Search

Copyright of Revista Española de Sociología is the property of Federacion Espanola de Sociologia and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Revista de Estudios Empresariales Segunda Época is the property of Editorial de la Universidad de Jaen and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Estudos em Comunicação is the property of Labcom / Universidade da Beira Interior and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Revista Iberoamericana de Ciencia, Tecnologia y Sociedad is the property of Centro de Estudios sobre Ciencia, Desarrollo y Educacion Superior and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

El estudio de la construcción y el análisis de índices de sentimiento en redes sociales es una técnica reciente que ha captado interés por su capacidad para identificar tendencias en los precios de las acciones. Además, la aplicación de inteligencia artificial para analizar rápidamente grandes volúmenes de datos de diversas fuentes de información ha creado una nueva forma de evaluar información masiva de redes sociales. El procesamiento del lenguaje natural (NLP, por sus siglas en inglés) es el método preferido que se sigue en la investigación. Originado en los años cincuenta, el NLP surgió de la intersección entre la inteligencia artificial y la lingüística. En un comienzo se empleó para recuperar información textual, con métodos basados en estadísticas para indexar y buscar de manera eficaz en grandes secciones de texto.

El avance en la tecnología de inteligencia artificial (IA) ha llevado a mejoras significativas en la generación de imágenes en términos de velocidad y calidad. Sin embargo, se ha generado preocupación e incertidumbre entre los artistas, quienes temen ser reemplazados por la IA en su campo de trabajo. En este contexto, se tuvo como objetivo el análisis de los Tweets donde se define el impacto de la inteligencia artificial (IA) en la adopción de tecnologías de generación de imágenes. Para ello, se llevó a cabo la recopilación, creación y evaluación de una red neuronal convolucional que clasifique los datos según un análisis de sentimiento entre positivo y negativo. Finalmente, la investigación se determinó la tasa de pérdida de un 63%, la precisión con un 61% y la curva ROC alrededor de un 64% de una red neuronal convolucional para la predicción de Tweets.

Copyright of Methaodos: Social Science Journal / Methaodos: Revista de Ciencias Sociales is the property of Departamento de Ciencias de la Comunicacion y Sociologia, Universidad Rey Juan Carlos and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Hospital a Domicilio is the property of Centro Internacional Virtual de Investigacion en Nutricion and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of CIRCULO de Linguistica Aplicada a la Comunicacion is the property of Universidad Complutense de Madrid and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

El estudio de las emociones y la polaridad en el lenguaje ha adquirido importancia en los últimos años debido a su relevancia en áreas como la inteligencia artificial o en el análisis de sentimientos en redes sociales, publicidad y comunicación en general, pues busca entender el modo en que las personas interactúan y se relacionan a través del lenguaje. Los estudios de este tipo son fundamentales para poder interpretar los sentimientos y las actitudes de los usuarios y clientes, así como para mejorar la interacción humano-máquina y la experiencia del usuario en distintos ámbitos. La polaridad y las emociones en el lenguaje se hace especialmente relevante en el análisis del humor, ya que la comprensión de sus patrones emocionales puede ser útil en el desarrollo de sistemas de inteligencia artificial capaces de detectar, entender y generar humor de manera efectiva. El presente estudio analiza los datos del corpus COLUMNAS.HUMOR (textos completos y secuencias humorísticas) con el objetivo de observar la polaridad y las emociones predominantes. La metodología utilizada está basada en corpus, con aplicación de técnicas cuantitativas y cualitativas y con el uso de herramientas informáticas para extraer datos de polaridad y de emociones. A partir de los diferentes tipos de resultados frecuenciales obtenidos, se realiza un análisis cualitativo para interpretar los datos en cada corpus de estudio. Este exhaustivo análisis nos ha permitido detectar las diferencias en el sentimiento y la verbalización emocional, así como contrastar los resultados por corpus y por el género de los periodistas estudiados.

