Análisis de datos de Twitter en el Día Mundial de la Salud

Abstract

El principal objetivo del proyecto es analizar tweets capturados en el Día Mundial de la Salud (7 de abril) para posteriormente narrar una historia a través de los datos, utilizando Twitter como origen principal de los mismos. La obtención de los datos se lleva a cabo mediante la streaming API de la herramienta R. Una vez capturados, se realizan análisis estadísticos y descriptivos, como también un análisis de sentimientos y del grafo social resultante (usuarios y tweets más relevantes, métricas y propiedades de la red y visualización del grafo). También se utilizan wordclouds para visualizar las palabras más frecuentes, y mapas para conocer desde donde los usuarios escriben los tweets. Varios de los análisis se repiten para tweets escritos en inglés, castellano y catalán, de forma que podamos avaluar posibles diferencias.

El principal objectiu d'el projecte és analitzar tweets capturats en el Dia Mundial de la Salut (7 d'abril) per a posteriorment narrar una història a través de les dades, utilitzant Twitter com a origen principal dels mateixos. L'obtenció de les dades es porta a terme mitjançant la streaming API de l'eina R. Un cop capturats, es realitzen anàlisis estadístiques i descriptius, com també una anàlisi de sentiments i de l'graf social resultant (usuaris i tweets més rellevants, mètriques i propietats de la xarxa i visualització de l'graf). També s'utilitzen wordclouds per a visualitzar les paraules més freqüents, i mapes per conèixer des d'on els usuaris escriuen els tweets. Diversos de les anàlisis es repeteixen per tweets escrits en anglès, castellà i català, de manera que puguem avaluar possibles diferències.

The main objective of the project is to analyze tweets captured on World Health Day (April 7th) to tell a story through the data, using Twitter as the main source. The data is obtained through the streaming API of R. Once captured, we carry out statistical and descriptive analysis, as well as a sentiment analysis. We also construct and analyze the retweet network (most relevant users and tweets, metrics and properties of the network and visualization of the graph). Furthermore, we use wordclouds to display the most frequent words, and maps to visualize the most active countries on Twitter. Several of the analyzes are repeated for tweets written in English, Spanish and Catalan, so that we can assess possible differences.