Inferencia causal en series de tiempo de Twitter y encuestas políticas

Las redes sociales han sido utilizadas como medios para la discusión política de los ciudadanos. En este trabajo nos propusimos analizar la influencia que ejerce el discurso en las redes sociales sobre la opinión pública de los candidatos políticos en contextos electorales. Para ello conformamos un...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Albanese, Federico, Baldonado, Juan Manuel, Feuerstein, Esteban
Formato:	Objeto de conferencia Resumen
Lenguaje:	Español
Publicado:	2022
Materias:	Ciencias Informáticas inferencia causal series de tiempo Twitter redes sociales técnicas de procesamiento del lenguaje natural causal inference time series social media natural language processing
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/151587 https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/246/208
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-151587
record_format	dspace
spelling	I19-R120-10915-1515872023-05-03T19:59:46Z http://sedici.unlp.edu.ar/handle/10915/151587 https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/246/208 issn:2451-7496 Inferencia causal en series de tiempo de Twitter y encuestas políticas Time series causal inference between the political discourse on Twitter and opinion polls Albanese, Federico Baldonado, Juan Manuel Feuerstein, Esteban 2022-10 2022 2023-04-17T18:54:22Z es Ciencias Informáticas inferencia causal series de tiempo Twitter redes sociales técnicas de procesamiento del lenguaje natural causal inference time series social media natural language processing Las redes sociales han sido utilizadas como medios para la discusión política de los ciudadanos. En este trabajo nos propusimos analizar la influencia que ejerce el discurso en las redes sociales sobre la opinión pública de los candidatos políticos en contextos electorales. Para ello conformamos un dataset con 4.4 millones de tweets políticos durante las elecciones presidenciales estadounidenses entre Trump y Biden del 2020 y analizamos 229 encuestas presidenciales realizadas por 29 encuestadores. Luego, armamos series temporales con los resultados de las encuestas y con la cantidad, tópico del que hablan y sentimiento (positividad / negatividad) de los tweets que mencionan a cada candidato, usando técnicas de procesamiento del lenguaje natural de forma similar a trabajos previos. Aplicando herramientas de inferencia causal en series de tiempo como la causalidad de Granger, Información Mutua Condicional y Base de Funciones Radiales, encontramos resultados estadísticamente significativos de una relación causal. En particular, el sentimiento con el que se habla de los candidato y ciertos tópicos particulares que se debaten en Twitter impactan sobre la intención de voto que finalmente recibe cada candidato presidencial. In recent years, social networks have been the place where citizens exchange their political opinions. In this work, we analyzed the causal influence between the discourse in social networks on the opinion of political candidates in electoral contexts. Therefore, we created a dataset with 4.4 million political tweets during the 2020 US presidential election between Trump and Biden and analyzed 229 presidential polls conducted by 29 different pollsters. Then, we create time series with the poll’s results and with the quantity, topic and sentiment (positive / negative) of the tweets that mentioned the candidates, using natural language processing techniques similarly to previous works. Using time series causal inference tools such as Granger causality, conditional mutual information and radial basis function, we found significant results of causal relationships. In particular, the positivity / negativity of the tweets and some topics discussed on Twitter had a causal impact on each presidential candidate’s polling. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Resumen http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 25-27
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas inferencia causal series de tiempo Twitter redes sociales técnicas de procesamiento del lenguaje natural causal inference time series social media natural language processing
spellingShingle	Ciencias Informáticas inferencia causal series de tiempo Twitter redes sociales técnicas de procesamiento del lenguaje natural causal inference time series social media natural language processing Albanese, Federico Baldonado, Juan Manuel Feuerstein, Esteban Inferencia causal en series de tiempo de Twitter y encuestas políticas
topic_facet	Ciencias Informáticas inferencia causal series de tiempo Twitter redes sociales técnicas de procesamiento del lenguaje natural causal inference time series social media natural language processing
description	Las redes sociales han sido utilizadas como medios para la discusión política de los ciudadanos. En este trabajo nos propusimos analizar la influencia que ejerce el discurso en las redes sociales sobre la opinión pública de los candidatos políticos en contextos electorales. Para ello conformamos un dataset con 4.4 millones de tweets políticos durante las elecciones presidenciales estadounidenses entre Trump y Biden del 2020 y analizamos 229 encuestas presidenciales realizadas por 29 encuestadores. Luego, armamos series temporales con los resultados de las encuestas y con la cantidad, tópico del que hablan y sentimiento (positividad / negatividad) de los tweets que mencionan a cada candidato, usando técnicas de procesamiento del lenguaje natural de forma similar a trabajos previos. Aplicando herramientas de inferencia causal en series de tiempo como la causalidad de Granger, Información Mutua Condicional y Base de Funciones Radiales, encontramos resultados estadísticamente significativos de una relación causal. En particular, el sentimiento con el que se habla de los candidato y ciertos tópicos particulares que se debaten en Twitter impactan sobre la intención de voto que finalmente recibe cada candidato presidencial.
format	Objeto de conferencia Resumen
author	Albanese, Federico Baldonado, Juan Manuel Feuerstein, Esteban
author_facet	Albanese, Federico Baldonado, Juan Manuel Feuerstein, Esteban
author_sort	Albanese, Federico
title	Inferencia causal en series de tiempo de Twitter y encuestas políticas
title_short	Inferencia causal en series de tiempo de Twitter y encuestas políticas
title_full	Inferencia causal en series de tiempo de Twitter y encuestas políticas
title_fullStr	Inferencia causal en series de tiempo de Twitter y encuestas políticas
title_full_unstemmed	Inferencia causal en series de tiempo de Twitter y encuestas políticas
title_sort	inferencia causal en series de tiempo de twitter y encuestas políticas
publishDate	2022
url	http://sedici.unlp.edu.ar/handle/10915/151587 https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/246/208
work_keys_str_mv	AT albanesefederico inferenciacausalenseriesdetiempodetwitteryencuestaspoliticas AT baldonadojuanmanuel inferenciacausalenseriesdetiempodetwitteryencuestaspoliticas AT feuersteinesteban inferenciacausalenseriesdetiempodetwitteryencuestaspoliticas AT albanesefederico timeseriescausalinferencebetweenthepoliticaldiscourseontwitterandopinionpolls AT baldonadojuanmanuel timeseriescausalinferencebetweenthepoliticaldiscourseontwitterandopinionpolls AT feuersteinesteban timeseriescausalinferencebetweenthepoliticaldiscourseontwitterandopinionpolls
_version_	1765659986474565632

Inferencia causal en series de tiempo de Twitter y encuestas políticas

Ejemplares similares