<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Jorge Saldivar on Medium]]></title>
        <description><![CDATA[Stories by Jorge Saldivar on Medium]]></description>
        <link>https://medium.com/@jorgesaldivar?source=rss-990b867f0754------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*Kyi9YIqzRXcIR7gK3qkAcw.png</url>
            <title>Stories by Jorge Saldivar on Medium</title>
            <link>https://medium.com/@jorgesaldivar?source=rss-990b867f0754------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Fri, 20 Nov 2026 04:18:47 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@jorgesaldivar/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[How well do today’s AI models handle Guarani?]]></title>
            <link>https://jorgesaldivar.medium.com/how-well-do-todays-ai-models-handle-guarani-169b575a48a3?source=rss-990b867f0754------2</link>
            <guid isPermaLink="false">https://medium.com/p/169b575a48a3</guid>
            <category><![CDATA[low-resource-language]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[guarani]]></category>
            <category><![CDATA[llm]]></category>
            <dc:creator><![CDATA[Jorge Saldivar]]></dc:creator>
            <pubDate>Tue, 05 May 2026 21:25:56 GMT</pubDate>
            <atom:updated>2026-05-12T20:05:55.217Z</atom:updated>
            <content:encoded><![CDATA[<h3>How well do today’s AI models handle Guarani? A comparative evaluation of LLMs for the second-most-spoken native language in America</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*tYRIO2HM3YVk1gxufW0Hhw.png" /><figcaption>AI-generated image (ChatGPT) of two people using a chatbot on a tablet</figcaption></figure><p><em>This article presents a </em><strong><em>study evaluating 14 state-of-the-art generative AI models on Guarani</em></strong><em> translation tasks. The </em><strong><em>results reveal a clear trade-off between translation fidelity and linguistic validity</em></strong><em>: some models achieve strong benchmark scores while failing to consistently generate valid Guarani, whereas models fine-tuned on Guarani data substantially improve validity at the cost of multilingual robustness. Among the evaluated systems, </em><strong><em>Gemma-based open-weight models emerge as the strongest performers</em></strong><em>, making them promising candidates for future adaptation and specialization in Guarani.</em></p><p>Guarani is an ancestral language spoken by about 6.5 million people, including 70% of Paraguay’s population¹ and over half of its indigenous communities², as well as parts of neighboring countries. It is an official language of Paraguay and the second most widely spoken indigenous language in the Americas³.</p><p>Despite its widespread use, Guarani remains a low-resource language with a limited digital presence. This article reports on a series of experiments to assess the proficiency of state-of-the-art Large Language Models (LLMs) in handling Guarani, including both commercial and open-weight models. The ultimately goal is to find promising model candidates for future fine-tuning tasks with Guarani data.</p><p>This study is part of the <a href="https://www.ciditpy.org/proyectos/guarania/">GuaranIA project</a>, an <a href="https://www.iadb.org/en">IDB</a>-funded initiative to increase Guarani&#39;s presence on digital platforms, enabling native speakers to communicate in their language while preserving the cultural heritage of this underserved language.</p><h4>Experimental setup</h4><p>The study examines the ability of several state-of-the-art open-weight base and commercial LLMs to communicate in Guarani. These LLMs include variants of <em>Google Gemma</em> 2, 3, and 4; <em>Meta Llama;</em> <em>Grok;</em> <em>OpenAI GPT;</em> <em>Nvidia Minitron;</em> <em>Mistral;</em> <em>Qwen;</em> and a custom model based on Gemma 2 and fine-tuned with Guarani content, called <em>Gemma-2–9B-IT-SimPO-Jopara</em>.</p><h4>RTT Framework</h4><p>In the experiments, I adopt a <strong>round-trip translation (RTT)</strong> strategy⁴. In this setup, sentences in a pivot language — Spanish in our case — are first translated into Guarani, and then translated back into Spanish. Model performance is assessed by comparing the original Spanish sentences with their back-translated versions, providing a measure of how well meaning is preserved through the translation cycle.</p><h4>Dataset</h4><p>The evaluation is conducted on a <strong>dataset of 1,250 synthetically generated Spanish sentences</strong> spanning 25 diverse domains, including Arts, Literature, Business, and Technology, with a length range of 15 to 32 words. The sentences were generated using <em>Azure OpenAI GPT-4.1</em>, ensuring broad topical coverage and controlled variability across domains.</p><h4>Evaluation Metrics</h4><p>To assess translation quality, I rely on widely used evaluation metrics, including <strong>SacreBLEU⁵ </strong>and <strong>chrF++⁶</strong>. SacreBLEU is a standardized implementation of the BLEU score that measures n-gram overlap between the generated text and a reference translation. In contrast, chrF++ operates at the character level, capturing precision and recall for character n-grams, making it particularly well-suited for morphologically rich and low-resource languages where exact word matching may be overly strict, as in our study.</p><p>In addition, I incorporate <strong>RTTScore</strong>, a metric proposed by Zamir et al.⁷, to enable domain-conditioned evaluation and provide a more nuanced understanding of model performance across different contexts. RTTScore builds on the round-trip translation framework by comparing the original source sentence with its back-translation after passing through a target language. This fidelity is computed using metrics such as SacreBLEU or chrF++, averaging results across domains to quantify how well models preserve meaning throughout the round-trip translation cycle.</p><h4>Results</h4><p>Before evaluating translation performance, I first checked whether the models were actually generating valid Guarani. Beyond achieving strong round-trip translation (RTT) scores, an important question is whether these systems are actually capable of producing linguistically valid Guarani text.</p><p>To do this, I used <em>Azure OpenAI GPT-5.4</em> as an independent evaluator to validate the generated Guarani translations. I then computed the proportion of valid outputs produced by each model across the 1,250 translated sentences. The reliability of this automatic evaluation was assessed by a native Guarani speaker, who manually reviewed a random sample of GPT-5.4 judgments. The assessment showed an agreement accuracy of 70%, providing reasonable confidence in the automated validation.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_HB5cVnWD3MbvXMoKev3tQ.png" /><figcaption>Figure 1. Proportion of valid Guarani translations by model</figcaption></figure><p>Figure 1 shows that certain models, specifically <em>Gemma-4–26B</em>, <em>GPT-4o-mini</em>, <em>Grok-4</em>, and <em>Gemma-2–9B-IT-SimPO-Jopara</em>, demonstrated promising capabilities in generating valid Guarani content, with <strong><em>Gemma-2 Jopara’s </em>performance being particularly noteworthy due to its Guarani-specific fine-tuning</strong>. Conversely, models such as <em>Nemotron-Mini-4B</em>, <em>Qwen3–4B</em>, and <em>Mistral-7B</em> produced notably poor-quality Guarani translations, leading to their exclusion from subsequent analyses.</p><h4><strong>Comparative analysis</strong></h4><p>Next, I compare the models&#39; RTT performance using the chrf++ and sacrebleu metrics.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*k61MxVyYmRm9ei90klZvUA.png" /><figcaption>Figure 2. SacreBLEU (blue bar) and Chrf++ (orange bar) results by model</figcaption></figure><p>As shown in Figure 2, <em>GPT-4o-mini</em> achieved the highest <strong>SacreBLEU</strong> score, followed by <em>Gemma-2–9b-it-SimPO</em>. When focusing solely on open-weight models, <strong><em>Gemma-2–9b-it-SimPO</em> clearly stands out with the highest score</strong>, while <em>Llama-3.1–8B-it</em> and <em>Gemma-4–26B-A4B-it</em> emerge as promising alternatives.</p><p>For <strong>chrf++</strong>, <em>GPT-4o-mini</em> again leads with a score of 33.50, closely followed by <em>Gemma-2–9b-it-SimPO</em> (28.57) and <em>Gemma-4–26B-A4B-it</em> (25.64). Similar to SacreBLEU, <strong><em>Gemma-2–9B-IT-SimPO</em> is the clear winner among the open-weight models</strong>, although the difference between it and its closest competitors (<em>Gemma-4–26B</em> and <em>Llama 3.1–8B</em>) is less pronounced.</p><blockquote>Gemma-2–9b-it-SimPO clearly leads the RTT performance as measured by both SacreBLEU and chrF++. Gemma-4–26B-A4B-it emerges as a promising alternative.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rpY1ngUO529Qa8SvQPVICQ.png" /><figcaption>Figure 3. Performance (chrf++) vs. validity in Guarani translation across open-weight LLMs</figcaption></figure><p>The combined analysis of <strong>chrF++</strong> and the <strong>proportion of valid Guarani translations</strong> offers a nuanced perspective on model performance. The combined plot for all models (see Figure 3) reveals that while some models achieve high chrF++ scores, their proportion of valid Guarani translations might be lower, and vice versa.</p><p>For instance, <strong><em>Gemma-2–9b-it-SimPO-Jopara</em></strong> (the Guarani fine-tuned model) <strong>stands out for its very high proportion of valid Guarani text, albeit with a significantly lower chrF++ score compared to the top-performing models</strong>. This indicates that while it produces grammatically sound Guarani, the back-translation into Spanish does not closely match the original source, as reflected by the chrF++ metric. A closer inspection of its outputs reveals that the model simply reproduces the Guarani translation rather than translating it back into Spanish, suggesting that the fine-tuning process may have severely degraded its Spanish generation capabilities.</p><blockquote>Although the fine-tuned model Gemma-2–9b-it-SimPO-Jopara produces the highest volume of valid Guarani text, its round-trip translation (RTT) performance remains limited — even though it was specifically optimized for Guarani.</blockquote><p>Conversely, <strong><em>Gemma-2–9b-it-SimPO</em> achieves a relatively high chrF++ score, indicating better round-trip fidelity, but generates a lower proportion of valid Guarani translations</strong>. Among the evaluated models, <em>Gemma-4–26B-A4B-it</em> appears to offer the best trade-off between accurate back-translation into Spanish and the generation of valid Guarani content.</p><blockquote>Gemma-4–26B-A4B-it demonstrates the strongest balance between preserving semantic fidelity and producing valid intermediate Guarani, making it a promising candidate for downstream fine-tuning and specialization in this low-resource language.</blockquote><p>To validate the trends observed in the combined analysis, I next focus on the results obtained by applying the RTTScore metric proposed by Zamir and colleagues. As I mentioned before, RTTScore is a domain-conditioned metric that enables fine-grained analysis of how models&#39; performance generalizes across different domains by using a fidelity metric to measure the round-trip translation results. In this case, I use chrF++ as the fidelity function, as shown in Figure 4.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uUyuTYtCO-GmJDev5ZFdTQ.png" /><figcaption>Figure 4. Round-trip translation quality (RTTchrF++) across models</figcaption></figure><p>Upon reviewing Figure 4, <em>GPT-4o-mini</em> leads significantly, with high end-to-end quality in the round-trip translation across domains. Among the open-weight models, <em>Gemma-2–9b-it-SimPO</em> and <em>Gemma-4–26B-A4B-it</em> achieve the highest cross-domain RTT performance. These figures are generally in line with previous results, reinforcing the findings on the leading models’ (<em>Gemma-2–9b-it-SimPO, Gemma-4–26B-A4B-it</em>) ability to maintain semantic and syntactic fidelity not only throughout the translation cycle but also aggregated by domains.</p><p>Finally, I analyze round-trip translation (RTT) performance across domains using chrF++ as the evaluation metric. As shown in Figure 5, the results are largely consistent with previous findings, reinforcing the overall ranking observed in earlier analyses. In particular, <strong><em>Gemma-2–9b-it-SimPO</em> maintains a clear lead, achieving the highest chrF++ scores in the majority of domains</strong>. Its performance is especially notable for its consistency, suggesting strong cross-domain generalization rather than domain-specific strengths. However, this dominance is not universal. In domains such as literature, telecommunications, and health, its advantage diminishes.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kQ8zdUSvBfJ0lrIgwxtN6A.png" /><figcaption>Figure 5. <em>Average chrF++ scores across domains for open-weight models, with best results highlighted with a green rectangle. The education, finance, and health domains are particularly indicated as reference domains for the comparison.</em></figcaption></figure><p><strong>For the health domain,<em> Gemma-4–26B-A4B-it</em> emerges as the strongest performer, achieving the highest scores </strong>and demonstrating a promising performance in specialized domains. This indicates that while smaller models like <em>Gemma-2–9b-it-SimPO</em> can excel broadly, larger models may retain an edge in domains that require more nuanced or context-rich translations.</p><blockquote>Overall, Gemma-2–9b-it-SimPO offers the most robust and consistent performance across domains, while Gemma-4–26B-A4B-it serves as a strong alternative in domains, like health, where additional capacity appears to provide an advantage.</blockquote><h4>Conclusions</h4><p>The results paint a clear and consistent picture of the current capabilities of open-weight LLMs for Guarani. Across aggregate metrics, round-trip evaluation, and domain-level analysis, a couple of models repeatedly emerge at the top. <em>Gemma-2–9b-it-SimPO</em> stands out for its strong and remarkably stable performance, offering the best balance between translation fidelity and cross-domain robustness.</p><p>At the same time, <em>Gemma-4–26B-A4B-it</em> consistently ranks among the top performers and proves particularly competitive in more challenging domains, suggesting that additional model capacity can still yield meaningful gains. Also, the analyses highlight that while fine-tuning can dramatically improve the validity of Guarani outputs, if not conducted correctly, it can degrade multilingual competence during specialization.</p><p>From a practical perspective, these findings suggest that open-weight models already provide a solid foundation for stronger models for Guarani designing by designing fine-tuning strategies that enhance both linguistic validity and semantic fidelity.</p><h4>Models under study</h4><p>I evaluate 14 state-of-the-art models in this study. The analysis primarily focuses on open-weight LLMs — such as the Llama and Gemma families — to better understand how far openly available models can go in a low-resource setting like Guarani. I also included two commercial models as reference points, helping us see how open models compare against proprietary AI systems.</p><p>I include the latest generation — <strong>Gemma 4</strong> — testing both the <a href="https://www.google.com/url?q=https%3A%2F%2Fhuggingface.co%2Fgoogle%2Fgemma-4-E4B-it">E4B</a> and <a href="https://www.google.com/url?q=https%3A%2F%2Fhuggingface.co%2Fgoogle%2Fgemma-4-26B-A4B-it">26B-A4B</a> instruct variants, alongside earlier models from <strong>Gemma 3</strong> (<a href="https://www.google.com/url?q=https%3A%2F%2Fhuggingface.co%2Fgoogle%2Fgemma-3-4b-it">4B </a>and <a href="https://www.google.com/url?q=https%3A%2F%2Fhuggingface.co%2Fgoogle%2Fgemma-3-12b-it">12B</a> instruct). I also take a closer look at <strong>Gemma 2</strong>, not through its base form but through two fine-tuned variants of the 9B instruct model. The <a href="https://www.google.com/url?q=https%3A%2F%2Fhuggingface.co%2Fprinceton-nlp%2Fgemma-2-9b-it-SimPO">first</a> is optimized using the SimPO technique⁸, while the <a href="https://huggingface.co/rubuntu/gemma-2-9b-it-SimPO-Jopara-V3.4">second</a> goes a step further, being fine-tuned on Guarani and Jopara data (a Guarani variant in which Guarani words and expressions are combined with Spanish terms) and also optimized with SimPO.</p><p>The <a href="https://www.google.com/url?q=https%3A%2F%2Fhuggingface.co%2Fmeta-llama%2FLlama-3.1-8B-Instruct">8B</a> instruct variant of <strong>Llama 3.1</strong> was also part of the study, as it is known to have been trained on low-resource languages through the <a href="https://ai.meta.com/research/no-language-left-behind/">No Language Left Behind initiative</a>. In addition, the <strong>Nvidia Minitron</strong> family was represented in the study by <a href="https://www.google.com/url?q=https%3A%2F%2Fhuggingface.co%2Fnvidia%2FNemotron-Mini-4B-Instruct">4B</a> and <a href="https://colab.research.google.com/drive/nvidia/Mistral-NeMo-Minitron-8B-Instruct">8B</a> instruct variants. The <a href="https://www.google.com/url?q=https%3A%2F%2Fhuggingface.co%2Fmistralai%2FMistral-7B-Instruct-v0.3">7B</a> instruct variant of <strong>Mistral</strong> AI’s model was also included in the experiments. Similarly, the multilingual models <strong>Apertus</strong> and <strong>Qwen 3</strong> were present in the study through the <a href="https://www.google.com/url?q=https%3A%2F%2Fhuggingface.co%2Fswiss-ai%2FApertus-8B-Instruct-2509">8B</a> and <a href="https://www.google.com/url?q=https%3A%2F%2Fhuggingface.co%2FQwen%2FQwen3-4B-Instruct-2507">4B</a> instruct variants, respectively.</p><p>Among the commercial alternatives, the <a href="https://x.ai/news/grok-4-fast">fast-non-reasoning</a> variant of <strong>Grok 4, </strong>as well as the OpenAI <a href="https://developers.openai.com/api/docs/models/gpt-4o-mini"><strong>GPT-4o-mini,</strong></a> were included in the experiments.</p><h4>Dataset and code</h4><p>The dataset and code used to conduct the experiments are publicly available <a href="https://github.com/guaran-ia/base-llm">here</a>.</p><h4>Acknowledgments</h4><p>I would like to thank Ramón Araujo for his valuable contribution to the creation and validation of the dataset used in this study.</p><h4>References</h4><p>¹ Instituto Nacional de Estadística. (2025). 25 de agosto, día del Idioma Guaraní: “Ñamombarete ñane ñe’ẽ guarani, ñane rembiapópe, ha ñane rekove pukukue”. <a href="https://www.ine.gov.py/noticias/2538/25-de-agosto-dia-del-idioma-guarani-namombarete-nane-ne-guarani-nane-rembiapope-ha-nane-rekove-pukukue">https://www.ine.gov.py/noticias/2538/25-de-agosto-dia-del-idioma-guarani-namombarete-nane-ne-guarani-nane-rembiapope-ha-nane-rekove-pukukue</a></p><p>² Instituto Nacional de Estadística. (2024,). Población indígena en el Paraguay se encuentra en torno a los 140.000 habitantes. <a href="https://www.ine.gov.py/noticias/1953/poblacion-indigena-en-el-paraguay-se-encuentra-en-torno-a-los-140000-habita">https://www.ine.gov.py/noticias/1953/poblacion-indigena-en-el-paraguay-se-encuentra-en-torno-a-los-140000-habita</a></p><p>³ Garces, S. (2024). ¿Cuáles son las lenguas indígenas más habladas en América Latina? Babbel Magazine. <a href="https://es.babbel.com/es/magazine/lenguas-indigenas-mas-habladas-en-america-latina">https://es.babbel.com/es/magazine/lenguas-indigenas-mas-habladas-en-america-latina</a></p><p>⁴ Zhuo, T. Y., Xu, Q., He, X., &amp; Cohn, T. (2023). Rethinking round-trip translation for machine translation evaluation. In Findings of the Association for Computational Linguistics: ACL 2023 (pp. 319–337).</p><p>⁵ Post, M. (2018). A call for clarity in reporting BLEU scores. In Proceedings of the third conference on machine translation: Research papers (pp. 186–191).</p><p>⁶ Popović, M. (2017). chrF++: words helping character n-grams. In Proceedings of the second conference on machine translation (pp. 612–618).</p><p>⁷ Zamir, S. W., Hamidouche, W., Amor, B. B., Marotti, L., Becker-Reshef, I., &amp; Ferres, J. L. (2026). BYOL: Bring Your Own Language Into LLMs. arXiv preprint arXiv:2601.10804.</p><p>⁸ Meng, Y., Xia, M., &amp; Chen, D. (2024). Simpo: Simple preference optimization with a reference-free reward. <em>Advances in Neural Information Processing Systems</em>, <em>37</em>, 124198–124235.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=169b575a48a3" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[How do modern AI tools understand Guarani?]]></title>
