viernes, 28 de junio de 2013

CORRELACIÓN DE COMENTARIOS EN TWITTER DESDE UNA PERSPECTIVA DE APOYO SOCIAL Y VIOLENCIA


Psicología Social - Comunitaria

Francisco Torres Guerrero

Profesor Investigador

Universidad Autonoma de Nuevo Leon

Monterrey, México


Fernando Rodríguez

Universidad Autonoma de Nuevo Leon

Monterrey, México
RESUMEN
·         Se ha demostrado que se genera un trastorno psicológico en las personas que han sufrido o presenciado actos de violencia, así como la superación de dicho trastorno a través del apoyo social (Henrich & Shahar, 2008). Existe evidencia de que las personas pueden recibir apoyo social utilizando redes sociales como Twitter o Facebook (Ellison, Steinfield, & Lampe, 2007; Chen, 2011). En la presente investigación analizamos el comportamiento de los usuarios de Twitter en un periodo de 1 año, mediante la observación de comentarios relacionados con la violencia, que a su vez motivan a otros usuarios a escribir brindando apoyo social. Utilizamos minería de texto y análisis de correlación en los comentarios de una muestra de 80867 usuarios, provenientes del área metropolitana de Monterrey, Nuevo León, México. Obtuvimos que los comentarios relacionados con la violencia y el apoyo social tienen una correlación superior a 0.80.


