Introducción

Este estudio se centra en examinar la calidad de los datos extraídos de las redes sociales, particularmente de Twitter (ahora denominada “X” y que a lo largo de esta tesis se denominará Twitter/X), en el contexto de las campañas políticas de las elecciones regionales del año 2023 en Bogotá. La información política que Gustavo Bolívar y Juan Daniel Oviedo publicaron en Twitter/X a lo largo de su campaña será analizada mediante minería de textos. El objetivo de este estudio es investigar herramientas o métodos de scraping para recopilar datos de la red social Twitter/X, por lo que este proyecto utiliza herramientas de análisis de datos para comprender cuánta información podemos extraer de los microdatos del discurso político en contextos digitales, particularmente en Twitter/X. Esto lo hace novedoso y pertinente para los campos de las ciencias de la información, las bibliotecas y los archivos, particularmente desde el enfoque de las ciencias archivísticas computacionales. Extraer datos de calidad es un primer paso que, a futuro y en investigaciones posteriores fuera del alcance de esta, pueden ayudar a comprender los datos del discurso emitido por candidatos como manera de fomentar la participación política novedosa en contextos discursivos mediados digitalmente, que constituyen buena parte de la manera en que ciudadanos y candidatos se comunican contemporáneamente.

El proyecto de investigación comenzó con una pregunta fundamental: ¿cómo afectan las redes sociales, especialmente Twitter, la percepción pública sobre los candidatos políticos en las elecciones municipales de 2023 en Bogotá? Esta pregunta inicial tuvo como objetivo comprender las dinámicas del uso de la información y comunicación en las redes sociales y su influencia en la política contemporánea. Como primer paso, se planeó utilizar la API de Twitter para recopilar datos completos sobre las interacciones de los candidatos a lo largo de sus campañas para la Alcaldía de Bogotá. Sin embargo, entre el semestre de formulación de la tesis y el de su ejecución, la plataforma fue comprada por Elon Musk y se vió sometida a grandes cambios, entre ellos los de las políticas de acceso a la API, que denegaron el acceso a los datos que antes tenían centros académicos. Poco tiempo después del cierre del API oficial para investigadores, ocurriría también el llamado cierre del API no oficial, que usaban proyectos de código abierto como Nitter y Squawker y que en ese momento llevó a anuncios respectivos de sus desarrolladores sobre la muerte de cada uno de los proyectos¹ (si bien, gracias a la resiliencia del código abierto, han continuado vigentes después)

Así, quienes queríamos investigar sobre discurso polítco y público en redes sociales, nos enfrentamos a una panorámica de restricciones progresivas y tajantes frente a información relevante y lugares la Universidad Javeriana en Colombia o el ITESO en México, detuvieron los estudios e investigaciones que requirieran nuevos datos de dicha plataforma, como se confirmó en conversaciones con investigadores cercanos a centros de investigación en dichas instituciones, que trabajaban con datos tomados de Twitter. Si bien los archivos con trinos del pasado, recopilados antes de la era Musk de Twitter, son conservados por distintos institutos y centros de investigación, no se quería una investigación que se refierra sólo al pasado, sino que también pudiera indagar por datos relevantes en el presente y el futuro.

Por lo anterior, en lugar de terminar la investigación con esta fuente de datos, siguiendo el enfoque de muchos centros alrededor del mundo, o cambiarla por completo, se persistió creativamente al repensar no sólo la estrategia de recopilación de datos sino la pregunta de investigación. En lugar de centrarnos en la cantidad y el tipo de interacciones, reducimos nuestro alcance para incluir la calidad de los microdatos extraídos de Twitter/X, a través de técnicas de scraping (raspado o extracción) de datos. Esta nueva perspectiva enfocada en la calidad de los datos extraídos de las redes sociales es un primer elemento a tener en cuenta para futuros estudios que se hagan con dichos datos, frente al escenario de restricciones antes señalado. Este ajuste metodológico fue fundamental para garantizar la viabilidad y profundidad del estudio, dadas las limitaciones impuestas por la API de Twitter. Además se mantuvo la mirada sobre los perfiles particulares para los datos que se querían extraer, pues si bien la calidad del microdato extraído no cambia cuando se cambia de perfil, es decir, la misma fuente de datos extraerá datos de igual calidad para un candidato político que para cualquier otro perfil, el estudio de los datos de los políticos, que constituyen su discurso público, es de particular relevancia si se quieren comprender, a futuro, fenómenos como los de manipulación mediática, que inspiraron la pregunta inicial de esta tesis.

Esta tesis también se enmarca en el llamado giro computacional del archivo o lo que llaman ciencias archivísticas computacionales, de las que se hablará en el marco teórico. Este viraje computacional se preocupa por la materialidad digital del archivo y por el hecho de que éste ahora no es sólo algo que leemos sino que “nos lee” y perfila de vuelta intentando crear patrones sobre los cibernavegantes que consultan y usan un archivo digital, ya sea este una red social o una aplicación ofimática y de groupware en la “nube”. Por ello, no sólo se preocupa por hacer explícitas las interfaces, algoritmos y el código con el que se extraén y estudian los datos de Twitter, sino las plataformas mismas con las que esta tesis se escribe. Para lograrlo, usa el enfoque de investigación reproducible, en el que los investigadores comparten más allá que sus hallazgos y resultados y se esfuerzan por incrementar la trabilidad histórica de los distintos artefactos que la investigación produce (datos, código, prosa, etc.) Por lo anterior, los capítulos que se centran en revelar esa materialidad digital no son anexos técnicos, sino lugares centrales de este estudio y si bien “enrarecen” la escritura, hacen parte de esas nuevas formas escriturales consecuentes con el giro computacional antes mencionado, entre las que se encuentran las libretas interactivas, las visualizaciones y narrativas de datos y a las que está incursionando también la ciencia de la información, la bibliotecología y la archivística, como se puede apreciar en discusiones recientes del Archivo Nacional del Reino Unido o las ediciones académicas especiales de la ACM (Association for Computing Machinery) sobre Computational Archival Science (Ciencias Archivísticas Computacionales).

Lo anterior implica desafíos tanto para el autor como para el lector de la tesis. Y si bien las tesis no son textos de divulgación para público general, sino que suponen públicos especializados, acá nos enfrentamos, además, al desafío de incursionar en esas otras formas escritura mixtas (de prosa, código, interfaces y plataformas) y presentarlas al lector de manera comprensible. (En esa línea, se ha dispuesto un glosario de términos.) Sin embargo, se es conciente de los desafíos antes mencionados y de las limitaciones escriturales y de redacción (como se puede notar, distintos apartados tienen distintos niveles de redacción y maduración). Aún así, se considera un esfuerzo valioso y novedoso, particularmente en este nivel formativo de pregrado y en medio de las dificultades de reformular el proyecto mientras se estaba ejecutando, de realizarlo en los tiempos cortos para las complejidades emergentes que un proyecto de esta naturaleza implicó y persistir en la preocupación por los datos que circulan en redes sociales incluso frente a circunstancias adversas a los investigadores, como las antes descritas.

Esta tesis consta de los siguientes capítulos:

Problemática: Se describe el problema central que motiva el estudio, destacando la proliferación de información en las redes sociales y su impacto en la privacidad y seguridad de los datos. Se detalla la relevancia de Twitter en el contexto de las campañas políticas y los cambios recientes en su API.

Justificación: Se argumenta la importancia del estudio en el contexto de la política moderna y las redes sociales. Se explica por qué es relevante analizar la calidad de los microdatos extraídos de Twitter.

Estado del arte: Se realiza una revisión no exhaustiva de la literatura existente sobre el uso de redes sociales en campañas políticas, destacando los estudios más relevantes y las metodologías empleadas para el análisis de datos de Twitter. Se discuten las tendencias actuales y los avances en este campo de investigación. También se habla de la investigación reproducible como campo emergente en el mundo.

Objetivos: Se presentan los objetivos generales y específicos del estudio, delineando claramente lo que se pretende lograr con la investigación. Nótese que acá los objetivos específicos están subsumidos conceptual más no cronológicamente al objetivo general. Es decir, no se entienden como un “conjunto de pasos o etapas para llegar al objetivo general”, pues así serían redundantes, dado que el logro del objetivo general implica los objetivos específicos, sino que los objetivos específicos dan cuenta de indagaciones o preguntas subordinadas al general. Para nuestro caso, dado que se quiere comprender la calidad de los microdatos extraídos de Twitter como objetivo general, se configura un entorno de investigación reproducible y se evalúan ciertos scrapper para ello, como objetivos específicos.

Marco Teórico: Se presenta el marco teórico, que cubre conceptos clave como la calidad de los microdatos, la minería de textos y el análisis de contenido en las redes sociales y las ciencias archivísticas computacionales. Se establecen las bases conceptuales para el análisis de la calidad de los datos de Twitter.

Enfoque Metodológico: Se describe la metodología utilizada en el estudio, junto con los métodos y técnicas utilizados para la recopilación y análisis de datos. 

Desplegando un Entorno de Investigación Reproducible: Se explica la importancia del entorno de investigación reproducible y las herramientas tecnologías utilizadas para garantizar la reproducibilidad del estudio. ==Se discuten los desafíos asociados con la reproducibilidad en la investigación de datos==. {{dónde}}

Adquisición de Datos: Herramientas de Scraping: Se presenta una revisión de las herramientas de scraping utilizadas para la adquisición de datos de Twitter.  Se describe  el funcionamiento de cada herramienta y su aplicabilidad en el contexto del estudio.

Análisis de la Calidad de los Microdatos Extraídos: Se analiza la calidad de los microdatos extraídos de Twitter y se discuten los métodos de evaluación de la calidad de los datos y los resultados obtenidos.

Conclusiones y Recomendaciones: Se resumen los principales hallazgos del estudio y se hacen recomendaciones basadas en los resultados. Se discuten las implicaciones de los hallazgos para futuras investigaciones y se sugieren estrategias para mejorar la calidad de los datos en estudios comparables.

Problemática

El crecimiento de la disponibilidad y accesibilidad de la información se denomina ‘proliferación de la información’ (Méndez, 2019). Gracias a la tecnología y a la facilidad de compartir contenidos en línea, la información se produce y se difunde a un ritmo cada vez mayor en la era digital. Además, la facilidad con la que se difunde la información en línea puede ser perjudicial para la seguridad y privacidad de las personas.

Para comunicar a las personas y permitirles compartir conocimientos y contenidos digitales, se desarrollaron plataformas en línea en la década de 1990, de allí surgieron las redes sociales (Grapsas, 2017) y entre ellas una de las más conocidas y reconocidas en el mundo se llama Twitter/X. Esta plataforma fue desarrollada por Jack Dorsey, Biz Stone y Evan Williams en 2006, y puesta a disposición del público en general en 2007 (Marketing Zone Icesi, 2023).

Twitter, ahora conocido como X, fue desarrollado como una plataforma de microblogging que permitía a los usuarios publicar ‘tweets’ de hasta 140 caracteres, que son mensajes de texto breves. La capacidad de intercambiar mensajes directos, transmitir videos en vivo, realizar encuestas e incluir imágenes y videos en tweets son algunas de las nuevas capacidades que Twitter/X ha desarrollado y agregado con el tiempo (Marketing Zone Icesi, 2023). Desde que Elon Musk compró Twitter en octubre de 2022, se han presentado varios ajustes polémicos, como por ejemplo, que desde el 9 de febrero de 2023, Twitter/X cobra por el acceso a su API, que anteriormente estaba disponible de forma gratuita para desarrolladores e investigadores, al menos para bajos volúmenes de datos (Efe et al., 2023). Aunque el precio aún no se ha revelado, esta medida ha tenido un impacto en los investigadores y desarrolladores, y estas modificaciones representan el plan de Musk para gestionar y comercializar la plataforma, e indican un nuevo rumbo para Twitter/X (Efe et al., 2023).

Por otro lado, estas plataformas brindan a los políticos y a los partidos que representan, una forma rápida y asequible de contactar a una audiencia considerable en Internet y llegar a los votantes (Vlaicu, 2022), por lo que, en los últimos años, la publicidad política en las redes sociales ha crecido, presentándose diversos tipos de contenido como la propaganda política, incluidos memes, vídeos, anuncios pagados, publicaciones y noticias falsas, información que podría influir en la opinión pública (Vlaicu, 2022).

En el caso de la empresa Cambridge Analytica se demostró el riesgo de utilizar las redes sociales en el ámbito político. Para dar contexto, esta empresa, sin autorización de millones de usuarios de la red social Facebook, recopiló y utilizó sus datos personales durante las elecciones presidenciales de EE. UU., con el fin de crear perfiles psicológicos detallados y personalizados de los votantes, para luego, utilizarlos para influir en su comportamiento electoral a través de publicidad altamente dirigida (Fernández, 2018). Este caso llevó a un mayor escrutinio de la privacidad de los datos de los usuarios de Facebook y a cambios significativos en la forma en que las empresas de tecnología manejan los datos personales de los usuarios (Fernández, 2018).

En Colombia, diferentes políticos pueden utilizar las redes sociales en su beneficio,
desde partidos y/o candidatos con el fin de buscar una ventaja en las elecciones con el interés de conseguir un impacto en el mundo de la política y las decisiones tomadas por el gobierno hasta promocionar sus acciones que impactan a la comunidad o sociedad. Para las elecciones regionales de la alcaldía de Bogotá, se proporcionó la lista de potenciales candidatos junto con los enfoques políticos de los distintos partidos y movimientos. Cada candidato, según un comentario de Rcn (2023), se presenta como poseedor de los conocimientos, talentos y experiencia necesarios para mejorar la ciudad capitalina. Sin embargo, es importante destacar que esta afirmación refleja una opinión expresada por un medio periodístico y no necesariamente constituye un hecho verificable. En el año 2023 para la alcaldía de Bogotá se postularon como candidatos Juan Daniel Oviedo y Gustavo Bolívar, los cuales han sido elegidos como sujetos de esta investigación debido a su gran impacto en las redes sociales. Luego de ocupar el cargo de Director General del Departamento Administrativo Nacional de Estadística entre 2018 y 2022, Juan Daniel Oviedo se dio a conocer en la política nacional de Colombia. Es economista de la Universidad del Rosario y tiene un doctorado en economía en la universidad francesa de Toulouse (Doria et al., 2023). Oviedo se postula para la alcaldía de Bogotá como independiente y sin ningún tipo de alianza. Por otro lado, su rival, político y escritor de narconovelas de Colombia, Gustavo Bolívar se dio a conocer como senador opositor al uribismo y apoyando la campaña de Gustavo Petro desde 2018. Tiene un capital electoral entre los jóvenes que salieron a protestar en el 2021. Actualmente, le juega en contra el hecho de estar señalado de promover los desmanes de las últimas protestas, además de no contar con el conocimiento sobre la ciudad (Doria et al., 2023).

En marzo de 2018, en el Boletín Cuestión Pública se informó que Cambridge Analytica, una empresa británica acusada de recopilar datos de 50 millones de usuarios de Facebook para influir en la campaña electoral de Donald Trump en EE.UU., también había actuado en Colombia. Según el artículo, la empresa asesoró al alcalde de Bogotá, Enrique Peñalosa, presentándo se como un “caso de estudio” en su página oficial, destacando estrategias de gestión de reputación a través de campañas de relaciones públicas (Pública, 2018). Aunque la Alcaldía de Bogotá negó cualquier participación directa o indirecta en las elecciones locales, el incidente generó importantes preocupaciones sobre la influencia de empresas como Cambridge Analytica en los procesos políticos y la protección de datos en Colombia (Ministerio de la Información y Comunicaciones, 2018). Cambridge Analytica obtuvo acceso a los datos mediante la aplicación móvil Pig.gi, que se utiliza en Colombia y México para recopilar información, recompensando a los usuarios por tareas como ver anuncios y completar encuestas. A pesar del uso negativo de los datos por parte de Pig.gi con fines políticos, este episodio aumentó las preocupaciones sobre la seguridad de los datos y la manipulación electoral en América Latina (Pública, 2018)

En la más reciente versión de “Datos & Guaros: Colombia y las elecciones pandémicas 2022”, se presentaron nueve proyectos enfocados en investigación, plataformas y visualización de datos relacionados con las elecciones en Colombia, alguna de estas son: “Promedia”, una detallada plataforma de análisis e investigación de medios, la cual fue presentada por Carlos Chaves Avellaneda. Offray Vladimir Luna presentó “MutabiT - Grafoscopio”, un prototipo que utiliza técnicas de scraping para acceder al proyecto Nitter a través de una API no oficial, para visualizar el discurso en Twitter de los candidatos presidenciales y vicepresidenciales de Colombia en 2022, es relevante mencionar el estudio “Zombie Hunting” de Emmanuel José Ariza Ruiz. Esta investigación se centra en las cuentas botizadas de Twitter que difamaron el paro nacional de 2019. Además, se presentó el proyecto “API Electoral” por Nicolás Ocampo Rodríguez, que ofrece datos detallados de los candidatos a través de una API (Datasketch, 2022). “International Affair” es un blog de Ana Carolina Dussan sobre temas internacionales, culturales, educativos y legales. La aplicación “Cuestión Pública - Juego de votos”, presentada por Mateo Restrepo, muestra los vínculos entre clanes políticos influyentes. Beatriz Helena Vallejo presentó el “DIP - Detox Information Project”, proyecto que busca reducir la polarización y la falta de información en Colombia. Ivón Sepúlveda y Adriana María Romero presentaron “IntegriData”, una herramienta de difusión de datos estadísticos sobre delitos y sanciones electorales y la represión de delitos contra la administración pública. Finalmente, Juan Camilo Higuera describió el estudio de redes complejas y su uso en el análisis de epidemias y organizaciones criminales. Estos proyectos brindan información valiosa sobre la gestión de datos y la transparencia en las elecciones colombianas de 2022.

