ANÁLISIS AVANZADO DE DATOS
RAPIDMINER
Hasta 10.000 files en versión estudiante
Análisis de sentimiento. En otros años se ha enlazado con servicio en la nube.
Análisis sentimiento y evaluación de la ciencia. 2 trabajos.
Para descargar datos de twitter e interpretarlo, debemos tener cuenta.
Crear tokens de acceso a aplicaciones que usaré en credenciales que usaré en twitter. En
lugar de delegar … TOKEN. Un token se comparte entre diferentes aplicaciones.
[Link]
[Link]
Se crean tokens
Parta evitar usuario y clave de twitter como es algo delicado,
Token de acceso. Chorizo de números. Cada ves que alguien quiera delegar usuario y clave
a ese sitio a aplicaciones oficiales o de terceros, necesitamos generar token de acceso. Asi
se asocia a aplicación 1 el token 1 , a la aplicación 2 el token 2 y asi.. una aplicación puede
ser la oficial para móvil, otra para la tableta, otra para Facebook (otro token). Todo esto
está centalizado en un sitio, otros tienen fecha de caducidad y en otros es perpetuo. Se
puede ser muy selectivo.
Twitter genera token para cada cosa.
[Link]
Para pedir a twitter CREATE APP. Dar nombre aplicación, se contesta cuestionario y
después se piden credenciales
Twitter: CONFIGURACIÓN Y PRIVACIDAD datos y servicios –-> aplicaciones y sesiones
(asociadas a mi cuenta). Si damos revocar acceso, tableta no podrá conectarse.
Rapidminer (empresa de tercero) es una app que accede a mi cuenta de tqitter mediante
tokens. Puede hacer cosas con mi token mientras no le revoque acceso.
Casos: lo que decían.
Es usual ahora que se coloque un hashtag en las publicaciones o en tv.
Twitter implementa API: API es servicio para tener información.
API streaming.
Otro que nos permite ver lo que se dijo hace un tiempo (una semana).
En vivo también.
Monitarizar que esto no caiga la máquina.
Para detectar duplicados, y si el texto coincide al verlo, Dos tweets con el mismo texto es
plagio.. pero en la base de datos se considera como dos publicaciones diferentes x la fecha
y coordenadas.
Tercer trabajo
Análisis global como partido futbol o algo que tenga incidencia global, aunque
internamente es posible definir el idioma por defecto de los textos, cualquier puede
cambiar el idioma en cada tweet. Para no meter la pata, hay que detectar textos en otros
idiomas.
¿Qué dice la gente? Una vez quitado duplicados y agrupados textos por idiomas, se
analizan textos en sí. Si quieremos ver palabras que se repitan, se analizan textos en sí y
resto de metadatos como fechas u hora o coordenadas gps, no interesan salvo los textos.
Hay partes del texto tienen más carga semánticas que otras., hay que escribir bien en lo
ortográfico, sintáctico y semántico. En twitter no se respetan. Texto de blog mima mucho
el texto e intentan que haya sujeto verbo y muchos complementops sin nada bien hecho.
En twitter la gente no consulta diccionarios yu escribe lo primero que teclea, y si sale mal,
sale mal.
Aislar en texto cosas que parecen palabras del resto de cosas.
Secuencia de letras que sean palabras y tengan sentido.
Detectar separadores: espacio, punto y coma, coma. Y asi aislamos y aislamos.
Preposiciones: menos carga semántica que sujetos o verbos.
Artículos demostrativos: poca carga semántica.
Dejar esto en recolección de datos es complicar tarea a ordenador y nos complicarían a
nosotros. ESTO: 4 letras, 4 bytes. Se repite… muchos bytes perdidos. Menos bytes: más
rápido y menos dinero y menos tiempo.
Formas verbales en ingles: 4
En español: 240. Introducidas en diccionario y estas sean detectadas.
Dejarle al pc que haga el análisis, es complicar la vida.