Palabras clave: apoyo social y violencia, redes sociales, twitter


El apoyo social juega un importante papel en los programas de prevención, tratamiento y rehabilitación ya que puede proveer a los individuos herramientas psicosociales para conservar la integridad física y psicológica a través de su crecimiento (Caplan, 1974). Este es un constructo amplio que con frecuencia se define según los propósitos de cada estudio. Puede referirse al número o densidad de la red social de apoyo, a la calidad de ésta, a la percepción subjetiva de que ciertas conductas brindan apoyo en un contexto social, y al grado de relación que se tiene y que puede aludir asimismo a aspectos emocionales o instrumentales (Hernández & Ramírez, 2006). Sidney Cobb (1976) definió el apoyo social como información que lleva al sujeto a creer que hay quienes se preocupan por su bienestar, lo aman, estiman, y que pertenece a una red de obligaciones mutuas. (Albrecht & Adelman, 1987; Albrecht, Goldsmith, & Thompson, 2003) definen el apoyo social como la comunicación que ayuda a manejar la incertidumbre e incrementar la percepción de control sobre la propia vida. Se han investigado ampliamente los efectos positivos del apoyo social en las personas que lo reciben, ayudándolos a superar o resistir situaciones estresantes o traumáticas (Dean & Lin, 1977), (Cohen & McKay, 1984), (Langford, Bowsher, Maloney, & Lillis, 2008). En el área de la salud se ha comprobado que pacientes que reciben apoyo social tienden a sobrevivir por más tiempo o incluso llegar a recuperarse de enfermedades graves como los problemas de corazón (Flynn et al., 2009), SIDA (VIH) (Ganster & Victor, 2011) o cáncer (Schroevers, Helgeson, Sanderman, & Ranchor, 2010). Gracias al crecimiento de la Internet, han comenzado a surgir espacios en los que las personas pueden tener discusiones, compartir información, o buscar apoyo. Esto ha motivado a la investigación del comportamiento de los usuarios en Internet con respecto al apoyo social que pueden recibir en él. Se ha propuesto una teoría del apoyo social en línea (Online Social Support, OSS) haciendo referencia a estos medios electrónicos de comunicación que permiten a las personas interactuar por vía remota (LaCoursiere, 2001). LaCoursiere (2001) menciona que el propósito de la teoría del apoyo social en línea (OSS) no se enfoca en el estudio de la búsqueda de información en Internet sobre un problema con el fin de resolverlo, sino en la interacción con otras personas dentro de las redes sociales en línea por medio de las cuales se puede obtener apoyo social, a pesar de la distancia y de lo poco que se conocen las personas que participan en esta interacción.
El interés por la investigación del comportamiento del usuario en las redes sociales se ha incrementado recientemente debido a la gran velocidad con que nuevos usuarios se incorporan a las mismas, utilizándolas como un medio para expresarse e intercambiar información diariamente (Java, Song, Finin, & Tseng, 2007). La facilidad con la que se pueden obtener grandes cantidades de información proveniente de la interacción de las personas en las redes sociales como Twitter, Facebook, Google+, etc., hace posible el estudio del comportamiento de los usuarios desde diferentes perspectivas (Jansen, Zhang, Sobel, & Chowdury, 2009; Grossman, 2009). Utilizamos la red social de Twitter para realizar este trabajo, ya que es una de las principales redes sociales actualmente, que ha crecido considerablemente en los últimos años (Twitter, 2010). Twitter se basa en la publicación de pequeños mensajes o comentarios llamados tweets los cuales tienen un límite de 140 caracteres. Cada usuario puede elegir a las personas de las que desea recibir actualizaciones de comentarios según sea su interés. Cuando un usuario desea obtener dichas actualizaciones de comentarios se dice que el usuario es seguidor (“follower“) del otro usuario. Twitter se ha utilizado en diversas investigaciones como la detección de terremotos (Sakaki, Okazaki, & Matsuo, 2010), estudio de la personalidad (Ryan & Xenos, 2011; Qiu, Lin, Ramsay, & Yang, 2012) o en fenómenos sociales como una revolución (Attia, Aziz, Friedman, & Elhusseiny, 2011; Lysenko & Desouza, 2012).
En este trabajo utilizamos minería de texto en los comentarios de los usuarios provenientes del área metropolitana de la ciudad de Monterrey, Nuevo León, México. La minería de texto es un proceso que consiste en extraer información útil de conjuntos grandes de documentos de texto e identificar automáticamente patrones interesantes y relaciones en datos textuales (Feldman & Sanger, 2006). De esta forma, pudimos analizar el comportamiento de los usuarios en las redes sociales con respecto al apoyo social, realizando un estudio correlacional del lenguaje utilizado en ellas. El propósito es confirmar que las redes sociales son utilizadas actualmente para brindar apoyo social, y que esto forma parte del comportamiento masivo de las personas en las redes sociales. Este conocimiento es importante, ya que se pueden crear espacios en Internet especializados para ayudar a personas que necesitan apoyo u orientación psicológica, o utilizar directamente cuentas de usuario registradas en diferentes redes sociales con el fin de ser utilizadas como un medio para brindar este soporte.
En la ciudad de Monterrey se ha registrado un incremento en la violencia en años recientes. La figura 1 muestra una gráfica con información sobre los delitos denunciados ante la Procuraduría General de Justicia (PGJ). Dicha institución ofrece datos estadísticos sobre el número de delitos denunciados. Según su página Web (http://www.nl.gob.mx/?P=proc_general_justicia), “La Procuraduría General de Justicia del Estado es la dependencia del Poder Ejecutivo que representa a la institución del Ministerio Publico, encargada de defender los intereses de la sociedad debiendo, por lo tanto, organizar, controlar y supervisar esta institución, vigilando, a su vez, el cumplimiento de las leyes, promoviendo y coordinando la participación ciudadana en la actividad de la prevención del delito, a fin de lograr la procuración de justicia.”. Se ha demostrado que la exposición a actos de violencia puede crear trastornos psicológicos (Kataoka, Langley, Stein, Jaycox, Zhang, Sánchez & Wong, 2009; Elze, Stiffman, & Dore, 2011) pero también que estos trastornos podrían llegar a resolverse mediante el apoyo social (Brookmeyer, Henrich, Cohen, & Shahar, 2011). La gente está expuesta al terrorismo se ve afectada psicológicamente, lo cual provoca problemas en la salud física y mental. Estos problemas con respecto a la salud física incluyen pérdida de peso, caída del cabello, obesidad, insomnio, entre otras, y problemas de salud mental como depresión, desórdenes alimenticios o histeria, tan solo por mencionar algunos. Estudios como el de (Henrich & Shahar, 2008) en Israel, señalan que los adolescentes que han sufrido ataques terroristas pueden superar el trauma si reciben apoyo social.

Figura 1. Delitos denunciados según la PGJ.

