Introducción

En México el Instituto Nacional de Estadística y Geografía (INEGI) tiene una aplicación capaz de distinguir el estado de ánimo de los Mexicanos usuarios de Twitter (Red social enfocada a compartir información) a partir de de los tweets (Texto corto de 280 caracteres) que estos mismos postean en sus perfiles, la forma en la que este algoritmo funciona esta documentada en el siguiente un dato muy importante a tomar en cuenta, es que no se toman en cuenta los tweets de todos los Mexicanos, sólo se toman aquellos tweets dónde el usuario habilitó la opción de “georeferencia”.

En el presente documento analizaremos cómo ha variado el discurso de los Mexicanos en twitter desde 2016 hasta el día de hoy en 2022.

Logo de Twitter

Covid-19: Un problema mundial

Sin duda alguna no hay nada que nos cambie más de manera emocional que un cambio de paradigmas a los que estamos impuestos o vemos como “normalidad”, como bien sabemos, el virus Sars-Covid 19 llegó a México en los primeros meses del año 2020, pero se tomaron acciones por parte de la secretaría de salud hasta marzo del mismo año cuando se comenzó a preveer que habría contagios masivos, algunas de las acciones fue el aislamiento de todas las personas entre otras medidas que disminuían la interacción social.

Con base a lo anterior, analizaremos más a detalle cómo la pandemia de covid-19 afectó al estado de animo de las personas (si lo afectó de alguna manera) en comparación a cómo se comportaban años atrás y realizaremos una comparación para ver si el discurso ha mejorado, empeorado o se ha mantenido igual a lo largo del tiempo.

Imagen Ilustrativa 1.1

Objetivo

El objetivo del siguiente caso de estudio es analizar los datos proporcionados por el Instituto Nacional de Estadística y Geografía para comparar estado de ánimo de los twitteros en México entre los años 2016-2022, esto con el fin de observar la variabilidad de tweets positivos o negativos antes y durante el evento que azotó a la humanidad, la pandemia del virus COVID-19.

Imagen Ilustrativa 1.2

Datos y Paquetes

library(pacman)
p_load("DT","xfun","ggplot2", "readr","tseries","ggfortify","tidyr", "dplyr","prettydoc",  "psych", "GGally", "stringr","vembedr", "xfun","gridExtra","corrplot", "plotly")

Datos

Los datos que analizaremos son obtenidos directamente de la página oficial del INEGI el cual puedes consultar bajo el nombre de . La información es de acceso público y puedes descargar este mismo documento en formato .csv desde el link proporcionado.

Importamos los datos desde el .csv

dataTwitter <- read_csv("twitterData.csv")

## Rows: 2255 Columns: 7
## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr  (2): tipo_usuario, lugar
## dbl  (4): tuits_negativos, indice, recoleccion_promedio, tuits_positivos
## date (1): fecha
## 
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.

dataTwitter

## # A tibble: 2,255 x 7
##    fecha      tuits_negativos indice recoleccion_promedio tipo_usuario lugar
##    <date>               <dbl>  <dbl>                <dbl> <chr>        <chr>
##  1 2016-01-01           34401   2.98               136802 todos        NAC  
##  2 2016-01-02           34689   2.52               122121 todos        NAC  
##  3 2016-01-03           39431   2.41               134428 todos        NAC  
##  4 2016-01-04           46229   2.37               156001 todos        NAC  
##  5 2016-01-05           44575   2.25               144751 todos        NAC  
##  6 2016-01-06           43144   2.31               142602 todos        NAC  
##  7 2016-01-07           42547   2.26               138627 todos        NAC  
##  8 2016-01-08           46027   2.21               147592 todos        NAC  
##  9 2016-01-09           38919   2.57               138984 todos        NAC  
## 10 2016-01-10           40552   2.38               137241 todos        NAC  
## # ... with 2,245 more rows, and 1 more variable: tuits_positivos <dbl>

datatable(dataTwitter)

Representación gráfica de los datos

Para comprender mejor los datos, vamos a ver los datos con una gráfica interactiva.

plot_ly(data = dataTwitter, x = dataTwitter$fecha , y = dataTwitter$indice, type = 'scatter' , mode = 'lines')%>% layout(title = 'Estado de ánimo de twitteros en México',
         yaxis = list(zeroline = FALSE, title = 'Indice'),
         xaxis = list(zeroline = FALSE), title = 'Fecha')

(Tomando en cuenta que a mayor índice, mejor estado de ánimo)

Curiosamente, vemos a través de esta gráfica que nunca se han tenido mas tweets negativos que positivos (recordando que el índice se calcula [tweets positivos / tweets negativos]) aún que si vemos algunos puntos en donde el índice era extremadamente bajo y en un caso casí llego a 1.