            <link>https://jorgesaldivar.medium.com/how-do-modern-asr-tools-understand-guarani-98360aa26011?source=rss-990b867f0754------2</link>
            <guid isPermaLink="false">https://medium.com/p/98360aa26011</guid>
            <category><![CDATA[rsa]]></category>
            <category><![CDATA[low-resource-language]]></category>
            <category><![CDATA[guarani]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <dc:creator><![CDATA[Jorge Saldivar]]></dc:creator>
            <pubDate>Fri, 28 Nov 2025 13:54:53 GMT</pubDate>
            <atom:updated>2025-11-28T15:05:04.832Z</atom:updated>
            <content:encoded><![CDATA[<h3>How do modern AI tools understand Guarani, the second-most-spoken native language in America?</h3><figure><img alt="The image shows a native woman speaking to a robot" src="https://cdn-images-1.medium.com/max/1024/1*9wZwwB9wnc9wLksB-mgvcg.png" /><figcaption>Image generated by AI (Google Gemini) of a native woman speaking to a robot.</figcaption></figure><p>Guarani is an ancestral language spoken by nearly 6.5 million people, including 70% of the Paraguayan population¹, 55.6% of the more than 140,000 natives living in this country², millions of Paraguayans residing abroad, and communities of speakers living in the north-east of Argentina, mid-west of Brazil, and south-east of Bolivia.</p><p><strong>It is one of the two official languages of Paraguay and the second-most-spoken indigenous language in America</strong>, right behind Quechua³.</p><p>Although widely used, it is still considered a low-resource language online, with a limited presence in digital spaces⁴. The current trend in AI, where tools are primarily developed for mainstream languages like English, threatens the continued digital visibility of underserved languages unless dedicated initiatives emerge to preserve their cultural heritage.</p><p>One of these initiatives is <a href="https://www.iadb.org/en/project/PR-T1373"><strong>GuaranIA</strong></a>, a project funded by the Inter-American Development Bank (IDB) and developed by <a href="https://ciditpy.org/">CIDIT</a>, which aims to bring Guarani into digital platforms. As part of GuaranIA, we studied how state-of-the-art automatic speech recognition (ASR) tools handle Guarani, comparing the performance of five models, including the recently released META’s Omnilingual ASR.</p><h3><strong>Experimental setup</strong></h3><p>The capacity of ASR software to <em>“understand”</em> Guarani was instrumented by studying the performance of these tools in transcribing Guarani speech.</p><h4>ASR Tools</h4><p>The comparative study includes commercial systems accessible via API calls, like the OpenAI <a href="https://openai.com/index/hello-gpt-4o/"><em>GPT-4o</em></a>, as well as open-source, well-established generative models such as <a href="https://ai.google.dev/gemma/docs/gemma-3n"><em>Gemma-3n</em></a>, and experimental tools like <a href="https://huggingface.co/ivangtorre/wav2vec2-xlsr-300m-guarani"><em>Wav2vec2-XLSR Guarani</em></a>, which was fine-tuned on Guarani audio. Also, academic approaches such as <a href="https://github.com/sanghyang00/lama-ut/tree/main"><em>LAMA-UT</em></a> and the brand-new <a href="https://ai.meta.com/research/publications/omnilingual-asr-open-source-multilingual-speech-recognition-for-1600-languages/"><em>Omnilingual ASR</em></a> are included.</p><p>Our goal was to cover a broad spectrum of current options for automatically processing Guarani audio. Each model is briefly introduced later in the article.</p><h4>Dataset</h4><p>The dataset comprises Guarani speech recordings and their corresponding manually generated transcriptions, collected by <a href="https://commonvoice.mozilla.org/en.">Common Voice</a>, a Mozilla Foundation initiative that crowdsources audio collection in a wide variety of languages.</p><p>The reference dataset (<a href="https://datacollective.mozillafoundation.org/datasets/cmflnuzw5snt23l6000zq12ei"><em>Common Voice Scripted Speech 23.0 — Guarani</em></a>) contains 25,395 audio clips totaling 33 hours of recordings from nearly 300 speakers (about 50% female). Each new release of Common Voice is cumulative, containing sounds from previous versions, as well as newly collected data.</p><p>The authors of the approaches <em>Wav2vec2.0-XLRS Guarani</em> and <em>Omnilingual ASR </em>reported using <em>Common Voice v22</em> (the previous dataset version) for their training. To avoid overlap, all clips from our dataset that appear in <em>Common Voice v22</em> were removed. Also, empty and corrupted audios were excluded, leaving <strong>1,979 clips</strong> for the experiments. These clips total <strong>2.64 hours</strong> of scripted speeches with an average duration of 4.80 seconds. An example audio can be heard below, and the complete list of audio-transcription pairs can be found <a href="https://github.com/guaran-ia/audio-transcription/blob/main/data/audios_db.tsv"><strong>here</strong></a>.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fw.soundcloud.com%2Fplayer%2F%3Furl%3Dhttps%253A%252F%252Fapi.soundcloud.com%252Ftracks%252F2219798378%26show_artwork%3Dtrue&amp;display_name=SoundCloud&amp;url=https%3A%2F%2Fsoundcloud.com%2Fuser-877837690%2Fguarani-speech-in-common-voice-43540552&amp;image=https%3A%2F%2Fsoundcloud.com%2Fimages%2Ffb_placeholder.png&amp;type=text%2Fhtml&amp;schema=soundcloud" width="800" height="166" frameborder="0" scrolling="no"><a href="https://medium.com/media/82527fcd545b219daa5f3502d9e3b1f1/href">https://medium.com/media/82527fcd545b219daa5f3502d9e3b1f1/href</a></iframe><p>Audios were converted from their original <em>mp3 </em>format to <em>wavs </em>using a sample rate of 16,000, single channel, and a sample format of <em>s16</em>. Conversion parameters were obtained from clips used to train the <em>Wav2vec2.0-XLSR Guarani</em>.</p><h4>Evaluation Metrics</h4><p>The evaluation is based on <em>word error rate</em> (WER) and <em>character error rate</em> (CER), two widely used metrics in ASR research. The first — predominantly used as the standard evaluation metric — measures the number of word substitutions, deletions, and insertions relative to the total words in the reference transcription⁵. The second method, proposed for evaluating multilingual ASR, especially when word boundaries are tricky, quantifies character-level substitutions, deletions, and insertions relative to the reference text⁶. For this study, we combined both metrics to provide a more holistic perspective on how well the selected ASR tools perform on Guarani.</p><h3>Results</h3><p>Out of the total clips in the dataset, none of them were correctly transcribed by all five models. In this sense, only two audios were perfectly transcribed (i.e., having all words, including boundaries, and characters correctly) by four models (<em>Omnilingual ASR</em>, <em>Wav2Vec-XLSR Guarani</em>, <em>GPT4-o</em>, <em>LAMA-UT</em>). About 60% of the speeches could not be perfectly transcribed by any model, suggesting that current ASR tools are not yet fully optimized for Guarani. Still, experiments yield interesting and promising results worth discussing.</p><h4>Comparative analysis</h4><p>When comparing the five ASR tools on their ability to transcribe Guarani audio, the recently released <strong><em>Omnilingual ASR</em> delivers by far the best performance</strong>. As shown in Figure 1, it cuts error rates by roughly half compared with the next-best model, <em>Wav2vec-XLSR Guarani</em>, which had the advantage of being fine-tuned specifically for Guarani.</p><figure><img alt="Bar chart showing ASR tool performance on Guarani audio" src="https://cdn-images-1.medium.com/max/1000/1*li4QmPyE_Rc0QOwJ7NIOzw.png" /><figcaption>Figure 1. Performance of ASR tools on Guarani speech measured by the word error rate (WER) and character error rate (CER)</figcaption></figure><p>In practical terms, <em>Omnilingual ASR</em> makes very few errors per character (CER) and acceptable mistakes per word (WER). This is particularly noteworthy given that it is a general-purpose, multilingual model, not specifically developed for Guarani. Its performance suggests strong cross-lingual transfer capabilities and robustness even for low-resource languages, as Guarani.</p><p>In contrast, <strong>mainstream generative models</strong> such as <em>GPT</em> and <em>Gemma</em> <strong>show </strong>a<strong> deficient performance</strong>, with WER values above 1.0 in both cases. This implies that, on average, they produce more incorrect words than correct ones when transcribing Guarani. This result highlights a limitation of ASR approaches based on mainstream generative solutions, which apparently struggle with languages that are typically underrepresented online.</p><p>These results suggest that solutions based on speech-specialized architectures (<em>Wav2vec</em>) are, in general, fairly more reliable for low-resource languages than general-purpose generative models. At the same time, the strong performance of <em>Omnilingual ASR</em> indicates that multilingual training at scale can meaningfully benefit languages that have historically lacked dedicated resources.</p><h4>Performance across audio duration</h4><p>Figure 2 offers a closer look at how transcription quality changes with speech length. Across nearly all models, <strong>shorter clips proved easier to transcribe</strong>, with error rates generally decreasing until about 4–6 seconds, then stabilizing or gradually rising again. This suggests that most systems struggle to maintain accuracy as clips become longer.</p><figure><img alt="Line plot showing CER performance of ASR tools when transcribing Guarani audios" src="https://cdn-images-1.medium.com/max/1000/1*A5mHSTfsIU3oBJPz3OLnzg.png" /><figcaption>Figure 2. Performance of ASR tools across speech duration and measured by CER</figcaption></figure><p>One notable exception is <strong><em>Omnilingual ASR</em></strong>, which <strong>maintains a remarkably stable character error rate across the entire duration range</strong>. Even in longer clips where other models struggle, Omnilingual ASR remains consistently low, highlighting its robustness in handling Guarani speech, despite duration. <em>Wav2vec-XLSR Guarani </em>also performs competitively, particularly with shorter segments (below 8 seconds), where it stays close behind <em>Omnilingual ASR</em>.</p><p>The picture looks different for the mainstream tools. Both <strong><em>GPT-4</em> and <em>Gemma-3</em> consistently underperform across all durations</strong>. This further reinforces that mainstream generative models, though competent on several tasks, seem not to be well-adapted to low-resource speech recognition.</p><p>These findings demonstrate that <strong><em>Omnilingual ASR</em> </strong>not only achieves the lowest error rates overall but<strong> also delivers the most stable and predictable performance across different audio durations</strong>. Up next, we take a closer look at <em>Omnilingual ASR</em>, providing more details on its performance and highlighting some limitations.</p><h4>A closer look at Omnilingual ASR</h4><p>More than <strong>one-third of the clips in our dataset were transcribed perfectly by META’s <em>Omnilingual ASR</em></strong><em> </em>— 632 out of 1,979. In contrast, the remaining systems performed more than three times worse, with success rates ranging from 10% (<em>Wav2vec2.0-XLSR</em>) down to just 0.4% (<em>Gemma-3n</em>).</p><p>When looking more closely at the errors <em>Omnilingual ASR</em> does make, a few patterns emerge. The model tends to <strong>struggle with</strong> <strong>clips containing loud background noise</strong>, such as murmuring or overlapping sounds. It also <strong>performs poorly when</strong> <strong>more than one voice is speaking simultaneously</strong>, as illustrated in the example below.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fw.soundcloud.com%2Fplayer%2F%3Furl%3Dhttps%253A%252F%252Fapi.soundcloud.com%252Ftracks%252F2220168626%26show_artwork%3Dtrue&amp;display_name=SoundCloud&amp;url=https%3A%2F%2Fsoundcloud.com%2Fuser-877837690%2Fguarani-speech-available-in-common-voice-dataset-43584176%3Fsi%3Dd39b3862b6f34d53ae097280fc2bd256%26utm_source%3Dclipboard%26utm_medium%3Dtext%26utm_campaign%3Dsocial_sharing&amp;image=https%3A%2F%2Fsoundcloud.com%2Fimages%2Ffb_placeholder.png&amp;type=text%2Fhtml&amp;schema=soundcloud" width="800" height="166" frameborder="0" scrolling="no"><a href="https://medium.com/media/9141ef375d21ff4528b6d2f74bb2043f/href">https://medium.com/media/9141ef375d21ff4528b6d2f74bb2043f/href</a></iframe><p>Another limitation relates to the current audio length limit. Today, <strong><em>Omnilingual ASR</em> can process clips up to 40 seconds long</strong>. While this limit is not reached in our dataset, the authors <a href="https://github.com/facebookresearch/omnilingual-asr/tree/main?tab=readme-ov-file#inference">note</a> that they are actively working to extend the model&#39;s inference capabilities to unlimited-length audio, thereby making it more versatile for real-world use.</p><p>Finally, we uncovered an issue that affects the model’s ability to produce final transcriptions. Guarani, being an agglutinative language with complex morphology and without clear word boundaries, poses challenges for word segmentation during post-processing. Even when the model correctly identifies each word, it may still <strong>fail to construct the final transcription accurately</strong> due to <strong>incorrect sentence partition</strong>, as shown in Figure 3. This means the model’s actual recognition ability is sometimes underestimated due to errors in text composition rather than misheard speech.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZaBzB6AiDu2PbiGVtt41Kg.png" /><figcaption>Examples of the Omnilingual ASR transcriptions in which all words are correctly predicted, but final transcriptions are penalized due to the inclusion of white spaces</figcaption></figure><h3>Conclusions</h3><p>Results from our experiments indicate that while mainstream ASR systems and some specialized research models still struggle with Guarani, META’s<em> Omnilingual ASR</em> marks a major advancement for low-resource speech recognition. Its capacity to deliver strong performance regardless of audio length — and to significantly outperform fine-tuned models — makes it a promising option for practical Guarani speech applications.</p><p>Our analysis also shows that key challenges still exist. Background noise, overlapping voices, limited audio duration, and issues with word boundary reconstruction all point to areas where even state-of-the-art models still fall short. These limitations highlight the importance of ongoing research and culturally grounded digital projects to help Guarani — and other Indigenous languages — thrive in the future AI technologies.</p><h3>Models under study</h3><h4>Wav2vec2-XLSR</h4><p>We started our review of ASR tools with <em>Wav2vec2-XLSR Guarani⁷</em>, the winning approach in the 2022 AmericasNLP, an annual competition designed to promote the development of AI technology for indigenous languages⁸. The system is based on the <em>300M</em> variant of the <em>Wav2vec 2.0-XLSR</em> model⁹ but fine-tuned for five indigenous languages, including Guarani.</p><h4>LAMA-UT</h4><p>Next, we examined <em>LAMA-UT¹⁰</em>, a universal multilingual ASR model that leverages shared phonetic and orthographic patterns across languages. It consists of two main components: an audio encoder, based on the <em>1B Wav2vec 2.0-XLSR </em>variant, which converts input into universal Roman transcriptions, and an LLM (<em>GPT-4o-mini</em>), which takes the encoder’s output and converts it into language-specific transcriptions. The authors report that LAMA-UT shows promising results for underserved languages, including Guarani (Table 9 in the publication).</p><h4>OpenAI GPT4–o</h4><p>To include mainstream tools alongside experimental and academic approaches, we tested <em>GPT4-o</em>, a generative transformer-based model developed by OpenAI. <em>GPT4-o</em> can natively handle audio inputs and produce text in response. Compared with earlier models, internal evaluations indicate strong performance on speech tasks¹¹. For our experiment, we used the variant <a href="https://platform.openai.com/docs/models/gpt-4o-transcribe"><em>gpt-4o-transcribe,</em></a> which is based on the multilingual ASR<em> </em><a href="https://openai.com/index/whisper/"><em>Whisper</em></a> and is offered by OpenAI for speech-to-text tasks, accessed via the OpenAI API.</p><h4>Google Gemma-3n</h4><p>We also included <em>Gemma-3n </em>(variant <em>E4B-it</em>), a multimodal generative model developed by Google and optimized for smaller devices, such as smartphones, tablets, and laptops. Among its features, it supports audio processing for speech recognition in over 140 languages. Released with open weight and optimized for standard devices, it is well-suited for evaluating its ability to transcribe Guarani audio.</p><h4>META Omnilingual ASR</h4><p>Finally, we tested the recently released <em>Omnilingual ASR</em>¹²<em> </em>from META, currently one of the most promising multilingual speech recognition tools. Covering over 1,600 languages, including Guarani, the system consists of a speech encoder and a text decoder. The encoder is based on the <em>7B</em> <em>Wav2vec 2.0</em> variant, while the decoder comes in two variants: CTC- and LLM-based ASR. For the experiments, we used the <em>1B LLM</em> <em>Omnilingual ASR</em>. Evaluations highlight the model’s impressive performance compared with other prominent multilingual ASRs, such as OpenAI <em>Whisper</em> and META’s <a href="https://about.fb.com/news/2023/05/ai-massively-multilingual-speech-technology"><em>Massively Multilingual Speech</em></a>¹³.</p><h3>References</h3><p>¹ Instituto Nacional de Estadística. (2025, August 25). 25 de agosto, día del Idioma Guaraní: “Ñamombarete ñane ñe’ẽ guarani, ñane rembiapópe, ha ñane rekove pukukue”. <a href="https://www.ine.gov.py/noticias/2538/25-de-agosto-dia-del-idioma-guarani-namombarete-nane-ne-guarani-nane-rembiapope-ha-nane-rekove-pukukue">https://www.ine.gov.py/noticias/2538/25-de-agosto-dia-del-idioma-guarani-namombarete-nane-ne-guarani-nane-rembiapope-ha-nane-rekove-pukukue</a></p><p>² Instituto Nacional de Estadística. (2024, April 19). Población indígena en el Paraguay se encuentra en torno a los 140.000 habitantes. <a href="https://www.ine.gov.py/noticias/1953/poblacion-indigena-en-el-paraguay-se-encuentra-en-torno-a-los-140000-habita">https://www.ine.gov.py/noticias/1953/poblacion-indigena-en-el-paraguay-se-encuentra-en-torno-a-los-140000-habita</a></p><p>³ Garces, S. (2024, August 9). ¿Cuáles son las lenguas indígenas más habladas en América Latina? Babbel Magazine. <a href="https://es.babbel.com/es/magazine/lenguas-indigenas-mas-habladas-en-america-latina">https://es.babbel.com/es/magazine/lenguas-indigenas-mas-habladas-en-america-latina</a></p><p>⁴ Agüero-Torales, M. M., López-Herrera, A. G., &amp; Vilares, D. (2023). Multidimensional affective analysis for low-resource languages: A use case with Guarani-Spanish code-switching language. Cognitive Computation, 15(4), 1391–1406.</p><p>⁵ Nemri, C. (2025, September 30). <em>A complete guide to benchmarking automatic speech recognition (ASR) systems</em>. GoPenAI Blog. <a href="https://blog.gopenai.com/a-complete-guide-to-benchmarking-automatic-speech-recognition-asr-systems-fc78f43f4967">https://blog.gopenai.com/a-complete-guide-to-benchmarking-automatic-speech-recognition-asr-systems-fc78f43f4967</a></p><p>⁶ Thennal, D. K., James, J., &amp; Gopinath, D. P. (2025, April). Advocating character error rate for multilingual ASR evaluation. In Findings of the Association for Computational Linguistics: NAACL 2025 (pp. 4926–4935).</p><p>⁷ Romero, M., Gómez-Canaval, S., &amp; Torre, I. G. (2024). Automatic Speech Recognition Advancements for Indigenous Languages of the Americas. <em>Applied Sciences</em>, <em>14</em>(15), 6497.</p><p>⁸ Ebrahimi, A., Mager, M., Wiemerslage, A., Denisov, P., Oncevay, A., Liu, D., … &amp; Kann, K. (2023, August). Findings of the second AmericanNLP competition on speech-to-text translation. In <em>NeurIPS 2022 Competition Track</em> (pp. 217–232). PMLR.Chicago</p><p>⁹ Babu, A., Wang, C., Tjandra, A., Lakhotia, K., Xu, Q., Goyal, N., … &amp; Auli, M. (2021). XLS-R: Self-supervised cross-lingual speech representation learning at scale. <em>arXiv preprint arXiv:2111.09296</em>.</p><p>¹⁰ Lee, S., Chung, W., &amp; Kang, H. G. (2025, April). LAMA-UT: Language Agnostic Multilingual ASR Through Orthography Unification and Language-Specific Transliteration. In <em>Proceedings of the AAAI Conference on Artificial Intelligence</em> (Vol. 39, №23, pp. 24393–24401).</p><p>¹¹ Shahriar, S., Lund, B. D., Mannuru, N. R., Arshad, M. A., Hayawi, K., Bevara, R. V. K., … &amp; Batool, L. (2024). Putting gpt-4o to the sword: A comprehensive evaluation of language, vision, speech, and multimodal proficiency. <em>Applied Sciences</em>, <em>14</em>(17), 7782.</p><p>¹² Meta. (2025, November 10). <em>Omnilingual ASR: Advancing automatic speech recognition for 1,600+ languages</em>. AI at Meta Blog. <a href="https://ai.meta.com/blog/omnilingual-asr-advancing-automatic-speech-recognition/">https://ai.meta.com/blog/omnilingual-asr-advancing-automatic-speech-recognition</a></p><p>¹³ Omnilingual, A. S. R., Keren, G., Kozhevnikov, A., Meng, Y., Ropers, C., Setzler, M., … &amp; Yates, S. (2025). Omnilingual ASR: Open-Source Multilingual Speech Recognition for 1600+ Languages. <em>arXiv preprint arXiv:2511.09690</em>.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=98360aa26011" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[La Copa América Brasil 2021 desde el Football Analytics (III)]]></title>
