Tendencias de las redes sociales desde los métodos de aprendizaje de máquina.

Compartir este artículo

Tabla de Contenidos

El empleo de las redes sociales han crecido de forma exponencial debido a la creación de nuevos sistemas en el campo de la tecnología. El análisis de tendencias de los consumidores de material digital es el punto de partida para el desarrollo de algoritmos de aprendizaje automático. En la Corporación Tecnológica Industrial Colombiana hemos centrado nuestros estudios en hallar las correlaciones existentes entre los patrones de comportamiento de los usuarios de las redes sociales y como estos pueden beneficiar o afectar sus relaciones con el entorno.

Las nuevas tecnologías de la comunicación han sido precursoras de los análisis de las tendencias de los usuarios de las redes sociales en la actualidad. Se conoce que aproximadamente el 37% de la población mundial utiliza algún tipo de tecnología portátil, como el celular, para conectarse a las redes sociales (Gikas, 2013). Entre las aplicaciones más usadas por los usuarios se destaca el Facebook con 1.879 millones de usuarios; Facebook Messenger, Whatsapp y YouTube con 1.000 millones de usuarios y en porcentajes más bajos Tumblr, Instagram, Skype, Line, Pinterest, entre otras (Bagnoli, 2017). Algunas de estas tecnologías son los teléfonos celulares inteligentes, cobertura de las redes de comunicación (internet), microelectrónica la cual promueve la portabilidad de dispositivos electrónicos y las eficientes conexiones globales, ver figura 1.

Se conoce que hasta el 2000, una gran parte de la población con una edad entre 16 y 24 años emplearon las redes sociales como buscador de amigos en diferentes partes del mundo. Posteriormente, estudios de tendencias en el comportamiento de los usuarios con acceso a internet han indicado que estas redes también proporcionan datos sobre las afinidades y gustos de la cotidianidad de los usuarios. Es aquí donde parte el estudio de los conjuntos de los datos para la evaluación de las tendencias y la correlación existente entre la linealidad o proporcionalidad de las variables independientes como la edad y el empleo de las redes sociales como canal de comunicación entre los individuos.

En Colombia, el panorama del uso de las redes sociales no es lejana al comportamiento mundial, individuos de diferentes edades invierten el 0.93% del tiempo de cada mes, en revisar el movimiento de sus redes sociales. Eso quiere decir, que por lo menos, un individuo gasta 45 minutos al día en redes sociales (López, 2017). Por ende, creadores de plataformas como Facebook han centrado sus esfuerzos en desarrollar algoritmos de aprendizaje de máquina para la evaluación de patrones de conducta en el entorno.

De acuerdo con lo anterior, en la Corporación Tecnológica Industrial Colombiana (TEINCO), la planta docente y los estudiantes, nos hemos enfocado en generar sistemas con aprendizaje automático que emulen el comportamiento y la toma de decisiones del ser humano basados en las técnicas de la inteligencia artificial y la automatización del método científico.  Herramientas como las redes neuronales han sido el punto de partida para creación de modelos matemáticos con extrapolación computacional. En estas, estudios como el análisis de patrones del empleo de las redes sociales han llevado a la clasificación de las tendencias de las afinidades de los consumidores.

Finalmente, en TEINCO nos hemos preocupado por el análisis de comportamiento de los usuarios que consumen material digital en diversas redes sociales como Facebook, WhatsApp, Instagram entre otros. Esto con el objetivo de desarrollar modelos estadísticos y computacionales para evaluar conjuntos de datos, con variables dependiente e independientes entre sí, de forma automática basados en el aprendizaje del ser humano y el procesamiento de millones de datos en tiempo real.

Karin Stefanny Muñoz Castillo
Docente Ingeniería en mecatrónica
Ingeniera en mecatrónica con magister en Bioingeniería
Bibliografía
Bagnoli, V. (2017). The Big Data Relevant Market As a Tool for a Case by Case Analysis at the Digital Economy: Could the EU Decision at Facebook/WhatsApp Merger Have Been Different ?.
Gikas, J., & Grant, M. M. (2013). Mobile computing devices in higher education: Student perspectives on learning with cellphones, smartphones & social media. The Internet and Higher Education, 19, 18-26.
López Ponce, M., & Arcila Calderón, C. (2017). Adopción y uso de medios sociales por jóvenes de

 

 

También te puede interesar

¿Quieres estudiar en TEINCO?

#ÚNETEATEINCO