Big data, medios digitales y sociedad: retos para la investigación en comunicación

##plugins.themes.bootstrap3.article.main##

Roberto Alejandro López-Novelo, Dr. https://orcid.org/0000-0003-0978-9784

Resumen

Actualmente la investigación en comunicación se enfrenta a un nivel de complejidad nunca antes visto para la disciplina, esto se debe entre otros fenómenos, a la presencia de Internet y a una serie de entornos digitales a través de los cuales los usuarios generan  millones de datos sobre temas políticos, sociales, económicos, culturales, educativos, publicitarios, mercadológicos, ete., en formatos diversos que están a disposición para ser analizados y aprovechados por investigadores de diversas áreas. El reto para los investigadores es en principio visualizar a Internet como un espacio social en el que personas, instituciones, organizaciones e incluso sistemas informáticos generan y comporten datos; y además, conocer los métodos de investigación novedosos e innovadores que existen en la actualidad para realizar el análisis formal de dichos datos. Uno de los métodos que más se utilizan en la actualidad es el Big Data, que permite al investigador en comunicación realizar investigaciones novedosas.

Descargas

La descarga de datos todavía no está disponible.

##plugins.themes.bootstrap3.article.details##

Cómo citar
López-Novelo, R. (2021). Big data, medios digitales y sociedad: retos para la investigación en comunicación. Sintaxis, 111-123. https://doi.org/https://doi.org/10.36105/stx.2021edesp50aniv.07
Sección
Artículos
Biografía del autor/a

Roberto Alejandro López-Novelo, Dr., Universidad Anáhuac México

Coordinador del área académica de investigación de la Facultad Comunicación de la Universidad Anáhuac México. Doctor en Ciencias Políticas y Sociales con Orientación en Comunicación por la Universidad Nacional Autónoma de México (UNAM), Maestro en Comunicación (UNAM) y Licenciado en Ciencias de la Comunicación (UNAM). Estancia posdoctoral en Big Data y Comunicación Política en el Observatorio de los Contenidos Audiovisuales (OCA), Universidad de Salamanca, España.

Citas

Arcila, C., Ortega, F., Jiménez, J., y Trullenque, S. (2017). Análisis supervisado de sentimientos políticos en español: Clasificación en tiempo real de tweets basado en aprendizaje automático. El Profesional de la Información, 26(5). https://doi.org/10.3145/epi.2017.sep.18
Arcila, C., Barbosa, E., y Cabezuelo, F. (2016). Técnicas Big Data: Análisis de textos a gran escala para la investigación científica y periodística. El Profesional de la Información, 25(4).
Baviera, T. (2017). Técnicas para el análisis de sentimiento en Twitter: Aprendizaje automático supervisado y sentistrength. Digitos. Revista de Comunicación Digital, 33-50. http://dx.doi.org/10.7203/rd.v1i3.74
Blakiwal, A., Alora, P., Madhapan, S., y Varma, V. (2012). Mining sentiments from Tweets. Proceedings of the 3er Workshop on computational Approaches to subjectivity and sentiment analysis, pp. 11-18. https://www.aclweb.org/anthology/W12-3704.pdf
Boyd, D., y Crawford, K. (2012). Critical questions for Big data. Information, Communication and Society, 15(5), 662-679. https://doi.org/10.1080/1369118X.2012.678878
Bustamante, A., Nicoletta, B., Guillen, A., y Thais, S. (2017). Un acercamiento mal Big Data y su utilización en Comunicación. Mediaciones Sociales. Ediciones Complutense. https://doi.org/10.5209/MESO.58112
Camargo, J., Camargo, F., y Joynes, L. (2015). Conociendo Big Data. Revista de la Facultad de Ingeniería, 24(38), 63-77.
Campos, E. (2017). Twitter y la Comunicación Política. El Profesional de la Información, 26(5), 785-793. https://doi.org/10.3145/epi.2017.sep.01
Castells, M. (2010). Comunicación y Poder. Alianza Editorial.
Cobo, C., y Kuklinski, H. (2007). Planeta Web 2.0. Inteligencia colectiva o Medios fast food. FLACSO.
Dattu, B., y Gore, D. (2015). A survey on sentiment analysis on Twitter Data using different techniques.
International Journal of Computer Science and Information Technologies, 6, 5358-5362.
Gómez, E. (2007). Las metáforas de Internet. UOC.
Gómez, E., Jaimes, R., Hidalgo, O. y Lujan, S. (2018). Influencia de redes sociales en el análisis de sentimiento aplicado a la situación política de Ecuador. Enfoque UTE, 9(1), 67-78.
https://doi.org/10.29019/enfoqueute.v9.n1.235
González, G. (2016). Internet, comunicación y Sociedad red. Algoritmos para un periodismo multiconectado
[Tesis doctoral]. Universidad Carlos III de Madrid.
Hutto, C., y Gilbert, E. (2014). vader: Anparsimonius Ruled-based Model for Sentiment Analysis of Social Media Text. Association for the Advancement of Artificial Intelligence, pp. 216-225.
https://ojs.aaai.org/index.php/IWCSM/article/view/14550
Kelleher, J., Mac Namee, B., y D’arcy, O. (2015). Machine learning for predictive data analytics. MIT.
López-Cantos, F. (2015). La investigación en comunicación con metodología big data. Revista Latina
de Comunicación Social, 70, 878-890.
Özturk, N., y Serkan, A. (2018). Sentiment analysis on Twitter: A text mining approach to the Syrian refugee crisis. Telematics and Informatics, 35, 136-147. https://doi.org/10.1016/j.tele.2017.10.006
Piotet, D. y Pisani, F. (2009). La alquimia de las multitudes. Cómo la web está cambiando el mundo. Paidós.
Preethi, P., Uma, V., y Kumar, A. (2015). Temporal sentiment analysis and causal rules extraction from Tweets for event prediction. Procedia computer science, 48, 84-89. https://doi.org/10.1016/j.procs.2015.04.154
Schroeck, M., Shockley, R., Smart, J., Romero, N., y Turano, P. (2012). Analytics: El uso de big data en el mundo real. Oxford University.
Sitaram, A., y Huberman, B. (2010). Predicting de future with social media. International Conference on Web Intelligent Agent Technology. https://doi.org/10.1109/WI-IAT.2010.63
Suárez, S., y Guerrero, F. (2016). La conversación sobre Big Data en Twitter. Comunicació: Revista de recerca I d´Analisi, Societat nCatalana de Comunicació, 33, 113-131. https://doi.org/10.2436/20.3008.01.151
Wang, H., Can, D., Kazemzadeh, A., Bak, F., y Narayanan, S. (2012). A system for real time Twitter sentiment analysis of 2012 U.S. Presidential Election Cycle. 50th Annual Meeting of the Association for Computational Linguistics, p. 115-120. https://www.aclweb.org/anthology/P12-3020.pdf
Vinodhini, G., y Chandrasekaran, R. (2012). Sentiment Analysis and opinion mining: A survey. International
Journal of Advanced Research in Computer Science and Software Engineering, 2, 282-292.