Open AccessHerramienta para la extracción y análisis de información obtenida de la red social Twitter, como apoyo a los procedimientos: nuevo registro calificado y renovación de registros
Author(s) -
Luis Ángel Galarza Palma,
Hermes Mosquera Angulo
Publication year - 2020
Publication title -
revista inventum/inventum ingenieria, tecnologia e investigacion
Language(s) - Spanish
Resource type - Journals
eISSN - 2590-8219
pISSN - 1909-2520
DOI - 10.26620/uniminuto.inventum.15.28.2020.51-63
Subject(s) - humanities , physics , art
El presente artículo se deriva del proyecto de investigación que se viene desarrollando en la ciudad de Popayán, Colombia, al interior del programa de Ingeniería de Sistemas de la Universidad Nacional Abierta y a Distancia (UNAD), el cual describe los avances preliminares del desarrollo de la herramienta de software denominada ARS-SIAVA, que permite la extracción de datos de las redes sociales, para identificar de una manera oportuna las tendencias tecnológicas en la formación académica, comportamientos del mercado laboral en las áreas de las tecnologías de la información (TI), tanto en contextos regionales, nacionales e internacionales, mediante la recolección y el análisis de información obtenida de la red social Twitter. Este insumo se convierte en una base para los procesos de autoevaluación en la renovación y obtención de nuevos registros calificados por parte del Ministerio de Educación Nacional, especialmente como apoyo a la justificación de los programas que corresponden a la condición 2 de los criterios de calidad establecidos por el Ministerio de Educación en la obtención de registros calificados. En el desarrollo de la investigación se contemplaron dos aspectos: una primera parte donde se realiza minería de textos, de la cual se obtienen datos mediante una API, que se recopilan en forma de tweets, importados a formato CSV, que es entendible para el lenguaje de programación R, y que previamente pasa por un proceso de depuración y adecuación de acuerdo con los requerimientos de este lenguaje. La segunda parte corresponde al análisis de sentimientos, para lo cual se dispone de un algoritmo que mediante un entrenamiento manual que por medio de Machine Learning, aprende y es capaz de predecir tendencias, las cuales se proyectan en gráficos, nubes de palabras además de tablas de frecuencias y visualización de datos estadísticos que pueden aportar en la toma de decisiones.