=
Vol.
3, N°3.4, p. 91 - 103, septiembre, 201
Data mining in the analysis of political trends in social networks
Edwin León Pluas.[1], Esmeralda
Proańo Arias.[2]=
, Viena Muirragui Irrazábal.[3]
& Jaime Cajamarca Yunga.[4]
Recibido:
23-06-2019 / Revisado: 29-07-209 /Aceptado: 09-08-2019/ Publicado: 10-09-20=
19
Abstract DOI: https://doi.org/10.33262/cienciadigital.v=
3i3.4.837
Currently Social Networks are
immersed in all fields of daily life, in areas such as engineering,
architecture, health, economics, politics, etc., which is why they have bec=
ome
a major factor in the decision of the user, for this reason the present wor=
k is
developed with the purpose of using Data Mining as a tool to transform the
information collected from social networks on political trends. The
investigation starts from the theoretical study of data mining with the
definition of necessary concepts for the process, then the tool for the
collection of information was designed, which was applied to users of social
networks such as Facebook, Twitter, WhatsApp and Instagram , because it was
studied about the political tendencies in these networks. Of the total
population, through a non-probabilistic sampling for convenience, a total of
1016 people were selected for the application of the survey, with which it =
was
possible to obtain the necessary information to perform the required analys=
is
with the data mining technique and later in the data analysis it can be
specified that 24.3% of the total respondents are of the center tendency, 1=
4.6%
are of the center right, 18.2% are of the center left, 9.5% are of the righ=
t,
15.1% are of the left and the 18.3% of the voters took as an option that th=
ey
do not belong to any political tendency.
Data
Warehouse, data mining, politics, social networks.
RESUMEN
=
Actualmen=
te las
Redes Sociales se encuentran inmersas en todos los campos del diario vivir,=
en
áreas como ingeniería, arquitectura, salud, economía, política, etc., por lo
que se han constituido en un factor de gran peso en la decisión del usuario,
por tal motivo el presente trabajo se desarrolla con la finalidad de utilizar la Minería de Datos como herramienta para transformar la
información recopilada de las redes sociales sobre las tendencias políticas=
. La
investigación parte del estudio teórico de la minería de datos con la
definición de conceptos necesarios para el proceso, posteriormente se diseń=
ó la
herramienta para la recopilación de información, la cual fue aplicada a los
usuarios de redes sociales como Facebook, Twitter, WhatsApp e Instagram, de=
bido
a que se estudió acerca de las tendencias políticas en dichas redes. Del to=
tal
de la población, mediante un muestreo no probabilístico por conveniencia, se
seleccionó un total de 1016 personas para la aplicación de la encuesta, con=
la
cual se pudo obtener la información necesaria para realizar el análisis
requerido con la técnica de minería de datos y posteriormente en los
análisis de datos se puede especificar que el 24=
.3%
del total de encuestados son de tendencia de centro, 14.6% son de centro
derecha, 18.2% son de centro izquierda, 9.5% son de derecha, 15.1% son de
izquierda y el 18.3% de los votantes tomaron como opción que no pertenecen a
ninguna tendencia política.
Palabras
claves: Data Warehouse, minería de datos, política, redes sociale=
s.
1.&n=
bsp;
INTRODUCCIÓN
En los últimos ańos, la industria de las comunicaciones ha centrado =
su
atención en sistemas que transportan datos a largas distancia. La industria=
de
la informática y de las redes WAN (Wide Area Network) es un sector estable =
en
constante desarrollo abarcando cada vez más y más actividades personales,
profesionales y empresariales.
Tradici=
onalmente
las personas disponían de su propia computadora, con la cual ejecutaban sus
propias aplicaciones y administraban sus actividades e información de forma
independiente conectada a una red de recursos, pronto surgió la necesidad de
compartir esos recursos con el entorno social acoplándose a la tendencia de=
las
comunicaciones globales para lograr los objetivos establecidos
El fact=
or
tecnológico disponible solo al entorno profesional, pronto llego al sector
personal cubriendo un entorno social muy diverso con la aplicación de las T=
IC
(Tecnologías de Información y Comunicación) que engloban un amplio rango de=
las
Redes Sociales (RRSS) disponibles, las cuales están siendo utilizados por
personas sin diferenciar nivel social, genero, ni edad.
