Percepción social de la Ciencia, la Tecnología y la Innovación
Análisis de asociaciones espontáneas
DEYEN
Diciembre 2024
rm(list=ls())
#install.packages("rmarkdown")
#install.packages("xfun")
#install.packages("knitr")
#install.packages("htmltools")
library(rmarkdown)
library(xfun)
library(htmltools)
library(knitr)
knitr::opts_chunk$set(echo = TRUE)
options(scipen = 100)
options(digits = 3)
options(OutDec= ",")
options(repos = list(CRAN="http://cran.rstudio.com/"))
max.print=TRUE
knitr::opts_chunk$set(warning = FALSE, message=FALSE) Introducción
Desde el año 2003, la Dirección de Estudios y Estadísticas Nacionales lleva adelante diversas encuestas de percepción pública de la ciencia con el objetivo de medir el grado de conocimiento y valoración que la ciudadanía otorga a la actividad científico-tecnológica, así como evaluar el nivel de apoyo a los esfuerzos públicos orientados al desarrollo del sistema nacional de ciencia y tecnología.
En el marco de esta línea de trabajo, durante el año 2023 se realizó una encuesta con cobertura provincial, cuyo propósito fue conocer la percepción ciudadana en cada una de las jurisdicciones sobre distintos temas vinculados a la ciencia, la tecnología y la innovación. En total, se recolectaron las opiniones de 7.977 personas de 16 años y más distribuidas a lo largo de todo el país. Uno de sus ejes fue medir el valor social que le asigna la población a la ciencia, la tecnología e innovación para mejorar la calidad de vida de las personas. Siguiendo ese mismo objetivo, se indagó también de manera espontánea y cualitativa, qué asociaciones realiza la ciudadanía en torno a los términos ciencia, tecnología e innovación.
Considerando el gran volumen de datos obtenido, el objetivo de este informe se centra en documentar y describir el procedimiento metodológico implementado para su análisis. Con un enfoque centrado en la transparencia técnica, la trazabilidad de procesos y la apertura de datos, cada sección del presente documento incluye la opción de visualizar el código R correspondiente, el cual puede ser ejecutado libremente en entornos como RStudio o Google Colab, lo que facilita la replicación y adaptación del análisis.
Asimismo, los datos utilizados para este trabajo son de acceso público y se encuentran disponibles en el sitio web del Sistema Integrado de Indicadores de Ciencia y Tecnología e Innovación
A continuación, se detallan las decisiones metodológicas adoptadas para el tratamiento de los datos, con especial énfasis en el uso de técnicas de procesamiento de lenguaje natural, así como en el empleo de herramientas estadísticas y computacionales para la extracción de información cualitativa.
Cuestiones metodológicas
Al procesar grandes volúmenes de datos en formato texto muchas veces se suele tornan difícil su manipulación. La minería de texto es un proceso de extracción de información de grandes volúmenes de datos de texto el cual utiliza técnicas de procesamiento del lenguaje natural (NLP), de estadística y aprendizaje automático.
En el campo del procesamiento del lenguaje natural (NPL) existen diversas herramientas utilizadas para procesar y analizar texto de manera automática. (Python, R, Java, etc.). En este informe utilizamos el lenguaje de programación R, en el entorno R Studio.
Se aplicó el modelo de “bolsa de palabras”, el cual es un tipo de representación de texto simple, dado que ignora el orden de las palabras y la forma gramatical, pero es uno de las primeras herramientas a utilizar al preparar los datos para aplicar algoritmos más complejos de machine learning.
Previo a la construcción de las bolsas de palabras, se efectuó una limpieza de los datos que comprendió quitar artículos, preposiciones, corregir errores de ortografía, pasar todo a minúscula a fines de homogeneizar.
Se utilizaron los microdatos de la “Encuesta de Percepción pública de la ciencia Provincial 2023” generada por por la Dirección de Estudios y Estadísticas Nacionales(DEYEN) de la Subsecretaría de Ciencia y Tecnología realizada durante el año 2023.
Para mayor información sobre la encuesta consultar la pág web.
A lo largo del procesamiento, se utilizaron diversas librerías de R para poder efectuar la limpieza del texto y graficar las bolsas de palabras.
packages <- c("dplyr",
"haven",
"readr",
"tidytext",
"tidyverse",
"tm",
"ggplot2",
"stringi",
"wordcloud",
"hunspell",
"SemNetCleaner",
"SnowballC",
"RColorBrewer",
"viridis",
"writexl",
"gt",
"gtExtras",
"devtools",
"wordcloud2",
"knitr",
"kableExtra",
"htmlwidgets","htmltools","plotly",
"knitr","gdata","foreign",
"stringi")
installed_packages <- packages %in% rownames(installed.packages())
if (any(installed_packages == FALSE)) {
install.packages(packages[!installed_packages])
}Se levanta el archivo a procesar desde el sitio https://www.argentina.gob.ar/ciencia/indicadorescti/datasets
library(readr)
seleccion <- read.csv("https://www.argentina.gob.ar/sites/default/files/2024/12/df_bolsa_palabras.csv", sep=";", header=TRUE,fileEncoding = 'latin1')
# or "latin1", "UTF-8", "Windows-1252"
seleccion$PONDERA<-as.numeric(gsub(',', '.', gsub('[.]', '', seleccion$PONDERA)))
head(seleccion)## id PONDERA P5_p P5_2_p P6_p P6_2_p P20_1_p
## 1 101 0,424 albert einstein albert einstein invocación progreso futuro
## 2 102 0,217 conocimiento fenómeno trabajo solucion novedad
## 3 103 1,009 avance investigación materi avance nuevo
## 4 104 0,106 salud quimicos salud quimicos nuevo
## 5 105 1,009 paz tranquilidad redes internet crear
## 6 106 0,217 innovación desarrollo crecimiento eficacia desarrollo
## P20_2_p
## 1 tecnología
## 2 descubrimiento
## 3 profundidad
## 4 cambio
## 5 ejecutar
## 6 conocimySelección de variables
Las variables preseleccionadas de la encuesta provincial en esta tabla contempla las siguientes variables:
“id”: ID anonimizado de los casos de la encuesta.
“PONDERA”: Ponderador de los casos en función del peso poblacional por provincia.
“P5_p”: “Cuando hablamos de”ciencia” ¿cuál es la primera palabra que se te viene a la mente?”
“P5_2_p”: “¿Y la segunda?”
“P6_p”: “Cuando hablamos de”tecnología” ¿cuál es la primera palabra que se te viene a la mente?”
“P6_2_p”: “¿Y la segunda?”
“P20_1_p”: “Cuando hablamos de”innovación” ¿cuál es la primera palabra que se te viene a la mente?”
“P20_2_p”: “¿Y la segunda?”
A continuación se presenta los primeros 5 registros de la base:
seleccion %>%
gt_preview(top_n=5,bottom_n=1)%>%
tab_header(title = "Encuesta Provincial de Percepción Pública de la Ciencia Año 2023*",
subtitle = "Se presentan los primeros 10 registros") %>%
gt_theme_espn() %>%
opt_stylize(style = 5, color = "blue")%>%
tab_options(table.font.size =11)%>%
tab_options(heading.title.font.size = 14)%>%
cols_width(
everything() ~ px(60)
)| Encuesta Provincial de Percepción Pública de la Ciencia Año 2023* | ||||||||
| Se presentan los primeros 10 registros | ||||||||
| id | PONDERA | P5_p | P5_2_p | P6_p | P6_2_p | P20_1_p | P20_2_p | |
|---|---|---|---|---|---|---|---|---|
| 1 | 101 | 0,424 | albert einstein | albert einstein | invocación | progreso | futuro | tecnología |
| 2 | 102 | 0,217 | conocimiento | fenómeno | trabajo | solucion | novedad | descubrimiento |
| 3 | 103 | 1,009 | avance | investigación | materi | avance | nuevo | profundidad |
| 4 | 104 | 0,106 | salud | quimicos | salud | quimicos | nuevo | cambio |
| 5 | 105 | 1,009 | paz | tranquilidad | redes | internet | crear | ejecutar |
| 6..7976 | ||||||||
| 7977 | 107977 | 0,588 | científicos | política | computadora | técnico | desarrollo | información |
Antes de comenzar con la corrección ortográfica, se eliminaron los posibles registros duplicados
Preprocesamiento
Esta sección se puede omitir ya que el dataset subido a la web ya tiene aplicado el preprocesamiento.
Limpieza
Para cada una de las variables se efectuó una primera limpieza suprimiendo las palabras vacías: preposiciones, los artículos, los caracteres especiales, se pasaron todas las letras a minúsculas, se quitaron los signos de puntuación y los espacios de más.
for (i in c(3,4,5,6,7,8)) { seleccion[is.na(seleccion[1:7977,i]), i] <- "" }
for (i in c(3,4,5,6,7,8)) {
seleccion[1:7977,i] <- gsub("[[:cntrl:]]", " ", seleccion[1:7977,i])
seleccion[1:7977,i] <- base::tolower(seleccion[1:7977,i])
seleccion[1:7977,i] <- tm::removeWords(seleccion[1:7977,i], words = stopwords("spanish"))
seleccion[1:7977,i] <- tm::removePunctuation(seleccion[1:7977,i])
seleccion[1:7977,i] <- tm::stripWhitespace(seleccion[1:7977,i])
}
for (i in c(3,4,5,6,7,8)) {
seleccion[1:7977,i]<-trimws(seleccion[1:7977,i], which = c("both", "left", "right"), whitespace = "[ \t\r\n]")
}Una vez realizada la limpieza, se identificaron las palabras que estaban mal escritas utilizando la librería Hunspell tomando como base el diccionario en Español.
Generalmente en R Studio no está precargado el diccionario en español. A fines de instalarlo habría que seguir los siguientes pasos. Ir a “Tools”, 2) “Global Options”,3) “Spelling”, 4) “Main dictionary languages”, 5) seleccionar la opción de cargar diccionarios adicionales. Finalmente se carga el diccionario en español “es_ES”.
