.v9i4.3683Palabras clave:
Desinformación, Información veraz, Difusión de información, Redes sociales, SnscrapeResumen
Actualmente el análisis de redes sociales se ha convertido en un campo amplio de investigación y para la experimentación se consideró a Twitter como la red social más usada. El objetivo de este trabajo es identificar una red social diferente en la que se pueda aplicar técnicas de aprendizaje automático para detectar hechos y opiniones; de tal forma que se pueda obtener un análisis más amplio de la información que se propaga en las redes sociales. Una de las primeras y más importantes fases dentro del aprendizaje automático es recolectar los datos que luego serán analizados. En este trabajo se aplicó la librería SNScrape con la que se puede recolectar datos y metadatos de varias redes sociales. Cabe mencionar que luego de realizar varias pruebas se concluyó que por la facilidad que presenta el Script aplicado, la eficiencia y tamaño de los datos que se recolectan en LinkedIn es la red que posteriormente será utilizada para llevar a cabo todo el proceso de aprendizaje automático previsto.
Citas
Argyris, Y. A., Zhang, N., Bashyal, B., & Tan, P. N. (2022, July). Using Deep Learning to Identify Linguistic Features that Facilitate or Inhibit the Propagation of Anti-and Pro-Vaccine Content on Social Media. In 2022 IEEE International Conference on Digital Health (ICDH) (pp. 107- 116). IEEE.
Ahvanooey, M. T., Zhu, M. X., Mazurczyk, W., Choo, K. K. R., Conti, M., & Zhang, J. (2022). Misinformation Detection on Social Media Challenges and the Road Ahead. IT Professional, 24(1), 34-40.
Bharti, M., & Jindal, H. (2020, November). Automatic rumour detection model on social media. In 2020 Sixth International Conference on Parallel, Distributed and Grid Computing (PDGC) (pp. 367-371). IEEE.
Hernández, R., Fernández, C., y Baptista, P. (2016). Metodología de la Investigación. MC Graw Hill Education.
Kumari, R., Ashok, N., Ghosal, T., & Ekbal, A. (2021, July). A multitask learning approach for fake news detection: novelty, emotion, and sen- timent lend a helping hand. In 2021 International Joint Conference on Neural Networks (IJCNN) (pp. 1-8). IEEE.
Pegalajar-Palomino, M. D. C. y Rodríguez-Torres, A. F. (2023). Las competencias digitales en estudiantes de las carreras de Educación en Ecuador. Campus Virtuales, 12(2), 113-126. https://doi.org/10.54988/cv.2023.2.1215
Pushkar, P., & Mittal, U. (2022, April). User Behavior Analysis based on their Social Media Interaction. In 2022 3rd International Conference on Intelligent Engineering and Management (ICIEM) (pp. 107-110). IEEE.
Rastogi, S., Gill, S. S., & Bansal, D. (2021, December). An Adaptive Approach for Fake News Detection in Social Media: Single vs Cross Domain. In 2021 International Conference on Computational Science and Computational Intelligence (CSCI) (pp. 1401-1405). IEEE.
Rodríguez, Á., Cargua, A., Cargua, N., y Garcés, J. (2023). Competencias Digitales de los Estudiantes de la Carrera de Pedagogía de la Actividad Física y Deporte: Caso Ecuatoriano. En A. Morales, A. Vargas, J., J. Martínez-Iglesias y C. Gallardo (Coords.). Innovación y Transferencias de Conocimientos. (pp. 81-96). Dynkinson, S.L.
Rodríguez, Á., Gómez, M., Granda, V., y Naranjo, J. (2016). Paradigmas de investigación: tres visiones diferentes de ver y comprender a la Educación Física. Lecturas: Educación Física y Deportes. Revista Digital. 21(222), 1-12. https://doi.org/10.46642/efd.v26i275.2819
Rodríguez, A. (2015). La formación inicial y permanente de los docentes de enseñanza no universitaria del Distrito Metropolitano de Quito y su influencia en los procesos de enseñanza y aprendizaje, la evaluación institucional, el funcionamiento, la innovación y la mejora de los centros educativos. Tesis Doctoral Inédita. San Sebastián (España). Universidad del País Vasco. https://doi.org/10.2307/j.ctv253f6hj.59
Rodríguez-Torres, Á., Rosero-Duque, M., & Aguirre-Obando, E. (2018). La búsqueda de la información científica en la Universidad Central del Ecuador: Reflexiones desde el caso Facultad de Cultura Física. Revista Ciencias Sociales, 1(39), 181–188. https://doi.org/10.29166/ciencias_medicas.v43i1.1462
Safarnejad, L., Xu, Q., Ge, Y. & Chen, S. (2021). A Multiple Feature Category Data Mining and Machine Learning Approach to Characterize and Detect Health Misinformation on Social Media. IEEE Internet Computing, 25(5), 43-51.
Shu, K., Sliva, A., Wang, S., Tang, J., & Liu, H. (2017). Fake news detection on social media: A data mining perspective. ACM SIGKDD Explorations Newsletter, 19(1), 22-36.
Starbird, K., Arif, A., Wilson, T., & Stanek, S. (2019). Disinformation, misinformation, and hoax cascades in social media: Mapping content propagation. Annual Review of Information Science and Technology, 53(1), 489-516.
Su, Y., Markson, C., & Jones, K. T. (2019). The Big Five personality traits and ideological attitudes: An empirical study using Facebook data. Personality and Individual Differences, 142, 17-22.
Sunstein, C. R. (2017). Republic: Divided democracy in the age of social media. Princeton University Press
Vargo, C. J., & Guo, L. (2018). The agenda-setting power of fake news: A big data analysis of the online media landscape from 2014 to 2016. New Media Society, 20(5), 2028-2049.
Vosoughi, S., Roy, D., & Aral, S. (2018). The spread of true and false news online. Science, 359(6380), 1146-1151.
Urakova, F. K., Ishmuradova, I. I., Kondakchian, N. A., Akhmadieva, R. S., Torkunova, J. V., Meshkova, I. N., & Mashkin, N. A. (2023). Investigating digital skills among Russian higher education students. Contemporary Educational Technology, 15(1), ep398, 1-13. https://doi.org/10.30935/cedtech/12600
Zhang, Y., & Varian, H. (2019). Understanding the role of Google in information access. Journal of Economic Perspectives, 33(2), 197-223
Zollo, F., Bessi, A., Del Vicario, M., Scala, A., Caldarelli, G., Shekht- man, L., ... Quattrociocchi, W. (2017). Debunking in a world of tribes. PLoS One, 12(7), e0181821.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Freddy Sebastián Rodríguez Alvear , Joselyn Carolina Rodríguez Alvear , Daniel Jossue Arteaga Carbajal
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Authors retain copyright and guarantee the Journal the right to be the first publication of the work. These are covered by a Creative Commons (CC BY-NC-ND 4.0) license that allows others to share the work with an acknowledgment of the work authorship and the initial publication in this journal.