Con estas aseveraciones=
se
deduce que desde hace ańos atrás se ha evidenciado la necesidad de administ=
rar
la información que generan todo tipo de organizaciones, lo que exige llevar=
de
manera ordenada datos que faciliten la toma de decisiones, por tal motivo se
promueve la generación masiva de información que creen históricos de los
movimientos que realizan las organizaciones, sin embargo actualmente en la
mayoría de los casos este control se lleva de forma no muy desarrollada, po=
r lo
que los resultados no son los que se desean
Dentro de las organizaciones mundiales se encuentran las redes socia=
les
las cuales indiscutiblemente juegan un papel importante en la vida social,
económica y política de las personas, debido a que han permitido transforma=
r la
dinámica para la comunicación y adquisición de información, llegando =
a ser un
factor de gran peso en la decisión del usuario despreciando la veracidad o
falsedad de la información.
De acuerdo a ello, en la actualidad la técnica de minería de datos e=
stá
siendo aplicada de forma muy notoria en diversas áreas, tales como el
marketing, finanzas, medicina, salud pública, educación, entre otras, debid=
o a
que la aplicación de esta técnica sobre los datos provenientes de fuentes c=
omo
las redes sociales pueden revelar patrones sobre individuos inmersos en el
ambiente compartido y producir conocimiento que ańos atrás no era factible
encontrar, pues la información era muy variada y compleja
Por lo expuesto anteriormente, el presente trabajo de investigación
tiene como finalidad analizar las redes sociales de mayor impacto en conjun=
to
con los diferentes algoritmos de minería de datos que puedan utilizarse para
generar conocimiento a partir de la información de dichas redes.
2.&n=
bsp;
DESARROLLO
Inicialmente la minería de datos se puede definir como un proceso en=
el
cual se analiza una gran cantidad de datos con la finalidad de descubrir nu=
evas
relaciones, tendencias y patrones significativos
El análisis de datos toma el nombre de Data Mining (Minería de datos)
gracias a la disponibilidad de grandes volúmenes de información y el uso
generalizado de herramientas informáticas cuyo objetivo es descubrir de man=
era
automática el conocimiento contenido en una extensa base de datos.
Las técnicas que se utilizan en esta metodología tienen como meta
descubrir patrones, perfiles y tendencias mediante el análisis de los datos
haciendo uso de tecnologías de reconocimiento de patrones, lógica difusa, r=
edes
neuronales, algoritmos genéticos y otras técnicas especiales de análisis de
datos.
Es un sistema que permite a los ejecutivos tomar decisiones en tiempo
real, el cual no solo consta del software y de hardware sino también de tod=
a la
infraestructura que permite tener la información completa al alcance de su =
mano
representada de manera gráfica al estilo de hojas de cálculo (ventas semana=
les,
inventarios, balances, etc.)
Se denominan sistemas OLAP (Procesamiento analítico en línea) a aque=
llos
que deben analizar datos desde diferentes perspectivas y soportar
requerimientos complejos de análisis en un volumen ingente de datos.
Este sistema se caracteriza por ser una técnica de estudio
multidimensional de datos en el cual el usuario puede navegar por los mismo=
s de
modo asistido
En este sistema la información es vista como cubos los cuales están =
formados
por categorías descriptivas (dimensiones) y valores cuantitativos (medidas)=
(Ver
figura 1 y 2).
Figura 1
Fuente:
Figura 2
Fuente:
Las ventajas de present=
ar
de esta manera la información es que facilita a los usuarios diseńar consul=
tas
complejas, ordenar datos en un reporte, filtrar o disgregar datos en
subconjuntos significativos y cambiar de datos resumidos a datos detallados=
.
El Knowledge Discovery in
Databases es un proceso automático en el que se combinan análisis y
descubrimiento. La tarea consiste en extraer patrones en forma de reglas o
funciones para que el cliente los revise.