La violencia también puede ser ejercida a través de las redes sociales como es el caso del Cyberbullying (Slonje, Smith, & Frisén, 2012) u otras formas de acoso comoCyberharassment (Beran & Li, 2005; Dimond, Fiesler, & Bruckman, 2011). Otros estudios recientes han demostrado que el uso de redes sociales puede gratificar necesidades psicológicas como la de sentirse parte de un grupo, sentirse conectado con otras personas (Ellison, Steinfield, & Lampe, 2007; Chen, 2011), o pueden ser utilizadas como medio para obtener capital social (Ellison, Steinfield, & Lampe, 2006). Un número de estudios sobre los usos y gratificaciones de las redes sociales han mostrado que estas satisfacen diversas motivaciones personales dependiendo de las características del usuario (Joinson, 2008; Raacke & Bonds-Raacke, 2008; Chen, 2011; Ryan & Xenos, 2011). Por esto es importante estudiar el efecto que tienen las mismas en la sociedad, ya que pueden ser utilizadas con muchos propósitos distintos.
Método
Para realizar el análisis de correlación utilizamos comentarios provenientes de usuarios de la red social de Twitter. Extrajimos un conjunto de tweets de usuarios provenientes del área Metropolitana de Monterrey, seleccionando aquellos que contienen palabras relacionadas con el Apoyo Social y la Violencia. Estos datos fueron resumidos por día durante un periodo de 1 año que comprende del 1 de diciembre de 2010 al 1 de diciembre de 2011. Las correlaciones fueron calculadas utilizando las cantidades diarias de comentarios relacionados con cada tema. Finalmente, realizamos un conteo de tweets relacionados con el Apoyo Social que son dirigidos a otros usuarios mediante mención cuando estos escriben comentarios relacionados con la Violencia. La mención en Twitter se conoce como el acto de escribir el nombre de otro usuario en el comentario (Twitter, 2013). Cuando un usuario hace una mención de otro usuario, este último recibe una notificación del comentario para su lectura, por lo que las menciones pueden ser consideradas como mensajes personales aunque sean vistos por muchos otros usuarios.
El proceso de extracción de usuarios de Twitter se llevó a cabo utilizando una herramienta informática llamada TwitterAPI, que es una librería de funciones que permiten automatizar la búsqueda de usuarios y comentarios dentro de la red social de Twitter, utilizando un lenguaje de programación. TwitterAPI puede ser utilizada gratuitamente y es publicada por la misma empresa en su página de Internet (http://dev.twitter.com). Esta herramienta permite realizar búsquedas a partir de ciertos términos dados y obtener una lista de tweets publicados recientemente que se relacionan con las palabras claves proporcionadas. Originalmente, realizamos una búsqueda con la palabra “Monterrey” y obtuvimos una muestra de 100 usuarios, que en su descripción especificaban que vivían o se encontraban en la ciudad de Monterrey. Twitter permite a los usuarios crear un perfil que los describa brevemente para que otros los conozcan y puedan establecer una relación de amistad, si así lo desean (convertirse en follower). Como parte de este perfil se encuentra la posibilidad de agregar el lugar donde se encuentran. Posteriormente, para cada usuario obtuvimos su lista de contactos buscando usuarios que al igual que ellos publicaran su localización en el área metropolitana de Monterrey; los municipios de Guadalupe, San Nicolás, San Pedro, Escobedo y Apodaca. El siguiente usuario, para inspeccionar su lista de contactos, fue elegido por tener la mayor cantidad de usuarios de Monterrey que lo tienen como contacto. Siguiendo este proceso obtuvimos 80867 usuarios, cuyo conjunto llamaremos M1, junto con los últimos 1000 tweets publicados por cada uno de ellos. De estos usuarios separamos 8721, cuyo conjunto llamaremos M2, (M2\subsetM1), que fueron elegidos por haber estado activos durante el periodo del 1 de diciembre de 2010 al 1 de diciembre de 2011, y publicando por lo menos 1 comentario en cada mes; así mismo, se comprobó que los usuarios se hubieran registrado en la red social antes del periodo de investigación.