Nunca tendríamos garantía de acceso a todo los archivos guardados en twitter, lo que se
accede es a una muestra limitada
CATEGORIZACIÓN DE DOCUMENTOS
ANÁLISIS DE SENTIMIENTOS
Como decirle a ordenador que es una máxima: “que cuando el incremento de texto
sobrepase cierta pendiente, es un pico”.
Pico, valle, pico, valle
Variable cantidad en lapso de tiempo, se pueden hacer grá[Link] usa para detectar
catñasgrofes. La gente como loca pone terremoto en twitter. Cuando se monitorizan
palabras la gente no suele hablarse de eso, salvo que haya terremoto.
Tweets: meta información muy útil – identificar identificadores únicos, analizar texto de
manera cogiendo para ver palabras repetidas, saber qué se dice cogiendo análisis de
sentimientos de qué tono. Analizar semántica el texto, se están quejando del tamaño de la
pantalla, del sabor del producto… análisis de aspectos es esto.
Si detectamos que hay un fulano o fulana o persona que esta continuamente escribiendo
que genera comunicación, yo vería qué está haciendo esa persona, cuanta gente me
sigue, cuantos amigos tiene, de que orientaciones son sus temas. Al darnos de alta, la
gente com,parte cosas para que la gente lo escuche. No es ilegal recolectar datos de otras
personas porque ellos lo colcan a libre disposición
Más que responder de manera reactiva lo que nos dicen, podemos dar más pasos y
analizar ciertas cosas: el texto, las coordenadas, momento temporal, mencionas, idioma.,
Algo está pasando con ese perfil.
Si sale símbolo warning al arrastrar twitter a panel, es porque nos falta TOKEN de acceso
INP de INPUT
RES de RESULT
OUT DE CASILLA TWITTER A RESULT.
La primera caja genera datos y la segunda caja los ingiere. La salida digerida de esa caja
pasa a la siguiente caja y así los datos se van procesando, eliminando duplicados y así
obtenemos todo. ESTO ES MIUY VISUAL Y MUY SENCILLO.
PAJARITO DICE QUE FALTA ALGO.
CAJA QUE HAY QUE RELLENAR:ççconection y query
ID: IDENTIFICACIÓN DEL TEXTO. (matricula interna única)
From user: nombre usuario
From user ID: este NO SE PUEDE CAMBIAR.
Cuando es retwitteado o hay mencion: la columna TO USER es rellena. Cuando está con
“?” no lleva menciones.,
Y el TO USER ID es el destinatario
SOURCE: Te dice “de donde los escribió y me diate qué aplicación”
RETWEET:
Las vecees
PARA NO PERDERLO: se quita la linea de twitter a RES, poner carpeta WRITE WRITE
EXCEL y la salida de twitter se pasa a write excel, se recibe y se guarda en el fichero.
PARA VER
SOLO SABE GUARDAR EN EXCEL
TWITTER A INP DE WRITE EXCEL, DESPUES THR A RES (THR: THROW, LANZAR, ARROJAR)
HOJA EXCELE TIENE DISCO DE PELIGRO, PORQUE NECESITA EN QUÉ FICHERO , CARPETA Y
NOMBRE SE GUARDA.
EN EXCEL EN LUGAR DE ? coloca -1,0
EN RAPIDMINER SE PUEDE GUARDAR COMO PROYECTO
SI NO CAMBIO EL NOMBRE AL FICHERO, SE PUEDE SOBREESCRIBIR.
Otra modalidad que se llama Write CSV .
Y tiene palomita que se llama “append to file”.
Sin embargo write csv separa a los datos de usuario con comas, puntos, separadores.
Si se usan tabuladores o gatos, puede prestar a confusión al ordenador.
ES PREFERIBLE CAMBIAR LOS NOMBRES DE FICHEROS.
Conceptos generales basicos y hacer alguna de las 2 tareas.
Coger concepto, entenderlo y listo.
BIG DATA SMART DATA
BIG DATA es ls gran bolsa. SMART DATA PARA entender a los consumidores.
Redes sociales o medios sociales Facebook o whatsapp o twitter.
Transición de redes sociales a medio social.
Departamento de comunicasció e investigación de mercsdos
CIM
INTERNET DE LAS COSAS
BIF DATA 5 V
VOLUME tamañan big data, VELOCITY en que data es generado, VARIETY, VERACITY,
VALUE
DATA IS THE NEW OIL
HERRAMIENTA LOGOS business inteligence solution
Analisais de sentimientos: proviene de banco de datos lo que interpreta la maquina. ES
POSITIVO O NEGATIVO. EL ALGORITMO APRENDE DE ELLO Y CON LO QUE APRENDE LO
APLICA.
[Link]
30/10/19
dOCUMENTOS CIENTIFICOS:
secciones preestablecidas, secciones estandarizadas,
fechas , sitios donde estan publicados. Analizar quien, domde.
Documentos cientificos llevan Keywoards que autores especifican de manera explícita.
Analizar esto sería interesante.
Hoy coexiste todo en red. No se encuentra nada aislado. Texto de twitter es elemento
dentro de una red. Red Social: es interconexiones entre cosas que se gestan dentro de un
medio social. Esto puede ser conexiones entre perfiles.
Documento técnico establece red social con cada uno de los documentos que se citan en
el interior de los documentos.
Sección de referencias: otro conjunto grande de redes sociales. Articulos que son citados
en documentos… red social de articulos o de citados.
Revista se conecta con articulos que han citado. Autores de articulos citados en el
documento.. otra red interna. Además de autores co-citados.
Si articulo se publica en 2019 y hay otros articulos de otros años, se configura otra red
social.
Si analizamos revistas, podemos ver cómo y donde se publican las cosas que se publican
del tema que nos interesa.
Tomamos el texto, quitamos cosas como singulares y plurales, mayusculas de pasan a
minusculas.,. lo que no aporte se debe quitar… las palabras vacías que no aportan. Cosas
como espacios, guiones, punto y coma, se usan como separadores entre palabras. TODO
ESTO PARA ANALIZAR EL TEXTO EN SÍ.
TEMA 4:
Con todas las variables podemos hacer un mapa cientifico: es una representación espacial
de un documento cientifico para ver cómo se relaciona uno con otro.
El propósito es analizar aspectos estructyurales: conceptual, intelectual y social.
Analizar la evolución estructural a través del tiempo. Medir y cuantificar.
Visión debe ser lo más visualposible mapa cientñifico.
Visión social.
Podemos hacer este tipo de análisis para obtener foto de un momento. Vamos a ver qué
pasó o qué está pasando ahora.
Los datos se obtienen de bases de datos. FUENTES DE INFORMACIÓN BIBLIOGRÁFICA.
Google Scholar es la versión free.
Son Datos bibliográficos (4)
Relaciones bibliométricas .--> co-ocurrencia , qiuiere decir que estan simultaneamente
dentro. Patrones.
El propio articulo hace de origen los articulos citados son el destino.
Cuando artñiculo cita a otros 10 articulos, emparejamiento agtergado no tiene el
articulo en sí, sino que la revista en donde se piublicó el articulo. Revista cita revista de
los articulos citados, pero no las citas
Unidad es el articulo que cita a otros articulos. ESTO ES ENLACE DIRECTO
REVISTA 1 CITA A REVISTAS CUANDO SE PUBLICARON A LOS ARTICULOS.
Citamos y leemos. Citamos articulo una vez leído. Se puede hacer análisis intelectual para
ver en qué revistas se ha basado autor para hacer su investigación. ¿Esta disciplina en qué
revista se sustenta? se puede ver enlaces directos cuantirticados para ver cuantas
veces son citadas las revistas ren la base intelectual. TODO ESTO ES EMPAREJAMIENTOI
AGREGADO. SE MIRAN OTROS ELEMENTOS QUE PERMITEN SUBIR EL NIVEL.