El trabajo de grado, se destaca la importancia de la investigación reproducible y la narrativa de datos para garantizar la transparencia, verificabilidad y validez de los hallazgos. La reproducibilidad permite a otros investigadores verificar y validar los resultados, fortaleciendo la credibilidad de los estudios. La narrativa de datos proporciona un marco coherente para interpretar los resultados y comunicarse efectivamente. Un recurso valioso que ilustra estos principios es “The Practice of Reproducible Research: Case Studies and Lessons from the Data-Intensive Sciences” (Kitzes, Turek, & Deniz, 2018), que presenta 31 estudios de caso sobre flujos de trabajo de investigación reproducible, subrayando la importancia de herramientas y prácticas específicas para la investigación científica reproducible.

Al integrar estos elementos en la formulación del problema, se busca establecer un enfoque metodológico sólido para recopilar, analizar y presentar los datos de manera coherente y transparente. Esto es crucial para abordar la complejidad de los datos extraídos de Twitter/X sobre los perfiles de los candidatos a la alcaldía de Bogotá, asegurando un proceso de investigación riguroso y confiable para comprender la dinámica política en este contexto específico.

¿Cuál es la calidad de los microdatos que se puede extraer de esa red social mediante distintas fuentes?

Justificación

El proyecto de análisis de microdatos de Gustavo Bolívar y Juan Daniel Oviedo sobre el impacto político en Twitter/X por medio de la extracción de datos durante su campaña a la alcaldía de Bogotá en el año 2023, demuestra características innovadoras de suma significación en términos de procesos y resultados esperados, entendiendo estos últimos como el impacto de la investigación. Además, hace uso de dos dominios de investigación que son pertinentes al campo de las ciencias de la información: biblioteca y archivística.

Para empezar, el proyecto está relacionado con el eje de estudio “Organización y gestión de la información y el conocimiento”. Nuestro objetivo es analizar la calidad de los microdatos extraídos de Twitter/X durante la candidatura a la alcaldía de Bogotá, utilizando técnicas de minería de datos. Con el uso de esta metodología, podemos evaluar la precisión y la fiabilidad de la información difundida en la plataforma y producir modelos útiles que pueden aplicarse para mejorar la toma de decisiones políticas y estratégicas. También promueve las Ciencias de la Información mediante el uso y la mejora del análisis de datos y en un entorno político y social particular.

En segundo lugar, el proyecto se encuadra en el eje de investigación ”Información y conocimiento: usos, consumo y apropiación social”. Para comprender, analizar y explicar los fenómenos que impactan a la sociedad en términos de información y conocimiento, se realizará el análisis del impacto político presentado en Twitter/X durante la candidatura a la alcaldía de Bogotá. Para sugerir proyectos, programas y políticas que fomenten el desarrollo constructivo de la sociedad, es importante examinar cómo los usuarios de Twitter/X utilizan, consumen la información política socialmente apropiada. Este método ayuda a comprender cómo las redes sociales afectan los procesos políticos. electorales y la participación ciudadana. El proyecto también produce conocimientos y experiencia, que avanzan en el estado del arte en las Ciencias de la Información y campos asociados. La calidad de los datos que podemos extraer de los microdatos del discurso político en contextos digitales, particularmente en Twitter/X, se evalúa y amplía mediante la aplicación de herramientas de análisis de datos de vanguardia. Esto es crucial para la era de la información y la comunicación.

Sin embargo, debido a los recientes cambios en las políticas de acceso a la API de Twitter, que ahora impone restricciones y costos para su uso, surgió la necesidad de encontrar alternativas viables para la recopilación de datos. Ante estas limitaciones, el scraping se presenta como una solución potencial para continuar obteniendo la información necesaria de Twitter/X. El scraping permite la extracción de datos directamente desde las páginas web de la plataforma, sorteando las restricciones impuestas por la API y asegurando así la continuidad de la investigación. Esta metodología alternativa no solo es esencial para sortear los obstáculos técnicos, sino que también refuerza la capacidad de adaptación del proyecto frente a cambios en el entorno digital.

El proyecto aborda aspectos clave del llamado giro computacional del archivo, enfatizando la necesidad de estudiar la calidad y reproducibilidad de los datos en la investigación. La reproducibilidad permite que otros investigadores verifiquen y validen los resultados, aumentando la credibilidad de los estudios. La narrativa de los datos proporciona un marco coherente para interpretar y comunicar los resultados de forma eficaz. Estos elementos son fundamentales para garantizar la transparencia, verificabilidad y validez de los hallazgos, particularmente en el mundo digital actual.

Ahora bien, debido a los recientes cambios en las políticas de acceso a la API de Twitter, que ahora impone restricciones y costos para su uso, surgió la necesidad de encontrar alternativas viables para la recopilación de datos. Ante estas limitaciones, el scraping se presenta como una solución potencial para continuar obteniendo la información necesaria de Twitter/X. El scraping permite la extracción de datos directamente desde las páginas web de la plataforma, sorteando las restricciones impuestas por la API y asegurando así la continuidad de la investigación. Esta metodología alternativa no solo es esencial para sortear los obstáculos técnicos, sino que también refuerza la capacidad de adaptación del proyecto frente a cambios en el entorno digital.

Estado del arte

En el artículo “Uso de las redes sociales en diplomacia, política y relaciones internacionales. Análisis de la información publicada en las versiones online de dos periódicos españoles:”el país” y “la vanguardia”, indica que hay un creciente interés en el uso de las redes sociales con fines políticos y diplomáticos. En esta publicación se destaca el enfoque de las dos revistas adoptadas sobre este tema, informando sobre su importancia para la democracia y la transparencia (R. Cela et al„ 2019). El periódico español “El País” explica este tema desde 2010 y adopta un enfoque más cuantitativo y multimedia, mientras que “La Vanguardia” ha mostrado interés más recientemente y se centra en cuestiones diplomáticas y relaciones entre líderes mundiales (R. Cela et al„ 2019). El artículo anteriormente mencionado, destaca los efectos beneficiosos de las redes sociales en la política y al mismo tiempo crea conciencia sobre los peligros potenciales y la necesidad de un uso seguro. Con su aplicación de manera generalizada, Twitter se ha convertido en la red política más popular en todo el mundo, apoyando el impacto en la formación de la opinión pública y la presencia de los líderes mundiales (Abdullah et al., 2022). La publicación “Examen de la relación entre los factores que influyen en la búsqueda de información política a través de los medios sociales entre los jóvenes de Malasia” analizó los factores que influyen en el comportamiento de los jóvenes de Malasia cuando buscan información política, enfatizando el creciente impacto de las redes sociales. Los hallazgos mostraron que una serie de características, incluida la utilidad, eficacia y experiencia de las redes sociales, tenían un impacto significativo en la forma en que los jóvenes encuentran información política (Abdullah et al., 2022). Específicamente, se descubrió que una mayor participación en las redes sociales estaba relacionada con un mayor comportamiento de búsqueda de información política. Por otra parte, se considera que la política debería beneficiarse enormemente de estos hallazgos, que indican que las redes sociales pueden desempeñar un papel importante a la hora de involucrar a los jóvenes en el proceso político. Como resultado, el estudio enfatiza lo importante que es tener en cuenta las redes sociales al desarrollar estrategias para la participación política de los jóvenes en Malasia (Abdullah et al., 2022).

En el artículo “Fake news en tiempos de posverdad. Análisis de informaciones falsas publicadas en Facebook durante procesos políticos en Brasil y México 2018. Fake news in post-truth times” tienen como objetivo caracterizar los patrones discursivos de las noticias falsas publicadas en Facebook durante los procesos políticos en México en 2018, y también identificar dichos patrones discursivos. Se ha empleado una muestra de noticias falsas difundidas en Facebook durante los periodos de campaña presidencial en México, que previamente fueron identificadas por sitios de fact checking seleccionados (García y Gómez, 2022) . El análisis se centra en el uso de la red social Facebook por parte de los cuatro candidatos a la presidencia de México durante el periodo electoral de 2018 (García y Gómez, 2022). Las redes sociales, especialmente Facebook, fueron cruciales para la difusión de noticias políticas en Brasil a lo largo de los procesos políticos de 2018. La difusión de noticias falsas afectó los resultados electorales y la opinión pública (García y Gómez, 2022). La falta de conexiones y el uso de formatos similares de las publicaciones habituales en las redes sociales, como gráficos cautivadores y textos atractivos, son características de estas noticias falsas (García y Gómez, 2022). Para este caso, se utilizaron imágenes cargadas de emociones para provocar respuestas contundentes de las personas y fomentar la difusión del contenido. Se han descubierto una serie de tácticas que se emplean para aumentar la visibilidad de las noticias falsas en Facebook. Este tipo de propaganda, por ejemplo, se ha promovido a través de grupos y sitios especializados, lo que amplifica su efecto, para mejorar la exposición de las publicaciones y la interacción del usuario, también se realizará un seguimiento del uso de hashtags (García y Gómez, 2022).

El uso de las redes sociales en las elecciones de Colombia ha transformado la dinámica política del país. Antes el debate se centraba en los medios tradicionales, pero ahora ha cambiado en gran medida al ámbito digital. La desconfianza hacia los medios tradicionales ha impulsado este cambio, con una creencia generalizada de que las redes sociales son más participativas y permiten una mayor influencia (Delgadillo, 2022). Sin embargo, esta transición no está exenta de dificultades. Simplificar los mensajes y priorizar el espectáculo sobre el contenido político real son preocupaciones importantes (Delgadillo, 2022). Además, existe una polarización de opiniones y la formación de filtros que limitan diferentes perspectivas (Delgadillo, 2022). A pesar de estos desafíos, las redes sociales, junto con el cambio de los medios tradicionales a espacios en línea como Facebook y Twitter/X, han transformado la situación local de políticos como Rodolfo Hernández y William Dau. Por ejemplo, ambos utilizaron exitosamente las redes para conseguir apoyo y reconocimiento en las elecciones regionales (Botero, 2023). No obstante, para garantizar una política transparente y equitativa, también salen a la luz cuestiones como la desinformación y la polarización del discurso político, junto con la necesidad de una moderación eficiente y un debate libre en línea (Botero, 2023). Para decirlo de manera sencillo, las redes sociales han cambiado el panorama político en Colombia, presentando tanto beneficios como dificultades enormes.

Durante las campañas electorales de Madrid 2021, el uso de las redes sociales, como TikTok, en el espacio de la política ha adquirido mayor importancia, destacando la espectacularidad del contenido más que en problemas políticos; y experimentando con estas plataformas de maneras novedosas (Fernández, 2022). Las ideas incluyen confrontar a los oponentes políticos, personalizar candidatos y usar hashtags. El enfrentamiento parece ser especialmente del agrado de los usuarios de TikTok, por el mayor nivel de participación (Fernández, 2022). A diferencia de otras redes sociales como Twitter/X o Instagram, hay menos interacción directa entre las partes y sus seguidores. Se estudió el impacto del uso de Twitter/X por parte de los políticos españoles en la opinión pública durante las elecciones catalanas de diciembre de 2017. Se demostró un impacto en las redes sociales, la calidad y relevancia de los temas discutidos importaban tanto como la cantidad de tweets. El principal problema que salió a la luz fue la independencia de Cataluña, que ocultó otros temas como el desempleo y la corrupción (Curiel y García, 2020). Si bien esta estrategia no siempre mostró las preocupaciones del público, los candidatos que dedicaron más tiempo a tuitear sobre este tema tuvieron el mayor impacto en la opinión pública (Curiel y García, 2020). Este análisis destaca la importancia estratégica de las redes sociales en las campañas políticas para influir en la percepción pública y destaca la necesidad de relacionar los mensajes con las preocupaciones de la población.

Otro ejemplo revelante es el caso de Chile el cual sirve como evidencia del impacto de las redes sociales en la política. Twitter/X evolucionó hasta convertirse en una plataforma donde las personas denuncian casos de abusos, coordinación de acciones e intercambio de información durante incidentes como la marea roja de Chiloé de 2016 (Allendes y Jorge, 2018). Es difícil calcular el efecto de estas iniciativas en la movilización política, se mostraron cómo se pueden utilizar las redes sociales para aumentar la conciencia pública y fortalecer las demandas de la sociedad civil. Para el caso del análisis del uso de Twitter/X durante la marea roja de Chiloé se mostró que la mayor parte de los tweets tenían como objetivo difundir información más que coordinar acciones políticas específicas (Allendes y Jorge, 2018) . Esto implica que, si bien las redes sociales pueden ser útiles para generar conciencia y opinión pública, si no se usan sabiamente, su potencial para la organización política puede verse limitado. Por otra parte, un estudio sobre el entorno electoral en Ecuador, el uso de redes sociales como Facebook, se caracteriza por una baja interactividad y participación por parte de los ciudadanos, a pesar de que estas plataformas tienen la capacidad de ayudar a políticos y votantes a interactuar. Según el estudio del modelo de evaluación de Comunicación 2.0, la presencia, el crecimiento, la actividad o la participación de ninguna de las cuentas de Facebook de los solicitantes se encontraban en el rango óptimo (Benítez et al., 2022). Se observó que los relatos de los candidatos carecían de espacios de discusión y compromiso con los votantes y estaban destinados principalmente a difundir información. Aunque hubo diferencias en el uso de pronombres y ciertos temas, el lenguaje de la mayoría de los candidatos fue directo, sin embargo, resultó que los candidatos prestaron poca atención a temas políticos específicos en sus posturas; en cambio, la mayoría de ellos se concentraron más en contenidos retóricos y emocionales (Benítez et al., 2022).

En el artículo “Cambridge Analytica y su impacto en las leyes de privacidad” de Timoteo Prezzavento se explica cómo las redes sociales impactan el discurso político y el alcance internacional del escándalo. Expone el papel de las redes sociales en la política, destaca cómo sitios como Facebook, Twitter/X y YouTube han hecho posible que los políticos se comuniquen directamente con el público mediante el envío de mensajes personalizados, un ejemplo reconocido es el de Cambridge Analytica empresa que influyó en los resultados electorales en numerosos países mediante el uso de datos de Facebook para crear perfiles complejos y dirigir ciertos mensajes políticos (Prezzavento, s.f.). Generando un impacto global significativo. Actualmente existe un debate general sobre la moralidad de utilizar datos personales con fines políticos debido a la creciente conciencia sobre la privacidad de los datos y la capacidad de las redes sociales para influir en la opinión pública, además, como resultado, las normas y regulaciones de protección de datos (como el RGPD en la Unión Europea) han cambiado (Prezzavento, s.f.). Asimismo de cambiar sus políticas de privacidad, las empresas de redes sociales han visto una disminución en la confianza del público como resultado de acusaciones de manipulación de datos.

La minería de datos es crucial para extraer datos de calidad a partir de conjuntos de datos masivos, especialmente en redes sociales como Twitter/X. Durante este proceso, se recopilan y procesan grandes volúmenes de datos generados por los usuarios, como tweets, encontrando patrones y tendencias (Blázquez, 2019). A pesar de que en este estudio, el enfoque principal es la calidad de los datos extraídos, no su cantidad. La minería de datos se utiliza para la detección de tendencias en tiempo real y el análisis de los tweets (Blázquez, 2019), pero es fundamental asegurar que los datos sean precisos y fiables. Adicionalmente, este estudio se enmarca dentro de los principios de ciencia abierta y reproducible, por lo que se implementan metodologías transparentes y accesibles que permiten la verificación y replicación de los resultados. Este enfoque no solo mejora la calidad del análisis, sino que también promueve la colaboración y el avance del conocimiento en el campo del análisis de datos sociales y políticos. De acuerdo con lo anterior, en la publicación de Sonia Jaramillo Valbuena, Sergio Augusto Cardona y Alejandro Fernández llamada “Minería de datos sobre streams de redes sociales, una herramienta al servicio de la Bibliotecología” se expresa que en las ramas de la Ciencia de la Información, la Bibliotecología, la Archivística y la Documentación son áreas en las que se aplican técnicas de minería de datos, debido a la cantidad de información que se puede extraer y que permite ser procesada para mejorar la toma de decisiones. Adicionalmente indica que el uso de técnicas de minería sobre streams de datos provenientes de Facebook y Twitter beneficia el entorno en el que se use.

Objetivos

Objetivo general

Evaluar la calidad de los microdatos recopilados de Twitter para los perfiles de los candidatos Gustavo Bolívar y Juan Daniel Oviedo durante las elecciones para la alcaldía de Bogotá.