Para realizar el análisis de correlación de los comentarios que se relacionan con la Violencia y el Apoyo Social, es necesario crear una representación de dichos temas y posteriormente detectar los comentarios relacionados con ellos. Para representar los temas de Violencia y Apoyo Social utilizamos conjuntos de palabras características de cada tema, obtenidas utilizando una herramienta informática llamada Lucene (http://lucene.apache.org). Lucene también está disponible gratuitamente en su sitio web al igual que TwitterAPI. Permite indexar y hacer búsquedas de documentos de texto en repositorios grandes de documentos. Una característica importante de Lucene es la de almacenamiento de datos estadísticos de las palabras, como la cantidad de veces que se repite la palabra en un documento especifico o el total de documentos en donde dicha palabra se menciona por lo menos una vez. Estos datos numéricos se utilizan para calcular el valor TF-IDF (http://www.tfidf.com) de cada palabra en los documentos. El valor TF-IDF (del inglés, Term Frecuency-Inverse Document Frecuency) es un estadístico que representa la relevancia de una palabra dentro de un documento y es utilizado con frecuencia en el área de Recuperación de Información(Information Retrieval) (Hiemstra, 2000). Utilizando Lucene, creamos una colección de documentos en donde agregamos los 8721 usuarios de M2. Cada documento representa un usuario y se formó mediante la concatenación de cada uno de los tweet del usuario. Posteriormente, agregamos dos documentos que representaban los temas de la Violencia y el Apoyo Social. Para crear estos documentos hicimos una búsqueda de todos los tweets publicados por los usuarios en M1 que contenían palabras según el tema (Ver tabla 1) y mediante la concatenación de estos tweetsformamos los documentos que introdujimos al repositorio creado con Lucene. Estas palabras fueron elegidas para buscar los tweets relacionados con el Apoyo Social y la Violencia, porque están relacionadas con los problemas que se viven en nuestra ciudad y con el apoyo social. De esta forma, la colección se formó con 8721 documentos (uno por cada usuario de M2), más 2 documentos (los temas de Violencia y Apoyo Social). Nuestro repositorio incluye en total 40186542 tweets, los cuales fueron obtenidos durante el proceso de extracción de la muestra de los usuarios. Con la búsqueda para el tema de Violencia se obtuvieron solamente 67.544 tweets, mientras que para el tema de Apoyo Social obtuvimos 141.284 tweets.
Tabla 1
Palabras utilizadas para crear documentos que representan los temas de Violencia y Apoyo Social.
Utilizando Lucene evaluamos el valor TF-IDF de cada palabra en los documentos de Violencia y Apoyo Social. El cálculo del valor estadístico fue obtenido utilizando la fórmula 1. Donde w representa la palabra, fw,d representa el número de veces que aparece la palabra w en el documento d, D es el conjunto de todos los documentos yfw,D es el número de documentos en donde aparece la palabra w.
Obtuvimos una lista de 50 palabras que se relacionan con Violencia y 50 palabras que se relacionan con Apoyo Social que tenían valores TF-IDF más altos. Utilizando lostweets de los 8721 usuarios de M2, analizamos la frecuencia con que dichas palabras fueron utilizadas durante el periodo de investigación. Un listado de las palabras utilizadas se muestra en la tabla 2. Parte del análisis se realizó con base en las frecuencias de las palabras utilizadas por los usuarios de M2 tanto para Apoyo Social como para Violencia. Como segunda parte, analizamos la frecuencia en la que las palabras aparecen en los comentarios que fueron publicados por los usuarios de M1 y que fueron dirigidos a algún usuario de M2 mediante mención, es decir, analizamos la respuesta de usuarios en M1 como Apoyo Social cuando los usuarios de M2publicaban comentarios relacionados con Violencia. Esto es con el fin de evaluar la respuesta obtenida por los usuarios como Apoyo Social cuando ellos publican comentarios relacionados con Violencia.
Resultados y discusión
El 25 de agosto de 2011 ocurrió un incidente en la ciudad de Monterrey que llamó la atención de toda la población en su área metropolitana. Las noticias informaron sobre el caso “Casino Royale” en donde, lamentablemente, perdieron la vida muchas personas a causa de un ataque de la delincuencia que provocó un incendio en el lugar. La gente utilizó Twitter como un medio para comunicar la noticia, dar sus condolencias a los familiares y ofrecer algunas palabras de apoyo. Así mismo, se expresó un rechazo por este tipo de incidentes que se han ido presentando en la ciudad en los últimos años. Mencionamos este suceso porque durante este día se alcanzó el índice de publicación de tweets que se relacionan con la Violencia y con el Apoyo Social más alto en todo el año. En la figura 2 podemos observar una gráfica de la frecuencia de uso diario de palabras que tienen que ver con la Violencia y el Apoyo Social durante el periodo de investigación en comentarios publicados por usuarios en M2.
Tabla 2
Listado de palabras utilizadas para representar los temas de Violencia y Apoyo Social