Las etapas básicas de este proceso son, reprocesar los datos, hacer
minería de datos y presentar resultados.
ˇ
ˇ
ˇ
ˇ
Data mining =
(Minería de datos): El objetivo de esta fase es
descubrir patrones inimaginables e importantes aplicando las técnicas
anteriormente expuestas.
ˇ
Figura 3
Fuente:
El término networking se=
ha
convertido en una palabra común, todas las personas van a una fiesta para
gestionar su red de contactos, para un gran porcentaje de población la World Wide Web tiene como principal
objetivo establecer contactos
Las redes sociales han sido parte de nuestras vidas desde la época de
los recolectores y cazadores, los individuos se generaban vínculos entre sí=
a
través de sus relaciones unas con otras y su dependencia entre ellos. Las
relaciones familiares y el parentesco son redes sociales, el barrio las
ciudades son redes sociales. Fuera del parentesco familiar las personas de =
la
sociedad moderna dependen unas de otras para el servicio de taxis, la venta=
del
periódico el dentista, etc. Es decir, el parentesco en comunidades se forma=
a
través de las necesidades y en torno a las redes sociales geográficamente
dispersas es por ellos que se dice que llevamos milenios siendo networkers.
El networking es el uso =
de una
de red de contactos para alcanzar diferentes objetivos personales, por lo t=
anto
una red es simplemente un grupo de relaciones entre objetos que pueden ser
organizaciones, personas, naciones en las cuales se comparte ideas de amist=
ad,
dinero, poder e incluso la enfermedad
Hace solo algunos ańos (2003) se ha venido manejando el concepto de =
las
redes sociales, pero como se describe en los párrafos anteriores esto no es=
del
todo nuevo, sin embargo, lo que es relativamente nuevo es la manera de
referirse a ellas describiéndolas analizándolas y relacionándolas con
instancias sociales más formales como organizaciones y gobiernos.
La red social viéndolo desde el lado informático
se denomina como un servicio que b=
rinda
la oportunidad a los individuos de construir un perfil semipúblico o público
dentro de un sistema delimitado, socializar con otros usuarios con los que
comparten una conexión, ver y reco=
rrer
su historial de conexiones y consultar las de los demás usuarios del sistem=
a
=
3. METODOLOGÍA
La investigación parte del estudio teórico de la
minería de datos con la definición de conceptos necesarios para el proceso,
posteriormente se diseńó la herramienta para la recopilación de información=
, la
cual fue aplicada a los usuarios de redes sociales como Facebook, Twitter,
WhatsApp e Instagram, debido a que se estudió acerca de las tendencias
políticas en dichas redes. Del total de la población, mediante un muestreo =
no probabilístico
por conveniencia, se seleccionó un total de 1016 personas para la aplicació=
n de
la encuesta, con la cual se pudo obtener la información necesaria para real=
izar
el análisis requerido con la técnica de minería de datos. Posteriormente pa=
ra
el procesamiento de información se utilizó la metodología Data Warehouse qu=
e es
una base de datos corporativos encargada de integrar y depurar la informaci=
ón
para luego procesarla, permitiendo el análisis de la información desde
distintos puntos de vista, con lo cual se pudo determinar que los
=
4. RESULTADOS
En la presente investig=
ación
se tomó como población a todos los usuarios de redes sociales como Facebook,
Twitter, WhatsApp e Instagram, debido a que se estudió acerca de las tenden=
cias
políticas en dichas redes. Del total de la población, mediante un muestreo =
no probabilístico
por conveniencia, que de acuerdo a Otzen & Manterola (2017) permite
seleccionar aquellos casos accesibles que acepten ser incluidos en el proce=
so o
se encuentren disponibles en el tiempo o periodo de investigación, se
seleccionó un total de 1016 personas para la aplicación de la encuesta, con=
la
cual se pudo obtener la información necesaria para realizar el análisis
requerido con la técnica de minería de datos.
Para el desarrollo del análisis y construcción del
Data Warehouse se utilizó la Metodología Hefesto.
