Pongamos un encargo: de la manera que mejor os convenga, apuntad las publicaciones de Facebook de aquellas páginas que seguís y cuyo contenido recuerde al menos remotamente una reacción o una crítica a la actualidad política (dicho de otro modo, nada de gatitos ni de sofisticados análisis de partidos deportivos). ¿Para qué?
Pues, en primer lugar, probablemente os sorprenderá que la selección de aquello a lo que habéis dado «me gusta» durante el último año no sea tan variada como creíais; sí, así les facilitáis a distintas herramientas de marketing que, con ayuda de algoritmos inteligentes, se hagan una idea bastante clara de vuestra personalidad. Que el machine learning y el
Big Data
son ya el presente del futuro y un gran negocio no es ninguna novedad; algunos bancos incluso empiezan a revisar así vuestros datos sociales para afinar sus algoritmos de cálculo del riesgo de si deben concederos o no ese préstamo para un Škoda nuevo. Lev Manovich, superestrella de los círculos académicos de los nuevos medios, señaló por su parte en su Twitter que una empresa tecnológica centrada en el Big Data es capaz de identificar, a partir de los lugares visitados, los hábitos de consumo de cada usuario y encajarlos en casillas predefinidas de tipos de consumidores. Para los lectores versados en la terminología sobresaturada del campo, algo amorfo, del User Experience Design, se trata en realidad de la creación automatizada de
personas
, con lo que incluso cumplen una de las condiciones básicas, tal como la definió el diseñador de interacción Alan Cooper: que las personas se basen en datos reales de usuarios reales. En mi Facebook, el autómata se toparía con rarezas como que sigo con la cabeza fría tanto Ádvojka y Deník Referendum como, por ejemplo, Parlamentní listy, e incluso Pravý prostor.
Por razones técnicas, sin embargo, dejé de lado los medios checos, ya que para el análisis lingüístico solo tenía a mi disposición un (extenso) corpus de la lengua inglesa. Tras hojear páginas de FB, seleccioné estas fuentes de información más o menos extravagantes:
- BBC News
- Bloomberg Business
- CNN Politics
- Counter Current News
- Democracy Now
- Deutsche Welle
- Haaretz (periódico israelí)
- Mondoweiss
- The New York Times Opinion
- PRESS TV (fuente iraní en lengua inglesa)
- Reuters
- Salon
- The Economist
- The Guardian
- The Intercept
- The New Republic
- The Washington Times
- Truthdig
- Wall Street Journal
Gracias a la Graph API de Facebook pude descargar más de 1000 publicaciones que los medios informativos que sigo compartieron en su muro durante una semana. Quería saber qué palabras clave aparecían con más frecuencia en estas noticias en un día y una hora determinados. Para el análisis lingüístico de todas estas publicaciones me serví de Python y de la biblioteca TextBlob. En cada publicación recorrí el titular y la entradilla y registré todos los sintagmas nominales (noun phrases), que convertí en las palabras clave de esa publicación.
Datos de origen en JSON tras el análisis de sintagmas nominales de cada publicación:
source_data_json.7z
Después trabajé con el archivo JSON resultante en JavaScript, donde procesé los datos y los visualicé de forma adecuada. Pensé que, para analizar la aparición de palabras clave a lo largo de un periodo de tiempo, vendría bien algún tipo de control deslizante con el que mostrar los datos de la visualización.
Mientras que durante la semana las palabras clave se repartían de manera uniforme entre muchos temas, a partir del comienzo de la noche del viernes empieza a dominar con toda claridad la reacción a los atentados terroristas de París.
Podéis juzgar vosotros mismos el resultado embrionario: