Detecció d'emocions en l'espai públic: una comparació multillenguatge a Barcelona

Resum

L'anàlisi de sentiments a través de les dades de LBSN (xarxa social basada en la ubicació) ha estat un tema popular en els estudis urbans des de l'auge de les aplicacions de xarxes socials, com l'estrès laboral, l'emoció dels passatgers del ferrocarril , el mapeig de sentiments, etc. Encara que és difícil de mesurar variacions de les emocions de masses en un nivell precís, hi ha algunes correlacions entre l'emoció i l'entorn espacial. Per tant, comprendre l'emoció massiva és beneficiós per millorar l'assignació de les instal·lacions urbanes i promoure l'entorn urbà. No obstant això, la majoria de les investigacions es limiten a textos en anglès o en un sol idioma causa de l'àrea estudiada o els problemes tècnics d'analitzar diferents idiomes. De fet, els immigrants i visitants solen ocupar una part important en les metròpolis internacionals. L'anàlisi basat en un sol idioma no és suficient per revelar percepcions sobre la mateixa ciutat de persones que fan servir altres idiomes. A més, a excepció de les diferències culturals, l'emoció de masses és possiblement diferent en diferents espais urbans, com els espais locals i turístics. Com l'idioma local sol ser diferent del dels visitants, l'anàlisi de sentiments basat en diversos idiomes podria reflectir les diferències fins a cert punt. Per tant, aquest estudi té com a objectiu detectar la diferència d'emoció en massa entre les persones que fan servir diferents idiomes en el mateix espai públic. A més, els estudis anteriors es centren principalment en un sol tipus d'ús de la terra, com atraccions turístiques o parcs verds. Per omplir el buit, l'objectiu final de la investigació és explorar la relació entre l'entorn urbà i l'emoció massiva.

Aquest estudi utilitza 30 mesos de dades de Twitter per analitzar les emocions massives a Barcelona. Específicament, l'anglès, l'espanyol i el català estan involucrats en la comparació de les emocions com a estudi de cas, perquè el nombre de tweets escrits pels tres idiomes representa aproximadament el 90% del nostre conjunt de dades. L'anàlisi es compon d'una anàlisi de paraules d'alta freqüència i anàlisi de sentiments en places. L'anàlisi de sentiments s'implementa mitjançant dos algoritmes d'ús comú: Senti-strength que estima els sentiments en textos informals curts i Svader que s'enfoca específicament en els textos de les xarxes socials. Segons el sentiment (positiu, neutral, negatiu) donat per l'algoritme, s'assigna una puntuació integral de sentiment a cada tweet. En resum, el procés inclou: 1) netejar dades i eliminar tweets no individuals; 2) traduir tweets en espanyol i català a l'anglès a través de l'API de Google Translate; 3) calcular la puntuació d'opinió de cada tweet a través del programari Senti-strength i Svader; 4) comparar la classificació de sentiments dels dos programari; 5) una verificació de mostra de l'anàlisi de sentiments mitjançant avaluació manual; 6) comparar les diferències de sentiment entre els tres grups de diferents idiomes en vint espais públics de Barcelona.

El resultat confirma les diferències de les paraules d'alta freqüència entre els tres idiomes, encara que tenen algunes paraules en comú. Els tweets catalans d'alta freqüència van aparèixer més paraules que són noms de llocs locals. Els tweets en anglès contenien més paraules relacionades amb el turisme. Els tweets en espanyol semblaven estar en el medi. En termes de variacions de sentiments, la proporció d'emoció positiva va ser més gran que l'emoció negativa en general.