Quantification strategy in social media: Opinion analysis and indicators development in different contexts

Franco Riquelme, Jose N (2020). Quantification strategy in social media: Opinion analysis and indicators development in different contexts. Thesis (Doctoral), E.T.S.I. Industriales (UPM). https://doi.org/10.20868/UPM.thesis.65826.

Description

Title: Quantification strategy in social media: Opinion analysis and indicators development in different contexts
Author/s:
  • Franco Riquelme, Jose N
Contributor/s:
  • Ordieres Meré, Joaquín
  • Bello García, Antonio
Item Type: Thesis (Doctoral)
Date: 2020
Subjects:
Freetext Keywords: Social media analysis; Twitter; LinkedIn; text mining; machine learning; natural language processing; sentiment analysis; indicators development; quantification; electoral process; innovation; entrepreneurship; knowledge-intensive business services; open innovation; dynamic capabilities theory = Análisis de redes sociales; Twitter; LinkedIn; minería de textos; aprendizaje automático; procesamiento del lenguaje natural; análisis de sentimientos; desarrollo de indicadores; cuantificación; proceso electoral; innovación; emprendimiento; servicios empresariales intensivos en conocimiento; innovación abierta; teoría de las capacidades dinámicas
Faculty: E.T.S.I. Industriales (UPM)
Department: Ingeniería de Organización, Administración de Empresas y Estadística
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only until 3 July 2021 - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (3MB)

