ACEP es un paquete de funciones en lenguaje R útiles para la detección y el análisis de eventos de protesta en corpus de textos periodísticos. Sus funciones son aplicables a cualquier corpus de textos. Ademas de las funciones, ACEP contiene también bases de datos con colecciones de notas sobre protestas y una colección de diccionarios de palabras conflictivas y otros tópicos referidos a diferentes aspectos del análisis de eventos de protesta.
Puedes instalar la versión estable de ACEP desde CRAN con:
install.packages("ACEP")Puedes instalar la versión de desarrollo de ACEP desde GitHub con:
# install.packages("devtools")
devtools::install_github("agusnieto77/ACEP")| Nombre | Ciclo | Descripción |
|---|---|---|
acep_clean() |
 |
Limpieza de texto. |
acep_cleaning() |
 |
Limpieza de texto. |
acep_context() |
|
Función para extraer contexto de palabras o frases. |
acep_count() |
 |
Frecuencia de menciones de palabras. |
acep_db() |
|
Frecuencia, menciones e intensidad. |
acep_detect() |
|
Detección de menciones de palabras. |
acep_extract() |
|
Extraer palabras de un texto. |
acep_frec() |
|
Frecuencia de palabras totales. |
acep_gpt() |
|
Función para interactuar con los modelos de OpenAI. |
acep_int() |
|
Índice de intensidad. |
acep_load_base() |
|
Carga bases de datos creadas por el Observatorio. |
acep_may() |
|
Convierte el texto mayúsculas |
acep_men() |
|
Frecuencia de menciones de palabras. |
acep_min() |
|
Convierte el texto minúsculas. |
acep_plot_rst() |
|
Resumen visual de la serie temporal de los índices de conflictividad. |
acep_plot_st() |
|
Gráfico de barras de la serie temporal de índices de conflictividad. |
acep_postag() |
|
Función para etiquetado POS, lematización, tokenización, extracción de entidades. |
acep_rst() |
|
Serie temporal de índices de conflictividad. |
acep_sst() |
|
Serie temporal de índices de conflictividad. |
acep_svo() |
|
Función para extraer tripletes SVO (Sujeto-Verbo-Objeto). |
acep_token() |
|
Función para tokenizar. |
acep_token_plot() |
|
Gráfico de barras de palabras más recurrentes en un corpus. |
acep_token_table() |
|
Tabla de frecuencia de palabras tokenizadas. |
acep_upos() |
|
Función para etiquetado POS, lematización, tokenización. |
| Nombre | Descripción |
|---|---|
acep_bases |
Colección de notas. |
acep_diccionarios |
Colección de diccionarios. |
acep_prompt_gpt |
Colección de instrucciones. |
acep_rs |
Cadenas de caracteres para limpiar y normalizar textos. |
ACLED: Armed Conflict Location & Event Data Project.
GDELT: The GDELT Project About.
GPT: Global Protest Tracker.
MMPD: Mass Mobilization Protest Data Project.
NAVCO: Nonviolent and Violent Campaigns and Outcomes data project.
NVCO: Global Nonviolent Action Database.
SCAD: Social Conflict Analysis Database.
SPEED: The Social, Political and Economic Event Database Project.
UCDP: Uppsala Conflict Data Program.
FMI: FMI Data.
BM: Datos de libre acceso del Banco Mundial.
OIT: Estadísticas y bases de datos.
CEPAL: Datos y estadísticas.
DARG: Datos abiertos de Argentina.
MGP: Datos abiertos del Municipio de Gral. Pueyrredon, Buenos Aires, Argentina.
# Cargamos la librería
require(ACEP)
# Cargamos la base de notas de la Revista Puerto con la función acep_load_base()
rev_puerto <- acep_load_base(acep_bases$rp_mdp)
# Cargamos el diccionario de conflictos de SISMOS
dicc_confl_sismos <- acep_diccionarios$dicc_confl_sismos
# Con la función acep_frec() contamos la frecuencia de palabras de cada nota
# y creamos una nueva columna llamada n_palabras
rev_puerto$n_palabras <- acep_frec(rev_puerto$nota)
