Archivo de categorías: Medios Sociales

Entradas sobre medios sociales

La comunicación en tiempos del coronavirus (III): Análisis temático de Twitter en España con modelo específico COVID-19

Este es el tercer artículo de la serie sobre análisis de contenidos generados por medios de comunicación y usuarios en redes sociales en torno al coronavirus, aplicando nuestra experiencia y nuestras soluciones de Text Analytics para analizar el ingente volumen de información en lenguaje natural disponible.

Este estudio es la continuación del análisis temático de Twitter en España, pero aplicando el modelo de categorización específico que desarrollamos con la temática del coronavirus (modelo COVID-19), utilizado en el análisis temático de noticias en medios digitales de España. El objetivo es analizar el interés temático en Twitter, utilizando el modelo específico desarrollado, en cada Comunidad Autónoma, en los últimos 10 días.

Continuar leyendo


La comunicación en tiempos del coronavirus (II): Análisis temático de Twitter en España

Este es el segundo artículo (ver el primero aquí) de la serie sobre análisis de contenidos generados por medios de comunicación y usuarios en redes sociales en torno al coronavirus, aplicando nuestra experiencia y nuestras soluciones de Text Analytics para analizar el ingente volumen de información en lenguaje natural.

En este caso nos centramos en intentar analizar, en la medida de lo posible, el interés temático en Twitter en cada región de España, específicamente realizando un análisis por Comunidad Autónoma, en los últimos 10 días.

Continuar leyendo


La comunicación en tiempos del coronavirus (I): Análisis temático de noticias en medios digitales

Aunque, obviamente, la prioridad en estos tiempos de pandemia es la curación de los enfermos, la prevención de nuevos contagios y las medidas económicas y sociales para ayudar a las personas y empresas más desfavorecidas a superar esta situación, sin duda, en un futuro no muy lejano, el análisis de los contenidos generados por medios de comunicación y usuarios en redes sociales en torno al coronavirus será objeto de investigación en multitud de disciplinas como la sociología, la filología, la lingüística, la comunicación audiovisual, la política, etc.

En MeaningCloud queremos hacer una pequeña aportación en esta área, aplicando nuestra experiencia y nuestras soluciones de Text Analytics para analizar este ingente volumen de información en lenguaje natural, en español y en otros idiomas, en España y en otros países, puesto que, desgraciadamente, este es un problema global.

Este primer artículo de la serie se centra en el análisis temático de los contenidos generados en español por medios de comunicación digitales de España en el último mes, cómo han evolucionado en este tiempo y el posicionamiento informativo de los principales medios en España.

Los siguientes artículos analizan los temas de conversación en Twitter en España (tanto desde una perspectiva de hashtags y temas generales como aplicando una clasificación temática específica del coronavirus) y el análisis lingüístico de los discursos del presidente del Gobierno relacionados con la crisis.

Continuar leyendo


Respondiendo a bulos sobre medicamentos mediante Text Analytics

El pasado fin de semana estuvimos divirtiéndonos en el IV Hackathon de Salud con nuestros amigos del Grupo HULAT de la Universidad Carlos III de Madrid y del equipo que Text Mining for Life Sciences del Barcelona Supercomputer Center. En concreto tomábamos parte del reto de Sandoz #medicamentossinbulos, aplicando tecnología de text analytics al proceso de identificación y respuesta a bulos sobre medicamentos.

Un ejemplo de un caso de bulo puede ser este:

Ejemplo de bulo

Ejemplo de bulo

Podemos distinguir distintos tipos de bulos:

Continuar leyendo


Farmacovigilancia: Escuchando la voz del paciente

Farmaco-vigilancia: Escuchando la voz del paciente.

Para la industria farmacéutica, es esencial escuchar y comprender los comentarios que sus pacientes actuales y potenciales comunican a través de todo tipo de canales y puntos de contacto.

Si bien existe un protocolo para comunicar a las autoridades, de las reacciones adversas a medicamentos identificadas, solo se informa de un 5 a un 20% de ellas. Afortunadamente, las conversaciones sobre medicamentos, síntomas, afecciones y enfermedades pueden analizarse para aprender más sobre ellas. La inteligencia artificial contribuye de manera decisiva a monitorear los eventos adversos y comprender su impacto en cada fase del desarrollo.

Las narraciones de los pacientes sobre los medicamentos y sus efectos adversos en las redes sociales representan una fuente de datos adicional para el monitoreo de la seguridad de los productos farmacéuticos.

En MeaningCloud, hemos desarrollado una plataforma para automatizar el proceso de monitoreo de efectos adversos en las redes sociales.

Continuar leyendo


Activando la escucha activa (social listening) para resguardar la reputación en línea (parte 2)

NOTA DEL EDITOR: Este es un post invitado de Leopoldo Martínez D., investigador, consultor de inteligencia empresarial con redes sociales y profesor en UCV e IESA (Venezuela), y fue publicado inicialmente en su blog.