Abstract

The way we are communicating is continuously changing. Mobile phones, the Internet and social media have become common, and people share contents more than ever before. In the information and communication technologies era, things are moving incredibly quickly, and people are expending more time communicating, connecting with people in different ways. But all those all-new ways of communicating, I believe social media is the most important. The rise of social media has considerably social and political implications. Indeed, the explosion of microblogging and professional networking sites and with the advent of what we know as big data has ushered exciting developments. In this thesis, I have considered focusing on two social media platforms, based on the following reasons. First, Twitter has been one of the major sources of gathering and analysing crowd opinion about different topics, which include the markets, diverse types of organisations, politics, trends, and the companies’ strategy. The millions of tweets sent every day are a plethora of finding words and related sentiment with it. Twitter is considered an ideal source for spotting information about societal interest and general people’s opinion (Khan et al., 2015). Second, LinkedIn, which is a professional social media and it is distinctly known as a powerful networking tool for companies and people related to the job market that enables its users to display their curricular information and to establish connections with other professionals (Dai et al., 2018). The companies’ interaction in LinkedIn has become an excellent channel to connect clients with organisations or users, providing a suitable platform to understand the behaviour of their users and their discourse towards determined topics. In this setting, social media analysis collects valuable data drawing actionable conclusions, based on the data from posts, interactions, campaigns, and in various designated situations. Thus, I considered determining measuring strategies embracing different contexts and applying opinion analysis in order to provide a framework tackling the challenges of obtaining knowledge from data in social sciences ambit. In the first context analysed, it was scrutinised the Spanish general elections in their political environment. In the second place, the knowledge-intensive business services focused on consulting companies, covering topics such as innovation and entrepreneurship. In the third place, the companies who alleged that are currently using open innovation strategy. In this study, it was proposed a novel approach, consisted of the quantification in social media platforms to obtain meaningful information for better social phenomena comprehension in changing scenarios. Thereby, carried out text mining, and developing indicators, and the application of machine learning techniques—in addition to qualitative approach—, obtaining knowledge from different backgrounds applying metrics with data collected from Twitter and LinkedIn. This thesis contributes to the implementation of deductive, inductive, and abductive reasoning in diverse scenarios, and the adoption of social media as a barometer towards users preferences, the literature in the Spanish language in sentiment analysis, the useful combination of theoretical frameworks that allows the organisational change capacities and to discover hidden information underlying into a massive amount of data. In summary, this work has explored the implementation of social media analysis, helping to the in-depth comprehension of individuals’ and organisations’ behaviour, through the studies examined. ----------RESUMEN---------- La forma en que nos comunicamos cambia continuamente. Los teléfonos móviles, Internet y las redes sociales se han vuelto comunes y la gente comparte contenidos más que nunca. En la era de las tecnologías de la información y la comunicación, las cosas se están moviendo increíblemente rápido y la gente dedica más tiempo a comunicarse, y a conectarse de diferentes maneras. Pero de todas las nuevas formas de comunicación, considero que las redes sociales son las más importantes. El auge de las redes sociales tiene considerables implicaciones sociales y políticas. En efecto, la explosión del “microblogging” y los sitios de redes profesionales, además del advenimiento de lo que conocemos como big data, han marcado el comienzo de desarrollos interesantes. En esta tesis, he considerado centrarme en dos plataformas de redes sociales, por las siguientes razones. En primer lugar, Twitter ha sido una de las principales fuentes de recopilación y análisis de la opinión de la multitud sobre diferentes temas, que incluyen los mercados, los diversos tipos de organizaciones, la política, las tendencias y la estrategia de las empresas. Los millones de tweets enviados todos los días son una plétora de palabras y para encontrar sentimientos relacionados con ellas. En efecto, Twitter se considera una fuente ideal para encontrar información sobre los intereses de la sociedad y la opinión general de la gente (Khan et al., 2015). En segundo lugar, LinkedIn, que es una red social profesional y es ampliamente conocida como una poderosa herramienta de articulación para empresas y personas relacionadas con el mercado laboral que permite a sus usuarios mostrar su información curricular y establecer conexiones con otros profesionales (Dai et al., 2018). La interacción de las empresas en LinkedIn se ha convertido en un excelente canal para conectar clientes con organizaciones o usuarios, proporcionando una plataforma adecuada para entender el comportamiento de sus usuarios y su discurso hacia determinados temas. En este entorno, el análisis de redes sociales recopila datos valiosos que extraen conclusiones procesables, basadas en los datos de publicaciones, interacciones, campañas y en varias situaciones designadas. Así, consideré determinar estrategias de medición que abarquen diferentes contextos y aplicar el análisis de opinión con el fin de brindar un marco que aborde los desafíos de obtener conocimiento a partir de datos en el ámbito de las ciencias sociales. En el primer contexto analizado, se escudriñó las elecciones generales españolas en su entorno político. En segundo lugar, los servicios empresariales intensivos en conocimiento enfocados a empresas consultoras, abarcando temas como la innovación y el emprendimiento. En tercer lugar, las empresas que alegaron que actualmente están utilizando la estrategia de innovación abierta. En este estudio se propuso un enfoque novedoso, que consistió en la cuantificación en plataformas de redes sociales, para obtener información significativa para una mejor comprensión de los fenómenos sociales en escenarios cambiantes. De esta manera, se llevó a cabo la minería de textos, y el desarrollo de indicadores, y la aplicación de técnicas de aprendizaje automático—además del enfoque cualitativo—, obteniendo conocimientos de diferentes orígenes aplicando métricas con datos recolectados de Twitter y LinkedIn. Esta tesis contribuye a la implementación del razonamiento deductivo, inductivo y abductivo en escenarios diversos, la adopción de las redes sociales como barómetro de preferencias de los usuarios, la literatura en lengua española en el análisis de sentimientos, la combinación útil de marcos teóricos que permiten las capacidades de cambio organizacional y el descubrimiento de información oculta subyacente en una gran cantidad de datos. En resumen, este trabajo ha explorado la implementación del análisis de redes sociales, ayudando a la comprensión en profundidad del comportamiento de individuos y organizaciones, a través de los estudios examinados.

More information

Item ID: 65826
DC Identifier: http://oa.upm.es/65826/
OAI Identifier: oai:oa.upm.es:65826
DOI: 10.20868/UPM.thesis.65826
Deposited by: Archivo Digital UPM 2
Deposited on: 03 Jan 2021 17:44
Last Modified: 03 Jan 2021 17:44
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM