Investigación / Sentimiento y emoción

Línea de investigación · 2007 – 2022

Sentimiento y emoción: de lo que se dice a lo que se siente

Contar cuántas veces se nombra una marca es fácil. Saber con qué tono se nombra, qué siente quien escribe y qué percibe quien lee es otra cosa. Esta línea empezó ahí, en Anpro21, y llegó a la computación afectiva.

La pregunta

El tono de un texto no es lo que se piensa de una marca

Los primeros sistemas de medición clasificaban cada pieza en positiva, neutra o negativa. Pero el tono del texto no siempre es el de lo que dice sobre la marca. Un artículo muy crítico con el sector energético puede dedicar una sola línea a elogiar a una empresa: si se puntúa el artículo entero, esa empresa sale con una nota negativa que es justo la contraria a la real.

Además, medir el sentimiento no es medir la reputación. La reputación depende de muchas más variables, y confundir una cosa con la otra lleva a decisiones equivocadas. Esta línea trata de separar bien las tres capas: lo que se dice, el sentimiento con el que se dice y la percepción que deja.

Cómo ha evolucionado

Seis etapas

  1. 2007 – 2009

    El tono, antes de que se hablara de sentimiento

    En Anpro21 nos propusimos un algoritmo que entendiera lo que se publica en la prensa y en Internet y lo comparara con lo que sienten las personas. Chocamos pronto con un muro, el sarcasmo, y aparcamos la ambición de entenderlo todo. A mediados de 2009 lanzamos para nuestros clientes, dentro del servicio Informyzer, una medida del «tono» de cada marca en prensa y en Internet. La llamamos así porque «feeling», como se decía en Estados Unidos, todavía no se entendía.

    De la reputación al análisis de los sentimientos (2009)

  2. 2009 – 2011

    Más allá de la reputación: la percepción

    Estudiamos unos ochenta servicios de monitorización y llegamos a una conclusión: la escala positivo, neutro y negativo no bastaba para saber cómo se percibe una marca. Para no caer en métricas puramente matemáticas, nos apoyamos en el branding, y formamos a parte del equipo de ingeniería en ella. El lema fue «tecnologías, branding y sentimientos». De ese trabajo salió Brand Rain, lanzado en 2010.

    Tecnologías, branding y sentimientos (2011) · Controlando la percepción (2011) · ¿Cómo saber qué se dice sobre nosotros? (2011)

  3. 2011

    Aplicado a la política: las elecciones del 20N

    Desde el 1 de septiembre de 2011 medimos la presencia, el tono y la percepción de los candidatos a las elecciones generales en prensa digital, blogs, redes sociales y foros. En tres semanas el estudio llevaba unos 15.000 mensajes analizados. Además del tono, introdujimos una medida de percepción: el esfuerzo que hace cada candidato para que la sociedad lo perciba como quiere.

    Primer estudio · Actualización · Elecciones sin branding

  4. 2014

    La ciencia detrás: el artículo de la SEPLN

    En la revista Procesamiento del Lenguaje Natural explicamos cómo funcionaba. El análisis de sentimiento de Brand Rain usaba una ontología de más de 15.000 palabras puntuadas de -10 a 10, basada en un estudio con más de 20.000 personas y ajustada a cada sector con aprendizaje automático. Por encima del sentimiento, el cálculo de la reputación tenía en cuenta dimensiones como el desempeño financiero, el medio ambiente, la calidad de los productos, la innovación y la responsabilidad social. Con técnicas de redes complejas identificábamos a quién influye en la conversación sobre una marca. Por entonces el sistema analizaba más de 600.000 menciones al día y seguía más de 1.000 marcas.

    Artículo SEPLN 2014 · La coherencia y la reputación · La imagen del CEO

  5. 2014

    Del texto a la voz, el gesto y la imagen

    El siguiente paso fue el vídeo. Con Ibermática, Verbio, CSA y el grupo BISITE de la Universidad de Salamanca, y con el apoyo del Plan Avanza del Ministerio de Industria, Anpro21 abrió un proyecto de video-reputación. Su objetivo era interpretar la voz, el audio, los gestos y el tono de los vídeos y audios para medir la reputación que transmiten. Fue también el camino hacia la ironía, que tiene su propia línea.

    Video-reputación y detección de crisis (2014) · Línea de ironía y sarcasmo

  6. 2022

    Computación afectiva

    Con los modelos de lenguaje a la vista volví sobre el tema con más perspectiva. El análisis de sentimiento sigue siendo difícil: el lenguaje es ambiguo, la ironía y las figuras confunden a los algoritmos, los datos de entrenamiento no siempre representan la realidad, y la forma de expresar una emoción cambia con el idioma, la cultura y la generación. La computación afectiva lleva la pregunta más lejos: reconocer, interpretar y hasta simular emociones. Y abre una cuestión ética que no se puede esquivar: el riesgo de espiar o manipular las emociones de las personas.

    Medir el sentimiento en redes sociales · IA y computación afectiva · PLN y computación cognitiva

Lo que he aprendido

Cuatro ideas

Sentimiento no es reputación

El sentimiento es una de las variables. Una herramienta que solo mide sentimiento y lo llama reputación confunde a quien decide.

El contexto engaña

El tono de una pieza no es el tono de lo que dice sobre ti. Hay que medir la mención, no solo el texto que la rodea.

Las métricas necesitan una disciplina

Sin el conocimiento de quien trabaja con marcas, una métrica es solo matemáticas. El branding nos dijo qué merecía la pena medir.

La emoción tiene contexto

Idioma, cultura, generación y momento cambian cómo se expresa lo que se siente. Y medir emociones obliga a pensar en sus límites éticos.

Proyectos relacionados

Donde se ha aplicado

Brand Rain

SaaS de medición de reputación e impacto de marcas para marketing y comunicación.

Informyzer Tool DMP

Visualización con DMP y análisis de tendencias en redes sociales.

Video-Reputación

Machine learning, reconocimiento de voz, análisis sintáctico y web semántica.

Categorización de audiovisuales

Tecnologías semánticas, reconocimiento de voz e indexación avanzada.

Todos los proyectos técnicos →

Para saber más

Referencias

  • O. Trabazos, S. Suárez, R. Bori y O. Flo, «Aplicación de tecnologías de Procesamiento de lenguaje natural y tecnología semántica en Brand Rain y Anpro21», Procesamiento del Lenguaje Natural nº 53, pp. 201-204, 2014.
  • Lluís Padró y Evgeny Stanilovsky, «FreeLing 3.0: Towards Wider Multilinguality», LREC 2012. Uno de los analizadores que usábamos.
  • Rosalind W. Picard, Affective Computing, MIT Press, 1997. El libro que dio nombre a la computación afectiva.

← Todas las líneas de investigación