Piensa en lo que compartiste hoy con tus amigos en Facebook. ¿Eran sentimientos de «estrés» o «fracaso», o quizá de «alegría», «amor» o «entusiasmo»? Cada vez que publicamos en las redes sociales, dejamos rastros de nuestro estado de ánimo.
Nuestras emociones son bienes valiosos, y muchas empresas están desarrollando herramientas automatizadas para reconocerlas mediante un proceso conocido como análisis de sentimientos.
Recientemente, un informe filtrado reveló que Facebook puede identificar cuándo los jóvenes se sienten vulnerables, aunque la empresa ha insistido en que no usó el análisis para dirigir publicidad a los usuarios. Facebook también se disculpó en 2014 por un experimento sobre el «contagio emocional» en el que se filtraron de las noticias de los usuarios publicaciones con sentimientos «positivos» o «negativos».
Está claro que la capacidad de detectar emociones en un texto interesa mucho a las empresas de redes sociales y a los anunciantes. Pero ¿cómo funciona el análisis de sentimientos, para qué sirve y qué riesgos plantea?
¿Cómo funciona el análisis de sentimientos?
Aunque no se conocen públicamente los detalles del algoritmo de Facebook, la mayoría de las técnicas de análisis de sentimientos se dividen en dos categorías: supervisadas o no supervisadas.
Los métodos supervisados se basan en datos etiquetados. Es decir, se trata de publicaciones que se han clasificado manualmente como portadoras de sentimientos positivos o negativos.
Luego se usan métodos estadísticos para entrenar modelos que clasifiquen automáticamente nuevas publicaciones según la presencia de palabras o frases identificadas de antemano, como «estresado» o «relajado».
Los métodos no supervisados, en cambio, suelen basarse en la creación de un diccionario de puntuaciones para distintas palabras. Uno de esos diccionarios elaborado por mis colaboradores pidió a varias personas que asignaran a distintas palabras una puntuación de felicidad del 1 al 9 y luego promedió los resultados: por ejemplo, «arcoíris» obtuvo 8,06, mientras que «inútil» recibe 2,52.
Después se puede puntuar el sentimiento general de una frase examinando todas las palabras de la publicación. Por ejemplo, según este diccionario, la puntuación media de la publicación «Mi mamá siempre decía: “La vida es como una caja de bombones”» es de 6,02, por encima de la media, lo que sugiere que expresa un sentimiento positivo.
¿Para qué se usa el análisis de sentimientos?
Los profesionales del marketing recurren cada vez más al análisis de sentimientos para estudiar tendencias y hacer recomendaciones de productos.
Imagina que se lanza un nuevo teléfono móvil: analizar los sentimientos expresados en las publicaciones de redes sociales sobre el teléfono puede ofrecer a una empresa información valiosa y en tiempo real sobre su rendimiento.
El análisis de sentimientos tiene aplicaciones más amplias. Hace poco, unos investigadores siguieron el tono de las publicaciones de Donald Trump en Twitter durante los primeros 100 días de su presidencia y crearon bots para realizar operaciones bursátiles cuando tuiteaba de forma positiva o negativa sobre empresas concretas.
Los científicos también pueden seguir las tendencias emocionales en otros textos. Por ejemplo, usamos el análisis de sentimientos para estudiar los arcos emocionales de más de 1.000 películas a través de sus guiones. A continuación se muestra el arco de la película de Disney Frozen, de 2013.
Muchas películas muestran patrones parecidos: picos y valles regulares de tensión y alivio, seguidos de un valle especialmente profundo cuando ya ha transcurrido el 80 % de la película (¡toda esperanza está perdida!), antes de la resolución final y el final feliz. Al aplicar un análisis similar a novelas, demostramos que la mayoría de las historias siguen uno de seis arcos narrativos básicos.
Aún no se nos da muy bien el análisis de sentimientos
Dado que el análisis de sentimientos suele basarse en extraer datos de publicaciones en redes sociales, plantea importantes cuestiones éticas, y este debate apenas comienza. Sin embargo, la complejidad del lenguaje y del significado lo hace propenso a errores.
Tomemos la frase «Que la Fuerza te acompañe», que obtiene 5,35 según el análisis de nuestro diccionario. Para cualquier aficionado a Star Wars, es, por supuesto, una frase muy positiva, pero en nuestra prueba obtuvo una puntuación modesta porque la palabra «fuerza» tiene una valoración inferior a la media: 4,0.
Es comprensible que esta palabra reciba esa puntuación si se valora de forma aislada, pero en contexto tiene menos sentido.
Por eso está justificado cierto escepticismo sobre la validez de las capacidades de Facebook para analizar sentimientos. Es perfectamente posible que describir algo como «totalmente genial» en Facebook —una expresión coloquial de aprobación— haga que se clasifique erróneamente el estado emocional de una persona.
Para entender cuándo funciona y cuándo no el análisis de sentimientos, es importante examinar las palabras que determinan ciertos resultados.
Para ello, usamos diagramas de «desplazamiento de palabras», como el que aparece a continuación para Frozen. Muestra qué palabras hicieron que el clímax del guion resultara más triste que su final feliz: más referencias a la «tristeza» y al «miedo» y, curiosamente, también más a lo «hermoso».
Una promesa y una advertencia
El análisis de sentimientos es una herramienta poderosa, pero es una ciencia todavía joven y debe usarse con cautela.
Los científicos deben desarrollar herramientas que nos permitan mirar «bajo el capó» y entender por qué ciertos algoritmos producen los resultados que producen. Es la única manera de diagnosticar los problemas de los distintos métodos y, más importante aún, de informar al público sobre las posibilidades y limitaciones de este campo.
La investigación sobre el análisis de sentimientos se ha basado en gran medida en conjuntos de datos públicos y de gran tamaño, especialmente procedentes de las redes sociales. Es importante que quienes proporcionamos esos datos sin saberlo entendamos para qué pueden y no pueden usarse, y cómo.