En vea de revistas y son centros de investigacion opaises donde trabajan investigadores,
se puede hacer enlace directo entre articulo español que cita a 3 de china a 1 de chile, 1
de perú.. y se puede hacer un mapa de citaciones entre diferentes entes. Podemos saber
qué países están inelectualmente soportando la investigación en cierto campo de estudio
o centro de investigación o departamrnto o facultades.
(DIAPORAMA 8)
Hay palabras que se escriben con una ligera modificación entre inglés y español.
O también entre singulares o plurales.
Casos que pueden pasar para un mismo concepto:
Data mining
Data-mining
DM
Data mining techniques
DMT
Para cada keyboard deben de haber ideas conceptuales. Se cogen datos, se analiza y se ve
la distribucion.
(9)
Se tiene una red maraña grande, pero ahora más pequeña.
Aplicar algoritmos para aplicar las redes (9).
(10)
Uso keyboards A, B y C. Si hay otra persona que publica A, B y c, puedo apreciar si lo mio
coincide con otra persona y publicamos los mismos temas, o si publicamos en las mismas
revistas o si hemos leido lo mismo porque citamos a la misma gente. (ALGORITMOS DE
CLUSTERING)
(11)
Indice H: relacion entre cantidfad de documentos que puede producir revistas y las citas
que esa revista tiene. Un indice H = 10, significa que persona orevista ha publicado al
menos 10 cosas donde al menos 10 de esas cosas han tneido al menos 10 citas.
Es más dificil un indice H 11 e indice H 25 y así…..
(13)
Se usa para invertir. Soltarlo donde haya gente leyendo y publicando que donde haya
poca gente.
(14)
Si hay articulos que reciben mil citas y otra 1 cita, para comparar es que se debe de
normalizar.
ANÁLISIS DE PATRONES DENTRO DE UN DOCIUMENTO TÉCNICO
(15)
Evoliución conceptual de un marco cientifico: como acotarlo y verbalizarlo.
Pensar que quiero investigar y verbalizarlo en inglés. Pensar en todas las formas. Nano
technology. Nano-technology. Nano technologies
(16)
(17)
Co palabras. Cuando se detectan dos palabras en un articulo, hay dos nodos diferentes y
existe link entre ellos. Esto pasa cuando se comparan y coinciden palabras entre dos
articulos. Asi se genera una red.
Es habirtual hacer cortes de entre 4 a 5 años para la búsqueda de métricas. 2000-2004.
2005-2009.
Se calculan las citas y se asocian cantidades de citas a enlace directo. Tema que tenga
mucho volumen y se repite muchas veces o muchas citas, es importante. Ese
razonamiento podemos usar para cuantificar y medir impacto diferentes trmads.
Recopilación
(19)
Después los datos se visualizan en dimensiones.
Cada esfera representa “un autor” mientras más grande esfera, más volumen tendrá y
tendrá más cosas asociadas.
Esfera 1 es la más grande, es la que más se ha repetido. En el keyboars 2 y 3 y así..
Relacion entre 1 y 3 no será muy concluyente que mñodulo 2 y 4.
Se pueden proyectar esferas a espacio bidimencional.
Temas motores: mucha centralidad.
Temas básicos y transversales: alta centralidad (muy bien conectado más que incluso
entre sí. Articulos que estan así son aquellos que han sido usados por otros autores.
Palabras y keyboards que se posicionan arriba de temas básicos y transversales, son los
que se han usado en muchas publicaciones. Han tenidi mpacto y trascendencia y han ido
mucho más alla de la propia red y transtienden a otros temas) y poca densidad.
TEMAAS MUY DESARROLLADOS Y AISLADOS: Nadie usa lo que usan este tipo de temas.
Temas muy especializados y que no dan el salto a otras áreas y quedan ahí, tienen poca
centralidad. Como si fuera una isla. Keyboards no trasncienden a otra disiciplina.
Baja densidad son las líneas finitas. Se usan aleatoriamente o casi, pocas veces. Poca
densidad. Poca centralidad. Ha hecho poquito.
