Procesamiento del lenguaje natural aplicado al estudio de tópicos de noticias de seguridad en Argentina : julio a septiembre 2019

Abstract

La tesina es un trabajo exploratorio donde mostramos la aplicación de técnicas de procesamiento de lenguaje natural y web scraping sobre un corpus de noticias digitales. El objetivo general es explorar la aplicación de una técnica de procesamiento de lenguaje natural (modelado de tópicos) para estudiar el contenido de noticias digitales. Para ello, utilizamos como soporte empírico las piezas periodísticas publicadas desde julio a septiembre 2019 en los portales Clarín, La Nación, Infobae, Página 12, Télam, Perfil, Crónica y Minuto Uno. Se utilizan datos primarios construidos a partir de la técnica de web scraping. La metodología aplicada combina el análisis descriptivo y una técnica de procesamiento de lenguaje natural para la detección de tópicos (topic modelling) y, en particular, con la implementación del método Latent Dirichlet Allocation (LDA). Los resultados de la modelización de tópicos muestran que los principales temas de la agenda mediática digital son las elecciones, los espectáculos, el deporte, la seguridad, la política exterior, la obra pública y la economía. En el contexto de las elecciones Primarias Abiertas Simultáneas y Obligatorias la frecuencia de publicación de las noticias securitarias fue de casi 2 de cada 10 piezas periodísticas. La principal conclusión de este trabajo es que la combinación de la técnica web scraping y procesamiento de lenguaje natural pueden ser de utilidad para incrementar la escalabilidad (aumentar la captura de información y reducir los tiempos de selección y análisis de tópicos) en los estudios de contenido de noticias.