Understanding Inorganic Behavior on Twitter: a Machine Learning Approach for Journalistic Applications = Entendiendo el comportamiento inorgánico en Twitter: una aproximación desde la Inteligencia Artificial para aplicaciones periodísticas

CONTENIDO DE LIBRE ACCESO

Este contenido es de libre acceso. Solo haz clic en el siguiente botón.

Descripción: Abstract: This thesis examines the modeling of inorganic behavior on Twitter and its implications for media dynamics. Three approaches —userbased, activity-based, and text-based detection— are combined to gain insights that benefit journalism and civil organizations. Resumen: Esta tesis examina el modelado del comportamiento inorgánico en Twitter y sus implicaciones para las dinámicas mediáticas. Se combinan tres enfoques (detección basada en características del usuario, basada en su actividad y basada en el contenido textual que publica o con el que interactúa), para encontrar patrones que ayuden a periodistas y organizaciones civiles a entender el fenómeno. Esta es una primera valoración positiva del uso del Inteligencia Artificial para explorar relaciones complejas que tienen significancia cualitativa en el estudio del comportamiento inorgánico en Twitter más allá de la detección.
Citación recomendada (normas APA)
: Alejandro Lozada Cortés, "Understanding Inorganic Behavior on Twitter: a Machine Learning Approach for Journalistic Applications = Entendiendo el comportamiento inorgánico en Twitter: una aproximación desde la Inteligencia Artificial para aplicaciones periodísticas", Colombia:-, 2023. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3711904/), el día 2025-05-06.

Información adicional