Figura 2. Frecuencia de uso diario de palabras relacionadas con Violencia y Apoyo Social durante el periodo del 1 de diciembre de 2010 al 1 de diciembre de 2011.

La correlación entre ambos tipos de frecuencias es de 0.8502, la cual es indicativa de una relación lineal muy fuerte entre ambas cantidades diarias. Si excluimos los comentarios del caso “Casino Royale“, es decir, todos aquellos que fueron publicados en esa fecha, obtenemos una correlación de .9082. La figura 3 muestra una gráfica de puntos en la cual se evidencia la relación lineal que existe entre la frecuencia de uso de estas palabras. Además, observamos en la figura 2 una tendencia creciente en la cantidad de comentarios publicados. Atribuimos este crecimiento a una posible adopción de Twitter por parte de los usuarios en su vida diaria y la forma de comunicarse. Dicha adopción pudo ser gradual durante el tiempo observado. Recordemos que los usuarios de nuestra muestra fueron elegidos por haber estado activos durante todo el año y haberse registrado antes del periodo de investigación. Otro factor que puede influir es la confianza que los usuarios van teniendo para expresarse libremente en las redes sociales. En la figura 4 vemos una gráfica que muestra la cantidad total de comentarios publicados diariamente. Los comentarios totales muestran un comportamiento visiblemente diferente.
Figura 3. Cantidad de comentarios con respecto a la Violencia y al Apoyo Social.


Figura 4. Cantidad total de comentarios por fecha.

estadisticas descriptivas

Tabla 3

Estadísticas descriptivas de la respuesta de los usuarios utilizando mención.
Se observa un patrón de ondulaciones. Los puntos más bajos de las ondulaciones corresponden con los fines de semana, en cuyos días la gente tiende a publicar menos comentarios. Si bien, el pico de los comentarios del caso “Casino Royale” sigue siendo visible el 25 de agosto de 2011, no es tan impresionante como en la figura 2, y en general se observa la misma tendencia creciente. La correlación de la frecuencia de uso diario de palabras relacionadas con el Apoyo Social y la cantidad total de tweetspublicados es de 0.9280, mientras que la frecuencia de uso diario de palabras relacionadas con la Violencia y la cantidad total de tweets es de 0.6796. Esto quiere decir que además de la cantidad total de tweets, la cantidad de palabras relacionadas con la Violencia depende de otros factores para incrementarse. Estos factores pueden ser realmente eventos violentos que afectan a la población. La figura 5 muestra una gráfica que describe el comportamiento de los usuarios en Twitter, cuando los usuarios de M2 publican un comentario relacionado con la Violencia. Estos recibirán una respuesta por parte de los usuarios de M1. Como (M2\subsetM1), nos referimos a una respuesta proveniente de cualquier usuario. Lo importante en el caso de la mención en Twitter es que los usuarios reciben una notificación de dicho mensaje, por lo que se consideran mensajes personales en una conversación entre dos o más personas, aunque los mensajes son vistos por cualquier usuario dentro de la red social. La cantidad de comentarios relacionados con la Violencia producidos por los usuarios deM2 tiene una correlación de 0.8239 con los comentarios producidos por los usuarios deM1 que mencionan usuarios de M2 y están relacionados con el Apoyo Social. Un intervalo de confianza con \alpha= 0.05 para la media de comentarios de Apoyo Social por comentario de violencia es de 27.71% a 30.60% para todo el año. Si excluimos el día 24 de diciembre de 2010 en donde se alcanza el porcentaje más alto de todo el año (191%), obtenemos un intervalo de confianza con \alpha= 0.05 para la media de 27.55% a 29.87%. Esto quiere decir que los usuarios que publican comentarios relacionados con Violencia recibirán una respuesta de otros usuarios (probablemente desconocidos), con una frecuencia de casi un 30%. La tabla 3 muestra estos resultados. Se debe tener en cuenta que esta frecuencia está calculada considerando todo el conjunto de usuarios en M2, una investigación a nivel de usuario seria apropiada para cuantificar el Apoyo Social recibido en redes sociales.
Figura 5. Correlación de frecuencia de uso diario de palabras seleccionadas con Violencia y Apoyo Social en donde se incluye mención.