Diagrama sirve para identificar temas atractivos. PUEDO ESPECIALIZARME EN TEMAS DEL
CENTRO, PERO DEBO EMPEZAR POR LAS BASES.
(20)
Keyboards transitan de un periodo a otro.
Más negro y punteado y potente, el tema es más notable. El tema puede mantenerse.
El tema si se mantiene a lo largo de periodos es porque es atractivo. Y si aumenta el
volumen, es mucho mejor. Merece la pena invertir y leer.
Pero puede pasar que un tema surje y después desaparece. La investigación aquí no deja
de hacerse.
Temas pueden desaparecer e ingresan otros.
(21)
Puede ser tambien número de palabras y numero de cigtas asociadas (medidas
cuantitativas).
(22)
(23)
VOSVIEWER se usa mucho .
(24)
(33)
Scimat.
(34)
(37)
Version de prueba hace descarga de datos.
Mediante modulo de gestion se gestionan datos.
Agrupar keyboards… analisis de revistas nos hace grupos. Tambien se puede trabajar con
autores.
(42)
____-
Formato Latex
Overleaf
ELSEVIER TEMPLATE PARA OVERLEAF LATEX
[Link]
Trabajios de fin de grado
Plantilla TFG version LATEX openoficce / fuentes latex. Se descarga el fichero, se sube a
overleaf.. y el documento ya viene con las barras y preconfiguraciones.
SCIMAT
Knowledge base.
Groupo set
Analysis
Statistics
DEBEMOS TENER PROYECTO
NEW PROJECT. GENERA PEQUEÑO FICHERO.
COMO TENER DATOS.
[Link]
PENSAR TEMA, VERBALIZARLO Y AÑOS.
Descargar datos y traerlos.
MENDELEY
31/10/19
Publicaciones cientificas.
Publicaciones cientiticas tienen muchasa revisiones editoriales.
Otros son más instantaneos e interactivos. Son objetos vivos, nacen y aparecen en base de
datos.
Se comentan y se critican los productos y se retroalimentan. Publicaciones cientificas
tienen autores, textos en rrss también tienen autor.
Publicaciones cientificas: cardinalidad es minimo 1,p ueden haber muchos.
Comentarios en tripadvcisor es de cardinalidad 1, porque sólo es 1 el responsable.
En publicaciones cientificas se cuentan palotes, citas, uno cita en otro… y en rrss tambien
a la medida que se citan los tectos se van entrelazando. Tienen otros metadatos dentro y
todos tienen fechas, tanto de creación, etc… detalles de autores. Publicacion de rrss:
aparece perfil y se puede llegar a analizat tambien como articulo cientifico.
Redes entre personas y perfiles, y otras redes entre personas y documentos cientiticos.
Se crean redes. Homogeneas.. O HETEROGENEAS entre textos, urls, fotos, etc.
La moneda con la que se paga a investigadores..
Plataformas tienen propias medidas de evaluación y valoración: estrellitas, emoticonos,
etc. Aunque parezcan objetos que son diferentes, comparten muchas cosas de las que se
puede analizar de la misma manera.. aquí se crean redes y todo esto se puede cuantificar.
Volumen de citas: articulo cientificos.
Rrss: numero de tweets, de favoritos..
Al propio texto se le acuña metainformación que se puede explotar, y saber que cosas nos
puede decir esa metainformacion más alla del objeto de estudio: fechas y horas (en que
momento del dia interactua).
Revistas cientificas son mas dificiles de afinar porque el tiempo de publicacion es mas
prolongado y rrss es instantaneo. Textos academicos esta más revisado, rrss no..
Publicacion cientifica: ACUÑADO A CONCEPTO DE KEYWORD.
Rrss: se acuñan hashtag (ESO ES KEYWORDS y esto puede describir los contenidos). Un
keyword o hashtag se inventa. Si aparece más de uno se aplican en rrss lo que se puede
aplicar en textos cientificos. Analizar co-existenbcia de hashtags en texto.
Red de interconexiones.
