AI Assist - Efficient, secure, ready to use. Try it now.

Cómo analizar los datos de Twitter con MAXQDA: Guía de análisis de redes sociales

IMPORTANTE: Debido a los cambios realizados por Twitter este año en las regulaciones de la API de Twitter, MAXQDA ya no podrá admitir la función de “importación de Twitter” a partir del 29 de abril de 2023. No obstante, los tweets ya importados en un proyecto de MAXQDA aún podrán analizarse utilizando el espacio de trabajo “Analizar Tweets”.

Con MAXQDA 2020, analizar los datos de Twitter es más rápido y fácil que nunca. Aprenda a analizar los datos de Twitter en 6 sencillos pasos:

Cómo analizar los datos de Twitter con MAXQDA

¿Qué es el análisis de las redes sociales?

Decir que los medios sociales desempeñan un papel importante en la sociedad moderna y en el mundo académico sería quedarse cortos. Dada su relevancia, prevalencia y volumen, los datos de las redes sociales son analizados con fines científicos y prácticos por investigadores/as de todos los campos. No sólo los investigadores/as académicos analizan las tendencias y el comportamiento social. Las empresas utilizan la analítica de las redes sociales para obtener información objetiva sobre su rendimiento y sus resultados de marketing, e incluso los políticos utilizan las redes sociales para dar a conocer los temas que les interesan, así como para sondear la opinión pública en tiempo real.

Hoy en día los usuarios/as de Internet pasan más del 20% de su tiempo en línea en plataformas de redes sociales, lo que hace que las “redes sociales” sean la actividad en línea más popular. Sólo Twitter cuenta con más de 300 millones de usuarios activos.

Sin embargo, a pesar de todas sus ventajas, uno de los mayores retos a la hora de analizar los datos de Twitter (o cualquier dato de las redes sociales) es que se trata de un área de estudio relativamente nueva con datos poco homogéneos y, por lo tanto, carece de la base teorética concreta que se puede encontrar para otros tipos de datos. Los perfiles de los usuarios/as de Twitter también contienen datos cuantitativos (frecuencia de los tweets, número de “me gusta”, etc.), así como datos cualitativos (el contenido de las publicaciones, el significado detrás de los hashtags, etc.) y requieren un enfoque de métodos mixtos.

Sin embargo, estos retos podrían superarse en el futuro si los investigadores/as utilizan enfoques interdisciplinarios para desarrollar nuevas teorías que puedan evolucionar y adaptarse a los datos de las redes sociales que estudian y que cambian rápidamente. Por suerte, MAXQDA cuenta con una serie de herramientas para el análisis de datos tanto cualitativos como cuantitativos, lo que ayuda a simplificar la investigación de las redes sociales.

Etapas del análisis de las redes sociales

El proceso de análisis de las redes sociales suele dividirse en tres etapas: capturar – comprender – presentar. Estas etapas suceden siguiéndose una tras otra, pero el proceso de análisis no es lineal y es mejor imaginarlo como un círculo:

Etapas del análisis de las redes socialesEtapas del análisis de las redes sociales

Para ver más de cerca cada etapa del proceso, vamos a analizar algunos datos actuales de Twitter con MAXQDA. En este ejemplo de proyecto de investigación, analizaremos tuits relacionados con un tema generalmente importante que -en tiempos en los que muchos trabajan desde casa- es más relevante que nunca: el equilibrio entre trabajo y vida privada. En concreto, hemos importado tuits con el hashtag #WorkLifeBalance de los últimos 7 días.

Cómo analizar datos de Twitter con MAXQDA 2020

MAXQDA tiene una amplia gama de características para ayudarle a analizar los datos de Twitter que serán útiles durante las tres etapas del proceso de análisis de redes sociales. Los pasos de análisis durante cada etapa dependerán, por supuesto, del marco metodológico y de los objetivos de análisis de su proyecto, pero le sugerimos comenzar con este enfoque si es nuevo en el análisis de redes sociales:

  1. Importar los datos de Twitter a MAXQDA,
  2. autocodificación de los tweets para crear categorías,
  3. filtrar los datos categorizados en base a su relevancia,
  4. analizar los sentimientos de los tweets importados,
  5. presentar la frecuencia de los aspectos relevantes, y
  6. visualizar los resultados para su presentación.

