Studenci z Koła Naukowego Statystyki Matematycznej Gauss pracują nad aplikacją, która przeanalizuje emocjonalne zabarwienie wiadomości pojawiających się w serwisie Twitter. Program będzie można wykorzystać m.in. w realizacji kampanii reklamowych i badaniach rynku

– Dane, z którymi zazwyczaj spotykają się analitycy, mogą być ustrukturyzowane, ale jest też cała masa danych nieustrukturyzowanych jak choćby zwykła rozmowa – opowiada Marcin Koralewski z KN Gauss. – Słowa niosą jednak ze sobą olbrzymią wiedzę. Dlatego wewnątrz naszego koła pojawił się pomysł, żebyśmy nauczyli się je analizować i jednocześnie stworzyli coś ciekawego.

Analizy językowe tworzy się zazwyczaj na podstawie dłuższych tekstów np. artykułów, książek lub czasopism, ale projekt realizowany przez studentów polega na analizie zabarwienia emocjonalnego słów używanych w komunikatach wysyłanych przez użytkowników serwisu Twitter.

– Tweety są trudne do zbadania, bo bardzo często nie mają tradycyjnej formy wypowiedzi. Oprócz pojawiających się w nich różnego rodzaju błędów językowych, składają się np. tylko z jednego słowa, jednego hashtaga albo kilku słów i kilku hashtagów. Przeprowadzone przez nas wstępne próby analizy wykazały jednak, że nawet z takich przekazów można wyciągnąć bardzo dużo informacji – podkreśla Koralewski.

Przeanalizować tweeta

Efektem projektu ma być aplikacja do analizy tweetów. Mogłaby być wykorzystywana np. przez polityków w trakcie kampanii wyborczej. Po wybraniu interesującego nas hashtaga np. #Trump, możemy sprawdzić lokalizacje, z których nadawane są poszczególne wiadomości. Wyświetla nam się też mapa całego kraju z zabarwieniem emocjonalnym, które niosą tweety. W tym momencie wiemy, w których regionach dany polityk cieszy się największą sympatią, a dzięki odpowiedniej analizie tweetów będziemy także wiedzieli, dlaczego tak się dzieje.

– W kampaniach wyborczych tego typu badania są przygotowywane przez sztaby wyborcze – podkreśla Koralewski. – Są one realizowane na dużą skalę, kosztowne, czasochłonne i najczęściej wymagają zatrudnienia ankieterów. Przy strumieniu danych, który przepływa przez media społecznościowe, wykorzystanie takiej metody będzie tańsze i dużo szybsze. Można ją także zastosować w przypadku kampanii reklamowych.

Obecnie studenci są na etapie opracowania odpowiedniej metody badawczej, która pozwoli im na analizę nie tylko komunikatów, lecz także samych użytkowników, ich miejsca pobytu czy nawet narodowości. Starają się także wyznaczyć odpowiednią próbę reprezentatywną, na której będzie można wykonać badanie.

W projekcie realizowanych jest wiele różnych tematów, ale wszystkie opierają się na analizie słów i nie niesionych przez emocjach. Studenci będą więc badać zabarwienie emocjonalne poszczególnych komunikatów, a w efekcie np. poziom zadowolenia z życia Polaków mieszkających w kraju i przebywających na emigracji. W jednym z zadań spróbują także odpowiedzieć na pytanie, w których europejskich krajach ludzie są bardziej szczęśliwi.

– W jednym z badań chcielibyśmy przyjrzeć się politykom i emocjom, które niosą ich tweety oraz zmianom, jakim podlegają np. w trakcie wyborów. Jak zachowuje się wygrywający polityk, a jak ten, który przegrał? Czy w ich komunikatach pojawia się radość, rozczarowanie, zniechęcenie? Do pełnej analizy potrzebna jest także pełna historia tweetów danej osoby – mówi Koralewski.

