Twitter Scraper fue altamente eficaz en la recolección de datos textuales y en la identificación de patrones en los tweets. Su enfoque en el contenido textual permitió una cobertura integral de los temas discutidos, operando de manera eficiente y procesando grandes cantidades de datos textuales en un tiempo reducido.
Decirlo de manera más clara.
Su capacidad para manejar grandes volúmenes de datos permitió una recolección exhaustiva, y mostró un rendimiento eficiente en la ejecución de tareas de scraping, completando la recolección de datos en un tiempo razonable sin comprometer la calidad
Decirlo con palabras más llanas y claras.
Fue eficiente en obtener una gran cantidad de datos textuales, capturando un volumen significativo de tweets y hashtags, así como menciones y enlaces. Esta densidad de información textualmente rica facilitó la identificación de temas y sentimientos predominantes en el discurso político.
Aclarar o quitar
Este marco teórico proporciona la base conceptual para abordar los desafíos y oportunidades que presentan las nuevas tecnologías en el análisis de datos sociales y políticos.
Borrar.
Los microdatos
En palabras más coloquiales, la dimensionalidad se refiere a la cantidad de aspectos que podemos tomar de un tirno (sus hashtags, su autor, su ubicación etc), mientras que la densidad se refiere a qué tan detallada es la información en cada uno de esos aspecto (qué tanta información hay sobre la ubicación o sobre los retweets, etc.).
Si dimensionalidad y la densidad se representaran en histograma la primera daría cuenta de la cantidad de barras en el mismo y la segunda de la altura de las mismas, mostrando datos con distintos niveles de profundidad.
SEPARAR PARRAFO
La investigación reproducible es crucial para el análisis de datos, especialmente cuando se utilizan microdatos de plataformas como Twitter, donde los datos pueden estar sujetos a cambios rápidos. Según Card, Min y Serghiou en su libro “Open, Rigorous and Reproducible Research: A Practitioner’s Handbook”, el acceso limitado a los datos y a los códigos fuente es un gran desafío para la reproducibilidad, que es crucial para validar los hallazgos y promover la transparencia científica (Card et al., 2021). Una planificación cuidadosa y una documentación exhaustiva de los procedimientos de recopilación y análisis de datos son fundamentales para garantizar que otros investigadores puedan replicar los estudios o utilizar métodos comparables en diferentes contextos (Card et al., 2021). En este sentido, el libro de Kitzes, Turek y Deniz “The Practice of Reproducible Research” proporciona ejemplos prácticos de cómo implementar prácticas reproducibles mediante el uso de herramientas y plataformas que facilitan el intercambio de datos y códigos fuente. En esta tesis, que se centra en el análisis de microdatos de los perfiles de Twitter de candidatos políticos, es fundamental aplicar un enfoque replicable. Esto incluye el uso de metodologías abiertas, la publicación de conjuntos de datos anonimizados y el uso de buenas prácticas de análisis de datos, como la planificación de análisis de la visualización cuidadosa de los datos. La adopción de estas prácticas no solo mejora la calidad y la fiabilidad de la investigación, sino que también contribuye al avance del conocimiento en el campo del análisis de datos en redes sociales.
Mover a la parte de investigación reproducible abajo.
Considerar
Sería adecuado considerar...
Explorar l
Se recomienda...
una amplia gama
varios
y su enfoque en interacciones puede resultar en una menor eficiencia en la recolección de datos textuales y de media.
Aclarar o borrar. Hablando de que exporta trinos individuales en lugar de grupales y su estrutura de datos arbórea en lugar de tabular dificulta la exploración y el análisis.
En primer lugar, la recolección y análisis de datos es crucial. Un entorno reproducible permite que todos los pasos realizados durante la investigación sean claros y verificables, garantizando que otros investigadores puedan revisar y validar los resultados obtenidos. En segundo lugar, la replicabilidad es un aspecto esencial en la investigación. Este entorno reproducible asegura que los métodos y resultados puedan ser replicados por otros investigadores, lo que no solo valida nuestras conclusiones, sino que también facilita estudios comparativos.
El entorno reproducible permitió efectivamente continuar el trabajo en distintos computadores, con diferentes sistemas operativos y sin permisos especiales sobre las máquinas, incluyendo computadores domésticos, del tutor, del estudiante y del LabCI. En sentido dicho entorno permitió configurar una "nube personal académica" de baja complejidad tecnológica, que permitía mayor autónomia en la escritura y colaboración fluida, más allá de lo que permiten otras formas de escritura en línea más convencionales.
Esto permitió un análisis profundo de la participación de los usuarios, mostrando cómo interactúaban con el contenido y qué tipo de tweets generan más engagement.
Aclarar o quitar.
lo que permitió un análisis detallado de la presencia y el impacto visual en los tweets.
Aclarar o quitar
ofreciendo una cobertura integral de los contenidos publicados y permitiendo identificar patrones y tendencias en el discurso de los candidatos.
Aclarar o quitar.
datos extensos sobre las interacciones de los usuarios,
mas datos sobre las interacciones de los usuarios con un trino particular. Es decir ...
Esto permitió obtener una visión completa de los elementos presentes en los tweets y cómo se relacionan entre sí.
Aclarar o quitar.