 

1. Introducción

Como se planteó en la primera parte de este post, a continuación se mostrará la evaluación de la reputación en línea en una situación real relacionada con el sector turismo.

2. El evento imprevisto: Tiroteo en festival de música en Playa del Carmen en la Riviera Maya

Entre los días 6 y 15 de enero de 2017 estaba programada la celebración de un festival de música en Playa del Carmen, contando con una serie de eventos tanto musicales como relacionados al sector turismo. El día 15 de enero ocurrió un tiroteo en un bar conocido en el cual se celebraba un evento de cierre del festival.

En el momento en que ocurrió el tiroteo se activaron las redes sociales para informar sobre el incidente, así como para publicar comentarios sobre el contexto en que había ocurrido ese incidente. Un dato interesante que mostraron algunas conversaciones es que el tiroteo no era un hecho aislado, sino que tenía su origen en la “situación de criminalidad en la que se encontraba la Riviera Maya desde el año 2011”.

¿Podrá este evento afectar la imagen del sector turismo? ¿Será que la “situación de criminalidad de varios años” ya ha afectado la imagen del sector turismo? Estas y otras preguntas se las deberían estar haciendo los actores (públicos y privados) que prestan servicios y productos en esta zona turística.

Continuar leyendo


Activando la escucha activa (social listening) para resguardar la reputación en línea (parte 1)

NOTA DEL EDITOR: Este es un post invitado de Leopoldo Martínez D., investigador, consultor de inteligencia empresarial con redes sociales y profesor en UCV e IESA (Venezuela), y fue publicado inicialmente en su blog.

 

1. Introducción

En el post previo planteaba que las conversaciones que se llevaban a cabo en las comunidades virtuales fomentadas por el plan de marketing digital, generaban una retroalimentación que era útil para evaluar y controlar el desempeño de la estrategia de marketing digital.

Esta retroalimentación podría traer consigo una cantidad inmensa de datos (Big Data) que será valiosa, ya que permitirá crear una base de conocimiento sobre qué se está hablando, quién lo está hablando, quién está ejerciendo mayor influencia,  impacto sobre imagen de marcas, productos, personas u organizaciones.

Asimismo, esta base de conocimiento también se puede ver alimentada por conversaciones que surjan de eventos imprevistos, que no forman parte del plan de comunicación, pero que giran en torno a temas de interés para las comunidades virtuales.

En el caso particular del impacto que tendrían las conversaciones será importante prestar atención (más allá que escuchar) a lo que se está diciendo, a través de métricas (cualitativas y cuantitativas) que reflejen la percepción que tienen los actores de una comunidad virtual sobre marcas, productos, personas u organizaciones, siendo esta percepción una medida de Reputación en Línea.

En este sentido, el fin de este post es mostrar de una manera sencilla cómo llevar a cabo una escucha activa de conversaciones en redes sociales, para evaluar la reputación en línea.
Continuar leyendo


Por qué apostamos por la Voz del Cliente

 

¿Qué es la Voz del Cliente?

¿Te has preguntado alguna vez por qué ciertos productos o servicios sufren cambios radicales o incluso desaparecen del mercado (y a veces vuelven a aparecer con otro nombre comercial)? ¿Depende solo de los volúmenes de venta o entran en juego otros factores? Para contestar a estas preguntas hay que introducir el concepto de «Voz del Cliente» (Voice of the Customer en inglés) y saber qué designa.Medios Sociales Con este término se hace referencia a todas aquellas prácticas que permiten entender qué opina un cliente (real o potencial) sobre un producto o servicio. Pero eso no se limita a una simple lectura de comentarios o juicios escritos a petición —pensemos en una encuesta en línea—, el asunto es mucho más complejo.

En los últimos años, los canales por los que clientes y usuarios expresan sus opiniones, quejas, sugerencias o felicitaciones (sí, estas también son importantes, luego veremos por qué) se han multiplicado de forma exponencial. Hace solo una década, los canales que nos permitían interactuar con el mundo empresarial eran muy reducidos, como el teléfono o las encuestas precompiladas (muchas veces enviadas por correo tradicional). Además, la mayoría de las interacciones entre cliente y empresa respondían a una necesidad específica de la segunda, es decir, eran solicitadas.

 

¿Cómo ha cambiado?

Hoy en día, el panorama ha cambiado radicalmente. Los canales de comunicación son numerosos y además permiten interactuar de distintas maneras a través de distintos soportes (imágenes, audio, vídeo, etc.). Y lo que más nos importa es que esta interacción

  • es constante: 24 horas al día, 365 días al año;
  • en la mayoría de los casos es multiidioma;Voz del Cliente
  • no siempre responde a patrones predefinidos (ni siquiera se ajusta, muchas veces, a las normas ortográficas);
  • no es estructurada: no está almacenada en una base de datos tradicional ni organizada según criterios preestablecidos.

No cabe duda de que, desde una perspectiva corporativa, a esta enorme cantidad de información ¡se le puede sacar mucho partido!
Continuar leyendo


¿Pueden los antidepresivos causar malformaciones en el feto?