## [1] "bg_BG" "ca_ES" "cs_CZ" "da_DK" "de_DE" "de_DE_neu"
## [7] "el_GR" "en_AU" "en_CA" "en_GB" "en_US" "es_ES"
## [13] "fr_FR" "hr_HR" "hu-HU" "id_ID" "it_IT" "lt_LT"
## [19] "lv_LV" "nb_NO" "nl_NL" "pl_PL" "pt_BR" "pt_PT"
## [25] "ro_RO" "ru_RU" "sh" "sk_SK" "sl_SI" "sr"
## [31] "sv_SE" "uk_UA" "vi_VN"Identificación de palabras mal escritas (misspell)
Se generó un listado de las palabras identificadas como mal escritas (misspelled) para cada una de las variables. A continuación, se presenta como ejemplo un listado referente a la segunda palabra asociada a “innovación”.
misspelled_p5_<-as.matrix(table(unlist(unique(hunspell(seleccion[,"P5_p"],dict="es_ES"),format="text"))))
misspelled_p5_2<-as.matrix(table(unlist(unique(hunspell(seleccion[,"P5_2_p"],dict="es_ES"),format="text"))))
misspelled_p6_<-as.matrix(table(unlist(unique(hunspell(seleccion[,"P6_p"],dict="es_ES"),format="text"))))
misspelled_p6_2<-as.matrix(table(unlist(unique(hunspell(seleccion[,"P6_2_p"],dict="es_ES"),format="text"))))
misspelled_p20_1_<-as.matrix(table(unlist(unique(hunspell(seleccion[,"P20_1_p"],dict="es_ES"),format="text"))))
misspelled_p20_2<-as.data.frame(table(unlist(unique(hunspell(seleccion[,"P20_2_p"],dict="es_ES"),format="text"))))
misspelled_p20_2%>%
gt_preview(top_n=10) %>%
tab_header(title = "Palabras mal escritas asociadas a INNOVACIÓN",
subtitle = "* Primeras 10 palabras") %>%
cols_label(Var1= "Palabras mal escritas",
Freq= "Frec.")%>%
gt_theme_espn() %>%
opt_stylize(style = 5, color = "blue")%>%
tab_options(table.font.size =12,heading.title.font.size=14) | Palabras mal escritas asociadas a INNOVACIÓN | ||
| * Primeras 10 palabras | ||
| Palabras mal escritas | Frec. | |
|---|---|---|
| 1 | accecibilidad | 1 |
| 2 | accion | 1 |
| 3 | aceptaciony | 1 |
| 4 | acequible | 1 |
| 5 | acer | 1 |
| 6 | acesible | 1 |
| 7 | acsecibilidad | 1 |
| 8 | acsesibilidad | 1 |
| 9 | actidad | 1 |
| 10 | actualisado | 1 |
| 11..517 | ||
| 518 | ytec | 1 |
Corrección de palabras mal escritas
La librería hunspell ofrece un comando que permite reemplazar las palabras mal escritas de manera automática pero en algunos casos, ofrece más de una opción. A continuación se presentan unos ejemplos:
En el caso de la primera palabra del listado, se presentan 1 opción para reemplazar siendo la primera la certera.
## [[1]]
## [1] "accesibilidad"Para la segunda palabra se sugieren 6 palabras y también la primera sería la correcta
## [[1]]
## [1] "acción" "acciona" "accione" "acciono" "accionó" "accioné"A fines de evitar perder precisión al reemplazar por una palabra que no sería la más adecuada, se decidió proceder de forma manual.
Para realizar las correcciones, se priorizaron las palabras que tienen mayor frecuencia dado que son las que más impactan al generar las bolsas de palabras dada la diversidad de errores de ortografía que se encontraron.
seleccion1<-seleccion
val_repl <- c('albert', 'albert ainstein','einstein',' albert','albert ',
'eisten',' einstein','einstein ','albert ainstain','albert einsten','heinstein',
'albert eistein')
col_repl <- c("P5_p","P5_2_p","P6_p","P6_2_p","P20_1_p","P20_2_p")
####
seleccion1[col_repl] <- sapply(seleccion1[col_repl],
function(x) replace( x, x %in% val_repl, "albert einstein"))
###
val_repl <- c('tecnológia', 'tecnologia','tegnologia',
'tegnologia')
seleccion1[col_repl] <- sapply(seleccion1[col_repl],
function(x) replace( x, x %in% val_repl, "tecnología"))
###
val_repl <- c('conocimientos', 'conociminento','conocomiento','conosimiento','conosimientos')
seleccion1[col_repl] <- sapply(seleccion1[col_repl],
function(x) replace( x, x %in% val_repl, "conocimiento"))
val_repl <- c('avances tecnología ', 'avances tecnologícis','avances tecnologicos')
seleccion1[col_repl] <- sapply(seleccion1[col_repl],
function(x) replace( x, x %in% val_repl, "avances tecnológicos"))
###
val_repl <- c('avances', 'avanced','avancé',"avanze","avanses","abance",
'avances','avanse','avanses','avanzes','avenzes','avanzados')
seleccion1[col_repl] <- sapply(seleccion1[col_repl],
function(x) replace( x, x %in% val_repl, "avance"))
####
val_repl <- c('mejora','mejoras','mejorarr','mejor')
seleccion1[col_repl] <- sapply(seleccion1[col_repl],
function(x) replace( x, x %in% val_repl, "mejora"))
###
val_repl <- c('descubimiento', 'descubrimentos','descubrimieto',"descubrir","descubro","descubriento")
seleccion1[col_repl] <- sapply(seleccion1[col_repl], # Replace values in certain columns
function(x) replace( x, x %in% val_repl, "descubrimiento"))
###
val_repl <- c('biologia', 'biológia','biologíca',"biologícas","biológico")
seleccion1[col_repl] <- sapply(seleccion1[col_repl], # Replace values in certain columns
function(x) replace( x, x %in% val_repl, "biología"))
val_repl <- c('investigacio', 'investigacióne','investigacióne',"investigaciónes","investigacio n","investigacion",
'investigaciòn','investigadore')
seleccion1[col_repl] <- sapply(seleccion1[col_repl], # Replace values in certain columns
function(x) replace( x, x %in% val_repl, "investigación"))
###
#Corrección con "str_replace".
seleccion1 <- seleccion1 %>%
mutate(across(col_repl, str_replace, 'analisi', 'análisis')) %>%
mutate(across(col_repl, str_replace, 'cosa', 'cosas')) %>%
mutate(across(col_repl, str_replace, 'cosass', 'cosas')) %>%
mutate(across(col_repl, str_replace, 'estudia', 'estudio')) %>%
mutate(across(col_repl, str_replace, 'economia', 'economía')) %>%
mutate(across(col_repl, str_replace, 'ecologia', 'ecología')) %>%
mutate(across(col_repl, str_replace, 'nueva', 'nuevo')) %>%
mutate(across(col_repl, str_replace, 'nuevas', 'nuevo')) %>%
mutate(across(col_repl, str_replace, 'nuevos', 'nuevo')) %>%
mutate(across(col_repl, str_replace, 'tecnologia', 'tecnología'))##otra forma de corregir
for (i in 3:ncol(seleccion1)) {
seleccion1[,i][seleccion1[,i]=='avansada'] <- 'avanzada'
seleccion1[,i][seleccion1[,i]=='avanses'] <- 'avances'
seleccion1[,i][seleccion1[,i]=='avabazada'] <- 'avanzada'
seleccion1[,i][seleccion1[,i]=='abansada'] <- 'avanzada'
seleccion1[,i][seleccion1[,i]=='alimentos'] <- 'alimento'
seleccion1[,i][seleccion1[,i]=='alimentacion'] <- 'alimentación'
seleccion1[,i][seleccion1[,i]=='aprendisaje'] <- 'aprendizaje'
seleccion1[,i][seleccion1[,i]=='tecnologico'] <- 'tecnológico'
seleccion1[,i][seleccion1[,i]=='tecnologicos'] <- 'tecnológicos'
seleccion1[,i][seleccion1[,i]=='tecnica'] <- 'técnica'
seleccion1[,i][seleccion1[,i]=='ambitos'] <- 'ámbitos'
seleccion1[,i][seleccion1[,i]=='area'] <- 'área'
seleccion1[,i][seleccion1[,i]=='atomico'] <- 'atómico'
seleccion1[,i][seleccion1[,i]=='actualizacion'] <- 'actualización'
seleccion1[,i][seleccion1[,i]=='ambuente'] <- 'ambiente'
seleccion1[,i][seleccion1[,i]=='arsat 1'] <- 'arsat'
seleccion1[,i][seleccion1[,i]=='arsat dos'] <- 'arsat'
seleccion1[,i][seleccion1[,i]=='artificiales'] <- 'artificial'
seleccion1[,i][seleccion1[,i]=='atrasada'] <- 'atraso'
seleccion1[,i][seleccion1[,i]=='atrasadisimos'] <- 'atraso'
seleccion1[,i][seleccion1[,i]=='atrasado'] <- 'atraso'
seleccion1[,i][seleccion1[,i]=='atrasados'] <- 'atraso'
seleccion1[,i][seleccion1[,i]=='atrazado'] <- 'atraso'
seleccion1[,i][seleccion1[,i]=='atrazo'] <- 'atraso'
seleccion1[,i][seleccion1[,i]=='abances'] <- 'avance'
seleccion1[,i][seleccion1[,i]=='adelantos'] <- 'adelanto'
seleccion1[,i][seleccion1[,i]=='artificiales'] <- 'artificial'
seleccion1[,i][seleccion1[,i]=='atrasado'] <- 'atraso'
seleccion1[,i][seleccion1[,i]=='atrasadis'] <- 'atraso'
seleccion1[,i][seleccion1[,i]=='atrasada'] <- 'atraso'
seleccion1[,i][seleccion1[,i]=='abanzada'] <- 'avanzada'
seleccion1[,i][seleccion1[,i]=='abanzado'] <- 'avanzado'
seleccion1[,i][seleccion1[,i]=='aser'] <- 'hacer'