            <link>https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-iii-f36ddda971d5?source=rss-990b867f0754------2</link>
            <guid isPermaLink="false">https://medium.com/p/f36ddda971d5</guid>
            <category><![CDATA[copa-america]]></category>
            <category><![CDATA[football]]></category>
            <category><![CDATA[analytics]]></category>
            <dc:creator><![CDATA[Jorge Saldivar]]></dc:creator>
            <pubDate>Fri, 16 Sep 2022 19:08:59 GMT</pubDate>
            <atom:updated>2022-09-19T03:21:52.876Z</atom:updated>
            <content:encoded><![CDATA[<p>Este artículo es la tercera, y última, entrega de un reporte sobre la aplicación de <em>Football Analytics </em>para estudiar a los equipos y jugadores que participaron de la Copa América Brasil 2021. <strong>Es recomendable antes de continuar, leer la </strong><a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-b91609b7c2a3"><strong>primera </strong></a><strong>y </strong><a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-ii-827ed553cb99"><strong>segunda</strong></a><strong> parte del reporte</strong> que, además de introducir el tema, presentan resultados sobre el desempeño defensivo y ofensivo de los equipos y sus jugadores.</p><p>El objetivo de esta parte del reporte es presentar los resultados que se obtuvieron luego de analizar a nivel general el desempeño de los jugadores que disputaron la Copa América. Aspectos como la progresión ofensiva, la definición de jugadas, y la presión para recuperar el balón se tuvieron en cuenta aquí. A continuación el análisis y los resultados.</p><p><strong>Los defensores y volantes destacados del torneo</strong></p><p>Empezando desde atrás veamos quienes se destacaron en defensa considerando algunos aspectos. El primero de ellos es una combinación entre porcentaje de duelos aéreos ganados y acciones de progresión ofensiva. Por duelos aéreos entendemos disputas de balón en el aire mientras que las acciones de progresión ofensiva están definidas — como se explica en la <a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-ii-827ed553cb99"><strong>segunda</strong></a> parte del reporte — como los traslados de más de 4,5 metros y los pases largos de más de 9 metros.</p><p>La parte superior derecha de la la Figura 1 muestra los defensores que más se destacaron en estos aspectos. <em>Júnior Alonso</em> — el defensa de Paraguay — sobresalió por su fortaleza área, ganando casi el 80% de sus duelos aéreos, y por su capacidad para colaborar en la progresión del balón con traslados y pelotazos. Otro destacado es el central brasilero <em>Thiago Silva</em>, quién ganó menos disputas aéreas que <em>Alonso</em> pero fue más influyente en la progresión ofensiva. <em>Francisco Sierralta</em> (Chile) y <em>Piero Hincapié</em> (Ecuador) también resaltaron por su capacidad de ganar en el juego aéreo y colaborar con sus equipos en avanzar el balón.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bdAhHgf1RTh2k_JdXk_lOQ.png" /><figcaption><strong>Figura 1</strong>. Desempeño defensivo entre defensores centrales. En el eje Y se muestra el porcentaje de duelos aéreos ganados por los defensores. En el eje X se ilustra las acciones de progresión de balón por partidos jugados. Por acciones de progresión de balón se entienden los pases de más de 9 metros y los traslados de más de 4,5 metros. En el análisis fueron incluidos solo defensores centrales que hayan jugado al menos el 50% de los minutos de sus equipo. En azul se representan los jugadores de Argentina, en amarillo los de Bolivia, en verde los de Brasil, en rojo los de Chile, en gris los de Colombia, en naranja los de Ecuador, en marrón los de Paraguay, en rosa los de Perú, en celeste los de Uruguay, y en lila los de Venezuela.</figcaption></figure><p><em>Marquinhos </em>(Brasil), <em>Diego Godín </em>(Uruguay), y <em>Gary Medel </em>(Chile)<em> </em>aparecen entre los mejores del torneo en acciones de progresión ofensiva. Además, los números muestran la potencia aérea de <em>Marquinhos</em> y <em>Godín</em>, quiénes ganaron la mayoría de los duelos que disputaron.</p><p>Se analizó también la progresión ofensiva entre laterales. A diferencia de lo hecho en la <a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-ii-827ed553cb99"><strong>segunda</strong></a> parte del reporte donde se estudio este aspecto pero internamente para cada equipo, aquí se pretende comparar jugadores de todos los equipos participantes de la copa. Sin embargo, la comparación no sería del todo justa si no se considerara que el estilo de juego es determinante para la valoración de la progresión ofensiva. Jugadores de equipos con un corte defensivo estarían en desventaja con respecto a jugadores de equipos con un estilo más dominante y de posesión; a más dominio más traslado, a más posesión más pase. Por lo tanto, las métricas de progresión ofensiva — esto es traslados de más de 4,5 metros y pases de 9 metros o más — se deben normalizar antes de utilizarlas para comparar jugadores de equipos con diferentes estilos de juego. En el análisis ilustrado en la Figura 2 la métrica de traslados por partidos jugados se normaliza por cada 100 pases del equipo al que pertenece el jugador (eje Y), mientras que la métrica de pases largos por partidos jugados se normaliza por el ratio entre el promedio de pases del equipo y el promedio de pases del torneo (eje X).</p><p>Utilizando este método para estudiar la progresión ofensiva entre laterales vemos que <em>Danilo</em> (Brasil) fue el más destacado del torneo. El defensor de la Juventus realizó más de 6 pases de al menos 9 metros por partido y pasó a la ataque trasladando el balón 4,5 o más metros 14 veces por partido. <em>Mauricio</em> <em>Isla</em> (Chile) es otro destacado por pases largos y subidas a campo contrario. <em>Estupiñan</em> (Ecuador) y <em>Viña</em> (Uruguay) también sobresalieron por sus traslados de balón hacia zona rival y pases largos. Otro lateral que destacó principalmente por su lanzamientos de 9 metros o más hacia campo rival fue <em>Héctor David Martínez</em> (Paraguay).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*v0gOtCZt_UgfM_boOxiWuw.png" /><figcaption><strong>Figura 2</strong>. Progresión ofensiva entre laterales. El eje Y ilustra los traslados de balón de más de 4,5 metros por partidos jugados y pases del equipo al que representa el jugador. En el eje X se muestra los pases de al menos 9 metros por partidos jugados normalizado por la relación entre el promedio de pases del equipo y el promedio de pases del torneo. En el análisis fueron incluidos solo laterales que hayan jugado al menos el 50% de los minutos de sus equipo. En azul se representan los jugadores de Argentina, en amarillo los de Bolivia, en verde los de Brasil, en rojo los de Chile, en gris los de Colombia, en naranja los de Ecuador, en marrón los de Paraguay, en rosa los de Perú, en celeste los de Uruguay, y en lila los de Venezuela.</figcaption></figure><p>El enfoque presentado anteriormente se empleó para analizar la progresión ofensiva entre mediocampistas defensivos. En la Figura 3, se nota como <em>Yoshimar Yotún</em> (Perú) se destacó sobre el resto por sus proyecciones y pases para hacer avanzar a su equipo hacia el campo contrario. Los volantes centrales de Brasil, <em>Fred</em> y <em>Casemiro</em>, también tuvieron una labor sobresaliente en ayudar a su selección a progresar el balón. <em>Charles Aránguiz</em>, en Chile, fue de lo mejor del torneo principalmente por sus traslados.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zLHcjLIVamWnGen-W-8NkA.png" /><figcaption><strong>Figura 3</strong>. Progresión ofensiva entre volantes centrales. El eje Y ilustra los traslados de balón de más de 4,5 metros por partidos jugados y pases del equipo al que representa el jugador. En el eje X se muestra los pases de al menos 9 metros por partidos jugados normalizado por la relación entre el promedio de pases del equipo y el promedio de pases del torneo. En el análisis fueron incluidos solo volantes centrales que hayan jugado al menos el 50% de los minutos de sus equipo. En azul se representan los jugadores de Argentina, en amarillo los de Bolivia, en verde los de Brasil, en rojo los de Chile, en gris los de Colombia, en naranja los de Ecuador, en marrón los de Paraguay, en rosa los de Perú, en celeste los de Uruguay, y en lila los de Venezuela.</figcaption></figure><p>El rol de <em>Mathias Villasanti</em> en Paraguay fue más posicional, con poco traslado y pase frontal a campo contrario por lo que se muestra en la Figura 3. Similares papeles cumplieron <em>Justiniano</em> en Bolivia, <em>Paredes</em> y <em>Rodríguez</em> en Argentina, y <em>Moreno</em> en Venezuela.</p><p><strong>Los delanteros sobresalientes</strong></p><p>Analizamos la finalizaciones de los delanteros aplicando la métrica <em>non-penalty expected goal </em>(<em>npxG</em>), que es una variante del <em>expected goal </em>excluyendo tiros penales. Como se explicó tanto en la <a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-b91609b7c2a3"><strong>primera</strong></a> como en la <a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-ii-827ed553cb99"><strong>segunda</strong></a> parte de este reporte, <em>npxG </em>mide las probabilidades de que un tiro termine en gol dependiendo de las circunstancias en la que se dió el tiro, como la distancia o ángulo del mismo. El análisis presentado en la Figura 4 combina, por un lado, las chances de gol por tiro ejecutado (eje Y) y, por otro, las probabilidades de marcar por minutos jugados (eje X).</p><p>Algunas interpretaciones del <em>npxG</em> dicen que cuanto mayor la probabilidad de gol de un tiro mejor la calidad del mismo pero por ahora nos separaremos de esta interpretación y nos concentraremos en describir estrictamente los resultados. Según este análisis, <em>Neymar</em> marcó una diferencia con respecto al resto, como se puede apreciar en la Figura 4. Los tiros del 10 del PSG fueron los que más probabilidades de convertirse en gol tuvieron. <em>Enner Valencia</em> (Ecuador), <em>Richarlison</em> (Brasil), y <em>Gabriel Ávalos</em> (Paraguay), así como también <em>Ángel Romero</em> (Paraguay) y <em>Luis Suárez</em> sobresalieron igualmente.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uQior-oQmjIOua-z0pXzLw.png" /><figcaption><strong>Figura 4</strong>. Tiros al arco de los delanteros que participaron en la copa. En el eje Y se ilustra el non-penalty expected goal por tiro al arco (npxG x shot), mientras que en el eje X se muestra el non-penalty expected goal por partido jugado (npxG x 90). En el análisis fueron incluidos solo delanteros que hayan jugado al menos el 50% de los minutos de sus equipo. En azul se representan los jugadores de Argentina, en amarillo los de Bolivia, en verde los de Brasil, en rojo los de Chile, en gris los de Colombia, en naranja los de Ecuador, en marrón los de Paraguay, en rosa los de Perú, en celeste los de Uruguay, y en lila los de Venezuela.</figcaption></figure><p>A pesar de haber sido los goleadores del torneo, <em>Lionel Messi </em>y <em>Luis Fernando Díaz </em>(Colombia) no destacaron por realizar disparos con altas probabilidades de gol, algo que puede sonar contradictorio. Sin embargo, lo que esto nos dice es que ambos jugadores fueron capaces de marcar incluso rematando tiros con bajas probabilidades de convertirse en gol, lo que habla de su gran calidad técnica.</p><p><strong>Los pilares en el juego ofensivo</strong></p><p>Seguidamente analizamos el grado de dependencia de los equipos en sus jugadores principales. Para ello hacemos uso de la métrica <a href="https://blog.eternalblue.co.in/football/2021/03/20/dipping-into-usage-rates.html"><em>usage rate</em></a> que mide el porcentaje de participación de un jugador en el juego del equipo. Por ejemplo, un <em>usage rate </em>de<em> </em>20% significa que un jugador partició directamente en el 20% del juego del equipo. Aquí se decidió aplicar el <em>usage rate </em>para medir, por un lado, la dependencia de un equipo hacia un jugador en acciones que propician remates al arco, como pases, dribblings, o faltas ganadas en ataque (eje Y en la Figura 5). Y por otro, el <em>usage rate </em>se usó para estudiar la dependencia de equipo hacia un jugador en acciones de progresión de balón, como los traslados de más 4,5 metros y los pases de 9 metros o más (eje X en la Figura 5).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kprXc60P1Upf-3VDGAIRaA.png" /><figcaption><strong>Figura 5</strong>. Dependencia ofensiva. En el eje Y se muestra el usage rate para acciones que derivan en remates al arco, mientras que en el eje X el usage rate para acciones progresiva de balón, esto es traslados de al menos 4,5 metros y pases de 9 metros o más. En el análisis fueron incluidos solo jugadores que hayan participado en al menos el 50% de los minutos de sus equipo. En azul se representan los jugadores de Argentina, en amarillo los de Bolivia, en verde los de Brasil, en rojo los de Chile, en gris los de Colombia, en naranja los de Ecuador, en marrón los de Paraguay, en rosa los de Perú, en celeste los de Uruguay, y en lila los de Venezuela.</figcaption></figure><p>En la Figura 5 se ve que tanto Brasil como Argentina son bastante dependientes de <em>Neymar</em> y <em>Messi</em> para generar juego ofensivo. En particular, más del 30% de las acciones de Brasil y Argentina que terminan en remates al arco dependen de estos dos jugadores. Así mismo, casi el 25% de las acciones de progresión ofensivas de Argentina dependen del capitán albiceleste mientras que <em>Neymar </em>es el responsable del 18% de las acciones de progresión de balón en Brasil. <em>Christian Cueva</em> en Perú y <em>Juan Cuadrado</em> en Colombia fueron también muy determinantes en estos aspectos para sus respectivas selecciones.</p><p><strong>La Copa de Messi y Neymar</strong></p><p>Por lo visto en el análisis anterior, <em>Messi</em> y <em>Neymar</em> fueron determinantes para el éxito de sus equipos en la Copa América. A continuación hilamos un poco más fino comparando sus desempeños en algunos aspectos ofensivos y defensivos. Según el primer gráfico de la Figura 6, tanto <em>Neymar</em> como <em>Messi</em> contribuyeron en igual medida en la progresión ofensiva de sus equipos; véase como el círculo verde que representa a <em>Neymar</em> y el círculo azul que representa a <em>Messi</em> se encuentran superpuestos en la gráfica. Algo muy similar sucede al analizar la participación de estos jugadores en las acciones de presión para recuperar el balón (segundo gráfico en la Figura 6). Sin embargo, ambos se encuentran por debajo de la media en este aspecto.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*K6N9ITJs-LJXNuSq7eipcw.png" /><figcaption><strong>Figura 6</strong>. Compartido entre Lionel Messi (azul) y Neymar (verde) tomando como referencia aspectos defensivos del juego, esto es las acciones de presión (segundo gráfico) así como también acciones aspectos ofensivos como la progresión de balón, la probabilidad de éxito de sus tiros, y la estimación de que sus asistencias terminen en gol. Los círculos grises representan jugadores del torneo que hayan participado en al menos el 50% de los minutos de su equipo y se incluyen en la figura como referencia.</figcaption></figure><p>Con respecto al aporte ofensivo (tercer gráfico en la Figura 6) vemos que <em>Neymar </em>se destaca sobre <em>Messi</em>. Aunque ambos se encuentran entre los más sobresalientes del torneo, <em>Neymar </em>demostró ser de lo más influyente del torneo en cuanto a pases que derivan en remates al arco (<em>xA</em>) y tiros a portería contraria (<em>npxG</em>).</p><p><strong>Conclusiones</strong></p><p>Los datos empíricos confirman la influencia superlativa de <em>Messi</em> y <em>Neymar</em> en sus equipos y su destacado desempeño en el torneo. La gran calidad de estos jugadores hace que sea esperable haber encontrado a ambos en la vanguardia de todas las mediciones. El fútbol sudamericano, sin embargo, está compuesto de más talento que estos astros del PSG, los cuales merece también ser reconocido con la correspondiente evidencia empírica.</p><p>La solidez defensiva de <em>Júnior Alonso</em> en Paraguay, ganando prácticamente todas las disputas aéreas y ayudando a su equipo a progresar el balón a campo contrario fue sobresaliente en el torneo. Las proyecciones y pases de larga distancia de <em>Danilo</em>, el lateral Brasilero, fueron de los más destacado de la copa. El desempeño en la proyección ofensiva del medio centro <em>Yoshimar Yotún</em> de Perú sobresalió por sobre el resto. La precisión de los tiros a puerta de <em>Enner Valencia </em>(Ecuador) fueron de lo mejor del certamen y finalmente el rol de <em>Christian Cueva</em> para manejar las acciones creativas y ofensivas de Perú fue, según los datos y después de <em>Messi</em> y <em>Neymar</em>, lo mejor que se pudo ver en el torneo.</p><p>El estudio tiene varias limitaciones y como tal debe ser entendido. En primer lugar solo se analizan ciertos aspectos del juego dejando de lado otros que podrían complementar y enriquecer el reporte aquí presentado. Dicho esto, cabe mencionar que los resultados sobre jugadores y equipos se refieren solo a los aspectos estudiados sin la intención de sobre interpretar los mismos. Segundo, no se realizó una discusión de los resultados desde una perspectiva táctica o stratégica que explique los hallazgos. Tercero, solo se utilizaron datos no vinculados a lugares y posiciones en el campo de juego impidiendo entender las muchas dinámicas del juego que si podrían ser posibles analizar con otros tipos de datos como los <a href="https://dspace.mit.edu/bitstream/handle/1721.1/100607/932225217-MIT.pdf?sequence=1"><em>ball-event</em></a><em> </em>o <a href="https://www.mdpi.com/2075-4663/6/4/130/htm"><em>tracking</em></a>. Cuarto, realizar un diagnostico sobre el desempeño de un jugador o equipo considerando únicamente un torneo tan corto como la Copa América es ariesgado dada la volatilidad que puede tener el rendimiento. Para un análisis más preciso se necesitaría tener en cuenta al menos una temporada entera.</p><p>Más allá de las limitaciones, los resultados del estudio permiten profundizar desde la evidencia empírica algo de lo que sucedió en el último torneo continental de sudamérica antes de la cita mundialista de 2022. Esta por verse si los rendimientos tanto colectivos como individuales que se identificaron en este estudio se pueden repetir cuando empiece a rodar el balón en Catar.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f36ddda971d5" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[La Copa América Brasil 2021 desde el Football Analytics (II)]]></title>
            <link>https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-ii-827ed553cb99?source=rss-990b867f0754------2</link>
            <guid isPermaLink="false">https://medium.com/p/827ed553cb99</guid>
            <category><![CDATA[analytics]]></category>
            <category><![CDATA[football]]></category>
            <category><![CDATA[copa-america]]></category>
            <dc:creator><![CDATA[Jorge Saldivar]]></dc:creator>
            <pubDate>Wed, 31 Aug 2022 16:55:25 GMT</pubDate>
            <atom:updated>2022-09-19T03:19:10.632Z</atom:updated>
