Resumen

ARANGO PASTRANA, Carlos Alberto  y  OSORIO ANDRADE, Carlos Fernando. Aislamiento social obligatorio: un análisis de sentimientos mediante machine learning. suma neg. [online]. 2021, vol.12, n.26, pp.1-13.  Epub 29-Ene-2021. ISSN 2215-910X.  https://doi.org/10.14349/sumneg/2021.v12.n26.a1.

Para reducir la tasa de contagio por COVID-19, el Gobierno colombiano ha adoptado, entre otras medidas, el aislamiento obligatorio. Esta medida ha generado opiniones divididas, pues a pesar de que ayuda a disminuir la propagación del virus, genera problemas mentales y económicos difíciles de sortear. El objetivo de este documento es analizar los sentimientos subyacentes de los comentarios de Twitter relacionados con el aislamiento, identificando los temas y palabras más frecuentemente utilizados en este contexto. Se construyó un algoritmo de machine learning para identificar los sentimientos de 72.564 publicaciones, y se aplicó un análisis de redes sociales para identificar los temas más frecuentes en los conjuntos de datos. Los resultados sugieren que el algoritmo presenta gran precisión para clasificar sentimientos. Asimismo, a medida que se extiende el aislamiento, los comentarios relacionados con la cuarentena crecen de manera proporcional. Se identificó al miedo como el sentimiento predominante durante todo el periodo de confinamiento en Colombia.

Palabras clave : aislamiento obligatorio; redes sociales; análisis de sentimientos; machine learning; COVID-19.

        · resumen en Inglés     · texto en Español     · Español ( pdf )