Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP)

FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES MÁSTER EN ESTUDIOS AVANZADOS EN DIRECCIÓN DE EMPRESAS TRABAJO FIN DE MÁSTER CURSO ACADÉMICO [2021-2022] TÍTULO: Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) AUTOR: JUAN ANTONIO AGUILAR MORENO TUTOR: DR. D. PEDRO RAMIRO PALOS SÁNCHEZ DEPARTAMENTO: Economía Financiera y Dirección de Operaciones ÁREA DE CONOCIMIENTO: Organización de empresas RESUMEN: El objetivo central de este trabajo es identificar la opinión general sobre la implantación del pasaporte COVID-19, los motivos que llevan a ello y los aspectos que generan mayor interés. Para ello se realiza un análisis de sentimiento y de topics en el software RapidMiner con una muestra de 24.182 comentarios procedentes de doce vídeos relacionados con el pasaporte COVID-19 en los canales oficiales de reputados medios de prensa británicos en la plataforma YouTube. Como hallazgos se encuentran que los partidarios se basan en la necesidad de retomar la actividad normal y reactivar una economía paralizada, mientras que los detractores se posicionan en contra debido a la no inmunidad total de la vacuna y argumentos éticos. Precisamente de conocer estas opiniones mediante las técnicas emergentes de procesamiento de lenguaje natural, surge la utilidad de este trabajo como medio para implementar mejoras en el pasaporte o como conocimiento para futuras herramientas similares. TÉRMINOS CLAVE: Procesamiento de lenguaje natural; Análisis de sentimientos, análisis de topics, RapidMiner, certificado COVID-19 Máster en Estudios Avanzados en Dirección de Empresas Facultad de Ciencias Económicas y Empresariales – Universidad de Sevilla -2- ABSTRACT: The main goal of this work is to identify the general opinion on the implementation of the COVID-19 passport, the reasons that lead to it and the aspects that generate the main interest. A sentiment and topic analysis was carried out using RapidMiner software with a sample of 24,182 comments from twelve videos related to the COVID- 19 passport on the official channels of reputable British press media on the YouTube platform. The findings found that supporters were based on the need to resume normal activity and revive a paralysed economy, while detractors were against because of the vaccine's lack of full immunity and ethical arguments. The usefulness of this work as a means to implement improvements in the passport or as knowledge for future similar tools arises precisely from knowing these opinions through the emerging techniques of natural language processing. KEYWORDS: COVID-19 Passport; COVID-19 certificate; Natural Language Processing, Topics Analysis; Sentiment Analysis. Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 3 - ÍNDICE 1 INTRODUCCIÓN, OBJETIVOS Y ESTRUCTURA ..................................... 7 1.1 INTRODUCCIÓN ............................................................................................................... 7 1.2 OBJETIVOS ...................................................................................................................... 9 1.3 ESTRUCTURA .................................................................................................................. 9 2 FUNDAMENTOS TEÓRICOS ................................................................... 11 2.1 REVISIÓN DE LITERATURA DEL PASAPORTE COVID-19 ........................................ 11 2.1.1 Propuestas tecnológicas para reducir la incidencia del COVID-19 ........................ 12 2.1.2 Generalización del uso del código QR a raíz del COVID-19 .................................. 13 2.1.3 Opinión del público general sobre ventajas e inconvenientes del pasaporte COVID- 19 ……………………………………………………………………………………………...14 2.1.4 Impacto del pasaporte COVID-19 en sectores económicos ................................... 18 2.1.5 Impacto del pasaporte COVID-19 en la decisión de aceptar las vacunas .............. 18 2.1.6 Consideraciones éticas ........................................................................................... 19 2.2 REVISIÓN DE LITERATURA DE PUBLICACIONES ACERCA DE DATA MINING Y SENTIMENT ANALYSIS ............................................................................................................ 20 2.2.1 Conceptos ............................................................................................................... 20 2.2.2 Trabajos previos y herramientas ............................................................................. 22 3 METODOLOGÍA ........................................................................................ 25 4 ESTUDIO EMPÍRICO Y ANÁLISIS DE DATOS ........................................ 28 4.1 PROCESO DE EXTRACCIÓN, PREDICCIÓN Y ANÁLISIS DE LOS DATOS ............. 28 4.1.1 Extracción de comentarios ...................................................................................... 28 4.1.2 Depuración del archivo en Microsoft Excel ............................................................. 30 4.1.3 Análisis usando RapidMiner .................................................................................... 31 4.2 INTERPRETACIÓN DE LOS RESULTADOS ................................................................ 36 4.2.1 Nube de palabras .................................................................................................... 36 4.2.2 Clasificación por topics ............................................................................................ 36 Aguilar Moreno, Juan Antonio -4- 4.2.3 Análisis de sentimiento ............................................................................................ 44 5 DISCUSIÓN ............................................................................................... 48 6 CONCLUSIONES Y DESAFÍOS FUTUROS ............................................. 50 Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 5 - Relación de Figuras Figura 1. Certificado COVID-19 Digital de la UE ......................................................... 12 Figura 2. Interés del pasaporte COVID-19 en Google Trends (España) ..................... 17 Figura 3. Interés del pasaporte COVID-19 en Google Trends (Internacional) ............. 18 Figura 4. Esquema del proceso de la metodología ..................................................... 27 Figura 5. Interfaz de MAXQDA Analytics Pro 2022 con algunos de los comentarios extraídos ..................................................................................................................... 30 Figura 6. Tabla de Microsoft Excel con los comentarios extraídos .............................. 30 Figura 7. Interfaz de diseño del proceso en RapidMiner ............................................. 31 Figura 8. Selección de atributo de filtro en RapidMiner ............................................... 32 Figura 9. Operador Generate Attributes en RapidMiner .............................................. 33 Figura 10. Interfaz de resultados en RapidMiner - Clasificación de comentarios por sentimiento ................................................................................................................. 45 Relación de Tablas Tabla 1. Apps desarrolladas para el rastreo de contagios ........................................... 13 Tabla 2. Aceptación del pasaporte COVID-19 según el país de la UE ........................ 15 Tabla 3. Resumen de las ventajas e inconvenientes identificadas del pasaporte COVID-19 ................................................................................................................... 16 Tabla 4. Resumen de referencias del marco teórico sobre opiniones e impacto del pasaporte COVID-19 .................................................................................................. 20 Tabla 5. Recopilación de publicaciones con metodología similar a este estudio ......... 24 Tabla 6. Criterios de selección de vídeos .................................................................... 25 Tabla 7. Fuentes utilizadas para la extracción de comentarios ................................... 29 Tabla 8. Frecuencia de palabras en RapidMiner ......................................................... 35 Tabla 9. Pesos de las palabras del Topic 1 “Opiniones generales sobre la obtención del pasaporte COVID-19 y la vacunación” .................................................................. 37 Tabla 10. Pesos de las palabras del Topic 0 “Teoría de la conspiración” .................... 39 Aguilar Moreno, Juan Antonio -6- Tabla 11. Pesos de las palabras del Topic 2 “Asuntos sanitarios” .............................. 40 Tabla 12. Pesos de las palabras del Topic 3 “Derechos ciudadanos” ......................... 42 Tabla 13. Pesos de las palabras del Topic 4 “Preocupación sobre seguridad ciudadana a raíz del COVID-19” .................................................................................................. 43 Tabla 14. Recuento de likes según el topic ................................................................. 47 Relación de Gráficos Gráfico 1. Proporción de comentarios según fuente ................................................... 29 Gráfico 2. Nube de palabras en RapidMiner ............................................................... 36 Gráfico 3. Clasificación por topics en RapidMiner ....................................................... 44 Gráfico 4. Recuento de comentarios por topics ........................................................... 44 Gráfico 5. Recuento de comentarios por sentimiento .................................................. 45 Gráfico 6. Distribución de comentarios según su puntuación de positividad / negatividad ................................................................................................................. 46 Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 7 - 1 INTRODUCCIÓN, OBJETIVOS Y ESTRUCTURA 1.1 INTRODUCCIÓN La progresiva vuelta a la normalidad tras la pandemia del COVID-19 ha venido acompañada de limitaciones y medidas para contener un mayor avance del número de casos de contagio al mismo tiempo que se reactiva la economía, entre ellas una de las que más debate ha provocado es la implantación del pasaporte COVID-19 como instrumento para retomar la libre movilidad de personas y permitir el acceso a lugares con un gran aforo bajo la premisa de que sus poseedores cuentan con un mayor grado de inmunidad al haber sido vacunados. A esto se le suma el contexto actual, es la primera pandemia de la historia en la era digital, y la capacidad de influencia y movilización que tienen las redes sociales, donde cada día se expresan una ingente cantidad de opiniones sobre los temas del momento. En marzo de 2020, la Organización Mundial de la Salud (OMS) declaró oficialmente como pandemia la evolución de la COVID-19, cuyo primer caso documentado tuvo lugar en China a final de 2019 y se propagó rápidamente por todo el mundo en el primer trimestre de 2020 (Liu et al., 2020), causando desde diciembre a final de marzo un total de 750.890 infecciones y 36.405 muertes en todo el mundo según datos de la OMS (2020). A raíz de la citada situación, los gobiernos y las instituciones supranacionales comenzaron a tomar medidas y restringir la movilidad de las personas para contener los contagios, lo que supuso importantes consecuencias también en la economía, que experimentó una recesión motivada por la falta de actividad comercial, limitaciones y restricciones (Kolahchi et al., 2021). El progresivo restablecimiento de la normalidad cotidiana tras el confinamiento por la pandemia del COVID-19 ha estado marcado por las restricciones de movilidad, horarias, de aforo, entre otras, como medidas para reducir el número de contactos y evitar una propagación aun mayor, lo cual ha tenido una grave incidencia en variados sectores económicos, especialmente en aquellos negocios que se consideran “no esenciales”, como la hostelería, turismo y ocio y entretenimiento, que se vieron obligados a limitar su aforo e incluso al cierre total dejando de percibir ingresos pero manteniendo sus costes (de la Fuente, 2021). Estas limitaciones han sido acompañadas por el pasaporte COVID-19, también comúnmente denominado certificado COVID-19 o certificado de vacunación, un documento necesario para viajar sin necesidad de someterse a pruebas o guardar cuarentena y acceder a determinados locales, incluso a lugares de trabajo, que acredita nominativamente a su Aguilar Moreno, Juan Antonio -8- poseedor un mayor nivel de inmunidad debido a haber superado la enfermedad recientemente o haber sido vacunado con las dosis requeridas (Shin et al., 2021). No obstante, esta medida que a priori puede parecer efectiva para su cometido no ha dejado a nadie indiferente y ha provocado un acentuado debate entre partidarios y detractores, de manera que los aspectos políticos han llegado a cobrar un alto grado de relevancia para abordar estas preocupaciones tratando de equilibrar los intereses y presiones de los diferentes grupos de interés, así como cuestiones éticas tales como las desigualdades de los sistemas sanitarios en países en vías de desarrollo que cuentan con un reducido suministro de vacunas, la libre decisión de una persona para vacunarse y la prohibición de ingreso a un país de una persona no vacunada o la mera posición en la lista de espera según tramo de edad para vacunarse. (Sharun et al., 2021). Por otro lado, en la actualidad las redes sociales se han convertido en un medio de comunicación en el que la población puede compartir opiniones lo que ha dado lugar a que estas redes se hayan convertido en una importante fuente de datos, muy fácilmente accesibles en las que un gran número de personas interactúan entre sí y expresan sus opiniones y emociones, que en situaciones de grandes desastres humanitarios pueden ser beneficiosas para el sector público debido al acceso a la información que disponen y a la facilidad para comunicar. (Malawani et al., 2020). Utilizando estas opiniones se pueden emplear técnicas de Data Mining y Natural Language Processing, con el objetivo principal de comprender las preocupaciones sociales y que posteriormente se pueda emplear esta información para evaluar la aceptación del pasaporte COVID-19 y estudiar posibles vías de mejora equilibrando la ventaja que proporciona en cuanto al menor riesgo de contagio con la factibilidad para su uso en determinados contextos como podrían ser el acceso a un restaurante, local de ocio o medios de transporte públicos. En este estudio se propone la realización de un análisis de las opiniones expresadas al respecto por usuarios en internet desde el inicio de la pandemia, concretamente como comentarios de respuesta a vídeos relativos a la implementación del pasaporte COVID-19 en prestigiosos medios de comunicación británicos, los cuales se publican en la plataforma YouTube, para llegar a conclusiones sobre la opinión general de la población y discernir el grado de aceptación mostrado mediante técnicas de Web Scraping, Text Mining y Natural Language Processing (NLP). Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 15 - Otro estudio, realizado mediante entrevistas a grupos focales en Suiza (Fargnoli et al., 2021), concluyó que las desventajas superaban a los beneficios. Los detractores del pasaporte coincidían en que la inmunidad era limitada temporalmente y que el virus puede mutar, careciendo de valor el certificado, además de los aspectos éticos e igualitarios. Por el contrario, los argumentos favorables incidían en la necesidad de reactivar la economía y la normalidad. Una encuesta realizada por European Travel Commission (2022), realizó una comparativa entre países europeos sobre la aceptación o rechazo del pasaporte COVID-19. Como se observa en los datos de la tabla, en el total de la muestra más de la mitad de los encuestados se muestra favorable al pasaporte, mientras que el resto se divide prácticamente en partes iguales entre contrarios y neutrales. España es el país que mayor grado de aceptación presenta (67,90%). País De acuerdo En contra Neutral España 67,90% 13,20% 19% Polonia 59,40% 16,80% 23,80% Italia 56,30% 15,60% 28,10% Alemania 54,10% 21,90% 24% Francia 52,40% 24,10% 23,50% Austria 51,30% 28,50% 20,20% Bélgica 47,20% 32% 20,80% Países Bajos 43,60% 33,20% 23,20% Reino Unido 43,30% 29,70% 26,90% Suiza 42,40% 35,20% 22,40% Total de la muestra 51,70% 24,70% 23,60% Tabla 2. Aceptación del pasaporte COVID-19 según el país de la UE Fuente: European Travel Commission (2022) Según Fargnoli et al. (2021), la confiabilidad de los datos científicos respecto a la inmunidad es una de las mayores preocupaciones, lo cual incide en el pasaporte Aguilar Moreno, Juan Antonio -16- COVID-19, pues los individuos pueden reinfectarse y el pasaporte perdería aceptación. Una de las principales amenazas para la salud mundial es la no vacunación. Para mejorar la actitud frente a la vacuna Greyling y Rossouw (2022) señalan la necesidad de informar más acerca de su seguridad y hacerla más accesible para todos los países mediante un estudio sobre la tendencia de las actitudes positivas hacia las vacunas a lo largo de un período de tiempo partiendo de una extracción de tweets en tiempo real que fue analizada con procesamiento de lenguaje natural (NLP). La mayoría de los tweets positivos estuvieron relacionados con recibir la vacuna y en una nube de las palabras con mayor peso en estos tweets destacan Good, Scientific, Hope, Safe, Happy, See, COVID-19. En cambio, para los tweets negativos las palabras más destacadas en la nube de palabras fueron COVID-19, Death, Die, Government, Pandemic, Dying, Out, por lo que se aprecia temor a los efectos adversos de la vacuna e inconformidad con el gobierno, algo con lo que concuerda con otro artículo de similares características (Thelwall et al., 2021) centrado en los motivos por los que genera dudas la vacunación y en el cual se indica, también tras analizar una muestra de tweets, que las teorías conspirativas y la velocidad del desarrollo de la vacuna y su seguridad eran las mayores preocupaciones entre la población. A continuación, se muestra en la siguiente tabla un resumen de las ventajas e inconvenientes más significativas del pasaporte COVID-19: Ventajas Inconvenientes Menores restricciones para poder viajar Beneficios sociales y económicos Falta de consenso entre los países para establecer un certificado estándar Brecha digital Privacidad Libertades personales Derechos humanos Dudas sobre la inmunidad Tabla 3. Resumen de las ventajas e inconvenientes identificadas del pasaporte COVID-19 Fuente: Khan et al. (2022) Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 17 - Por otra parte, para comprobar la evolución del interés sobre el pasaporte COVID-19, se ha procedido a consultar en Google Trends el interés a lo largo del tiempo para los términos de búsqueda “EU Digital COVID Certificate” en todo el mundo y “Certificado COVID” y “Pasaporte COVID” para España, obteniendo los siguientes resultados: Figura 2. Interés del pasaporte COVID-19 en Google Trends (España) Como se aprecia en la figura anterior, en España en el horizonte temporal del 1 de junio de 2021 hasta 1 de junio de 2022, el pico de mayor interés se alcanzó a finales de noviembre de 2021 para los dos términos de búsqueda, que además presentan una fuerte correlación a lo largo del tiempo. Este hecho coincide temporalmente con la entrada en vigor del pasaporte en varias comunidades autónomas de España. Aguilar Moreno, Juan Antonio -18- Figura 3. Interés del pasaporte COVID-19 en Google Trends (Internacional) En el plano internacional, se aprecia en la Figura 3 que el pico de mayor interés se alcanzó entre el 18 y el 24 de julio de 2021, en plena campaña de vacaciones estivales y un mes después de la aprobación del Reglamento (UE) 2021/953 del Parlamento Europeo y del Consejo de 14 de junio de 2021 relativo a un marco para la expedición, verificación y aceptación de certificados COVID-19 interoperables de vacunación, de prueba diagnóstica y de recuperación (certificado COVID digital de la UE) a fin de facilitar la libre circulación durante la pandemia de COVID-19. 2.1.4 Impacto del pasaporte COVID-19 en sectores económicos Según una estimación de Oliu-Barton (2022), el PIB se habría reducido de no existir los pasaportes COVID-19. Uno de los sectores más afectados económicamente por el impacto de la pandemia y sus limitaciones es el turístico, englobando compañías de transporte y de hostelería. Este sector se encuentra estrechamente vinculado con el pasaporte COVID-19 debido a que éste se trata fundamentalmente de una medida desarrollada para facilitar la movilidad de las personas garantizando un menor riesgo de infección al acreditar la vacunación o resultados de tests. Las restricciones de movilidad y la preocupación por el riesgo de salud percibido por parte de los clientes han condicionado las decisiones en este sector tanto por parte de las empresas como por parte de sus clientes. Un estudio de Shin H et al. (2021) comprobó que la implantación del pasaporte COVID-19 por parte de las aerolíneas tiene un impacto positivo en su valor de mercado en bolsa y que, tras la implantación, la intención de reserva de los pasajeros incrementó significativamente cobrando mucha mayor importancia que el resto de las medidas de reducción del riesgo contra la COVID-19 a la hora de realizar una reserva. El citado artículo puntualiza que se enfoca en los viajes de ocio y una línea de investigación futura se centraría en investigar la influencia según el tipo de viaje (de negocios o turísticos), su duración o destino (nacionales o internacionales), u otros factores. 2.1.5 Impacto del pasaporte COVID-19 en la decisión de aceptar las vacunas El pasaporte COVID-19 puede suponer cierta presión para aceptar la vacunación dado que gran número de actividades cotidianas, o incluso el uso de medios de transporte como se ha indicado en el apartado anterior con el caso de las aerolíneas, son inaccesibles sin disponer del certificado, lo que puede suponer un aislamiento social Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 19 - del individuo en caso de no disponer del mismo. Una encuesta realizada en Reino Unido (de Figueiredo et al., 2021) evalúa si la adopción del pasaporte fomenta la vacunación o si la desalienta entre la población que aún no ha recibido la pauta completa de la vacuna. Como conclusiones obtiene que la implantación del pasaporte propicia generalmente mayor disposición a la vacunación entre los individuos, aunque de un modo muy polarizado, pues quienes ya tenían la firme intención de recibir otra dosis de la vacuna refuerzan aún más su postura, mientras que quienes se mostraban preocupados por la vacunación tienden a disminuir su intención de vacunarse al sentirse presionados por el pasaporte. Según Oliu-Barton (2022), los pasaportes COVID-19 han sido una eficaz medida para evitar defunciones y evitar el colapso de los hospitales, como estima en su estudio en el que cuantifica en alrededor de 4.000 muertes evitadas en Francia (un 32% más de las registradas desde la fecha de entrada en vigor del pasaporte hasta final de 2021), 1.100 en Alemania (6% más) y 1.300 en Italia (14% más). Asimismo, estima que se ha aumentado la tasa de vacunación en un 13% de la población en Francia, 6,2% en Alemania y 9,7% en Italia. 2.1.6 Consideraciones éticas Algunos argumentos éticos en detrimento de la implantación del pasaporte COVID-19 se centran en las desigualdades entre países que se traducen en diferentes ritmos de vacunación masiva y consecuentemente en distintos criterios para la movilidad internacional, o desde una perspectiva más individualista, las limitaciones para trabajadores cuyo empleo requiere presencialidad respecto a quienes pueden teletrabajar. (Brown et al., 2020). Como justificaciones se encuentran el principio ético de salud de la menor infracción, que consiste en que la alternativa menos transgresora para las libertades individuales de las disponibles para lograr un objetivo de salud pública es la que debe elegirse; las ventajas para la sociedad derivadas de su aplicación en lo que se refiere a la reanudación de actividades con mayor normalidad y el menor riesgo de infección al ser los portadores personas con un mayor nivel de inmunidad debido a la vacuna o a una reciente contracción de la enfermedad. (Voo et al., 2021). En la siguiente tabla 3 “Resumen de referencias del marco teórico sobre opiniones e impacto del pasaporte COVID-19”, se enumeran a modo de resumen los artículos que, habiendo sido incluidos en el marco teórico, presentan similitud con el objeto de estudio y/o la metodología empleada en este trabajo. Aguilar Moreno, Juan Antonio -20- Título Autor(es) Resumen Metodología Conflicting attitudes: Analyzing social media data to understand the early discourse on COVID-19 passports Khan et al. (2022) Análisis de la opinión sobre el pasaporte COVID-19 a partir de comentarios de Twitter Sentiment Analysis Acceptability of COVID-19 Certificates: A Qualitative Study in Geneva, Switzerland, in 2020 Fargnoli et al. (2021) Análisis cualitativo de la aceptación del pasaporte COVID-19 en Suiza Entrevistas a grupos focales Positive attitudes towards COVID-19 vaccines: A cross-country analysis Greyling y Rossouw (2022) Estudio de las opiniones positivas hacia la vacunación en diferentes países Sentiment Analysis Covid-19 vaccine hesitancy on English-language Twitter Thelwall et al. (2021) Motivos por los que la vacunación genera preocupación Sentiment Analysis The Impact of COVID-19 Vaccine Passport on Air Travelers’ Booking Decision and Companies’ Financial Value Shin H et al. (2021) Análisis del impacto financiero de la implantación del pasaporte COVID-19 en aerolíneas Análisis de datos cuantitativos The potential impact of vaccine passports on inclination to accept COVID-19 vaccinations in the United Kingdom: Evidence from a large cross-sectional survey and modeling study de Figueiredo A et al. (2021) Estudio sobre si la adopción del pasaporte COVID-19 fomenta o desalienta la vacunación Encuesta El pasaporte COVID reduce