Català

Potser Nadal és que tothom es digui
a si mateix i en veu molt baixa el nom
de cada cosa, mastegant els mots
amb molta cura, per tal de percebre’n
tot el sabor, tota la consistència.

Potser és reposar els ulls en els objectes
quotidians, per descobrir amb sorpresa
que ni sabem com són de tant mirar-los.

Potser és un sentiment, una tendresa
que s’empara de tot; potser un somriure
inesperat en una cantonada.

I potser és tot això i, a més, la força
per reprendre el camí de cada dia
quan el misteri s’ha esvanit, i tot
torna a ser trist, i llunyà, i difícil.

Español

Tal vez Navidad es que todo el mundo se diga
a si mismo y en voz muy baja el nombre
de cada cosa, masticando las palabras
con mucho cuidado, para poder percibir
todo el sabor, toda su consistencia.

Tal vez es fijar la mirada en los objetos
cotidianos, para descubrir con sorpresa
que ni sabemos como son de tanto mirarlos.

Tal vez es un sentimiento, una ternura
que se ampara de todo, quizás una sonrisa
inesperada en una esquina.

Y tal vez es todo esto y, además la fortaleza
para retomar el camino de cada día
cuando el misterio se ha desvanecido, y todo
vuelve a ser triste, y lejano, y difícil.

UNO. La primera vez que vi Pickpocket de Robert Bresson fue en casa de Pancho López, yo estaría en 3er semestre de la carrera de física y un cuate que conocí en el Cineclub Ciencias, Roman André (cineasta francés viviendo temporalmente en el departamento de Pancho), se organizaba cada viernes La Tarde De Películas. Ese viernes, Roman llegó tarde: le habían volado su cartera en el metro y él ni en cuenta. Así, como homenaje a ese carterista que se clavó $200.00 y un par de credenciales fue que decidimos ver la peli de Bresson.

DOS. La primera vez que me robaron (sin darme cuenta) fue en el pasado Vive Latino 2018. Morrissey estaba cantando “There Is A Light That Never Goes Out” cuando al querer revisar la hora ¡ya no traía celular!

TRES. No se tiene el número exacto de celulares que se roban en conciertos masivos, para dar con un número cercano, hice lo siguiente:

Utilicé TensorFlow para identificar la hora y el lugar de los robos de celulares en el Foro Sol durante el Vive Latino 2018.

Con el oficio No. SJPCIDH /UT/4061/18–04 como respuesta a la solicitud 0113000139818 mediante el portal de transparencia de la Procuraduría General de Justicia del Distrito Federal, obtuve el data set para entrenar el algoritmo de machine learning.

Se puede observar el movimiento de los celulares una vez robados:

Science rocks!

Al analizar 19,938 tweets en total (ver Método), se obtuvieron los siguientes resultados:

¿En dónde estudian/estudiaron?

¿En qué área estudian/estudiaron?

¿Qué cuentas de medios siguen?

• El 43% sigue a @RevistaProceso y @SinEmbargoMX
• El 26% sigue a @BuzzFeedMexico
• El 18% sigue a @lajornadaonline
• El 13% sigue a @VICEnewsEs y a Open Culture

(¿Más detalles, segmentaciones o clústers?, escríbeme)

Método

1. Recolección de tweets.

Un script de Python utilizando Twitter API entregó 194,362 tweets con el hashtag #UniversitariosConAMLO a las 23:36 hrs. del 17/Abril/2018.

He colgado el script en un repositorio de Github. Los resultados obtenidos se han guardado en un archivo CSV.

2. Limpieza de bots potenciales

Lo primero fue limpiar la muestra de los bots potenciales. El algoritmo discrimina, entre otras variables, los usuarios con ɣ < 0 (con un peso negativo de followers/following), los usuarios con β < 0 (una interacción negativa en relación RT/tweets), los usuarios con φ < 0 (un peso negativo en la cantidad de RT’s en todo el timeline)…(¿Más información sobre éste algoritmo?, escríbeme) Un ejemplo de bot potecial para el algoritmo es el usuario:

Cristobal on Twitter

UniversitariosConAMLO soy estudiante de la Facultad de Contaduria y Administración de la UNAM. Con información y sin miedo mi voto y el mi familia es para AMLO.