Capturar

En esta etapa inicial, el investigador/a debe identificar qué datos de la plataforma de redes sociales son relevantes para el proyecto de investigación. Recuerde: el análisis de las redes sociales es un proceso cíclico y no todos los datos recogidos durante esta etapa inicial serán útiles durante las etapas posteriores. Por el contrario, las etapas siguientes pueden revelar que no se recogieron suficientes datos durante la fase de “captura”, lo que puede obligar al investigador/a a seguir ampliando sus esfuerzos de recogida de datos.

No hace falta decir que hay que asegurarse de tener una cuenta de Twitter y una licencia de MAXQDA antes de empezar. Si aún no tiene una licencia de MAXQDA, descargue la demo gratuita de 14 días para empezar:

Download Trial

Paso 1: Importar datos de Twitter a MAXQDA

La función de análisis de Twitter de MAXQDA le permite importar rápida y fácilmente datos de Twitter directamente a su proyecto. Primero, abra el proyecto MAXQDA (o cree uno nuevo) y haga clic en el logo de Twitter bajo la pestaña Importar. Vincule su proyecto a Twitter usando la función Conectar a Twitter en la cuadro de diálogo que se abre.

A continuación, puede buscar tweets relevantes con la ayuda de los campos de “búsqueda compleja”. Rellene los campos para filtrar los resultados según palabras específicas, frases, hashtags, autores, idioma, etc., y cree una consulta de búsqueda específica para la información que le interesa para su proyecto de investigación.

Especifique su importación de datos de TwitterEspecifique su importación de datos de Twitter

Introduzcamos el hashtag ‘#WorkLifeBalance’ y establezcamos el marco temporal en los últimos 7 días antes de hacer clic en Búsqueda para acotar los parámetros. A continuación, veremos una ventana de vista previa con los 100 primeros resultados de la búsqueda. Si está satisfecho/a con los parámetros de búsqueda basados en la vista previa, puede empezar a importar los datos. Puede importar hasta 10.000 tweets al proyecto. Se creará automáticamente un nuevo grupo de documentos en la ventana “Sistema de documentos”, en el que se genera un documento de tabla por cada 1.000 tweets:

Datos de Twitter importados en el sistema de documentos de MAXQDADatos de Twitter importados en el sistema de documentos de MAXQDA

Cuando haga doble clic en el nuevo documento, los datos de Twitter se mostrarán en la ventana “Navegador de documentos” en formato de tabla. Esta tabla contiene toda la información necesaria sobre el propio tweet (fecha, idioma, hashtags, etc.) y sobre el autor del tweet (nombre, ubicación, zona horaria, número de seguidores, etc.). Ahora que se han importado todos los datos, podemos empezar a analizarlos, ¡así de sencillo!

Comprender

El siguiente paso en el proceso de análisis de las redes sociales, una vez importados los datos, es empezar a darles sentido según el enfoque metodológico de su proyecto de investigación. En la etapa de “comprensión”, el investigador/a debe seleccionar los datos más relevantes para la pregunta de investigación y comenzar a analizarlos.

Si es nuevo/a en el análisis de datos cualitativos (QDA) o desea un repaso sobre la codificación de los datos antes de aprender sobre la autocodificación, haga clic aquí para obtener una visión general rápida del proceso de QDA con MAXQDA:

How to Analyze Qualitative Data with MAXQDA

Paso 2: Autocodificar los tweets importados

Como las importaciones de Twitter suelen ser muy grandes, sugerimos comenzar con la auto-codificación para agilizar el primer paso del proceso de análisis. No es necesario revisar miles de tweets y codificarlos a mano.

MAXQDA le permite codificar automáticamente datos de Twitter de hasta 100 autores y 100 hashtags a la vez. Puede empezar en el cuadro de diálogo que aparecerá automáticamente después de que haya completado la importación de datos de Twitter. Más tarde, siempre puede abrir la función de auto-codificación a través de Análisis > Twitter > Autocodificar Tweets con Hashtag/Autor.

Autocodificar grandes volúmenes de datos para ahorrar tiempoAutocodificar grandes volúmenes de datos para ahorrar tiempo

En primer lugar, elija los documentos que desea autocodificar, seguidos de los hashtags, los autores o cualquier otra información que desee codificar. En este ejemplo, codificaremos automáticamente tanto los hashtags como los nombres de los autores. Al hacer clic en las categorías de filtrado, se abrirá un nuevo cuadro de diálogo con los hashtags o los nombres de los autores, en la que podrá elegir los pertinentes. Después, simplemente vuelva a la ventana de autocodificación, donde puede iniciar el proceso haciendo clic en el botón Autocodificar.