miles de muertes: un análisis con datos de Francia, Italia y Alemania Oliu-Barton (2022) Estimación de las defunciones evitadas tras la adopción del pasaporte COVID-19 Análisis de datos cuantitativos Tabla 4. Resumen de referencias del marco teórico sobre opiniones e impacto del pasaporte COVID-19 2.2 REVISIÓN DE LITERATURA DE PUBLICACIONES ACERCA DE DATA MINING Y SENTIMENT ANALYSIS 2.2.1 Conceptos Natural Language Processing (NLP) o procesamiento de lenguaje natural son técnicas que permiten procesar a las máquinas el lenguaje humano oral mediante el reconocimiento de voz y textual, a través del procesamiento de texto. Presenta diferentes técnicas, las más frecuentes son (Lopez-Martinez y Sierra, 2020): Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 21 - - Identification of named entities o identificación de entidades nombradas: extrae nombres de personas, instituciones, ciudades y otras localizaciones… - Filtrado y clasificación de documentos - Generación de resúmenes automáticos - Topics Analysis o análisis de topics - Extracción de información - Análisis de sentimiento - Minería de opinión u Opinion Mining - Monitoreo de la opinión en redes sociales - Corrección ortográfica y gramatical - Búsqueda inteligente y optimizada - Sistemas de respuesta automática - Asistentes personales - Traducción automática - Reconocimiento de voz - Sistemas de texto a voz - Sistemas de diálogo - Etc. Sentiment Analysis o Análisis de Sentimiento se define como una metodología desarrollada a partir de Machine Learning – aprendizaje automático – mediante la que se analizan textos otorgando una valoración positiva, neutra o negativa al contenido en función de un baremo generado a partir de las connotaciones de las palabras que lo componen. (Saura et al., 2018). Por tanto, identifica y extrae información subjetiva con el propósito de determinar la actitud sobre cualquier asunto de interés a partir del contenido incluido en el texto. Las palabras con connotaciones positivas o negativas pueden ser extraídas de una muestra del propio texto que se pretende analizar y que pasarían a formar parte de una bolsa de palabras de entrenamiento del algoritmo, lo cual sería un enfoque de aprendizaje automático, o bien estar ya previamente definidas en un diccionario genérico, lo que se denomina enfoque basado en el léxico y la precisión depende del tamaño del diccionario. (Kolchyna et al., 2015). Otro enfoque alternativo es el híbrido, que combina los dos anteriores. (Thakkar y Patel, 2015). Para analizar el sentimiento es necesario previamente extraer los datos, es decir, realizar el proceso de Data Mining o Minería de datos, que se define como el proceso de extracción de datos útiles de un gran conjunto de datos utilizando herramientas estadísticas y de Machine Learning, que identifican patrones en las relaciones de los Aguilar Moreno, Juan Antonio -22- datos. Dentro de Data Mining, la subcategoría que trata específicamente sobre la extracción de contenido textual se denomina Text Mining o minería de texto, cuyas principales utilidades prácticas son el resumen automático de texto, el reconocimiento de entidades nombradas o Identification of named entities (extrae nombres de personas, instituciones, ciudades y otras localizaciones…) y el análisis de sentimiento. (Tripathi et al., 2016). Existen ciertos aspectos en los que se requiere un mayor grado de avance. Mohammad (2017) expone como desafíos del análisis de sentimiento para lograr una mayor precisión hacer especial énfasis en el desarrollo del análisis de las preguntas retóricas, ironía, contextos concretos que pueden alterar la predicción y traducciones en análisis multilingües. 2.2.2 Trabajos previos y herramientas El análisis de sentimiento es un tema relativamente novedoso en el ámbito de la investigación que presenta un interés creciente entre los investigadores, lo que está dando lugar a un notable número de artículos publicados sobre esta materia. Desde la última década y fundamentalmente desde 2015, se observa un crecimiento exponencial en el número de publicaciones según el estudio bibliométrico elaborado por Sanchez-Nunez P et al. (2020). En lo que respecta a este trabajo, la revisión bibliográfica de este apartado se centra en las publicaciones sobre análisis de sentimientos enmarcadas en el contexto del COVID-19 o las que utilizan el mismo software que este estudio, RapidMiner. Previamente se encuentra una publicación en la que se extrae una muestra de comentarios sobre la vacuna del COVID-19 en la red social Twitter en hashtags específicos de Filipinas (Villavicencio et al., 2021). Este artículo utilizó como software RapidMiner, procediendo a una depuración del texto y al análisis de sentimiento utilizando el algoritmo de Naïve Bayes. Como resultados, de una muestra de 11.974 tweets, 993 fueron válidos para ser utilizados en el estudio, de los cuales el 83,38% mostraban un sentimiento positivo hacia las vacunas y entre los negativos analizaron el contenido y se centraban en los efectos adversos de la vacuna. RapidMiner es un software libre desarrollado en el lenguaje de programación Java que proporciona un entorno integrado para Data Mining y Natural Language Processing. Se trata de un sencillo e intuitivo programa con el que se facilita sobremanera el diseño del proceso de minería de datos y de procesamiento de lenguaje natural como análisis de sentimiento o clasificación por topics, pues los operadores están Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 23 - prediseñados y tan solo es necesario realizar ajustes de menor complejidad para adaptarlo a los requerimientos de cada proyecto. Permite además la representación gráfica de los resultados. Otros ejemplos de softwares alternativos son KNIME, de características similares a RapidMiner, o el uso de librerías programadas con los lenguajes de programación como R o Python, cuyo uso requiere una mayor complejidad. Como alternativas a nivel usuario también existen opciones online como Monkey Learn, Google Cloud Natural Language, IBM Watson Natural Language Understanding, Amazon Comprehend y Microsoft LUIS (Language Understanding Intelligence Service), propuestas enfocadas a simplificar estas tareas en el ámbito empresarial. En la siguiente tabla se enumeran publicaciones con una metodología similar a la de este estudio. Título Autor(es) Resumen Software Twitter Sentiment Analysis towards COVID-19 Vaccines in the Philippines Using Naïve Bayes Villavicencio et al. (2021) Análisis de la opinión sobre la vacuna del COVID-19 a partir de comentarios de Twitter en Filipinas. RapidMiner Analysis of Sentiments for Sports data using RapidMiner Pawar et al. (2018) Realiza un proceso de análisis de sentimiento en RapidMiner a partir de tweets sobre cricket. RapidMiner Exploring preferences and sustainable attitudes of Airbnb green users in the review comments and ratings: a text mining approach Serrano et al. (2020) Análisis de sentimiento de comentarios de usuarios de la plataforma Airbnb. Incluye: términos más frecuentes y agrupación por temas y clasificación por emociones básicas. Leximancer Post COVID-19 Twitter user’s Emotions Classification using Deep Learning Techniques in India Tatineni et al. (2021) Medición automatizada de las emociones sobre la decisión del gobierno de extender el confinamiento en India a partir de tweets. IBM Watson Tone Analyzer Sentiment Analysis and Classification of Tweets Using Data Mining Shoeb y Ahmed (2017) Realiza una demostración de análisis de sentimiento en RapidMiner con enfoque de aprendizaje automático. RapidMiner Sentiment Analysis of English Tweets Using RapidMiner Tripathi et al. (2016) Demostración de análisis de sentimiento en RapidMiner y medición de precisión comparando los clasificadores Naïve Bayes y K-NN Classifier. RapidMiner Sentiment Analysis about E- Commerce from Tweets Using Decision Tree, K-Nearest Neighbor, and Naïve Bayes Bayhaqy et al. (2018) Comparación de los clasificadores Decision Tree, K-NN y Naïve Bayes Classifier para encontrar la mejor precisión. RapidMiner Are Black Friday Deals Worth It? Saura et al. Identifica ofertas de Black Friday en Twitter Python Aguilar Moreno, Juan Antonio -24- Mining Twitter Users’ Sentiment and Behavior Response (2019) mediante el modelo de asignación de Dirichlet, para realizar un análisis de sentimiento y de Text Mining para identificar ideas de estrategias de promoción y marketing de otras empresas Tabla 5. Recopilación de publicaciones con metodología similar a este estudio Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 31 - 4.1.3 Análisis usando RapidMiner El análisis de los comentarios extraídos se ha realizado con el software de Data Mining y Data Analysis