Análisis Computacional de Texto para las Ciencias Sociales

Día 1: Modelado de Tópicos

En esta clase, partimos revisando cómo funcionan los topic models. Luego, reviso un demo en R y STM en Google Colab, y termino mostrando una aplicación en investigación. En el segundo bloque, los alumnos conforman grupos de trabajo, y realizan trabajo práctico aplicando lo que aprendimos en el primer bloque.

• Cuestionario para conocernos: link.
• Introducción al curso.
• Técnica: topic models: Presentación
• Demo: STM sobre corpus de noticias de Uruguay y Chile (código).
• Introducción a los datasets
• Lecturas:
• Roberts et al (2014), "Structural Topic Models for Open-Ended Survey Responses"
• Bro & Luna (2025), "Elitism in the Aisle: A Longitudinal Analysis of the Influence of Class Background on Legislative Discourse"
• Ejercicio:
• El entorno de Google Colab
• Identificar los temas dominantes en la cobertura de prensa en el tiempo o diferencias por país. Usar el dataset de noticias
• Colab con preguntas: link, solución

Día 2: Word Embeddings

• Técnica: Word2Vec, Presentación
• Presentación lecturas: link
• Demo: Embeddings sobre ofertas inmobiliarias (código).
• Demo: con fasttext (código).
• Lecturas:
• Mikolov et al. (2013), "Distributed Representations of Words and Phrases and their Compositionality"
• Garg et al. (2018), "Word embeddings quantify 100 years of gender and ethnic stereotypes"
• Sarmiento et al. (2022), "Identifying and characterizing new expressions of community framing during polarization"
• Ejercicios:
• Crea un Google Colab nuevo y explorar el mapa semántico usando dataset de ofertas inmobiliarias u otro que tú tengas. Puedes además, si tu texto está dividido en distintos hablantes, también los puedes comparar.

Día 3: LLMs para etiquetar un corpus

• Demo: Análisis de Iniciativas Populares con gpt-4o-mini (código).
• Código gemini
• Lecturas: Bosley (2025), Towards Qualitative Measurement at Scale: A Prompt-Engineering Framework for Large-Scale Analysis of Deliberative Quality in Parliamentary Debates.
• Ejercicios:
• Aplicar LLMs como herramientas de codificación temática y exploración cualitativa. Elegir 20 textos del dataset de noticias. Usar prompts de análisis con gemini. Ej: “¿Qué valores se promueven en este texto?” “¿Qué emociones predominan en esta descripción?” Comparar resultados con análisis humano o análisis tradicional.

Día 4: Extracción de Redes desde Texto

• Técnicas: NER, extracción de relaciones, análisis de sentimientos (presentación).
• Demo: text-to-graph con noticias de El Mostrador (código).
• Lecturas: Bro (2025), "A Frustratingly Easy Way of Extracting Political Networks from Text"
• Ejercicios:
• Usa noticias políticas de Chile y/o Uruguay para extraer redes de actores utilizando LLMs. A partir de prompts estructurados, identificarán entidades políticas mencionadas, relaciones entre ellas, y el tono de dichas interacciones (positivo, negativo o neutral). Los resultados se organizarán como grafos dirigidos con pesos sentimentales y se analizará su estructura con herramientas como NetworkX o igraph, destacando patrones de alianzas y conflicto.

Día 5: Taller de Proyecto Aplicado

• Actividades: diseño de pregunta de investigación, análisis textual guiado, presentación de resultados.
• Técnicas: libres, según elección del participante.