            <content:encoded><![CDATA[<p>Este artículo es la segunda parte de un reporte sobre la aplicación de <em>Football Analytics </em>para estudiar a los equipos y jugadores que participaron de la Copa América Brasil 2021. <strong>Es recomendable antes de continuar aquí leer la </strong><a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-b91609b7c2a3"><strong>primera</strong></a><strong> parte del reporte</strong> que, además de introducir el tema, presenta resultados interesantes sobre el desempeño defensivo y ofensivo de los equipos en la Copa América.</p><p>La idea en esta segunda parte del reporte es profundizar aspectos internos de los equipos. En particular entender, por cada equipo participante de la Copa América, quiénes fueron los jugadores que más aportaron en ciertos aspectos defensivos y ofensivos del juego. A continuación los análisis y resultados.</p><p><strong>Los pilares defensivos de cada equipo</strong></p><p><em>Guido Rodríguez</em> destaca como uno de los principales pilares de la defensa Argentina. Según la Figura 1, que analiza el rendimiento de los jugadores de acuerdo a su participación en acciones defensivas, el jugador del Betis demostró ser el que más disputó e interceptó balones (<em>tackles</em> <em>+ interceptions</em> en la Figura 1) así como también el que más involucrado estuvo en las acciones de presión del equipo (<em>pressures</em> en la Figura 1). Interesantemente, el atacante <em>Lautaro Martínez</em> y el volante ofensivo <em>Giovanni Lo Celso</em> demostraron mucha predisposición a la hora de presionar para recuperar la pelota.</p><p>En el caso de la finalista Brasil, <em>Casemiro</em> junto a <em>Fred</em> destacan por su tenacidad en la marca y su participación en los esquemas de presión de su equipo. <em>Lucas Paquetá</em> — el flamante refuerzo del West Ham — sobresalió también por su compromiso en la disputa e intercepción del balón. <em>Wilmar Barrios</em>, <em>Arturo Vidal</em>, <em>Leonel Justiniano</em>, <em>Pervis Estupiñan</em>, <em>Matias Villasanti</em>, <em>Yoshimar Yotún</em>, y <em>Nicolás de la Cruz</em> (seguido de cerca por <em>Rodrigo Bentancur</em>) aparecen como los más involucrados en las acciones defensivas de Colombia, Chile, Bolivia, Ecuador, Paraguay, Perú, y Uruguay, respectivamente.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*H2Yna8rwBMo6br1beW9uxg.png" /><figcaption><strong>Figura 1</strong>. Acciones defensivas por equipo. Las acciones defensivas analizadas son en el eje X el número de acciones de presión realizada por el jugador y normalizadas por el número de partidos jugados (pressures x 90). El eje Y representa la suma de las disputas e intercepciones de balón en las que participó el jugador normalizada por el número de partidos jugados (tackles + interceptions x 90). Se tuvieron en cuenta solo jugadores de campo que hayan participado en al menos el 50% de los minutos disputados por sus equipos.</figcaption></figure><p>Es curioso el caso de Venezuela que no contó con jugadores que hayan sobresalido en el equipo por su participación en ambas acciones defensivas estudiadas en este apartado. El defensor <em>Adrián Martínez</em> (arriba a la izquierda en la Figura 1) demostró compromiso en la disputa e intercepción de balón sin embargo contribuyó poco en presionar a rivales. Por su lado, el mediocampista <em>Cristian Cásseres</em> (abajo a la derecha en la Figura 1) mostró gran predisposición para la presión pero poca marca y recuperación de pelota.</p><p><strong>Los valuartes en la progresión ofensiva</strong></p><p>La <a href="https://www.martiperarnau.com/diferenciando-conceptos-profundidad-y-progresion-ofensiva/#:~:text=La%20escuela%20de%20entrenadores%20define,sentido%20a%20la%20porter%C3%ADa%20contraria%E2%80%9D.">progresión ofensiva</a> se refiere a aquellas acciones (individuales o colectivas) a través de las cuales el balón es llevado hacia el arco contrario. En este apartado analizamos quiénes ayudaron a sus equipos a progresar el balón a campo contrario. El análisis se basa en dos métricas. Por un lado, los traslados de balón de al menos 4,5 metros en el sentido de la portería rival o cualquier traslado dentro del área penal contraria, incluyendo solo los traslados que se inician como máximo en el último 10% del campo propio (<em>progressive carries</em> en la Figura 2). Por otro lado, pases correctos que hayan movido el balón al menos 9 metros o cualquier pase correcto dentro del área rival. Se incluyen solo pases correctos que se hayan hecho desde el último 10% de campo propio en dirección al arco contrario (<em>progressive passes</em> en la Figura 2).</p><p><em>Lionel Messi</em> y <em>Neymar</em> son para sus respectivas selecciones los que más contribuyeron a progresar el balón hacia campo rival, como se puede ver en la Figura 2. Ambos realizaron cerca de 6 pases progresivos por partido y alrededor de 10 traslados de por lo menos 4,5 metros hacia portería contraria. La colaboración de <em>Christian Cueva</em> en Perú fue destacable con casi 5 pases de al menos 9 metros por partido y cerca de 8 traslados progresivos. También fue sobresaliente lo de <em>Yoshimar Yotún</em> con más de 6 pases largos por partido.</p><p>En Colombia, la tarea de progresar el balón recayó sobre <em>Edwin Cardona</em>, <em>Luis Fernando Díaz</em>, y <em>Juan Cuadrado</em>. La fina pegada de <em>Cardona</em> sirvió para los pases largos mientras que <em>Díaz</em> se ocupó principalmente de trasladar el balón hacia portería contraria aprovechando su gran habilidad, como se puede ver en este <a href="https://www.youtube.com/watch?v=ZHJYZFgMFmw">video</a> que recoge las mejores jugadas del delantero del Liverpool. <em>Hincapié</em>, <em>Estupiñan</em>, y <em>Mena</em> fueron los de más participación en la progresión ofensiva en Ecuador. <em>Charles Aranguis</em> fue el distinguido en Chile por colaborar con pases y traslados largos en ofensiva.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OeW9LFp_-zjio-wxWLqypg.png" /><figcaption><strong>Figura 2</strong>. Acciones de progresión de balón por equipo. El eje X representa los pases de al menos 9 metros hacia campo rival normalizado por los partidos jugados (progressive passes x 90). En el eje Y se muestra los traslados de al menos 4.5 metros hacia portería contraria (progressive carries x 90). Se tuvieron en cuenta solo jugadores de campo que hayan participado en al menos el 50% de los minutos disputados por sus equipos.</figcaption></figure><p><em>Ángel Romero</em> fue el que más traslados largos por minutos jugados realizó en toda la Copa América. El del <em>Cruz Azul</em> también aportó con sus más de 4 pases de al menos 9 metros por partido. Las corridas de <em>Miguel Almirón</em> y los pelotazos de <em>Héctor David Martínez</em> contribuyeron a la ofensiva guaraní. En Uruguay, <em>Federico Valverde</em> se destacó significativamente por sobre el resto por sus aportes a la ofensiva de su equipo. Sus casi 9 traslados largos por partido junto con sus más de 7 pases a zona rival fueron determinantes a la hora de progresar el balón hacia campo rival. <em>Ramiro Vaca </em>y <em>Alexander González</em> sobresalieron por su acciones de progresión de balón en Bolivia y Venezuela, respectivamente.</p><p><strong>Los piezas claves en ataque</strong></p><p>Este análisis estudia la participación de los jugadores en el ataque de su equipos. Combinando las métricas de <em>expected assists </em>(<em>xA</em> en la Figura 3) y <em>non-penalty expected goal</em> (<em>npxG</em> en la Figura 3) la idea es entender el aporte en asistencia y goles de los jugadores dentro sus equipos. <a href="https://theanalyst.com/eu/2021/03/what-are-expected-assists-xa"><em>Expected assists</em></a><em> </em>(<em>xA</em>) mide la capacidad de un jugador de generar asistencias que potencialmente puedan terminar en gol, mientras que <em>non-penalty expected goal (npxG) </em>es la variante del <a href="https://fbref.com/en/expected-goals-model-explained"><em>expected goal</em></a><em> (xG) </em>que no tiene en cuenta los tiros desde el punto penal. Como se explica en la <a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-b91609b7c2a3"><strong>primera</strong></a> parte del reporte, el <em>xG</em> computa la probabilidad de que un tiro pueda terminar en gol teniendo en cuenta aspectos como, por ejemplo, la distancia y ángulo del remate, entre otros.</p><p>Como era de suponer, <em>Lionel Messi</em> se destacó por sobre sus compañeros por su capacidad de generar asistencias valiosas para su equipo — 5 de los 12 de goles de Argentina en la Copa (42%) vinieron de pases de <em>Messi</em>. En menor medida, <em>Giovani Lo Celso</em> hizo lo suyo para poner pelotas que puedan terminar en gol. La Figura 3 muestra que <em>Lautaro Martínez</em> resaltó como definidor marcando el 25% de los goles de Argentina en la Copa América. En Brasil el rol de <em>Neymar</em> en el equipo demostró ser muy determinante, participando no solamente en la generación de jugadas de gol (2 asistencias a <em>Gabigol</em> y <em>Paquetá</em>) sino también finalizando jugadas (2 goles).</p><p><em>Juan Cuadrado</em> fue fundamental como generador de jugadas de gol en Colombia (1 asistencia) mientras que <em>Luis Fernando Díaz</em> se destacó como goleador, marcando casi el 60% de los goles de su selección. Pese a no haber marcado goles, <em>Duván Zapata</em> se distinguió en Colombia por generar oportunidades de remate con altas chances de terminar en gol. Perú, por su lado, contó con <em>Christian Cueva</em> como promotor de situaciones de gol. <em>Lapadula</em> se encargó de generar peligro en la porteria contraria, anotando 3 de los 8 goles de su equipo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KNudyBj6DCxlytAoO7rmAw.png" /><figcaption><strong>Figura 3</strong>. Contribuciones en ataque por equipo. El eje X representa la calidad de las situaciones frente al arco rival, no contando penales y normalizado por los partidos jugados (npxG x 90). En el eje Y se muestra la calidad de las asistencias normalizado por partidos jugados (xA x 90). Se tuvieron en cuenta solo jugadores de campo que hayan participado en al menos el 50% de los minutos disputados por sus equipos.</figcaption></figure><p>En Chile, <em>Eduardo Vargas</em> fue el que más peligro llevó al arco rival, no solo marcando goles — 2 de los 3 goles de su selección (66%) — sino también fabricando oportunidades con buenas posibilidades de convertirse en gol (1 asistencia). El desempeño ofensivo de <em>Ayrton Preciado</em> sobresalió en Ecuador por la calidad de sus pases en ataque y por sus finalizaciones, las cuales se capitalizaron en 2 goles.</p><p>En la ofensiva de Paraguay, <em>Gabriel Aválos</em> y <em>Ángel Romero</em> fueron muy importantes por sus asistencias para generar buenas chances gol — 3 de los 8 goles de Paraguay los marcaron estos dos jugadores. El ataque Uruguayo estuvo influenciado por situaciones creadas a partir de pases de <em>Federico Valverde</em> y la calidad de las oportunidades de gol de <em>Luis Suáres</em>, y <em>Edinson Cavani</em>, en menor medida.</p><p>Bolivia tuvo en los pies de <em>Edwin Saavedra</em> al hombre más peligroso; el jugador del <a href="https://en.wikipedia.org/wiki/Mamelodi_Sundowns_F.C.">Mamelodi Sundowns</a> Sudafricano fue el que mejores habilitaciones hizo a sus compañeros y el que generó (y finalizó) las oportunidades que más chances de convertirse en gol tuvieron. <em>Leonel Justiniano</em> se destacó también por sus pases peligrosos. En Venezuela, <em>José Andrés Martínez</em> fue el más influyente a la hora de asistir a sus compañeros, mientras que <em>Adrián Martínez</em> destacó por la calidad de sus acciones delante del arco rival.</p><p><strong>Conclusiones</strong></p><p>Esta parte del estudio permitió descubrir, a partir de los datos, los líderes ofensivos y defensivos de cada equipo participante de la Copa América Brasil 2021. En la mayoría de los equipos fueron los mediocampistas los más importantes a la hora de disputar y recuperar el balón, mientras que en Ecuador sobresalió especialmente el defensor <em>Pervis Estupiñan</em>. La progresión ofensiva, por su parte, estuvo más repartida entre mediocampistas como <em>Cuadrado</em> (Colombia), <em>Aranguiz</em> (Chile), <em>Cueva</em> y <em>Yotún</em> (Perú), <em>Valverde</em> (Uruguay), <em>Moreno</em> (Venezuela) y <em>Vaca</em> (Bolivia), defensores como <em>Hincapié</em> y <em>Estupiñan</em> (Ecuador) y <em>Alexander González</em> (Venezuela), y delanteros como <em>Messi</em> (Argentina), <em>Neymar</em> (Brasil), y <em>Ángel Romero</em> (Paraguay). Finalmente, en ataque las responsabilidades recayeron principalmente en los delanteros con excepción de los mediocampista <em>Valverde</em> (Uruguay), <em>Cuadrado</em> (Colombia), <em>Saavedra</em> (Bolivia), <em>Yotún</em> y <em>Cueva</em> (Perú) y el defensor <em>Ayrton Preciado</em> (Ecuador).</p><p>En la <a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-iii-f36ddda971d5"><strong>tercera</strong></a>, y última, parte del reporte los análisis comparan el rendimiento de los jugadores no dentro de sus equipos, como aquí, sino a nivel general. Es decir, se evalua quiénes se destacaron a nivel del certamen en diversos aspectos ofensivos y defensivos.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=827ed553cb99" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[La Copa América Brasil 2021 desde el Football Analytics]]></title>
            <link>https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-b91609b7c2a3?source=rss-990b867f0754------2</link>
            <guid isPermaLink="false">https://medium.com/p/b91609b7c2a3</guid>
            <category><![CDATA[analytics]]></category>
            <category><![CDATA[football]]></category>
            <category><![CDATA[copa-america]]></category>
            <category><![CDATA[conmebol]]></category>
            <dc:creator><![CDATA[Jorge Saldivar]]></dc:creator>
            <pubDate>Tue, 30 Aug 2022 19:58:12 GMT</pubDate>
            <atom:updated>2022-09-19T03:18:20.304Z</atom:updated>
            <content:encoded><![CDATA[<h3>La Copa América Brasil 2021 desde el Football Analytics (I)</h3><p><em>Football Analytics</em> (o <em>Análitica del Fútbol</em> en Español) es una especialización de lo que se conoce como <em>Sports Analytics</em>, que es la aplicación de técnicas de procesamiento, modelado estadístico, y análisis de datos al deporte. Su uso está en auge hoy en día en clubes de fútbol que utilizan la herramienta para medir el desempeño de los <a href="https://footballtoday.com/2021/12/23/data-analysis-is-dusan-vlahovic-really-worth-the-hype/">jugadores</a> y del <a href="https://statsbomb.com/articles/soccer/how-italy-became-euro-2020-champions">equipo</a> así como también para el estudio de los <a href="https://www.youtube.com/watch?v=0CRe_SttIMY">rivales</a>.</p><p>Este análisis se enfoca en aplicar métricas y técnicas del <em>Football Analytics</em> para explorar aspectos de los equipos y jugadores que compitieron en la <a href="https://es.wikipedia.org/wiki/Copa_Am%C3%A9rica_2021">Copa América Brasil 2021</a>, organizada por Conmebol y ganada por Argentina. Para facilitar su lectura,<strong> el reporte del análisis está divido en tres partes, siendo esta la primera de ellas (</strong><a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-ii-827ed553cb99"><strong>segunda</strong></a><strong> parte, </strong><a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-iii-f36ddda971d5"><strong>tercera</strong></a><strong> parte)</strong>. Los datos fueron obtenidos de <a href="https://fbref.com/en/comps/685/Copa-America-Stats">FBREF</a> en colabración con <a href="https://statsbomb.com/">Statsbomb</a> y la mayoría de los análisis estuvieron inspirados en las mediciones de <a href="https://twitter.com/Odriozolite">Odriozolite</a>, <a href="https://twitter.com/NinadB_06">NinadB_06</a>, y <a href="https://twitter.com/exceedingxpuns">exceedingxpuns</a>. Todo el código se encuentra disponible en este <a href="https://github.com/joausaga/copa-america-2021-analytics">repositorio</a>.</p><p><strong>Copa América Brasil 2021</strong></p><p>Del 13 Junio al 10 de Julio de 2021 se desarrolló en las ciudades de Río de Janeiro, Brasilía, Cuiabá, y Goiania la Copa América. Las 10 selecciones de Sudamérica se dividieron en dos grupos (Norte y Sur) de 5 de equipos cada uno. Los 4 primeros de cada grupo avanzaban a los cuartos de final; ronda en la que se enfrentaron: Argentina y Ecuador, con victoria para los comandados por Messi; Uruguay y Colombia, con triunfo para los Cafeteros por penales; Brasil y Chile, con éxito para la Penta Campeona del Mundo; y Paraguay y Perú, en donde se impuso por penales el cuadro Incaico. Venezuela y Bolivia no pasaron la fase de grupos.</p><p>El sábado 10 de Julio, Argentina y Brasil jugaron la final en el mítico <a href="https://es.wikipedia.org/wiki/Estadio_de_Maracan%C3%A1">Maracaná</a> de Río de Janeiro. Argentina se terminó imponiendo con el <a href="https://www.youtube.com/watch?v=BzgPZit51qg">gol de Ángel Di María</a>. Completaron el podio, Colombia (tercero) y Perú (cuarto). Se disputaron 28 partidos, marcándose 65 goles; un promedio de 2.32 goles por partido. Los goleadores fueron Lionel Messi y Luis Fernando Díaz, con 4 goles cada uno. Lionel Messi fue, también, elegido el mejor jugador del torneo. A continuación los análisis sobre algunos aspectos del desempeño defensivo y ofensivo de los equipo de la Copa América.</p><p><strong>La solidez defensiva como atributo para el éxito</strong></p><p>Las dos mejores selecciones del torneo, Argentina y Brasil, demostraron tener las defensas más fuertes. A ambas le llegaron poco y de las escasas chances que le crearon estas no fueron peligrosas, como se puede ver en la Figura 1. Otros que destacaron — además de los finalistas — por su desempeño defensivo durante el torneo fueron Colombia y Perú; a ambas selecciones le llegaron poco, y las veces que le llegaron no fueron de mucho peligro (más en el caso de Colombia que de Perú). Tanto Uruguay como Paraguay demostraron ser selecciones promedio en cuanto a permitir llegadas de los rivales sin embargo ambos equipos no permitieron, en general, situaciones de peligro. Chile y Ecuador mostraron resultados opuestos. Por un lado, al cuadro trasandino le llegaron más que la media pero sin mucho peligro mientras que a Ecuador le produjeron pocas pero peligrosas llegadas. Las selecciones con peores rendimientos defensivos, considerando estos aspectos, fueron Bolivia y Venezuela, quienes se eliminaron en primera ronda y terminaron el torneo con una diferencia de gol de -4 y -8, respectivamente.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*r-hc4XqGyzgaT6j57AwXJg.png" /><figcaption><strong>Figura 1.</strong> Desempeño defensivo de las selecciones durante la Copa América Brasil 2021. El cuadrante de arriba y derecha concentra los equipos con mejores desempeños defensivos. Las líneas punteadas representan el promedio de cada eje. El eje X refleja el número de veces por minutos jugados que los oponentes llegaron a el último tercio de la cancha mientras que el eje Y muestra la calidad de la situaciones generadas por los oponentes normalizado por el número de veces que los oponentes llegaron al último tercio de la cancha. La calidad de las situaciones de los oponentes se mide utilizando la métrica <strong>expected goal</strong> (<strong>xG</strong>). En este caso se aplicó una variante del xG, la <strong>npxG</strong> que no considera los tiros penales.</figcaption></figure><p>Resultados similares se aprecian si, esta vez, medimos la efectivad de las presiones para recuperar el balón así como también el <em>npxG</em> concedido considerando los minutos jugados por cada selección. El <em>npxG</em> es una variante del <em>expected goal</em> (<a href="https://fbref.com/en/expected-goals-model-explained"><em>xG</em></a>), que es un modelo computacional que estima la probabilidad de que una jugada acabe en gol considerando aspectos como la distancia y el ángulo del remate asi como también la ubicación de los oponentes.</p><p>Así como en la Figura 1, las cuatro mejores selecciones del torneo (Argentina, Brasil, Colombia, y Perú) — arriba a la derecha en la Figura 2 — demostraron tener las de defensa más sólida al no conceder buenas chances de gol y al ejercer presiones efectivas para recuperar el balón. En este cuadrante también aparecen Uruguay, Perú, y Paraguay mostrando una correcta intensidad y efectividad defensiva. A diferencia de la Figura 1, Chile y Ecuador se muestran en el cuadrante de las mejores selecciones por su efectiva presión para evitar que el rival circule el balón. Venezuela y Bolivia, por su parte, demostraron bastante baja intensidad y poca efectividad defensiva, acorde a los resultados que obtuvieron en el torneo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9cijYprNJUwHGsP251B5_A.png" /><figcaption><strong>Figura 2. </strong>Efectividad e intensidad defensiva de las selecciones durante la Copa América Brasil 2021. El cuadrante de arriba a la derecha concentra los equipos más efectivos e intensos defensivamente. Las lineas punteada indican el promedio de los ejes. El eje X muestra la proporción de pases completados por los oponentes sobre la acciones de presión exitosas, es decir aquellas que permitieron recuperar la pelota mientras que el eje Y ilustra el <strong>xG</strong> concedido por minutos jugados.