seleccion1[,i][seleccion1[,i]=='cientificosss'] <- 'científicos'
seleccion1[,i][seleccion1[,i]=='cientificos'] <- 'científicos'
seleccion1[,i][seleccion1[,i]=='científico'] <- 'científico'
seleccion1[,i][seleccion1[,i]=='sientificos'] <- 'científicos'
seleccion1[,i][seleccion1[,i]=='cientifico'] <- 'científico'
seleccion1[,i][seleccion1[,i]=='científico'] <- 'científico'
seleccion1[,i][seleccion1[,i]=='cientifico'] <- 'científico'
seleccion1[,i][seleccion1[,i]=='ciencias'] <- 'ciencia'
seleccion1[,i][seleccion1[,i]=='cientifica'] <- 'científica'
seleccion1[,i][seleccion1[,i]=='cientifico'] <- 'científico'
seleccion1[,i][seleccion1[,i]=='ciencia social'] <- 'ciencias sociales'
seleccion1[,i][seleccion1[,i]=='ciencia tecnología'] <- 'ciencias tecnológicas'
seleccion1[,i][seleccion1[,i]=='ciencia tecnológica'] <- 'ciencias tecnológicas'
seleccion1[,i][seleccion1[,i]=='ciencias medicas'] <- 'ciencias médicas'
seleccion1[,i][seleccion1[,i]=='ciencias políticas'] <- 'ciencia política'
seleccion1[,i][seleccion1[,i]=='ciencias politica'] <- 'ciencia política'
seleccion1[,i][seleccion1[,i]=='canser'] <- 'cáncer'
seleccion1[,i][seleccion1[,i]=='cancer'] <- 'cáncer'
seleccion1[,i][seleccion1[,i]=='conicec'] <- 'conicet'
seleccion1[,i][seleccion1[,i]=='conicef'] <- 'conicet'
seleccion1[,i][seleccion1[,i]=='creación'] <- 'crear'
seleccion1[,i][seleccion1[,i]=='creaciones'] <- 'crear'
seleccion1[,i][seleccion1[,i]=='creados'] <- 'crear'
seleccion1[,i][seleccion1[,i]=='creados x'] <- 'crear'
seleccion1[,i][seleccion1[,i]=='curar'] <- 'cura'
seleccion1[,i][seleccion1[,i]=='curas'] <- 'cura'
seleccion1[,i][seleccion1[,i]=='curativa'] <- 'cura'
seleccion1[,i][seleccion1[,i]=='curi'] <- 'marie curie'
seleccion1[,i][seleccion1[,i]=='curie'] <- 'marie curie'
seleccion1[,i][seleccion1[,i]=='celulas'] <- 'células'
seleccion1[,i][seleccion1[,i]=='celulare'] <- 'celular'
seleccion1[,i][seleccion1[,i]=='celulares'] <- 'celular'
seleccion1[,i][seleccion1[,i]=='creacion'] <- 'creación'
seleccion1[,i][seleccion1[,i]=='cuantica'] <- 'cuántica'
seleccion1[,i][seleccion1[,i]=='capacitacion'] <- 'capacitación'
seleccion1[,i][seleccion1[,i]=='compu'] <- 'computadora'
seleccion1[,i][seleccion1[,i]=='computadora'] <- 'computadora'
seleccion1[,i][seleccion1[,i]=='computacion'] <- 'computadora'
seleccion1[,i][seleccion1[,i]=='computadoras'] <- 'computadora'
seleccion1[,i][seleccion1[,i]=='computadoraa'] <- 'computadora'
seleccion1[,i][seleccion1[,i]=='computación'] <- 'computadora'
seleccion1[,i][seleccion1[,i]=='pc'] <- 'computadora'
seleccion1[,i][seleccion1[,i]=='conocimientos sientificos'] <- 'conocimiento científico'
seleccion1[,i][seleccion1[,i]=='conocimiento cientifico'] <- 'conocimiento científico'
seleccion1[,i][seleccion1[,i]=='conocimientos sistemáticas'] <- 'conocimiento sistemático'
seleccion1[,i][seleccion1[,i]=='conocimientos sistematicos'] <- 'conocimiento sistemático'
seleccion1[,i][seleccion1[,i]=='conocimientos obtiene'] <- 'conocimientos obtenidos'
seleccion1[,i][seleccion1[,i]=='desarollo'] <- 'desarrollo'
seleccion1[,i][seleccion1[,i]=='desarrollar'] <- 'desarrollo'
seleccion1[,i][seleccion1[,i]=='desarrolló'] <- 'desarrollo'
seleccion1[,i][seleccion1[,i]=='desarroyo'] <- 'desarrollo'
seleccion1[,i][seleccion1[,i]=='educa'] <- 'educación'
seleccion1[,i][seleccion1[,i]=='educacio'] <- 'educación'
seleccion1[,i][seleccion1[,i]=='educaciom'] <- 'educación'
seleccion1[,i][seleccion1[,i]=='educar'] <- 'educación'
seleccion1[,i][seleccion1[,i]=='educativa'] <- 'educación'
seleccion1[,i][seleccion1[,i]=='experimentos'] <- 'experimento'
seleccion1[,i][seleccion1[,i]=='energia'] <- 'energía'
seleccion1[,i][seleccion1[,i]=='energías'] <- 'energía'
seleccion1[,i][seleccion1[,i]=='enfermedades'] <- 'enfermedad'
seleccion1[,i][seleccion1[,i]=='espacios'] <- 'espacio'
seleccion1[,i][seleccion1[,i]=='estudió'] <- 'espacio'
seleccion1[,i][seleccion1[,i]=='estudiar'] <- 'estudiar'
seleccion1[,i][seleccion1[,i]=='estudios'] <- 'estudiar'
seleccion1[,i][seleccion1[,i]=='estudiós'] <- 'estudiar'
seleccion1[,i][seleccion1[,i]=='economica'] <- 'económica'
seleccion1[,i][seleccion1[,i]=='electronica'] <- 'electrónica'
seleccion1[,i][seleccion1[,i]=='maquinas'] <- 'máquina'
seleccion1[,i][seleccion1[,i]=='máquinas'] <- 'máquina'
seleccion1[,i][seleccion1[,i]=='quimica'] <- 'química'
seleccion1[,i][seleccion1[,i]=='electronica'] <- 'electrónica'
seleccion1[,i][seleccion1[,i]=='educacion'] <- 'educación'
seleccion1[,i][seleccion1[,i]=='evolucion'] <- 'evolución'
seleccion1[,i][seleccion1[,i]=='esperomentos'] <- 'experimento'
seleccion1[,i][seleccion1[,i]=='fisica'] <- 'física'
seleccion1[,i][seleccion1[,i]=='programacion'] <- 'programación'
seleccion1[,i][seleccion1[,i]=='prpgramación'] <- 'programación'
seleccion1[,i][seleccion1[,i]=='informacion'] <- 'información'
seleccion1[,i][seleccion1[,i]=='informaticos'] <- 'informáticos'
seleccion1[,i][seleccion1[,i]=='investigacion'] <- 'investigación'
seleccion1[,i][seleccion1[,i]=='informatica'] <- 'informática'
seleccion1[,i][seleccion1[,i]=='innovacion'] <- 'innovación'
seleccion1[,i][seleccion1[,i]=='inteligenciaartificial'] <- 'inteligencia artificial'
seleccion1[,i][seleccion1[,i]=='inovasion'] <- 'innovación'
seleccion1[,i][seleccion1[,i]=='innovar'] <- 'innovación'
seleccion1[,i][seleccion1[,i]=='inovar'] <- 'innovación'
seleccion1[,i][seleccion1[,i]=='ia'] <- 'inteligencia artificial'
seleccion1[,i][seleccion1[,i]=='robotica'] <- 'robótica'
seleccion1[,i][seleccion1[,i]=='robot'] <- 'robots'
seleccion1[,i][seleccion1[,i]=='rede'] <- 'redes'
seleccion1[,i][seleccion1[,i]=='salut'] <- 'salud'
seleccion1[,i][seleccion1[,i]=='salu'] <- 'salud'
seleccion1[,i][seleccion1[,i]=='sociale'] <- 'sociales'
seleccion1[,i][seleccion1[,i]=='naturale'] <- 'naturales'
seleccion1[,i][seleccion1[,i]=='nuevas'] <- 'nuevo'
seleccion1[,i][seleccion1[,i]=='nuevos'] <- 'nuevo'
seleccion1[,i][seleccion1[,i]=='nueva'] <- 'nuevo'
seleccion1[,i][seleccion1[,i]=='mejoras'] <- 'mejora'
seleccion1[,i][seleccion1[,i]=='mejorar'] <- 'mejora'
seleccion1[,i][seleccion1[,i]=='medicins'] <- 'medicina'
seleccion1[,i][seleccion1[,i]=='hospitale'] <- 'hospitales'
seleccion1[,i][seleccion1[,i]=='viene'] <- ''
seleccion1[,i][seleccion1[,i]=='ytabajo'] <- 'trabajo'
seleccion1[,i][seleccion1[,i]=='medica'] <- 'médica'
seleccion1[,i][seleccion1[,i]=='tecnologia'] <- 'tecnología'
seleccion1[,i][seleccion1[,i]=='comunicacion'] <- 'comunicación'
seleccion1[,i][seleccion1[,i]=='robots'] <- 'robótica'
seleccion1[,i][seleccion1[,i]=='robot'] <- 'robótica'
seleccion1[,i][seleccion1[,i]=='utn'] <- 'UTN'
seleccion1[,i][seleccion1[,i]=='educacion'] <- 'educación'
seleccion1[,i][seleccion1[,i]=='fibra optica'] <- 'fibra óptica'
seleccion1[,i][seleccion1[,i]=='electrinica'] <- 'electrónica'
seleccion1[,i][seleccion1[,i]=='ciencie yecnolojicas'] <- 'ciencias tecnológicas'
seleccion1[,i][seleccion1[,i]=='medioambiente'] <- 'medio ambiente'
seleccion1[,i][seleccion1[,i]=='descubrimientos'] <- 'descubrimiento'
}Se homogeneizan las no respuestas en una sola categoría
## se reemplaza No se/ Ns/Nc por 'missing'
col_repl <- c("P5_p","P5_2_p","P6_p","P6_2_p","P20_1_p","P20_2_p")
val_repl <- c('nose','no se','No Se','No Sé','No lo se','No lo sé','ninguna',
'ninguno',' ',' ',' ','', NA, NaN,'noce','nosé','ns','nse','nsnc','nsnc','Ns/Nc','nc','x','¿','×')
# Replace all matching values with NA
seleccion1[col_repl] <- lapply(seleccion1[col_repl], function(x) {
# Trim leading/trailing spaces
x <- trimws(x)
x[x %in% val_repl] <- NA
return(x)
})Tablas de frecuencias
Las tablas de frecuencia permiten analizar qué respuestas son más recurrentes teniendo en cuenta el ponderador de la encuesta.
