Cotidiano, la gente comparte una cantidad vertiginosa de información sobre las comunidades locales en línea. Hablan de si sus vecinos son amables, que tan bien funcionan los buses, qué tipo de restaurantes hay en una zona, y mucho, mucho más.

Un nuevo estudio realizado por el investigador de la Universidad de Buffalo, Yingjie Hu, muestra cómo podemos clasificar este vasto tesoro de datos digitales para mejorar las ciudades y la calidad de vida de las personas.

La investigación, publicado el 8 de marzo en el Anales de la Asociación Americana de Geógrafos , analizó reseñas de vecindarios de más de 7, 600 usuarios únicos que publicaron sobre la ciudad de Nueva York en el sitio web Niche.com.

El objetivo era clasificar de manera eficiente miles de opiniones para conocer las percepciones de las personas sobre sus comunidades. El estudio combinó análisis espacial, Aprendizaje automático y técnicas de procesamiento del lenguaje natural para identificar las características de los vecindarios de los que la gente hablaba en línea. y cuáles eran los sentimientos generales de los revisores sobre esos atributos.

Este tipo de investigación podría ayudar a los planificadores urbanos a detectar problemas que de otro modo podrían pasar por alto. Dice Hu.

"Se necesita mucho tiempo para aprender sobre los vecindarios mediante encuestas o entrevistas personales. Por lo tanto, aunque los datos de las encuestas o entrevistas son muy valiosos, si eres planificador, es posible que no pueda recopilar este tipo de datos con frecuencia o para grandes áreas geográficas, "dice Hu, Doctor., profesor asistente de geografía en la Facultad de Artes y Ciencias de la Universidad de Buffalo y experto en el campo de la ciencia de la información geográfica (GIScience).

"A diferencia de, los datos en línea que estamos investigando se actualizan constantemente, "Hu agrega." La gente siempre publica nuevas reseñas de vecindarios. Queremos utilizar este recurso para descubrir nueva información que pueda admitir una variedad de aplicaciones ".

Los coautores del estudio incluyeron a Chengbin Deng, Doctor., y Zhou Zhou, ambos en la Universidad de Binghamton.

Las reseñas en línea brindan a los planificadores acceso a miles de opiniones

El análisis de los investigadores encontró que en algunos casos, Las percepciones de las personas sobre una comunidad no se alineaban con la imagen presentada por otros datos. Por ejemplo, mientras que los sentimientos de los revisores sobre la seguridad en general coincidían con las estadísticas de delitos, otras categorías no se correlacionaron tan claramente, Dice Hu.

Las discrepancias ocurren por muchas razones, y algunos pueden ser reveladores. En lo que respecta al empleo, las revisiones del vecindario discutieron la calidad de los trabajos en un área, un problema que no se refleja en estadísticas generales como la tasa de desempleo. Igualmente, en lo que respecta al transporte público, a la gente le preocupaba la fiabilidad:¿llegaban los autobuses a tiempo o tarde? Los planificadores pueden pasar por alto este problema si se centran en métricas como la cantidad de líneas de autobús o centros de tránsito en un vecindario.

Hu advierte que las reseñas en línea no deben usarse de forma aislada:las personas que publican son autoseleccionadas, por lo que es posible que no representen las opiniones de todas las personas de un vecindario.

Todavía, Hu dice que la recolección de datos puede complementar las encuestas, entrevistas cara a cara y otros métodos existentes para conocer los barrios. El análisis de datos en línea puede brindar a los planificadores acceso a la información de muchas personas rápidamente.

"Una ventaja de los datos de reseñas de vecindarios en línea es que resulta relativamente fácil acceder a las opiniones de muchas personas; en el caso de nuestro estudio, más de 7, 600, "Hu dice." Si piensas en lo que se necesita para entrevistar incluso a 100 personas, se necesita mucho tiempo y recursos. Los datos de revisión del vecindario están lejos de ser perfectos, pero puede ayudar a complementar otros tipos de datos que ya tenemos ".