Dime desde dónde tuiteas y te diré qué sientes

Si tuiteas desde un puente es más probable que el contenido sea más triste que si lo haces desde un restaurante. Es una de las conclusiones que se podría extraer, a grandes rasgos, del estudio realizado por el equipo de Panote Siriaraya publicado este miércoles en la revista PLOS ONE.

El artículo se basa en el análisis de casi dos millones de tuits realizados por personas en Londres y San Francisco y ha tratado de establecer la relación entre eventos específicos y tipos de lugares y su asociación con diferentes emociones.  

Un creciente cuerpo de investigación examina las publicaciones en las redes sociales y los datos de ubicación para explorar el comportamiento y las emociones humanas; por ejemplo, para comparar niveles de felicidad entre regiones geográficas. Sin embargo, gran parte de ese trabajo se ha limitado a escalas geográficas más grandes y se centra en una sola emoción a la vez, o en una evaluación general de emoción positiva versus negativa.

Con redes neuronales

Siriaraya y sus colegas del Instituto de Tecnología de Kyoto, en Japón, demuestran ahora cómo se puede explorar la expresión emocional humana en un nivel más detallado utilizando tuits e información sobre edificios, negocios y otros lugares de interés específicos de la plataforma pública Open Street Map. Los analizaron herramientas informáticas conocidas como redes neuronales para analizar casi dos millones de tuits realizados por más de 200.000 personas en Londres y San Francisco, identificando cuándo y dónde las personas expresaron ira, anticipación, disgusto, miedo, alegría, tristeza, sorpresa o confianza.

Los autores analizaron cuándo  las personas expresaron ira, disgusto, miedo, alegría, tristeza, sorpresa o confianza

Lo que tuiteas desde el puente

El análisis mostró que diferentes tipos de ubicación estaban asociados con la expresión de diferentes emociones. Por ejemplo, en ambas ciudades, los tuits realizados en estaciones de tren, puentes y otros sitios de transporte tendían a expresar menos alegría y más disgusto. Los tuits de hoteles y restaurantes mostraron mayores niveles de alegría. Además, la proximidad a ciertos sitios, y no solo estar dentro de los sitios, se asoció con una diferencia en las emociones expresadas.

Los tuits de hoteles y restaurantes mostraron mayores niveles de alegría

Durante el análisis también aparecieron eventos específicos asociados con niveles más altos de emociones específicas; por ejemplo, las usuarias de San Francisco mostraron sus niveles más altos de ira, disgusto y tristeza el día de la Marcha de las Mujeres de 2017, y las usuarias de Londres mostraron altos niveles de miedo y tristeza durante dos ataques terroristas locales. La víspera de Año Nuevo coincidió con altos niveles de alegría en ambas ciudades.

Los investigadores advierten contra la generalización excesiva de sus resultados; por ejemplo, el estudio solo incluyó tuits en inglés. No obstante, podrían ayudar a allanar el camino para investigaciones detalladas adicionales para informar campos como la planificación urbana y el turismo.

"Nuestro estudio”, concluyen los autores, “destaca cómo es posible representar las características de las emociones de grano fino a un nivel espacial y temporal detallado en toda la ciudad, utilizando fuentes de datos disponibles públicamente”.

Desde hace años se trabaja en el análisis de las palabras expresadas por los usuarios en las redes sociales como herramienta para predecir determinados comportamientos o dinámicas. Algunos científicos han intentado usar el número de menciones a asuntos clave para predecir de modo temprano las olas de contagios de gripe durante el invierno o incluso las tendencias suicidas de algunas personas, con intención de prevenirlas. El análisis de los estados de ánimo asociados a lugares concretos puede tener utilidad de cara a elaborar políticas de protección social o incluso estrategias para atender a los turistas en zonas concretas de una ciudad.

Referencia: A city-wide examination of fine-grained human emotions through social media analysis (PLoS ONE) DOI 10.1371/journal.pone.0279749