Tabla general
Si bien en las preguntas a analizar de la encuesta se solicitaba completar el campo con una sola palabra, en muchos casos los encuestados completaron con más de 1 palabra.
A continuación se presentan la tabla de frecuencias:
Total país
n_p5_<-(as.tibble(stri_count_words(seleccion1$P5_p)))
n_p5_<-n_p5_%>% rename(n_p5_ = value)
n_p5_$n_p5_[n_p5_$n_p5_>=3 ] <- "Tres o más"
#n_p5_$P5_P<-seleccion1$P5_p
n_p5_2<-(as.tibble(stri_count_words(seleccion1$P5_2_p)))
n_p5_2<-n_p5_2%>% rename(n_p5_2 = value)
n_p5_2$n_p5_2[n_p5_2$n_p5_2>=3 ] <- "Tres o más"
#n_p5_2$P5_2_p<-seleccion1$P5_2_p
n_p6_<-(as.tibble(stri_count_words(seleccion1$P6_p)))
n_p6_<-n_p6_%>% rename(n_p6_ = value)
n_p6_$n_p6_[n_p6_$n_p6_>=3 ] <- "Tres o más"
n_p6_2<-(as.tibble(stri_count_words(seleccion1$P6_2_p)))
n_p6_2<-n_p6_2%>% rename(n_p6_2 = value)
n_p6_2$n_p6_2[n_p6_2$n_p6_2>=3 ] <- "Tres o más"
n_p20_1<-(as.tibble(stri_count_words(seleccion1$P20_1_p)))
n_p20_1<-n_p20_1%>% rename(n_p20_1 = value)
n_p20_1$n_p20_1[n_p20_1$n_p20_1>=3 ] <- "Tres o más"
#n_p20_1$P20_1_p<-seleccion1$P20_1_p
n_p20_2<-(as.tibble(stri_count_words(seleccion1$P20_2_p)))
n_p20_2<-n_p20_2%>% rename(n_p20_2 = value)
n_p20_2$n_p20_2[n_p20_2$n_p20_2>=3 ] <- "Tres o más"
#n_p20_2$P20_2_p<-seleccion1$P20_2_p
seleccion1<-cbind(seleccion1,n_p5_,n_p5_2,n_p6_,n_p6_2,n_p20_1,n_p20_2)n_p5_<-seleccion1%>%
dplyr::group_by(n_p5_)%>%
dplyr::summarise(freq_cantp5_=sum(PONDERA))%>%
rename("Cantidad de palabras"= n_p5_,
)
n_p5_2<-seleccion1%>%
dplyr::group_by(n_p5_2) %>%
dplyr::summarise(freq_cantp5_2=sum(PONDERA))%>%
rename("Cantidad de palabras"= n_p5_2,
)
n_p6_<-seleccion1%>%
dplyr::group_by(n_p6_) %>%
dplyr::summarise(freq_cantp6_1=sum(PONDERA))%>%
rename("Cantidad de palabras"= n_p6_,
)
n_p6_2<-seleccion1%>%
dplyr::group_by(n_p6_2) %>%
dplyr::summarise(freq_cantp6_2=sum(PONDERA))%>%
rename("Cantidad de palabras"= n_p6_2,
)
n_p20_1<-seleccion1%>%
dplyr::group_by(n_p20_1) %>%
dplyr::summarise(freq_cantp20_1=sum(PONDERA))%>%
rename("Cantidad de palabras"= n_p20_1,
)
n_p20_2<-seleccion1%>%
dplyr::group_by(n_p20_2) %>%
dplyr::summarise(freq_cantp20_2=sum(PONDERA))%>%
rename(
"Cantidad de palabras"= n_p20_2,
)
df_list <- cbind(n_p5_, n_p5_2, n_p6_, n_p6_2, n_p20_1, n_p20_2)
df_list<-df_list[,c(1,2,4,6,8,10,12)] ##Tabla
df_list %>%
gt() %>%
tab_header(title = "Cantidad de palabras por respuesta") %>%
cols_label(freq_cantp5_= "Ciencia 1ra",
freq_cantp5_2= "Ciencia 2da",
freq_cantp6_1= "Tecnología 1ra",
freq_cantp6_2= "Tecnología 2da",
freq_cantp20_1= "Innovación 1ra",
freq_cantp20_2= "Innovación 2da")%>%
gt_theme_espn() %>%
opt_stylize(style = 5, color = "blue")%>%
tab_options(table.font.size =12)%>%
tab_options(heading.title.font.size = 14)%>%
fmt_integer(use_seps = FALSE)| Cantidad de palabras por respuesta | ||||||
| Cantidad de palabras | Ciencia 1ra | Ciencia 2da | Tecnología 1ra | Tecnología 2da | Innovación 1ra | Innovación 2da |
|---|---|---|---|---|---|---|
| 1 | 7247 | 7345 | 7312 | 7287 | 6820 | 6827 |
| 2 | 553 | 436 | 526 | 520 | 749 | 623 |
| Tres o más | 134 | 126 | 123 | 138 | 222 | 297 |
| NA | 42 | 71 | 16 | 32 | 187 | 229 |
En general, tanto para la primera y segunda mención de cada palabra, las personas en su mayoría respondieron una sola palabra y en segundo lugar dos.
El porcentaje de no respuesta se destaca en la segunda mención de cada palabra, especialmente para la palabra “innovación”.
Ciencia
Primera palabra que asocian
Total país
Para la pregunta en la cual se pide que se indique la primera palabra que asocian a ciencia, se observa que las primeras 30 palabras explican el 60% de las menciones siendo las principales palabras “investigación”, “medicina”, “salud” y “tecnología”.
| Total país: ¿Qué otra palabra asocia a CIENCIA? - Tabla de Frecuencias | ||||
| * Primeros 60 registros | ||||
| Ciencia (2da palabra asociada) | Frec. | Frec. relativa % | Frec. acumulada relativa % | |
|---|---|---|---|---|
| 1 | investigación | 610 | 7.65% | 7,65% |
| 2 | medicina | 454 | 5.69% | 13,34% |
| 3 | salud | 448 | 5.61% | 18,95% |
| 4 | tecnología | 410 | 5.14% | 24,09% |
| 5 | conocimiento | 334 | 4.18% | 28,28% |
| 6 | avance | 258 | 3.23% | 31,51% |
| 7 | estudio | 226 | 2.84% | 34,34% |
| 8 | futuro | 157 | 1.96% | 36,31% |
| 9 | experimento | 152 | 1.91% | 38,22% |
| 10 | progreso | 149 | 1.87% | 40,09% |
| 11 | vacunas | 146 | 1.83% | 41,92% |
| 12 | innovación | 144 | 1.81% | 43,73% |
| 13 | descubrimiento | 130 | 1.63% | 45,36% |
| 14 | laboratorio | 127 | 1.59% | 46,95% |
| 15 | conicet | 121 | 1.51% | 48,46% |
| 16 | química | 116 | 1.45% | 49,91% |
| 17 | evolución | 93 | 1.16% | 51,07% |
| 18 | inteligencia artificial | 92 | 1.16% | 52,23% |
| 19 | naturaleza | 85 | 1.06% | 53,29% |
| 20 | científico | 78 | 0.98% | 54,27% |
| 21 | desarrollo | 78 | 0.97% | 55,24% |
| 22 | estudior | 76 | 0.96% | 56,20% |
| 23 | educación | 64 | 0.80% | 57,00% |
| 24 | adelanto | 64 | 0.80% | 57,80% |
| 25 | física | 62 | 0.78% | 58,58% |
| 26 | biología | 60 | 0.76% | 59,34% |
| 27 | robótica | 57 | 0.72% | 60,06% |
| 28 | científicos | 56 | 0.70% | 60,76% |
| 29 | vida | 55 | 0.69% | 61,44% |
| 30 | inteligencia | 52 | 0.65% | 62,10% |
| 31 | saber | 50 | 0.62% | 62,72% |
| 32 | investigar | 44 | 0.55% | 63,27% |
| 33 | Ns/Nc | 42 | 0.53% | 63,80% |
| 34 | albert einstein | 42 | 0.53% | 64,33% |
| 35 | espacio | 40 | 0.50% | 64,83% |
| 36 | naturales | 36 | 0.45% | 65,28% |
| 37 | sociales | 35 | 0.44% | 65,72% |
| 38 | universo | 35 | 0.43% | 66,16% |
| 39 | informática | 30 | 0.38% | 66,53% |
| 40 | crear | 29 | 0.36% | 66,90% |
| 41 | cáncer | 29 | 0.36% | 67,26% |
| 42 | comunicación | 25 | 0.32% | 67,58% |
| 43 | atraso | 24 | 0.30% | 67,88% |
| 44 | ciencia | 24 | 0.30% | 68,18% |
| 45 | internet | 23 | 0.29% | 68,47% |
| 46 | enfermedad | 22 | 0.28% | 68,75% |
| 47 | inventos | 22 | 0.28% | 69,02% |
| 48 | energía | 21 | 0.27% | 69,29% |
| 49 | favaloro | 21 | 0.27% | 69,56% |
| 50 | computadora | 20 | 0.26% | 69,82% |
| 51 | arsat | 20 | 0.25% | 70,06% |
| 52 | universidad | 18 | 0.22% | 70,29% |
| 53 | medio ambiente | 18 | 0.22% | 70,51% |
| 54 | vacuna | 17 | 0.22% | 70,73% |
| 55 | microscopio | 17 | 0.22% | 70,94% |
| 56 | medicamentos | 17 | 0.21% | 71,16% |
| 57 | información | 16 | 0.20% | 71,36% |
| 58 | células | 16 | 0.20% | 71,56% |
| 59 | importante | 15 | 0.19% | 71,75% |
| 60 | electrónica | 15 | 0.19% | 71,93% |
| 61..1436 | % | % | ||
| 1437 | Total general | 7,977 | 100.00% | 100,00% |
Segunda palabra que asocian
Total país
Se observa que las primeras 30 palabras explican el 42% de las menciones, mostrando una distribución con mayor dispersión. Las principales palabras fueron “tecnología”, “salud”, “investigación” y “avance”.
