/ martes 16 de abril de 2019

El peligro de la mala comunicación en internet

El peligro de la mala comunicación en internet

“Psychological language on Twitter predicts county-level heart disease mortality” (en español: “El lenguaje psicológico en Twitter predice la mortalidad por enfermedad cardiaca a nivel de condado”) es una investigación publicada en el 2015 en la revista Association for Psychological Science (en español: Asociación para la Ciencia Psicológica) y realizada por Johannes C. Eichstaedt, Hansen Andrew Schwartz, Margaret L. Kern, Gregory Park, Darwin R. Labarthe, Raina M. Merchant, Sneha Jha, Megha Agrawal, Lukasz A. Dziurzynski, Maarten Sap, Christopher Weeg, Emily E. Larson, Lyle H. Ungar y Martin E. P. Seligman.

En este estudio, los investigadores analizaron el lenguaje en las redes sociales (en Twitter) para identificar a las comunidades con características psicológicas asociadas a la mortalidad por problemas cardiacos; trabajaron con un ‘data set’ (o conjunto de datos) de decenas de millones de mensajes de Twitter (o ‘tweets’) para encontrar una correlación entre el lenguaje y los índices de mortalidad por problemas en el corazón; se recolectaron ‘tweets’ de 1,347 condados de Estados Unidos, los cuales fueron contrastados con los índices de mortalidad, el nivel socioeconómico, datos demográficos (edad, genero, ocupación, etc.) así como variables en el estado de la salud.

La investigación utiliza una metodología en la que se usa desde un sencillo diccionario para contrastar las palabras con énfasis negativo y las palabras con énfasis positivo, hasta el complejo concepto de ‘big data’ (o proceso de recopilación, procesamiento, publicación y análisis de datos por computadora). El estudio evitó distorsionar los resultados al no ajustar demasiado los datos (cuando un conjunto de datos se ajusta demasiado, se basa únicamente en datos específicos, dejando afuera muchas generalidades, lo cual no es bueno porque no se toma en cuenta información relevante y se distorsionan los resultados; en el aprendizaje automático a este concepto se le conoce como ‘overfitting’).

Para graficar los resultados de la investigación, se realizaron dos “mapas de calor” de los 1,347 condados que fueron estudiados en Estados Unidos. En un mapa se pintó de rojo las zonas con mayor índice de agresiones verbales a través de Twitter y de verde las zonas con un vocabulario de respeto. En el otro mapa se pintó de rojo las zonas con mayor índice de mortalidad por problemas en el corazón y de verde las zonas con menor índice de mortalidad por problemas cardiacos. Y después de relacionar tantos datos, y buscar tantos patrones de comportamiento, se llegó a la conclusión de que cuando se pone un mapa encima del otro… los condados en rojo de un mapa que son los que tienen mayor índice de agresión en redes sociales coinciden prácticamente de manera exacta con los condados en rojo del otro mapa que son los que tienen mayor índice de muertes por problemas del corazón.

De esta investigación se pueden sacar muchas conclusiones pero aquí hay tres: primero, en Estados Unidos todo se puede mejorar porque todo se mide, en México no se mide o no se muestran las mediciones, con lo cual todo se puede empeorar; segundo, el uso de equipos de trabajo interdisciplinarios que incluyen a sociólogos, médicos, comunicadores, ingenieros y otras profesiones además de la tecnología, aporta mayor riqueza a las investigaciones, y por el contrario, si no se aplica correctamente puede limitar y mostrar las carencias de un gobierno en el manejo de la informacion y la toma de decisiones para implementar mejores políticas públicas; tercero, la división social que generan importantes figuras públicas en el entorno digital (o redes sociales) tiene un impacto directo en el bienestar de los ciudadanos.