Objetivos específicos

1. Configurar un entorno de investigación reproducible para el análisis de datos, centrándose en mensajes (Tweets) relacionados con los candidatos Gustavo Bolívar y Juan Daniel Oviedo durante las elecciones para la alcaldía de Bogotá.

2. Caracterizar las herramientas para la extracción de datos “Twitter/X” de Gustavo Bolívar y Juan Daniel Oviedo durante la campaña electoral para la Alcaldía de Bogotá

Marco teórico

El marco teórico de esta tesis es contextualizar el análisis de la calidad de los microdatos de Twitter, centrándose en los perfiles de los candidatos Gustavo Bolívar y Juan Daniel Oviedo. Se investigan conceptos clave como giro computacional del archivo, la ciencia de datos computacional, y la investigación reproducible. Estos conceptos son cruciales para comprender cómo se gestionan y analizan los datos en un entorno digital, y cómo estos procesos impactan en la calidad de los datos extraídos. 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.

El giro computacional del archivo se refiere al uso de tecnologías digitales para su gestión y análisis. Este cambio pasa por abandonar los métodos tradicionales basados en análisis físicos y manuales y adoptar herramientas digitales para procesar grandes cantidades de datos. En “Bitstreams: The Future of Digital Literary Heritage”, Matthew G. Kirschenbaum destaca la importancia de la materialidad y los aspectos empíricos en la producción literaria, enfatizando la relevancia de la arqueología de los medios, los estudios de software y las plataformas digitales (Hall, 2022). El uso de tecnologías informáticas permite analizar grandes cantidades de datos, lo que antes era imposible. Esto es particularmente importante cuando se analizan microdatos de plataformas como Twitter, donde las herramientas computacionales facilitan la identificación de patrones y tendencias a gran escala (Berry, 2011). La digitalización de archivos hace que los datos sean más accesibles y manipulables, permitiendo una comprensión más profunda de las dinámicas sociales y políticas, como se demuestra en la tesis “Analisis de la Calidad de Microdatos Extraidos de Twitter:Un Estudio sobre los Perfiles de los Candidatos Gustavo Bolívar y Juan Daniel Oviedo en las Elecciones para la Alcaldía de Bogotá 2023”.

La ciencia archivística computacional es un campo emergente que combina métodos y teorías computacionales con prácticas archivísticas tradicionales. Este campo tiene como objetivo mejorar la creación, preservación y acceso a registros tanto digitales como físicos, integrando recursos tecnológicos y archivísticos para aumentar la eficiencia y precisión en la gestión de archivos. Además, aborda cuestiones éticas y de privacidad de datos, respondiendo a los desafíos contemporáneos que surgen con la digitalización masiva y la relevancia creciente de los archivos digitales (Hedges et al., 2022).

La digitalización no sólo está transformando la naturaleza de los registros, sino también las prácticas de gestión y acceso a los mismos. Un taller organizado por The National Archives en colaboración con el Departamento de Humanidades Digitales del King’s College London y el proyecto PARTHENOS destacó cómo las técnicas computacionales pueden apoyar y, en ciertos casos, automatizar procesos archivísticos clave, como la evaluación y descripción de registros (Goudarouli, 2018a). Este evento subrayó la importancia de adaptar las prácticas archivísticas a las demandas de la era digital, fomentando una comunidad de práctica que incluye tanto archivistas como expertos en ciencias computacionales.

La ciencia archivística computacional también enfrenta desafíos importantes, como la necesidad de evitar sesgos y asegurar una representación justa de los datos. Por ejemplo, el proceso de reensamblaje de archivos puede incluir perspectivas marginadas y cuestionar narrativas dominantes, utilizando tanto la materialidad como la lógica algorítmica para organizar colecciones de manera más inclusiva (Blanke, 2024). Esto plantea preguntas críticas sobre cómo los archivistas pueden gestionar la representación de datos de manera ética y responsable.

Proyectos específicos como aparece en el artículo “Exploring New Ways of Visualising The National Archives’ First World War Diaries” la digitalización de diarios de la Primera Guerra Mundial han evidenciado la necesidad de desarrollar nuevas herramientas de visualización y análisis para gestionar grandes cantidades de datos. El prototipo de visualización GeoBlob, desarrollado para representar de manera abstracta información espacial y temporal incierta, es un ejemplo de cómo las innovaciones tecnológicas pueden mejorar la comprensión y el acceso a los archivos históricos (Goudarouli, 2018b). Estos esfuerzos reflejan la evolución continua del campo, que busca integrar tecnologías avanzadas para superar las limitaciones de los sistemas tradicionales de catalogación y maximizar el potencial del análisis digital a gran escala.

La gobernanza de la información o de los datos en Twitter/X (D’Agostino et al., 2017) es fundamental para una gestión eficaz de los datos y la seguridad de la información. Los medios en Twitter son fundamentales para difundir información y afectar la opinión pública (D’Agostino et al., 2017). Finalmente, la apertura en la publicación de resultados y métodos es fundamental para la validez de la investigación, particularmente en entornos de Big Data . En este escenario, la narración de datos surge como una herramienta fundamental para transformar información complicada en narrativas comprensibles (Quijano, 2020).

El web scraping es una técnica para extraer datos de sitios web que se encuentran en una zona gris desde un punto de vista legal y ético. Aunque las empresas suelen utilizarlo para potenciar sus modelos de inteligencia artificial, la legalidad de esta depende de cómo se obtiene y utiliza la información. En España, el web scraping es legal siempre y cuando no vulnere los derechos de autor, no incluye conductas poco éticas y cumple con la LOPD y el GDPR, que exigen el consentimiento del usuario para el almacenamiento de datos personales (¿esto es scraping, seguimiento o scraping online en España?, s/f). El scraping debe realizarse de forma ética, evitando el uso no autorizado de datos personales y no sobrecargando los servidores (¿Es legal el scraping, el rastreo o el scraping online en España?, s.f.)”. Las empresas deben evaluar la legalidad de cualquier proyecto de scraping y garantizar el cumplimiento de los estándares regulatorios vigentes.  La tesis de Jhohan Julian Sanabria de Luque “Sector privado y libre competencia: implicaciones legales del web scraping” sostiene que el web scraping a pequeña escala puede ser aceptable si no revela información privada sobre perfiles individuales y se centra en metadatos en lugar de datos publicados. Además, cumple con los términos y condiciones de plataformas como Twitter al no reproducir públicamente tweets individuales, sino al proporcionar información sobre la cantidad de datos recopilados por terceros. Este enfoque respeta los derechos de los usuarios y reduce el riesgo de violaciones de la privacidad y la propiedad intelectual.

La complicada dinámica de la explosión de información en Twitter/X durante una campaña política puede estudiarse desde diversos enfoques teóricos. Según la teoría de la comunicación política (Croteau & Hoynes, 2014), Twitter/X es un instrumento crítico de persuasión y apoyo debido a la naturaleza bidireccional de los intercambios entre los políticos y el público en general. Por otro lado, la teoría del establecimiento de agenda (McCombs y Shaw, 1972) enfatiza el papel crítico de los medios de comunicación, incluido Twitter/X, en la definición de cuestiones sociales y la creación de espacios para que los políticos definan agendas y discursos particulares. La teoría del framing (Entmann, 1993) enfatiza cómo la información proporcionada estratégicamente puede impactar la opinión pública, lo que permite a los políticos replantear los problemas y cambiar la percepción pública al usar Twitter/X.

La calidad de los datos, particularmente en términos de fidelidad a la situación modelada e idoneidad para el propósito, puede combinarse con la información de los dos textos proporcionados. La calidad de los datos se define por dos factores principales: fidelidad e idoneidad para el propósito.

Fidelidad a la situación que modelan: Este elemento se refiere a la capacidad de los datos para representar con exactitud la realidad que describen (Melchor Medina et al., 2012). Un conjunto de datos de alta fidelidad está libre de errores importantes, pero permanece fiel a los hechos o eventos que se modelan. Por ejemplo, en un entorno financiero, el saldo de una cuenta debe reflejar con precisión la situación de la cuenta corriente para garantizar decisiones correctas (Melchor Medina et al., 2012).

Adecuación al propósito: La Wikipedia (2024) define la adecuación como la capacidad de los datos para ser relevantes y útiles en un contexto determinado o para resolver un problema específico. No todos los datos, por precisos que sean, son adecuados para todas las situaciones. Los datos son apropiados si proporcionan la información necesaria para tomar decisiones informadas y efectivas en el área para la cual fueron recopilados y analizados. Por ejemplo, las tendencias del mercado son más apropiadas para las decisiones estratégicas que los datos operativos de corto plazo (Melchor Medina et al., 2012).

La calidad óptima de los datos se logra cuando estos dos aspectos, fidelidad y relevancia, están alineados. La información puede ser extremadamente precisa pero irrelevante para la pregunta formulada y viceversa. Para garantizar decisiones informadas y efectivas, es necesario incluir controles que aseguren la precisión y relevancia de los datos para las necesidades específicas de los usuarios (Melchor Medina et al., 2012; colaboradores de Wikipedia, 2024).

En cuanto al análisis de los microdatos de Twitter/X, fidelidad significa que los datos extraídos deben reflejar fielmente la actividad y el comportamiento en Twitter de los perfiles examinados. Esto implica garantizar que los tweets recopilados sean precisos y completos, y que los metadatos asociados (como la hora, fecha, número de retweets y me gusta) sean precisos.  La calidad de los microdatos extraídos de Twitter puede ser evaluada mediante las siguientes parametros:

Dimensionalidad: la cantidad de información proporcionada por la fuente de datos que está asociada con varios elementos, como el autor, los hashtags y los medios.

Densidad: Cantidad de datos agrupados por cada dimensión, como la cantidad de información sobre el autor o el número de hashtags utilizados. Esto facilita la comprensión de la amplitud y valores de los datos en términos de la examinación del discurso político.

En palabras más coloquiales, la dimensionalidad se refiere a la cantidad de aspectos que podemos tomar de un trino (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 representarán 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.

Los microdatos son datos con una dimensión lo suficientemente pequeña como para que los humanos los entiendan. El volumen y la estructura los hacen fácilmente accesibles, informativos y útiles para la toma de decisiones. Mientras que el término “Macrodatos” se refiere a datos procesados ​​por máquinas. Hasta la llegada de los macrodatos, los microdatos se conocerán simplemente como datos. Los macrodatos buscan correlaciones, mientras que los microdatos buscan comprender causas y razones. Allen Bonde define los microdatos como aquellos que conectan a las personas con ideas significativas, derivadas de macrodatos o fuentes locales, organizadas y empaquetadas, a veces visualmente, para que sean accesibles, comprensibles y procesables en las tareas cotidianas (colaboradores de Wikipedia,). Big Data, también conocido como macrodatos, se refiere a grandes volúmenes de datos complejos que las empresas reciben a diario y que no pueden clasificarse o estructurarse fácilmente mediante software tradicional o de forma manual. Estos datos provienen de fuentes tecnológicas avanzadas y pueden responder a problemas comerciales que de otro modo serían difíciles de abordar. Las cinco ‘V’ del Big Data son volumen, variedad, velocidad, verdad y valor (pymd1g1t4l, 2022). En la tesis, los microdatos se utilizan para analizar pequeños conjuntos de información específica, lo que permite extraer conclusiones precisas y viables para proyectos más específicos. Los macrodatos se utilizan para identificar patrones y tendencias en grandes cantidades de información de muchas fuentes, lo que permite una comprensión más integral y estratégica en contextos empresariales y tecnológicos.

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 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.

La investigación reproducible se refiere a la capacidad de repetir la investigación y obtener los mismos resultados utilizando los mismos datos, métodos computacionales y condiciones de análisis. La importancia de este concepto en la ciencia radica en su capacidad para validar y verificar hallazgos científicos, lo que aumenta la confianza en las conclusiones de las investigaciones (Spinak, 2023). La reproducibilidad asegura que los resultados de un estudio no sean fruto del azar o de errores metodológicos, permitiendo que otros científicos los confirmen. Esto es esencial para confirmar la autenticidad y solidez de los resultados científicos (Spinak, 2023). Fomentar el intercambio abierto de datos, métodos y códigos promueve la transparencia en la investigación. La metodología utilizada puede ser revisada y evaluada por la comunidad científica, lo que aumenta la confiabilidad de los resultados publicados (Spinak, 2023).
La formación científica se ve facilitada por la reproducibilidad, que permite el desarrollo sólido y fiable de conocimientos previos. El reexamen y replicación de estudios permite reconocer posibles defectos o insuficiencias en los métodos aplicados, promoviendo así la mejora constante de las técnicas y procedimientos científicos (Spinak, 2023). La investigación reproducible es crucial en el contexto del trabajo académico sobre el análisis de microdatos de Twitter para el estudio del análisis de calidad de microdatos . Es esencial que los métodos y procedimientos utilizados para recopilar y analizar microdatos de Twitter sean transparentes y reproducibles por otros investigadores. Esto no sólo valida tus resultados, sino que también aumenta la certeza de tus conclusiones.Otros investigadores pueden utilizar los mismos datos o microdatos de Twitter y métodos de recopilación para duplicar sus análisis y garantizar la coherencia de sus hallazgos. Al compartir los métodos utilizados para extraer y analizar datos de Twitter, facilita que otros evalúen críticamente su metodología, fortaleciendo la validez de sus resultados y agregando transparencia al proceso de investigación.Los resultados replicables de su investigación pueden servir como base para trabajos futuros en el área de análisis de datos o microdatos en las redes sociales. Revisar y replicar estos estudios puede ayudar a mejorar las técnicas de extracción y análisis de datos de Twitter, lo que contribuirá al desarrollo futuro de métodos más confiables y precisos. Asegure la reproducibilidad de su investigación y será evaluado como un investigador riguroso y confiable en el campo del análisis del discurso político en las redes sociales (Spinak, 2023).

Enfoque metodológico

Este proyecto se guía por una metodología de diseño basada en investigación que se caracteriza por la creación de prototipos continuos. Este enfoque, en línea con el pensamiento de diseño y las epistemologías diseñistas, reconoce el diseño como un conocimiento en red, capaz de incorporar métodos cuantitativos, cualitativos, etnográficos e investigación acción participativa (Luna, 2019).

La investigación se desarrolla en ciclos de retroalimentación continua, lo que permite ajustar la metodología a medida que avanzamos en el estudio. Los prototipos, concebidos como laboratorios para explorar hipótesis, desempeñan un papel fundamental. No solo actúan como un medio para comunicar resultados, en consonancia con la propuesta de investigación desde el diseño, sino que también se utilizan como herramientas para habitar y explorar mundos posibles (Luna, 2019).

La metodología de diseño basada en investigación se estructura en varias fases

Indagación contextual: Esta fase implica la exploración del contexto sociocultural mediante técnicas etnográficas rápidas y conversaciones formales e informales (Luna, 2019). Se realizó un análisis de los tweets generados por los usuarios de Twitter/X, enfocándonos en los perfiles de los candidatos Gustavo Bolívar. Se revisaron las restricciones del API actuales; se indagó con académicos de centros de investigación si ellos continuaban teniendo acceso a pesar de ellas, encontrando que no; se revisan alternativas de código abierto usando el API no oficial de Twitter/X, las cuales estaban cerrando su acceso y procedió a elegir el scrapping como método de adquisición de datos, dado el carácter puntual de los mismos, es decir, referidos a perfiles específicos en lugar de análisis de sentimientos, interacciones y otros que, por lo general, sí requieren acceso al API.

Diseño participativo: Aquí, se fomenta la colaboración con los interesados a través de talleres y la creación de prototipos ligeros o mentales. El objetivo es formular hipótesis sobre posibles soluciones, incorporando la perspectiva de quienes están directamente involucrados (Luna, 2019). Aunque en esta fase no se sometieron los prototipos a la evaluación de una comunidad amplia, Sin embargo, sí se procedió al diseño de prototipos ligeros, del tipo “qué pasaría sí”. En este caso, la pregunta tenía que ver con “qué pasaría si, al hacer scraping de datos, queremos revisar su calidad”.

Diseño de producto: Durante esta etapa, se lleva a cabo la creación de prototipos tempranos por parte del equipo del proyecto. Aunque se mantenga cierta distancia de los interesados, se fomentan discusiones técnicas especializadas para asegurar la viabilidad del diseño Luna, 2019, citando a Leinonen (2008). En esta etapa, se estableció un entorno reproducible para almacenar, analizar y organizar los datos de Twitter/X, garantizando la integridad y accesibilidad de los mismos para futuros análisis. El diseño de estas herramientas, se hizo de manera “cerrada”, como suele ocurrir en esta fase, en este caso entre tutor y tesista, usando los criterios de sencillez y flexibilidad que se explican en la parte de investigación reproducible. Este entorno de investigación reproducible no sólo incluyó elementos de publicación progresiva de la tesis, sino también de escritura colaborativa y recepción de realimentación entre tutor y tesista.