RapidMiner. Rapidminer es un software especializado en el análisis predictivo, inteligencia de negocio, Machine learning, minería de texto y minería de datos, el cual proporciona una sencilla forma de acceder a los operadores y procesarlos fácilmente (Pawar et al., 2018). La versión usada es RapidMiner Studio 9.10. El objetivo de utilizar este software en este trabajo se basa en obtener una nube de palabras de la que interpretar cuáles son las palabras más frecuentes en la muestra de comentarios, una clasificación de topics que muestre cuáles son las preocupaciones y temas de mayor interés respecto a la implantación del pasaporte COVID-19 y un análisis de sentimiento para agrupar los comentarios en positivos, negativos y neutros y poder percibir la sensación general de la sociedad. A continuación, se detallan los operadores incluidos en la interfaz de diseño de RapidMiner y su utilidad dentro del proceso que se aprecia en la siguiente imagen. Figura 7. Interfaz de diseño del proceso en RapidMiner En primer lugar, el operador Read Microsoft Excel importa el fichero de Microsoft Excel comentado en el anterior apartado en el que se encuentran los comentarios. Estos comentarios pasan por el operador Nominal to Text, que convierte los atributos nominales en atributos de cadena. A continuación, Select Atributes selecciona la columna del fichero Microsoft Excel que se va a tener en cuenta para el análisis y se indica en el menú de parámetros, en este Aguilar Moreno, Juan Antonio -32- caso la del texto de los comentarios. Las opciones son variadas, es posible seleccionar todo el archivo (all), solo un subconjunto (subset), solo valores numéricos (numeric_value_filter), entre otras. Seleccionando subset se ha seleccionado el atributo comentario, de forma que solo trabajará con dicha columna. Figura 8. Selección de atributo de filtro en RapidMiner Los operadores Replace, eliminan los caracteres no deseados para depurar el texto. Se ha introducido la siguiente cadena de caracteres para ser eliminados con el primero de los operadores https?://[-a-zA-Z0-9+&@#/%?=~_(!:,;]*[-a-zA-Z0-9+&@#/%?=~_()] y la siguiente con el segundo operador: RT\s*@[^:]*:\s*[A-Za-z]+ El siguiente operador, Multiply, se usa para multiplicar los puertos de entradas y salidas que conectan los distintos operadores y poder establecer un mayor número de conexiones. A partir de este conector, el proceso se divide en dos partes, cada una con sus correspondientes operadores: - Análisis de sentimiento y clasificación por topics - Generación de la nube de palabras Análisis de sentimiento y clasificación por topics Una vez depurado el texto, el operador Extract Sentiment analiza el sentimiento expresado en cada uno de los comentarios usando el modelo que se indique en parámetros entre las diferentes alternativas (aylien, sentiwordnet, vader, etc.). Se ha Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 33 - seleccionado Vader. Grosso modo, la función que realiza es detectar las palabras relevantes independientes incluidas en cada comentario y asignarles una puntuación de positividad/negatividad previamente establecida en el diccionario. Hace un cómputo global de todas las palabras incluidas en el mismo comentario que puede dar como resultado un número negativo o positivo a partir del que se determina el sentimiento con el siguiente operador Generate attributes mediante una fórmula condicional que traduce estos valores positivos y negativos a las expresiones “positivo”, “negativo” y “neutro”. La fórmula concretamente es la siguiente: if(Score > 0 , "positive", if (Score < 0 , "negative",if (Score == 0 , "neutral", ""))) Figura 9. Operador Generate Attributes en RapidMiner Este operador se encuentra conectado con el último operador del proceso Extract Topics from Data (LDA), que categoriza y agrupa los comentarios en varios topics según su contenido y determina las palabras claves del topic según su importancia. El número de topics y de palabras claves deseadas se ajusta en el menú de parámetros. La asignación latente de Dirichlet (LDA) es un modelo probabilístico para el análisis de Topics que, a partir del texto incluido en un documento, encuentra relaciones en su contenido y las agrupa por temas relacionados (Blei et al., 2003). Aguilar Moreno, Juan Antonio -34- Generación de la nube de palabras Partiendo de nuevo del operador Multiply, la otra parte del proceso es la generación de la nube de palabras. Para ello, se incluye el operador Process Document from Data, el cual contiene a su vez los operadores que se indican a continuación: - Tokenize: divide el texto (cada comentario) en una secuencia de palabras independientes (tokens) siguiendo un criterio, en este caso la separación se realiza cuando aparece un espacio (non letters). - Transform Cases: transforma cada token a unas condiciones especificadas. Se ha aplicado transform to lower case para homogeneizar todos ellos en minúsculas. - Filter Stopwords: elimina las palabras que no aportan valor, tales como artículos, pronombres y otros. - Filter Tokens by Length: elimina las palabras que no cumplen con una longitud mínima y máxima de caracteres, para generar así un filtro más selectivo y refinado. Se ha establecido como mínimo cuatro caracteres y como máximo veinticinco. Se sucede con el operador WordList to Data que realiza el recuento de apariciones de cada palabra en todo el texto. Para ordenarlas en base al número de operaciones de mayor a menor se utiliza el operador Sort y para filtrar las primeras veinte palabras (la nube de palabras no puede incluir un número ilimitado de palabras) se utiliza Filter Example Range. Para concluir, se ejecuta el proceso y se obtienen los resultados. Para obtener la nube de palabras es necesario realizar un paso adicional. En la pestaña de los resultados del operador Filter Example Range aparece una tabla, la que viene a continuación, con las palabras ordenadas por su frecuencia dentro del texto para la que hay que generar una visualización worldcloud. Número Palabra En documentos Total 1 vacuna 1678.0 2247.0 2 gente 1640.0 2234.0 3 covid 813.0 1084.0 4 pasaporte 776.0 894.0 5 pasaportes 664.0 746.0 Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 35 - 6 gobierno 647.0 734.0 7 ir 558.0 633.0 8 tomar 524.0 597.0 9 querer 485.0 550.0 10 virus 482.0 639.0 11 vacunado 449.0 624.0 12 parar 428.0 489.0 13 tiempo 423.0 458.0 14 mundo 392.0 462.0 15 libertad 369.0 434.0 16 conspiración 358.0 404.0 17 vacunas 355.0 456.0 18 país 347.0 378.0 19 boris 346.0 377.0 20 conocer 343.0 392.0 Tabla 8. Frecuencia de palabras en RapidMiner El gráfico 2 es la nube de palabras. En él se representan las palabras más repetidas dentro del texto, en ella destacan las palabras “vacuna”, “personas”, “pasaporte” y “gobierno”. Hay palabras como pasaporte que aparecen tanto en singular como en plural. Aparecen verbos de acción como ir y parar (lo que se puede asociar a parar la vacunación, parar el pasaporte COVID, entre otros, y se podrían analizar las correlaciones para saber si se refiere más al pasaporte o a la vacunación) y otras palabras que aportan mucho significado como conspiración, gobierno, tiempo y el nombre del primer ministro del Reino Unido “Boris”. Aguilar Moreno, Juan Antonio -36- Gráfico 2. Nube de palabras en RapidMiner 4.2 INTERPRETACIÓN DE LOS RESULTADOS 4.2.1 Nube de palabras Los resultados obtenidos en la nube de palabras y en la tabla de frecuencia de palabras indican, como era de esperar, una alta presencia de las palabras “vacuna”, “COVID-19” y “passport”, palabras que no aportan ningún significado más allá de la preocupación por la vacunación, tanto en términos de los posibles efectos secundarios como en términos de disponibilidad de dicha vacuna en todos los países. Pero también se encuentran otras palabras que sí otorgan una visión más clara de la sensación general de los internautas respecto a la implantación del pasaporte COVID-19. Son "government", con un total de 734 apariciones; "stop”; "freedom"; "conspiracy"; "boris"; “time”; “country”. Estas palabras hacen referencia a cuestiones éticas como la libertad, que ya se comentaba en la revisión bibliográfica como uno de los aspectos más contradictorios respectos del pasaporte, así como las diferencias entre países “country”. También la necesidad de “ganar tiempo” para “frenar” el virus, viéndolo por el lado positivo, o “stop COVID-19 Passport” si es en sentido detractor, algo que también cobra sentido al incluir palabras relacionadas con la política y sus líderes en Reino Unido, el gobierno y las teorías conspirativas. 