Temas y sentimientos predominantes en Twitter sobre educación en tiempos del COVID-19
Resumen
En marzo de 2020 profesores y estudiantes iniciaron la educación remota de emergencia como consecuencia de las medidas tomadas para frenar el COVID- 19. En este escenario, el interés por conocer los sentimientos sobre la educación en tiempos del COVID-19, los temas de interés predominantes y los usuarios potencialmente más influyentes nos llevó a analizar las publicaciones en Twitter relacionadas con este tema. Durante 100 días importamos 1.399.272 tuits en español, publicados por 198.440 usuarios. Para analizarlos, empleamos análisis de redes sociales, minería de texto y análisis de sentimientos, proceso en que fue fundamental el uso del lenguaje R. Los resultados mostraron un 70% de tuits positivos, un 20% negativos y un 10% neutros; del corpus analizado, el 81,0% eran retuits; un 10,3% fueron marcados como favoritos; un 20% incluían emojis; y el 5,9% incluían recursos multimedia. En los tuits predominaron las palabras salud, clases y niños; más de un tercio de los tuits incluían hashtags, entre ellos, los que hacían referencia a educación, virus, medidas de prevención, medidas de bioseguridad, y reconocimiento a maestros; aproximadamente el 20% incluía dominios web, especialmente de sitios de medios de comunicación. Los usuarios potencialmente más influyentes estaban vinculados a medios de comunicación.
Palabras clave
educación, COVID-19, sentimientos, tendencias, influyentesCitas
Abd-Alrazaq, A., Alhuwail, D., Househ, M., Hamdi, M., Shah, Z. (2020). Top Concerns of Tweeters During the COVID-19 Pandemic: Infoveillance Study. J Med Internet Res 22(4) DOI: https://doi.org/10.2196/19016
Barabási, A. L. (2016). The Scale-Free Property, en Network Sicence, http://networksciencebook.com/chapter/4
Bing Liu and Minqing Hu (2004). Opinion Mining, Sentiment Analysis, and Opinion Spam Detection, https://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html
Chakraborty, K., Bhatia, S., Bhattacharyya, S., Platos, J., Bag, R., & Hassanien, A. E. (2020). Sentiment Analysis of COVID-19 tweets by Deep Learning Classifiers—A study to show how popularity is affecting accuracy in social media. Applied Soft Computing, 97, 106754.
Chandrasekaran, R., Mehta, V., Valkunde, T., & Moustakas, E. (2020). Topics, trends, and sentiments of tweets about the COVID-19 pandemic: Temporal infoveillance study. Journal of medical Internet research, 22(10).
Chong, M. (2016). Sentiment analysis and topic extraction of the twitter network of# prayforparis. Proceedings of the Association for Information Science and Technology, 53(1), 1-4.
Gil, H., y Guilleumas, R.M. (2019). Twitter en la detección de tendencias en TIC para su uso en educación. Editorial UTP
Hanneman, R. A. y Riddle M. (2005). Introduction to social network methods. 10. Centrality and power,
http://faculty.ucr.edu/~hanneman/nettext/C10_Centrality.html
Hodges, C. B., Moore, S., Lockee, B. B., Trust, T., & Bond, M. A. (2020). The difference between emergency remote teaching and online learning. Educause. https://er.educause.edu/articles/2020/3/the-difference-between-emergency-remote-teaching-and-online-learning
Hung, M., Lauren, E., Hon, E. S., Birmingham, W. C., Xu, J., Su, S., ... & Lipsky, M. S. (2020). Social network analysis of COVID-19 sentiments: Application of artificial intelligence. Journal of medical Internet research, 22(8)
Kaur, S., Kaul, P., & Zadeh, P. M. (2020). Monitoring the dynamics of emotions during COVID-19 using Twitter data. Procedia Computer Science, 177, 423-430 DOI: https://doi.org/10.1016/j.procs.2020.10.056
Medford, R. J., Saleh, S. N., Sumarsono, A., Perl, T. M., & Lehmann, C. U. (2020). An “infodemic”: leveraging high-volume Twitter data to understand early public sentiment for the coronavirus disease 2019 outbreak. In Open forum infectious diseases, 7 (7). DOI:
https://doi.org/10.1093/ofid/ofaa258
Molina, J.L. (2001). El análisis de redes. Una introducción. Ediciones Bellaterra, España.