Prototipo como hipótesis: En esta fase, los prototipos se presentan a los interesados para su validación. Se destaca la naturaleza hipotética de los prototipos, lo que permite evaluaciones continuas dentro de los límites del proyecto Luna, 2019, citando a Leinonen (2008). Este proceso permitió evaluaciones continuas, identificando las fortalezas y limitaciones de los datos recolectados. A través de iteraciones sucesivas, ajustamos los prototipos para mejorar su capacidad de su capacidad de estudiar los datos recopilados a través de narrativas de datos, que se incorporan progresivamente al texto de la tesis en la sección “Análisis de la calidad de los microdatos extraídos”. También se pudo apreciar los límites de las herramientas desarrolladas y del tiempo para el análisis. Por ejemplo, dichas herramientas eran más adecuadas para información tabular y no tanto para la arbórea (de esto se hablará en mayor detalle en la respectiva sección).

La investigación en diseño implica una variedad de metodologías y epistemologías que pueden adaptarse a problemas y contextos específicos y diversos. Según el libro “Design Research Now: Essays and Selected Projects” (Michel, 2007), estas metodologías pueden usarse no sólo para el desarrollo de productos o servicios, sino también para problemas sociales, políticos y tecnológicos, como el que acá tenemos, pues los prototipos progresivos, permiten comprender fenómenos complejos. En el caso de esta investigación, dichos prototipos ocurrieron en la forma de narrativas de datos donde se combinaba prosa, código, datos y visualizaciones para explorar los datos extraídos de Twitter/X y comprender su naturaleza. También la tesis es un prototipo en sí misma, pues en sus diversas iteraciones y repositorios de código se encuentra una evolución tanto de la escritura, como de las comprensiones que se alcanzaron con esta tesis.

Este enfoque metodológico se adapta a las necesidades específicas de la investigación sobre la calidad de los microdatos extraídos de Twitter/X para los perfiles de los candidatos Gustavo Bolívar y Juan Daniel Oviedo durante las elecciones para la Alcaldía de Bogotá del año 2023, permitiendo una exploración profunda y una validación constante de los hallazgos. Este estudio examina los perfiles de Twitter de los candidatos políticos durante las elecciones municipales de Bogotá de 2023. Las metodologías de diseño pueden proporcionar un enfoque innovador para la recopilación y el análisis de microdatos.

Estas modificaciones demuestran la aplicación única de las fases de la metodología de diseño general del dominio público al estudio de análisis de minería de datos sobre la influencia política en Twitter/X durante la contienda por la Alcaldía de Bogotá. Las metodologías de diseño que integran múltiples fuentes de datos e incluyen los contextos sociales y culturales de los usuarios pueden ser muy útiles para interpretar las actividades de los candidatos en las redes sociales.

Desplegando un entorno de investigación reproducible

El entorno de investigación reproducible para esta tesis articuló un conjunto de herramientas que permitieran la instalación de software, el control de versiones históricas del texto de la tesis y otros productos de investigación asociados, la colaboración con el tutor y la publicación de productos intermedios, así como la exploración de los datos extraídos y su visualización. Este conjunto de herramientas se eligió sobre otras que podrían funcionar para el mismo propósito, debido a su simpleza y flexibilidad. Por ejemplo, Fossil es más sencillo de usar que Git y tiene más funcionalidades integradas (ver Fossil versus Git)[https://www.fossil-scm.org/home/doc/trunk/www/fossil-v-git.wiki] y Lepiter+Grafoscopio/MiniDocs provee mayor flexibilidad de personalización sobre otras herramientas más populares como los Jupyter Notebooks (Luna 2019, cap tal). La selección de herramientas se hizo de manera tal que la escritura de la tesis, incluyendo el análisis de datos se pudiera hacer en distintos computadores con diferentes capacidades de procesamiento, incluyendo computadores familiares (Mac y Windows), así como computadores del LabCI. Esto acarrea cierta redundancia de herramientas como Zettlr y LiteXL, ambos usados para escritura en Markdown, pero el segundo más ligero y que funciona en máquinas más modestas.

El entorno de investigación reproducible para esta tesis está compuesto de los siguientes elementos:

1. Scoop: Gestor de instalación de software libre, de código abierto y/o libre distribución.
2. Fossil y ChiselApp: Sistema de control de versiones y publicación de borradores de la tesis y sus narrativas de datos
3. Glamorous Toolkit y Pharo: Entorno de desarrollo moldeable con herramientas visuales e interactivas para programación y gestión del conocimiento.
4. Grafoscopio: Herramienta que incluye ExoRepo y MiniDocs para la organización y visualización de documentos.
   • ExoRepo: Utilidad que facilita la instalación de repositorios hospedados en infraestructuras de código autónomas.
   • MiniDocs:  Sistema diseñado para mejorar las capacidades de documentación de proyectos, integrado en Grafoscopio.
5. WindTerm: Aplicación para la gestión de terminales y líneas de comandos.
6. Zettlr: Software para la escritura y organización de textos académicos y notas.
7. Pandoc: Conversor de documentos entre diferentes formatos, como Markdown, HTML y PDF.
8. Tectonic:  Motor de composición tipográfica para la creación de documentos LaTeX.
9. Eisvogel Template: Plantilla para la generación de documentos PDF con un diseño elegante.
10. LiteXL: Editor de texto ligero y extensible para la edición de archivos.
11. Hypothesis: Herramienta para la creación comentarios en investigaciones.
12. Flameshot: Herramienta para tomar pantallazos
13. Publicando reproducible: Como exportamos el documento desde Markdown a HTML y PDF y cómo se hacen con Fossil.

A continuación, se detallará cada una de las herramientas mencionadas, incluyendo cómo fueron instaladas y utilizadas durante el desarrollo de la tesis. Esto permitirá comprender en profundidad el papel de cada herramienta en el proceso de investigación reproducible.

Scoop

Scoop es una aplicación de línea de comandos para Windows que facilita la instalación de software al eliminar las ventanas emergentes de permisos y los tutoriales de instalación. Automatiza la instalación de dependencias, realiza las configuraciones necesarias y puede crear configuraciones recurrentes para personalizar el entorno. Es especialmente útil para instalar aplicaciones “portátiles”, pero también funciona con instaladores estándar.

Para su instalación, se puede realizar de dos maneras. La primera es directamente desde la página principal, mientras que la otra se lleva a cabo mediante el siguiente comando:

iwr -useb get.scoop.sh | iex

Scoop se utilizo para instalar todos los software para el entorno reproducible, un gran ejemplo es Pandoc:

Fossil y ChiselApp

Fossil es un sistema de control de versiones (SCM) que rastrea los cambios, el progreso y el desarrollo del proyecto. Destaca por su alta calidad y es muy reconocido por su uso en ChiselApp, una plataforma de alojamiento y lanzamiento de proyectos. Aunque el Fossil SCM se considera un dispositivo de alta calidad, no recibe el crédito que merece en el sector tecnológico.

ChiselApp es una plataforma de alojamiento y lanzamiento de proyectos que ejecuta Fossil SCM como sistema de control de versiones. Permite a los usuarios realizar un seguimiento de los cambios en los archivos, comunicar el progreso y la evolución del trabajo académico y guardar los datos recopilados mediante herramientas de scraping. ChiselApp permite crear repositorios públicos y privados, lo que facilita el mantenimiento y la colaboración en proyectos académicos. En la imagen que se presentará a continuación se muestra el historial de cambios subidos a ChiselApp por los autores y el tutor del proyecto de grado. En ella, se pueden evidenciar las modificaciones de archivos.

Para la instalación y sincronización de Fossil se usó los siguientes comandos:

scoop install main/fossil

Glamorous Toolkit y Pharo

Glamorous Toolkit (GT) es un entorno de desarrollo moldeable que ofrece herramientas visuales e interactivas que se pueden utilizar para abordar una variedad de preguntas, incluida la programación, la extracción de datos y la gestión del conocimiento. GT pretende hacer comprensibles los sistemas mediante experimentos adaptados a cada situación. Se implementa utilizando Pharo, un lenguaje de programación dinámico orientado a objetos. Pharo ofrece un entorno interactivo y un sistema de desarrollo integrado, lo que facilita el diseño de aplicaciones complejas. GT y Pharo trabajan juntos para brindar una experiencia de desarrollo única y altamente personalizada. Pharo se utilizó para realizar análisis de datos específicos. La integración de Glamorous Toolkit (GT) con Pharo permitió una experiencia de desarrollo única y altamente personalizada, optimizando la creación y manipulación de datos para la investigación.

Grafoscopio

Ahora se instalará Grafoscopio, Grafoscopio es una herramienta interactiva flexible de visualización de datos y documentación.

Se utiliza en una variedad de disciplinas, incluida la ciencia abierta, la investigación reproducible. ExoRepo es una utilidad que facilita la instalación de repositorios hospedados en infraestructuras de código autónomas.
Pero antes de eso debemos instalar Exorepo, esto se debe instalar en Lepiter de Glamorous Toolkit .

location := FileLocator localDirectory .
(IceRepositoryCreator new 
   location: location;
   remote: (IceGitRemote url: 'https://code.sustrato.red/Offray/ExoRepo.git');
   createRepository)
register.

Metacello new
   repository: 'gitlocal://', location fullName;
   baseline: 'ExoRepo';
   load

Ahora se instala MiniDocs, un sistema diseñado para mejorar las capacidades de documentación de Lepiter.

ExoRepo install: 'MiniDocs'.

WindTerm

WindTerm es un programa de terminal diseñado para un rendimiento rápido y eficiente en Windows y WSL (Subsistema de Windows para Linux). Destaca por su capacidad para procesar comandos rápidamente y utilizar una memoria mínima, lo que lo hace perfecto para tareas que necesitan grandes cantidades de texto. WindTerm proporciona transferencias de archivos locales y SFTP rápidas, lo que lo convierte en una opción eficiente para la administración de archivos. También tiene la capacidad de autocompletar credenciales para acelerar el proceso de inicio de sesión, aunque se recomienda su uso en entornos seguros debido a riesgos potenciales de seguridad.

Zettlr

Zettlr es una herramienta de escritura todo en uno que le ayuda a crear publicaciones que incluyen publicaciones de blogs, artículos de revistas, artículos académicos, tesis y libros completos. Incluye gestión de proyectos de redacción, la mejor asistencia para citas, privacidad de datos, conexión con administradores de referencias, exportación flexible y una interfaz de usuario diseñada para brindar eficiencia, velocidad y productividad. Zettlr es un software gratuito y de código abierto que mantiene sus notas en su computadora sin sincronización forzada en la nube ni tarifas ocultas. Además, proteja su privacidad al no rastrear ni experimentar con sus datos. La herramienta se puede adquirir por la página oficial de Zettlr.En la imagen a continuación se observa la interfaz de Zettlr, donde se muestran los archivos Markdown abiertos del trabajo de grado, con la posibilidad de modificarlos.

Pandoc

Pandoc es una aplicación de línea de comandos y una biblioteca Haskell que puede convertir documentos entre varios formatos procesamiento de textos, incluidos Markdown, HTML, LaTeX y Word docx. Pandoc es extremadamente flexible y modular, por lo que los usuarios pueden agregar rápidamente formatos de entrada y salida adicionales. También puede crear documentos separados o fragmentos y generar archivos PDF desde LaTeX, ConTeXt, roff ms o HTML como formatos intermedios.

Para su instalación, se puede realizar de dos maneras. La primera es directamente desde la página principal, la primera es directamente desde la página principal, mientras que la otra, se lleva a cabo mediante el siguiente comando:

scoop install pandoc

Tectonic

Un motor de composición de documentos basado en TeX/LaTeX llamado Tectonic facilita la creación de textos que sean rigurosamente científicos y tipográficamente precisos. La carga automática de archivos de soporte, la producción de documentos reproducibles, la lógica de creación inteligente, la integración de GitHub Actions y la distribución de licencias MIT son algunas de las características importantes.

Para su instalación se lleva a cabo mediante el siguiente comando:

scoop install main/tectonic

Eisvogel Template

La plantilla Eisvogel LaTeX está diseñada para utilizar Pandoc para convertir archivos Markdown a PDF o LaTeX. Se concentra especialmente en la redacción de ejercicios y apuntes del curso, con especial atención a la informática. La plantilla tiene una serie de características, como soporte para resaltado de sintaxis en bloques de código, incluyen imágenes de fondo y personalización de la página de título. También brinda oportunidades para manipular la apariencia del documento final a través de variables personalizadas. Junto con Pandoc y LaTeX, la plantilla Eisvogel se puede descargar e instalar. También se puede acceder a él a través de una imagen de Docker que contiene Pandoc, LaTeX y otros archivos necesarios.

Para su instalación se lleva a cabo a través de su página oficial de descarga y siguiendo sus parmetros para su instalación.

LiteXL

Lite XL es un editor de texto liviano construido principalmente en Lua y diseñado para ser funcional, estéticamente agradable, pequeño y rápido. Permite la personalización mediante complementos y temas de color, que pueden cambiarse fácilmente modificando el módulo de usuario. Para su instalación se necesita ejecutar el siguiente comando:

scoop install lite-xl

Interfaz de LiteXL:

Hypothesis

Hypothesis es una herramienta que permite a los usuarios anotar, resaltar y etiquetar páginas web y documentos PDF de forma colaborativa. Facilita la discusión, la interacción social, la organización de la investigación y la adquisición de notas personales sobre este tipo de contenidos.

Flameshot

Flameshot es una herramienta de captura de pantalla altamente personalizable y fácil de usar. Ofrece numerosas opciones de personalización, como la interfaz de color, la selección de botones, atajos de teclado y la forma en que se guardan las imágenes. Su configuración es accesible y permite modificar estos aspectos según las necesidades del usuario. En la imagen a continuación se puede evidenciar el uso de una herramienta para tomar un pantallazo como ejemplo. Se utilizó esta herramienta para todas las imágenes o capturas de pantalla encontradas en el trabajo de grado.

Publicación reproducible.

Si bien hemos mostrado, en las secciones previas las herramientas individuales y sus usos en esta investigación. Este apartado se encarga de mostrar los flujos de trabajo que conectan las herramientas.

Se inicia por crear una cuenta de usuario en ChiselApp, que permita tener un histórico de todos los archivos que hacen parte de la investigación a través de repositorios de código, en este caso usando Fossil. Para establecer una conexión entre el repositorio remoto y el local, en Windows se optó por instalar en dicho sistema operativo, WindTerm y Fossil. Luego de la instalación, se usó el siguiente comando, desde WindTerm, para sincronizar los repositorios locales y remotos:

 fossil.exe sync https://ArleyVera@chiselapp.com/user/ArleyVera/repository/Tesis

Los prerrequisitos para cualquier comando son: que se instale el software que proporciona el comando, en este caso Fossil y que los parámetros estén completos y bien escritos. En este ejemplo, que la frase “sync” esté escrita correctamente y que se proporcione el enlace al repositorio.

Para finalizar la conexión, se le solicitará la contraseña del repositorio.

En caso de que ya haya archivos subidos al repositorio se puede usar el siguiente comando para clonarlo:

fossil.exe clone https://chiselapp.com/user/ArleyVera/repository/Tesis

Este repositorio hace seguimiento de los cambios, el progreso y el desarrollo del trabajo universitario. Además, se puede compartir el trabajo con otros usuarios del repositorio con una serie de permisos. Se establecieron dos repositorios, uno privado y otro público. Publicando el progreso del trabajo final en el repositorio público, mientras que todos los datos recopilados mediante las herramientas de Scraping se almacenan en el repositorio privado.

Se mostrará la interfaz de Chiselapp y sus funciones principales para la elaboración del trabajo final:

1. La “Línea de tiempo” muestra los cambios realizados en los archivos.
2. Todas las carpetas y archivos asociados con el repositorio se pueden encontrar en la sección “Files”.
3. Esta sección muestra la línea de tiempo de las modificaciones de archivos.

Al hacer clic en el enlace junto a la opción “Check in”, aparecerá una nueva interfaz con todos los datos e información actualizados. Además, se podrá comparar visualmente con versiones anteriores.

1. Línea del tiempo de archivo seleccionado.
2. Versión anterior de archivo y resaltando cual característica fue cambiada.
3. Versión de archivo actualizando resaltando la característica cambiada.

Es fundamental señalar que el uso de repositorios públicos y privados proporciona un enfoque integral para la gestión de datos y trabajo, que es necesario para garantizar la transparencia y reproducibilidad del estudio. Además, al publicar el trabajo en un repositorio público, contribuimos al intercambio de conocimiento y facilitamos la colaboración con otros académicos interesados en el campo de estudio. Para fusionar prosa con historias de datos, el documento de Google Docs se transformó a Markdown. Markdown es un lenguaje de marcado simple y comprensible que permite formatear texto de manera liviana. No sólo facilita la presentación de la información, sino que también ayuda a mejorar estéticamente el contenido del trabajo de grado. La conversión a Markdown permite integrar códigos de prueba para la recopilación y recuperación de datos mediante código o comandos. Esto es fundamental para la investigación, ya que permite automatizar operaciones y preservar un registro organizado de los procesos. Al mismo tiempo, Markdown hace que los datos y los resultados sean más atractivos y sencillos, lo que facilita la comprensión tanto para los académicos como para las personas interesadas en el trabajo.

