Única a nivel mundial, esta herramienta representa el ejercicio de generación de información estadística con más alta frecuencia
El Instituto Nacional de Estadística Geografía e Informática (INEGI)incursiona en el mundo del “Big Data” para explorar la utilidad de fuentes no tradicionales de información a fin de vincularlas con la generación de información estadística y geográfica y presenta el Estado de ánimo de los tuiteros en México un trabajo experimental para el “análisis de sentimientos”, con el objetivo de interpretar la emotividad que subyace a los mensajes que se publican en la plataforma digital Twitter.
Esta herramienta es un esfuerzo por medir el bienestar “más allá del PIB” 2 . En este caso no se refiere a bienestar autorreportado, como ocurre con estadísticas que el mismo INEGI genera en sus encuestas BIARE, sino de bienestar inferido a partir de la carga anímica implícita en los mensajes publicados en Twitter.
Es el ejercicio de generación de información estadística con más alta frecuencia que el INEGI haya realizado hasta ahora y, por sus características, una herramienta única a nivel mundial.
Las técnicas de aprendizaje de máquina permitieron entrenar a una computadora para replicar el criterio humano en la identificación de la carga emotiva de cada tuit: negativa o positiva. Se clasifica cada tuit y a partir de ello se construye un indicador que relaciona el número de tuits asociados con una carga emotiva positiva (tuits positivos) por cada tuit asociado con una carga emotiva negativa (tuits negativos).
A este indicador lo llamamos el “cociente de positividad” y se define como el número de tuits positivos entre el número de tuits negativos para una determinada área geográfica en un periodo de tiempo determinado.
Así, el Estado de Ánimo de los Tuiteros en México reporta un cociente de positividad a partir de enero de 2016 con actualización automática diaria, que puede ser visualizado para el país en su conjunto y para cada una de sus entidades federativas con frecuencia anual, trimestral, mensual, semanal, diaria e incluso por hora.