Comparando los datos.

Como vimos anteriormente, el estado de ánimo en twitter es afectado de manera negativa por tragedias y aumenta en fechas familiares o eventos importantos, pero la pregunta aquí es ¿que tanto afectó la pandemia al estado de ánimo en twitter? y ¿ha mejorado o empeorado desde que comenzó?

Vamos a ver esta comparativa de manera gráfica

dataTwitter2022 <- dataTwitter%>% 
  filter(between(fecha, as.Date("2022-01-01"), as.Date("2022-12-31")))

dataTwitter2022 <- cbind(dataTwitter2022, anio=2022)

dataTwitter2021 <- dataTwitter%>% 
  filter(between(fecha, as.Date("2021-01-01"), as.Date("2021-12-31")))

dataTwitter2021 <- cbind(dataTwitter2021, anio=2021)

dataTwitter2020 <- dataTwitter%>% 
  filter(between(fecha, as.Date("2020-01-01"), as.Date("2020-12-31")))

dataTwitter2020 <- cbind(dataTwitter2020, anio=2020)

dataTwitter2019 <- dataTwitter%>% 
  filter(between(fecha, as.Date("2019-01-01"), as.Date("2019-12-31")))

dataTwitter2019 <- cbind(dataTwitter2019, anio=2019)

dataTwitter2018 <- dataTwitter%>% 
  filter(between(fecha, as.Date("2018-01-01"), as.Date("2018-12-31")))

dataTwitter2018 <- cbind(dataTwitter2018, anio=2018)

dataTwitter2017 <- dataTwitter%>% 
  filter(between(fecha, as.Date("2017-01-01"), as.Date("2017-12-31")))

dataTwitter2017 <- cbind(dataTwitter2017, anio=2017)

dataTwitter2016 <- dataTwitter%>% 
  filter(between(fecha, as.Date("2016-01-01"), as.Date("2016-12-31")))

dataTwitter2016 <- cbind(dataTwitter2016, anio=2016)


newDataTwitter = rbind(dataTwitter2016 , dataTwitter2017 , dataTwitter2018 , dataTwitter2019 , dataTwitter2020 , dataTwitter2021 , dataTwitter2022)

Graficas de variación de estado de ánimo

Para comparar como ha evolucionado el estado de ánimo de los Mexicanos a través del tiempo vamos a comparar los datos utilizando gráficas de caja y bigotes filtradas por años para tener una visión general.

boxplot(newDataTwitter$indice~newDataTwitter$anio ,col = "blue", xlab="Año", ylab="Indice", main="Estado de Ánimo de twitteros")

abline(h = mean(dataTwitter2016$indice) , col = "green")
abline(h = mean(newDataTwitter$indice) , col = "orange")
abline(h = mean(dataTwitter2020$indice) , col = "red")

#### Representación de los datos

• Línea verde - Media de estado de ánimo más alta registrada
• Línea naranja - Media de estado de ánimo general.
• Línea roja - Media de estado de ánimo mínima registrada.

Como podemos observar, el estado de ánimo de los twitteros tuvo una tendencia a la baja desde su punto más alto en 2016 hasta el punto más bajo en 2020, que fue el año dónde sucedió el inicio de la pandemia y sigue afectandonos hasta este año 2022, pero se puede ver una mejora significativa, llegando incluso a superar la media total de estado de ánimo (línea naranja) en lo que va del año 2022, esto se puede deber en parte a que se han estado tomando medidas para volver a la normalidad post-pandemia lo cual significa que más personas comienzan a salir a convivir con los demás.

También notamos que en todos los años tenemos valores extremos tanto positivos como negativos, esto debido a ciertos sucesos que impáctan a la sociedad los cuales generan altos flujos de opiniones entre las personas, afortunadamente notamos que los valores extremos se encuentran del lado positivo, por lo que podemos decir que en general, pareciera que tenemos sucesos más sucesos extraordinarios buenos, que malos.

Gráfica comparativa interactiva

En la gráfica a continuación vamos a poder comparar de manera directa el índice de estado de ánimo entre los diferentes años para ver cómo se comportó la variable durante estos años.

p <- plot_ly(x=newDataTwitter, y=dataTwitter2016$indice, mode = 'lines', type="scatter", name="Indice 2016") %>%
  layout(title = 'Estado de ánimo de twitteros en México' ,
         yaxis = list(zeroline = FALSE, title = 'Indice'),
         xaxis = list(zeroline = FALSE, title = 'Día del Año'), legend = list(font = list(size = 15)))
p <- add_trace(p,y=dataTwitter2017$indice, name="Indice 2017")
p <- add_trace(p,y=dataTwitter2018$indice, name="Indice 2018")
p <- add_trace(p,y=dataTwitter2019$indice, name="Indice 2019")
p <- add_trace(p,y=dataTwitter2020$indice, name="Indice 2020")
p <- add_trace(p,y=dataTwitter2021$indice, name="Indice 2021")
p <- add_trace(p,y=dataTwitter2022$indice, name="Indice 2022")
p