Es importante describir que también se utilizaron
técnicas de limpieza y calidad de datos, procesos ETL y se realizó la carga
inicial de información al Data Warehouse.
En este paso se debe realizar la Carga Inicial del=
DW,
poblando el modelo construido, para lo cual se debe llevar adelante una ser=
ie
de tareas básicas, tales como asegurar la limpieza y calidad de los datos,
procesos ETL, etc.
En muchos casos, las tareas antes mencionadas tien=
en
una lógica compleja, afortunadamente, en la actualidad existen muchas herra=
mientas
de software que se pueden emplear y que facilitan en gran parte el trabajo.=
Una vez realizado la carga de información, se gene=
ró
la Base de Datos a partir del Diagrama Físico del modelado, (Ver figura 4).=
Figura 4. Diagrama físico =
del
modelado.
Después de haber generado el modelo físico y haber
realizado la carga de información, se muestra el grado de actividad de las
personas en redes sociales, respecto a la ideología política que las person=
as
indicaron tener. Además, se realiza la interpretación gráfica de distintos
modelos, cabe recalcar que las herramientas del cubo permiten girar las
dimensiones permitiendo otra perspectiva de análisis.
Una vez realizado el proceso del análisis de
información se puede representar las tendencias políticas de los usuarios
encuestados, por lo cual, la figura 5, muestra información del grado de
actividad que realizan las personas en las redes sociales, así como también=
la
ideología política que las personas indicaron tener. Además, se realiza la
interpretación gráfica de distintos modelos, cabe recalcar que las herramie=
ntas
del cubo permiten girar las dimensiones permitiendo otra perspectiva de
análisis.
Figura 5. Tendencias políticas
En las figuras 6 y 7, =
se
muestra que la diferencia del promedio entre los votantes no es muy grande,=
por
ello, en centro derecha e izquierda el porcentaje es de 1.3% de diferencia
(Izquierda tiene el porcentaje más elevado), mientras que la tendencia de
centro tiene un porcentaje 15.5% más que centro izquierda.
Figura 6. Interpretación gráfica apilada de Dim personas
Figura 7. Tabulación de datos Dim actividad red
=
5. CONCLUSIONES
ˇ
En el estudio se puede evidenc=
iar
que las redes sociales han llegado a la sociedad para quedarse, pues permit=
en
mantener la comunicación entre personas de diferentes culturas, etnias,
creencias, costumbres, entre otros, extendiendo sus campos y llegando a tod=
os
los segmentos del mundo, ya que miles de usuarios expresan sus sentimientos=
, conocimientos
y afinidades a través de esta información que puede ser aprovechada para
proyecciones en diversos campos como la política.
ˇ&nb=
sp;
La forma de agrupación de la información en la minería de datos perm=
ite
observar diferentes perspectivas a las bases de datos, por ejemplo, una
agrupación de la base de datos de tendencias políticas podría exponer todos=
los
partidos políticos que existen dentro de las regiones, mientras que otro gr=
upo
podría mostrar los partidos políticos a los que los usuarios tienen mayor
afinidad.
ˇ
Con la metodología Data Warehouse que es una base de datos
corporativos encargada de integrar y depurar la información para luego
procesarla, permitiendo el análisis de la información desde distintos punto=
s de
vista, se pudo determinar que los usuarios si utilizan las redes sociales p=
ara
compartir contenido político, siendo evidente que existe mayor afinidad por=
los
partidos como Movimiento Centro Democrático, Partido Sociedad Patriótica,
Movimiento Alianza País, entre otras.
ˇ
De acuerdo a los análisis de datos el
24.3% del total de encuestados son de tendencia de centro, 14.6% son de cen=
tro
derecha, 18.2% son de centro izquierda, 9.5% son de derecha, 15.1% son de
izquierda y el 18.3% de los votantes tomaron como opción que no pertenecen a
ninguna tendencia política.
=
6. BIBLIOGRAFĚA
Benalcázar, J. (2017). Análisis comparativo d=
e metodologías
de minería de datos y su aplicabilidad a la industria de servicios.
