Aviso: parte de esta información está un poco desfasada o incompleta porque forma parte de mi trabajo con Cierzo Development en análisis político en la red.
————-
Ya hemos hablado de por qué el análisis de opiniones en comunicación política puede resultar útil. Ahora vamos a planterlo de un modo más práctico, sin anglicismos ni paja.
Imaginad que sois un consultor de nuevas tecnologías para uno de los candidatos a las elecciones europeas. Hacer política en internet supone algo más que trasladar antiguas técnicas a blogs, Facebooks y otras herramientas de moda. Vosotros sabeís que el factor clave son los votantes conectados y el modo en que éstos influyen (0 no) a otros conversando por internet. Pensaís además que lo importante para diseñar una estrategia de verdad es una medición precisa de estas conversaciones.
Los problemas que se os plantean a priori son dos:
- Qué sistema de opinion mining vaís a elegir: Os recomiendo que sea uno que deje el análisis de sentimiento del comentario a un humano, y se limite a encontrar de forma eficaz los comentarios que realmente hablan de tu candidato. Explicación: los sistemas que valoran automáticamente aún no son fiables, y el ahorro de costes y la calidad está más en conseguir listas de comentarios comprehensivas pero precisas. Otros factores relacionados: que filtre idioma o región, que permita exportar los datos, qué resulte rápido y fácil de emplear…
- Qué metodología emplear: Como es un humano quién puntúa los comentarios, para evitar que lo haga de forma arbitraria debeís decidir bajo qué pautas debe decidir si son negativos o positivos. Estas instrucciones deben estar justificadas y abarcar todos los medios que os interesen (texto, fotografías, vídeo). Podemos emplear muchos criterios: léxico (que estén presentes determinadas palabras como “honrado”, “inteligente”), semántico (importantísimo en discursos complejos como la ironía), según el tema (economía, corrupción, etc.). Ejemplo: A mí me gusta puntuar con los tres criterios: primero filtro menciones que no son relevantes porque no dicen nada (o no lo suficiente) del candidato, luego aplico un criterio semántico general, puntúo muy negativo o muy positivo si se dan moduladores (“muy, poco, bastante”) o determinadas palabras (“mentiroso”). Por último modulo el resultado teniendo en cuenta si el tema del que habla beneficia o perjudica al candidato.
Algunos resultados en Smmart
Ya teneís un sistema de análisis y una metodología. Antes de nada es importante ponerlos a prueba: coger a un par de evaluadores y hacer una pequeña prueba (es lo que llamamos un pretest, o estudio exploratorio).
Los problemas que se os plantean a posteriori son:
- Comentarios irrelevantes o en otros idiomas: Debeís ajustar los criterios de búsqueda para que sean más restrictivos (pero no demasiado!) y otras opciones del sistema. Si no lo haceís cargareís de trabajao a los evaluadores y pueden cometer más errores.
- Discordancias entre la puntuación y vuestro criterio: Puede que vuestra metodología produzca resultados que creeís no se ajustan bien a la realidad: demasiados votos neutrales o negativos. Quizás debaís hacerla algo más sofisticada.
- Duración o complejidad: Puede ocurrir todo lo contrario: que vuestros criterios sean demasiados complejos o lentos de aplicar. Deberás encontrar un equilibrio entre una metodología operativa y precisa.
Ahora lo más probables es que toque hacer algunos cambios. Recordad que si quereís resultados comparables a lo largo del tiempo deberán ser cuantos menos, mejor.
Si habeís llegado hasta aquí (increible!) os diré algo más. Estos poblemas son sólo prácticos y con algo de esfuerzo se superan. Los problemas más importantes (e interesantes) llegan cuando nos planteamos:
- Qué repercusión real tienen las conversaciones en el voto final.
- Cómo usamos los resultados en la estrategia electoral.
Pero eso ya se escapa de la reputación online, que es de lo que trata Collabtopia.
Posts Relacionados