Los investigadores destacaron cómo variables como diversos días, lugares y sitios de interés locales podían alterar las emociones de la gente en Londres y San Francisco utilizando datos de Open Street Map y Twitter.
El informe se publicó en PLOS One, una publicación científica de acceso abierto que ha sido sometida a revisión por pares y es distribuida por la Public Library of Science.
Los investigadores afirman en su informe que “se construyeron, probaron y utilizaron clasificadores de redes neuronales para emociones de grano fino con el fin de detectar emociones a partir de tuits de las dos ciudades.” “A continuación, se emparejaron los lugares clave tomados de Open Street Map con las emociones detectadas”.
Una red neuronal es un conjunto de algoritmos que imita la forma en que aprende el cerebro humano. Están formadas por una serie de parámetros, también conocidos como neuronas, que reciben entradas y producen salidas en respuesta a esas entradas. A continuación, las salidas se utilizan automáticamente como entradas para otro parámetro de la red. El proceso se repite hasta que el parámetro terminal produce la salida deseada.
Aunque investigaciones anteriores utilizaban las redes sociales para analizar las emociones de los usuarios, se concentraban en reacciones humanas extremadamente fundamentales y típicas. Por ejemplo, los estudios anteriores han examinado las publicaciones en función de si expresan generalmente sentimientos felices o negativos. ¿Tiene la felicidad un método para expresarse?
Sin embargo, este estudio se centró en las emociones humanas a un nivel mucho más elevado. Examinó siete emociones diferentes: rabia, impaciencia, desprecio, miedo, confianza, alegría y melancolía.
El geoetiquetado de los tuits por sus autores humanos ayudó a elegir los tuits que se analizarían en las redes neuronales.
Por algunas razones clave, los autores del estudio decidieron limitar su énfasis a San Francisco y Londres. Open Street Map suele ser más fiable en lugares muy poblados, había muchos tuits geoetiquetados en estas ciudades y la mayoría de la información estaba en inglés.
En los clasificadores de redes neuronales, Twitter y Open Street Map desempeñaron funciones complementarias cuando se utilizaron conjuntamente.
Según el estudio, “los datos de tuits geoetiquetados se evaluaron y utilizaron para representar las emociones de la gente dentro de la ciudad, mientras que los datos de Open Street Map se adquirieron y utilizaron para representar los aspectos geográficos de la ciudad”.
¿Qué sentimientos eran los más frecuentes?
Los resultados mostraron que el 49,2% de los tweets en San Francisco y el 49,5% de los tweets en Londres reflejaban el sentimiento de alegría, que era la emoción más frecuentemente declarada en Twitter. Entre las dos ciudades, las proporciones de las demás emociones eran iguales.
Los porcentajes de tuits que indicaban enfado en San Francisco y Londres fueron del 3,1% y el 3,8%, asco del 5,5% y el 5,9%, anticipación del 5,8% y el 4,8%, desesperación del 4,1% y el 4,6%, y miedo del 3,7% y el 4,0%, respectivamente.
Las medias diarias de intensidad emocional cambiaron, especialmente cuando se produjeron acontecimientos concretos. Por ejemplo, se detectaron mayores grados de rabia, desesperación y desprecio los días en que se produjo una manifestación o un atentado terrorista, mientras que en Navidad se registraron mayores niveles de alegría.
También fueron evidentes las diferentes emociones mostradas en los distintos días de la semana. Por ejemplo, a mediados de semana se registraron niveles más altos de ira que el fin de semana, y el viernes tuvo niveles significativamente más altos de expectación que el domingo.
La ubicación influyó en las emociones expresadas en los tweets. Las localidades con acceso o proximidad al agua mostraron altos niveles de felicidad. Por otro lado, emociones como la rabia y la frustración predominaron en lugares de tránsito público como estaciones de tren y paradas de autobús.
Parece probable que la calidad del uso que la gente hace de las redes sociales siga mejorando y se haga más cuantificable a medida que se desarrollen las redes neuronales y la IA. El descubrimiento también tiene ramificaciones interesantes para nuestra comprensión de cómo el aprendizaje automático se relaciona con las emociones humanas.