</figcaption></figure><p><strong>Presión en medio campo la más común entre los equipos</strong></p><p>Siguiendo con los aspectos defensivos de las selecciones participantes de la Copa América, la Figura 3 muestra en que zonas del campo los equipos presionaron a sus rivales. En general, 7 de las 10 selecciones realizaron principalmente presión en mitad de cancha. Argentina, por ejemplo, realizó el 42% de sus acciones de presión en esta zona del campo mientras que Brasil — el otro finalista — presionó en mitad de cancha el 43% de las veces. El que más ejerció presión alta fue Ecuador (27%), seguido de Argentina (25%) y Brasil (25%). Venezuela (14%), Paraguay (18%), y Perú (18%) fueron los que menos presionaron alto durante el torneo mientras que Venezuela (46%), Chile (42%), y Bolivia (40%) enfocaron sus acciones de presión principalmente en campo propio .</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*o9A5IYs0_kN19pTuzHCeOg.png" /><figcaption><strong>Figura 3</strong>. Zonas del campo más frecuentes de presión para cada una de la selecciones que participaron de la Copa América 2021. El campo de juego es dividido en tres zonas: defensa, medio, ataque. Luego se calcula la distribución de acciones de presión en cada zona. La dirección de juego en todos los casos de izquierda a derecha.</figcaption></figure><p><strong>Desempeño defensivo en pelota parada</strong></p><p>La mayoría de los equipos no recibió goles de corner; solo Colombia, Chile, Venezuela, y Perú sufrieron por esta via. La gran mayoría de los equipos que no recibieron goles de corners tuvieron que defender tiros abiertos, <em>outswinger</em> en la Figura 4. De los 24 tiros de esquina que recibió Argentina el 70% fueron corners abiertos; ninguno fue gol. Algo similar pasó con los 19 corners que concedió Brasil en el torneo. Los estilos de los corners que sufrió Uruguay en contra fueron más diversos; en cantidades similares recibió corners cerrados y rectos, mientras que el 27% fueron abiertos.</p><p>Respecto a los equipos que sufrieron goles de corners, una parte de ellos (Venezuela y Perú) se mostraron vulnerables en los corners abiertos (<em>outswinger</em>), como se ve en la Figura 4, mientras que a los restantes, Colombia y Chile, le marcaron más desde corners cerrados (<em>inswinger</em>). En general, los corners rectos (<em>straight</em>) fueron los menos prácticados por los rivales en tanto que los corners abiertos (<em>outswinger</em>) los más cómunes.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*EdtlOu-v7HQmVSJljUOjdw.png" /><figcaption><strong>Figura 4</strong>. Desempeño defensivo en corners. Inswinger (corner cerrado), Outswinger (corner abierto), Straight (corner recto).</figcaption></figure><p><strong>La ofensiva de los finalistas</strong></p><p>Argentina y Brasil demostraron tener un excelente desempeño ofensivo durante la Copa America. Ambos equipos fueron los que más llegaron a zona ataque generando buenas chances de gol en sus incursiones a territorio rival, como se puede ver en la Figura 5. El desempeño de Uruguay es un tanto contradictorio ya que tuvo muchas llegadas pero de mala calidad. Uruguay fue el equipo que más pases por minutos jugados realizó en el último tercio del campo (204), seguido por Brasil (183). Paraguay, Ecuador, Perú, y, en menor medida, Colombia llegaron menos que Uruguay a zona rival aunque creando mejores situaciones de gol. Bolivia, por su parte, llegó menos de la media y las situaciones creadas fueron de mala calidad. Venezuela llegó muy poco en los partidos que disputó.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lTXihyhlvO6zjcin7PfX9A.png" /><figcaption><strong>Figura 5</strong>. Desempeño ofensivo de los equipos participantes en la Copa América Brasil 2021. El cuadrante de arriba a la derecha concentra los equipos con mejor desempeño. Las lineas punteada indican el promedio de los ejes. El eje X refleja el número de veces por minutos jugados que los equipos llegaron a el último tercio de la cancha más cercano a la porteria contraria mientras que el eje Y muestra la calidad de la situaciones generadas normalizado por el número de veces que llegaron al último tercio de la cancha.</figcaption></figure><p><strong>El poderío áreo Guaraní</strong></p><p>Paraguay junto con Perú fueron por amplio margen los equipos más efectivos desde los corners; casi 20% de sus corners terminaron en gol, como se puede ver en la Figura 6. Los estilos, sin embargo, fueron distintos. Mientras que Perú ensayó casi exclusivamente corners abiertos (<em>outswinger</em>), Paraguay alternó entre corners abiertos, rectos (<em>straight</em>), y cerrados (<em>inswinger</em>), aunque los abiertos fueron los más utilizados. Es notable la poca efectividad de Ecuador, quiénes patearon casi 40 corners, principalmente abiertos (76.3%), sin convertir ninguno. También Colombia tuvo un desempeño pobre por esta via lanzando 24 corners sin ningún gol.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RtjPiiMRDXTCI7jFpOrO2g.png" /><figcaption><strong>Figura 6</strong>. Desempeño ofensivo en corners. Inswinger (corner cerrado), Outswinger (corner abierto), Straight (corner recto).</figcaption></figure><p><strong>La posesión en el centro del campo</strong></p><p>Brasil fue el equipo con más posesión del torneo, solamente en el partido contra Chile tuvo menos posesión que el rival, quién controló el balón el 58% del tiempo. En promedio, Brasil tuvo la posesión el 57% del tiempo, logrando un control del balón del 68% contra Colombia en un <a href="https://www.youtube.com/watch?v=Ctaa-lZG4wc">partido</a> que empezó perdiendo pero que terminó ganando por 2–1. Chile y Ecuador le siguen con un promedio de posesión del 56%. Argentina — la campeona — mostró ser un equipo que, en general, compartió la posesión en porcentages similares con el rival (49% en promedio). Solo <a href="https://www.youtube.com/watch?v=YWbcdWaMl9Y">contra Bolivia</a> impuso un mayor dominio quedándose con el 68% de la posesión. Bolivia y Venezuela, por su parte, demostraron ser los equipos con menor control del balón del torneo con un promedio de 35% y 37%, respectivamente.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8s1UkRaehs1f53MBf9tGzA.png" /><figcaption><strong>Figura 7</strong>. Zonas de posesión del balón para cada una de la selecciones que participaron de la Copa América 2021. El campo de juego es dividido en tres zonas: defensa, medio, ataque. Luego se calcula la distribución de posesión en cada zona. La dirección de juego en todos los casos de izquierda a derecha.</figcaption></figure><p>Si analizamos las zonas del campo donde se dió principalmente la posesión vemos que, en general, los equipos controlaron el balón en el medio del campo. Perú y Brasil fueron los que más dominaron el balón en esta zona, según muesta la Figura 7. Uruguay fue el que más ejerció posesión en campo rival realizando en esta zona de la cancha un tercio de sus controles. Bolivia y Venezuela, a su vez, fueron los que más dominaron el balón en su propio campo.</p><p><strong>Conclusiones</strong></p><p>El estudio confirma la excelente Copa América que hicieron Argentina y Brasil. En casi todos los análisis ambas selecciones destacan por sobre el resto tanto por su desempeño ofensivo como defensivo. Sin dudas, a la final llegaron los dos mejores equipos del torneo. Defensivamente es también destacable el torneo de Paraguay y Uruguay, quiénes pese a haberse eliminado por penales en cuartos de final, demonstraron una correcta efectividad defensiva, no recibiendo goles de corners, ejerciendo presión intensa en mitad de cancha, y no permitiendo buenas chances de gol a sus rivales. Ofensivamente, sin embargo, Colombia — el verdugo de Uruguay en cuartos — y Perú, fueron equipos más equilibrados. Uruguay llegó más veces por minutos jugados al último tercio de campo rival que Perú y Colombia pero las situaciones de gol creadas por el equipo Charrua fueron de peor calidad que las de los equipos Incaico y Cafetero. También los resultados del estudio son consistentes con el pálido torneo de Bolivia y Venezuela, selecciones que mostraron muy malos desempeños en todos los aspectos analizados.</p><p>En la <a href="https://jorgesaldivar.medium.com/la-copa-am%C3%A9rica-brasil-2021-desde-el-football-analytics-ii-827ed553cb99"><strong>segunda</strong></a> parte del reporte se profundiza aspectos ofensivos y defensivos pero intra equipos, es decir se hace énfasis en el rol y desempeño de algunos jugadores destacados dentro de sus equipos.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b91609b7c2a3" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[La importancia de perfiles influyentes en procesos electorales]]></title>
            <link>https://jorgesaldivar.medium.com/la-importancia-de-perfiles-influyentes-en-procesos-electorales-5b3fcf7614cd?source=rss-990b867f0754------2</link>
            <guid isPermaLink="false">https://medium.com/p/5b3fcf7614cd</guid>
            <category><![CDATA[elections]]></category>
            <category><![CDATA[democracy]]></category>
            <category><![CDATA[bots]]></category>
            <dc:creator><![CDATA[Jorge Saldivar]]></dc:creator>
            <pubDate>Thu, 22 Nov 2018 19:26:01 GMT</pubDate>
            <atom:updated>2018-12-11T18:36:55.947Z</atom:updated>
            <content:encoded><![CDATA[<h4>Un estudio sobre la red interacciones surgidas en las internas del Partido Colorado</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/771/1*Yenw--dGDbe2bmXrdPbhog.png" /></figure><p>Como parte del trabajo realizado entre la organización <a href="https://medium.com/u/5b70bfd194e6">TEDIC</a> y el Departamento de Electrónica e Informática de la Universidad Católica Nuestra Señora de la Asunción donde estudiamos el uso de Twitter durante las internas de la ANR (ver detalles del estudio <a href="https://medium.com/@jorgesaldivar/redes-sociales-en-procesos-electorales-89f2925966b6"><strong>aquí</strong></a>) realizamos un análisis sobre la red de perfiles que publicaron tweets utilizando hashtags de campaña y menciones a cuentas relacionadas a candidatos de estas internas. El objetivo fue entender cómo se relacionaron los perfiles que intervinieron en la discusión sobre la primarias colorados, así como también conocer en más detalles como se dieron las interacciones entre los diferentes actores que participaron en la conversación alrededor del proceso electoral colorado. Para un mejor entendimiento de este artículo es recomendable conocer los detalles del estudio que presentamos en el artículo <a href="https://medium.com/@jorgesaldivar/redes-sociales-en-procesos-electorales-89f2925966b6"><strong>Redes sociales en tiempos electorales: Uso de Twitter durante las internas de la ANR</strong></a>.</p><p>Los <strong>resultados más relevantes</strong> del estudio demuestran, por un lado, que perfiles no afines a ningún movimiento interno del partido participaron activamente en la discusión sobre las internas de la ANR, y por otro, la relevancia en la discusión sobre las primarias coloradas de periodistas y políticos opositores. Los detalles del estudio se presentan a continuación.</p><h3>Método</h3><p><strong>Red de interacciones no de relaciones.</strong> El análisis se centra en las interacciones entre los perfiles, no en las relaciones entre ellos (seguidores, seguidos). Principalmente en las interacciones recibidas por los perfiles. Consideramos que un perfil A recibió una interacción de un perfil B si (<em>i)</em> publicó un tweet mencionando a A; <em>(ii)</em> hizo retweet de un tweet publicado por A; <em>(iii)</em> citó un tweet publicado por A; o <em>(iv)</em> respondió a un tweet publicado por A. Calculamos las interacciones que cada perfil recibió. En este estudio, las interacciones incluyen los retweets, respuestas, y citaciones de tweets, además de las menciones a un perfil.</p><p><strong>Etiquetado de perfiles.</strong> Etiquetamos los perfiles de acuerdo a su movimiento de preferencia, si hubiere. Para ello, inferimos que un perfil apoyó a un movimiento en particular si en algún momento durante el período de estudio (Noviembre 2017 — Enero 2018) publicó tweets utilizando los hashtags de campaña de este movimiento. De darse esta situación decimos que un perfil mostró preferencia “explícita” hacia el movimiento. Aunque la utilización de hashtags de campaña puede no necesariamente implicar el apoyo al movimiento, consideramos que estos casos son minoría entre los datos que contamos. Por otro lado, reconocemos que un perfil puede expresar su apoyo político sin necesidad de utilizar hashtags de campaña, sin embargo, a pesar de esto decidimos optar por un enfoque conservador que aunque nos lleve a no tener en cuenta algunas preferencias nos evita mayores errores de clasificación.</p><p><strong>Ilustración de la red.</strong> La Figura 1 muestra la parte más significativa de la red de interacciones. Los perfiles son ilustrados por medio de círculos, los cuales toman principalmente tres colores. Los círculos<strong> verdes </strong>representan perfiles que mostraron preferencia hacia el movimiento Honor Colorado mediante la publicación de tweets que contenía hashtags asociados a la campaña de este movimiento. El <strong>amarillo</strong> se utiliza para ilustrar perfiles simpatizantes del movimiento Colorado Añeteté. El color <strong>naranja</strong> empleamos para representar perfiles que en ningún momento del período de extracción de datos (Noviembre 2017 — Enero 2018) expresaron preferencia hacia algún movimiento. Esto es, no encontramos tweets en los que hayan utilizado los hashtags de campaña de los movimientos en disputa. Existen círculos de otros colores, como el <strong>lila</strong>, que son<strong> </strong>usados para representar perfiles simpatizantes de otros movimientos de la ANR como el Progresista Colorado, sin embargo estos son irrelevantes dentro de la red.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*K2mYyWZJ2UFJMpgOOGh56w.png" /><figcaption>Figura 1. Red de interacciones surgidas durante las internas de la ANR. El color verde se utiliza para ilustrar perfiles e interacciones en las que se vieron involucradas cuentas simpatizantes del movimiento Honor Colorado. El color amarillo representa perfiles e interacciones relacionadas al movimiento Colorado Añeteté. Con el color naranja se ilustran los perfiles que no demostraron preferencia por algún movimiento.</figcaption></figure><p>El <strong>tamaño de los círculos</strong> es proporcional al número de interacciones que recibió el perfil. Así perfiles representados por círculos grandes (ej., <strong><em>MaritoAbdo</em></strong>, <strong><em>Horacio_Cartes</em></strong>, <strong><em>SantiPenap</em></strong>) fueron muy relevantes dentro de la red por la gran cantidad de interacciones que recibieron, es decir, fueron muy mencionados y sus tweets atrajeron un importante volumen de respuestas, retweets, y citas. Además del tamaño y color, los círculos se encuentran etiquetados con el nombre de perfil. El tamaño de la etiqueta es proporcional al tamaño del círculo, así perfiles importantes — con muchas interacciones recibidas — tienen asociados etiquetas más grandes.</p><h3>Resultados</h3><p>Al computar la red de interacciones encontramos que de la misma formaron parte 24.176 perfiles que se comunicaron entre sí 85.994 veces en el período de Noviembre 2017 a Enero 2018. <strong>El promedio de interacciones de un perfil en la red fue de 3,56</strong>. La cantidad de perfiles en la red de interacciones supera en 380 el total de perfiles reportados en el estudio <a href="https://medium.com/@jorgesaldivar/redes-sociales-en-procesos-electorales-89f2925966b6"><strong>Redes sociales en tiempos electorales: Uso de Twitter durante las internas de la ANR</strong></a> debido a que en esta red se encuentran incluidos perfiles vinculados a otros partidos que realizaron interacciones con los de la ANR.</p><blockquote>24.176 perfiles que se comunicaron entre sí 85.994 veces durante las internas de la ANR</blockquote><p>Los perfiles <strong><em>Santula</em></strong> (4.746), <strong><em>MaritoAbdo</em></strong> (4.691), y <strong><em>SantiPenap</em></strong> (4.557) fueron los que más interacciones recibieron, esto es, menciones, retweets, respuestas, y citaciones. Es interesante notar el rol preponderante del periodista Santiago González (<strong><em>Santula</em></strong>). <strong>En el último mes de campaña <em>Santula</em> atrajo inclusive más interacciones que los mismos candidatos a la presidencia.</strong></p><p>Notablemente la discusión sobre las internas de la ANR estuvo influenciada por perfiles “neutros” — aquellos que no expresaron preferencia hacia algún movimiento en particular. Esto revela que el proceso electoral colorado atrajo la atención no solo de simpatizantes de la ANR sino de un grupo importante de la ciudadanía no necesariamente identificada con algún sector partidario. A pesar de no demostrar su preferencia política, estos perfiles se involucraron en conversaciones sobre las primarias de la ANR y aparentemente lo hicieron desde una perspectiva no electoralista. Es decir, no se vincularon directamente con los movimientos participantes de la contienda electoral sino con sus protagonistas, como por ejemplo con Horacio Cartes quién en ese entonces lideraba el gobierno nacional y era al mismo tiempo candidato a senador. La preponderancia en la red del perfil <strong><em>Horacio_Cartes </em></strong>(ver Figura 1)<strong><em> </em></strong>parece reforzar esta conclusión.</p><blockquote>Santula (4.746 interacciones), MaritoAbdo (4.691), y SantiPenap (4.557) fueron los perfiles que más interacciones recibieron en los meses previos a las internas del Partido Colorado</blockquote><p>Como se puede observar en la Figura 1, los perfiles simpatizantes de los movimientos Colorado Añeteté (color amarillo) y Honor Colorado (color verde) se encuentran en un sector acotado de la red y muy cercanos al perfil de los presidenciales. Una característica esperable es la influencia en la red de los perfiles de <strong>Mario Abdo</strong> (<strong><em>MaritoAbdo</em></strong>) y <strong>Santiago Peña</strong> (<strong><em>SantiPenap</em></strong>), así como también del líder del movimiento Honor Colorado, <strong>Horacio Cartes</strong> (<strong><em>Horacio_Cartes</em></strong>), quién a diferencia de Peña y Abdo — que interactuaron principalmente con sus simpatizantes — se vio involucrado mayoritariamente en interacciones con perfiles “neutros”.</p><blockquote>Es de notar la importancia en la red del líder del movimiento Honor Colorado, <strong>Horacio Cartes</strong> (<strong>Horacio_Cartes</strong>), quién principalmente se vió involucrado en interacciones con perfiles “neutros”</blockquote><p>Un aspecto quizás sorpresivo y a destacar es la importancia en la red de los perfiles de los periodistas Santiago González<strong> </strong>(<strong><em>Santula</em></strong>) y Luis Bareiro (<strong><em>LuisBareiro</em></strong>), ver Figura 1. De acuerdo a la gráfica podemos notar que mayoritariamente los mismos recibieron interacciones de perfiles que no demostraron preferencia hacia algún movimiento. También es destacable la importancia de perfiles muy críticos al gobierno del Presidente Cartes, como el de la senadora<strong> </strong>Desirée Masi<strong> (<em>desimasi2</em>).</strong> Además se destaca el perfil del canal de televisión Telefuturo (<strong><em>TelefuturoInfo</em></strong>), que recibió más de 1.500 interacciones, muchas de ellas de perfiles simpatizantes del movimiento Colorado Añeteté. El perfil de la radio ABC Cardinal (<strong><em>ABCCardinal</em></strong>) y el del periodista de este medio Enrique Vargas Peña<strong> </strong>(<strong><em>enriquevp</em></strong>) se destacan también como relevantes dentro de la red. Profundizaremos en estos aspectos más adelante pero antes presentamos, por separado, las redes de interacciones de cada uno de los movimientos.</p><p><strong>La red de Honor Colorado.