Identificación de hechos y opiniones en redes sociales digitales utilizando técnicas de aprendizaje automático

Abstract

Las redes sociales digitales como: ResearchGate, una red social de investigadores cuyo enfoque principal es desarrollar ciencia de cualquier disciplina; X (antes conocido como Twitter), utilizada para publicar información en tiempo real acerca de temáticas relacionadas con problemas políticos, económicos, sociales, etc.; Facebook, aquí las personas propagan información mediante texto, fotos o videos en tiempo real acerca de una gran variedad de temáticas; Instagram, una red social utilizada para compartir fotografías y videos; TikTok, el enfoque principal de esta red social es grabar, editar y compartir vídeos que se publican en tiempo real con varias temáticas relacionadas con tecnología, política, economía y polémica social ; LinkedIn, considerada como una red social digital para profesionales, que muestra un pequeño currículum de las personas; se han convertido en objeto de análisis de muchos investigadores. Por ejemplo, algunos estudios se enfocan en definir modelos de propagación de información, otros en mitigar la información que se propaga identificando a los nodos semilla y algunos en el análisis de la desinformación. Además, en la literatura académica se ha encontrado una clasificación de la información con los términos en inglés: “misinformation”, “disinformation” y “true information”. Sin embargo, no se han encontrado trabajos en los que se identifique tipos de información basados en la argumentación que se propagan intencionalmente en las redes sociales digitales como los hechos y las opiniones utilizando técnicas de aprendizaje automático. La identificación de estos tipos de información, más específica y menos generalizada que la que se ha encontrado, nos permitirá analizar de mejor manera el comportamiento de la información que se propaga en las redes sociales digitales, considerando que en muchas ocasiones puede causar caos y pánico colectivo en la población.