Moreno R. (2020). Estadísticas de las Redes Sociales 2020 [Usuarios Activos Facebook, Instagram, YouTube, Twitter, Linkedin… en España y en el Mundo] https://mcsocialmedia.com/estadisticas-redes-sociales-usuarios-activos-facebook-instagram-youtube-twitter-linkedin-otras/
Nguyen, T. T., Criss, S., Dwivedi, P., Huang, D., Keralis, J., Hsu, E., Phan, L., Nguyen, L. H., Yardi, I., Glymour, M. M., Allen, A. M., Chae, D. H., Gee, G. C., & Nguyen, Q. C. (2020). Exploring US shifts in anti-Asian sentiment with the emergence of COVID-19. International Journal of Environmental Research and Public Health, 17(19), 7032. DOI: https://doi.org/10.3390/ijerph17197032
OMS (2020). COVID-19: Cronología de la actuación de la OMS.
https://www.who.int/es/news/item/27-04-2020-who-timeline---covid-19
Pastor C.K. (2020). Sentiment analysis of Filipinos and effects of extreme community quarantine due to coronavirus (COVID-19) Pandemic. DOI: https://doi.org/10.31838/jcr.07.07.15
Pérez C. (2020). El gran test de las clases ‘online’. La Tercera.
Praveen, S. V., Ittamalla, R., & Subramanian, D. (2020). Challenges in successful implementation of Digital contact tracing to curb COVID-19 from global citizen’s perspective: A text analysis study. International Journal of Pervasive Computing and Communication. DOI: https://doi.org/10.1108/IJPCC-09-2020-0147
Ramos D. (2020). Coronateaching ¿síndrome o nueva oportunidad para la reflexión? I/II. IESALC. https://www.iesalc.unesco.org/2020/07/02/coronateaching-sindrome-o-nueva-oportunidad-para-la-reflexion-i-ii/
Saleh, S. N., Lehmann, C. U., McDonald, S. A., Basit, M. A., & Medford, R. J. (2021). Understanding public perception of coronavirus disease 2019 (COVID-19) social distancing on Twitter. Infection Control & Hospital Epidemiology, 42(2), 131-138. DOI: https://doi.org/10.1017/ice.2020.406
Samuel, J., Ali, G. G., Rahman, M., Esawi, E., & Samuel, Y. (2020). Covid-19 public sentiment insights and machine learning for tweets classification. Information, 11(6), 314. DOI: https://doi.org/10.3390/info11060314
Samuel, J., Rahman, M. M., Ali, G. M. N., Samuel, Y., Pelaez, A., Chong, P. H. J., & Yakubov, M. (2020). Feeling positive about reopening? New normal scenarios from COVID-19 US reopen sentiment analytics. Ieee Access, 8, 142173-142190. DOI: https://doi.org/10.1109/ACCESS.2020.3013933
Socialize (2020). Digital 2020 July Global Statshot Report.
https://www.socializeagency.com/2020/07/21/digital-around-the-world-in-july-2020/)
Suratnoaji, C., Nurhadi, N., & Arianto, I. D. (2020). Public opinion on lockdown (PSBB) policy in overcoming covid-19 pandemic in indonesia: Analysis based on big data twitter. Asian Journal for Public Opinion Research, 8(3), 393-406.
https://doi.org/10.15206/AJPOR.2020.8.3.393
Takeichi,Y. Sasahara, K. Suzuki, R., Arita, T. (2014).Twitter as Social Sensor: Dynamics and Structure in Major Sporting Events. Proceedings of the ALIFE 14: The Fourteenth International Conference on the Synthesis and Simulation of Living Systems. New York. (pp. 778-784). https://direct.mit.edu/isal/proceedings/alife2014/26/778/98970
UNESCO (2020a). Impacto de COVID-19 en la educación, Datos.
https://es.unesco.org/covid19/educationresponse
Vargas, F.A., Dos Santos, R.S.S., Rocha, P.R. (2020). Identifying Fine-Grained Opinion and Classifying Polarity on Coronavirus Pandemic. In: Cerri, R., Prati, R.C. (eds) Intelligent Systems. BRACIS 2020. Lecture Notes in Computer Science, 12319. Springer, Cham. https://doi.org/10.1007/978-3-030-61377-8_35
Velázquez A. y Aguilar N. (2005). Manual introductorio al análisis de redes sociales, http://revista-redes.rediris.es/webredes/talleres/Manual_ARS.pdf
Vives J. (2020). El coronavirus dispara el número de usuarios de Twitter. https://www.lavanguardia.com/tecnologia/20200324/4882705311/coronavirus-dispara-numero-usuarios-twitter.html
We Are Social (2020). Digital 2020: Más de la mitad de la población mundial utiliza redes sociales. https://wearesocial.com/es/blog/2020/07/digital-2020-july-global-statshot-report/
WHO (2020). WHO Director-General's opening remarks at the media briefing on COVID-19 - 11 March 2020, https://www.who.int/director-general/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing-on-covid-19---11-march-2020
WHO (2021). Orientaciones técnicas sobre el nuevo coronavirus (2019-nCoV), https://www.who.int/es/emergencies/diseases/novel-coronavirus-2019/technical-guidance
Publicado
Descargas
Derechos de autor 2022 Rosa María Guilleumas García, Hernán Gil Ramírez
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