Se utilizó Zettlr para dividir el trabajo en tres partes después de convertir el contenido del trabajo de grado a Markdown. Zettlr es un editor de texto gratuito y de código abierto que admite el formato Markdown y se adapta a varios sistemas de productividad como PARA, GTD y Zettelkasten. Permite el desarrollo de archivos de texto interconectados con enlaces internos y externos, formatos, tablas, gráficos, HTML y otras características sin necesidad de un proveedor. Zettlr le permite exportar fácilmente a muchos formatos, como PDF y HTML, así como ingresar caracteres especiales y texto automático. Puede utilizarse para ejecutar enfoques de productividad como Zettelkasten, PARA y GTD. Sin embargo, tiene ciertas limitaciones, como la falta de conexiones a puntos específicos de los documentos, la falta de una versión móvil, la falta de transclusion, la falta de un lector gráfico y la imposibilidad de generar HTML.

La interfaz de Zettlr continúa enfatizando el formato Markdown, así como la funcionalidad principal de la herramienta, que incluye guardar, abrir y modificar archivos.

Interfaz Zettlr:

1. Opciones guardar, exportar, importar y abrir archivos
2. Herramientas como insertar imagenes por medio de un comando
3. Se te permite abrir varios archivos y modificarlos a la vez
4. Se permite modificar los archivos directamente

El trabajo se divide en tres partes:

“a-apertura” : Contiene la sección metodológica completa del trabajo de pregrado, incluyendo la introducción, estado del arte, objetivos y enfoque metodológico.

b-desarrollo”: Esta sección contiene información sobre herramientas de raspado y comparaciones. También se incluye una evaluación de la calidad de los datos del scrap y su correspondiente narrativa de datos. También menciona las aplicaciones y herramientas que se emplearon para lograr los resultados deseados.

“c-cierre”: Esta sección cubre los resultados, conclusiones y bibliografía del trabajo de pregrado.

Luego de la separación de los contenidos, se realizó un examen para encontrar fallas, como problemas de escritura y espacios adicionales, y organizar los contenidos de manera significativa. Luego, las tres partes se combinaron en un archivo PDF para poder visualizar el resultado y el contenido del trabajo de grado.

Luego se utilizó WindTerm para transferir los archivos al repositorio público, facilitando y agilizando dicho proceso. WindTerm es un software de terminal que se ejecuta de forma rápida y eficiente en entornos Windows y WSL (Subsistema de Windows para Linux). Se distingue por su capacidad para ejecutar comandos rápidamente y requerir un mínimo de memoria, lo que lo hace perfecto para trabajos que involucran grandes cantidades de texto.

1. Apartado para escribir los comandos.
2. Apartado para seleccionar el tipo de terminal necesario.

Luego se puede utilizar LittleXL para acelerar el proceso, ya que Zettlr puede resultar pesado en algunos dispositivos. Si experimenta ralentizaciones u otras preocupaciones especiales, utilice LittleXL, que es una herramienta mucho más ligera y fácil de usar.

Luego se descargó el Glamorous Toolkit y se utilizó para evaluar los datos recuperados. Sin embargo, para lograr este objetivo, es esencial instalar las siguientes herramientas adicionales:

• Scoop.
• Grafoscopio.
• ExoRepo.
• MiniDocs.

Una vez instalados estos programas, puede comenzar a analizar los datos recuperados. Una vez que se complete el escaneo, siga los pasos a continuación para obtener la página que contiene la información o las instrucciones utilizadas para el escaneo.

1. Cliquear el botón de inspector de la página que está en la mitad de la misma.
2. Arrastrar en handler desde el borde inferior de la página hacia arriba de modo que aparezca el playground de la página que está en 3.
3. Escribir en el playground de la página “self asMarkdownFile”. Eso producirá el archivo que está en 4, dentro de la subcarpeta Documentos/lepiter
4. Copiar el archivo que aparece en 4 a tu repositorio en la subcarpeta prototipos.

Después de tener todos los archivos con su respectiva información correspondiente se debe usar el siguiente comando para unificar los archivos y crear uno solo en formato MD:

pandoc a1-intro.md a2-apertura.md b-desarrollo.md ../prototipos/analisis-de-la-calidad-de-los-microdatos-extraidos--7nfst.md.html
c-cierre.md d-apendices.md -o tesis-pregrado.html --template=../plantillas/easy_template.html --toc

Para adicionar o actualizar el PDF de La tesis, en la carpeta raiz del repositorio ejecutamos:

fossil.exe uv add capitulos/tesis-pregrado.pdf

Para sincronizarlo con la versión remota hacemos:

fossil.exe uv sync -v

Cuando esté sincronizado se usa este comando para unificar los archivos en formato MD y pasarlo o convertirlo en PDF:

pandoc a1-intro.md a2-apertura.md b-desarrollo.md ../prototipos/analisis-de-la-calidad-de-los-microdatos-extraidos--7nfst.md.html 
 c-cierre.md d-apendices.md -o tesis-pregrado.pdf --template eisvogel --pdf-engine=tectonic --toc -V lang=es-CO

Este comando va a unificar a todos los archivos nombrados y los convertirá en un archivo PDF, usando las herramientas Tectonic y Eisvogel Template.

Después se usa este comando para añadir el archivo al repositorio:

 fossil.exe add .\trabajo-grado.md 

Y por último se usa este comando para publicar el archivo añadido al repositorio:

fossil.exe commit -m "Nombre que desees"  

Adquisición de datos: Herramientas de Scraping

En la investigación se utilizaron varias herramientas de scraping, que son programas o aplicaciones informáticos creados para recopilar datos de fuentes de Internet (en este caso, plataformas de redes sociales como Twitter). Recopilar información pertinente sobre las candidaturas de Gustavo Bolvar y Juan Daniel Oviedo a la alcaldía de Bogotá en Twitter/X es el objetivo principal de esta fase. Se elegirán cuidadosamente las herramientas de scraping adecuadas para los propósitos a fin de adquirir los datos. Estos programas extraerán datos de cuentas de Twitter, tweets, seguidores y cualquier otro dato pertinente relacionado con las elecciones.

Para garantizar que las conclusiones sean sólidas. Compararemos las herramientas. Es necesario analizar cómo funciona y sopesar sus ventajas e inconvenientes. Aprenderemos cómo funciona cada herramienta en términos de capacidad de recopilar y analizar datos, y la calidad de los datos extraídos de la plataforma de redes sociales. Se enfocará en evaluar la precisión y fiabilidad de las herramientas, sin hacer referencia a la velocidad ni a la superación de limitaciones de la plataforma. Una vez obtenidos los datos pasaremos a su transformación. Para un análisis más sencillo, esto incluye limpiar y organizar los datos. Luego, escribimos historias con componentes tanto escritos como visuales. Estas narrativas permitirán representar eficazmente los hechos y ayudar a una mejor comprensión de los resultados.

La fase final de la investigación será el análisis de los datos. En esta sección, analizaremos los contenidos recopilados para evaluar los microdatos encontrandos en las campañas de Twitter/X de Gustavo Bolívar y Juan Daniel Oviedo. Este análisis ayudará a comprender mejor cómo se comparte la información en la plataforma y cómo afecta a la opinión pública y las decisiones de los ciudadanos. También brindará información útil sobre cómo se distribuye la información en el sitio.

Apify

Apify es una plataforma flexible que proporciona herramientas para realizar operaciones de web scraping de forma eficaz y automática. "Twitter scraper" es uno de los muchos servicios que ofrece, que permite a los usuarios extraer automáticamente datos importantes de ésta red social. Esto es particularmente útil para investigaciones, análisis de mercado y seguimiento de las tendencias de Twitter. Los usuarios del "Scraper para Twitter" de Apify pueden configurar parámetros particulares, incluidos términos de búsqueda, filtros de tiempo, propiedades de tweets e individuos específicos. El scraper se encarga de gestionar las llamadas a la API de Twitter una vez establecidos estos parámetros, recopilar los datos deseados y presentarlos de forma útil y estructurada. Esta estrategia técnica de Apify, junto con su "scraper para Twitter", ofrece una forma eficaz de automatizar la recogida de datos en Twitter, evitando la necesidad de realizar este procedimiento manualmente. Apify agiliza el proceso de obtención de datos útiles de Twitter/X y los pone en manos de quienes tienen mayor conocimiento técnico al ofrecer una interfaz fácil de usar para personalizar y administrar la configuración de scraping.

A través de los enlaces mencionados en los tweets o los perfiles de las personas que estás viendo, Apify te permite revelar los detalles de los tweets. Pero existe una gran diferencia entre los modelos gratuitos y de pago. Por ejemplo, sería posible especificar fechas precisas o crear un motor de búsqueda personalizado de tweets, se utilizaron un lenguaje de programación. Sin requerir el uso de una API, la plataforma ofrece datos sobre las características clave de los tweets, con:

• Cantidad de me gustas.
• ReTweets.
• Favoritos o guardados.
• Cantidad de comentarios.
• Cantidad de visitas.
• Enlace URL.
• Fecha y origen del Tweet.
• Descargar los datos.

La interfaz de Twitter Scraper luce de la siguiente manera:

En la página principal se puede encontrar:

1. Configurar el perfil de un candidato le permite ingresar los nombres de los candidatos cuyos tweets desea recopilar o enlaces a sus perfiles. Al hacerlo, podrá recopilar datos pertinentes y concentrar los esfuerzos de recolección en cuentas particulares.
2. Se puede especificar la cantidad exacta de tweets que desea recopilar o se puede definir un máximo. Debido a su adaptabilidad, puede personalizar la colección para satisfacer sus necesidades, ya sea que esté buscando una descripción general o un grupo de datos en particular.
3. Tiene la opción de incluir enlaces a tweets particulares aquí. Esto es útil si desea recopilar datos precisos de tweets particulares, tuvo un impacto en los investigadores y desarrolladores (por ejemplo, extendió el tiempo de esta tesis más allá de lo habitual).

Además de eso, se pueden configurar

1. Elección de las propiedades de Scraping: Puede configurar propiedades específicas para su proceso de Scraping de Twitter en esta sección. Incluido: Ubicación del tweet: puede optar por recopilar solo tweets de una región determinada, lo cual es útil para monitorear eventos y tendencias locales. Tipos de tweets: puede optar por recopilar solo tipos específicos de tweets, como aquellos que son originales, retuiteados, mencionados o que contienen un hashtag o término en particular. Esto le permite concentrarse en extraer contenido particular. Incluya las URL exactas de los tweets que desea incluir en su colección seleccionando esta opción. Esto es útil para adquirir información precisa y contextual.
2. Configuración para opciones avanzadas: Puede cambiar los siguientes parámetros en la sección de opciones avanzadas: Se debe especificar la versión de la página de Twitter que desea utilizar para el scraping, ya que las páginas web pueden cambiar con el tiempo. Puede controlar durante cuánto tiempo la herramienta de raspado recopiló la información. Esto es útil para gestionar la duración del proceso y evitar retrasos innecesariamente largos. Límite en la recopilación de datos: puede poner un límite a los datos que desea recopilar, lo cual es útil para evitar la descarga de grandes cantidades de datos. Asignación de memoria: debido a que puede afectar la rapidez con la que su sistema descarga datos, es crucial definir cuánta memoria desea dedicar a esta tarea.
3. Comience a recolectar: Simplemente elija "Iniciar" para iniciar el proceso de recopilación después de seleccionar todas las propiedades y opciones según sus especificaciones. El programa ahora comenzará a funcionar de acuerdo con sus comandos y recopilar datos de Twitter de acuerdo con la configuración que haya definido.

Se proporcionarán detalles importantes sobre el procedimiento de recopilación de datos de búsqueda y tweets en la nueva parte que será visible en la parte inferior de la página de recopilación de datos del usuario de Prefin, incluida la siguiente información:

1. La cantidad total de tweets recopilados exitosamente durante el procedimiento se muestra a continuación en Resultados o Número de tweets recopilados. Esto le ayudará a comprender cuántos datos ha recopilado.
2. Fuente de la encuesta: Al indicar la fuente de la encuesta en este campo, será posible rastrear el origen o el objetivo de la recopilación de datos.
3. Fecha y hora en que se iniciará el proceso de recogida de datos: Se le notificará cuando lo haga. Esto es importante para el seguimiento temporal y de registro de la operación.
4. La cantidad de tiempo necesaria para finalizar la recopilación de datos se mostrará según el tiempo utilizado para recopilar la información. Esto es crucial para determinar la efectividad y duración de la tarea.
5. Memoria utilizada para la recopilación: con esta información, se puede determinar cuánta memoria se necesita para completar la recopilación. Esto es crucial para la gestión de recursos y para garantizar que haya suficiente RAM disponible para las próximas tareas.

Al final de la sección se proporciona una recopilación de tweets sobre los dos candidatos, clasificados del más relevante al menos importante. Para cada tweet de esta lista, se mostrará la siguiente información detallada:

1. El texto completo del tweet, que puede incluir enlaces, comentarios, opiniones u otra información publicada por el usuario.
2. Imagen (si está disponible): Si el tweet tiene una imagen asociada, se mostrará para que puedas ver visualmente el contenido multimedia compartido.
3. Una medida de la actividad y el discurso que rodea a un tweet es la cantidad de comentarios o respuestas que ha recibido de otros usuarios.
4. Retweets: Cuántas veces un tweet fue compartido por otros usuarios, indicando qué tan ampliamente fue visto en la plataforma.
5. Número de Me gusta: la cantidad de veces que los usuarios hicieron clic en el botón "Me gusta" junto a un tweet para mostrar su apoyo y popularidad.
6. Si el sitio web ofrece información sobre el número de visitantes o vistas de tweets, esta información podría estar presente. Esto podría resultar útil para evaluar la visibilidad del contenido.
7. URL: el enlace al tweet en particular, que le permite acceder a él directamente en Twitter y obtener más información sobre él o interactuar con él.
8. La hora y fecha precisas en que se publicó el tuit permiten contextualizar la información a la luz de su naturaleza temporal.

Se puede encontrar la siguiente información en la sección “All Fields”, que proporciona información adicional y completa sobre los tweets recopilados:

1. ID: Código o número de identificación especial del tweet. Cada tweet tiene un número de identificación único que puede usarse para rastrear con precisión las entradas.
2. hashtag count: El número total de hashtags utilizados en el tweet. En las redes sociales, los hashtags (palabras clave seguidas del signo "#") se utilizan para agrupar y etiquetar material.
3. Exportación de datos: Simplemente haga clic en el botón "Exportar" en la parte inferior de la página para obtener los datos recopilados. Con el uso de esta herramienta, puede guardar datos en un archivo o formato particular, como un archivo Excel o CSV, para un estudio o referencia posterior.

Tiene una variedad de opciones adaptables en la página para personalizar la exportación de datos, de modo que puede ajustar la descarga del tweet según sus necesidades:

1. Seleccione la opción Formato de exportación para especificar el tipo de archivo para la descarga de datos. Las opciones más utilizadas son Excel, JSON, CSV, XML, tablas HTML, RSS y JSONL. Podrás seleccionar el formato que mejor se adapte a tu proceso de análisis o visualización de datos porque cada uno tiene sus propios beneficios y aplicaciones.
2. Campos seleccionados (Selected Fields): Puedes definir uno o más requisitos que deben cumplir los tweets para poder ser incluidos en la exportación en esta sección. Esto hace posible filtrar los tweets que no se ajustan a criterios particulares y descargar solo aquellos que sí lo hacen, lo cual es útil para técnicas de análisis más precisas.
3. Omitir campos: puede establecer criterios particulares que los tweets no deben cumplir para ser omitidos de la exportación en la sección "Omitir campos". Esto hace posible eliminar los tweets que no cumplen con requisitos particulares, lo cual es útil para deshacerse de datos innecesarios o innecesarios del conjunto de datos exportados.

Twitter Scraper

El término "Twitter Scraper" se refiere a un programa que extrae mecánicamente archivos y tweets de Twitter. Un "Twitter Scraper" es una extensión creada específicamente para recopilar información de perfil de Twitter y tweets directamente desde el navegador Chrome, en el contexto de una extensión de Google Chrome.

Interacción con Twitter: La extensión se puede activar automáticamente cuando visita una página de perfil de Twitter o accede a Twitter. Una extensión simula acciones que normalmente realizamos manualmente, como hacer clic en enlaces o desplazarse a la página, mediante el uso de tecnologías automáticas.

Extracción de datos: Cuando la extensión está en una página de perfil o en los resultados de búsqueda, puede buscar y extraer información pertinente como nombres de usuario, nombres reales, biografías, imágenes de perfil, números de suscriptores, tweets, etc. Estos datos se recopilan y guardan localmente o se procesan según las preferencias del usuario.

Almacenamiento y presentación: Los datos extraídos se pueden guardar de forma legible en la extensión o en la PC del usuario. Algunas extensiones también pueden proporcionar los datos recopilados de forma ordenada y comprensible en la interfaz del navegador.

Cambios en la estructura del sitio: Las extensiones de scraping están determinadas por la estructura y el diseño de la página web. Si el diseño o la estructura de Twitter cambian, la extensión puede dejar de funcionar correctamente hasta que se actualiza para reflejar los cambios.