Los juegos de azar han adquirido una presencia notable en las redes sociales, destacando especialmente en Twitch, una plataforma de transmisión en vivo muy popular entre la generación joven. Los streamers establecen vínculos a largo plazo con sus audiencias, creando comunidades participativas que refuerzan el sentimiento de pertenencia grupal. El propósito de esta investigación es analizar la reacción que causa en la audiencia de los creadores de contenido cuando se promueven juegos de azar. Se lleva a cabo una triangulación metodológica que incluye la observación etnográfica, el análisis de sentimiento y el análisis de contenido a partir de los chats de 12 emisiones, cada una con una duración promedio de 4 horas. Se evalúa el grado de compromiso de la audiencia social en función de las estrategias de promoción empleadas por los creadores. Los resultados revelan que, a pesar de las restricciones impuestas por Twitch, los streamers recurren a diversas tácticas, que van desde la recomendación de juegos de azar hasta la oferta de incentivos especiales para que los espectadores se unan. Esto fomenta el consumo y crea un vínculo con el usuario, quien, al participar en la conversación, se ve predispuesto a imitar las conductas que observa.

Los usuarios de internet en todo el mundo pasan un promedio de 2 horas y 25 minutos al día en las redes sociales, por lo que técnicas como el análisis del sentimiento son aplicadas a sus redes sociales, la cual es utilizada para la identificación y clasificación de las emociones empleadas en actividades como investigación de mercados, monitoreo de la reputación de marca, medición de la satisfacción del cliente, entre otros. Esta comunicación pretende determinar la importancia y utilidad del análisis de sentimiento a través de la minería de datos como una herramienta relevante para conocer tendencias de opinión y sentimiento de referentes comunicacionales. La metodología utilizada es de corte cualitativo bajo el método del estudio de caso. Se utilizó Twitter como fuente para la recopilación de información y para su análisis se empleó el software de minería de datos RapidMiner con el operador para análisis de sentimiento. Como parte de las conclusiones, se observa que es posible afirmar que el análisis del sentimiento a través de la minería de datos es una herramienta útil y valiosa para la toma de decisiones sobre las estrategias comunicacionales que pueden llevarse a cabo, no solo en el turismo sino en cualquier actividad que busque posicionarse en la mente del consumidor.

Internet users around the world spend an average of 2 hours and 25 minutes a day on social networks, so techniques such as sentiment analysis are applied to their social networks, which is used for the identification and classification of the emotions used in activities such as market research, brand reputation monitoring, customer satisfaction measurement, among others. This communication aims to determine the importance and usefulness of sentiment analysis through data mining as a relevant tool to know opinion trends and sentiment of communication referents. The methodology used is qualitative under the case study method. Twitter was used as a source for the collection of information and for its analysis the data mining software RapidMiner was used with the operator for sentiment analysis. As part of the conclusions, it is observed that it is possible to affirm that the analysis of sentiment through data mining is a useful and valuable tool for decision-making on communication strategies that can be carried out, not only in tourism, but in any activity that seeks to position itself in the mind of the consumer. [ABSTRACT FROM AUTHOR]

Copyright of DYNA - Ingeniería e Industria is the property of Publicaciones Dyna SL and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Revista Foco (Interdisciplinary Studies Journal) is the property of Revista Foco and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

El análisis de sentimientos ayuda a determinar la percepción de usuarios en diferentes aspectos de la vida cotidiana, como preferencias de productos en el mercado, nivel de confianza de los usuarios en ambientes de trabajo, o preferencias políticas. La idea es predecir tendencias o preferencias basados en sentimientos. En este artículo evaluamos las técnicas más comunes usadas para este tipo de análisis, considerando técnicas de aprendizaje de máquina y aprendizaje de máquina profundo. Nuestra contribución principal se basa en una propuesta de una estrategia metodológica que abarca las fases de preprocesamiento de datos, construcción de modelos predictivos y su evaluación. De los resultados, el mejor modelo clásico fue SVM, con 78% de precisión, y 79% de métrica F1 (F1 score). Para los modelos de Deep Learning, con mejores resultados fueron los modelos clásicos. El modelo con mejor desempeño fue el de Deep Learning Long Short Term Memory (LSTM), alcanzando un 88% de precisión y 89% de métrica F1. El peor de los modelos de Deep Learning fue el CNN, con 77% de precisión como de métrica F1. Concluyendo que, el algoritmo Long Short Term Memory (LSTM) demostró ser el mejor rendimiento, alcanzando hasta un 89% de precisión.

Copyright of TECHNO Review is the property of Eurasia Academic Publishing Group and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

La informaci´on registrada en el internet cada d´ıa crece de forma abrumadora, plataforma de redes sociales como Twitter, contiene informaci´on de texto valiosa, que ha motivado a muchos investigadores a la recuperaci´on de informaci´on utilizando interfaces de programaci´on de aplicaciones, conocida tambi´en por la sigla API, en ingl´es, para la obtenci´on de conjunto de datos, informaci´on v´alida para pruebas de experimentaci´on que permita conocer la opini´on de un grupo de usuarios. El presente trabajo muestra un m´etodo de predicci´on de an´alisis de sentimiento en las elecciones pu´blicas del Ecuador basado en la red social Twitter. Se pretende conocer el sentir de los ciudadanos acerca de los candidatos presidenciales, aplicando t´ecnicas de procesamiento de lenguaje natural, m´etodo de predicci´on de aprendizaje autom´atico para los comicios electorales.

El artículo propone un análisis del tratamiento que los medios de comunicación digitales dan a mujeres líderes políticas con el objetivo de identificar la polaridad (positiva, neutra o negativa) de la información que se publica sobre ellas. La investigación se centra en los casos de Ada Colau e Inés Arrimadas. De esta forma, el estudio desarrolla un análisis de sentimiento computarizado de la información publicada en los periódicos El País y ABC, durante el mes de noviembre de 2019. A partir del análisis de las 229 piezas periodísticas que mencionaban a las dos líderes políticas, se demuestra que la polaridad es predominantemente neutra, pero que el género periodístico de opinión determina el tono de la representación mediática de los casos analizados. Asimismo, se observa una significativa relación de afinidad o antipatía de los medios analizados con la ideología de las mujeres políticas estudiadas.

Copyright of Journal of Information Technologies & Communications / Revista de Tecnologías de la Información & Comunicaciones is the property of ECORFAN-Mexico S.C. and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Estudios sobre el Mensaje Periodistico is the property of Universidad Complutense de Madrid and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Sentiment analysis is a natural language processing task that has received increased attention in the last decade due to the vast amount of opinionated data on social media platforms such as Twitter. Although the methodologies employed have grown in number and sophistication, analysing irony and sarcasm still poses a severe problem. From the linguistic perspective, sarcasm has been studied in discourse analysis from several perspectives, but little attention has been given to specific metrics that measure its relevance. In this paper we describe the creation of a manually-annotated dataset where detailed text markers are included. This dataset is a sample from a larger corpus of tweets (n= 76,764) on two highly controversial films: Cats and Star Wars: The Rise of Skywalker. We took two different samples for each film, one before and one after their release, to compare reception and presence of sarcasm. We then used a sentiment analysis tool to measure the impact of sarcasm in polarity detection and then manually classified the mechanisms of sarcasm generation. The resulting corpus will be useful for machine learning approaches to sarcasm detection as well as discourse analysis studies on irony and sarcasm. [ABSTRACT FROM AUTHOR]