Un nuevo código llamado “Autocodificar datos de Twitter” con la fecha se insertará en la parte superior del Sistema de Códigos con los subcódigos ‘Hashtag del Tweet’ y ‘Autor del Tweet’ ordenados automáticamente en orden descendente de frecuencia. Una vez que sus datos hayan sido importados y autocodificados, se mostrarán en el proyecto de MAXQDA como se muestra aquí:

Datos importados y autocodificados de TwitterDatos importados y autocodificados de Twitter

En nuestro proyecto de ejemplo, ahora puede ver claramente los nuevos códigos en la parte inferior izquierda y los tweets autocodificados en la derecha. A todos los tweets se les ha asignado el código “WorkLifeBalance”, ya que ese era el tema de nuestra importación, pero también se pueden ver varios temas más específicos que se discuten en Twitter, como “workfromhome”, “productivity” y “mentalhealth”. Hasta aquí, la primera conclusión que podemos sacar de los datos es que hay varios temas relacionados con el equilibrio entre la vida laboral y personal.

Paso 3: Filtrar los datos

Ahora que los datos de Twitter se han importado y codificado automáticamente, puede integrarlos completamente en el proyecto de investigación. Puedes analizarlos con los mismos enfoques que los demás datos de su investigación, como documentos de texto, transcripciones de entrevistas, fotos, vídeos, etc. Además, siempre puede volver atrás y recuperar los tweets con un hashtag en particular o escritos por un autor concreto utilizando la función Búsqueda de codificaciones de MAXQDA.

El siguiente paso es filtrar los datos de Twitter usando la pantalla de análisis de Twitter. Vaya a Análisis > Twitter > Analizar Tweets y seleccione todos los documentos de Twitter que quiera incluir en el análisis. Los resultados se mostrarán en una tabla, que incluye información sobre el autor y el tuit (por ejemplo, la frecuencia con la que se ha retuiteado el tuit o el número de likes que ha recibido un tuit). En el panel de filtros de la izquierda, puede ordenar los tuits según las palabras, hashtags, idiomas, fuentes, etc. más utilizados.

Filtrar los datos con una herramienta de formato de tabla fácil de usarFiltrar los datos con una herramienta de formato de tabla fácil de usar

Esta herramienta de filtrado permite explorar las primeras observaciones realizadas tras la autocodificación de los datos. Por ejemplo, ahora podemos comprobar la prevalencia de un determinado tema durante un ciclo de noticias específico ordenando los datos en función de la fecha y la hora. También podemos analizar la narrativa de un determinado tema filtrando los datos en función de un determinado hashtag y ordenando después la tabla en orden descendente de número de retweets. O podemos comprobar qué temas son los más controvertidos y tienen más probabilidades de iniciar un debate filtrando las palabras más utilizadas y ordenando después la tabla en función del número de respuestas. Las posibilidades son infinitas y pueden adaptarse por completo a su pregunta de investigación. ¡La elección es tuya!

Paso 4: Analizar los sentimientos de sus datos de Twitter

Con MAXQDA 2020.4.0 también puede realizar Análisis de Sentimientos para los datos de Twitter. Usando el Análisis de Sentimiento es posible percibir rápidamente las emociones, sentimientos y opiniones de los individuos hacia un determinado tema. La idea central es clasificar una gran cantidad de datos no estructurados en base a la polaridad del sentimiento y categorizarlos como positivos, negativos o neutros.

Al codificar automáticamente los datos de Twitter con etiquetas de sentimiento, se puede obtener rápidamente una idea del sentimiento del público hacia un tema de investigación concreto, como el equilibrio entre el trabajo y la vida privada. Después de ejecutar el análisis de sentimiento, se aplica una etiqueta de sentimiento y una puntuación a cada tuit.