</strong> La red de interacciones del movimiento Honor Colorado que se muestra en la Figura 2 estuvo compuesta por <strong>1.301 perfiles (5% del total) que realizaron 4.067 interacciones (5% del total)</strong>. En promedio, los perfiles de la red de Honor Colorado realizaron 3,12 interacciones. <strong><em>SantiPenap</em></strong> (1.196), <strong><em>PrensaSanti2018</em></strong> (407), y <strong><em>AllianaPedro</em></strong><em> </em>(182) son los tres perfiles que más interacciones recibieron dentro de la red de Honor Colorado, aunque los dos últimos muy por detrás de la cuenta de Peña. La importancia de Santiago Peña en la red es esperable atendiendo a que fue el candidato a presidente del movimiento, es más 1 de cada 3 interacciones de la red las recibió el perfil de este candidato. Respecto a lo de Alliana es interesante notar como el presidente del partido cuyas internas se estaban disputando estuvo involucrado directamente en interacciones a favor de uno de los candidatos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oDxnqVYsEIRBS9EKACp_XQ.png" /><figcaption>Figura 2. Red de interacciones alrededor del movimiento Honor Colorado</figcaption></figure><p>Un aspecto llamativo no directamente relacionado a la red de Honor Colorado pero sí a su principal líder fue la actitud de imparcialidad respecto a las internas reflejada por el perfil personal de Twitter de Horacio Cartes. Como es sabido, el ex-presidente tuvo una activa participación en la campaña de Honor Colorado (<a href="https://www.lanacion.com.py/politica/2017/12/11/santiago-pena-cierra-campana-en-capital/">Santiago Peña cierra campaña en Capital</a>; <a href="https://www.lanacion.com.py/politica/2017/11/13/cartes-basta-de-los-ganadores-de-twitter-no-vamos-a-permitir-un-fraude/">Cartes: “El 17 de diciembre van a acabar los ganadores de Twitter”</a>; <a href="https://www.ultimahora.com/cartes-da-todo-santiago-pena-dios-mismo-te-eligio-n1099012.html">Cartes da todo por Santiago Peña: “Dios mismo te eligió”</a>) sin embargo su cuenta personal de Twitter no fue utilizada en ningún momento — al menos durante el período de extracción de datos para este estudio — para manifestar apoyo al movimiento Honor Colorado y sus candidaturas. Es notable como a diferencia de lo que sucedía fuera de las redes donde no solo el presidente de la república participaba en eventos proselitistas sino que además abiertamente se utilizaban los propios actos de gobierno como campaña electoral (<a href="http://www.abc.com.py/nacionales/proselitismo-en-inauguracion-1657650.html">Proselitismo en inauguración</a>; <a href="http://Proselitismo con recursos del Estado">Proselitismo con recursos del Estado</a>), los medios sociales no se utilizaron para mostrar esta faceta del ex-presidente.</p><p><strong>La red de Colorado Añeteté.</strong> Aproximadamente <strong>9% del total de perfiles (2.215) </strong>de la red de interacciones de la ANR está compuesta por cuentas de simpatizantes del movimiento Colorado Añeteté. Estos perfiles interactuaron 7.872 veces durante el último mes de campaña y los primeros días de Enero de 2018. En promedio los perfiles realizaron 3.55 interacciones, aproximadamente la misma cantidad de interacciones que los perfiles de la red del movimiento Honor Colorado. Al igual que la red de Honor Colorado y como era de esperarse, la red de Colorado Añeteté está fuertemente centrada en la figura del candidato a presidente Mario Abdo<strong> (<em>MaritoAbdo</em>)</strong>, ver Figura 3. Esto lo confirman las más de 2.000 interacciones que recibió (25% del total de interacciones de la red).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2dbNQsXllecBWobU4AkC4A.png" /><figcaption>Figura 3. Red de interacciones alrededor del movimiento Colorado Añeteté. El color de fondo fue alterado para que exista mayor contraste entre este y el color de los nodos de la red.</figcaption></figure><p>Aunque muy por debajo de Abdo, otros perfiles en la red de Colorado Añeteté que recibieron una importante cantidad de interacciones fueron <strong><em>JuanAfara</em></strong> —perfil del ex vice-presidente de la república Juan Afara — (365), <strong><em>TukuKaruPy</em></strong> (305), y <strong><em>Solmega</em></strong> (257). Es interesante notar como en ambas redes los candidatos presidenciables concentraron prácticamente la misma proporción de interacciones.</p><p><strong>Bots alrededor de los candidatos.</strong> Utilizando la herramienta <a href="https://github.com/ParticipaPY/politic-bots/tree/master/src/bot_detector"><strong><em>bot_detector</em></strong></a> desarrollada en el marco de este trabajo etiquetamos los perfiles de acuerdo a si presentaban o no comportamientos típicos en bots y cuentas falsas. De los 24.176 perfiles que intervinieron en conversaciones sobre las internas del partido colorado, 1.933 (12%) mostraron tener cualidades típicas en bots y cuentas falsas. Los perfiles de este tipo generaron alrededor del 3% del tráfico sobre las internas de la ANR.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DHMwySk2CBJR9_957fws9A.png" /><figcaption>Figura 4. Red de interacciones donde se ilustra en rojo los perfiles que mostraron comportamiento del tipo bot/cuenta falsa.</figcaption></figure><p>La Figura 4 muestra en color rojo la distribución de los perfiles de este tipo en la red de interacciones. Aunque distribuidos por toda la red, se observa que estos concentraron su influencia principalmente en sectores de la red cercanos a los candidatos presidenciables. Pareciera como que tanto Santiago Peña como Mario Abdo, así como también Horacio Cartes, aglomeraron a su alrededor grupos de perfiles con estas características que muy probablemente sirvieron como caja de resonancia para difundir y amplificar el alcance sus publicaciones. Además de aquellos que enfocaron sus interacciones en los candidatos y el ex-presidente Cartes, no se aprecia algún otro foco donde perfiles del tipo bot/cuenta falsa hayan centralizado sus actividades.</p><p><strong>Llamativa preponderancia de periodista y políticos opositores.</strong> La importancia de los perfiles de Santiago Peña y Mario Abdo Benítez en la red de interacciones no es llamativa teniendo en cuenta que se trataban de los candidatos a presidente. Tampoco es sorpresivo el rol preponderante del perfil de ex-presidente Horacio Cartes considerando que se trata de uno de los políticos más influyentes de la ANR. Sin embargo, llama mucho la atención la preponderancia en la red de los perfiles de periodistas y políticos no vinculados a la ANR, como los de Santiago González (<strong><em>Santula</em></strong>), Luis Bareiro (<strong><em>LuisBareiro</em></strong>), y la senadora Desirée Masi (<strong><em>desimasi2</em></strong>)<em>. </em>A continuación enfocamos el análisis en entender el rol de estos perfiles en la red de interacciones surgidas en el proceso electoral Colorado.</p><p><strong>Santiago González (<em>Santula</em>). </strong>Entre Noviembre de 2017 y Enero de 2018, <strong><em>Santula</em></strong> fue mencionado 118 veces en publicaciones relacionadas a las primarias de la ANR, además sus tweets sobre estas elecciones habían recibido, al momento en que se extrajeron los datos, 6.000 retweets, 62 citaciones, y 1.563 respuestas. Uno de los tweets de González que más actividad concentró se muestra en la Figura 5.</p><h3>Santiago González on Twitter</h3><p>Hay que felicitar a @SantiPenap por su discurso reconociendo la derrota. Su derrota en realidad es la derrota de Cartes, Peña también es su víctima.</p><p>De los 4.057 perfiles que hicieron retweet de las publicaciones de <strong><em>Santula</em></strong>, la gran mayoría demostraron no ser simpatizantes de algún movimiento de la ANR. Cerca del 10% de los 1.135 perfiles que respondieron a Santiago González presentaron características de bots/cuentas falsas. El 10% de los perfiles con comportamiento de bots/cuentas falsas demostraron ser simpatizantes del movimiento Honor Colorado o Colorado Añeteté. Un análisis sobre la tonalidad de las 142 respuestas de estos perfiles tipo bots/cuentas falsas demostró que alrededor del 20% de las mismas tuvieron una connotación negativa, es decir utilizaron lenguaje inapropiado y hasta agresivo.</p><blockquote>El 8% de los 1.135 perfiles que respondieron a Santiago González presentaron características de bots/cuentas falsas. De estos perfiles, el 10% estuvieron relacionados al movimiento Honor Colorado o Colorado Añeteté.</blockquote><p>Un 6% de los 76 perfiles que mencionaron a <strong><em>Santula</em></strong> presentaron características de tipo bots/cuentas falsas. En total, de los 5.016 perfiles que interactuaron con <strong><em>Santula </em></strong>en el marco de las internas, 179 (3%) mostraron tener comportamientos similares a bots/cuentas falsas; un porcentaje muy pequeño de estos demostraron ser simpatizante de algún movimiento colorado.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/727/1*vsaA7ACaWCYNDE3vEnlwSQ.png" /><figcaption>Figura 6. Evolución en el tiempo de las interacciones que recibió el perfil <strong>Santula</strong></figcaption></figure><p>Los resultados presentados más lo ilustrado en la Figura 6 parecieran indicar que la importancia de <strong><em>Santula</em></strong> en la red de interacciones obedece principalmente al gran volumen de retweets que concentraron sus publicaciones. Publicaciones que en su gran mayoría fueron re-distribuidas masivamente por perfiles que, por un lado, no manifestaron su preferencia electoral ni, por otro, mostraron comportamientos del tipo bot/cuenta falsa. Es interesante notar que aunque los retweets fueron por lejos las principales interacciones que recibió el perfil de Santiago González, las menciones a su perfil y las respuestas a sus tweets se mantuvieron constante — y en cantidades similares — a lo largo del tiempo. A priori podría haberse pensado que estas respuestas y citaciones fueron realizadas por perfiles del tipo bot para contrarrestar las opiniones de <strong><em>Santula </em></strong>contrarias a algún sector del partido, sin embargo, este estudio no encontró evidencias suficientes que demuestren esta hipótesis.</p><p><strong>Luis Bareiro (<em>LuisBareiro</em>). </strong>Durante el proceso electoral colorado, los tweets de Luis Bairero relacionados a las internas recibieron 2.680 retweets, además de 13 citaciones. Sus tweets sobre las primarias recibieron 207 respuestas. El perfil de Bareiro fue mencionado 38 veces en tweets vinculados a las internas. Uno de los tweets de Luis Bareiro que más atención concentró se ilustra en la Figura 7.</p><h3>Luis Bareiro on Twitter</h3><p>No perdió @SantiPenap, un buen candidato, perdió HC, por soberbia y por cargar con delincuentes como González Daher</p><p>De los 2.672 perfiles que hicieron retweet de sus publicaciones alrededor del 10% demostraron preferencia hacia el movimiento Colorado Añeteté mientras que el 2% mostraron comportamientos típicos en bots y cuentas falsas. De los 50 perfiles que más respuestas hicieron a sus tweets, el 15% presentaron características de bots/cuentas falsas. De las 26 respuestas realizadas por perfiles tipo bot/cuenta falsa, encontramos que el 15% tuvieron una connotación negativa.</p><p>En total, de los 2.877 perfiles de los que interactuaron con Luis Bareiro a través de sus publicaciones 71 (2%) mostraron tener cualidades tipo bot/cuenta falsa. Al igual que lo sucedido con <strong><em>Santula</em></strong>, la relevancia del perfil <strong><em>LuisBareiro</em></strong> en la red se debió al gran volumen de retweets que generaron sus publicaciones, las cuales fueron compartidas por perfiles que en su mayoría no manifestaron preferencia hacia algún movimiento de la ANR ni tampoco demostraron comportamientos tipo bot/cuenta falsa.</p><p><strong>Desirée Masi (<em>desimasi2</em>). </strong>Entre Noviembre de 2017 y Enero de 2018, los tweets de la senadora Masi en el marco de las internas recibieron 729 respuestas y fueron retuiteados 1.735 veces. Además sus publicaciones recibieron 12 citaciones. El perfil <strong><em>desimasi2 </em></strong>fue mencionado en 40 publicaciones vinculadas las primarias de la ANR. La Figura 8 muestra uno de los tweets de Desireé que más interacciones recibió.</p><h3>Desirée Masi 🇵🇾🌻 on Twitter</h3><p>Aprovecho para recordar a @Horacio_Cartes que #InternasPy fue. El @pdpprogresista como habiamos anunciado, impugnarà su incostitucional candidatura. Hule.</p><p>De los perfiles que hicieron retweet de las publicaciones de Desirée Masi, un cuarto (25%) demostraron ser simpatizantes del movimiento Colorado Añeteté mientras que el 3% de los 812 perfiles que compartieron sus publicaciones presentaron características de bot/cuenta falsa.</p><p>De los 50 perfiles que más respondieron a las publicaciones de la senadora Masi, 3 demostraron tener comportamientos del tipo bot/cuenta falsa. En total, 43 de los 525 perfiles (34%) que elaboraron respuestas sobre tweets de <strong><em>desimasi2 </em></strong>presentaron características típicas en bots y cuentas falsas. El 10% de estos perfiles manifestaron su preferencia hacia alguno de los dos movimientos más importantes de las internas. Además encontramos que solo el 35% de las respuestas sobre las publicaciones de <strong><em>desimasi2 </em></strong>tuvieron una connotación positiva. En total, 62 de los 1.251 perfiles (5%) que interactuaron con la senadora Masi, mostraron tener cualidades del tipo bot/cuenta falsa.</p><p>Es interesante notar como las interacciones que recibió el perfil de Desireé se acentuaron pasadas las internas. Como se visualiza en la Figura 9, los mayores picos de retweets (línea azul), respuestas (línea roja), y menciones (línea verde) se dieron luego de elecciones primarias de la ANR. Esto se debió seguramente a las altas repercusiones que se generaron a partir de publicaciones del perfil <strong><em>desimasi2</em></strong> y relacionadas a los resultados de las internas del Partido Colorado. Es llamativo como el perfil de un actor político opositor a la ANR haya demostrado ser tan influyente en la conversación sobre las internas coloradas. Por los resultados presentados esto se debió a que un grupo importante de perfiles aparentemente no vinculados a algún movimiento de la ANR interactuó con la senadora y realizó una difusión masiva de sus opiniones sobre candidatos colorados.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/721/1*2-KzXSqVVwj19i9RYv2kxA.png" /><figcaption>Figura 9. Evolución en el tiempo de las interacciones que recibió el perfil <strong>desimasi2</strong></figcaption></figure><p>Para concluir esta parte del análisis, estudiamos las coincidencias entre el grupo de bots que interactuó con los perfiles de González, Bareiro, y Masi y encontramos que más del 10% de estos perfiles son cuentas que interactuaron tanto con <strong><em>Santula</em> </strong>y <strong><em>LuisBareiro</em></strong>. También, aproximadamente el mismo porcentaje se encontró al analizar los perfiles comunes que interactuaron con <strong><em>Santula y desimasi2 </em></strong>y<strong><em> </em></strong>3 perfiles realizaron respuestas a los 3, es decir a Santiago González, Desirée Masi, y Luis Bareiro.</p><h3>Discusión Final</h3><p>Quizás el hallazgo más interesante de este estudio sobre la red de interacciones generada en el contexto de las internas partidarias de la ANR fue la notoria preponderancia en la red de perfiles “neutros”, aquellos que en ningún momento durante el periodo de estudio manifestaron explícitamente — mediante el uso de hashtags de campaña — su preferencia hacia algún movimiento. Es cuanto menos sorpresivo como la mitad del tráfico alrededor de las elecciones coloradas no fue generado por perfiles afines al partido y los movimientos en disputa electoral sino por perfiles aparentemente ajenos al proceso electoral colorado. Aunque existía la percepción de que las primarias de la ANR atrajeron la atención de gran parte de la ciudadanía, estos resultados demuestra que al menos en Twitter la carrera por representar al Partido Colorado en las nacionales despertó el interés de la opinión pública en general, como quizás no ocurrió con ningún otro grupo político.</p><p>Asimismo el estudio demostró la — esperable — influencia en la red de los candidatos a presidente Santiago Peña y Mario Abdo Benítez, así como también la importancia de Horacio Cartes, líder del movimiento Honor Colorado. Otro hallazgo al menos para nosotros inesperado fue la influencia en la conversación sobre las internas de perfiles ajenos a la ANR, como el de los periodistas Santiago González y Luis Bareiro, así como también el de la senadora Desirée Masi.</p><p>Un análisis en profundidad sobre las interacciones alrededor de estos perfiles muestra un par de elementos comunes que valen la pena mencionar. Primero, la importancia de estos actores se debe principalmente al gran volumen de retweets que generaron sus publicaciones, y, en menor medida, a la concentración de respuestas que se originaron a partir de sus tweets. Segundo, en un número importante de interacciones relacionadas a Bareiro, González, y Masi estuvieron involucrados perfiles “neutros”, lo que parece sugerir que fueron estos perfiles influyentes los que — sumados a otros cuyos análisis no se incluyeron en este artículo, como el del periodista Enrique Vargas Peña — propiciaron el involucramiento de una multitud de perfiles aparentemente no afines a los movimientos Honor Colorado ni Colorado Añeteté.</p><p>Finalmente, es importante destacar la presencia de perfiles de bots/cuentas falsas en las respuestas a publicaciones de los perfiles influyentes. En este sentido, hemos encontrado que fueron este tipo de perfiles los que más activamente respondieron a los tweets de <strong><em>Santula</em></strong>, <strong><em>LuisBareiro</em></strong>, y <strong><em>desimasi2</em></strong>, sin embargo y llamativamente la gran mayoría de estos no se identificó explícitamente con ningún movimiento de la ANR.</p><h3>Materiales Suplementarios</h3><ol><li>Todos los detalles del análisis se encuentran disponibles para su consulta en este <a href="https://github.com/ParticipaPY/politic-bots/blob/master/reports/notebooks/bots_politicos_internas_anr_2017.ipynb">material</a>;</li><li>El análisis de la tonalidad de los tweets se realizó utilizando la herramienta <a href="https://github.com/ParticipaPY/cca-core/tree/master/cca_core">CCA-CORE</a> desarrollada por el Ing. Marcelo Alcaraz de la Universidad Católica Nuestra Señora de la Asunción;</li><li>Para la identificación de los perfiles del tipo bot/cuentas falsas se empleó la herramienta <a href="https://github.com/ParticipaPY/politic-bots/tree/master/src/bot_detector">bot-detector</a> desarrollada por el Departamento de Electrónica e Informática de la Universidad Católica Nuestra Señora de la Asunción como parte del proyecto de investigación <a href="http://participa.org.py/">Participa</a> financiado por el CONACYT con fondos del FEEI;</li><li>Las gráficas de las redes de interacciones fueron creadas utilizando la herramienta open source de visualización de redes <a href="https://gephi.org/">Gephi</a>. El archivo fuente con los nodos de la red y sus conexiones se encuentra disponible <a href="https://github.com/ParticipaPY/politic-bots/tree/master/sna/gefx">aquí</a>.</li></ol><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5b3fcf7614cd" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Redes sociales en tiempos electorales]]></title>
            <link>https://jorgesaldivar.medium.com/redes-sociales-en-procesos-electorales-89f2925966b6?source=rss-990b867f0754------2</link>
            <guid isPermaLink="false">https://medium.com/p/89f2925966b6</guid>
            <category><![CDATA[democracy]]></category>
            <category><![CDATA[elections]]></category>
            <category><![CDATA[bots]]></category>
            <category><![CDATA[social-media]]></category>
            <dc:creator><![CDATA[Jorge Saldivar]]></dc:creator>
            <pubDate>Thu, 08 Nov 2018 13:12:44 GMT</pubDate>
            <atom:updated>2018-12-11T18:49:14.496Z</atom:updated>
