Integración de Minería de Texto y Análisis de Redes Sociales Complejas para la Caracterización Cuantitativa de la Evolución Discursiva en Inteligencia Artificial a través de Plataformas de Streaming

Fred Torres-Cruz; Yudi Janeh Yucra-Mamani; Marco Fidel Mayta-Quispe; Vladimiro Ibañez-Quispe

doi:10.62161/revvisual.v16.5288

Autores/as

Fred Torres-Cruz https://orcid.org/0000-0003-0834-6834
Yudi Janeh Yucra-Mamani
Marco Fidel Mayta-Quispe
Vladimiro Ibañez-Quispe

DOI:

https://doi.org/10.62161/revvisual.v16.5288

Palabras clave:

Inteligencia Artificial, Evolución discursiva, Minería de Texto, Análisis de Redes Sociales, Plataformas de Streaming

Resumen

Este estudio ofrece una caracterización cuantitativa de la evolución discursiva en Inteligencia Artificial (IA) a través de plataformas de streaming(Youtube), integrando minería de texto y análisis de redes sociales complejas. Mediante un corpus extenso obtenido de plataformas líderes, se implementaron algoritmos de procesamiento de lenguaje natural para analizar el contenido textual, identificando patrones, temáticas emergentes y cambios en los discursos sobre IA. Paralelamente, se realizó un análisis de redes sociales para examinar las estructuras de interacción y la influencia de distintos actores en la divulgación de información. Los resultados revelan tendencias significativas en la presentación y percepción de la IA, destacando la evolución de temas específicos, diferencias en la percepción entre diversos grupos, y la influencia de factores como avances tecnológicos y eventos globales.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Bernstein, R., Osadchy, M., Keren, D., & Schuster, A. (2019). LDA classifier monitoring in distributed streaming systems. Journal of Parallel and Distributed Computing, 123, 156-167. https://doi.org/10.1016/j.jpdc.2018.09.017 DOI: https://doi.org/10.1016/j.jpdc.2018.09.017

Campbell, M., Cosgrove, J. A., Greated, C. A., Jack, S., & Rockliff, D. (2000). Review of LDA and PIV applied to the measurement of sound and acoustic streaming. Optics & Laser Technology, 32(7), 629-639. https://doi.org/10.1016/S0030-3992(00)00091-8 DOI: https://doi.org/10.1016/S0030-3992(00)00091-8

Campis, E. S. (2023). Aplicación del Análisis de Redes Sociales para el estudio de las redes de comunicación en línea: Evidencia empírica de Twitter. EMPIRIA: Revista de Metodología de Ciencias Sociales. https://doi.org/10.5944/empiria.57.2023.36434 DOI: https://doi.org/10.5944/empiria.57.2023.36434

Gonzales, E. P. Z., Gallegos, W. L. A., Gallegos, W. L. A., Toia, A. M. del C., Rivera, R., & Condori, M. L. (2020). Depresión postparto en mujeres víctimas de violencia doméstica en la ciudad de Arequipa. null. https://doi.org/null

Gonzales, J. E., Ortega, Á. C., Blanco, R. R., & Diez, E. B. (2023). ANÁLISIS DE SENTIMIENTOS Y EMOCIONES SOBRE GASTRONOMÍA PERUANA USANDO MINERÍA DE TEXTO CON PYTHON. Hatun Yachay Wasi. https://doi.org/10.57107/hyw.v3i1.63 DOI: https://doi.org/10.57107/hyw.v3i1.63

Lau, J. H., Lau, J. H., Newman, D. J., Newman, D., Baldwin, T., & Baldwin, T. (2014). Machine Reading Tea Leaves: Automatically Evaluating Topic Coherence and Topic Model Quality. null. https://doi.org/10.3115/v1/e14-1056 DOI: https://doi.org/10.3115/v1/E14-1056

Lee, S. (2023). An Analysis on Major Issues of Medical Information on YouTube Platform Using LDA Topic Modeling. The Journal of the Korea Contents Association. https://doi.org/10.5392/jkca.2023.23.08.198 DOI: https://doi.org/10.5392/JKCA.2023.23.08.198

Li, D., Bi, Z., Han, X., Qu, Z., & Lyu, C. (2024). Extracting key topics from massive COVID-19 information on social networks: An integrated deep learning and LDA framework. High-Confidence Computing, 100213. https://doi.org/10.1016/j.hcc.2024.100213 DOI: https://doi.org/10.1016/j.hcc.2024.100213

Li, M., Lu, M., Akram, U., & Cheng, S. (2024). Understanding how customer social capital accumulation in brand communities: A gamification affordance perspective. Journal of Retailing and Consumer Services, 78, 103761. https://doi.org/10.1016/j.jretconser.2024.103761 DOI: https://doi.org/10.1016/j.jretconser.2024.103761

Morchid, M., Morchid, M., Linarès, G., & Linarès, G. (2013). A LDA-based method for automatic tagging of Youtube videos. Workshop on Image Analysis for Multimedia Interactive Services. https://doi.org/10.1109/wiamis.2013.6616126 DOI: https://doi.org/10.1109/WIAMIS.2013.6616126

Srikumar, N., & Srikumar, N. (2021). Feature Augmentation for Improved Topic Modeling of Youtube Lecture Videos using Latent Dirichlet Allocation. null. https://doi.org/10.21427/4ey6-qg08

Torres, V., & Moreta, O. E. (2023). Detección de ansiedad mediante minería de texto en la era de redes sociales: Revisión bibliográfica. Ciencia Huasteca Boletín Científico de la Escuela Superior de Huejutla. https://doi.org/10.29057/esh.v11i22.10879 DOI: https://doi.org/10.29057/esh.v11i22.10879

Torres-Cruz, F., & Mamani, Y. J. Y. (2022). Técnicas de inteligencia artificial en la valoración de la enseñanza virtual por estudiantes de nivel universitario. HUMAN Review International Humanities Review / Revista Internacional de Humanidades. https://doi.org/10.37467/revhuman.v11.3853 DOI: https://doi.org/10.37467/revhuman.v11.3853