Varios autores han reconocido la importancia que las emociones juegan en el texto literario, para captar la atención del lector sin que la crítica literaria haya llegado a incorporar estas en su estudio. En el presente trabajo, se realiza el primer análisis digital de sentimiento sobre la narrativa cervantina del que se tiene constancia, con el fin de identificar el uso que su autor realiza de las emociones. Los resultados muestran cómo Cervantes emplea un importante número de léxico emocional que varía en frecuencia y cantidad en el transcurso de su obra. Asimismo, se muestra cómo el cambio constante en la polaridad del texto contribuye a crear cierta tensión emocional que el autor sabe utilizar de forma magistral. Dicho contraste emocional puede observarse no solo a lo largo de cada una de las obras literarias analizadas, sino también a lo largo de la trayectoria literaria de Cervantes. Se trata este de un análisis novedoso, que realiza un acercamiento a un campo de estudio prometedor que presenta resultados de valor y relevancia para el avance en el conocimiento del uso de las emociones en el texto literario.

Several authors have recognized the importance that emotions play in the literary text to capture the reader's attention without literary criticism having incorporated them into their study. In the present work, the first digital sentiment analysis in Cervantes' narrative of which there is evidence carried out to identify the author's use of emotions. The results show how Cervantes uses an important number of emotional words that varies in frequency and quantity in the course of his work. Likewise, it shows how the constant change in the polarity of the text contributes to create a certain emotional tension that the author knows how to use masterfully. This emotional contrast can be observed not only throughout each of the literary works analyzed, but also throughout the literary career of Cervantes. This novel analysis makes an approach to a promising field of study that presents results of value and significance for the advancement in the knowledge of the use of emotions in the literary text. [ABSTRACT FROM AUTHOR]

Al contemplar el auge en uso y popularidad de las redes sociales para comunicarse y, en definitiva, compartir opiniones, no es de extrañar que investigadores de diferentes especialidades se interesen en analizar dichas interacciones online. Más allá de su aplicación comercial, el presente estudio pretende explorar el potencial de las técnicas de análisis de sentimiento junto con la lingüística de corpus y la gramática sistémico funcional. Concretamente, se usa la teoría de la transitividad de Halliday y Matthiessen para discernir cómo se aborda la aprobación del Artículo 13 por la comunidad de Twitter desde un punto de vista lingüístico, principalmente enfocado en los verbos y agentes involucrados en el discurso. Dicha reforma legal pretende regular el uso de materiales protegidos por derechos de autor en plataformas de internet como YouTube y Facebook, entre otras. De este modo, se investiga si la diferencia entre textos producidos durante días diferentes abordando el mismo tema presenta diferencias significativas hasta el punto de considerarse géneros discursivos distintos. As the use of social media grows in users and popularity to communicate and share opinions, researchers from various fields are, unsurprisingly, interested in analysing such online interactions. Beyond its commercial application, sentiment analysis is consulted in the present research to explore the potential its combination with corpus linguistics and systemic functional grammar. Specifically, Halliday and Matthiessen’s transitivity theory is employed to recognise how the Twitter community tackles Article 13’s approval from a linguistic point of view, mainly focused on the verbs and agents involved in the discourse. The aforementioned legal reform attempts to regulate the use of copyrighted material in online platforms like YouTube and Facebook, amongst others. Thus, this paper investigates whether significant linguistic differences arise across the resulting texts addressing the same issue in the span of a few days, up to the point that they become distinct discursive genres.

The advent and rise of computer mediated communication, mainly of so-called social networks, ask for automated analytical capabilities to extract information and patterns from massive poorly structured data in order to anticipate future trends, events and actions. This area attracts both researchers and industries, with Linguistics, Computer Science, Psychology, Social Sciences or Statistics involved, among others. [ABSTRACT FROM AUTHOR]