            <content:encoded><![CDATA[<h4>Una mirada al uso de Twitter durante las internas de la ANR</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/750/1*7cCjU-swuyHA530vFWqIhg.jpeg" /><figcaption>Foto: t3mexico.mx</figcaption></figure><p>Las internas del Partido Colorado de Diciembre pasado se destacaron por su intensidad. Gran parte de la atención pública, durante los últimos meses de 2017, giró alrededor de las primarias de la ANR, quizás porque la mayoría suponía que — como terminó pasando finalmente — de ahí saldría el futuro presidente del Paraguay. La lucha por el sillón del Palacio de los López tuvo varios frentes y espacios. Las redes sociales no fueron la excepción.</p><p>La influencia real de perfiles automatizados y semi-automatizados (bots) de redes sociales es compleja de evaluar por lo que no está todavía suficientemente comprobada. Sin embargo, evidencias recientes sugieren que los bots son efectivas herramientas utilizadas para difundir información tendenciosa, manipular la opinión pública, e incidir en la vida democrática de las sociedades modernas (<a href="http://uncommonculture.org/ojs/index.php/fm/article/view/7090/5653"><strong>Bessi y Ferrara, 2016</strong></a><strong>; </strong><a href="https://www.theguardian.com/commentisfree/2014/may/04/pro-russia-trolls-ukraine-guardian-online"><strong>Elliot, 2014</strong></a><strong>; </strong><a href="http://blog.rolffredheim.com/2013/06/putins-bots-part-one-bit-about-bots.html"><strong>Fredheim, 2013</strong></a><strong>;</strong> <a href="http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.296.2901&amp;rep=rep1&amp;type=pdf#page=37"><strong>Chu et al., 2010</strong></a>). Samuel Wolley y Philip Howard reportaron en su estudio <a href="http://comprop.oii.ox.ac.uk/wp-content/uploads/sites/89/2017/06/Casestudies-ExecutiveSummary.pdf"><strong><em>Computational Propaganda Worlwide</em></strong></a><em> </em>que perfiles automatizados en Twitter jugaron un rol estratégico en difundir información a favor de la salida del Reino Unido de la Unión Europa durante el proceso <a href="https://en.wikipedia.org/wiki/Brexit"><em>“brexit”</em></a><em> (British exit from the European Union)</em>. En una investigación similar, <a href="https://www.tandfonline.com/doi/full/10.1080/19331681.2018.1448735"><strong>Howard et. al (2018)</strong></a><strong> </strong>demostraron la interferencia de bots sociales en la difusión y manipulación de información durante el proceso electoral presidencial de los Estados Unidos en 2016.</p><p>En nuestro país el uso de redes sociales han ido creciendo en los últimos tiempos, no solo como herramienta para la coordinación de acciones de movilización ciudadana como el <em>#UNANOTECALLES</em>, sino también como espacio de intercambio de opinión y medio de acceso a información de interés general. La inadecuada utilización de esta herramienta durante procesos participativos de toma de decisiones, como elecciones o referédums, podría delibitar nuestra todavía frágil democracia. Es por eso que, junto al Dr. <a href="https://medium.com/u/6fea0aff23c0">Cristhian Parra</a> y la <a href="https://twitter.com/JammyOrtigoza"><strong>Ing. Jammily Ortigoza</strong></a> — colegas del Departamento de Electrónica e Informática (DEI) de la Universidad Católica Nuestra Señora de la Asunción — y miembros de la organización <a href="https://medium.com/u/5b70bfd194e6">TEDIC</a> decidimos estudiar el uso que se le dio a las redes sociales en tiempos electorales tomando como caso inicial de estudio las internas de la ANR de Diciembre de 2017.</p><p>Los <strong>hallazgos principales del estudio</strong> fueron: (1) el movimiento Honor Colorado dominó la discusión en Twitter. Más de 1.500 tweets por día se publicaron en relación a esta agrupación política, con un promedio de 1 tweet cada 52 segundos; (2) al menos en Twitter la campaña del movimiento Colorado Añeteté se enfocó con exclusividad en potenciar la figura de su candidato presidencial Mario Abdo Benítez mientras que en Honor Colorado se centraron en promocionar al movimiento y sus diferentes candidaturas, no solo a la presidencial; (3) tanto Honor Colorado como Colorado Añeteté contaron con el apoyo de perfiles con características propias de bots y cuentas falsas. Estos perfiles — que según nuestra investigación tenían comportamientos que combinaban acciones automatizadas con aparentes intervenciones humanas— se dedicaron, por un lado, a redistribuir información y propaganda electoral por medio de retweets, y por otro, a realizar respuestas a publicaciones de otros usuarios de Twitter o a generar hilos (o threads) de conversación.</p><h3>Método</h3><p><strong>Recolección de Tweets.</strong> Entre el 24 de Noviembre de 2017 y el 15 de Enero de 2018, recolectamos, utilizando el <a href="https://developer.twitter.com/en/docs.html">API (<em>Application Programming Interface</em>) de Twitter</a>, <strong>145.021 tweets publicados por 23.245 perfiles únicos</strong>. Los tweets colectados contenían hashtags asociados a las campañas electorales (p.ej., <em>#SantiPresidente</em>, <em>#ParaguayDeLaGente</em>) y/o mencionaban cuentas de algún candidato (p.ej., <em>@SantiPenap</em>, <em>@MaritoAbdo</em>), lista o movimiento (p.ej., <em>#HonorColorado</em>, @<em>equipo_anetete</em>). También recogimos los tweets publicados por los propios candidatos a presidente.</p><h3>Lucia Cardozo on Twitter</h3><p>Será que ya se pueden acordar de bajar su publicidad del hashtag #SantiPresidente promocionado?? O la canilla del derroche sigue abierta? #InternasPy #ParaguayElige #Internas2017</p><p><strong>Etiquetado.</strong> Luego de la recolección cada tweet se etiquetó con el nombre del movimiento político (p.ej., Honor Colorado (HC), Colorado Añeteté) relacionado a los hashtags disponibles en el tweet. De existir en el tweet mención a alguna candidatura (p.ej., Santiago Peña, Mario Abdo) también se indicó esta situación en las etiquetas que se asignó al tweet. Por ejemplo, el tweet que se muestra en la Figura 1 recibió las etiquetas <strong><em>Honor Colorado</em></strong><em> </em>y<em> </em><strong><em>Santiago Peña</em></strong><em> </em>ya que en el mismo se utiliza el hashtag <strong><em>#SantiPresidente</em></strong><em> </em>que corresponde al candidato del movimiento HC.</p><h3>Ana Galeano on Twitter</h3><p>Vamooooo primera boca de urna #SantiPresidente @SantiPenap para vos @MaritoAbdo</p><p>Los tweets con hashtags de más de un movimiento o con menciones a más de un candidato se etiquetaron teniendo en cuenta el movimiento o candidatura con la mayoría de hashtags o menciones en el tweet. Por ejemplo, el tweet de la Figura 2 se etiquetó como <strong><em>Honor Colorado </em></strong>y <strong><em>Santiago Peña </em></strong>porque por más que hace mención al candidato Mario Abdo (@MaritoAbdo) contiene en suma una referencia mayor a la candidatura de Peña<em>. </em>De no existir mayoría entre hashtags y menciones, al tweet se le asigna una etiqueta especial para indicar esta situación.</p><h3>Resultados</h3><p>Tanto Honor Colorado como Colorado Añeteté inundaron Twitter con mensajes electorales, noticias, y propaganda. Entre Noviembre de 2017 y Enero de 2018, casi 150.000 tweets se publicaron sobre las internas del Partido Colorado.</p><blockquote><strong>En promedio, cada 30 segundos se publicaba un tweet sobre las primarias de la ANR.</strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/514/1*UP49-WF6X2vPJVHiQWMa0Q.png" /><figcaption>Figura 3. Distribución de tweets por tipo</figcaption></figure><p>Muy pocos de estos tweets fueron creaciones originales (11.536 de 145.615, 8%) sino más bien retweets (92.727 de 145.615, 64%) y respuestas (35.719 de 145.615, 24%) a publicaciones existentes, como se muestra en la Figura 3. Una distribución similar se encuentra al separar los tweets por etiquetas de movimiento.</p><p>La publicación de tweets fue creciendo con el paso del tiempo hasta alcanzar el 17 de Diciembre — día de las elecciones — el mayor número de tweets, como se muestra en la Figura 4. <strong>Más de 30.000 tweets se publicaron ese día</strong>. Pasadas las elecciones los tweets relacionados a las internas decrecieron significativamente con un pequeño pico el día de 28 de diciembre. Esto pudo deberse a que en esa fecha el Presidente de la República y líder del movimiento Honor Colorado, Horacio Cartes, confirmó su reunión con Mario Abdo Benítez, líder de Colorado Añeteté, en busca de la unidad del Partido Colorado (<a href="http://www.abc.com.py/nacionales/cartes-confirma-abrazo-republicano-1662344.html">Cartes confirma abrazo republicano</a>).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SboSLkU7ISqEZX6hP1XIgQ.png" /><figcaption>Figura 4. Evolución de cantidad de tweets a lo largo de tiempo</figcaption></figure><blockquote><strong>El 17 de Diciembre de 2017 de las elecciones se publicaron más de 30.000 tweets sobre las internas de la ANR</strong></blockquote><p>El día de las elecciones, la cantidad de tweets con información relacionada a Honor Colorado (línea roja oscura en Figura 5) fue superior durante toda la jornada electoral con respecto a los tweets vinculados al movimiento Colorado Añeteté, inclusive aún después de las 20 horas cuando el Tribunal Superior de Justicia Electoral (TSJE) anunciaba los resultados del TREP, ver Figura 5.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QWaY9KLQFqS8H3ihIWA49w.png" /><figcaption>Figura 5. Evolución de tweets por hora el 17 de diciembre, día de las elecciones</figcaption></figure><p>Entre las 20 y 21 horas se dio el pico de tweets en ambos movimientos, apreciándose también la principal diferencia en los tweets etiquetados sobre un movimiento y otro. El volumen en los tweets de Colorado Añeteté después de las 20 horas era esperable considerando la victoria del movimiento sin embargo la pronunciada cantidad de tweets relacionados a Honor Colorado (HC) requiere un análisis más exhaustivo.</p><h3>Santiago González on Twitter</h3><p>Hay que felicitar a @SantiPenap por su discurso reconociendo la derrota. Su derrota en realidad es la derrota de Cartes, Peña también es su víctima.</p><p>Una mirada de cerca a los tweets publicados después de las 20 horas y relacionados al movimiento HC muestran que cerca del 90% son retweets y respuesta que se generaron alrededor de dos publicaciones de los periodistas <a href="https://medium.com/u/46bd3d83c9c1">Santiago González</a> y Luis Bareiro que, como se puede observar en las Figuras 6 y 7, mencionaron al candidato Santiago Peña reconociendo el valor de su candidatura al tiempo de criticar al presidente Horacio Cartes, líder del movimiento perdedor. Es interesante notar como esta dos publicaciones concentraron la mayor parte de la conversación sobre el tema de la internas de la ANR luego del anuncio del TREP.</p><h3>Luis Bareiro on Twitter</h3><p>No perdió @SantiPenap, un buen candidato, perdió HC, por soberbia y por cargar con delincuentes como González Daher</p><p><strong>Honor Colorado concentró el mayor volumen de actividad.</strong> El movimiento Honor Colorado (HC) dominó Twitter durante la campaña electoral, como se puede observar en la Figura 8. El 60% de los tweets colectados para este estudio estuvieron relacionados a este movimiento y sus candidatos (86.661 de 145.615). Por cada tweet de Colorado Añeteté existieron prácticamente 2 tweets del movimiento HC. En los últimos meses de 2017 e inicios de 2018, <strong><em>Twitter recibió, en promedio, 1 tweet vinculado al movimiento HC cada 52 segundos</em></strong>. Se publicaron 1.635 tweets por día relacionados a Honor Colorado.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/509/1*XW27Pn0EfMsDzz5A67N2wg.png" /><figcaption>Figura 8. Distribución de tweets por movimiento</figcaption></figure><p>Más del 60% de los tweets con mención a hashtags o cuentas del movimiento Honor Colorado fueron retweets de publicaciones existentes. Considerando que el retweet es el principal mecanismo utilizado en Twitter para replicar información, se puede entender que Twitter fue utilizado principalmente como medio para difundir información propagandística sobre el movimiento y sus candidatos.</p><blockquote>El movimiento Honor Colorado — cuyo candidato presidencial terminó perdiendo las elecciones — dominó la conversación en Twitter durante la campaña electoral el 60% de los tweets</blockquote><p>Es interesante notar que la presencia masiva de propaganda electoral en redes sociales no se relacionó necesariamente a resultados positivos en las elecciones. Esto puede deberse a varios factores propios de nuestra cultura cívica y electoral, así como también al limitado público elector presente en la red social de estudio. Las estrategias adoptadas por los movimientos para la promoción de sus listas y candidatos pudieron igualmente quizás tener un impacto en el proceso electoral.</p><p><strong>Mismo objetivo, enfoques diferentes. </strong>Tanto Colorado Añeteté como Honor Colorado tenían como objetivo posicionar a sus candidatos ante la opinión pública. Para ello se valieron de varios medios, entre ellos las redes sociales como Twitter. Intentando entender la estrategia de promoción empleada en Twitter por ambos movimientos realizamos un análisis en el que tuvimos en cuenta solo tweets donde se mencionan a las cuentas de los candidatos y/o contienen hashtags utilizados para promocionar específicamente las candidaturas presidenciales.</p><p>Por ejemplo, tweets con los hashtags <strong><em>#JuntosPodemosMas</em></strong> o <strong><em>#CaminandoJuntos</em></strong> fueron incluidos en esta parte del estudio ya que estos hashtags estuvieron vinculados principalmente a la figura de Santiago Peña no así aquellos que contenían solo hashtags como <strong><em>#HonorColorado</em></strong><em> o </em><strong><em>#Lista2</em></strong><em> </em>que se utilizaron para referirse al movimiento partidario pero no necesariamente a la candidatura de Peña. De la misma manera, los tweets relacionado específicamente a la candidatura de Mario Abdo fueron seleccionados. Es así que tweets con hashtags como <strong><em>#MaritoDeLaGente</em></strong> o <strong><em>#ParaguayDeLaGente</em></strong> fueron incluidos no así aquellos que solo presentaban hashtags como <strong>#<em>ColoradoAñetete</em></strong><em> o </em><strong><em>#Lista3</em></strong>, más vinculados al movimiento del cual fue parte Mario Abdo. Tweets publicados por los mismos candidatos presidenciales no fueron incluidos en esta parte del estudio.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/498/1*sCC_DizKwXlIEYhqmicUiA.png" /><figcaption>Figura 9. Distribución de tweets por candidatura. Porcentaje calculado sobre el total de tweets relacionados al movimiento al que pertenecieron los candidatos</figcaption></figure><p>Los resultados fueron interesantes mostrando una diferencia de enfoques en las campañas en Twitter de ambos movimientos. La campaña de Colorado Añeteté se centró principalmente en potenciar la figura del presidenciable Mario Abdo Benítez. Como se aprecia en la Figura 9, casi el 100% de los tweets estuvieron vinculados a su figura. Por otra parte, la campaña de Honor Colorado se enfocó más en el movimiento en sí y no tanto en Peña. Quizás el pasado liberal del candidato oficialista pudo haber influenciando la estrategia de HC.</p><blockquote>Casi el 100% de los tweets relacionados al movimiento Colorado Añeteté estuvieron enfocados en la figura de Mario Abdo Benítez, no así los tweets vinculados a Honor Colorado que se ocuparon más de potenciar el movimiento político que la figura de su presidenciable</blockquote><p>La principal limitación de este análisis es que se considera que todo tweet que utiliza los hashtags asociados a un candidato es utilizado con la finalidad de promocionar esta candidatura, cuando puede que no sea siempre el caso existiendo tweets de connotación negativa que en su cuerpo mencionan al candidato o que utilizan hashtags asociados a su candidatura. A manera de mitigar esta limitación utilizamos la herramienta <a href="https://github.com/ParticipaPY/cca-core/tree/master/cca_core"><strong>CCA-CORE</strong></a> — desarrollada como parte de su tesis de ingeniería informática por el Ing. <a href="https://github.com/MarceMMAD">Marcelo Alcaraz</a> de la Universidad Católica — para examinar la tonalidad de los tweets (también conocido como análisis de sentimiento o sentiment analysis en Inglés). Los resultados de este análisis demostraron que solo el 15% de los tweets con referencia a las candidaturas presidenciales tuvieron una connotación negativa. Descartando los tweets negativos y volviendo a realizar el mismo examen, encontramos que la distribución por candidatura se mantiene prácticamente inalterable (68,38% Santiago Peña; 98,88% Mario Abdo). Estas últimas evidencias tienden a confirmar las diferentes estrategias de promoción electoral utilizadas por los movimientos.</p><p><strong>El chatbot de Marito. </strong>Un análisis sobre contenido de los tweets mostró que la gran mayoría de estos representaron publicaciones puramente textuales (tweet planos en la Figura 10) sin el acompañamiento de enlaces a sitios web externos a Twitter o materiales multimedia como imágenes o videos. Explorando los tweets de cada movimiento por separado encontramos, como se puede notar en la Figura 10, que aquellos relacionados al movimiento Colorado Añeteté fueron, entre los dos, los que más imágenes, videos, y enlaces utilizaron. Se publicaron, por ejemplo, casi 3 veces más tweets con videos vinculados al movimiento Colorado Añeteté (217) que tweets de estas características relacionados a Honor Colorado (76).</p><p>Si exploramos los enlaces que se adjuntaron a los Tweets, vemos que en el caso del movimiento Honor Colorado casi el 50% de estos enlaces apuntan a videos de concentraciones partidarias publicados en sitios como YouTube o Facebook. Esto demuestra que mientras las publicaciones sobre Colorado Añeteté utilizaron la funcionalidad de video nativa de Twitter, las relacionadas al movimiento HC se valieron principalmente de sitios externos a Twitter.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6VXodny1d86Dh54IVRdXaA.png" /><figcaption>Figura 10. Distribución del contenido de tweets en ambos movimientos</figcaption></figure><p>Otro análisis sobre los enlaces compartidos en los tweets muestra que más del 30% de las publicaciones relacionadas a Colorado Añeteté contenían enlaces a un <a href="https://www.messenger.com/t/MaritoAbdo2018">chatbot</a> (agente automático de conversación) del sistema de mensajería Messenger que permitía interactuar con el perfil de Facebook del candidato Mario Abdo Benítez para conocer sobre sus propuestas y planes de gobierno. Un ejemplo de estos tweets se muestra en la Figura 11. La utilización de chatbots es una innovación interesante como herramienta de comunicación instantánea con la gente.</p><h3>Alaia Lugo on Twitter</h3><p>Rumbo la victoria! Hablemos con @MaritoAbdo @Cin_Rolon https://t.co/gGUxSHQHJN #ParaguayDeLaGente</p><p>Los enlaces contenidos en los tweets demuestran, además, que aparte de ser usados para direccionar tráfico hacia sitios externos como YouTube o Facebook estos se emplearon para compartir artículos periodísticos publicados, principalmente, en medios como ABC o Última Hora y críticos al gobierno anterior (ej. <a href="https://www.ultimahora.com/festival-gratificaciones-preinternas-ya-costo-usd-115-millones-al-estado-n1124075.html">Festival de gratificaciones preinternas ya costó USD 11,5 millones al Estado</a>), al Ex-Presidente Horacio Cartes (ej. <a href="http://www.abc.com.py/nacionales/caen-mas-cigarrillos-de-cartes-en-brasil-1654875.html">Siguen cayendo cigarrillos de HC en el Brasil</a>), así como también a los candidatos Peña y Abdo Benítez (ej. <a href="http://www.abc.com.py/edicion-impresa/economia/detectan-irregularidades-en-gestion-de-pena-en-mh-1658093.html">Detectan irregularidades en gestión de Peña en MH</a>, <a href="http://www.abc.com.py/edicion-impresa/politica/marito-quiere-otro-35-anos-de-stroessner-en-el-poder-855620.html">Marito quiere otro 35 años de Stroessner en el poder</a>). No se compartieron prácticamente enlaces a sitios de noticias independientes sino más bien a medios pertenecientes a las cadenas de comunicación más grandes del país.</p><p><strong>Colorado Añeteté, el ejército más numeroso. </strong>En total 23.796 perfiles únicos publicaron tweets sobre las internas de la ANR. A los perfiles le asociamos su movimiento de “preferencia” en caso que hayan manifestado <em>explícitamente</em> su preferencia hacia alguno de estos. Es así que, por ejemplo, consideramos que un perfil demostró preferencia hacia el movimiento Honor Colorado (HC) si mayoritariamente publicó tweets, respuestas, o citaciones conteniendo hashtags vinculados a la campaña electoral de HC. También sí realizó retweets de publicaciones donde aparecían estos hashtags. Con esto formamos grupos de perfiles, uno por cada movimiento — Honor Colorado y Colorado Añeteté — y un tercero para perfiles “neutros” de quiénes no pudimos inferir su movimiento de preferencia porque no contamos en nuestra base de datos con publicaciones que nos permitan asociarlos como simpatizante de uno u otro movimiento.