Métodos para el análisis de sentimiento

Las personas nos expresamos de distintas formas y desde distintos medios: damos nuestra opinión en encuestas, en las redes sociales, en grupos focales, entrevistas…

Como investigadores, es esencial conocer la opinión del público que estudiamos de la manera más exhaustiva y exacta para comprender realmente qué sienten y tomar así acciones pertinentes y adecuadas según cada tipo de necesidad.

El análisis de texto nos permite tener una visión mucho más amplia y precisa sobre la opinión de los clientes/encuestados, y así poder obtener conclusiones más fieles con la realidad.

Uno de los tipos de análisis de textos es el análisis de sentimiento, a través del cual se capta la orientación de esos comentarios para saber si estos tienen un tono positivo o negativo.

Existen diferentes métodos para realizar el análisis de sentimiento: el manual y el automatizado.

En este articulo explicaremos cada uno de los métodos, así como sus ventajas y sus límites.

Codificación manual

Es la codificación de toda la vida.

Consiste en ir leyendo cada comentario e ir identificando la orientación de ese comentario (positivo, negativo o neutro) para luego obtener las frecuencias de cada una de esas categorías, con el objetivo de cuantificarlas y conocer cuál es la orientación mayoritaria. Al hacer esto, transformamos nuestros datos textuales en datos numéricos, los cuales nos ofrecen más posibilidades a la hora de realizar el análisis, pues los podremos combinar con los demás datos recogidos y extraer mejores conclusiones.

Es la mejor opción si disponemos de pocos comentarios, ya que requiere de mucho tiempo para leerlos.

Ventajas:

· Permite tener una visión más clara de los datos

· Se capta bien la ironía

· Casi no requiere de herramientas

· Se puede hacer a la vez que realizamos la codificación temática y se ahorraría tiempo

Límites:

· No adecuado para un volumen grande de comentarios

· No se puede analizar en tiempo real

· Falta de objetividad y distintos puntos de vista si se realiza por más de 1 evaluador

· Posible error humano: una misma persona puede codificar de diferentes maneras

Método automatizado

Este método requiere de tecnología que ayuda al hombre a hacer las tareas de una forma más rápida y fácil mediante la automatización. Se utiliza para bases de datos amplias.

Existen dos métodos dentro de este: el cognitivo o tradicional y el machine learning.

• Método cognitivo o tradicional. Basándose en reglas gramaticales (análisis sintáctico y semántico) combinadas con diccionarios, bases de datos terminológicas, etc., el programa lee los comentarios y establece la orientación. Es una descripción del lenguaje. Aquí entran en juego los lingüistas, ya que son los que establecen esas reglas para la identificación de la orientación (también para el análisis temático). Este método es el más utilizado y el más antiguo. Su mantenimiento es difícil, ya que con el tiempo, al crear reglas léxicas nuevas, se puede alterar la calidad del análisis, pues unas reglas pueden contradecir otras y el resultado puede no ser del todo bueno.

• Machine learning. Creado en el 2018, es de los métodos de análisis textual más innovadores. Está formado por un algoritmo de proceso de lenguaje natural, el cual debe ser alimentado previamente con miles de comentarios ya codificados para que así el algoritmo aprenda cómo se analizan. Una vez entrenado, será capaz de codificar los comentarios según ese entrenamiento previo. La gran ventaja de este método es que, aunque se equivoque, el propio algoritmo aprende, pues podemos corregir los errores detectados, se puede entrenar sobre nuevos ámbitos, añadir idiomas nuevos, etc.

Ventajas:

· Permite analizar muchos datos

· Análisis en tiempo real

· Es objetivo, hay acuerdo entre evaluadores

· Se puede usar para distintos ámbitos

· Transferencia entre idiomas

· Muy fácil de mejorar

· Puede analizar datos sucios

Límites:

· Entender la ironía puede ser complicado

· Requiere de herramienta para realizarlo

Alternativas al análisis de sentimiento

Además de los métodos anteriormente descritos, existen distintas alternativas o trucos que se pueden aplicar para captar el sentimiento de los comentarios sin necesidad de analizar la orientación.

• Usar la nota de satisfacción general: es una pregunta muy típica en las encuestas. Con ella, podemos filtrar los comentarios según dicha nota. Sin embargo, limita los resultados, ya que pueden no ser del todo reales: alguien puede poner que se encuentra satisfecho, pero luego que su comentario sea negativo.

• Poner dos campos abiertos en el cuestionario: en uno de ellos se puede pedir un comentario negativo (“¿qué mejorarías?”) y en el otro, algo positivo (“¿qué es lo que más te ha gustado?”). De esta manera, tendríamos la lista de comentarios positivos y la lista de comentarios negativos sin necesidad de analizar el sentimiento. En el caso en el que se quiera extraer una variable de orientación o se quieran unir para realizar un análisis conjunto (por ejemplo, codificar todos los comentarios para extraer los temas y organizarlos según su orientación), se podría modificar la unidad estadística de la base de datos: en lugar de haber una columna/variable por cada orientación (positivo y negativo), los unificamos en una sola y creamos otra seguida que determina el tipo de orientación. Así, podríamos disponer de las frecuencias de la orientación y analizarlas con otra información (temas extraídos, producto/servicio, perfil…).

#AnalisisSentimiento #AnalisisTextual #DataVisualization