El objetivo último de este trabajo es realizar un estudio cuantitativo y cualitativo que evidencie que la forma en la que están verbalizadas las dos leyes que regulan la violencia de género y doméstica en España e Inglaterra desde el punto de vista léxico tiene mucho que ver con los objetivos políticos o sociológicos que la ley se propone abordar. El artículo analiza lo que Garofalo (2017: 56) denomina «ítems axiológicos» o unidades léxicas valorativas que expresan la involucración emocional en las leyes y cómo se dan de diferente manera dependiendo de la cultura jurídica de que se trate. El corpus analizado se compone de la Ley Orgánica española 1/2004 de Medidas de Protección Integral contra la Violencia de Género y la Ley de 2004 sobre Violencia Doméstica, Delitos en el Hogar y sus Víctimas de Inglaterra y Gales. El análisis consta de dos fases: la primera lleva a cabo un procesamiento automático por medio de Antconc 2.0(Anthony, 2016), con el fin de obtener una lista de palabras clave indicadoras de la relevancia y frecuencia en cada corpus de los términos que pertenecen al ámbito del lenguaje jurídico y de aquellos que conceptualizan el marco conceptualde la violencia doméstica y de género, respectivamente. En la segunda fase se ha utilizado la perspectiva del análisis del sentimiento y, más específicamente, el software Lingmotifv.1.0(Moreno Ortiz, 2017), con el fin de estudiar la polaridad (positiva, negativa o neutra) y la intensidad de sentimiento de estos textos legislativos, a través de un análisis léxico pormenorizado llevado a cabo por dicho software.

The large-scale analysis of tweets in real-time using supervised sentiment analysis depicts a unique opportunity for communication and audience research. Bringing together machine learning and streaming analytics approaches in a distributed environment might help scholars to obtain valuable data from Twitter in order to immediately classify messages depending on the context with no restrictions of time or storage, empowering cross-sectional, longitudinal and experimental designs with new inputs. Even when communication and audience researchers begin to use computational methods, most of them remain unfamiliar with distributed technologies to face big data challenges. This paper describes the implementation of parallelized machine learning methods in Apache Spark to predict sentiments in real-time tweets and explains how this process can be scaled up using academic or commercial distributed computing when personal computers do not support computations and storage. We discuss the limitation of these methods and their implications in communication, audience and media studies. El análisis a gran escala de tweets en tiempo real utilizando el análisis de sentimiento supervisado representa una oportunidad única para la investigación de comunicación y audiencias. El poner juntos los enfoques de aprendizaje automático y de analítica en tiempo real en un entorno distribuido puede ayudar a los investigadores a obtener datos valiosos de Twitter con el fin de clasificar de forma inmediata mensajes en función de su contexto, sin restricciones de tiempo o almacenamiento, mejorando los diseños transversales, longitudinales y experimentales con nuevas fuentes de datos. A pesar de que los investigadores de comunicación y audiencias ya han comenzado a utilizar los métodos computacionales en sus rutinas, la mayoría desconocen el uso de las tecnologías de computo distribuido para afrontar retos de dimensión big data. Este artículo describe la implementación de métodos de aprendizaje automático paralelizados en Apache Spark para predecir sentimientos de tweets en tiempo real y explica cómo este proceso puede ser escalado usando computación distribuida tanto comercial como académica, cuando los ordenadores personales son insuficientes para almacenar y analizar los datos. Se discuten las limitaciones de estos métodos y sus implicaciones en los estudios de medios, comunicación y audiencias.

En los últimos años el Big Data se abre camino entre las principales herramientas de análisis de mercado, vinculándose a las técnicas de Machine Learning con el fin de aprender sobre los datos que se posee. Una de las áreas de mayor crecimiento es el Procesamiento de Lenguaje Natural que proporciona al investigador datos sobre estructuras y significados de texto. Con el fin de profundizar en esta área, Google ha creado la API Natural Language, permitiendo a los investigadores trabajar con distintos aspectos de las funciones del lenguaje entre ellas el análisis de sentimiento, proporcionando información sobre la opinión emocional predominante de un contenido seleccionado previamente y permitiendo obtener un score que analiza la valencia de las emociones con valores dicotómicos. El objeto de este estudio es analizar los distintos procesos que un investigador tiene que utilizar para obtener información útil para sus investigaciones. Desde la extracción de información, hasta la obtención de datos que ayuden al investigador a obtener conclusiones, se desarrolla un largo proceso del tratamiento de la información. El estudio nos mostrará como las diversas herramientas de las que dispone Google en su plataforma Google Cloud Platform, aportan a un investigador el apoyo necesario para el desarrollo de su trabajo, una vez que ya se cuenta con la información a analizar. Además, se complementará con herramientas de rastreo para la extracción del texto que se desea, en función de donde se encuentre esta.