Para que la extensión funcione correctamente en Google Chrome, primero debe darle permiso para conectarse. Los siguientes pasos necesarios:

1. Escriba su nombre de usuario o perfil aquí: En la barra de búsqueda de la extensión, escriba el nombre de usuario o ID del perfil que desea buscar. Verifique que este inicio de sesión esté activo y sea legítimo en la plataforma.
2. Indique una duración: Díganos cuánto tiempo planea dedicar a recopilar información. Su recopilación abarca un período de tiempo mayor si invierte más tiempo en ella. Configure esta opción según sea necesario.
3. Contiene el año y mes de inicio: Establezca el año y el mes desde el que la extensión debe comenzar a recopilar datos. La recogida se realizará entre la fecha de inicio que elijas y el día actual. Los valores que especifique para el período de tiempo que desea estudiar deben ser precisos.
4. Seleccione "Scrape Now": Para iniciar el proceso de recopilación de datos, seleccione la opción "Scrape Now" después de personalizar todos los parámetros según sus preferencias. A partir de este momento, la extensión comenzará a recopilar datos del perfil del usuario de acuerdo con las pautas.

La extensión mostrará al usuario una nueva página con amplia información sobre los tweets de ese perfil una vez finalizada la recopilación de datos. Puede encontrar los siguientes detalles en esta página:

1. Información básica del perfil de usuario: esta parte brindará la información fundamental del perfil de un usuario, como el nombre de usuario, la descripción de la cuenta, la fecha de creación y otra información pertinente.
2. Número de Me gusta: el perfil del usuario indicará el número total de Me gusta que ha acumulado en todos sus tweets. Esto ilustra lo apreciados y aceptados que son tus productos.
3. Número de "Retweets": Esto mostrará cuántas veces los tweets del perfil han sido retuiteados por otros usuarios, mostrando cuán leídas y relevantes son tus publicaciones.
4. Número de comentarios o respuestas: muestra el número total de comentarios o respuestas producidas por los tweets del perfil, mostrando la discusión y actividad en torno a sus publicaciones.
5. Lista de tweets con más interacciones: esta sección muestra una lista de cada tweet que ha recibido más me gusta, tweets y comentarios. Luego podrá ver qué tweets son los más importantes y populares en el perfil.
6. Lista de tipos de tweets: los tweets se agrupan según el tipo de contenido que contienen, incluidos texto, fotos y videos. Puedes ver cómo la persona usa varios tipos de contenido en su perfil al hacer esto.

Encontrará herramientas destinadas a facilitar la búsqueda y clasificación de tweets en la sección “Listas de publicaciones”. Estos recursos incluyen:

1. Búsqueda avanzada: Esta función facilita la búsqueda de contenido. Puedes buscar por tipo de contenido o usar palabras clave específicas relacionadas con el tweet que estás buscando.
2. Detalles de la publicación: Puede encontrar detalles detallados sobre cada tweet aquí. La fecha de publicación, el tipo de contenido del tweet, el formato del tweet (por ejemplo, texto, imagen, enlace, etc.), la cantidad de me gusta, retweets, reacciones y comentarios recibidos se encuentran entre esta información
3. Descarga de datos: También puede usar el proceso de “scraping” para descargar los datos obtenidos en formato CSV. Esto le permite realizar un seguimiento y análisis posteriores de los tweets.

Squawker

FOSS, que en inglés significa “Free and Open Source Software”, es una plataforma que destaca por ser una biblioteca de software instalable. Antes de poder acceder a la aplicación "Squawker", primero debes descargar otra aplicación llamada "F-Droid". software; gratis. Su principal objetivo es brindar a los usuarios de Android acceso a un repositorio de aplicaciones móviles de código abierto y gratuito para que puedan navegar, descargar y usar. A diferencia de las tiendas de aplicaciones convencionales, F-Droid promueve software que se adhiere a los principios del software libre, lo que permite a los usuarios utilizar, estudiar, cambiar y redistribuir el código fuente de los programas.

El cerebro de F-Droid está contenido en el cliente, una aplicación de Android que instalas y utilizas para acceder a tu colección como un portal. El cliente F-Droid permite a los usuarios buscar, explorar y seleccionar entre una variedad de programas FOSS. Además, instalar estas aplicaciones directamente en el teléfono inteligente es sencillo y no requiere visitar tiendas especializadas como Google Play Store.

La capacidad del cliente F-Droid para buscar actualizaciones del software instalado desde su repositorio y notificarlas a los usuarios es una característica crucial. Gracias a esto, los usuarios siempre tendrán acceso a la información y la configuración de seguridad más recientes.

En la esquina inferior derecha de la pantalla se encontrará un ícono de lupa, simplemente selecciónelo y escriba el nombre del software deseado, en este ejemplo Squawker. El nombre del desarrollador y una imagen o logotipo representativo que lo acompaña aparecerán en la pantalla cuando el programa haya realizado una búsqueda automática en la base de datos de F-Droid. Esto hace que encontrar e identificar el software que desea instalar es bastante sencillo.

1. Opción de búsqueda.
2. Buscador.
3. Aplicativo (Squawker).

Al momento de seleccionar la aplicación va a aparecer una nueva interfaz con el contenido general y explícito del aplicativo:

1. Nombre del aplicativo y creador.
2. Requerimientos o condiciones que se necesitan para instalar la aplicación.
3. Imágenes para mostrar el diseño de la aplicación.
4. Opción de descarga.

Después de descargar la aplicación y ejecutarla, va aparecer la interfaz o apartado principal de la aplicación donde se encontar todas las opciones disponibles para iniciar la extracción de información o datos de Twitter/X como:

Feed: Al seleccionar esta opción, se le dirigirá al área donde podrá navegar y seguir las actualizaciones de Twitter o la fuente de información necesaria.

Suscripciones: Para recibir notificaciones o actualizaciones pertinentes, puede administrar sus suscripciones a personas, temas o cuentas particulares aquí.

Grupos: Esta opción te permitirá crear varias categorías o información relacionada si el programa permite agrupar elementos en categorías.

Tendencias: Para mantenerse al día con los temas candentes, consulte las tendencias más recientes en Twitter u otra fuente de datos relevante.

Guardado: Si desea conservar o marcar elementos específicos para su uso posterior, puede utilizar esta opción para guardar o marcar elementos relevantes.

Puede encontrar una lista o directorio de perfiles de Twitter/X en la sección "Suscripción". Simplemente haga clic en el ícono de la lupa en la parte superior de la pantalla para encontrar un perfil determinado. Se debe ingresar el nombre de usuario del perfil que desea ver. En tu directorio, el programa localiza automáticamente un perfil con tu foto de perfil, y si es famoso mostrará el signo de verificación correspondiente.

Simplemente haga clic en el símbolo de persona en el lado derecho del perfil para acceder a él. Aparecerán dos opciones "suscribirse" y "agregar al grupo" estarán disponibles. Cuando te suscribes, los tweets de los perfiles que siguen aparecerán en tu feed y podrás navegar por el perfil del usuario.

1. Apartado de Suscripciones.
2. Catálogo de perfiles.
3. Opción de búsqueda.
4. Nombre del perfil de usuario.
5. Perfil del usuario solicitado.
6. Apartado de suscripción o añadir a grupo del perfil.
7. Opción de suscribirse.
8. Opción para añadir grupo.

Seleccione el perfil que desea revisar para ver información general y específica del usuario. El software automáticamente lo dirige a una nueva interfaz donde puede ver todos los detalles del perfil del usuario. Encontrará varias secciones en este enlace para ayudarle a descubrir contenido. La cantidad de contenido e información disponible aumenta aún más gracias a las opciones de filtro, que también incluyen respuestas y retuits de tweets individuales.

1. Información de perfil de usuario (general y específica).
2. Apartados para facilitar la búsqueda de un contenido en específico. con una característica en especifica.
3. Apartado para habilitar la opción de filtros.
4. Opción para activar los filtros.
5. Filtros para limitar los Tweets.

Para guardar o compartir el Tweet se selecciona los tres puntos horizontales que se pueden encontrar en la esquina superior derecha del tweet. Al hacer clic en estos tres puntos se abrirá un menú con opciones adicionales relacionadas con ese tweet. Opciones como "Guardar", "Compartir contenido de Tweet", "Compartir Enlaces de Tweet" y "Compartir contenido y enlaces de Tweet" aparecerán cuando presiones los tres puntos. Para guardar el tweet, utilice la opción "Guardar".

Simplemente puedes acceder a un tweet que hayas guardado más tarde. Puedes organizar y categorizar tus tweets guardados en el área de grupos. En esta sección, puedes iniciar tu propio grupo. Puedes crear grupos para tus tweets favoritos, tweets más educativos o cualquier otra categoría que te guste. Simplemente seleccione la opción de "Agregar al grupo" dicha opción que ya mencionamos con anterioridad. Desde allí se puede elegir el grupo en el que desea conservar esos tweets. Esto le facilita modificar sus tweets para adaptarlos a sus intereses y requisitos.

1. Apartado para habilitar las opciones de los Tweets.
2. Opciones de guardar y compartir del Tweet.
3. Apartado de grupos.
4. Opción para crear grupos,

Se mostrará una sección que le permitirá establecer un nuevo grupo una vez que elija "New". Puedes ingresar el nombre que deseas darle al grupo en el campo "Name" en la parte superior. Los perfiles que desea incluir en el grupo se mostrarán en forma de listado en la parte inferior. Una vez que haya terminado, haga clic en "OK" para completar el proceso y crear el grupo.

En el apartado de “Tendencias” se encontrará una lista de hashtags, palabras o temas que actualmente son tendencia en la red social y el símbolo de “+” que aparece en la parte inferior a mano derecha es un filtro para las tendencias.

1. Apartado para nombrar el grupo.
2. Listado de perfiles de usuarios.
3. Opción de crear el grupo.
4. Apartado de Tendencias.
5. Listado de tendencias.
6. Opción de Filtros.

Al elegir la opción de filtro, se puede acceder a una sección con filtros basados en la ubicación, lo que simplifica la identificación de patrones particulares en su región. El software lanzará inmediatamente una nueva parte con una lista de ítems adicionales una vez que elijas el lugar y la tendencia que te interesa.

Podrás ubicar todos los medios o publicaciones sobre la tendencia que seleccionaste en la primera sección. En esta sección se puede encontrar una selección de artículos, imágenes y vídeos relacionados con la tendencia en cuestión. Luego puede navegar y profundizar en las discusiones y el contenido creado por otros usuarios que estén interesados en esa tendencia en particular.

1. Filtro por ubicación.
2. Apartado de tendencia de contenido.
3. Contenidos o publicaciones relacionados con las tendencias.

En la segunda sesión se encontrará un listado de perfiles de usuarios con la opción de seguir dicho perfil, que estén relacionados con la tendencia seleccionada. En el apartado de “Guardado” se encontrarán todos tweets guardados por el usuario, en la opción Que tiene 3 puntos, ubicado en la parte superior a mano derecha del tweet, habilitar un apartado con varias opciones, “Unsave”, compartir el contenido, compartir enlace y la opción de compartir el contenido del tweet y su enlace.

1. Sección dos.
2. Listado de usuarios de perfiles.
3. Apartado de guardado.
4. Tweets guardados.
5. Apartado de opciones.
6. Opción de configuración.

El usuario es llevado a una nueva interfaz después de elegir la opción de configuración en la aplicación, donde puede elegir entre una variedad de opciones para modificar varias características, incluido el diseño, las funcionalidades y la capacidad de importar y exportar datos. Se ofrecen cinco nuevas opciones para que las examine y modifique en la parte inferior de esta pantalla. "General" es la primera opción y comprende configuraciones relacionadas con la configuración del sistema de la aplicación. Los usuarios pueden personalizar su experiencia de usuario estableciendo preferencias y configuraciones generales aquí.

El usuario puede elegir qué secciones o preguntas quiere ver al iniciar sesión en la aplicación se utiliza la sección "Home", que es la siguiente sección. Gracias a esto, tienen más control sobre el material de la página de inicio, lo que también simplifica la personalización de su experiencia.

Debido a que permite a los usuarios alterar la estética visual de la aplicación, la parte "Theme" es una característica con una apariencia visual agradable. Esto implica que los clientes pueden modificar la apariencia estética de la interfaz de la aplicación de acuerdo con sus gustos particulares. La parte "About" de la aplicación contiene detalles cruciales, incluida la versión actual y las licencias relacionadas, así como una ubicación para que usted informe cualquier problema o error que pueda encontrar. Los usuarios que quieran obtener más información sobre el software o ponerse en contacto con el personal de soporte encontrarán útil esta función.

La sección "Datos" ofrece dos alternativas sencillas al final. Los usuarios pueden importar datos desde la memoria de su dispositivo usando la primera opción, lo que simplifica la obtención de información crucial en la aplicación. Los usuarios pueden descargar tweets específicos u otra información utilizando la función de exportación de datos de la segunda opción, que luego pueden guardar o distribuir de varias maneras.

1. Secciones de configuración.
2. Opciones de configuración.
3. Opción de importar datos.
4. Opción de exportar datos.

Serás dirigido a una sección con numerosas opciones y recursos para descargar tus datos cuando elijas la opción "Exportar" en el programa. Hay varias opciones para exportar el tipo de dato o datos sobre el tweet seleccionado como “Export settings”, “Export subscripcions”, Export subscription group”, “Export subscription groups members” y “Export tweets”. Cuando los datos estén preparados para la descarga, aparecerá un icono con un símbolo de disquete en la parte inferior después de haber especificado los componentes o funciones que desea incluir en la descarga de datos.

Al hacer clic en este botón, el programa abrirá una nueva pestaña donde podrá elegir la ubicación de almacenamiento de su dispositivo. Ahora puede elegir la ubicación donde desea guardar el archivo. Se utilizará el formato JSON para almacenar el archivo creado.

Se descubrió una debilidad en la aplicación Squawker durante el estudio para el trabajo. La falta de una función “Batch Save” para explorar perfiles. Se decidió abrir una línea de comunicación con los desarrolladores vía GitHub por medio de los comentarios de dicho aplicativo.

Se describieron los problemas que enfrentan los usuarios cuando tienen que guardar trinos uno a uno en un comentario detallado, enfatizando la ineficiencia y la propensión a errores que esto causa. Se sugirió una solución práctica, la cual consistió en agregar una función “Batch Save” que permite a los usuarios elegir y almacenar varios trinos en una carpeta o lista de favoritos a la vez.

Tabla de comparación:

Análisis de la calidad de los microdatos extraídos

EpMonitor disableDuring: [ 
    Metacello new
      baseline: 'DataFrame';
      repository: 'github://PolyMathOrg/DataFrame/src';
      load ].

dataFolder := FileLocator documents / 'C:\Users\felip\Desktop\tesis-privado\TesisPrivado\datos'.

apifyDataRaw := dataFolder / 'Apify/dataset_twitter-scraper_2023-10-02_01-58-49-766.csv'.
apifyData := DataFrame readFromCsv: apifyDataRaw

apifyTweet := apifyData first.

dimensions := (apifyTweet keys collect: [:key | (key splitOn: $/) first ]) asSet asOrderedCollection

dimensionality := dimensions size

dataDensity := Dictionary new.

dimensions collect: [:dimension | | dataSet |
    dataSet := apifyTweet keys select: [:key | key beginsWith: dimension].
    dataDensity
        at: dimension
        put: dataSet size.
].
dataDensity

(apifyTweet keys select: [:key | key beginsWith: (dimensions at: 14)]) size

hashtagKeys := apifyTweet keys select: [:key | key  beginsWith: 'hashtag' ].

hashtagKeys size

dataFolder := FileLocator documents / 'C:\Users\felip\Desktop\tesis-privado\TesisPrivado\datos'.

twitterScraperDataRaw := dataFolder / 'TwitterScraper\GustavoBolivar.csv'.
twitterScraperDataFrame := DataFrame readFromCsv: twitterScraperDataRaw.

twitterScraperTweet := twitterScraperDataFrame first.

dimensions := (twitterScraperTweet keys collect: [:key | (key splitOn: $/) first ]) asSet asOrderedCollection

dataDensity := dimensions size

dataDensity := Dictionary new.

dimensions collect: [:dimension | | dataSet |
    dataSet := twitterScraperTweet keys select: [:key | key beginsWith: dimension].
    dataDensity
        at: dimension
        put: dataSet size.
].
dataDensity

(twitterScraperTweet  keys select: [:key | key beginsWith: (dimensions at: 7)]) size

hashtagKeys := twitterScraperTweet keys select: [:key | key  beginsWith: 'Content' ].

hashtagKeys size

dataFolder := FileLocator documents / 'C:\Users\felip\Desktop\tesis-privado\TesisPrivado\datos\Squawker'

dataFile := dataFolder / 'squawker-2023-09-26.json'.

dataDictionary := STONJSON fromString: dataFile contents.

tweets := dataDictionary at: 'tweets'.

tweet := tweets first

tweetContent := STON fromString: (tweet at: 'content')

tree := OrderedDictionary new
        at: $a put: #( $b $c $d );
        at: $b put: #( $e $f);
        at: $c put: #($l);
        at: $d put: #( $h $i );
        at: $f put: #( $j $k);
        yourself

view := GtMondrian new.
view nodes
    stencil: [ :x | 
        BlElement new
            border: (BlBorder paint: Color black);
            geometry: BlEllipseGeometry new;
            layout: (BlLinearLayout new alignCenter);
            addChild: (BlTextElement  text: (x asRopedText fontSize: 17)) ];
    with: (tree flatCollectAsSet: #yourself) , tree keys.
view edges
    stencil: [ :x | BlLineElement new border: (BlBorder paint: (Color blue alpha: 0.5) width: 4) ];
    connect: tree associations from: #key toAll: #value.
view layout tree.
view

tree := OrderedDictionary new
        at: $a put: #( $b $c $d );
        at: $b put: #( $e $f);
        at: $c put: #(7 nil);
        at: $d put: #( true false );
        at: $f put: #( false nil);
        at:$e put: #( );
        yourself

tree treeView

(tree replaceWithUniqueNilsAndBooleansStartingAt: 1) treeView

dataRaw := FileLocator aliases at: 'squawkerJSON'.
data := STONJSON fromString: dataRaw contents.
tweet := (data at: 'tweets') first at: 'content'.
tree := STONJSON fromString: tweet contents.

tree replaceWithUniqueNilsAndBooleansStartingAt: 1

tree := STONJSON fromString: (FileLocator temp / 'dataTree.ston') contents

tree treeView

Conclusiones y recomendaciones

1. En este estudio, se logró cumplir con el objetivo general de investigar herramientas de scraping para recopilar y analizar datos de Twitter/X, evaluando la calidad de los microdatos extraidos. El análisis se desarrolló en dos dimensiones principales: dimensionalidad y densidad, es decir sobre cuántos aspectos del trino nos brinda información y la profundidad de la información por aspecto, usando para tres fuente (Apify, Squaker y Twitter Scraper) y un entorno de investigación reproducible configurando a medida del problema, incluyendo algoritmos para revisar la dimensionalidad y densidad de cada fuente de scrapping. (Apify, Squawker y Twitter Scraper).