4.2.2 Clasificación por topics La categorización de los comentarios según los topics o temas autodetectados a partir del contenido muestra un elevado peso de los comentarios en los que las mayores Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 37 - preocupaciones versan sobre la necesidad de conseguir el pasaporte COVID-19 y su relación con la vacuna, como se puede apreciar en el topic 1 “Opiniones generales sobre la obtención del pasaporte COVID-19 y la vacunación” cuyas palabras representativas más frecuentes son: “persona”, “vacunas”, “pasaporte”, “quieren”, “necesitar”, “gobierno. En la Tabla 9 “Pesos de las palabras del Topic 1”, las palabras “vacuna” y “gente” tienen un elevado peso que sobresalen del resto, como se puede comprobar a continuación: Palabra Peso vacuna 1929.0 gente 1870.0 conseguir 924.0 pasaporte 799.0 necesitar 691.0 pasaportes 661.0 yendo 613.0 gobierno 579.0 gustar 563.0 tomar 547.0 querer 518.0 vacunado 512.0 covid 494.0 podría 482.0 virus 454.0 Tabla 9. Pesos de las palabras del Topic 1 “Opiniones generales sobre la obtención del pasaporte COVID-19 y la vacunación” Algunas opiniones, que se exponen en las siguientes líneas, se centran fundamentalmente en que, a pesar de la vacuna, sigue existiendo riesgo de infección, por lo tanto, el pasaporte COVID-19, que acredita haberse vacunado carecería de sentido. Algunos incluso proponen la prueba de anticuerpos como acreditación alternativa: Aguilar Moreno, Juan Antonio -38- “More lies from the government, 1 the vaccine doesn't stop you catching COVID-19. 2 the vaccine will not stop you passing it on. Explain why vaccine passports will help?” “The only alternative is the 99% have to be repeatedly locked down because of the irresponsible 1%. Just ban them from public and let's all get on with our lives. Most of them are the deadweight on society anyway - who needs them?” “Well this is very interesting ?? so you can still get the virus with the clot shot….So why passports? The CCP would be proud.” “I just read the Pfizer vaccine documentation and it says taking the vaccine only stops you from getting sick from the virus, but doesn't stop you from catching or spreading it. So what's the point of a "vaccine passport" if you can still spread it after having the vaccine?” El topic 0 “Teoría de la conspiración” es el segundo con mayor importancia, en él se agrupan los comentarios que expresan opiniones relativas a la teoría de la conspiración. En la tabla 10 “Pesos de las palabras del Topic 0”, las palabras con mayor peso son “conspiración”, “teoría”, “Boris” (primer ministro de Reino Unido) o “derechos”. Palabra Peso Conspiración 325.0 BBC 171.0 Boris 164.0 hombre 134.0 gustar 128.0 decir 109.0 tiempo 109.0 mundo 109.0 teoría 108.0 llamado 106.0 teóricos 100.0 Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 39 - bestia 98.0 derecho 97.0 señal 95.0 viniendo 95.0 Tabla 10. Pesos de las palabras del Topic 0 “Teoría de la conspiración” Los comentarios relativos a las restricciones de libertad como medidas para frenar el avance de la pandemia, así como la obligatoriedad de poseer pasaporte COVID-19 para acceder a determinados lugares, que contrasta con el derecho a la libre decisión de vacunación, son las opiniones más recurrentes entre los no partidarios. “And the conspiracy theories keep turning out to be true, well how about that!” “yet another restriction on our freedoms of choice movement & speech. another step closer to being a communist state. where will it end BORIS?” “They say the vaccine isn’t compulsory but then slowly take our rights and freedoms until we have no option but to comply ! Its crazy we are all standing for it !!” Algunos partidarios de la implantación del pasaporte optan por sacrificar esas libertades en aras de contener la propagación y consideran que los críticos deben basar sus argumentaciones no en los derechos humanos, sino en por qué se han implementado tales medidas: “I don't understand the opposition to this. We're in the midst of a pandemic; the vaccines protect you from symptoms; being asymptomatic is protecting others since it greatly reduces the probability of one spreading. The only argument I can see for valuing your rights over responsibilities is if people doubt the seriousness of the pandemic. Only by doubting the crisis can I see why people aren't understanding why they can't do things. It still means people are being ignorant. Pretty much every argument I've seen against the restrictions now are about "rights" without considering the "pandemic". It's really obtuse to stick to human rights as an Aguilar Moreno, Juan Antonio -40- argument, without using it in light of why restrictions are in place. If you explained why certain rights shouldn't be infringed upon in light of the fact that we're in a pandemic, we'd have a better conversation.” En tercer lugar, está el topic 2 “Asuntos sanitarios”, en el cual se incluyen los comentarios sobre asuntos sanitarios con las palabras “inmunidad”, “muertes”, “vacunas”, “efectos”, “experimental”, “casos”, o “salud”, cuyos pesos dentro del topic citado viene determinado en la Tabla 11 “Pesos de las palabras del Topic 2” que se expone a continuación, cobrando gran importancia “vacunas”, “virus”, “médico” y muerte. Palabra Peso Vacunas 145.0 Virus 113.0 médico 105.0 muertes 104.0 Covid 84.0 COVID 82.0 también 72.0 vacunación 72.0 efectos 71.0 experimental 71.0 salud 70.0 casos 69.0 inmunidad 66.0 millón 65.0 vacunado 65.0 Tabla 11. Pesos de las palabras del Topic 2 “Asuntos sanitarios” Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 47 - Topic 0 Topic 1 Topic 2 Topic 3 Topic 4 Nombre Teoría de la conspiración Opiniones generales sobre la obtención del pasaporte COVID-19 y la vacunación Asuntos sanitarios Derechos ciudadanos Preocupación sobre seguridad ciudadana a raíz del COVID-19 Total de likes 8030 39534 1689 1449 694 Total de comentarios 663 4061 171 190 112 Promedio 12,11 9,73 9,87 7,62 6,19 Tabla 14. Recuento de likes según el topic Aguilar Moreno, Juan Antonio -48- 5 DISCUSIÓN Las predicciones de sentimientos aun cuentan con un amplio margen de mejora y desarrollo, actualmente se trabajan en métodos que permitan mejorar la precisión de estos análisis y sistemas alternativos que aminoren la subjetividad de asignar una puntuación de positividad o negatividad a cada palabra del diccionario. (Mohammad, 2017). A continuación, se exponen los principales argumentos que han provocado una menor precisión en el análisis realizado con el software RapidMiner. El software detecta el sentimiento positivo, negativo o neutro del comentario, no del comentario hacia el pasaporte COVID-19. Por lo que se pueden dar casos en los que un comentario en contra del pasaporte y expresado con palabras positivas cuya puntuación es positiva sea clasificado como positivo. En el siguiente comentario, Hopefully aporta una puntuación positiva que hace que el comentario sea clasificado como positivo siendo realmente una crítica al pasaporte COVID-19: “Hopefully, everyone will boycott events that require these passports.” Se trata de un comentario positivo para quienes no son partidarios del pasaporte, pero de un comentario negativo para el pasaporte. Para estos casos, es mejor realizar un análisis de postura que un análisis de sentimiento. El análisis de postura se define como una clasificación automática en favorable, en contra o neutral usando técnicas de Natural Language Processing de la postura hacia un tema en concreto de quien redacta un texto (Küçük y Fazli, 2020). No obstante, se trata de un campo de investigación emergente que aun no está demasiado desarrollado, como se puede comprobar en el estudio del arte que elaboraron ALDayel A y Magdy W (2021) en el que se aprecia un creciente número de publicaciones en esta materia desde 2017. La ironía es otra de las causas que pueden provocar errores en la predicción. En el siguiente comentario, clasificado como positivo cuando realmente está expresando una opinión negativa o neutra respecto al pasaporte, se expresa que los beneficiados de su implantación son las empresas farmacéuticas debido a que el pasaporte es obligatorio en locales de ocio nocturno, hoteles y lugares de trabajo y tendrán que suministrar vacunas a un elevado número de personas. Sin embargo, el comentario está expresado en términos positivos para las empresas farmacéuticas y el software lo reconoce con un sentimiento positivo: Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 49 - Nightclubs, then hotels, then jobs. The pharmaceutical companies are making a ton positive También, el hecho de clasificar los comentarios en función de una puntuación asignada a cada uno de los tokens o palabras independientes que forman el comentario puede producir un error en la clasificación por sentimiento, pues el comentario puede tener palabras con puntuación