Twitter as a means for promoting opinions has not gone unnoticed by political agents. This study looks at the Twitter messages of the candidates for the Presidency of Mexico in the 2018 elections and reviews their contents, the reactions they produced, and whether they were interpreted positively or negatively. The hypothesis, which our research sustains, is that, although social networks can be considered to foster relations between the political class and citizens, Twitter functions as an instrument for unilateral information and only reaffirms recurrent interactions in the political culture without fostering citizen participation. In addition, the use of computational tools, particularly sentiment analysis, is proposed as a methodological tool to obtain and analyse information related to political activity. [ABSTRACT FROM AUTHOR]

Los cambios producidos en los últimos años en cuanto a modelos de comunicación social han llevado a todos los sectores a adaptarse a los nuevos medios para alcanzar a su público. La comunicación de la ciencia no es una excepción. La manera en que se distribuyen contenidos sobre ciencia está cambiando debido a la presencia creciente de tecnologías, y la red social Twitter se ha convertido en un importante aliado debido a su gran volumen de usuarios. En el presente trabajo, se utilizan técnicas de aprendizaje automático para desarrollar un clasificador —que funciona en tiempo real— de sentimiento relacionados con mensajes publicados en Twitter. Para ello, se descargaron 200 000 tweets destinados a construir un corpus de entrenamiento limpio y procesado de 10 000 textos etiquetados, la mitad positivos y la mitad negativos, sobre ciencia en español. El corpus permite entrenar el modelo de aprendizaje automático y construir un prototipo OpScience, capaz de determinar el sentimiento de mensajes publicados en Twitter en tiempo real. Los resultados relacionados con la exactitud del clasificador corresponden al 72 %. Estos resultados pueden ayudar a darle mayor valor a temas de la comunicación científica en un espacio de debate social y predecir intereses o tendencias futuras, como se pudo comprobar en una prueba en enero de 2019.

En el presente artículo se aborda la utilidad de las herramientas y métricas de audiencia surgidas en el entorno digital para desarrollar prácticas comunicativas de Inbound Marketing. Los objetivos que se persiguen son reconocer qué nuevos indicadores están utilizando las métricas de audiencia; identificar los datos que aportan para prácticas de inbound marketing y apreciar en qué permiten testar los contenidos y planificarlos. Para ello se identifican las principales herramientas de medición y los servicios que ofrecen, así como las métricas que permiten detectar los comportamientos y emociones de los usuarios frente a los mensajes, posibilitando testar los mismos y planificarlos para atraer la atención del público, retenerlo y fidelizarlo. Las conclusiones permiten ver cómo las nuevas métricas están reconfigurando la manera en la que se producen y distribuyen los contenidos, hasta llegar a convertirse en herramientas indispensables, que permiten identificar la capacidad de atracción, retención, fidelización y satisfacción de los usuarios frente a dichos contenidos. La analítica de datos ha pasado a ser una herramienta en la que los aspectos pragmáticos interseccionan con aspectos emocionales, permitiendo cuantificar la experiencia y la emoción más allá del hábito y posibilitando planificar los contenidos para adaptarlos a los requerimientos de los usuarios.

