Análisis de sentimientos en twitter para descubrir contenido xenófobo hacia los inmigrantes venezolanos en Ecuador.

Abstract

Ecuador registra un gran número de inmigrantes venezolanos, lo confirma la Organización Internacional de las Migraciones e indica que es el tercer país con el mayor número de inmigrantes venezolanos, y que estos son parte de los países que han presentado los peores indicadores sociales, mostrándose como discriminación étnica y racial, siendo estos indicadores la base de los sentimientos xenófobos entre los países de la región, esto conllevó a la necesidad de determinar su existencia en la población para prevenir que se cometan delitos causados por el odio. El presente Trabajo de Titulación (TT) tuvo el propósito de determinar la existencia de contenido xenófobo en un conjunto de tuits, recolectados entorno a los inmigrantes venezolanos en Ecuador, se lo llevó a cabo mediante las fases de la metodología para el Descubrimiento de Conocimiento en Texto (KDT), las mismas que fueron realizadas en Python, con las librerías más destacadas como NLTK, Imbalanced-Learn y Scikit-Learn, así como la aplicación de Machine Translation para la traducción de los tuits. La xenofobia por ser un sentimiento complejo de identificar a través del procesamiento de lenguaje natural, se tuvo que utilizar otro conjunto de tuits que ya había sido clasificado mediante crowdsourcing, es decir, dichos tuits se clasificaron por humanos de forma colaborativa para detectar discursos de odio y lenguaje ofensivo, dando como salida un modelo ya entrenado que se mejoró mediante fine-tuning (ajuste fino), siendo este la base para el entrenamiento de los algoritmos utilizados en el presente TT, durante el fine-tuning se determinó emplear la Técnica de Sobremuestreo de Minorías Sintéticas (SMOTE) para la creación de datos sintéticos en las clases minoritarias, esta técnica también permitió equilibrar las clases del conjunto de tuits de interés en donde se obtuvo una nueva clasificación dividida en tres sentimientos: xenófobos, ofensivos y otros. Para la obtención de predicciones se ejecutaron tres algoritmos de clasificación supervisados: Máquinas de Soporte Vectorial (SVM), Naive Bayes y Regresión Logística, siendo SVM el algoritmo con mejor desempeño con una puntuación F1 del 94%. Finalmente, se encontró que el 5,76% de los tuits recolectados contienen sentimientos xenófobos, el 31,23% de sentimientos ofensivos y el 63% de los tuits restantes contienen otros sentimientos que van dirigidos hacia los inmigrantes venezolanos en el Ecuador. Palabras clave: Procesamiento de Lenguaje Natural, Análisis de sentimientos, Python, Xenofobia, Inmigrantes Venezolanos en Ecuador.