Presentación realizada para el coloquio de mediatizaciones tematizado en Big Data y ciencias sociales organizado por el CIM (Centro de Investigación en Mediatizaciones) de la Universidad Nacional de Rosario (http://www.cim.unr.edu.ar/)

1. BIG DATA EN MEDIOS
SOCIALES DESDE LAS
CIENCIAS SOCIALES
Desafíos metodológicos
de la capturAnálisis de datos
CIM – Rosario, Agosto de 2017
Marcelo Luis Barbosa dos Santos, PhD © UC-Chile
Investigador CIDOC – Universdidad Finis Terrae

2. CONTEXTO
Big data de medios sociales para ciencias sociales
1

3. Métodos Digitales
• “techniques for the study of societal change and cultural
condition with online data” (Rogers, 2015, p. 1)
• Pregunta(s) de investigación siempre es el norte
• Eminentemente ad-hoc:
(…) digital methods are often experimental and situational,
because they developed in tandem with the medium conditions,
and occasionally are built on top of other devices (Rogers, 2015, p.
9)
2

4. Métodos Digitales
(Rogers, 2015, p. 7)
3

5. Epistemitología del Big Data
• ¿¿¿Bigger Data = Better data???
• “the widespread belief that large data sets offer a higher
form of intelligence and knowledge that can generate
insights that were previously impossible, with the aura of
truth, objectivity, and accuracy” (boyd & Crawford, 2012,
p. 663).
4

6. DATOS
capturAnálisis
5

7. Tópicos x Usuarios (Rafail, 2017)
6
(p. 4)

8. 7
User-restricted
bounded pop.

9. Proxies de tópicos: palabras-clave
• Query: programa y anti-programa (Rogers, 2016)
Security Fence Separation Wall
X

10. Separation Wall

11. Security Fence

13. Consistencia Fuentes Múltiples de Datos
12
Id_TAGS Id_Sifter
¿¿35% de inconsistencia??
• Sifter incluye # de tweets
originales
• 3% sin #ForaTemer (¿?)
• Sifter captura ID tweet
original, TAGS captura ID del
retweet
• Campos con nombres
inconsistentes
• TAGS no captura cuando
hashtag está adjacente a un
signo gráfico o palabra: “blab
la bla#ForaTemer” o
“.#ForaTemer”

14. Proxies de tópicos: hashtags
• Espacio público ad hoc (ad hoc
publics, Bruns y Burgess, 2011)
• Nivel Macro (Bruns y Moe, 2014)
• Diferentes funciones retóricas
(Daer et al., 2014)
13

15. Monopolio de uso
del hashtag

16. Interpretando hashtags
Alinear selección de grupos y sub-grupos de hashtags con
preguntas de investigación implica reconocer:
• Frecuencia de uso de hashtag no necesariamente
equivale a diversidad de actores y vice-versa: agenda
setting o propaganda?
• Mapa con tres dimensiones para selección de hashtags:
frecuencia uso x diversidad de actores x “densidad”
(frecuencia de uso / núm actores)

17. Interpretando hashtags
• Mapa tridimensional para selección de hashtags:
(1) frecuencia uso
x
(2) diversidad de actores
x
(3) “densidad”
(frecuencia de uso / núm actores)
(1) (2) (3)

18. Model of Hashtag Density
User-specific hashtags Low-density hashtags
High-density hashtags
User-diverse hashtags
Frequency of Hashtag
HighLow
Averagetweetsperuser
LowHigh

19. Figura 1: Ejercicio de priorización desarrollado durante Escuela de Verano de Digital Methods Initiative en 2016.
Size = number of users
Low-density hashtags
High-density hashtags
User-diverse hashtags
User-specific hashtags

20. User-specific Low-density
High-Density User-diverse
Size = number of users
Low-density hashtags
High-density hashtags
User-diverse hashtags
User-specific hashtags

21. Δt Captura vs Análisis
• En un año 17% contenido mediático
(Links, Imágenes o Videos) en un set
de datos de Twitter (#ForaTemer) está
indisponible (borrado, protegido,
usuario removido etc.)
20

22. 21
CAPTURANÁLISIS

23. 22
CAPTURA
ANÁLISIS

24. Estrategias de muestreo y
representatividad
• “The distinction between the sample collected and the
goal of broad generalization is quintessentially important,
as it can result in a mismatch between whom or what is
being sampled, and the scope of any generalizations
drawn from subsequent data analysis” (Rafail, 2017, p. 4)
• “even samples collected by searching for the most widely
used hashtag could potentially overlook approximately
half of all user activity” (Rafail, 2017, p. 10)
• “we captured some 790,000 tweets containing the
hashtag #tsunami, but close to four times as many
tweets simply featuring the word ‘tsunami’” (Bruns & Moe,
2014, p. 25)
23

25. Comportamientos x Datasets
24
Total Originals % Testimonials
%
Originals
%
Total
DS 1 19.290 924 5% 114 12% 0,6%
DS 2 12.662 1.569 12% 186 12% 1,5%
DS 3 52.452 3.666 7% 1.466 40% 2,8%
Totals 84.404 6.159 7% 1.766 29% 2,1%
DS3 = 3*DS1 | DS2

26. Metadata y Data screening (Filtraje)
25
Total Originals % Testimonials
%
Originals
%
Total
DS 1 19.290 924 5% 114 12% 0,6%
DS 2 12.662 1.569 12% 186 12% 1,5%
DS 3 52.452 3.666 7% 1.466 40% 2,8%
Totals 84.404 6.159 7% 1.766 29% 2,1%

27. CAMINOS
26

28. Métodos Mixtos
27

29. ¿Ideas?
• Documentar métodos de forma detallada y transparente
• Búsqueda de documentación/transparencia de
plataformas y datos
• Énfasis en etapa de operacionalización: del concepto a
la(s) variable(s)
• Variables multidimensionales
• Limitar planteamientos a las opciones o restricciones
epistemológicas y operacionales de los procesos, datos,
métodos y herramientas
• Triangular/convergir/explorar resultados obtenidos con
diferentes procesos y tecnologías de forma a asegurar
conclusiones
28

30. ¡GRACIAS!
MSANTOS@UFT.CL
29