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/397/1*YwTpN0whZtvnI8uOCAApZQ.png" /><figcaption>Figura 12. Distribución de perfiles por movimiento</figcaption></figure><p>Luego de un análisis sobre cada uno de estos grupos encontramos que, así como muestra la Figura 12, 1.301 perfiles publicaron mayoritariamente tweets sobre la campaña de Honor Colorado, mientras que 2.215 lo hicieron sobre Colorado Añeteté. El resto se distribuye entre perfiles neutrales — que no demostraron preferencia por ningún movimiento en particular — y cuentas que realizaron publicaciones sobre otros movimientos de la ANR como el Progresista Colorado del ex-presidente Nicanor Duarte Frutos.</p><p>Contrario a lo que se podría esperar la cantidad de perfiles que publicaron tweets utilizando hashtags vinculados a la campaña de Honor Colorado (1.301, 5% del total de perfiles vinculados a la ANR) es inferior al de Colorado Añeteté (2.215, 9% del total ANR). Por cada perfil de Honor Colorado existieron prácticamente 2 de Colorado Añeteté. La razón por la que Honor Colorado (HC) dominó la conversación electoral en Twitter aún con menos perfiles simpatizantes tuvo que ver con que solo el 12% de sus tweets fueron publicaciones donde explícitamente se respaldaban las candidaturas del movimiento mientras que el 88% tuvieron solo menciones a los perfiles de los candidatos. Las publicaciones del primer tipo se usaron para asociar las preferencias políticas, mientras que las segundas para entender el volumen de información alrededor de cada movimiento.</p><blockquote>Por cada perfil de Honor Colorado existieron casi 2 de Colorado Añeteté.</blockquote><p><strong>Bots republicanos.</strong> Otro aspecto destacable es el tipo de actividad que realizaron los perfiles. Comparando las actividades de los perfiles más activos en ambos movimientos se nota que en la mayoría de los casos, estos perfiles no realizaron casi publicaciones propias sino se ocuparon de hacer retweets de publicaciones existentes. Es decir, la principal actividad de estos usuarios fue amplificar y difundir información relacionada a sus intereses políticos partidarios.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/386/1*Nfn_tq29v-Ry7dREQmODrg.png" /><figcaption>Figura 13. Cantidad de bots/cuentas falsas por movimiento</figcaption></figure><p>Este comportamiento es típico de bots y cuentas falsas según investigaciones previas (ver por ej. <a href="https://medium.com/@robhat/an-analysis-of-propaganda-bots-on-twitter-7b7ec57256ae"><strong>Bhat y Phadte</strong></a><strong>, 2017</strong><em>; </em><a href="https://medium.com/data-for-democracy/spot-a-bot-identifying-automation-and-disinformation-on-social-media-2966ad93a203"><strong>Shaffer</strong></a><strong>, 2017</strong><em>; </em><a href="http://journals.uic.edu/ojs/index.php/fm/article/view/7090/5653"><strong>Bessi y Ferrara</strong></a><strong>, 2016</strong>). Como parte del estudio desarrollamos una herramienta (<a href="https://github.com/ParticipaPY/politic-bots/tree/master/src/bot_detector"><strong><em>bot_detector</em></strong></a>) que permite descubrir perfiles con comportamientos típicos en bots y cuentas falsas. Aplicando <em>bot_detector</em> sobre los grupos de perfiles de Honor Colorado y Colorado Añeteté encontramos que, por un lado, 175 perfiles (13% del total) del movimiento Honor Colorado presentaron comportamientos de bots y cuentas falsas mientras que 162 perfiles (7% del total) asociados a Colorado Añeteté destacan por cualidades comunes en bots y cuentas falsas (ver Figura 13). En proporción Honor Colorado tuvo un mayor número de perfiles tipo bots/cuentas falsas entre sus filas. Es importante mencionar aquí la existencia de 1.596 perfiles neutros que mostraron tener características típicas en bots/cuentas falsas y que principalmente generaron respuestas. En adelante centramos el análisis en los bots/cuentas falsas vinculados a Honor Colorado y Colorado Añeteté.</p><blockquote>M’as del 10% de los perfiles asociados al movimiento Honor Colorado demostraron tener comportamientos de bots y cuentas falsas</blockquote><p>Aunque menor en proporción, los perfiles con características de bots/cuentas falsas relacionados al movimiento Colorado Añeteté demostraron ser más activos que sus contrapartes de Honor Colorado. Casi 4% de los tweets sobre Añeteté los publicaron este tipo perfiles. La proporción de tweet originales sobre el total de tweets del movimiento es parecida tanto en Honor Colorado como en Colorado Añeteté. Otro aspecto a destacar es la cantidad de respuestas que mostraron la cuentas del tipo bot/falsa, ver Figura 14. Un análisis sobre el tono de estas respuestas demostró que la mayoría fueron de connotación no negativas por lo que quizás las respuestas se utilizaron para reforzar aspectos positivos de las candidaturas o para organizar publicaciones en hilos de conversación.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mbhVB3Pbhtwshq5Ug-Q3zg.png" /><figcaption>Figura 14. Distribución de los tipos de tweets publicados por los bots/cuentas falsas</figcaption></figure><p>La presencia de un importante número de respuestas en el comportamiento de estos perfiles parece sugerir que estos se comportaban alternando comportamientos automatizados con intervención humana. Este tipo de comportamientos combinados es aún más perceptible en los perfiles del movimiento Colorado Añeteté que generaron, además de una interesante suma de respuestas, una importante cantidad de tweets originales y <em>quotes </em>(o citaciones). Ambos contenidos no son generalmente creados automáticamente sino requieren de cierta inventiva humana para su generación, con lo que al parecer es aún más evidente la naturaleza híbrida de los perfiles del tipo bot/falso.</p><h3>Discusión Final</h3><p>Al contrario de lo que sucedió en <a href="https://comprop.oii.ox.ac.uk/research/working-papers/mexico2018/"><strong>México</strong></a> donde el candidato presidencial Manuel López Obrador, quien dominó la discusión en redes sociales, terminó ganando las elecciones o en las recientes votaciones en <a href="https://comprop.oii.ox.ac.uk/research/brazil2018/"><strong>Brasil</strong></a><strong> </strong>donde el candidato Jair Bolsonaro, quien lideró el volumen de mensajes en redes sociales, también venció en la contienda electoral, en nuestro país el candidato y movimiento político derrotado fueron los que más actividad concentraron en Twitter. Este aspecto es interesante ya que pone en duda la real influencia que todavía puedan tener los medios digitales en nuestros procesos electorales, que, hasta hoy en día, se basan principalmente en prácticas tradicionales de campaña, como visita casa por casa, actos públicos, o reuniones presenciales.</p><p>Otro resultado destacable es la utilización de la redes como medio para difundir principalmente propaganda electoral y no información tendenciosa o manipulada. A diferencia de lo que sucedió en países como <a href="https://comprop.oii.ox.ac.uk/research/sweden-election/"><strong>Suecia</strong></a>, <a href="https://comprop.oii.ox.ac.uk/research/junk-news-and-bots-during-the-german-parliamentary-election-what-are-german-voters-sharing-over-twitter/"><strong>Alemania</strong></a>, <a href="https://paranaportal.uol.com.br/politica/pdt-pede-ao-tse-nulidade-de-eleicao-presidencial/"><strong>Brasil</strong></a>, o <a href="https://comprop.oii.ox.ac.uk/research/academic-articles/algorithms-bots-and-political-communication-in-the-us-2016-election/"><strong>Estados Unidos</strong></a>, donde parte del uso de las redes sociales durante procesos electorales se centró en la manipulación de la opinión pública por medio de campañas tendenciosas y de desinformación. En el estudio no hemos encontrado evidencias suficientes que arrojen indicios de que esto haya sucedido en las internas de la ANR.</p><p>Un punto notable en los resultados es el descubrimiento de la capacidad de periodistas de respetada trayectoria de influenciar con su opinión personal momentos del proceso electoral partidario. Como muestra vale la importante atención que recibieron los tweets de Luis Bareiro y Santiago González una vez conocidos los resultados electorales. El impacto de la opinión personal de periodistas en tiempos de elecciones es un aspecto <strong>no reportado</strong> en <a href="https://comprop.oii.ox.ac.uk/research/working-papers/mexico2018/"><strong>estudios similares en otros países</strong></a>, donde sí se destaca la influencia de informaciones surgidas desde medios masivos de prensa, como periódicos tradicionales o cadenas de televisión.</p><p>La presencia de perfiles con características de bots y cuentas falsas no estuvo ausente en la internas del Partido Colorado. Ambos movimientos se sirvieron de este tipo de perfiles para orquestar la distribución masiva de información que responda a sus intereses políticos partidarios. Un aspecto a destacar en este punto es que volumen de información producida por perfiles de este tipo (entre el 16 y 25%) fue superior a la cantidad de actividad generada por bots durante las elecciones presidenciales en <a href="https://uncommonculture.org/ojs/index.php/fm/article/view/7090/5653"><strong>Estados Unidos</strong></a> de 2016, demostrando que su influencia en la conversación alrededor del proceso electoral fue potencialmente mayor que en Norte América.</p><h3>Materiales Suplementarios</h3><ol><li>Un extenso reporte con todos los detalles del análisis están contenidos en este <a href="https://github.com/ParticipaPY/politic-bots/blob/master/reports/notebooks/bots_politicos_internas_anr_2017.ipynb">notebook</a></li><li>El código fuente y los detalles técnicos del estudio se encuentran disponibles en este repositorio de <a href="https://github.com/ParticipaPY/politic-bots">Github</a></li><li>Los detalles de la implementación del identificador de bots y cuentas falsas se encuentran disponible en este repositorio de <a href="https://github.com/ParticipaPY/politic-bots/tree/master/src/bot_detector">Github</a></li><li>Para el estudio no solo colectamos tweets relacionados a las internas de la ANR sino también las primarias de los demás partidos políticos como el PLRA, PDP, o PQ. La lista completa de hashtags y cuentas que monitoreamos se encuentra disponible <a href="https://github.com/ParticipaPY/politic-bots/blob/master/src/tweet_collector/internas_2017.csv">aquí</a></li><li>La segunda parte de este estudio se encuentra publicada <a href="https://medium.com/@jorgesaldivar/la-importancia-de-perfiles-influyentes-en-procesos-electorales-5b3fcf7614cd">aquí</a></li></ol><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=89f2925966b6" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Data Science para identificar pacientes con riesgos de contraer diabetes]]></title>
            <link>https://jorgesaldivar.medium.com/data-science-para-identificar-pacientes-con-riesgos-de-contraer-diabetes-21e11439b8fa?source=rss-990b867f0754------2</link>
            <guid isPermaLink="false">https://medium.com/p/21e11439b8fa</guid>
            <category><![CDATA[social-good]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[diabetes]]></category>
            <dc:creator><![CDATA[Jorge Saldivar]]></dc:creator>
            <pubDate>Sun, 08 Jul 2018 21:00:25 GMT</pubDate>
            <atom:updated>2018-07-09T04:29:23.828Z</atom:updated>
            <content:encoded><![CDATA[<p>La diabetes es una enfermedad que afecta la capacidad el cuerpo de producir y responder a la insulina, resultando en un elevado nivel de glucosa en la sangre y orina, y en un anormal metabolismo de carbohidratos [1]. Entre los tipos más comunes de <strong>diabetes</strong> se encuentra la del <strong>Tipo 1</strong>, en<strong> </strong>donde el cuerpo no produce suficiente insulina y está generalmente asociada a factores genéticos. Representa aproximadamente el 5% de los casos y no se conocen maneras de prevenirla [2]. El otro tipo común <strong>diabetes</strong> es la de <strong>Tipo 2</strong>, conocida por la incapacidad del cuerpo de utilizar la insulina apropiadamente. Puede ser prevenida en la mayoría de la casos mediante cambios en el estilo de vida de la persona, como por ejemplo, la práctica de ejercicios, una alimentación más saludable, o la pérdida de peso [3].</p><blockquote>La diabetes afecta a más de 410 millones de adultos alrededor del mundo</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/634/1*F-TmlmiJFzVbr4sVoBPrwQ.png" /></figure><p>La diabetes afecta a más de <strong>410 millones de adultos alrededor del mundo</strong> [4]. Solamente <strong>en Estados Unidos más del 14 % de los adultos tienen la enfermedad</strong> (más de 45 millones) y se estima que 38% de la población Estadounidense sufre de pre-diabetes [5]. Además de los altos costos en salud pública — <em>en Estados Unidos, 245 mil millones de dólares se destinan anualmente en combatir la enfermedad [2]</em> — , la diabetes acarrea serias complicaciones asociadas, como la ceguera, problemas renales, amputaciones, derrames cerebrales, y afecciones cardíacas [2].</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SmKF1PNZ_IS9g0e3-CTz9Q.jpeg" /></figure><p>En 2015, el <a href="https://www.uspreventiveservicestaskforce.org/">US Preventive Services Task Force (USPST)</a> recomendó la <strong>detección selectiva de pre-diabetes y diabetes en adultos de 40 a 70 años con sobrepeso u obesidad </strong>[6]. Sin embargo, dada la no disminución de las tasas de diabetes en todos los sub grupos de población, se han realizado investigaciones sobre la efectividad de estas pautas de detección. En este sentido, algunos resultados de investigaciones recientes sugieren que los criterios actuales de detección podrían ser insuficientes para identificar diabetes a edades más tempranas y en personas con menores pesos corporales, especialmente en poblaciones de minorías raciales y étnicas [7].</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*eF3ktSUnZtCRz15-74WDSg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/300/1*tzytBjv2CSVg9SGUt8vAxw.png" /></figure><p>En este contexto y como parte del programa <a href="http://dssg.uchicago.edu/"><strong>Data Science for Social Good (DSSG)</strong></a> de la <strong>Universidad de Chicago</strong>, nos encontramos trabajando en un proyecto que tiene como objetivo último <strong><em>reducir el número de casos de diabetes del Tipo 2 en poblaciones raciales y étnicas minoritarias</em></strong>. Para ello nos hemos asociado con <a href="http://alliancechicago.org/">AllianceChicago</a>, una organización sin fines de lucro que nuclea centros comunitarios de salud que asisten a las poblaciones más vulnerables y de menos recursos de Estados Unidos. Entre otros servicios, Alliance provee a los centros de salud soporte técnico en el uso y mantenimiento de un sistema electrónico de salud (EHR o Electronic Health Record, en inglés) el cual almacena, además de datos demográficos básicos de la persona (edad, sexo, raza), todo el historial médico del paciente, esto es, las consultas, los diagnósticos, los medicamentos, las observaciones de las visitas, etc.</p><blockquote><strong>Objetivo:</strong> Reducir el número de casos de diabetes del Tipo 2 en poblaciones raciales y étnicas minoritarias</blockquote><p>Aplicando técnicas de <a href="https://en.wikipedia.org/wiki/Data_science">Data Science</a> (Análisis de Datos, Estadística, Visualización, Machine Learning) en <strong>datos longitudinales del EHR</strong> de pacientes que acuden a los centros de AllianceChicago, nos encontramos desarrollando <a href="https://en.wikipedia.org/wiki/Predictive_modelling"><strong><em>modelos predictivos</em></strong></a><strong><em> que permitan identificar el riesgo de un individuo de desarrollar diabetes del Tipo 2 en los próximos años</em></strong> de manera tal que las poblaciones asistidas por los centros comunitarios de Alliance — y que son justamente aquellas para las que los protocolos de detección aparentan ser inefectivos — pueden recibir intervenciones médicas más efectivas y evitar así que desarrollen la enfermedad en el futuro.</p><blockquote>Outcome: Modelos predictivos que permitan identificar el riesgo de un individuo de desarrollar diabetes del Tipo 2 en los próximos años</blockquote><p>Entendemos que el resultado del proyecto podría tener un <strong>impacto</strong> a <strong>corto plazo</strong> en cuanto a proveer tratamientos médicos más efectivos para aquellos pacientes en riesgos de contraer la enfermedad. También a <strong>mediano plazo</strong>, la herramienta podría ayudar a reducir la tasa anual diabetes del Tipo 2 entre la población de pacientes de AllianceChicago y, a <strong>largo plazo</strong>, quizás incluso, podría informar cambios en los protocolos de detección de diabetes para atender mejor a la poblaciones minoritarias.</p><p>El trabajo esta en etapas de desarrollo. Estamos construyendo, validando, y evaluando nuestros primeros modelos predictivos. En próximas entradas del blog estaré comentando detalles técnicos sobre los modelos y sus resultados.</p><p>Finalmente, comentar que este año en <strong>DSSG</strong>, además de trabajar en la identificación de pacientes con riesgos de desarrollar diabetes, también estamos colaborando con el Ministerio de Educación de El Salvador en la <a href="https://dssg.uchicago.edu/project/identifying-factors-driving-school-dropout-and-improving-the-impact-of-social-programs-in-el-salvador/"><strong>reducción de la deserción escolar</strong></a>. Además, estamos ayudando a la Dirección del Trabajo de Chile en el <a href="https://dssg.uchicago.edu/project/improving-workplace-safety-through-proactive-inspections/"><strong>mejoramiento de las condiciones de seguridad de los lugares de trabajo</strong></a>. Estamos trabajando, asimismo, con el Pulse Lab de Yakarta para <a href="https://dssg.uchicago.edu/project/improving-traffic-safety-through-video-analysis/"><strong>mejorar la seguridad</strong> <strong>vial</strong></a><strong> </strong>de la ciudad y con la unidad de Public Engagement de New York para <a href="https://dssg.uchicago.edu/project/proactive-outreach-to-reduce-harassment-of-nyc-rental-housing-tenants/"><strong>reducir el hostigamiento que sufren los inquilinos por parte de los propietarios de inmuebles</strong></a>. Parte del <a href="https://dssg.uchicago.edu/people/2018-fellows-mentors/">grupo de fellows de DSSG</a>, también se encuentra colaborando con el condado de Johnson (Kansas) en <a href="https://dssg.uchicago.edu/project/reducing-recidivism-and-improving-outcomes-for-people-with-complex-health-needs/"><strong>reducir la reincidencia penitenciaría en personas con complejas necesidades de salud mental</strong></a>.</p><p><strong>Referencias</strong></p><p>[1] Diabetes: Definition, Causes and Symptoms. <a href="https://www.davita.com/kidney-disease/causes/diabetes/diabetes:-definition,-causes-and-symptoms/e/4991">https://www.davita.com/kidney-disease/causes/diabetes/diabetes:-definition,-causes-and-symptoms/e/4991</a><br>[2] Center for Disease and Prevention. <em>National diabetes statistic report: estimates of diabetes and its burden in the United States, 2014</em>. Atlanta, GA: US Department of Health and Human Services, Center for Disease and Prevention, 2014.<br>[3] Tuomilehto, Jaakko, Jaana Lindström, Johan G. Eriksson, Timo T. Valle, Helena Hämäläinen, Pirjo Ilanne-Parikka, Sirkka Keinänen-Kiukaanniemi et al. <em>“Prevention of type 2 diabetes mellitus by changes in lifestyle among subjects with impaired glucose tolerance.”</em> <em>New England Journal of Medicine</em> 344, no. 18 (2001): 1343–1350.<br>[4] Whiting, David R., Leonor Guariguata, Clara Weil, and Jonathan Shaw. <em>“IDF diabetes atlas: global estimates of the prevalence of diabetes for 2011 and 2030.”</em> <em>Diabetes research and clinical practice </em>94, no. 3 (2011): 311–321.<br>[5] Menke, Andy, Sarah Casagrande, Linda Geiss, and Catherine C. Cowie. <em>“Prevalence of and trends in diabetes among adults in the United States, 1988–2012.”</em> <em>Jama</em> 314, no. 10 (2015): 1021–1029.<br>[6] Siu, Albert L. <em>“Screening for abnormal blood glucose and type 2 diabetes mellitus: US Preventive Services Task Force recommendation statement.” Annals of internal medicine</em> 163, no. 11 (2015): 861–868.<br>[7] O’Brien, Matthew J., Ji Young Lee, Mercedes R. Carnethon, Ronald T. Ackermann, Maria C. Vargas, Andrew Hamilton, Nivedita Mohanty et al. <em>“Detecting dysglycemia using the 2015 United States Preventive Services Task Force screening criteria: a cohort analysis of community health center patients.”</em> <em>PLoS medicine</em> 13, no. 7 (2016): e1002074.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=21e11439b8fa" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>