#Frec.s
count_words_p5_2<-seleccion1%>%
dplyr::group_by(P5_2_p)%>%
dplyr::summarise(freq=sum(PONDERA,na.rm=TRUE))%>%
arrange(desc(freq))
count_words_p5_2<-count_words_p5_2%>%
mutate(freqrel=freq/sum(freq)*100)%>%
mutate(freqcum = cumsum(freq))%>%
mutate(freqcumrel = (freqcum/sum(freq))*100) %>%
bind_rows(summarise(., across(c(freq,freqrel), sum),
across(where(is.character), ~'Total general'),
across(c(freqcum,freqcumrel), last)))
count_words_p5_2$P5_2_p[which(is.na(count_words_p5_2$P5_2_p))] <- 'Ns/Nc'
#Vista preliminar tabla
count_words_p5_2%>%
select(P5_2_p,freq,freqrel,freqcumrel)%>%
gt_preview(top_n=60) %>%
tab_header(title = "Total país: ¿Qué otra palabra asocia a CIENCIA?
- Tabla de Frecuencias",
subtitle = "* Primeros 60 registros") %>%
cols_label(P5_2_p= "Ciencia (2da palabra asociada)",
freq= "Frec.",
freqrel="Frec. relativa %",
freqcumrel= "Frec. acumulada relativa %")%>%
gt_theme_espn() %>%
opt_stylize(style = 5, color = "blue") %>%
fmt_symbol_first(column = freqrel, suffix = "%")%>%
fmt_symbol_first(column = freqcumrel, suffix = "%")%>%
tab_options(table.font.size =12)%>%
tab_options(heading.title.font.size = 14)%>%
fmt_integer(columns = freq, force_sign = FALSE)%>%
fmt_number(columns = freqrel, decimals=2)| Total país: ¿Qué otra palabra asocia a CIENCIA? - Tabla de Frecuencias | ||||
| * Primeros 60 registros | ||||
| Ciencia (2da palabra asociada) | Frec. | Frec. relativa % | Frec. acumulada relativa % | |
|---|---|---|---|---|
| 1 | tecnología | 484 | 6.07% | 6,07% |
| 2 | salud | 273 | 3.42% | 9,49% |
| 3 | investigación | 262 | 3.28% | 12,77% |
| 4 | avance | 228 | 2.86% | 15,63% |
| 5 | medicina | 211 | 2.64% | 18,28% |
| 6 | conocimiento | 164 | 2.06% | 20,34% |
| 7 | futuro | 156 | 1.95% | 22,29% |
| 8 | estudio | 150 | 1.88% | 24,17% |
| 9 | desarrollo | 139 | 1.75% | 25,92% |
| 10 | laboratorio | 116 | 1.46% | 27,37% |
| 11 | progreso | 114 | 1.42% | 28,80% |
| 12 | descubrimiento | 113 | 1.41% | 30,21% |
| 13 | experimento | 103 | 1.30% | 31,51% |
| 14 | educación | 83 | 1.04% | 32,55% |
| 15 | innovación | 80 | 1.01% | 33,56% |
| 16 | Ns/Nc | 71 | 0.89% | 34,44% |
| 17 | naturaleza | 66 | 0.82% | 35,26% |
| 18 | química | 64 | 0.80% | 36,06% |
| 19 | bienestar | 61 | 0.76% | 36,82% |
| 20 | robótica | 57 | 0.71% | 37,53% |
| 21 | física | 55 | 0.69% | 38,22% |
| 22 | inteligencia | 55 | 0.69% | 38,91% |
| 23 | científicos | 54 | 0.68% | 39,59% |
| 24 | estudior | 54 | 0.67% | 40,26% |
| 25 | evolución | 52 | 0.65% | 40,92% |
| 26 | científico | 51 | 0.64% | 41,56% |
| 27 | biología | 51 | 0.64% | 42,20% |
| 28 | saber | 50 | 0.62% | 42,82% |
| 29 | sociales | 49 | 0.61% | 43,43% |
| 30 | vacunas | 47 | 0.59% | 44,02% |
| 31 | computadora | 46 | 0.58% | 44,60% |
| 32 | vida | 43 | 0.54% | 45,13% |
| 33 | economía | 38 | 0.47% | 45,61% |
| 34 | naturales | 37 | 0.46% | 46,07% |
| 35 | medio ambiente | 37 | 0.46% | 46,53% |
| 36 | crear | 36 | 0.45% | 46,98% |
| 37 | información | 35 | 0.44% | 47,42% |
| 38 | crecimiento | 35 | 0.44% | 47,86% |
| 39 | adelanto | 34 | 0.42% | 48,28% |
| 40 | mejora | 33 | 0.41% | 48,69% |
| 41 | ecología | 31 | 0.39% | 49,08% |
| 42 | ambiente | 31 | 0.39% | 49,48% |
| 43 | universidad | 30 | 0.38% | 49,85% |
| 44 | internet | 30 | 0.37% | 50,22% |
| 45 | inventos | 30 | 0.37% | 50,59% |
| 46 | enfermedad | 30 | 0.37% | 50,97% |
| 47 | ciencia | 27 | 0.34% | 51,30% |
| 48 | espacio | 27 | 0.33% | 51,64% |
| 49 | medicamentos | 26 | 0.33% | 51,97% |
| 50 | conicet | 26 | 0.32% | 52,29% |
| 51 | aprendizaje | 25 | 0.32% | 52,61% |
| 52 | nuclear | 25 | 0.32% | 52,92% |
| 53 | aprender | 24 | 0.30% | 53,23% |
| 54 | análisiss | 23 | 0.29% | 53,52% |
| 55 | politica | 22 | 0.28% | 53,80% |
| 56 | remedios | 22 | 0.28% | 54,08% |
| 57 | trabajo | 22 | 0.27% | 54,36% |
| 58 | mundo | 22 | 0.27% | 54,63% |
| 59 | matemáticas | 22 | 0.27% | 54,90% |
| 60 | laboratorios | 20 | 0.26% | 55,15% |
| 61..1907 | % | % | ||
| 1908 | Total general | 7,977 | 100.00% | 100,00% |
Gráfico dispersión
En este tipo de gráfico de dispersión se puede observar la distribución de las palabras asociadas a ciencia, donde el eje “x” indica la frecuencia relativa de determinada palabra de la primera mención, mientras que el eje “y” de la segunda mención.
En los gráficos se presentan aquellas palabras que fueron mencionadas tanto como primera y segunda opción.
Permite observar que las palabras más frecuentes están concentradas en la parte derecha superior del cuadrante del gráfico.
Total país
a<-merge(count_words_p5_,count_words_p5_2,by.x='P5_p',by.y='P5_2_p',all=TRUE)
a<-a[,c("P5_p","freqrel.x","freqrel.y")]
a<-subset(a, freqrel.x!=100)
a[is.na(a)] <- 0
fig <- plot_ly(data = a, x = ~freqrel.x, y = ~freqrel.y,
text = ~P5_p)
fig <- fig %>% layout(
title = list(
text = 'Palabras asociadas a "ciencia"',
xanchor="right",
yanchor = "top", # Anchors title to the top
x=0.5,
y = 1,
font = t
),
xaxis = list(title = 'Primera palabra - frec. relativa %'),
yaxis = list(title = 'Segunda palabra - frec. relativa %'),
plot_bgcolor = "#e5ecf6"
)
fig<-fig%>%layout(xaxis=list(hoverformat = '.2f'),
yaxis=list(hoverformat = '.2f'))
figTecnología
Primera palabra que asocian
Total país
Se observa que las 30 palabras con más frecuencia representan el 53% de las menciones. Las principales palabras mencionadas fueron “computadora/computación”, “avance”, “Celular”, e “Internet”.
count_words_p6_<-seleccion1%>%
dplyr::group_by(P6_p)%>%
dplyr::summarise(freq=sum(PONDERA,na.rm=TRUE))%>%
arrange(desc(freq))%>%
mutate(freqrel=freq/sum(freq)*100)%>%
mutate(freqcum = cumsum(freq))%>%
mutate(freqcumrel = (freqcum/sum(freq))*100) %>%
bind_rows(summarise(., across(c(freq,freqrel), sum),
across(where(is.character), ~'Total general'),
across(c(freqcum,freqcumrel), last) ))
count_words_p6_$P6_p[which(is.na(count_words_p6_$P6_p))] <- 'Ns/Nc'
count_words_p6_%>%
select(P6_p,freq,freqrel,freqcumrel)%>%
gt_preview(top_n=60) %>%
tab_header(title = "Total país: ¿Qué palabra asocia a Tecnología?