Najpierw Twitter, później Facebook

Jeśli chodzi o stosowane przez studentów narzędzia, to korzystają oni z gotowych słowników stworzonych przez socjologów, które pomagają ocenić, czy dane słowo odzwierciedla radość, szczęście czy smutek. Trzeba bowiem pamiętać, że np. słowo „sesja” ma kilka zabarwień, które zmieniają się w zależności od użytego kontekstu — inaczej myślimy o sesji przed egzaminami, a inaczej po ich zaliczeniu.

– Korzystamy także z języka Python i jego gotowych bibliotek. Stworzyliśmy również dodatkowe funkcje, które pomagają nam w ściąganiu tweetów o określonym hashtaga lub o określonej zawartości danego hashtaga – tłumaczy Paulina Krzysztoporska. – Możemy sobie założyć, że hashtag składa się z kilku słów, a my wybieramy element, który nas najbardziej interesuje. Mamy także możliwość szukania tweetów po danym użytkowniku, dzięki czemu możemy się skupić np. na konkretnym polityku.

Pierwsza część projektu — dotycząca analizy tweetów — rozpoczęła się przed dwoma miesiącami i ma się zakończyć w czerwcu. Kolejny etap zakłada realizację podobnych badań, ale w oparciu o informacje pojawiające się na Facebooku. Efektem tego ma być aplikacja, która powie m.in. z którymi znajomymi urwał nam się kontakt i która znajomość może być zagrożona, bo rzadko kontaktujemy się z daną osobą.

– Długi czas realizacji całego projektu wynika m.in. z faktu, że nie korzystamy z gotowych mechanizmów, tylko sami tworzymy większość rzeczy od podstaw. Opracowanie końcowych aplikacji wiąże się z przeszkoleniem naszych członków np. z korzystania z serwera czy nadania im odpowiednich uprawnień. Przez pierwsze dwa miesiące sprawdzaliśmy problemy, z którymi będziemy musieli się zmierzyć i na ile nasze pomysły są realne. Myślę, że rozwijamy się w dobrym kierunku i niedługo będziemy mogli pokazać pierwsze efekty – dodaje Krzysztoporska. 

Studenci podkreślają, że zainteresowanie analizą tekstu wśród naukowców systematycznie rośnie, a jest to związane m.in. ze wzrostem znaczenia tego typu badań dla wielu gałęzi gospodarki i sfery polityczno-społecznej. – Warto pamiętać, że ludzie mają dużo mniejszy problem z mówieniem tego, co myślą i okazywaniem swoich prawdziwych emocji właśnie w serwisach społecznościowych.Badanie emocji może więc mieć w tym wypadku ogromne znaczenie – zaznaczył Koralewski.

Badania, szkolenia i kursy

Koło Naukowe Statystyki Matematycznej Gauss działające na Wydziale Matematyki PWr powstało w 2010 r. Zajmuje się rozwijaniem zainteresowań statystyką wśród studentów. Członkowie koła organizują wykłady i warsztaty poświęcone m.in. zastosowaniom statystyki, a także zajęcia rozszerzające kwalifikacje studentów na rynku pracy. Wśród inicjatyw koła są m.in. cykliczne „Spotkania ze statystyką praktyczną” oraz kurs „Bazy danych dla analityków”.

– Staramy się być aktywni, a przygotowując kursy, spotkania czy realizując różnego rodzaju projekty, chcemy zerwać ze stereotypem matematyka, który tylko siedzi za biurkiem i liczy całki – podkreśla Katarzyna Myga.

W konkursie StRuNa 2016, dla najlepszych kół naukowych i innych organizacji studenckich organizowanego przez Fundację "Fundusz Pomocy Studentom", KN Gauss zakwalifikowało się do tzw. „Złotej pięćdziesiątki”. Nasi studenci walczyli o zwycięstwo w dwóch kategoriach – Koło Naukowe Roku 2016 oraz Projekt Roku 2016, do którego zgłoszony został zeszłoroczny projekt analizy danych wrocławskich rowerów miejskich NextBike. Studenci badali wówczas m.in. schematy rozmieszczenia stacji, odległości między nimi, ich opłacalność, czyli częstotliwość wypożyczania rowerów czy najpopularniejsze trasy wybierane przez użytkowników. Efektem prac było powstanie raportu przesłanego do firmy NextBike.

Michał Ciepielski