Seleccionar página

Levo xa uns anos facendo experimentos con capturas de datos e estudos sobre redes sociais. E algún tempo máis lendo artigos científicos relacionados con big data e redes sociais. E este verán vin un artigo que amosa de forma tan clara cómo se debe utilizar Twitter como fonte de investigacións que me pareceu axeitado extraer un apartado e traducilo ao galego.

Táboa 1: Resumo dos métodos de investigación

Método Descrición
Análise de contido A análise de contido pode ser utilizado para etiquetar sistematicamente texto, audio e/ou comunicación visual dos medios sociais, e pode proporcionar unha saída numérica. Podes atopar un exemplo de estudo usando análise de contido aquí. E un resumo útil sobre o método aquí. Está ben tomar unha mostra aleatoria sistemática de entre o 1% e o 10% do conxunto de datos, dependendo do volume de datos recuperados
Análise temática A análise temática implica un proceso rigoroso para localizar patróns dentro dos datos a través da familiarización, codificación, desenvolvemento e revisión dos temas. Un exemplo dun estudo que utiliza a análise temática pódese atopar aquí. Unha guía útil para aplicar a análise temática pódese atopar aquí. A análise temática tamén pode coñecerse ou atoparse noutros lugares co nome de análise do discurso. Similar á análise de contido, está ben tomar unha mostra aleatoria sistemática de entre o 1% e o 10% do conxunto de datos, dependendo do volume de datos recuperados..
Análise de redes sociais ARS / SNR) A análise de redes sociais pode ser utilizado para medir e mapear as relacións entre individuos, organizacións, páxinas web e entidades de información e/ou coñecemento. Bótalle unha ollada a  este e o material suplementario para obter máis información sobre como incorporar a análise de redes sociais nun estudo. Un recurso útil para analizar os datos dos medios de comunicación social utilizando a análise de redes sociais pódese acceder aquí.
Machine Learning Machine learning é un tipo de intelixencia artificial que permite que as computadoras aprendan sen necesidade de ser programadas. Tamén pode involucrar a seres humanos que etiquetan un subconxunto de datos e permite que a computadora aprenda e codifique o resto dos datos. Hai varios tipos de machine learning, que poderíamos dividir, grosso modo, entre os que están supervisados humanos e os que non.
Pódese acceder a un estudo que utiliza a aprendizaxe automática para analizar os perfís dos usuarios de Twitter nesta ligazón.
Análise semántica (lingüística) A análise semántica pode examinar o significado da linguaxe utilizada e tamén a relación entre as ocorrencias e coocurrencias) de palabras, frases e cláusulas. Unha presentación útil que utiliza a análise semántica para examinar Twitter pódese ler aquí. Describe un estudo do Dr. Mark McGlashan.
Análise de series cronológicas A análise de series cronolóxicas utilízase de cando en cando coma un método dentro de si mesmo – non é habitual – e adoita combinarse con outros métodos. Traza a frecuencia dos medios sociais a través do tempo. A miúdo utilízase para complementar outros tipos de análises. A tese doutoral de Wasim Ahmed ofrece un exemplo de utilización da análise de series temporais xunto con outros métodos de investigación como a análise de contido e temático. Pódese acceder a ela here.
   

Fonte: Wasim Ahmed, lixeiramente complementado por min.

Na miña tese tamén empreguei varios métodos de investigación: análise de contido para determinar os hashtags máis empregados, análise de discurso para avaliar a temática dos mesmos, e análise de redes sociais para mapear as relacións dos partidos políticos galegos durante unhas eleccións municipais. Se che interesa, podes vela aquí.