Conclusiones
Analizamos el comportamiento de los usuarios de Twitter provenientes del área metropolitana de Monterrey, Nuevo León, México. Los resultados indican que en las redes sociales las personas reciben Apoyo Social de otros usuarios que pueden ser conocidos o desconocidos para ellos. Cuando los usuarios escriben comentarios relacionados con la Violencia es probable que escriban también comentarios relacionados con el Apoyo Social dada la alta correlación que tienen. A su vez, cuando un usuario publica un comentario relacionado con la Violencia existe una probabilidad de que reciba comentarios de Apoyo Social mediante mención. En trabajos futuros se podría proponer una medida del Apoyo Social en las redes sociales e investigar el porcentaje proveniente de conocidos en persona, conocidos solo en línea y desconocidos. Existen otros tipos de violencia que se han investigado frecuentemente, como es el caso de la violencia contra la mujer en México y su relación con el uso de drogas y el alcohol (Pérez, Pérez, & Rodríguez, 2008; Alonso, López, Esparza, Martínez, Guzmán & Alonso, 2011). Se podría realizar un análisis del comportamiento de dichas mujeres en redes sociales para observar si buscan y reciben apoyo.


Referencias
Albrecht, T., & Adelman, M. (1987). Communicating social support. Sage Publications, Inc.
Albrecht, T., Goldsmith, D., & Thompson, T. (2003). Social support, social networks, and health. Handbook of health communication, 263-284.
Alonso Castillo, M., López García, K., Esparza Almanza, S., Martínez Maldonado, R., Guzmán Facundo, F., & Alonso Castillo, B. (2011). Violencia contra la mujer y su relación con el consumo de drogas en el área metropolitana de monterrey, nuevo león, México. Investigación en Enfermería. Imagen y Desarrollo, 11 (1).
Attia, A., Aziz, N., Friedman, B., & Elhusseiny, M. (2011). Commentary: The impact of social networking tools on political change in egypts revolution 2.0. Electronic Commerce Research and Applications, 10 (4), 369-374. doi:10.1016/j.elerap.2011.05.003
Beran, T., & Li, Q. (2005). Cyber-harassment: A study of a new method for an old behavior. Journal of educational Computing Research, 32 (3), 265-277. doi:10.2190/8YQM-B04H-PG4D-BLLH
Brookmeyer, K., Henrich, C., Cohen, G., & Shahar, G. (2011). Israeli adolescents exposed to community and terror violence: The protective role of social support. The Journal of Early Adolescence, 31 (4), 577-603. doi:10.1177/0272431610366247
Caplan, G. (1974). Support systems and community mental health: Lectures on concept development. Behavioral Publications.
Chen, G. (2011). Tweet this: A uses and gratifications perspective on how active twitter use gratifies a need to connect with others. Computers in Human Behavior , 27 (2), 755-762. doi:10.1016/j.chb.2010.10.023
Cobb, S. (1976). Presidential address-1976. social support as a moderator of life stress. Psychosomatic medicine, 38 (5), 300-314.
Cohen, S., & McKay, G. (1984). Social support, stress, and the buffering hypothesis: A theoretical analysis. Handbook of psychology and health, 4 , 253-267.
Dean, A., & Lin, N. (1977). The stress-buffering role of social support. Journal of Nervous and Mental Disease; Journal of Nervous and Mental Disease, 162(6), 403-417. doi:10.1097/00005053-197712000-00006
Dimond, J., Fiesler, C., & Bruckman, A. (2011). Domestic violence and information communication technologies. Interacting with Computers, 23 (5), 413-421. doi:10.1016/j.intcom.2011.04.006
Ellison, N., Steinfield, C., & Lampe, C. (2006). Spatially bounded online social networks and social capital. International Communication Association, 36 (1-37).
Ellison, N., Steinfield, C., & Lampe, C. (2007). The benefits of facebook friends: social capital and college students use of online social network sites. Journal of Computer-Mediated Communication, 12 (4), 1143-1168. doi:10.1111/j.1083-6101.2007.00367.x
Elze, D., Stiffman, A., & Dore, P. (2011). The association between types of violence exposure and youths’mental health problems. International Journal of Adolescent Medicine and Health, 11 (3-4), 221-256. doi:10.1515/IJAMH.1999.11.3-4.221
Feldman, R., & Sanger, J. (2006). The text mining handbook: advanced approaches in analyzing unstructured data. Cambridge University Press.