Independientemente de la forma de objeto con la que ttrabajamos, todo sigue en un
mismo patrón. Se darán seguramente las mismas leyes que se dan de manera clásica con
lo cientifico: pocos autores que escriben muchisimo y monton de autores que escriben
poco.
Un monton de textos por pocos usuarios, y pocos textos por muchos usuarios.
Notas en prensa: autores, fechas, textos formados, metadatos que cuantiican que de
bueno ha sido eso. La gente le va enlñazando opiniones. A un texto se le lanzan cosas
informales, pero la idea es la misma. Documento y objeto general que tienen
caracteristicas comunes… periodistas en revistas y periodicos.
Analisis de textos y datosd para reforzar analisis. ESTO SE PARECE A ESTO Y ASI PUEDO
APLICAR LAS TECNICAS.
TRABAJO CON DOCUMENTOS CIENTIFICOS.
Analizar mercado sobre que opina personas sobre herramientas.
SCIMAT: herramienta UGR.
SCIMAT: lenguaje no controlado, entonces tendremos un proceso manual de analisis y de
detección de lenguaje que se debe armonizar para que herramienta pueda digerir.
Scimat: trabajo con keywords está muy conseguido.
Herramienta focalizada a publicaciones científicas en formato y etiqueta en concreto.
Se puede usar con twitter aunque esté destinado a articulos cientificos: las palabras de los
tweets se ve en apartado Keywords.
FECYT: [Link]
EN BASE DE DATOS NO SE RECOGE INTEGRO DE PUBLICACIONES. LO GUARDA EN
INTERNET CADA UNO DE LAS REVISTAS Y DE LOS SERVIDORES DE LAS EDITORIALES
ASOCIADAS A LA REVISTA. SE RECOJEN DATOS BIBLIGORAFICOS DE LAS PUBLICACIONES:
TITULOS, AUTORES, FECVHA DE PUBLUCVACION, PAFGINA, ETC. PERO ESTÁ EL PDF. SIN
EMBARGO NOS DA UN LINK PARA PINCHARM SALTAMOS A LOS SERVIDORES DE LAS
EDITORIALES.
Universidad paga para que los profesores puedan acceder a datos. Nos deja ir a abstract
datos de la revista, etc… a veces no da acceso a citas de articulos, keywords, etc.
Para ir a texto.
*********************************************************************
WEB OF KNOWLEDGE CORE COLLECTION (BUSCAR)
Para buscar entre diferentes colecciones.
AIRLIN*. ESTO AGARRA TODO TIPO DE DERIVACIONES SI HAY UN *. AIRLINE,
AIRLINES, ETC. O PALABRAS SEPARADAS CON UN GUIONCITO, CON INTERROGACIÓN, ETC.
(TOPIC) se recomienda buscar este
PARA BUSCAR KEYWORDS, SE COLOCAS TEMA PORQUE NO ESTÁ OPCION KEYWORDS
ESTO NOS SIRVE PARA
SOLO PODEMOS DESCARGAR HASTA 500. Hay que hacer cortes si hay mas
Sale registro completo y registro completo referenciad ciutadas al ir a la pagina completa.
sele
Seleccionar estas opciones (O GUARDAR SIN FORMATO)
Trabajar siempre con UTF-8 para que se codifique en todos los idiomas posibles
“delimitado por tabulador” sólo se usa para exportar a excel.
“registros del 1 al 500· registros del “501 al 1000” y así ir descargando. PARA NO
GUARDAR ENCIMA A LOS ANTERIORES .
LO QUE SE HACE EN JAVA SIRVE PARA CUALQUIER SISTEMA OPERATIVO.
SCIMAT
ESTO ES DE DOCUMENTOS.
TAMBIEN HAY PARA AUTORES
AUTHORS MANAGER
DONDE DICE DOCUMMENTS, ES LA CANTIDAD DE DOCUMENTOS QUE HA CREADO
KNOWLEDGE BASES: JOURNALS (piublicaciones de revistas)
Resultados se pueden copiar y pegar en un informe.