Puede que no sea lo más común que en el blog de una empresa de tecnología de la información se hable de antidepresivos y embarazos, lo entendemos perfectamente. Pero en MeaningCloud hemos comprobado que los temas de salud tienen una fuerte repercusión en medios sociales y las empresas del sector, incluyendo las farmacéuticas, harían bien en tratar de entender la conversación que se genera alrededor. ¿Cómo? Mediante la tecnología de análisis de texto, como veremos a continuación.

Mirando los datos recogidos por nuestro prototipo para la monitorización de temas de salud en medios sociales nos sorprendimos del repentino incremento de menciones del término ‘embarazo’ el día 10 de julio. Para saber el porqué de este dato, acudimos a los tuits que hablaban sobre ese estado de buena esperanza. Resulta que ese mismo día se había publicado una noticia sobre un estudio aparecido en el British Medical Journal sobre los efectos nocivos que los antidepresivos pueden causar en el feto durante el embarazo.
Continuar leyendo


Analizando datos sobre salud en medios sociales

El análisis de medios sociales puede ser una buena inversión en el área de salud. A la gente le encanta compartir información en los medios sociales, incluso datos sobre salud. ¡Sí, es verdad! Y constituye el punto de partida del trabajo de investigación titulado ‘Exploring Spanish health social media for detecting drug effects’, cuyo objetivo es monitorizar las conversaciones en medios sociales para averiguar cómo hablan los usuarios sobre su relación con el consumo de fármacos. Esto permite identificar posibles efectos adversos hasta ahora desconocidos relacionados con dichos fármacos. Aunque existe un protocolo oficial para informar a las autoridades competentes de la existencia de algún efecto adverso no documentado, se llegan a comunicar solamente un 5 – 20 % de ellos. Además, se pueden analizar las conversaciones sobre fármacos, síntomas, condiciones y enfermedades para obtener más información. Por ejemplo, es posible descubrir cómo los usuarios buscan medicamentos específicos a través de los medios sociales o cómo algunos se dedican a venderlos, a menudo de forma ilegal; muchos otros hablan de la mezcla de alcohol con drogas u otras sustancias ilegales. Por supuesto, no todo lo que aparece en internet es fiable—este es otro tema—, pero puede estimular el planteamiento de nuevas hipótesis.

drugs

El equipo de investigación Grupo de Bases de Datos Avanzadas de la Universidad Carlos III de Madrid ha llevado a cabo la investigación mencionada y ha desarrollado modelos híbridos para obtener el conocimiento necesario para identificar efectos adversos. La plataforma de procesamiento del lenguaje natural que ha permitido el análisis basado en esos modelos es MeaningCloud. Las capacidades de personalización que ofrece esta plataforma han sido decisivas, puesto que han facilitado la integración de vocabulario específico y otros conocimientos del dominio de la medicina. Como sabemos, los nombres de los medicamentos y de los síntomas pueden ser muy complicados y a menudo no es fácil escribirlos adecuadamente. Los resultados del algoritmo son prometedores, ya que su recall es un 10 % mayor que el de otros algoritmos conocidos. Puedes encontrar más detalles en el artículo científico publicado por la revista BMC Medical Informatics and Decision Making Journal. Estos desarrollos forman parte del proyecto TrendMiner y están disponibles en la página web: TrendMiner Health Analytics Dashboard, que recopila los comentarios de los usuarios de medios sociales sobre fármacos antidepresivos. La consola muestra los antidepresivos mencionados junto con los síntomas relacionados; haciendo clic en cada uno de ellos se puede consultar su evolución a lo largo del tiempo. Además, en la parte inferior de la página se muestran los textos originales que se han analizado para extraer dichas menciones, los nombres de medicamentos, síntomas, enfermedades y cualquier relación haya sido identificada entre ellos. Esas relaciones pueden revelar si un fármaco es adecuado para un determinado síntoma o si una enfermedad es, en realidad, un efecto adverso provocado por el medicamento mencionado. El prototipo permite también hacer búsquedas utilizando el código ATC (Anatomical Therapeutic Chemical Classification System) y el nivel correspondiente según este sistema de clasificación. Si se activa la opción ‘By Active Substance’ [‘por principio activo’], se buscará cualquier fármaco contenga el principio activo del producto buscado. Por otro lado, la funcionalidad de búsqueda predictiva permitirá encontrar más fácilmente la expresión correcta para referirse a un fármaco o a una enfermedad.

Las empresas del dominio de salud y las farmacéuticas ya pueden explotar su información no estructurada


En la industria farmacéutica y de salud
, tenemos a nuestra disposición nuevas herramientas de ciencia de datos capaces de extraer información valiosa sobre documentos de redacción libre como las historias clínicas electrónicas. Es posible explotar la información asociada a datos como el coste de tratamientos médicos, su eficiencia (precio, ventajas y riesgos), referencias a fármacos, efectos secundarios o resultados a largo plazo.

[/raw]