Quito: Universidad de las Américas. Recuperado el mayo de 2018, de
http://dspace.udla.edu.ec/bitstream/33000/7547/6/UDLA-EC-TMGSTI-2017-11.p=
df
Flores,=
J.,
Morán, J., & Rodríguez, J. (2015). Las redes sociales. Lima:
Universidad de San Martín de Porres.
Ibarra,=
M.
(2006). Procesamiento Analítico en Línea (OLAP). Universidad Nacio=
nal
del Nordeste. Recuperado el mayo de 2018, de
http://exa.unne.edu.ar/informatica/SO/OLAPMonog.pdf
Jaramil=
lo, S.,
Cardona, S., & Fernández, A. (2015). Minería de datos sobre streams de
redes sociales, una herramienta al servicio de la Bibliotecología. Inf=
ormación,
cultura y sociedad, 33, 63-74. Recuperado el mayo de 2018, de http://=
www.redalyc.org/pdf/2630/263042678005.pdf
Kadushi=
n, C.
(2012). Comprender las redes sociales. Madrid: Centro de
investigaciones sociológicas.
Martíne=
z, C.
(2012). Aplicación de técnicas de minería de datos para mejorar el pro=
ceso
de control de gestión en entel. Santiago de Chile: Universidad de Chi=
le.
Recuperado el mayo de 2018, de
http://repositorio.uchile.cl/bitstream/handle/2250/112065/cf-martinez_ca.=
pdf?sequence=3D1
Molina,=
J.,
& García, J. (2006). Aplicaciones prácticas utilizando Microsoft E=
xcel
y weka. Madrid, Espańa: Universal Carlos Tercero de Madrid. Recuperad=
o el
mayo de 2018, de
http://matema.ujaen.es/jnavas/web_recursos/archivos/weka%20master%20recur=
sos%20naturales/apuntesAD.pdf
Nieto, =
M.
(2016). Plan de negocios para la creación de una empresa de servicios =
de
minería de datos en Colombia. Bogotá: UNIR. Recuperado el mayo de 201=
8,
de
https://reunir.unir.net/bitstream/handle/123456789/4838/NIETO%20PATARROYO=
%2C%20MARCO%20ANTONIO.pdf
Pérez, =
C.
(2007). Minería de datos técnicas y herramientas. Madrid, Espańa:
Paraninfo. S.A. Recuperado el mayo de 2018, de
https://books.google.com.ec/books?id=3Dwz-D_8uPFCEC&printsec=3Dfrontc=
over&hl=3Des#v=3Donepage&q&f=3Dfalse
Reyes, =
N. S.
(2019). Modelo para predecir el rendimiento académico basado en redes
neuronales y analítica de aprendizaje. Revista Ibérica de Sistemas e T=
ecnologías
de Información, 258-266.
Timarán=
, S. R.,
Hernández, I., Caicedo, S. J., Hidalgo, A., & Alvarado, J. (2016).
PARA CITAR EL ARTÍCULO INDEXADO.
León Pluas, E.,
Proańo Arias, E., Muirragui Irrazábal, V., & Cajamarca Yunga, J. (2019).
Minería de datos en el análisis de tendencias políticas en redes sociales.&=
nbsp;Ciencia Digital, 3(3.4.), 91-103.=
https://doi.org/10.33262/cienciad=
igital.v3i3.4.837
El artículo que se publica es de exclusiva responsabilidad de l=
os
autores y no necesariamente reflejan el pensamiento de la Revista Ciencia Digital.
El artículo queda en propiedad de la revista y, por tanto, su
publicación parcial y/o total en otro medio tiene que ser autorizado por el
director de la Revista Ciencia Dig=
ital.
= [1] Universidad Estatal de Milagro, eleonp@unemi.edu.ec
=
[2] Universi=
dad
Tecnológica Israel, e=
smeraldap2007@gmail.com
[3] Universidad Estatal de Milagro, vmuirraguii1@unemi.edu.ec
[4] AKROS So= luciones Tecnológicas, jaime.cajamarca@akroscorp.com