HAY REVISTAS QUE SÓLO INCORPORAN AÑO Y OTROS QUE INCORPORAN AÑO Y MES
PARA FIJAR PERIODOS EN PERIODS MANAGER
PALABRA FILTRER y abajo donde dice ADD coloar 2000-2008 y así
DESPUÉS EL ADD A LA DERECHA
Despues APARECEN TODOS LOS AÑOS Y MANUALMENTE SE DEBE DE ELEGIR AQUELLOS
AÑOS QUE CORRESPONDAN A LA FECHA QUE HEMOS INDICADO DE FORMA ORIGINAL.
SOFTWARE TEABAJA CON GRUPOS DE AUTORES, DE FECHAS…
PARA DESPUES TRABAJAR. Xs
WORDS: WORD MANAGER
ROLE AUTHOR (
KEYWORDs los pone autor.
ROLE SOURCE (ROL DE FUENTE)
Revista incorpora otros keywords
ROLE ADDED (ROL AÑADIDO)
REFERENCES: CITAS Y CUANTAS VECES SE HAN REALIZADO
SOURCE REFERENCES son los conceptos usados y autores referidos
GROUP SET pasra agrupar parametros o keywords
PICAR EN WORD
Es mejor buscar siempre en singular para que hayan menos bytes.
Menos espacio posible.
Preguntar por el uso de singular y plurales en búsqueda de palabras. Variantes para que
scimat los considere como única.
Find similar words by distance: lebenshtein encuentra palabras iguales pero distintas en
base a guiones o espacios
PARA ANALIZAR KEYWORDS
^A. ^. Indica que se busca con esa palabra en principio.
PRIMERO HAY QUE FORMAR LOS GRUPOS DE KEYWORDS Y VER LOS GRUPOS
SEMÁNTICAMENTE PARECIDOS PARA IGUALARLOS. HAY QUE HACER ESTA LIMPIEZA DE
AJUSTE DE KEYWORDS. PORQUE PLURALES Y SINGULARES LOS PUEDE TOMAR DIFERENTE
O PALABRAS QUE TENGA ERRATAS NO LOS INGRESARÁ BIEN ETC.
SINGULAR PLURALES,
PARA HACER ANALYSYS
Lo de abajo. Esto quiere decir que el minimum network sizee y maximun es la creación de
nodos. Redes entre 3 y 4, 3 y 5, 3 y 7. Etc
Al elegir parametros pequeños hsbrá mád detalles.
Cortes deben de estar entre 3 y 7 y se juega con ello.
Doicument maper: como herramienta asocia cada investigación:
1700
+ DATOS = + PALABRAS.
1500 2000
SABER EL PROCESO.
+ CANTIDAD DE TERMINOS REFINADOS.
REVISIÓN BIBLIOGRAFICA DE CAMPO DE TRABAJO
A PARTIR DE ESE ALGO HACER UNA INTERPRETACIÓN
ENTREGAr evidencias de que se hizo.
WORD O FORMATO LATEX O PDF DONDE COLOCAR “QUIERO MIRAR TAL COSA” QUIERO
ANALIZAR CAMPAÑA ENRRSS” “QUE FECHAS PONGO, PORQUE PONGO ESAS FECHAS, ETC.
“
DESPUES PROCESO DE CREACION… CAPTURAS DE PANTALLA. PARRAFO ENTRE CAPTURA
DE PANTALLA Y DECIR QUE COSAS ME SALE. LO INTERPRETO DE ESTA MANERA PORQUE
VEO TAL COSA.
AREA SE VERBALIZA .. HICE ESTA ESTRATEGIA. QUE ANALICE CON WEB OF SICENCE.
CAPTURA DE PANTALLA Y TATATA.. DESPUES ME SALE ESTO..
DOCUMENTO DE 10 PAGINAS MAS MENOS. EXPLICACIONES, BIEN MONTADO. NO
IMPORTA QUE SALGAN MALOS RESULTADOS, IMPORTA EL PROCESO