Etiquete sus datos de Twitter con etiquetas de sentimientoEtiquete sus datos de Twitter con etiquetas de sentimiento

Presentar

En la etapa final “presentar” del proceso de análisis de redes sociales, el investigador/a resume su evaluación y visualiza los resultados de sus esfuerzos de recopilación y análisis de datos durante las dos etapas anteriores. Si es nuevo/a en las herramientas visuales de MAXQDA, eche un vistazo a este vídeo para obtener una visión general de las numerosas opciones a su disposición:

Paso 5: Crear tablas de frecuencia y gráficos

Una vez que haya filtrado los tweets de acuerdo a los criterios relevantes para su proyecto de investigación, MAXQDA le ofrece numerosas e interesantes opciones para presentar los resultados de la investigación. Para mostrar los resultados de las pruebas de análisis que vimos en la última etapa, ahora crearemos tablas y gráficos de frecuencia. Haga clic en el icono del gráfico en la barra de herramientas superior para obtener un análisis de la frecuencia.

Cree tablas de frecuencia y gráficos directamente en MAXQDACree tablas de frecuencia y gráficos directamente en MAXQDA

Las flechas en la parte superior de la ventana permiten cambiar entre tablas de frecuencia individuales. Y si hace clic en el símbolo del gráfico en la esquina superior izquierda, la tabla se mostrará en forma de gráfico de barras (vertical u horizontal) o un gráfico circular. ¡Esta es una gran herramienta visual para su investigación y facilita el análisis de los datos de Twitter! Ahora puede mostrar claramente los diferentes aspectos que hemos visto antes sin tener que importar los números a mano para crear tablas y gráficos con otros programas de software como Excel o PowerPoint. Simplemente exporte sus resultados como imágenes o PDF e inclúyalos directamente en su informe.

Paso 6: Visualiza los datos con nubes de palabras

Con MAXQDA, ahora puede crear nubes de palabras con un diseño personalizado que se adapte al estilo de su presentación. Una estrella, una pirámide, o incluso un pájaro de Twitter, ¡las posibilidades de la función de Nube de Palabras de MAXQDA son infinitas! Puede utilizar los diseños y esquemas de color predefinidos o añadir sus diseños personalizados para profundizar en sus datos de Twitter y presentarlos de forma interesante.

Esta herramienta visual es el siguiente paso perfecto en los análisis de frecuencia de palabras, especialmente cuando se trabaja con grandes volúmenes de datos, como los miles de tweets que estamos viendo en este ejemplo. Simplemente haga clic en el icono de Nube de Palabras de MAXQDA para crear una nube de palabras como la siguiente:

Visualizar la frecuencia de forma creativa y llamativaVisualizar la frecuencia de forma creativa y llamativa

Si quiere excluir de su nube de palabras términos insignificantes o con muy poco significado, puede crear una “lista de exclusión” de estas palabras. La forma más sencilla de hacerlo es abrir la función Frecuencias de palabras en la pestaña Inicio. En la tabla que se muestra, haga doble clic en el icono verde que aparece delante de una palabra concreta, y ésta se incluirá en la lista de exclusión y dejará de aparecer en las nubes de palabras.

Bien, ¡aquí estamos! Hemos conseguido una impresión del sentimiento del público respecto al equilibrio entre trabajo y vida privada en seis pasos. Ahora puede presentar de forma fácil y clara los resultados de su análisis. ¿Qué opina de su equilibrio entre vida y trabajo? ¡Tweete @verbisoftware o use el hashtag #MAXQDA para contarnos sobre su análisis de datos en Twitter!

Recursos adicionales para la investigación de redes sociales con MAXQDA:

Literatura útil:

  • Fan, W., Gordon, M. D.: The Power of Social Media Analytics. Association for Computing Machinery. In: Communications of the Acm. June 01, 2014.
  • Segerberg, A., Bennett, W. L.: Social Media and the Organization of Collective Action: Using Twitter to Explore the Ecologies of Two Climate Change Protests. In: The Communication Review. Washington, 2011.
  • Ganis, M., Kohirkar, A.: Social media Analytics: Techniques and insights for Extracting Business Value Out of Social Media. In: IBM Press. New York, 2015.
  • Zeng, D., Chen, H., Lusch, R., Li, S. H.: Social media analytics and intelligence. In: IEEE Intelligent Systems, 25(6). 2010.

Estamos agradecidos al Dr. Antoni Casasempere Satorres, entrenador certificado de MAXQDA, por su ayuda en la traducción de este artículo.

MAXQDA Newsletter

Our research and analysis tips, straight to your inbox.