. Dimensionalidad:

• Apify: Capturó una variedad de datos, incluyendo información detallada sobre autores, hashtags y media adjunta en los tweets.

• Squawker: Proporcionó datos sobre las interacciones de los usuarios, tales como respuestas, retweets y likes. Esta herramienta permitió capturar datos textuales del comportamiento de los usuarios en relación con cada tweet (tweets, hashtags y menciones).

• Twitter Scraper: Recopiló datos textuales de los tweets, hashtags y menciones.

Densidad:

• Apify: Proporcionó una alta densidad de datos sobre autores y hashtags, capturando un volumen considerable de tweets por autor y múltiples hashtags asociados. Además, recogió una cantidad significativa de media (imágenes, videos).

• Squawker: Destacó en la densidad de datos sobre interacciones, recopilando un gran número de respuestas, retweets y likes por cada tweet.

• Twitter Scraper: Fue eficiente en obtener una gran cantidad de datos textuales, capturando un volumen significativo de tweets y hashtags, así como menciones y enlaces.

2. En este estudio, se logró cumplir con el primer objetivo específico al configurar un entorno de investigación reproducible para el análisis de datos de Twitter, enfocado en los tweets de los candidatos Gustavo Bolívar y Juan Daniel Oviedo durante las elecciones para la Alcaldía de Bogotá. Este entorno reproducible es fundamental por varias razones.

   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 permite configurar una “nube personal académica” de baja complejidad tecnológica, que permite mayor autonomía en la escritura y colaboración fluida, más allá de lo que permiten otras formas de escritura en línea más convencionales.

   Para lograr esto, se integraron diversas herramientas y metodologías que permiten una instalación y configuración estandarizada. Esto incluye la gestión de versiones de los documentos, la automatización de tareas de scraping y análisis.

   La implementación de este entorno reproducible no solo ha permitido una recolección y análisis de los microdatos. De este modo, se asegura que tanto la transparencia como la eficiencia y la capacidad de replicación de nuestros métodos y resultados estén garantizadas, cumpliendo así con el primer objetivo específico de la investigación.

3. En el presente estudio, se logró cumplir con el segundo objetivo específico de caracterizar las herramientas de extracción de datos utilizadas (Apify, Squawker y Twitter Scraper) para analizar los tweets de los candidatos Gustavo Bolívar y Juan Daniel Oviedo durante la campaña electoral para la Alcaldía de Bogotá 2023. A continuación, se presentan estas herramientas organizadas de la más a la menos eficiente, destacando también sus defectos.

   Squawker se destacó como la herramienta más eficiente y precisa para la captura de datos relacionados con las interacciones de los usuarios, como respuestas, retweets y likes. Esta capacidad permitió una recopilación detallada y diversificada de los datos, proporcionando una rica cantidad de información que facilitó una evaluación de la calidad de los microdatos y ramificados. Sin embargo, Squawker puede ser menos intuitivo y más complejo de configurar en comparación con las otras herramientas.

   Apify demostró ser efectiva en la captura de varios datos de Twitter, incluyendo texto de los tweets, información de los autores y hashtags. La capacidad de Apify para recolectar datos permitió una recolección que mostró un rendimiento eficiente al ejecutar tareas de scraping, completando la recolección de datos en un tiempo razonable sin comprometer la calidad. Sin embargo, Apify puede presentar una curva de aprendizaje pronunciada para usuarios nuevos y requiere una configuración inicial detallada.

   Twitter Scraper demostró ser una herramienta muy efectiva para recolectar datos textuales. Su enfoque en el contenido textual permitió capturar los temas tratados, funcionando con eficiencia y procesando grandes volúmenes de datos en un corto periodo de tiempo (meses). No obstante, esta herramienta tiene limitaciones en la recolección de media adjunta y no captura interacciones como retweets y likes, lo que puede limitar la riqueza y la profundidad de los microdatos recolectados.

4. Ante los cambios abruptos en los términos y condiciones de uso del API en las plataformas de redes sociales, se sugiere, no sólo brindar tiempos extendidos, como aquellos con los que esta tesis contó, gracias a deferencia de la Universidad con estas circunstancias excepcionales, sino también una vinculación temprana de los estudiantes de pregrado a semilleros, talleres y grupos de investigación, que les permita acercarse a problemas investigativos y lidiar de manera ágil y acompañada con las contingencias del acceso a los datos. Por ejemplo, reformulando los problemas de investigación, como se hizo en esta tesis misma. Para ello las metodologías diseñistas, son muy recomendadas debido a su posibilidad de cambio e iteración permanentes.

5. Se recomienda la posibilidad de utilizar nuevas herramientas de scraper para obtener una visión más completa y diversa de la información relacionada con los perfiles de los candidatos en las elecciones. Así mismo, sería beneficioso explorar la posibilidad de utilizar múltiples fuentes de datos además de Twitter para obtener una visión más completa y diversa de la información relacionada con los perfiles de los candidatos en las elecciones

6. Sería adecuado considerar la posibilidad de ampliar la formación académica en áreas como minería de datos, análisis de redes sociales, metodologías de investigación en Ciencias de la Información y ética en el uso de datos, para abordar de manera más efectiva los desafíos contemporáneos en el análisis de datos y la investigación en redes sociales.

7. Se recomienda mayor cautela respecto a las capacidades de ChatGPT para la ejecución de instrucciones de análisis de datos y su veracidad en la interpretación de resultados. Esto debido a algunas imprecisiones o falsedades con algunos resultados dados por esta herramienta. Se sugiere no usarla en este ámbito de análisis de datos, al menos que se cuente con experiencia de cómo detectar los fallos de esta herramienta.

• El camino iniciado por esta tesis puede continuar en al menos dos frentes: cómo usar entornos sencillo de investigación y publicación reproducible y cómo crear narrativas de datos que permitan auditar tanto la calidad de los microdatos extraídos como análisis de discurso e impacto de los candidatos y otras figuras de la vida pública, a partir de sus discurso en redes sociales.

Glosario

Algoritmo: Conjunto de reglas y procedimientos definidos para resolver un problema o realizar una tarea específica.

Análisis de Contenido: Técnica de investigación utilizada para interpretar y analizar el contenido de textos, imágenes y otros medios de comunicación.

Análisis de Sentimiento: Proceso de determinar la actitud o emoción expresada en un texto, a menudo utilizando técnicas de procesamiento del lenguaje natural.

API (Interfaz de Programación de Aplicaciones): Conjunto de definiciones y protocolos que permiten la comunicación entre diferentes aplicaciones de software.

Big Data: Conjunto de datos tan grandes y complejos que requieren de tecnologías avanzadas para su procesamiento y análisis.

Bot: Programa de software que realiza tareas automatizadas en internet, como publicar mensajes en redes sociales.

Cambridge Analytica: Empresa británica acusada de recopilar datos de usuarios de Facebook sin autorización para influir en la campaña electoral de Donald Trump.

Campaña Política: Serie de actividades organizadas y dirigidas a influir en la decisión de los votantes en un proceso electoral.

Calidad de Microdatos: Medida de precisión y relevancia de los datos a nivel granular, obtenidos a través de plataformas como Twitter.

Control de versiones: técnica utilizada para permitir el rastreos de las distintas versiones históricas de un archivo y sincronizar el trabajo con ellos entre distintas máquinas y personas.

Cluster (Agrupamiento): Técnica de análisis de datos que agrupa un conjunto de objetos de tal manera que los objetos en el mismo grupo son más similares entre sí que con los de otros grupos.

Dataset (Conjunto de Datos): Colección de datos que se utiliza para análisis e investigación.Electorado: Conjunto de ciudadanos con derecho a votar en una elección.

Influencer: Persona que tiene la capacidad de influir en las decisiones de compra o comportamientos de otras personas debido a su autoridad, conocimiento, posición o relación con su audiencia.

Machine Learning (Aprendizaje Automático): Subcampo de la inteligencia artificial que permite a las computadoras aprender de datos y mejorar su rendimiento sin ser programadas explícitamente.

Microblogging: Forma de blogging que permite a los usuarios publicar contenido breve, como mensajes de texto cortos, imágenes y enlaces.

Minería de Textos: Proceso de extraer información valiosa de textos grandes mediante el uso de herramientas y técnicas de análisis de datos.

Muestra Aleatoria: Subconjunto de una población en el que cada miembro tiene una probabilidad igual de ser seleccionado.

Poder Predictivo: Capacidad de un modelo o algoritmo para predecir resultados futuros basándose en datos históricos.

Propaganda Política: Información o material difundido con el propósito de promover o desacreditar a un candidato, partido o ideología política.

Redes Sociales: Plataformas digitales que facilitan la creación y el intercambio de información, ideas y otros contenidos a través de comunidades y redes virtuales.

Scraping: Técnica utilizada para extraer datos de sitios web mediante software especializado.

Segmentación de Audiencia: Proceso de dividir a la audiencia en grupos más pequeños basados en características comunes para personalizar el contenido y mejorar la efectividad de la comunicación.

Técnicas de Muestreo: Métodos utilizados para seleccionar una muestra representativa de una población para un estudio o análisis.

Twitter/X: Plataforma de microblogging desarrollada en 2006, conocida por permitir publicaciones breves llamadas “tweets”. En 2023, la plataforma cambió su nombre a “X”.

Visualización de Datos: Representación gráfica de información y datos para facilitar su comprensión y análisis.

Bibliografía

• Abdullah, N. H., Hassan, I., Azura Tuan Zaki, T. S., Ahmad , M. F., Hassan, N. A., Mohd Zahari, A. S., Ismail, M. M. ., & Azmi, N. J. (2022). Examen de la relación entre los factores que influyen en la búsqueda de información política a través de los medios sociales entre los jóvenes de Malasia. Revista De Comunicación De La SEECI, 55, 1–15. https://doi.org/10.15198/seeci.2022.55.e746.

• Altamirano-Benitez, V., Ruiz-Aguirre, P., & Baquerizo-Neira, G. (2022). Política 2.0 en Ecuador. Análisis del discurso y la comunicación política en Facebook. [Policy 2.0 in Ecuador. Analysis of discourse and political communication on Facebook] Revista Latina De Comunicación Social, (80), 201–223. https://doi-org.ezproxy.javeriana.edu.co/10.4185/RLCS-2022-1539

• Blanke, T. (2024). Reassembling digital archives—strategies for counter-archiving. Humanities & Social Sciences Communications, 11(1), 1–12. https://doi.org/10.1057/s41599-024-02668-4

• Botero, (2023, 20 octubre). De la plaza pública a las pantallas móviles: así son las campañas electorales de hoy. Revista Pesquisa Javeriana.https://www.javeriana.edu.co/pesquisa/redes-sociales-campanas-electorales/

• Card, D., Min, Y., & Serghiou, S. (2021, diciembre 14). Open, rigorous and reproducible research: A practitioner’s handbook. Github.io. https://stanforddatascience.github.io/best-practices/index.html

• Cela, J. R., Parras-Parras, A., & Romero-Vara, L. (2019). Uso de las redes sociales en diplomacia, política y relaciones internacionales. Análisis de la información publicada en las versiones online de dos periódicos españoles: “el país” y “la vanguardia”. Estudios Sobre El Mensaje Periodistico, 25(2), 711–726.https://doi.org/10.5209/esmp.64798.

• Croteau, D., & Hoynes, W. (2014). Media/Society: Industries, Images, and Audiences. Sage Publications.https://cadmus.eui.eu/handle/1814/19235

• D’Agostino, M., Marti, M., Mejía, F., Gerardo, D. C., & Faba, G. (2017). Estrategia para la gobernanza de datos abiertos de salud: un cambio de paradigma en los sistemas de información.https://iris.paho.org/handle/10665.2/33903

• Delgadillo, (2022, 21 junio). La campaña política se mueve al ritmo de las redes sociales. Revista Pesquisa Javeriana.https://www.javeriana.edu.co/pesquisa/redes-sociales-campo-disputa-politica/

• Doria, P., Cortés, S., Doria, P., & Cortés, S. (2023, 19 septiembre). El partidor de candidatos a la Alcaldía de Bogotá. La Silla Vacía.https://www.lasillavacia.com/historias/silla-nacional/el-partidor-de-candidatos-a-la-alcaldia-de-bogota/

• ¿Es legal el scraping, crawling o raspado web en España? (s/f). Datstrats.com. Recuperado el 23 de julio de 2024, de <https://datstrats.com/blog/scraping-es-legal-espana/

• Efe, Días, C. (2023, February 2). Twitter empezará a cobrar el acceso de los desarrolladores a su API. Cinco Días.https://cincodias.elpais.com/cincodias/2023/02/02/companias/1675353625_269385.html

• Entman, R. M. (1993). Framing: Toward clarification of a fractured paradigm. Journal of communication, 43(4), 51–58.https://www.researchgate.net/publication/209409849_Framing_Toward_Clarification_of_A_Fractured_Paradigm

• Front Matter · GitBook. (s. f.).http://www.practicereproducibleresearch.org/

• Flameshot. (n.d.). Captura de pantalla de la interfaz de usuario de Flameshot [Imagen]. Flameshot. https://flameshot.org/img/simple-and-easy-to-use.jpg

• García Acosta, & Gómez Masjuán, M. E. (2022). Fake news en tiempos de posverdad. Análisis de informaciones falsas publicadas en Facebook durante procesos políticos en Brasil y México 2018. Fake news in post-truth times. Analysis of fake news published on Facebook during political processes in Brazil and Mexico 2018 Estudios Sobre El Mensaje Periodistico, 28(1), 91–101.https://doiorg.ezproxy.javeriana.edu.co/10.5209/esmp.71251

• Gmbh, F. (s. f.-a). About. Glamorous Toolkit.https://gtoolkit.com/about/

• Grapsas, T. (2021, 12 febrero). Para saciar la curiosidad: ¡conoce la historia de las redes sociales! Rock Content - ES.https://rockcontent.com/es/blog/historia-de-las-redes-sociales/ .

• Goudarouli, E. (2018a). Computational archival science: automating the archive. https://blog.nationalarchives.gov.uk/computational-archival-science-automating-archive/

• Goudarouli, E. (2018b). Exploring new ways of visualising The National Archives’ First World War diaries. https://blog.nationalarchives.gov.uk/data-visualisation-first-world-war-diaries/

• Hall, G. (2022). bitstreams: The future of digital literary heritage. Matthew G. kirschenbaum. Philadelphia: University of Pennsylvania press, 2021. Pp. Ix+145. Modern Philology, 120(2), E62–E68. <https://doi.org/10.1086/721475

• Hedges, M., Marciano, R., & Goudarouli, E. (2022). Introduction to the special issue on computational archival science. Journal on Computing and Cultural Heritage, 15(1), 1–2. https://doi.org/10.1145/3495004

• HOWTO_chisel:  How to chisel. (s. f.).http://chiselapp.com/user/aplsimple/repository/HOWTO_chisel/doc/trunk/doc/www/chisel_en.html

• Fernández, A. G. (2018, 17 noviembre). Cambridge Analytica, el big data y su influencia en las elecciones. CELAG.https://www.celag.org/cambridge-analytica-el-big-data-y-su-influencia-en-las-elecciones/.

