GendIMS — Evento 17M

Juan-José Boté-Vericad
3 min readMar 18, 2021

--

Con motivo del Día Internacional de las Mujeres se celebró en la Facultad de Información y Medios Audiovisuales (Universitat de Barcelona) un evento títulado “Génere i LGTBI+ a la Docència Universitària” (Género y LGTBI+ en la Docencia Universitaria), organizado por el grupo GendiMS (Gender perspective in Information and Media Studies) al cuál pertenezco y participo.

El evento se hizo presencial y fue retransmitido en directo a través del canal de YouTube.

De este evento se han analizado algunos parámetros como la etiqueta #GendIMS utilizada en Twitter.

Número de Tweets por hora

Con la función ts_plot de la libreria rtweet se pueden obtener diferentes gráficos atendiendo a la frecuencia en tiempo en que se publican los tweets. En este caso hemos indicado el parámetro horas. Esto nos permite ver la difusión inicial del evento en los días previos.

ts_plot(Gendims_17M, “hour”)

Usuarios que han generado tweets

A través de la libreria ggplot y mediante diferentes combinaciones de parámetros se pueden obtener diferentes tipos de gráficos. En esta ocasión he creado un gráfico de frecuencias representado por puntos.

Un total de 50 perfiles se dedicaron a publicar tweets sobre el evento. Se puede observar que la mayoría realizaron 1 tweet y muy pocos perfiles pasaron de 5 tweets.

Otra forma de ver la distribución por cuentas es mediante una gráfico de barras circulares, donde se puede ver que la mayoría publicaron un solo tweet.

Para que entiendas el gráfico, hay 3 grupos:

a) Los que publicaron 1 tweet,

b) los que publicaron entre 2 y 3 tweets, y

c) los publicaron más de 4 tuits que son un grupo menor

Gráfico de barras circulares con distribución por frecuencias

Número de palabras en los tweets

En la siguiente gráfica se puede ver el número de palabras que emplearon los perfiles en Twitter.

Para ordenar esta gráfica he empleado este trozo de código:

tweets_tidy %>% group_by(perfil) %>%
summarise(palabras = n()) %>%
arrange(desc(n)) %>%
ggplot(aes(x = reorder(perfil, -n), y = palabras)) +
geom_bar(fill = “#ff6b00”, stat =”identity”, ) +
coord_flip() +
labs(title = “Número de palabras escritas por perfil”, x = “Perfiles”,
y = “número de palabras”) +
theme_bw()

Nube de palabras

Para finalizar este breve post vemos que a través de la nube de palabras #GendIMS fue un término con alta frecuencia. Imporante: para la nube de palabras se ha empleado el diccionario de catalán dado que el evento fue realizado en este idioma.

Referencias

Algunas de las referencias empleadas han sido las siguientes:

McNamara A, Horton NJ. 2017. Wrangling categorical data in R. PeerJ Preprints 5:e3163v2 https://doi.org/10.7287/peerj.preprints.3163v2

https://blog.rstudio.com/2020/04/08/great-looking-tables-gt-0-2/
https://www.statology.org/plot-multiple-columns-in-r/

https://datascience.stackexchange.com/questions/66590/how-to-plot-multiple-columns-with-ggplot-in-r

http://www.sthda.com/english/wiki/ggplot2-texts-add-text-annotations-to-a-graph-in-r-software

https://www.r-graph-gallery.com/297-circular-barplot-with-groups.html

--

--