Flynn, K., Piña, I., Whellan, D., Lin, L., Blumenthal, J., Ellis, S., . . . others (2009). Effects of exercise training on health status in patients with chronic heart failure. JAMA: the journal of the American Medical Association, 301 (14), 1451-1459. doi:10.1001/jama.2009.457
Ganster, D., & Victor, B. (2011). The impact of social support on mental and physical health. British Journal of Medical Psychology, 61 (1), 17-36. doi:10.1111/j.2044-8341.1988.tb02763.x
Grossman, L. (2009). Iran protests: Twitter, the medium of the movement. Time Magazine, 17.
Henrich, C., & Shahar, G. (2008). Social support buffers the effects of terrorism on adolescent depression: Findings from sderot, israel. Journal of the American Academy of Child & Adolescent Psychiatry, 47 (9), 1073-1076. doi:10.1097/CHI.0b013e31817eed08
Hernández, R., & Ramírez, M. (2006). Apoyo social en mujeres de familias monoparentales y biparentales psicología y salud, julio-diciembre, año/vol. 16, número 002 Universidad Veracruzana Xalapa, México. Psicología y Salud, 16 (2), 149-157.
Hiemstra, D. (2000). A probabilistic justification for using tf× idf term weighting in information retrieval. International Journal on Digital Libraries, 3 (2), 131-139. doi:10.1007/s007999900025
Jansen, B., Zhang, M., Sobel, K., & Chowdury, A. (2009). Twitter power:Tweets as electronic word of mouth. Journal of the American society for information science and technology, 60 (11), 2169-2188. doi:10.1002/asi.21149
Java, A., Song, X., Finin, T., & Tseng, B. (2007). Why we twitter: understanding microblogging usage and communities. In Proceedings of the 9th webkdd and 1st sna-kdd 2007 workshop on web mining and social network analysis (pp. 56-65). doi:10.1145/1348549.1348556
Joinson, A. (2008). Looking at, looking up or keeping up with people?: motives and use of facebook. In Proceedings of the twenty-sixth annual sigchi conference on human factors in computing systems (pp. 1027-1036). doi:10.1145/1357054.1357213
Kataoka, S., Langley, A., Stein, B., Jaycox, L., Zhang, L., Sanchez, N., & Wong, M. (2009). Violence exposure and ptsd. Journal of child and family studies, 8 (3), 334-341. doi:10.1007/s10826-008-9235-9
LaCoursiere, S. (2001). A theory of online social support. Advances in Nursing Science, 24 (1), 60-77.
Langford, C., Bowsher, J., Maloney, J., & Lillis, P. (2008). Social support: a conceptual analysis. Journal of Advanced Nursing, 25 (1), 95-100. doi:10.1046/j.1365-2648.1997.1997025095.x
Lysenko, V., & Desouza, K. (2012). Moldova’s internet revolution: Analyzing the role of technologies in various phases of the confrontation. Technological Forecasting and Social Change, 79 (2), 341-361. doi:10.1016/j.techfore.2011.05.009
Pérez, P., Pérez, E., & Rodríguez, L. (2008). Violencia y familia en nuevo león.
CIENCIA UANL, 11 (1), 87-92.
Qiu, L., Lin, H., Ramsay, J., & Yang, F. (2012). You are what you tweet: Personality expression and perception on twitter. Journal of Research in Personality, 46 (6), 710 – 718. doi:10.1016/j.jrp.2012.08.008
Raacke, J., & Bonds-Raacke, J. (2008). Myspace and facebook: Applying the uses and gratifications theory to exploring friend-networking sites. CyberPsychology & Behavior , 11 (2), 169-174. doi:10.1089/cpb.2007.0056
Ryan, T., & Xenos, S. (2011). Who uses facebook? an investigation into the relationship between the big five, shyness, narcissism, loneliness, and facebook usage. Computers in Human Behavior , 27 (5), 1658-1664. doi:10.1016/j.chb.2011.02.004
Sakaki, T., Okazaki, M., & Matsuo, Y. (2010). Earthquake shakes twitter users: real-time event detection by social sensors. In Proceedings of the 19th international conference on world wide web (pp. 851-860). doi:10.1145/1772690.1772777
Schroevers, M., Helgeson, V., Sanderman, R., & Ranchor, A. (2010). Type of social support matters for prediction of posttraumatic growth among cancer survivors.Psycho-Oncology, 19 (1), 46-53. doi:10.1002/pon.1501
Slonje, R., Smith, P., & Frisén, A. (2012). The nature of cyberbullying, and strategies for prevention. Computers in Human Behavior , 29 (1), 26-32. doi:10.1016/j.chb.2012.05.024
Twitter, I. (2010). Measuring tweets. http://blog.twitter.com/2010/02/measuring-tweets.html. (Descargado el 27 de Noviembre de 2012)
Twitter, I. (2013). What are @replies and mentions?
http://support.twitter.com/articles/14023-what-are-replies-and-mentions.