Datos de Movilidad de Google

Los datos que utilizaremos vienen directamente de google y pueden acceder a ellos a través del siguiente enlace: https://www.google.com/covid19/mobility/?hl=es Para esta comparativa nos enfocaremos únicamente en los datos de movilidad residencial en México para el año 2020.

Estos datos son obtenidos a partir de los celulares android conectados a internet y que tienen la opción de GPS activada, de esta manera se sabe el lugar en el que permaneció la persona, luego el valor con el que vamos a tratar es un valor porcentual por encima o por debajo del valor de referencia (el cual es un valor pre pandemia del 3 de enero al 6 de febrero del 2020) y de esta manera sabremos si las personas permanecieron o no dentro de sus casas y en que periodo.

datosMovilidad2020 <- read_csv("movilidad2020.csv")

## Rows: 10593 Columns: 15
## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr (6): country_region_code, country_region, sub_region_1, iso_3166_2_code,...
## dbl (6): retail_and_recreation_percent_change_from_baseline, grocery_and_pha...
## lgl (3): sub_region_2, metro_area, census_fips_code
## 
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.

datatable(datosMovilidad2020)

## Warning in instance$preRenderHook(instance): It seems your data is too big
## for client-side DataTables. You may consider server-side processing: https://
## rstudio.github.io/DT/server.html

newDatosMovilidad <- datosMovilidad2020

newDatosMovilidad$date <- as.Date(as.character(newDatosMovilidad$date) , format = "%d/%m/%y")

fechaRef <- as.Date("2020-01-5")
fechaMax <- as.Date("2020-12-31")

dataMovilidadMedia <- data.frame("fecha"=c(as.Date("2020-01-4")), "porcentaje_residencial"=c(0))

while(fechaRef < fechaMax){
  dataFecha <- subset(newDatosMovilidad, date == fechaRef , select =c(residential_percent_change_from_baseline))
  
  dataMean <- data.frame("fecha"=c(fechaRef), "porcentaje_residencial"=c(mean(dataFecha$residential_percent_change_from_baseline)))
  
  fechaRef <- fechaRef+1
  
  dataMovilidadMedia <- rbind(dataMovilidadMedia, dataMean)
  
}

dataMovilidadMedia$porcentaje_residencial <- round(dataMovilidadMedia$porcentaje_residencial, 0)

datatable(dataMovilidadMedia)

Gráfica comparativa

Vamos a graficar el índice de felicidad y el porcentaje de personas que se mantuvieron en sus casas para comparar ambas gráficas y observar si existe alguna relación entre ellas.

Nota: El porcentaje residencial esta dividido en 10 para tener las gráficas mas agrupadas.

dataMovilidadMediaModificada <- dataMovilidadMedia

dataMovilidadMediaModificada$porcentaje_residencial <- dataMovilidadMediaModificada$porcentaje_residencial / 10

p <- plot_ly(data = dataTwitter2020, x = dataTwitter2020$fecha , y = dataTwitter2020$indice , mode = 'lines', type="scatter", name="Indice Felicidad") %>%
  layout(title = 'Estado de ánimo de twitteros en México x Movilidad 2020' ,
         yaxis = list(zeroline = FALSE, title = 'Indice'),
         xaxis = list(zeroline = FALSE, title = 'Día del Año'), legend = list(font = list(size = 15)))
p <- add_trace(p,y=dataMovilidadMediaModificada$porcentaje_residencial , name="Porcentaje Residencial")
p

Como podemos observar, pareciera existir una relación entre el estado de ánimo de las personas y el porcentaje de personas que salieron de sus casas, cuanto más aumenta el porcentaje de personas que salieron de sus casas (en comparación al valor de referencia) podemos notar que el estado de ánimo baja, y al momento de más personas estar en sus casas, el estado de ánimo se normaliza un poco.

Decesos Covid 19

Los siguientes datos son obtenidos del sitio web de la Universidad de Medicina Johns Hopkins University, la cual proporciona datos a nivel sobre el avance el impacto que ha causado esta enfermedad alrededor del mundo. El sitio web nos proporciona datos específicos de los casos de confirmados de personas de por COVID 19, casos recuperados y decesos de esta enfermedad, sin embargo, solo nos concentraremos en los decesos que se han presentado en México.