Copyright of Iberica is the property of Asociacion Europea de Lenguas para Fines Especificos and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Mediterranean Journal of Communication / Revista Mediterránea de Comunicación is the property of Revista Mediterranea de Comunicacion / Mediterranean Journal of Communication and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Procesamiento del Lenguaje Natural is the property of Sociedad Espanola para el Procesamiento del Lenguaje Natural and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

El impacto de los comentarios en redes sociales con relación a crisis alimentarias es un objeto de estudio reciente, cuyos efectos hay que seguir. En esta investigación se analiza el caso de la carne roja y sus presuntos efectos cancerígenos con el objetivo de determinar el seguimiento en Facebook y Twitter y el carácter de los comentarios (positivos, neutros o negativos). La agencia internacional para la investigación del cáncer (dependiente de la OMS) presentó el 26 de octubre de 2015 un informe donde se evaluaba la carcinogenicidad del consumo de carne incluyéndola en el grupo 2A. Esta noticia estuvo presente en las redes sociales, principalmente en Facebook y Twitter, las más utilizadas en España en ese momento. Por ello, se utiliza la metodología cualitativa de análisis de sentimiento en esas redes sociales y las publicaciones relacionadas con la noticia. Se buscaron las publicaciones del 26 de octubre al 26 de noviembre de 2015 y se utilizaron hashtags específicos (“carne roja” y “OMS”) para centrar la búsqueda. Las publicaciones se clasificaron en positivas, neutras o negativas. También se valoraron las reacciones de los otros usuarios en cada publicación mediante un análisis estadístico cuantitativo. Se analizaron 391 publicaciones en Twitter y 33 en Facebook. En la primera red social, se encontraron publicaciones en todo el periodo de tiempo acotado; en Facebook, solo en la mitad del tiempo. El 57,6% de las publicaciones de Facebook presentan una intencionalidad neutra, el 27,3% negativa y el 15,1% positiva. En Twitter, 47,6% son neutras, 39,6% negativas y 12,8% positivas. El seguimiento de otros usuarios a las publicaciones estudiadas no fue estadísticamente significativo. La apreciación de los usuarios cambia con el paso del tiempo, pasando de comentarios negativos y neutros a neutros y positivos hasta que solo quedaron información objetiva. También se observa una falta de comunicación entre las entidades oficiales y los usuarios de estas redes.

Esta investigación analiza el impacto que tiene el filtrado de n-gramas de palabras, usando su categoría gramatical, sobre la identificación de sentimiento a partir de comentarios de texto provenientes de redes sociales en idioma español. Se investigó el impacto de filtrar n-gramas que contienen adjetivos, adverbios e interjecciones. Se logró determinar que es posible reducir el volumen de datos procesado y, a la vez, lograr una mejora de hasta un 30 % en la precisión al clasificar un corpus anotado de comentarios separando los que expresan sentimiento de los que no.

Copyright of Procesamiento del Lenguaje Natural is the property of Sociedad Espanola para el Procesamiento del Lenguaje Natural and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Journal of Language & Law / Revista de Llengua i Dret is the property of Revista de Llengua i Dret and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Procesamiento del Lenguaje Natural is the property of Sociedad Espanola para el Procesamiento del Lenguaje Natural and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Sentiment analysis is a knowledge discovery technique developed from data mining; its purpose is to reveal people's opinions on specific topics. This is an appropriate technique to apply to unstructured data sources, such as social media, that cover information on a variety of topics (such as politics and public administration). In this context, the objective of this study was to identify whether sentiment analysis can reflect public opinion and, thus, contribute to practices of social management. Therefore, the sentiment analysis technique was applied to reveal citizens' opinions, which were expressed on Twitter and concerned some of the main social programs in force during Brazil's Rousseff government. The study consisted of a comparison between the results of the sentiment analysis and the concepts and applications involving four strategies of social media used by governments from the point of view of social management. The results revealed that the sentiment analysis technique could contribute to social management practices in the context of the network strategy. [ABSTRACT FROM AUTHOR]