Después de ésta limpieza, se discriminaron 9,527 tweets que representan el 4.9 % del total.

3. Limpieza

Se discriminaron todos los RT o los tweets que sólo hicieran mención al movimiento digital. Un ejemplo:

Pedro Miguel on Twitter

Me encantó la carita de @JorgeGCastaneda, obligado a decir cualquier tontera en medio del diluvio #UniversitariosConAMLO.

Después de ésta limpieza, se discriminaron 164,897 tweets, de los cuales 95,831 fueron RT y 69,066 fueron comentarios.

4. Análisis

Después de la limpieza, quedaron 19,938 tweets para analizar. Se identificó:

a) Nombre de usuario

b) Escuela/universidad de procedencia

c) Geolocalización

d) Rama/carrera de estudio.

e) Área de estudio (1,2,3 o 4)

f) Cuentas de twitter que sigue

Un político en campaña evoluciona cuando conoce en verdad las herramientas que utiliza… pero, ¿cuáles son dichas herramientas? : LAS PALABRAS.

¿Qué tan similares fueron los discursos de inicio de campaña de nuestros candidatos? ¿Qué tan diferentes fueron? ¿Qué palabras utilizaron? ¿Tuvieron palabras en común? ¿Alguien NO mencionó la “inseguridad” o el famoso “muro”, por ejemplo? ¿Quién SÍ mencionó a los “jóvenes” o a la “cultura” ?

Para responder las preguntas hice un análisis de sus discursos utilizando un algoritmo Tf-idf (Term frequency — Inverse document frequency). Los resultados:

¿Quién mencionó a los jóvenes?

¿Quién mencionó a la cultura?

¿Quién mencionó a la corrupción?

En resumen:

Para explorar todas la palabras hice un interactivo en p5.js. En la pestaña “anaya vs. meade vs. obrador vs. zavala” puedes ver las palabras más significativas en el discurso de cada candidato, o sea: las palabras que mencionó cada candidato pero con la condición de que ninguno de los otros también las haya usado.

En la pestaña “anaya + meade + obrador + zavala” puedes ver las palabras que todos usaron:

Acá puedes jugar con el interactivo:

https://santuario.github.io/ELECCIONES_Discursos/

Si te interesa leer los discuros completos, puedes hacerlo acá:

Ricardo Anaya

José Antonio Meade

Andrés Manuel López Obrador

Margarita Zavala

I’ve noted previously that Ray Bradbury wrote very few Christmas-themed stories, but one of his best is “The Gift”. It was first published in Esquire magazine in 1952. The artwork above is by Ren Wickes, and in the child’s face beautifully captures the good old “sense of wonder” people used to talk about in science fiction stories.

Tomorrow would be Christmas, and even while the three of them rode to the rocket port the mother and father were worried. It was the boy’s first flight into space, his very first time in a rocket, and they wanted everything to be perfect. So when, at the customs table, they were forced to leave behind his gift, which exceeded the weight limit by no more than a few ounces, and the little tree with the lovely white candles, they felt themselves deprived of the season and their love.

The boy was waiting for them in the terminal room. Walking toward him, after their unsuccessful clash with the Inter-planetary officials, the mother and father whispered to each other.

“What shall we do?”

“Nothing, nothing. What can we do?”

“Silly rules!”

“And he so wanted the tree!”

The siren gave a great howl and people pressed forward into the Mars Rocket. The mother and father walked at the very last, their small pale son between them, silent.

“I’ll think of something,” said the father.

“What…?” asked the boy.

And the rocket took off and they were flung headlong into dark space.