# Imprimimos en pantalla la base con la nueva columna de frecuencia de palabras
head(rev_puerto)#> # A tibble: 6 × 7
#> fecha titulo bajada nota imagen link n_palabras
#> <date> <chr> <chr> <chr> <chr> <chr> <int>
#> 1 2020-12-29 ¡Feliz Año 2021 para todos nu… Con m… "Con… https… http… 28
#> 2 2020-12-28 Mapa del trabajo esclavo en a… Un re… "El … https… http… 1142
#> 3 2020-12-24 Plantas piden tener garantiza… En Ch… "El … https… http… 536
#> 4 2020-12-24 Los obreros navales despiden … En Ma… "El … https… http… 489
#> 5 2020-12-23 El incumplimiento del régimen… Se ll… "Las… https… http… 529
#> 6 2020-12-23 Otro fallo ratifica cautelar … La Cá… "La … https… http… 467
# Ahora con la función acep_count() contamos la frecuencia de menciones de
# términos del diccionario de conflictividad de SISMOS de cada nota y
# creamos una nueva columna llamada conflictos.
# Elaboramos un corpus acotado para el ejemplo
rev_puerto <- rev_puerto[1:100, ]
rev_puerto$conflictos <- acep_count(rev_puerto$nota, dicc_confl_sismos)
# Imprimimos en pantalla la base con la nueva columna de
# menciones del diccionario de conflictividad
head(rev_puerto)#> # A tibble: 6 × 8
#> fecha titulo bajada nota imagen link n_palabras conflictos
#> <date> <chr> <chr> <chr> <chr> <chr> <int> <int>
#> 1 2020-12-29 ¡Feliz Año 2021 pa… Con m… "Con… https… http… 28 0
#> 2 2020-12-28 Mapa del trabajo e… Un re… "El … https… http… 1142 0
#> 3 2020-12-24 Plantas piden tene… En Ch… "El … https… http… 536 0
#> 4 2020-12-24 Los obreros navale… En Ma… "El … https… http… 489 0
#> 5 2020-12-23 El incumplimiento … Se ll… "Las… https… http… 529 0
#> 6 2020-12-23 Otro fallo ratific… La Cá… "La … https… http… 467 0
# Ahora con la función acep_int() calculamos un índice de intensidad de
# la conflictividad y creamos una nueva columna llamada intensidad
rev_puerto$intensidad <- acep_int(
rev_puerto$conflictos,
rev_puerto$n_palabras,
3)
# Imprimimos en pantalla la base con la nueva columna de intensidad
head(rev_puerto)#> # A tibble: 6 × 9
#> fecha titulo bajada nota imagen link n_palabras conflictos intensidad
#> <date> <chr> <chr> <chr> <chr> <chr> <int> <int> <dbl>
#> 1 2020-12-29 ¡Feliz … Con m… "Con… https… http… 28 0 0
#> 2 2020-12-28 Mapa de… Un re… "El … https… http… 1142 0 0
#> 3 2020-12-24 Plantas… En Ch… "El … https… http… 536 0 0
#> 4 2020-12-24 Los obr… En Ma… "El … https… http… 489 0 0
#> 5 2020-12-23 El incu… Se ll… "Las… https… http… 529 0 0
#> 6 2020-12-23 Otro fa… La Cá… "La … https… http… 467 0 0
# Volvemos a cargar la base de notas de la Revista Puerto sin procesar
rev_puerto <- acep_load_base(acep_bases$rp_mdp)
# Creamos un subset
subset_rp <- rev_puerto[1:100, ]
# Cargamos el diccionario de conflictos de SISMOS
dicc_confl_sismos <- acep_diccionarios$dicc_confl_sismos
# Ahora con la función acep_db() aplicamos las tres funciones en un solo paso
rp_procesada <- acep_db(subset_rp, subset_rp$nota, dicc_confl_sismos, 3)
# Imprimimos en pantalla la base con las tres columna creadas
head(rp_procesada)#> # A tibble: 6 × 9
#> fecha titulo bajada nota imagen link n_palabras conflictos intensidad
#> <date> <chr> <chr> <chr> <chr> <chr> <int> <dbl> <dbl>
#> 1 2020-12-29 ¡Feliz … Con m… "Con… https… http… 28 0 0
#> 2 2020-12-28 Mapa de… Un re… "El … https… http… 1142 0 0
#> 3 2020-12-24 Plantas… En Ch… "El … https… http… 536 0 0
#> 4 2020-12-24 Los obr… En Ma… "El … https… http… 489 0 0
#> 5 2020-12-23 El incu… Se ll… "Las… https… http… 529 0 0
#> 6 2020-12-23 Otro fa… La Cá… "La … https… http… 467 0 0
# Cargamos los datos procesados
rp_procesada <- acep_bases$rp_procesada
# Ahora con la función acep_sst() elaboramos un resumen estadístico
rp_procesada <- acep_sst(rp_procesada, st = "anio", u = 4)
# Imprimimos en pantalla la base con las métricas de conflictividad
head(rp_procesada)#> st frecn csn frecp frecm intac intensidad int_notas_confl
#> 1 2009 632 58 496110 1025 1.2735 0.0021 0.0918
#> 2 2010 680 67 492231 1129 1.6273 0.0023 0.0985
#> 3 2011 601 40 425747 882 1.2204 0.0021 0.0666
#> 4 2012 739 67 564270 1242 1.6841 0.0022 0.0907
#> 5 2013 689 24 525718 758 1.0559 0.0014 0.0348
#> 6 2014 631 30 444823 802 1.2112 0.0018 0.0475
# Ahora con la función acep_plot_st() elaboramos un gráfico de barras
# con menciones del diccionario de conflictividad
acep_plot_st(rp_procesada$st, rp_procesada$frecm,
t = "Evolucion de la conflictividad en el sector pesquero argentino",
ejex = "A\u00f1os analizados",
ejey = "Menciones del diccionario de conflictos",
etiquetax = "horizontal")
# Ahora con la función acep_plot_rst() elaboramos una visualización resumen.
# con cuatro gráficos de barras
acep_plot_rst(rp_procesada, tagx = "vertical")