- Tabla de Frecuencias",
subtitle = "* Primeros 60 registros") %>%
cols_label(P6_p= "Tecnología, 1ª palabra asociada",
freq= "Frec.",
freqrel="Frec. relativa %",
#freqcum= "Frec. acumulada" ,
freqcumrel= "Frec. acumulada relativa %")%>%
gt_theme_espn() %>%
opt_stylize(style = 5, color = "blue") %>%
fmt_symbol_first(column = freqrel, suffix = "%")%>%
fmt_symbol_first(column = freqcumrel, suffix = "%")%>%
tab_options(table.font.size =12)%>%
tab_options(heading.title.font.size = 14)%>%
fmt_integer(columns = freq, force_sign = FALSE)%>%
fmt_number(columns = freqrel, decimals=2)| Total país: ¿Qué palabra asocia a Tecnología? - Tabla de Frecuencias | ||||
| * Primeros 60 registros | ||||
| Tecnología, 1ª palabra asociada | Frec. | Frec. relativa % | Frec. acumulada relativa % | |
|---|---|---|---|---|
| 1 | computadora | 578 | 7.24% | 7,24% |
| 2 | avance | 512 | 6.42% | 13,67% |
| 3 | celular | 421 | 5.28% | 18,95% |
| 4 | internet | 335 | 4.20% | 23,14% |
| 5 | futuro | 319 | 3.99% | 27,14% |
| 6 | robótica | 288 | 3.61% | 30,75% |
| 7 | innovación | 216 | 2.71% | 33,45% |
| 8 | informática | 150 | 1.88% | 35,34% |
| 9 | inteligencia artificial | 124 | 1.55% | 36,89% |
| 10 | progreso | 117 | 1.47% | 38,35% |
| 11 | desarrollo | 108 | 1.35% | 39,71% |
| 12 | ciencia | 106 | 1.32% | 41,03% |
| 13 | electrónica | 105 | 1.31% | 42,34% |
| 14 | adelanto | 101 | 1.26% | 43,60% |
| 15 | comunicación | 100 | 1.25% | 44,85% |
| 16 | inteligencia | 78 | 0.98% | 45,83% |
| 17 | máquina | 70 | 0.88% | 46,72% |
| 18 | conocimiento | 68 | 0.85% | 47,57% |
| 19 | crecimiento | 57 | 0.72% | 48,29% |
| 20 | nuevo | 55 | 0.69% | 48,98% |
| 21 | evolución | 54 | 0.68% | 49,66% |
| 22 | salud | 50 | 0.63% | 50,29% |
| 23 | información | 50 | 0.62% | 50,92% |
| 24 | redes | 49 | 0.61% | 51,52% |
| 25 | trabajo | 46 | 0.57% | 52,10% |
| 26 | industria | 44 | 0.55% | 52,65% |
| 27 | avanzada | 41 | 0.52% | 53,17% |
| 28 | técnica | 41 | 0.51% | 53,68% |
| 29 | programación | 39 | 0.49% | 54,17% |
| 30 | tecnología | 39 | 0.48% | 54,65% |
| 31 | atraso | 39 | 0.48% | 55,13% |
| 32 | actualidad | 38 | 0.48% | 55,61% |
| 33 | investigación | 37 | 0.47% | 56,08% |
| 34 | educación | 36 | 0.45% | 56,53% |
| 35 | comodidad | 36 | 0.45% | 56,98% |
| 36 | herramientas | 35 | 0.43% | 57,41% |
| 37 | avanzar | 33 | 0.41% | 57,82% |
| 38 | teléfono | 31 | 0.39% | 58,21% |
| 39 | recursos | 29 | 0.36% | 58,57% |
| 40 | mejora | 27 | 0.34% | 58,91% |
| 41 | actualización | 26 | 0.33% | 59,24% |
| 42 | inventos | 25 | 0.32% | 59,56% |
| 43 | sistemas | 23 | 0.29% | 59,85% |
| 44 | aparatos | 23 | 0.29% | 60,14% |
| 45 | medicina | 22 | 0.28% | 60,42% |
| 46 | arsat | 22 | 0.28% | 60,69% |
| 47 | digital | 22 | 0.27% | 60,96% |
| 48 | maquinaria | 21 | 0.26% | 61,23% |
| 49 | industrial | 21 | 0.26% | 61,49% |
| 50 | productos | 21 | 0.26% | 61,75% |
| 51 | comunicaciones | 19 | 0.24% | 61,99% |
| 52 | herramienta | 19 | 0.24% | 62,23% |
| 53 | crear | 19 | 0.24% | 62,46% |
| 54 | novedad | 19 | 0.24% | 62,70% |
| 55 | facilidad | 18 | 0.23% | 62,93% |
| 56 | redes sociales | 18 | 0.23% | 63,15% |
| 57 | utilidad | 17 | 0.22% | 63,37% |
| 58 | inta | 17 | 0.22% | 63,59% |
| 59 | electricidad | 17 | 0.22% | 63,80% |
| 60 | electrodomésticos | 17 | 0.21% | 64,02% |
| 61..1559 | % | % | ||
| 1560 | Total general | 7,977 | 100.00% | 100,00% |
Segunda palabra que asocian
Total país
Cuando se pregunta por la segunda palabra asociada a “tecnología” se observa que las 30 palabras con más frecuencia explican sólo el 40% de las menciones. En este caso las principales palabras fueron “avance”, “computadora/computación”, “futuro”, “celular”, entre otras.
count_words_p6_2<-seleccion1%>%
dplyr::group_by(P6_2_p)%>%
dplyr::summarise(freq=sum(PONDERA,na.rm=TRUE))%>%
arrange(desc(freq))%>%
mutate(freqrel=freq/sum(freq)*100)%>%
mutate(freqcum = cumsum(freq))%>%
mutate(freqcumrel = (freqcum/sum(freq))*100) %>%
bind_rows(summarise(., across(c(freq,freqrel), sum),
across(where(is.character), ~'Total general'),
across(c(freqcum,freqcumrel), last)
))
count_words_p6_2$P6_2_p[which(is.na(count_words_p6_2$P6_2_p))] <- 'Ns/Nc'
count_words_p6_2%>%
select(P6_2_p,freq,freqrel,freqcumrel)%>%
gt_preview(top_n=60) %>%
tab_header(title = "Total país: ¿Qué otra palabra asocia a Tecnología?
- Tabla de Frecuencias",
subtitle = "* Primeros 60 registros") %>%
cols_label(P6_2_p= "Tecnología, 2ª palabra asociada",
freq= "Frec.",
freqrel="Frec. relativa %",
#freqcum= "Frec. acumulada" ,
freqcumrel= "Frec. acumulada relativa %")%>%
gt_theme_espn() %>%
opt_stylize(style = 5, color = "blue") %>%
fmt_symbol_first(column = freqrel, suffix = "%")%>%
fmt_symbol_first(column = freqcumrel, suffix = "%")%>%
opt_all_caps()%>%
tab_options(table.font.size =12)%>%
tab_options(heading.title.font.size = 14)%>%
fmt_integer(columns = freq, force_sign = FALSE)%>%
fmt_number(columns = freqrel, decimals=2) | Total país: ¿Qué otra palabra asocia a Tecnología? - Tabla de Frecuencias | ||||
| * Primeros 60 registros | ||||
| Tecnología, 2ª palabra asociada | Frec. | Frec. relativa % | Frec. acumulada relativa % | |
|---|---|---|---|---|
| 1 | computadora | 377 | 4.73% | 4,73% |
| 2 | avance | 344 | 4.32% | 9,04% |
| 3 | futuro | 298 | 3.73% | 12,77% |
| 4 | celular | 271 | 3.40% | 16,17% |
| 5 | robótica | 224 | 2.81% | 18,98% |
| 6 | internet | 205 | 2.58% | 21,55% |
| 7 | inteligencia artificial | 128 | 1.61% | 23,16% |
| 8 | innovación | 116 | 1.45% | 24,61% |
| 9 | progreso | 114 | 1.43% | 26,04% |
| 10 | desarrollo | 107 | 1.34% | 27,37% |
| 11 | ciencia | 77 | 0.96% | 28,33% |
| 12 | comunicación | 75 | 0.94% | 29,28% |
| 13 | crecimiento | 69 | 0.87% | 30,14% |
| 14 | mejora | 67 | 0.84% | 30,98% |
| 15 | informática | 64 | 0.81% | 31,79% |
| 16 | salud | 64 | 0.80% | 32,59% |
| 17 | crear | 64 | 0.80% | 33,39% |
| 18 | medicina | 60 | 0.75% | 34,14% |
| 19 | máquina | 60 | 0.75% | 34,89% |
| 20 | conocimiento | 59 | 0.74% | 35,63% |
| 21 | trabajo | 58 | 0.73% | 36,36% |
| 22 | educación | 57 | 0.72% | 37,08% |
| 23 | información | 56 | 0.71% | 37,79% |
| 24 | adelanto | 56 | 0.70% | 38,49% |
| 25 | bienestar | 52 | 0.65% | 39,14% |
| 26 | investigación | 50 | 0.62% | 39,77% |
| 27 | inteligencia | 49 | 0.61% | 40,38% |
| 28 | redes | 46 | 0.58% | 40,96% |
| 29 | evolución | 41 | 0.51% | 41,47% |
| 30 | aparatos | 38 | 0.48% | 41,95% |
| 31 | artificial | 36 | 0.46% | 42,41% |
| 32 | actualidad | 36 | 0.45% | 42,86% |
| 33 | electrónica | 36 | 0.45% | 43,31% |
| 34 | comodidad | 35 | 0.44% | 43,75% |
| 35 | herramientas | 35 | 0.44% | 44,19% |
| 36 | wifi | 33 | 0.42% | 44,60% |
| 37 | digital | 33 | 0.41% | 45,01% |
| 38 | Ns/Nc | 32 | 0.40% | 45,41% |
| 39 | programación | 31 | 0.39% | 45,81% |
| 40 | tecnología | 31 | 0.38% | 46,19% |
| 41 | estudior | 30 | 0.38% | 46,57% |
| 42 | facilidad | 29 | 0.37% | 46,94% |
| 43 | industria | 29 | 0.36% | 47,30% |
| 44 | estudio | 28 | 0.35% | 47,65% |
| 45 | técnica | 26 | 0.33% | 47,98% |
| 46 | electricidad | 26 | 0.33% | 48,30% |
| 47 | aprendizaje | 25 | 0.32% | 48,62% |
| 48 | oportunidad | 25 | 0.31% | 48,93% |
| 49 | recursos | 25 | 0.31% | 49,24% |
| 50 | redes sociales | 24 | 0.30% | 49,54% |
| 51 | sistemas | 23 | 0.29% | 49,83% |
| 52 | autos | 23 | 0.29% | 50,12% |
| 53 | seguridad | 22 | 0.28% | 50,40% |
| 54 | rapidez | 21 | 0.26% | 50,67% |
| 55 | nuevo | 20 | 0.25% | 50,92% |
| 56 | descubrimiento | 20 | 0.25% | 51,18% |
| 57 | atraso | 19 | 0.24% | 51,42% |
| 58 | capacitación | 19 | 0.23% | 51,65% |
| 59 | confort | 18 | 0.23% | 51,88% |
| 60 | tv | 18 | 0.23% | 52,10% |
| 61..2128 | % | % | ||
| 2129 | Total general | 7,977 | 100.00% | 100,00% |
Gráfico dispersión
Total país
a<-merge(count_words_p6_,count_words_p6_2,by.x='P6_p',by.y='P6_2_p', all=TRUE)
a<-a[,c("P6_p","freqrel.x","freqrel.y")]
a<-subset(a, freqrel.x!=100)
a[is.na(a)] <- 0
fig <- plot_ly(data = a, x = ~freqrel.x, y = ~freqrel.y, text = ~P6_p,type='scatter')
fig <- fig %>% layout(
title = list(
text = 'Palabras asociadas a "tecnología"',
xanchor = "right", # Aligns title to the left
yanchor = "top", # Anchors title to the top
y = 1,
x=0.5,
font = t
),
xaxis = list(title = 'Primera palabra - frec. relativa %'),
yaxis = list(title = 'Segunda palabra - frec. relativa %'),
plot_bgcolor = "#e5ecf6"
)
fig%>%layout(xaxis=list(hoverformat = '.2f'),
yaxis=list(hoverformat = '.2f'))Innovación
Primera palabra que asocian
Total país
Las primeras 30 palabras explican el 56% y arriba del ranking se encuentran “nuevo”,“mejora”, “tecnología” y “crear”.