The rocket moved and left fire behind and left Earth behind on which the date was December 24, 2052, heading out into a place where there was no time at all, no month, no year, no hour. They slept away the rest of the first “day.” Near midnight, by their Earth-time New York watches, the boy awoke and said, “I want to go look out the porthole.”

There was only one port, a “window” of immensely thick glass of some size, up on the next deck.

“Not quite yet,” said the father. “I’ll take you up later.”

“I want to see where we are and where we’re going.”

“I want you to wait for a reason,” said the father.

He had been lying awake, turning this way and that, thinking of the abandoned gift, the problem of the season, the lost tree and the white candles. And at last, sitting up, no more than five minutes ago, he believed he had found a plan. He need only carry it out and the journey would be fine and joyous indeed.

“Son,” he said, “in exactly one half-hour it will be Christmas.”

“Oh,” said the mother, dismayed that he had mentioned it. Somehow she had rather hoped that the boy would forget.

The boy’s face grew feverish and his lips trembled. “I know, I know. Will I get a present, will I? Will I have a tree? Will I have a tree? You promised — “

“Yes, yes, all that, and more.” said the father.

The mother started. “But — “

“I mean it,” said the father. “I really mean it. All and more, much more. Excuse me, now. I’ll be back.”

He left them for about twenty minutes. When he came back, he was smiling. “Almost time.”

“Can I hold your watch?” asked the boy, and the watch was handed over and he held it ticking in his fingers as the rest of the hour drifted by in fire and silence and unfelt motion.

“It’s Christmas now! Christmas! Where’s my present?”

“Here we go,” said the father and took his boy by the shoulder and led him from the room, down the hall, up a rampway, his wife following.

“I don’t understand,” she kept saying.

“You will. Here we are,” said the father.

They had stopped at the closed door of a large cabin. The father tapped three times and then twice in a code. The door opened and the light in the cabin went out and there was a whisper of voices.

“Go on in, son,” said the father.

“It’s dark.”

“I’ll hold your hand. Come on, Mama.”

They stepped into the room and the door shut, and the room was very dark indeed. And before them loomed a great glass eye, the porthole, a window four feet high and six feet wide, from which they could look out into space.

The boy gasped.

Behind him, the father and the mother gasped with him, and then in the dark room some people began to sing.

“Merry Christmas, son,” said the father.

And the voices in the room sang the old, the familiar carols, and the boy moved slowly until his face was pressed against the cool glass of the port. And he stood there for a long, long time, just looking and looking out into space and the deep night at the burning and the burning of ten billion, billion white and lovely candles….

Una selección de los cuatro tonos más representativos para cada partido nos genera la siguiente imagen:

Al encontrar la media de tonos podemos observar:

Piel más blanca = PVEM

Piel más oscura = PRD

Los tonos de los 500 diputados de la LXIII Legislatura se pueden encontrar en las siguientes tablas divididas en partidos:

El proceso para obtener el Pantone® de cada diputado fue el siguiente:

1. Datos y Fotografía.

La página de la LXIII Legislatura nos proporciona los datos de los 500 diputados de manera abierta en la página:

http://sitl.diputados.gob.mx/LXIII_leg/info_diputados.php

Seguiremos el caso del análisis de Dip. Yahleel Abdala Carmona cuyos datos se encuentran en:

Curricula LXIII

Al ver el código fuente de la página podemos descargar su foto en una resolución de 400 x 600 px:

La foto obtenida:

2. Base de datos fotográfica.

El tono de piel obtenido fue un promedio de los valores de las fotos encontradas en una búsqueda de Google Images.

Con la foto obtenida de la página diputados.gob.mx, se alimentó un algoritmo Face Recognition para busquedas en Google Images y así reconocer a la Dip. Yahleel Abdala Carmona en la búsqueda:

Para casos positivos, el algoritmo descargó la imágen y la indexó para el análisis:

3. Obtención del tono de piel.

Un algoritmo de Skin Detection identificó las zonas de piel:

Y al tomar el promedio de cada imagen, se obtuvo el siguiente valor: