Mensaje a la Nación 2024

“Análisis de Tópicos Ocultos en el Mensaje Presidencial del Perú: Minería de Texto con R”

Este análisis automatizado procesa el mensaje presidencial del Perú aplicando tokenización, limpieza textual y modelado LDA en R, para descubrir los 4 ejes temáticos centrales del discurso. Mediante algoritmos no supervisados, transformamos un PDF de 80+ páginas en un conjunto de palabras clave por tópico (ej: “inversión”, “seguridad”, “desarrollo rural”), cuantificando su relevancia y detectando énfasis políticos. Ideal para cientistas de datos y analistas políticos que buscan objetividad en el análisis de discursos públicos.

Cargar las librerias necesarias Recordar que si no corre es necesario instalar

library(pdftools) #Extraer texto de PDFs.
library(tidytext) # Tokenizar y analizar texto.
library(stringr) #Manipular cadenas de texto.
library(tm) # Limpieza y corpus de texto.
library(topicmodels) #Modelado de tópicos (LDA).

Importar el PDF

pdf_file <- file.choose()
texto_pdf <- pdf_text(pdf_file) |> paste(collapse = " ")  # Unir todas las páginas

Limpieza básica

texto_limpio <- texto_pdf |> 
  str_replace_all("[[:punct:]]", "") |>  # Remover puntuación
  str_replace_all("\\d+", "")            # Remover números

LDA

Crear Corpus y DTM

corpus <- Corpus(VectorSource(texto_limpio)) |> 
  tm_map(removeWords, stopwords("spanish")) |> 
  tm_map(stripWhitespace)

Aviso: transformation drops documentsAviso: transformation drops documents

dtm <- DocumentTermMatrix(corpus)
dtm <- dtm[rowSums(as.matrix(dtm)) > 0, ]  # Remover filas vacías

Modelo de LDA

lda_model <- LDA(dtm, k = 4, control = list(seed = 1234))  # 4 temas

Palabras clave por tema

terms(lda_model, 8)  # Top 8 palabras por tema

     Topic 1        Topic 2      Topic 3      Topic 4     
[1,] "país"         "soles"      "inversión"  "millones"  
[2,] "millones"     "perú"       "millones"   "nacional"  
[3,] "nacional"     "gobierno"   "gobierno"   "año"       
[4,] "inversión"    "país"       "soles"      "soles"     
[5,] "año"          "lima"       "perú"       "personas"  
[6,] "construcción" "desarrollo" "personas"   "desarrollo"
[7,] "través"       "nacional"   "año"        "servicio"  
[8,] "ministerio"   "millones"   "desarrollo" "con"       

Posibles Temas Asociados

Tópico 1: Infraestructura y Gestión Pública Palabras clave: país, millones, nacional, inversión, construcción, ministerio. Posible enfoque: Obras públicas, presupuesto estatal.

Tópico 2: Política Económica y Desarrollo Palabras clave: soles, perú, gobierno, desarrollo, lima. Posible enfoque: Políticas económicas, crecimiento regional.

Tópico 3: Inversión Social Palabras clave: inversión, millones, gobierno, personas, desarrollo. Posible enfoque: Programas sociales, gasto público en educación/salud.

Tópico 4: Cifras Macroeconómicas Palabras clave: millones, nacional, año, soles, servicio. Posible enfoque: Reportes financieros, metas anuales.