#Frec.s
count_words_p20_1<-seleccion1%>%
dplyr::group_by(P20_1_p)%>%
dplyr::summarise(freq=sum(PONDERA,na.rm=TRUE))%>%
arrange(desc(freq))%>%
mutate(freqrel=freq/sum(freq)*100)%>%
mutate(freqcum = cumsum(freq))%>%
mutate(freqcumrel = (freqcum/sum(freq))*100)%>%
bind_rows(summarise(., across(c(freq,freqrel), sum),
across(where(is.character), ~'Total general'),
across(c(freqcum,freqcumrel), last)))
count_words_p20_1$P20_1_p[which(is.na(count_words_p20_1$P20_1_p))] <- 'Ns/Nc'
#Vista preliminar tabla
count_words_p20_1%>%
select(P20_1_p,freq,freqrel,freqcumrel)%>%
gt_preview(top_n=60) %>%
tab_header(title = "Total país: Qué palabra asocia a Innovación?
- Tabla de Frecuencias",
subtitle = "* Primeros 60 registros") %>%
cols_label(P20_1_p= "Innovación - Primera palabra asociada",
freq= "Frec.",
freqrel="Frec. relativa %",
freqcumrel= "Frec. acumulada relativa %")%>%
gt_theme_espn() %>%
opt_stylize(style = 5, color = "blue") %>%
fmt_symbol_first(column = freqrel, suffix = "%")%>%
fmt_symbol_first(column = freqcumrel, suffix = "%")%>%
opt_all_caps()%>%
tab_options(table.font.size =12)%>%
tab_options(heading.title.font.size = 14)%>%
fmt_integer(columns = freq, force_sign = FALSE)%>%
fmt_number(columns = freqrel, decimals=2)| Total país: Qué palabra asocia a Innovación? - Tabla de Frecuencias | ||||
| * Primeros 60 registros | ||||
| Innovación - Primera palabra asociada | Frec. | Frec. relativa % | Frec. acumulada relativa % | |
|---|---|---|---|---|
| 1 | nuevo | 1,043 | 13.07% | 13,1% |
| 2 | mejora | 384 | 4.81% | 17,9% |
| 3 | tecnología | 362 | 4.54% | 22,4% |
| 4 | crear | 296 | 3.71% | 26,1% |
| 5 | cambio | 231 | 2.90% | 29,0% |
| 6 | futuro | 201 | 2.52% | 31,5% |
| 7 | Ns/Nc | 187 | 2.34% | 33,9% |
| 8 | progreso | 171 | 2.15% | 36,0% |
| 9 | desarrollo | 152 | 1.91% | 37,9% |
| 10 | educación | 136 | 1.71% | 39,7% |
| 11 | creatividad | 124 | 1.55% | 41,2% |
| 12 | novedad | 121 | 1.52% | 42,7% |
| 13 | cambios | 116 | 1.46% | 44,2% |
| 14 | renovar | 108 | 1.35% | 45,5% |
| 15 | avance | 106 | 1.32% | 46,9% |
| 16 | salud | 104 | 1.31% | 48,2% |
| 17 | descubrimiento | 84 | 1.06% | 49,2% |
| 18 | cambiar | 76 | 0.96% | 50,2% |
| 19 | calidad | 70 | 0.88% | 51,1% |
| 20 | crecimiento | 59 | 0.73% | 51,8% |
| 21 | ciencia | 57 | 0.72% | 52,5% |
| 22 | investigación | 57 | 0.72% | 53,2% |
| 23 | inteligencia artificial | 54 | 0.68% | 53,9% |
| 24 | cosas nuevo | 53 | 0.67% | 54,6% |
| 25 | innovación | 51 | 0.64% | 55,2% |
| 26 | trabajo | 49 | 0.62% | 55,8% |
| 27 | energía | 49 | 0.62% | 56,4% |
| 28 | adelanto | 47 | 0.59% | 57,0% |
| 29 | novedoso | 42 | 0.53% | 57,6% |
| 30 | renovación | 42 | 0.53% | 58,1% |
| 31 | evolución | 41 | 0.51% | 58,6% |
| 32 | calidad vida | 37 | 0.47% | 59,1% |
| 33 | invento | 37 | 0.46% | 59,5% |
| 34 | ideas | 32 | 0.40% | 59,9% |
| 35 | estudio | 32 | 0.40% | 60,3% |
| 36 | tecnologica | 32 | 0.40% | 60,7% |
| 37 | tecnológica | 30 | 0.38% | 61,1% |
| 38 | crecer | 30 | 0.38% | 61,5% |
| 39 | actualización | 29 | 0.37% | 61,9% |
| 40 | seguridad | 28 | 0.36% | 62,2% |
| 41 | robótica | 28 | 0.35% | 62,6% |
| 42 | recursos | 26 | 0.32% | 62,9% |
| 43 | medicina | 25 | 0.32% | 63,2% |
| 44 | avanzar | 24 | 0.29% | 63,5% |
| 45 | experimentar | 22 | 0.28% | 63,8% |
| 46 | investigar | 21 | 0.27% | 64,0% |
| 47 | inventar | 21 | 0.26% | 64,3% |
| 48 | bienestar | 20 | 0.26% | 64,6% |
| 49 | modernidad | 20 | 0.25% | 64,8% |
| 50 | conocimiento | 20 | 0.25% | 65,1% |
| 51 | mejoramiento | 19 | 0.24% | 65,3% |
| 52 | progresar | 19 | 0.24% | 65,5% |
| 53 | actualidad | 19 | 0.23% | 65,8% |
| 54 | modificar | 18 | 0.23% | 66,0% |
| 55 | pobreza | 18 | 0.23% | 66,2% |
| 56 | proyectos | 17 | 0.21% | 66,4% |
| 57 | sustentabilidad | 17 | 0.21% | 66,7% |
| 58 | empresa | 16 | 0.20% | 66,9% |
| 59 | nuevo tecnologías | 16 | 0.20% | 67,0% |
| 60 | inventos | 15 | 0.19% | 67,2% |
| 61..1633 | % | % | ||
| 1634 | Total general | 7,977 | 100.00% | 100,0% |
Segunda palabra que asocian
Total país
Al preguntar por la segunda palabra asocia a “innovación”, las 30 principales palabras dan cuenta del 37% de las menciones. Y se destacan las palabras “mejora”, “nuevo”, “desarrollo” y “futuro”.
#Frec.s
count_words_p20_2<-seleccion1%>%
dplyr::group_by(P20_2_p)%>%
dplyr::summarise(freq=sum(PONDERA,na.rm=TRUE))%>%
arrange(desc(freq))%>%
mutate(freqrel=freq/sum(freq)*100)%>%
mutate(freqcum = cumsum(freq))%>%
mutate(freqcumrel = (freqcum/sum(freq))*100)
count_words_p20_2$P20_2_p[which(is.na(count_words_p20_2$P20_2_p))] <- 'Ns/Nc'
count_words_p20_2%>%
select(P20_2_p,freq,freqrel,freqcumrel)%>%
gt_preview(top_n=60) %>%
tab_header(title = "Total país: ¿Qué otra palabra asocia a Innovación?