positiva y tratarse de un contexto negativo. “Looks like sports is going to have empty stadiums this year for only fools take graphene vaccines”. Otro error frecuente en la categorización es la omisión de palabras en el análisis de sentimiento que aportan un significado relevante, e incluso pueden llegar a cambiar completamente el significado del comentario o la puntuación que le asigna a cada token: “Bye bye freedom”. Este comentario expresa que el pasaporte COVID-19 implica una pérdida de la libertad. En el análisis de sentimiento el único token que ha aportado una puntuación es freedom, cuya connotación es positiva, pero no ha tenido en cuenta Bye Bye que cambia totalmente el sentido a la frase. “so firstly its not a vaccine, also it doesnt make you immune or stop transmission, so whats the point of a passport? this is all about control!” La no inmunidad total de la vacuna es otro de los temas más comentados. Este comentario cuestiona la utilidad del pasaporte teniendo en cuenta que aun estando vacunado puede contagiarse, lo cual coincide con Fargnoli et al. (2021), que concluye en su artículo que la confiabilidad de los datos científicos respecto a la inmunidad es una de las mayores preocupaciones, teniendo esto una incidencia en el pasaporte COVID-19, pues dejaría de ser visto como válido para el objetivo con el se concibió. La predicción lo ha clasificado como positivo debido a los pesos que ha asignado a cada token, pero es realmente negativo. Se hace necesario de nuevo reducir la subjetividad de asignar una puntuación de positividad o negatividad a cada palabra del diccionario como pone de manifiesto Mohammad (2017) en su publicación “Challenges in Sentiment Analysis”. Aguilar Moreno, Juan Antonio -50- Los resultados del análisis de sentimiento, en el que la mayoría de los comentarios son positivos, concuerdan con el trabajo citado en el marco teórico elaborado por Khan et al. (2022) en que se analizan las opiniones en Twitter y obtienen unos resultados con mayoría de posturas positivas hacia el pasaporte COVID-19. 6 CONCLUSIONES Y DESAFÍOS FUTUROS Como respuesta a la primera pregunta de investigación, la aceptación del pasaporte COVID-19 ha despertado numerosas críticas en ambos sentidos, tanto a favor como en contra. Los motivos de las opiniones que se posicionan a favor de su implementación se basan fundamentalmente en la necesidad de retomar la cotidianidad y reactivar una economía en recesión tras un largo período de inactividad o de actividad limitada sin renunciar radicalmente a las medidas y restricciones para contener la propagación del virus. Por la otra parte, las críticas negativas se centran el hecho de que la vacunación no elimina totalmente el riesgo de contagio, por lo tanto, argumentan que el pasaporte COVID-19 no es una medida de garantías para evitar la propagación al entrar en locales cerrados o en medios de transporte. La segunda pregunta de investigación de este estudio consistía en analizar los asuntos de mayor relevancia en el debate sobre la implantación del pasaporte COVID- 19. En este sentido, los resultados del análisis de topics y de la nube de palabras arrojan como conclusiones la preocupación por los efectos secundarios de la vacuna, a la que muchos califican como “experimental” y su desigual disponibilidad según el país, lo que sesga la utilidad del pasaporte COVID-19. También de gran relevancia ha sido la gestión gubernamental, que ha sido tachada en numerosas ocasiones por sus detractores como contraria a los derechos fundamentales, lo cual coincide con los resultados obtenidos en el análisis de topics realizado en este trabajo, al imponer el uso obligatorio del pasaporte COVID-19 para acceder a determinadas actividades, lo que califican como una presión añadida para vacunarse contra la libre voluntad personal. Por otra parte, en lo que respecta a los avances que se han producido durante los meses de pandemia, destaca la generalización del uso del código QR con la implicación de que reduce el tiempo para realizar ciertos trámites, por ejemplo, la consulta de historiales de vacunación y permite validar la autenticidad de los Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 51 - documentos. Se trata de una tecnología ya existente antes de la pandemia, pero que ha experimentado un auge durante este período y se ha implantado en la sociedad. En el apartado más técnico de este trabajo, la parte que hace alusión al procesamiento de lenguaje natural y los softwares utilizados para ello, se pone de manifiesto como líneas futuras de investigación, el uso de un software que permita una mayor precisión en el análisis de sentimiento (pasando de un enfoque en léxico como se ha realizado en este trabajo a un enfoque de aprendizaje automático), así como la posibilidad de incluir un análisis de posturas tal como se comenta en el epígrafe de discusión y una clasificación de los comentarios en función de las emociones básicas, para así poder comprender de una forma más específica y detallada la opinión del público (alegría, tristeza, enfado, miedo, disgusto, esperanza, sorpresa, neutralidad...). También sería conveniente plantear la posibilidad de extraer la muestra de comentarios de distintas redes sociales (en este estudio se ha elegido YouTube) debido a que el perfil y las características de los usuarios pueden variar de una red social a otra, lo cual se traduce en distintos tipos de comentarios en los que predominan la ironía, una mayor formalidad, brevedad o extensión, entre otros aspectos. Otra alternativa sería analizar la influencia del género en la positividad o negatividad de los comentarios utilizando algoritmos de detección de género, un campo de estudio emergente. Con el objetivo de comprender mejor el contexto de las opiniones expresadas en los comentarios, se podría realizar un estudio de correlaciones frecuentes entre palabras de los comentarios. El pasaporte COVID-19 no ha sido una medida de éxito pleno, pues ha contado con multitud de detractores, no obstante, sí ha sido más exitoso que otros intentos tecnológicos en el marco contextual de la pandemia como las aplicaciones móviles de rastreo de contagios y que debería ser tenida en cuenta tanto con sus factores de éxito como con sus elementos susceptibles de mejora en caso pandemias futuras. Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 53 - Bibliografía ALDayel, A., & Magdy, W. (2021). Stance detection on social media: State of the art and trends. Information Processing & Management, 58(4), 102597. https://doi.org/10.1016/J.IPM.2021.102597 Bayhaqy, A., Sfenrianto, S., Nainggolan, K., & Kaburuan, E. R. (2018). Sentiment Analysis about E-Commerce from Tweets Using Decision Tree, K-Nearest Neighbor, and Naïve Bayes. 2018 International Conference on Orange Technologies, ICOT 2018. https://doi.org/10.1109/ICOT.2018.8705796 Blei, D. M., Ng, A. Y., & Edu, J. B. (2003). Latent Dirichlet Allocation Michael I. Jordan. Journal of Machine Learning Research 3, 993–1022. Bradford, L., Aboy, M., & Liddell, K. (2020). COVID-19 contact tracing apps: a stress test for privacy, the GDPR, and data protection regimes. Journal of Law and the Biosciences, 7(1), 1–21. https://doi.org/10.1093/JLB/LSAA034 Brown, R. C. H., Savulescu, J., Williams, B., & Wilkinson, D. (2020). Passport to freedom? Immunity passports for COVID-19. Journal of Medical Ethics, 46(10), 652. https://doi.org/10.1136/medethics-2020-106365 de Figueiredo, A., Larson, H. J., & Reicher, S. D. (2021). The potential impact of vaccine passports on inclination to accept COVID-19 vaccinations in the United Kingdom: Evidence from a large cross-sectional survey and modeling study. EClinicalMedicine, 40, 101109. https://doi.org/10.1016/J.ECLINM.2021.101109/ATTACHMENT/33FFEB69-292B- 4D63-B15B-C35C6DA8BA4B/MMC2.DOCX de la Fuente, A. (2021). The economic consequences of Covid in Spain and how to deal with them. APPLIED ECONOMIC ANALYSIS, 29(85), 90–104. https://doi.org/10.1108/AEA-11-2020-0158 Fargnoli, V., Nehme, M., Guessous, I., & Burton-Jeangros, C. (2021). Acceptability of COVID-19 Certificates: A Qualitative Study in Geneva, Switzerland, in 2020. Frontiers in Public Health, 9, 682365. https://doi.org/10.3389/FPUBH.2021.682365/FULL Greyling, T., & Rossouw, S. (2022). Positive attitudes towards COVID-19 vaccines: A cross-country analysis. PLOS ONE, 17(3), e0264994. https://doi.org/10.1371/JOURNAL.PONE.0264994 GSTREIN, O. J. (2021). The EU Digital COVID Certificate: A Preliminary Data Protection Impact Assessment. European Journal of Risk Regulation, 12(2), 370– 381. https://doi.org/10.1017/err.2021.29 Hutto, C.J. & Gilbert, E.E. (2014). VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text. Eighth International Conference on Weblogs and Social Media (ICWSM-14). Ann Arbor, MI, June 2014. Jiang, Y., Ahmad, H., Butt, A. H., Shafique, M. N., & Muhammad, S. (2021). QR Digital Payment System Adoption by Retailers: The Moderating Role of COVID-19 Knowledge. Https://Services.Igi- Aguilar Moreno, Juan Antonio -54- Global.Com/Resolvedoi/Resolve.Aspx?Doi=10.4018/IRMJ.2021070103, 34(3), 41–63. https://doi.org/10.4018/IRMJ.2021070103 Khan, M. L., Malik, A., Ruhi, U., & Al-Busaidi, A. (2022). Conflicting attitudes: Analyzing social media data to understand the early discourse on COVID-19 passports. Technology in Society, 68, 101830. https://doi.org/10.1016/J.TECHSOC.2021.101830 Kolahchi, Z., De Domenico, M., Uddin, L. Q., Cauda, V., Grossmann, I., Lacasa, L., Grancini, G., Mahmoudi, M., & Rezaei, N. (2021). COVID-19 and Its Global Economic Impact. In N. Rezaei (Ed.), Coronavirus Disease - COVID-19 (pp. 825– 837). Springer International Publishing. https://doi.org/10.1007/978-3-030-63761- 3_46 Kolchyna, O., Souza, T. T. P., Treleaven, P., & Aste, T. (2015). Twitter Sentiment Analysis: Lexicon Method, Machine Learning Method and Their Combination. https://doi.org/10.48550/arxiv.1507.00955 Küçük, D., & Fazli, C. A. N. (2020). Stance Detection. ACM Computing Surveys (CSUR), 53(1). https://doi.org/10.1145/3369026 Liu, Y.-C., Kuo, R.-L., & Shih, S.-R. (2020). COVID-19: The first documented coronavirus pandemic in history. Biomedical Journal, 43(4), 328–333. https://doi.org/https://doi.org/10.1016/j.bj.2020.04.007 Liu, Y., & Ying, X. (2010). A Review of Social Network Sites: Definition, Experience and Applications. CONFERENCE ON WEB BASED BUSINESS MANAGEMENT, VOLS 1-2, 749–752. Lopez-Martinez, R., & Sierra, G. (2020). Research Trends in the International Literature on Natural Language Processing, 2000-2019 — A Bibliometric Study. Journal of Scientometric Research, 9, 310–318. https://doi.org/10.5530/jscires.9.3.38 Malawani, A. D., Nurmandi, A., Purnomo, E. P., & Rahman, T. (2020). Social media in aid of post disaster management. Transforming Government: People, Process and Policy, 14(2), 237–260. https://doi.org/10.1108/TG-09-2019-0088/FULL/PDF Mohammad, S. M. (2017). Challenges in Sentiment Analysis. In E. Cambria, D. Das, S. Bandyopadhyay, & A. Feraco (Eds.), A Practical Guide to Sentiment Analysis (pp. 61–83). Springer International Publishing. https://doi.org/10.1007/978-3-319- 55394-8_4 Nakamoto, I., Wang, S., Guo, Y., & Zhuang, W. (2020). A QR Code–Based Contact Tracing Framework for Sustainable Containment of COVID-19: Evaluation of an Approach to Assist the Return to Normal Activity. JMIR Mhealth Uhealth 2020;8(9):E22321 Https://Mhealth.Jmir.Org/2020/9/E22321, 8(9), e22321. https://doi.org/10.2196/22321 Oliu-Barton, M. (2022). El pasaporte COVID reduce miles de muertes: un análisis con datos de Francia, Italia y Alemania EsadeEcPol Brief #23 Enero 2022 AUTOR. Análisis de opiniones sobre el pasaporte COVID-19 mediante procesamiento de lenguaje natural (NLP) - 55 - Opinions on digital travel certificates Europe 2021 | Statista. (2022). https://www-- statista--com.us.debiblio.com/statistics/1267155/opinions-digital-certificate-travel- planning-trips-europe/</div> Pawar, T., Kalra, P., & Mehrotra, D. (2018). Analysis of Sentiments for Sports data using RapidMiner. Proceedings of the 2nd International Conference on Green Computing and Internet of Things, ICGCIoT 2018, 625–628. https://doi.org/10.1109/ICGCIOT.2018.8752989 Petrova, K., Romanello, A., Medlin, B. D., & Vannoy, S. A. (2016). QR codes advantages and dangers. ICETE 2016 - Proceedings of the 13th International Joint Conference on e-Business and Telecommunications, 2, 112–115. https://doi.org/10.5220/0005993101120115 Sanchez-Nunez, P., Cobo, M. J., Heras-Pedrosa, C. D. Las, Pelaez, J. I., & Herrera- Viedma, E. (2020). Opinion Mining, Sentiment Analysis and Emotion Understanding in Advertising: A Bibliometric Analysis. IEEE Access, 8, 134563– 134576. https://doi.org/10.1109/ACCESS.2020.3009482 Sánchez, P. R. P., Folgado-Fernández, J. A., Sánchez, M. A. R., Sánchez, P. R. P., Folgado-Fernández, J. A., & Sánchez, M. A. R. (2022). Virtual Reality Technology: Analysis based on text and opinion mining. <i>Mathematical Biosciences and Engineering 2022 8:7856, 19(8), 7856–7885. https://doi.org/10.3934/MBE.2022367 Saura, J. R., Reyes-Menendez, A., & Alvarez-Alonso, C. (2018). Do Online Comments Affect Environmental Management? Identifying Factors Related to Environmental Management and Sustainability of Hotels. Sustainability, 10(9). https://doi.org/10.3390/su10093016 Saura, J. R., Reyes-Menendez, A., & Palos-Sanchez, P. (2019). Are Black Friday Deals Worth It? Mining Twitter Users’ Sentiment and Behavior Response. Journal of Open Innovation: Technology, Market, and Complexity 2019, Vol. 5, Page 58, 5(3), 58. https://doi.org/10.3390/JOITMC5030058 Serrano, L., Ariza-Montes, A., Nader, M., Sianes, A., & Law, R. (2020). Exploring preferences and sustainable attitudes of Airbnb green users in the review comments and ratings: a text mining approach. Https://Doi.Org/10.1080/09669582.2020.1838529, 29(7), 1134–1152. https://doi.org/10.1080/09669582.2020.1838529 Sharun, K., Tiwari, R., Dhama, K., Rabaan, A. A., & Alhumaid, S. (2021). COVID-19 vaccination passport: prospects, scientific feasibility, and ethical concerns. Https://Doi.Org/10.1080/21645515.2021.1953350, 17(11), 4108–4111. https://doi.org/10.1080/21645515.2021.1953350 Shin, H., Kang, J., Sharma, A., & Nicolau, J. L. (2021). The Impact of COVID-19 Vaccine Passport on Air Travelers’ Booking Decision and Companies’ Financial Value: Https://Doi.Org/10.1177/10963480211058475, XX, No. X, 1–10. https://doi.org/10.1177/10963480211058475 Shoeb, M., & Ahmed, J. (2017). Sentiment Analysis and Classification of Tweets Using Data Mining. International Research Journal of Engineering and Technology. www.irjet.net Aguilar Moreno, Juan Antonio -56- Software para Análisis de Datos Cualitativos | MAXQDA - MAXQDA (n.d.). Retrieved June 3, 2022, from https://es.maxqda.com/software-analisis-datos-cualitativos Tanbeer, S. K., Jiang, F., Leung, C. K.-S., MacKinnon, R. K., & Medina, I. J. M. (2013). Finding Groups of Friends who are Significant across Multiple Domains in Social Networks. 2013 FIFTH INTERNATIONAL CONFERENCE ON COMPUTATIONAL ASPECTS OF SOCIAL (CASON), 21–26. Tatineni, P., Sobhan Babu, B., Kanuri, B., Rao, G. R. K., Chitturi, P., & Naresh, C. (2021). Post COVID-19 Twitter user’s Emotions Classification using Deep Learning Techniques in India. Proceedings - International Conference on Artificial Intelligence and Smart Systems, ICAIS 2021, 338–343. https://doi.org/10.1109/ICAIS50930.2021.9395899 Thakkar, H., & Patel, D. (2015). Approaches for Sentiment Analysis on Twitter: A State- of-Art study. https://doi.org/10.48550/arxiv.1512.01043 Thelwall, M., Kousha, K., & Thelwall, S. (2021). Covid-19 vaccine hesitancy on Englishlanguage Twitter. Profesional de La Información, 30(2). https://doi.org/10.3145/epi.2021.mar.12 Tripathi, P., Vishwakarma, S. K., & Lala, A. (2016). Sentiment Analysis of English Tweets Using Rapid Miner. Proceedings - 2015 International Conference on Computational Intelligence and Communication Networks, CICN 2015, 668–672. https://doi.org/10.1109/CICN.2015.137 Tu, M., Wu, L., Wan, H., Ding, Z., Guo, Z., & Chen, J. (2022). The Adoption of QR Code Mobile Payment Technology During COVID-19: A Social Learning Perspective. Frontiers in Psychology, 12, 6586. https://doi.org/10.3389/FPSYG.2021.798199/BIBTEX Velicia-Martin, F., Cabrera-Sanchez, J. P., Gil-Cordero, E., & Palos-Sanchez, P. R. (2021). Researching COVID-19 tracing app acceptance: incorporating theory from the technological acceptance model. PeerJ Computer Science, 7, 1–20. https://doi.org/10.7717/PEERJ-CS.316/SUPP-1 Villavicencio, C., Macrohon, J. J., Inbaraj, X. A., Jeng, J. H., & Hsieh, J. G. (2021). Twitter Sentiment Analysis towards COVID-19 Vaccines in the Philippines Using Naïve Bayes. Information 2021, Vol. 12, Page 204, 12(5), 204. https://doi.org/10.3390/INFO12050204 Voo, T. C., Reis, A. A., Thomé, B., Ho, C. W., Tam, C. C., Kelly-Cirino, C., Emanuel, E., Beca, J. P., Littler, K., Smith, M. J., Parker, M., Kass, N., Gobat, N., Lei, R., Upshur, R., Hurst, S., & Munsaka, S. (2021). Immunity certification for COVID-19: ethical considerations. Bulletin of the World Health Organization, 99(2), 155–161. https://doi.org/10.2471/BLT.20.280701 Wahsheh, H. A. M., & Al-Zahrani, M. S. (2021). Secure and Usable QR Codes for Healthcare Systems: The Case of Covid-19 Pandemic. 2021 12th International Conference on Information and Communication Systems, ICICS 2021, 324–329. https://doi.org/10.1109/ICICS52457.2021.9464565