El peligro de la mala comunicación en internet

“Psychological language on Twitter predicts county-level heart disease mortality” (en español: “El lenguaje psicológico en Twitter predice la mortalidad por enfermedad cardiaca a nivel de condado”) es una investigación publicada en el 2015 en la revista Association for Psychological Science (en español: Asociación para la Ciencia Psicológica) y realizada por Johannes C. Eichstaedt, Hansen Andrew Schwartz, Margaret L. Kern, Gregory Park, Darwin R. Labarthe, Raina M. Merchant, Sneha Jha, Megha Agrawal, Lukasz A. Dziurzynski, Maarten Sap, Christopher Weeg, Emily E. Larson, Lyle H. Ungar y Martin E. P. Seligman.

En este estudio, los investigadores analizaron el lenguaje en las redes sociales (en Twitter) para identificar a las comunidades con características psicológicas asociadas a la mortalidad por problemas cardiacos; trabajaron con un ‘data set’ (o conjunto de datos) de decenas de millones de mensajes de Twitter (o ‘tweets’) para encontrar una correlación entre el lenguaje y los índices de mortalidad por problemas en el corazón; se recolectaron ‘tweets’ de 1,347 condados de Estados Unidos, los cuales fueron contrastados con los índices de mortalidad, el nivel socioeconómico, datos demográficos (edad, genero, ocupación, etc.) así como variables en el estado de la salud.

La investigación utiliza una metodología en la que se usa desde un sencillo diccionario para contrastar las palabras con énfasis negativo y las palabras con énfasis positivo, hasta el complejo concepto de ‘big data’ (o proceso de recopilación, procesamiento, publicación y análisis de datos por computadora). El estudio evitó distorsionar los resultados al no ajustar demasiado los datos (cuando un conjunto de datos se ajusta demasiado, se basa únicamente en datos específicos, dejando afuera muchas generalidades, lo cual no es bueno porque no se toma en cuenta información relevante y se distorsionan los resultados; en el aprendizaje automático a este concepto se le conoce como ‘overfitting’).

Para graficar los resultados de la investigación, se realizaron dos “mapas de calor” de los 1,347 condados que fueron estudiados en Estados Unidos. En un mapa se pintó de rojo las zonas con mayor índice de agresiones verbales a través de Twitter y de verde las zonas con un vocabulario de respeto. En el otro mapa se pintó de rojo las zonas con mayor índice de mortalidad por problemas en el corazón y de verde las zonas con menor índice de mortalidad por problemas cardiacos. Y después de relacionar tantos datos, y buscar tantos patrones de comportamiento, se llegó a la conclusión de que cuando se pone un mapa encima del otro… los condados en rojo de un mapa que son los que tienen mayor índice de agresión en redes sociales coinciden prácticamente de manera exacta con los condados en rojo del otro mapa que son los que tienen mayor índice de muertes por problemas del corazón.

De esta investigación se pueden sacar muchas conclusiones pero aquí hay tres: primero, en Estados Unidos todo se puede mejorar porque todo se mide, en México no se mide o no se muestran las mediciones, con lo cual todo se puede empeorar; segundo, el uso de equipos de trabajo interdisciplinarios que incluyen a sociólogos, médicos, comunicadores, ingenieros y otras profesiones además de la tecnología, aporta mayor riqueza a las investigaciones, y por el contrario, si no se aplica correctamente puede limitar y mostrar las carencias de un gobierno en el manejo de la informacion y la toma de decisiones para implementar mejores políticas públicas; tercero, la división social que generan importantes figuras públicas en el entorno digital (o redes sociales) tiene un impacto directo en el bienestar de los ciudadanos.

martes 15 de octubre de 2019

La debilidad de las instituciones

martes 01 de octubre de 2019

Greta Thunberg y Carlos Santamaría

martes 24 de septiembre de 2019

La reforma educativa

jueves 19 de septiembre de 2019

Los impuestos en la economía digital

jueves 05 de septiembre de 2019

Sobre el “tercer informe”

lunes 19 de agosto de 2019

La redistribución del ingreso

martes 30 de julio de 2019

El Fondo Monetario Internacional

viernes 26 de julio de 2019

La autosuficiencia alimentaria

Cargar Más