Datos obtenidos de: “Coronavirus COVID-19 Global Cases by the Center for Systems Science and Engineering (CSSE) at Johns Hopkins University (JHU)” https://coronavirus.jhu.edu/map.html

Para la obtención de los datos se realizara los siguiente;

Declaración de la variables que contendra la url en donde se encuentran los datos crudos de los decesos.

url_decesos <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv"

Lectura del archiv.csv url_decesos

datos_decesos <- read.csv(url_decesos)

Definición de Variable, la cual solo abarcara los datos de la región de México, debido a que se encuentran datos de otros países.

dec_mex  <- t(datos_decesos[datos_decesos$Country.Region=="Mexico" ,])

Creación de Vector, para la posterior obtención de los datos en el siguiente rango de fechas 2020-01-22 y 2020-12-31

Fecha <- seq(from = as.Date("2020-01-22"), to = as.Date("2020-12-31"), by = "day")

Obtención de los datos a partir del vector establecido.

vec1 <- as.vector(dec_mex)
vec2 <- vec1[5:349]
num1 <- as.numeric(vec2)
Decesos <- as.vector(num1)

datos1 <- data.frame(Fecha,Decesos)

fechaRef <- as.Date("2020-01-06")
fechaMax <- as.Date("2020-01-22")

datosDecesosAjustados <- data.frame("Fecha"=c(as.Date("2020-01-05")), "Decesos"=c(0))

while(fechaRef < fechaMax){
  dataFecha <- subset(newDatosMovilidad, date == fechaRef  , select =c(residential_percent_change_from_baseline))
  
  extraData <- data.frame("Fecha"=c(fechaRef), "Decesos"=c(0))
  
  fechaRef <- fechaRef+1
  
  datosDecesosAjustados <- rbind(datosDecesosAjustados, extraData);
}


datosDecesosAjustados <- rbind(datosDecesosAjustados, datos1)

datatable(datosDecesosAjustados)

Gráfica interactiva de Decesos

En la siguiente gráfica podremos ver nuestros datos de decesos y como incrementaron a lo largo del tiempo de forma interactiva

gcov <- ggplot(data = datos1) +
  geom_line(aes(Fecha, Decesos, colour="Decesos"))  +
  xlab("Fecha") +
  ylab("COVID-19 en México") +
  labs(colour="casos")+
  ggtitle("Casos de COVID-19 en México (Fuente: JHU CSSE") +
  scale_y_continuous(labels = )
ggplotly(gcov)

Como habrán notado el índice de personas fallecidas era prácticamente de 0 personas al día al comienzo del año 2020, sin embargo, cabe resaltar que la primera persona confirmada que contrajo esta enfermedad fue detectada el 27 de febrero del 2020 en un joven de 35 años que estuvo en un viaje a Italia, este fue el primer caso en confirmado, pero esto no nos aseguraba que fuera el único de miles de personas que ya estaban contagiados por COVID 19. No paso mucho tiempo que la enfermedad se esparciera rápidamente por México, un mes después del se presentaron los primeros decesos de personas fallecidas por COVID 19, situación que fue en aumento, como se muestra en la grafica.

Conclusion

Como pudimos observar, el estado de ánimo de los Mexicanos tenía una tendencia a bajar incluso antes del inicio de la pandemia, pero este llegó a su punto más bajo durante la misma y pareciera que el estado de ánimo se está recuperando poco a poco a pesar de que la cantidad de decesos sigue aumentando, una vez realizado este análisis, los datos parecen indicar que el estado de ánimo de los tuiteros si disminuyó con la pandemia, pero la movilidad no tiene un impácto en esta, pues como observamos, se mantuvo en porcentajes elevados al valor de referencia y de manera constante durante toda la pandemia a excepción del inicio, dónde el gobierno hizo una cuarentena casi obligatoria.

Conslusion personal “José Jesús Orozco Hernández”

Al observar el siguiente caso podemos mencionar que la pandemia trajo consigo grandes consecuencias a toda la república mexicana situación que cambio el estado de ánimo de los habitantes de México, la forma de movilidad, entre muchas cosas más. Pero al no ser un país los suficientemente desarrollado el índice de decesos por COVID 19 alcanzo limites demasiado altos. Pero hay que recordar, todo debe de continuar y nunca quedarse estancados , poco a poco a pesar de estar lo suficientemente preparados podemos salir adelante.

Documento Markdown

xfun::embed_file("A7U1_Equipo6.Rmd")

Download A7U1_Equipo6.Rmd

Datos Twitter

xfun::embed_file("twitterData.csv")

Download twitterData.csv

Datos Movilidad

xfun::embed_file("movilidad2020.csv")

Download movilidad2020.csv