• Kitzes, J., Turek, D., & Deniz, F. (Eds.). (2018). The Practice of Reproducible Research: Case Studies and Lessons from the Data-Intensive Science.http://www.practicereproducibleresearch.org/

• Lite XL. (s. f.).https://lite-xl.com/en/

• Luna, O. (4 de diciembre de 2023). MetodologiaIntro.https://uniabi.tiddlyhost.com/#MetodologiaIntro.

• Marketing Zone Icesi. (2023, 13 marzo). Esta es la historia de Twitter, la app que revolucionó la comunicación en 140 caracteres | Marketing Zone Icesi.https://www.icesi.edu.co/marketingzone/esta-es-la-historia-de-twitter-la-app-que-revoluciono-la-comunicacion-en-140-caracteres/^

• McCombs, M. E., & Shaw, D. L. (1972). The Agenda-Setting Function of Mass Media. The Public Opinion Quarterly, 36(2), 176-187. Oxford University Press on behalf of the American Association for Public Opinion Research.http://www.jstor.org/stable/2747787

• Melchor Medina, J., Lavín Verástegui, J., & Pedraza Melo, N. A. (2012). Seguridad en la administración y calidad de los datos de un sistema de información contable en el desempeño organizacional. Contaduría y administración, 57(4), 11–34. https://doi.org/10.22201/fca.24488410e.2012.15

• Ministerio de La Información Y Las Comunicaciones, M. D. E. T. (2018). Cambridge Analytica tuvo contacto con tres campañas presidenciales en Colombia. MINTIC Colombia.https://www.mintic.gov.co/portal/inicio/Sala-de-prensa/MinTIC-en-los-medios/72742:Cambridge-Analytica-tuvo-contacto-con-tres-campanas-presidenciales-en-Colombia

• MutabiT. (s.f.). Socialmetrica.https://mutabit.com/repos.fossil/mutabit/doc/tip/wiki/es/socialmetrica–28npg.md.html
  

• Pérez Curiel, C. y García-Gordillo, M. (2020). Indicadores de influencia de los políticos españoles en Twitter. Un análisis en el marco de las elecciones en Cataluña. Estudios sobre el mensaje periodístico, 26 (3), 1133-1144. https://idus.us.es/handle/11441/102923.

• Prezzavento, Timoteo. (s.f.). Cambridge Analytica y su Impacto en las Políticas de Privacidad.https://repositorio.udesa.edu.ar/jspui/bitstream/10908/16625/1/[P][W]%20T.L.%20Com.%20Prezzavento,%20Timoteo.pdf.

• Pública, G. (2018, marzo 20). Cambridge Analytica habría asesorado a Enrique Peñalosa - Cuestión Pública. Cuestión Pública. https://cuestionpublica.com/cambridge_analytica_penalosa/

• pymd1g1t4l. (2022, marzo 23). Macrodatos y big data ¿Cómo funciona? SQDM US. https://sqdm.com/es/big-data-como-funcion

• Quacker. (2024, 15 mayo). Twitter Scraper · Apify. Apify. https://apify.com/quacker/twitter-scraper

• Quijano, H. (2020, 20 agosto). Elementos de las narrativas digitales basadas en datos. Paul Aguilar.https://socialtic.org/blog/elementos-de-las-narrativas-digitales-basadas-en-datos/

• Rcn, N. (2023, 9 octubre). Tracking RCN: estos son los candidatos que lideran la intención de voto en Bogotá. Noticias RCN.https://www.noticiasrcn.com/colombia/tracking-rcn-estos-son-los-candidatos-que-lideran-la-intencion-de-voto-en-bogota-455539.

• SANABRIA. (2021). SECTOR PRIVADO Y LIBRE COMPETENCIA: IMPLICACIONES JURÍDICAS DEL WEB SCRAPING [UNIVERSIDAD EXTERNADO DE COLOMBIA]. <https://bdigital.uexternado.edu.co/server/api/core/bitstreams/5abd583d-ae25-453d-b1d8-2a4803049694/content

• ScoopInstaller. (s. f.). GitHub - ScoopInstaller/Scoop: A command-line installer for Windows. GitHub.https://github.com/ScoopInstaller/Scoop#readme

• Selva-Ruiz, D., Curbelo, J., & Rodríguez-Méndez, J. (2019). Información de las marcas políticas y su impacto en el rendimiento de la publicidad digital. Information from political brands and its impact on digital advertising performance Estudios Sobre El Mensaje Periodistico, 25(2), 813–830. https://doi-org.ezproxy.javeriana.edu.co/10.5209/esmp.64799

• Datasketch. (2022). Datos & Guaros: Colombia y las elecciones pandémicas 2022. Datasketch.co. https://www.datasketch.co/es/blog/data-culture/datos-y-guaros-colombia-and-the-2022-pandemic-elections/

• Twitter Scraper. (s. f.).https://chromewebstore.google.com/detail/twitterscraper/cedomiiokkcmbeoekchahgmfcppnclal
  

• Valdebenito Allendes, Jorge. (2018). Twitteo, ¿luego resisto? Movilización popular y redes sociales en Chile: La marea roja de Chiloé (2016). Izquierdas, (40), 185-201. Epub 01 de junio de 2018.https://dx.doi.org/10.4067/S0718-50492018000300185.

• Wandmalfarbe. (s. f.). GitHub - Wandmalfarbe/pandoc-latex-template: A pandoc LaTeX template to convert markdown files to PDF or LaTeX. GitHub. https://github.com/Wandmalfarbe/pandoc-latex-template

• Zaitsev, O., & Ferlicot-Delbecque, C. (n.d.). Data Analysis Made Simple with Pharo DataFrame.https://github.com/SquareBracketAssociates/Booklet-DataFrame?tab=readme-ov-file

• Zettlr. (s. f.). Your One-Stop publication workbench. Zettlr. https://www.zettlr.com/

Anexos

El proyecto DataFrame de Pharo proporciona herramientas para la gestión y el análisis de datos estructurados. Admite operaciones de acceso, modificación, enumeración, aritméticas y estadísticas en colecciones de datos. El paquete Pharo DataFrame ofrece métodos para detectar, eliminar y reemplazar valores nulos en una colección de datos, así como leer y escribir en archivos externos. También le permite agregar y agrupar datos para su análisis. Además, el proyecto incluye un tutorial completo de su API, con ejemplos de cada método, así como instrucciones para leer y escribir archivos CSV, que los científicos de datos suelen utilizar para preservar y distribuir datos tabulares.

En este ejemplo, creamos un diccionario llamado dataDensity que simula la densidad de datos para diferentes dimensiones. Comenzamos creando un nuevo diccionario vacío y luego agregamos pares clave-valor al diccionario utilizando el operador at:put:. Cada clave representa una dimensión y cada valor representa la densidad de datos para esa dimensión. Los valores asignados son arbitrarios y se ajustan para ilustrar la densidad de datos para cuatro dimensiones (‘Dimensión1’, ‘Dimensión2’, ‘Dimensión3’ y ‘Dimensión4’). Una vez que hemos poblado el diccionario con estos valores, lo retornamos. En resumen, este ejemplo demuestra cómo usar un diccionario en Pharo Smalltalk para organizar datos y acceder a ellos mediante claves asociadas con valores específicos. Los diccionarios son herramientas valiosas para la gestión eficiente de datos en aplicaciones

| dataDensity |
dataDensity := Dictionary new.

dataDensity 
    at: 'Juan' put: 10;
    at: 'Daniela' put: 15;
    at: 'Felipe' put: 80;
    at: 'Marcela' put: 20.

^ dataDensity

Tesis pregrado Felipe Vera: FileLocator alias tutor

Este archivo permite definir un conjunto de alias rápidos que se cargan en un archivo en localizaciones distintas a partir de un nombre común. De este modo, dos o más personas trabajando en una narrativa de datos, pueden ejecutarlas sin tener que andar cambiando las rutas particulares a sus archivos, de acuerdo a gustos y organizaciones propias de cada co-autor y tan sólo se solicita que lleguen a un consenso mínimo sobre las alias que le darán a cada ruta.

El archivo que define los alias se guarda en la máquina local de cada coautor y la narrativa que crea dichos alias puede estar o no dentro del control de versiones compartido (aunque se recomienda, cuando lo está, que haya una narrativa distinta por cada coautor o una forma clara de definir dichos alias).

A futuro se piensan agregar nuevas funcionalidades, como alias que consideren contextos distintos, por ejemplo por máquina o por autor. Esta solución rápida es funcional para nuestros casos de uso actuales.

Para definir un nuevo alias hacemos:

FileLocator atAlias: 'squawkerJSON' put: FileLocator desktop / 'Tesis-privada\TesisPrivado\datos\Squawker'.

Importante: la parte que va después del mensaje put: es la que debe ser redefinida por cada persona, de acuerdo a dónde está guardando su información.

Una vez se han establecido las rutas para cada alias, es posible cargar una ruta a partir de su alias simplemente con:

FileLocator aliases at: 'squawkerJSON'

Exploración recursiva de estructuras de datos

En esta narrativa de datos explicaremos cómo implementar la exploración de estructuras de datos de manera recursiva en Pharo. Esto es debido a que los datos en Squawker están guardados en un diccionario anidado o árbol de datos y para poder determinar la diversidad y densidad de los datos, como hemos hecho con otras informaciones tabulares, requerimos primero “aplanar” los datos, lo cual implica recorrerlos de modo recursivo de manera que los hayamos recogido todos en una estructura tabular para aplicar análisis similares a los de otras fuentes de datos.

Algoritmo del factorial en Pharo

Uno de los problemas matemáticos y de programación más comunes es el cálculo factorial. El producto de todos los números positivos del 1 al n es el factorial de un entero positivo n, representado como n!. El factorial de cinco (5!) es, por ejemplo, 5×4×3×2×1=120.

Usos:

El cálculo factorial se utiliza en programación, estadística, matemáticas y técnicas de optimización para abordar problemas de cálculo factorial como permutaciones y combinaciones.

El cálculo factorial resulta útil para determinar de cuántas maneras se puede organizar un elemento o para resolver desafíos combinatorios.

Se utiliza para abordar una variedad de problemas relacionados con el cálculo factorial en programación, estadística, matemáticas y métodos de optimización. Puedes determinar rápidamente el factorial de un número en Pharo sin utilizar la recursividad ejecutando el algoritmo factorial de forma iterativa. Esta implementación es apropiada para circunstancias que requieren un enfoque más sencillo y sencillo porque es sencilla y fácil de entender.

Implementación iterativa

Una manera eficiente de calcular el factorial de un número en Pharo es mediante un enfoque iterativo. A lo largo de esta narrativa, exploraremos paso a paso cómo implementar este algoritmo.

myBoard := GtTranscript new.
factorialIterativoConBloques := [ :n |
    | result |
    result := 1.
    1 to: n do: [ :i |
        result := i * result.
        myBoard show: i asString, '*', result asString, '=', result asString; cr.
        ].
        result
        ].
Smalltalk
 myBoard clear .
 
 factorialIterativoConBloques value: 2. 
 myBoard

1. “n” se toma como argumento para calcular el número deseado.

2. Se inicia “result” como 1, porque es el valor inicial al factorial.

3. 1 to: n do: [ :i |: Este es un bucle que recorre todos los números desde 1 hasta n.

4. result: Finalmente, se devuelve el valor de result, que será e1. “i” se toma como argumento para calcular el número deseado.

Implementación Recursiva del Factorial

El objetivo de la implementación factorial recursiva, una técnica de programación popular, es dividir un problema en subproblemas más pequeños y resolver cada uno de ellos de forma recursiva.

Puedes obtener rápidamente el factorial de un número utilizando un método basado en recursividad implementando el algoritmo factorial de forma recursiva en Pharo. Cuando se necesita una respuesta de cálculo factorial simple pero elegante, esta implementación resulta útil.

En la implementación recursiva del factorial, se calcula el factorial de un número dividiendo el problema en subproblemas más pequeños hasta llegar a un caso base.

myBoard := GtTranscript new.
factorialRecursivo := [:i | 
    i = 0 
        ifTrue: [1] 
        ifFalse: [
            myBoard show: i asString, '* factorial(', (factorialRecursivo value: i - 1) asString,')'; cr.
            i * (factorialRecursivo value: i - 1).
        ]

].

myBoard clear.

myBoard show: (factorialRecursivo value: 3).

1. “i” se toma como argumento para calcular el número deseado.
2. i = 0 ifTrue: [1] ifFalse: [...]]: Esta es una expresión condicional. Si i es igual a 0, devuelve 1 (porque el factorial de 0 es 1). De lo contrario, ejecuta el código dentro del bloque ifFalse.
3. myBoard show: i asString, '* factorial(', (factorialRecursivo value: i - 1) asString,')'; cr.: Esta línea muestra el paso actual del cálculo del factorial en myBoard. y el resultado de llamar recursivamente a factorialRecursivo con i - 1, mostrando este resultado como un string.
4. i * (factorialRecursivo value: i - 1), esto calcula el factorial de i multiplicándose por el factorial de i - 1.

Recorrido de árboles en preorden

En esta sección se implementará el recorrido de árboles en pre orden, siguiendo el tutorial de Preorder, inorder and postorder tree traversals

 Supongamos que tenemos un árbol como este:

Calcular el tamaño y posición de la letra en los árboles

BlElement new
    border: (BlBorder paint: Color black);
    geometry: BlEllipseGeometry new;
    addChild: (BlTextElement text: ('a' asRopedText fontSize: 20))


BlElement new
    border: (BlBorder painteGeometry new;
    layout: (BlLinearLayout new alignCenter);
    addChild: (BlTextElement text: ('a' asRopedText fontSize: 15))

Uso de chatGPT

Desde su lanzamiento en noviembre de 2022, ChatGPT es una herramienta de inteligencia artificial creada por OpenAI (Telefónica, 2023). Con la ayuda de esta tecnología, las personas pueden interactuar más ampliamente con la IA, lo que permite el soporte por chat para una amplia gama de consultas. ChatGPT tiene múltiples usos, desde escribir textos complejos hasta hacer música o resolver problemas matemáticos. Su desarrollo, desde iteraciones anteriores como Chat GPT-3 hasta el Chat GPT-4 más actual (Telefónica, 2023).
A través del sitio web OpenAI, los usuarios pueden utilizar ChatGPT de forma gratuita, sin embargo, hay una opción premium disponible para más funciones.

Las instrucciones de análisis de datos de Squawker se implementaron de forma más rápida y sencilla gracias a ChatGPT. Pero después de dar los detalles necesarios para completar los pedidos, se encontraron varios problemas. Por ejemplo, se observó que había problemas por la falta de descripciones precisas. Se proporcionaron respuestas, sin embargo, carecían de una justificación.

Una parte del código era casi correcta, lo que sugería que la otra parte estaba equivocada o no arrojaba el resultado deseado. Este fue un problema adicional que surgió. Esta circunstancia ha resultado en confusión y mayor dificultad para poner en práctica las soluciones sugeridas.

Adicionalmente se identificó que el uso de herramientas como ChatGPT es útil para acelerar la ejecución de instrucciones de análisis de datos desde su creación en 2022, pero se observaron inconvenientes en descripciones incompletas y respuestas injustificadas, incorrectas o con justificaciones falsas. Aún es necesario que mejore algunos aspectos para una óptima eficiencia en este ámbito. .

Diccionarios Pharo Smalltalk

Los diccionarios Pharo Smalltalk son estructuras de datos que le permite emparejar de forma rápida y eficaz claves distintas con valores coincidentes. Los diccionarios Pharo emplean una tabla hash interna para almacenar entradas y están diseñados para ofrecer acceso rápido a la información. Además, los diccionarios Pharo permiten almacenar en ellos cualquier tipo de datos, incluidas claves y valores. Esto le permite una gran flexibilidad al utilizar Pharo para trabajar con varios tipos y estructuras de datos. Los diccionarios proporcionan una variedad de operaciones fundamentales, incluidos métodos para recorrer entradas del diccionario, además de agregar, eliminar y recuperar elementos. Los diccionarios se utilizan ampliamente en Pharo Smalltalk para una amplia gama de propósitos, incluida la organización de datos, la implementación de algoritmos efectivos y la gestión de asociaciones clave-valor en aplicaciones complejas. Esto se debe a su adaptabilidad y eficiencia.

Merge conflicts

En ocasiones, cuando se está trabajando colaborativamente, puede haber conflictos de edición, como se muestra en la siguiente imagen:

! En ocasiones se requiere códigos de texto para ubicar el conflicto de edición y corregirlo manualmente. Para ello, se instalará el editor “Lite XL”

scoop bucket add extras 
scoop install extras/lite-xl

Un conflicto de edición se ve así:

Y la propuesta de solución que hace Fossil luce en la siguiente manera

Se puede ver que el conflicto ocurre a raíz de que los metadatos estaban antes en una sola línea y ahora están en varias líneas. Una forma sencilla de arreglarlo, es simplemente sobrescribir el documento con la versión más reciente generada desde Lepiter.