En los cuartos de guerra de los candidatos presidenciales hay un informe que se ha vuelto indispensable para tomar decisiones: el análisis de sentimiento de los usuarios de redes sociales acerca de los políticos.

Previamente, poderosas computadoras analizaron miles de mensajes de Twitter (la empresa Ondore puede leer hasta 200 mil en una hora), los clasificaron en positivos, negativos, neutrales y desecharon otros que carecen de sentido para obtener un termómetro del sentir en esa red social.

Las variables opiniones de los tuiteros suelen ser distintas a las clásicas encuestas. Por no poder citar sus libros predilectos en la Feria del Libro de Guadalajara o eludir un debate en radio, Enrique Peña Nieto se fue al piso, y Josefina Vázquez Mota lo mismo con el estadio vacío o por decir que no era perfecta por haber estudiado economía en la Universidad Iberoamericana.

Hasta ahora Andrés Manuel López Obrador ha salido mejor librado, comenta Eric de la Torre, experto de la empresa Reputation Level. Esto se confirma en el estudio de monitoreo electoral del 22 al 28 de abril elaborado por el matemático Ricardo Mansilla, donde el perredista tiene 36.57 por ciento, Peña 33.95 y Vázquez Mota 29.47 por ciento.

Todo depende de los errores o aciertos cometidos por los aspirantes y del caprichoso estado de ánimo de los usuarios de 10.7 millones de cuentas de Twitter en México, cuantificadas este año por la empresa Mente Digital.

Los mensajes públicos que envían los tuiteros son ya una rica fuente de estudio para estrategas de mercado o de las redes sociales de los políticos.

De hecho, Peña Nieto, Vázquez Mota y López Obrador tienen en sus cuartos de guerra expertos que presentan informes cotidianos de medios sociales.

Análisis de sentimiento se llama este nuevo campo que estudia las opiniones de los usuarios de Twitter por medio de computadoras y algoritmos matemáticos. Para ello, empresas –sobre todo de Estados Unidos, Canadá e Israel y algunas nacionales– se valen de la minería de datos que investigan las preferencias reveladas por los usuarios en esa red social.

Hace cuatro años comenzó esta corriente en Estados Unidos, explica Fernando Luege, creador de la empresa Ondore, la primera que hizo estos análisis en México.

Los padres de este campo son los estudios semánticos y sintácticos de textos en lenguaje natural hechos desde hace más de dos décadas por computadora para estudiar novelas o películas o decodificar mensajes de espías.

Nuestro sistema está basado en inteligencia artificial y nos permite hacer análisis profundos de las conversaciones y de los protagonistas que a su vez son clasificados por sus niveles de interactividad y de alcance en las redes, agrega Luege.

¿Y qué miden?: el número de menciones sobre una persona o tema; clasifican si éstas son positivas, negativas o neutrales; identifican los usuarios y determinan quiénes son los líderes de la discusión en función del número de cuentas que los siguen, los tuits enviados y su credibilidad en ciertos temas.

Antes de hacer estos análisis un equipo de lingüistas de Ondore entrena al sistema durante meses, es decir, le enseña a clasificar los comentarios en positivos, negativos o neutrales y en ese proceso alimenta la base de datos con palabras clave.

Este sistema no es infalible, sobre todo cuando clasifica los comentarios sarcásticos, muy comunes en México. De la Torre explica que para eso un humano tiene que leer los mensajes y educar paulatinamente a la computadora para que pueda identificar esos giros verbales.