Caso de estudio: Estado de ánimo de la población con base a Twitter
A lo largo del inicio de la pandemia y hasta la fecha, el ánimo de la población en la red social de Twitter ha cambiado, debido a todos los cambios que se han vivido y a la necesidad de expresar las opiniones al mundo de los usuarios. Este caso de estudio tiene como objetivo analizar y desarrollar datos acerca del fenómeno de cambio que se ha sufrido.
Paquetes
library(pacman)
p_load("prettydoc", "DT", "xfun", "readr", "tidyverse", "lubridate")
library(tidyverse)
library(lubridate)Base de datos
Se utilizó una base de datos proporcionada por el INEGI, que muestra una recolección mensual de los tweets ralizados por usuarios de ésta red social y su estado de ánimo determinado por crowd sourcing.
tweets <- read.csv("data.csv")
datatable(tweets)Series de tiempo
Para poder realizar una análisis de los datos, se realizarán dos lineas de tiempo contando la cantidad de tweets positivos y tweets negativos.
Tweets negativos
twnegativos= ts(tweets[,2], start = c(2016,1), frequency = 12)
twnegativos## Jan Feb Mar Apr May Jun Jul Aug Sep
## 2016 1269505 1098442 1296862 1360176 1471456 1447713 1400805 1409549 1249556
## 2017 1111055 839741 913258 879140 950982 937504 1017777 1061594 1121534
## 2018 979590 823538 874928 919958 962143 977397 973853 911492 873887
## 2019 1002072 830987 805462 856362 930553 845361 919105 914267 871382
## 2020 910478 821080 1074477 1009693 876647 881263 833359 734165 730707
## 2021 657955 563522 596792 584700 622332 584759 589127 629633 575464
## 2022 473841 481918 187467
## Oct Nov Dec
## 2016 1158539 1115302 1026908
## 2017 1053574 1005122 913317
## 2018 900311 825612 886797
## 2019 928513 895207 856048
## 2020 722761 698654 647336
## 2021 591243 532135 511482
## 2022Tweets positivos
twpositivos= ts(tweets[,7], start = c(2016,1), frequency = 12)
twpositivos## Jan Feb Mar Apr May Jun Jul Aug Sep
## 2016 2969416 2723594 3107992 3071268 3323134 3265776 3209465 3108560 2679760
## 2017 2371156 1960168 2058100 1983048 2217147 2084986 2209219 2179492 2103424
## 2018 1965079 1676261 1837346 1859406 1834512 1915065 1878321 1715393 1595554
## 2019 1717695 1515267 1497685 1540305 1652527 1512788 1653299 1627808 1552695
## 2020 1645067 1461876 1695264 1616672 1447602 1443115 1469359 1310832 1337907
## 2021 1232999 1080566 1157603 1145663 1197452 1132634 1168516 1216017 1150502
## 2022 1014953 1007573 334762
## Oct Nov Dec
## 2016 2608474 2431872 2336375
## 2017 2071934 1927549 1824798
## 2018 1667000 1544785 1614061
## 2019 1636115 1600754 1610295
## 2020 1345302 1319084 1270996
## 2021 1209192 1117451 1126189
## 2022Gráficas
Los datos monstrados anteriormente se mostrarán de forma gráfica
plot(twnegativos,main="Número mensual de tweets negativos", xlab="fecha", ylab="Tweets negativos")
La pandemia en México comenzó en Marzo del 2019, aproximadamente en esa fecha se muestra un pico de aumento en la cantidad de tweets negativos, ésta cantidad va bajando constantemente con unas cuantas excepciones de aumento de cantidad. Sin embargo, hay una reducción de cantidad de tweets en general.
Número de tweets positivos
plot(twpositivos,main="Número mensual de tweets positivos", xlab="fecha", ylab="Tweets positivos")
Aquí se puede observar que aproximadamente como la cantidad de tweets positivos va disminuyendo incluso desde antes del inicio de la cuarentena.
Conclusión
El aumento de tweets negativos tiene una relación de fecha con el inicio de la cuarentena, sin embargo, si se toma en cuenta la cantidad de tweets en general, puede haber mucho ruido en los resultados, esto debido a que la disminución del uso de twitter está relacionado al auge de otras redes sociales como TikTok. Conforme avanza la pandemia, a pesar de no estar completamente recuperados emocionalmente, algunas personas tienen mas sentimientos positivos al reanudar sus actividades comúnes ayudados con la seguridad de la vacuna, esta también podría ser la razón por la cual la cantidad de tweets negativos no va en un aumento constante.