Publicación semestral • ISSN 2683-2968 • Marzo 2023 • Número de revista 7
DOI de la revista: https://doi.org/10.22201/dgtic.26832968e
DOI del número: https://doi.org/10.22201/dgtic.26832968e.2023.7
Publicación semestral • ISSN 2683-2968 • Marzo 2023 • Número de revista 7
DOI de la revista: https://doi.org/10.22201/dgtic.26832968e
DOI del número: https://doi.org/10.22201/dgtic.26832968e.2023.7
DOI del artículo: https://doi.org/10.22201/dgtic.26832968e.2022.7.1
Everardo Bárcenas-Patiño, Universidad de Grenoble, ORCID: 0000-0002-1523-1579
Agustín Daniel Ambrosio-Aguilar, Facultad de Ingeniería, UNAM
Guillermo Molero-Castillo, Universidad de Guadalajara, ORCID: 0000-0002-6330-6408
Rocío Aldeco-Pérez, Universidad de Southampton, Reino Unido, ORCID: 0000-0002-7003-2724
1/6
Resumen Abstract Cita
Las redes sociales, también conocidas como medios sociales, son plataformas digitales que permiten a los usuarios, compartir una relación, un interés común o intercambiar información entre sí. Entre la amplia variedad de redes sociales aparecen: Facebook, Twitter, Instagram. Con el rápido incremento del acceso a equipos de cómputo con internet, la cantidad de usuarios ha crecido enormemente, y se espera que se acelere aún más. En 2020, se estimaron 3,600 millones de usuarios de redes sociales en el mundo [1]. Esta cantidad de usuarios representa aproximadamente el 46% de la población mundial [2]. Más aún, se proyectan 4,410 millones de usuarios para 2025. En el caso de México, en 2020 se estimaron 80.8 millones de usuarios, el 64% de su población, grosso modo [3]. Se estima un incremento para el año 2025 que resulte en 95.22 millones de usuarios en México. En la Tabla 1, se listan los usuarios de redes sociales en algunos países de lengua castellana.
Tabla 1. Statista, "Number of social network users worldwide 2017 to 2025", 2021.
[Online]. Available: https://www.statista.com/statistics/278414/number-of-worldwide-social-network-users/. [Consultado en abril 27, 2022].
La información producida por los usuarios de redes sociales ha demostrado ser de gran utilidad en diversos contextos. Por ejemplo, en la predicción de resultados electorales [4], identificación de daños en desastres naturales [5], detección de estados de salud mental, tales como depresión [6], entre otros. En este artículo se propone un método basado en aprendizaje computacional para detectar la ubicación de publicaciones en redes sociales. En particular, las relacionadas con la contingencia sanitaria causada por COVID-19. La ubicación de estas, se puede vincular con el nivel de contagio de esta enfermedad en ciertas zonas. Incluso serviría como referencia en tiempo real, es decir, un sistema que indique los niveles de contagio en ciertas zonas. Muchas otras aplicaciones pueden desarrollarse a partir de esta propuesta, por ejemplo, para la predicción de los niveles y aceleración del contagio de COVID-19 en zonas específicas de las ciudades.
A continuación, primero se describen algunas aplicaciones de la información contenida en las redes sociales, para luego describir algunos métodos para la inferencia de la ubicación geográfica de las publicaciones en redes sociales. Posteriormente y de manera más específica, se describe un modelo de aprendizaje computacional llamado Transformadores que identifica entidades de ubicación de las entradas de texto. Concluimos con un breve resumen del artículo y una discusión sobre algunas perspectivas de investigación.
Fecha de recepción: 23 de noviembre de 2021
Fecha de publicación: marzo de 2023