- Tabla de Frecuencias",
subtitle = "* Primeros 60 registros") %>%
cols_label(P20_2_p= "Innovación - Segunda palabra asociada",
freq= "Frec.",
freqrel="Frec. relativa %",
freqcumrel= "Frec. acumulada relativa %")%>%
gt_theme_espn() %>%
opt_stylize(style = 5, color = "blue") %>%
fmt_symbol_first(column = freqrel, suffix = "%")%>%
fmt_symbol_first(column = freqcumrel, suffix = "%")%>%
opt_all_caps()%>%
tab_options(table.font.size =12)%>%
fmt_integer(columns = freq, force_sign = FALSE)%>%
fmt_number(columns = freqrel, decimals=2) | Total país: ¿Qué otra palabra asocia a Innovación? - Tabla de Frecuencias | ||||
| * Primeros 60 registros | ||||
| Innovación - Segunda palabra asociada | Frec. | Frec. relativa % | Frec. acumulada relativa % | |
|---|---|---|---|---|
| 1 | mejora | 382 | 4.79% | 4,79% |
| 2 | nuevo | 230 | 2.88% | 7,67% |
| 3 | Ns/Nc | 229 | 2.88% | 10,55% |
| 4 | desarrollo | 193 | 2.41% | 12,96% |
| 5 | futuro | 181 | 2.26% | 15,22% |
| 6 | educación | 170 | 2.13% | 17,36% |
| 7 | tecnología | 152 | 1.90% | 19,26% |
| 8 | progreso | 138 | 1.73% | 20,99% |
| 9 | crear | 124 | 1.56% | 22,54% |
| 10 | avance | 119 | 1.49% | 24,04% |
| 11 | salud | 118 | 1.47% | 25,51% |
| 12 | cambio | 108 | 1.35% | 26,86% |
| 13 | trabajo | 89 | 1.12% | 27,98% |
| 14 | calidad | 82 | 1.03% | 29,01% |
| 15 | descubrimiento | 82 | 1.03% | 30,04% |
| 16 | adelanto | 76 | 0.95% | 30,98% |
| 17 | ciencia | 60 | 0.76% | 31,74% |
| 18 | novedad | 58 | 0.73% | 32,47% |
| 19 | renovar | 52 | 0.65% | 33,12% |
| 20 | ideas | 52 | 0.65% | 33,77% |
| 21 | cambiar | 51 | 0.64% | 34,41% |
| 22 | crecimiento | 51 | 0.64% | 35,05% |
| 23 | cambios | 47 | 0.59% | 35,64% |
| 24 | investigación | 46 | 0.57% | 36,22% |
| 25 | bienestar | 44 | 0.55% | 36,76% |
| 26 | creatividad | 42 | 0.53% | 37,30% |
| 27 | seguridad | 41 | 0.51% | 37,81% |
| 28 | novedoso | 36 | 0.45% | 38,25% |
| 29 | aprender | 35 | 0.44% | 38,70% |
| 30 | informática | 34 | 0.43% | 39,13% |
| 31 | eficiencia | 34 | 0.42% | 39,55% |
| 32 | calidad vida | 33 | 0.42% | 39,97% |
| 33 | recursos | 33 | 0.42% | 40,39% |
| 34 | información | 32 | 0.41% | 40,79% |
| 35 | moderno | 32 | 0.40% | 41,19% |
| 36 | economía | 31 | 0.39% | 41,58% |
| 37 | util | 31 | 0.39% | 41,97% |
| 38 | avanzar | 30 | 0.38% | 42,35% |
| 39 | igualdad | 30 | 0.37% | 42,72% |
| 40 | crecer | 28 | 0.35% | 43,07% |
| 41 | renovación | 28 | 0.35% | 43,41% |
| 42 | oportunidad | 26 | 0.33% | 43,74% |
| 43 | estudio | 26 | 0.33% | 44,07% |
| 44 | distinto | 26 | 0.33% | 44,40% |
| 45 | mejoramiento | 26 | 0.33% | 44,72% |
| 46 | reemplazar | 25 | 0.32% | 45,04% |
| 47 | diferente | 25 | 0.32% | 45,36% |
| 48 | actualizar | 25 | 0.32% | 45,67% |
| 49 | actualización | 25 | 0.31% | 45,99% |
| 50 | investigar | 23 | 0.29% | 46,28% |
| 51 | comunicación | 23 | 0.29% | 46,57% |
| 52 | modernizar | 22 | 0.28% | 46,85% |
| 53 | unico | 22 | 0.28% | 47,13% |
| 54 | alimentación | 22 | 0.27% | 47,40% |
| 55 | medicina | 21 | 0.27% | 47,67% |
| 56 | innovación | 21 | 0.27% | 47,94% |
| 57 | capacitación | 21 | 0.26% | 48,20% |
| 58 | importante | 20 | 0.25% | 48,45% |
| 59 | bueno | 20 | 0.24% | 48,69% |
| 60 | novedades | 19 | 0.24% | 48,94% |
| 61..2308 | % | % | ||
| 2309 | viviendas | 0 | 0.00% | 100,00% |
Gráfico de dispersión
Total país
a<-merge(count_words_p20_1,count_words_p20_2,by.x='P20_1_p',by.y='P20_2_p',all=TRUE)
a<-a[,c("P20_1_p","freqrel.x","freqrel.y")]
a<-subset(a, freqrel.x!=100)
a[is.na(a)] <- 0
fig <- plot_ly(data = a, x = ~freqrel.x, y = ~freqrel.y, text = ~P20_1_p,type='scatter')
fig <- fig %>% layout(
title = list(
text = 'Palabras asociadas a "innovación"',
xanchor = "right",
yanchor = "top",
x = 0.5,
y = 1,
font = t
),
xaxis = list(title = 'Primera palabra - frec. relativa %'),
yaxis = list(title = 'Segunda palabra - frec. relativa %'),
plot_bgcolor = "#e5ecf6")
fig%>%layout(xaxis=list(hoverformat = '.2f'),
yaxis=list(hoverformat = '.2f'))Nubes de palabras
A continuación se presentan las bolsas de palabras para las palabras ciencia, tecnología e innovación. Para su elaboración, se contemplaron aquellas palabras que acumulaban el 60% de las menciones a fines de que el gráfico no se superpongan/corten las palabras.
Ciencia
Total país
par(mfrow=c(1,2))
#Nube de palabras CIENCIA 1
count_words_p5_<-subset(count_words_p5_, P5_p!="Total general")
max_words=nrow(select(subset(count_words_p5_,freqcumrel<=60),"P5_p"))
set.seed(1234)
wordcloud(words = count_words_p5_$P5_p,
freq=count_words_p5_$freq,
min.freq=1,max.words=max_words,
scale=c(2.5,.3),
colors=PaletteDNIC,
rot.per=0,
random.order = FALSE,
fixed.asp=FALSE)
text(0.52,0.9,"Total país: 1ª y 2ª palabra asociada a ciencia",cex=0.9,font=3)
#Nube de palabras CIENCIA 2
count_words_p5_2<-subset(count_words_p5_2, P5_2_p!="Total general")
max_words<-nrow(select(subset(count_words_p5_2,freqcumrel<=60 & P5_2_p!="Total general"),"P5_2_p"))
set.seed(1234) # for reproducibility
wordcloud(words = count_words_p5_2$P5_2_p,
freq=count_words_p5_2$freq,
min.freq=1,
max.words=max_words ,
scale=c(2.2,.3),
colors=PaletteDNIC,
rot.per=0,
random.order = FALSE,
fixed.asp=FALSE)
Tecnología
Total país
par(mfrow=c(1,2))
#Nube de palabras TECNOLOGÍA 1
count_words_p6_<-subset(count_words_p6_, P6_p!="Total general")
max_words<-nrow(select(subset(count_words_p6_,freqcumrel<=60),"P6_p"))
set.seed(1234) # for reproducibility
wordcloud(words = count_words_p6_$P6_p,
freq=count_words_p6_$freq,
min.freq=1,max.words=max_words,
scale=c(2.1,.25),
colors=PaletteDNIC,
rot.per=0,
random.order = FALSE,
fixed.asp=FALSE)
text(0.52,0.9,"Total país: 1ª y 2ª palabra asociada a tecnología",cex=0.9,font=3)
#Nube de palabras TECNOLOGÍA 2
count_words_p6_2<-subset(count_words_p6_2, P6_2_p!="Total general")
max_words<-nrow(select(subset(count_words_p6_2,freqcumrel<=60),"P6_2_p"))
set.seed(1234) # for reproducibility
wordcloud(words = count_words_p6_2$P6_2_p,
freq=count_words_p6_2$freq,
min.freq=1,max.words=max_words,
scale=c(2.1,.25),
colors=PaletteDNIC,
rot.per=0,
random.order = FALSE,
fixed.asp=FALSE)
Innovación
Total país
#png(filename = "G:/bolsa3.png", width = 1100, height = 700, res = 150)
par(mfrow=c(1,2))
#Nube de palabras INNOVACIÓN 1
count_words_p20_1<-subset(count_words_p20_1, P20_1_p!="Total general")
max_words<-nrow(select(subset(count_words_p20_1,freqcumrel<=60),"P20_1_p"))
set.seed(1234) # for reproducibility
wordcloud(words = count_words_p20_1$P20_1_p,
freq=count_words_p20_1$freq,
min.freq=1,max.words=max_words,
scale=c(2.3,.3),
colors=PaletteDNIC,
rot.per=0,
random.order = FALSE,
fixed.asp=FALSE)
text(0.5,0.9,"Total país: 1ª y 2ª palabra asociada a innovación",cex=0.9,font=3)
#Nube de palabras INNOVACIÓN 2
count_words_p20_2<-subset(count_words_p20_2, P20_2_p!="Total general")
max_words<-nrow(select(subset(count_words_p20_2,freqcumrel<=60),"P20_2_p"))
set.seed(1234)
wordcloud(words = count_words_p20_2$P20_2_p,
freq=count_words_p20_2$freq,
min.freq=1,max.words=max_words,
scale=c(1.95,.25),
colors=PaletteDNIC,
rot.per=0,
random.order = FALSE,
fixed.asp=FALSE)
Glosario
Minería de texto: Es el proceso de extracción de información útil y patrones significativos de grandes conjuntos de datos de texto utilizando técnicas de procesamiento del lenguaje natural (NLP), estadísticas y aprendizaje automático.
Procesamiento de lenguaje natural: El procesamiento del lenguaje natural (PLN) es una rama de la inteligencia artificial (IA) que combina la lingüística computacional (modelización del lenguaje humano basada en reglas) con modelos estadísticos y de machine learning para que los ordenadores y dispositivos digitales reconozcan, comprendan y analicen texto y/o voz.
Tokenización: La tokenización es el proceso de dividir el texto en unidades más pequeñas, llamadas tokens, que generalmente corresponden a palabras o frases.
Stemming: El stemming es un proceso de normalización de palabras por el cual se reducen las palabras a sus raíces o morfema, lo que permite mejorar la eficiencia y precisión en tareas como el análisis de variación de una palabra, la clasificación de texto, la agrupación y la recuperación de información.
Misspelled: Refiere a la identificación de las palabras “mal escritas”.
Words Cloud: Una nube de palabras es un recurso visual que normalmente se utiliza para representar un conjunto de ideas, palabras, conceptos o etiquetas de manera gráfica. Permite identificar de forma visual cuales son las palabras más significativas y con mayor frecuencia.
Bigramas: Los bigramas son aquellas palabras que están conformadas por dos palabras consecutivas en un texto, como por ejemplo “investigación aplicada”.
Palabras vacías: Las palabras vacías son aquellas palabras sin significado significativo, como artículos, pronombres, preposiciones, etc. que suelen ser filtradas antes o después del procesamiento de datos de lenguaje natural.