El comportamiento humano está estrechamente entrelazado con el estado socioeconómico. Muchas de nuestras rutinas diarias están impulsadas por actividades relacionadas con mantener o mejorar ese estado o esas actividades diarias están al alcance gracias a dicho estado.
La distribución de diferentes comportamientos individuales entre el vecindario, el barrio, el municipio o la ciudad afecta al desarrollo económico de aquellas regiones geográficas. Detectando patrones y cuantificando medidas relevantes a la hora de revelar las complejas relaciones entre la geografía y el comportamiento colectivo tiene una crucial importancia para entender el latido económico, la red interurbana, el plan económico, el reglamento educativo, el plan urbanístico y otros problemas sociales a larga escala de la ciudad.
La reciente disponibilidad de un abundante conjunto de datos, huella digital individual, ha incrementado la escala en la cual podemos medir rasgos conductuales como la movilidad, la comunicación social y la educación y cómo afectan estos en el desarrollo económico de las ciudades.
Se ha presentado un amplio estudio de las diferentes señales de conducta extraídas de las RRSS:
Estadísticas demográficas de los usuarios.
Patrones de movilidad partiendo de los mensajes geolocalizados.
Patrones de comunicación a partir de mensajes intercambiados.
Análisis de contenido a partir de mensajes publicados.
Se ha emparejado el conjunto de datos recogidos de las RRSS con el desempleo a nivel municipal. Estos datos han sido recogidos en el punto álgido de la crisis financiera española (2002-2003). Se ha considerado el desempleo como la señal más importante de la situación socioeconómica de una región.
Este estudio ha demostrado que varios indicadores clave (huellas de patrones temporales de actividad, exactitud en el contenido léxico y conexión geosocial entre regiones) se pueden extraer a partir de las RRSS y después utilizarlos para deducir el nivel de desempleo. Esta información puede ser usada para construir indicadores económicos que estén directamente relacionados con la economía. El uso de las RRSS nos permite también caracterizar las ciudades basándonos en la actividad de una manera significativa. Los usuarios de zonas con un gran desempleo tienen diferente movilidad, diferente interacción social y diferente actividad diaria que los usuarios de zonas con un bajo desempleo. Esta relación entrelazada entre el comportamiento de los usuarios y el empleo debería de considerarse no sólo en el análisis económico de las RRSS, también en otras aplicaciones como el marketing, la comunicación, la movilización social,....
Es particularmente excepcional que los datos de Twitter puedan proporcionar resultados tan precisos. Pocos usuarios de Twitter mandan mensajes siguiendo un ritmo regular, muchos usuarios no tienen información geolocalizada, las relaciones sociales entre los seguidores contienen muchos vínculos insignificantes, está plagado de spam-bots y no hay manera de identificar el objetivo o la funcionalidad del flujo de movilidad extraído. Aún y todo, usando técnicas de filtro bastante simples y regresiones estadísticas básicas se puede predecir sobre una variable tan importante como el desempleo. Otras RRSS como Facebook, Google +, Sina Weibo, Instagram, Orkut o Flicker proporcionan resultados similares o mejores. Estos nuevos conjuntos de datos digitales mejoran el conocimiento del funcionamiento de la sociedad.
¿Pero nos proporcionan las RRSS un indicador de desempleo fiable? Las entradas, el contenido, la actividad diaria y la diversidad de movilidad parecen estar altamente correlacionados con el desempleo en España, pero no se espera el mismo peso de estas características en otros países.
La inmediatez de las RRSS puede permitir a los gobiernos entender y medir mejor los efectos de las leyes y de los cambios sociales en los estados económicos de las ciudades al instante.
Bibliografía
Llorente A, Garcia-Herranz M, Cebrian M, Moro E (2015) Social Media Fingerprints of Unemployment. PLoS ONE 10(5): e0128692. doi: 10.1371/journal.pone.0128692
Comments