En este proyecto de RStudio encontrarás el código que Juan Ricardo Pérez y yo utilizamos para el análisis de texto de los tres debates presidenciales (primero, segundo y tercero) de México en 2018.
En los tres casos, la transcripción del debate fue llevada a cabo por Eficiencia Informativa.
El proyecto incluye cuatro folders:
-
En el folder 01_datos encontrarás las transcripciones en Word de cada uno de los debates. Sin embargo, para procesar estos archivos en el código los descargamos de Internet.
-
En el folder 02_codigo encontrarás el código del análisis de cada uno de los debates, así como un cuarto script en el que comparamos los datos de los tres. Cada uno de los scripts es independiente de los otros.
-
En el folder 03_graficas encontrarás las gráficas generadas para analizar cada debate y la comparación de los tres. En esta carpeta hay más gráficas de las que publicamos.
-
En el folder 04_datos_output encontrarás tres archivos en formato .csv con la base de datos de los diálogos de cada debate por separado, así como un archivo que incluye todos los diálogos de los tres debates. Además encontrarás las bases de datos de enlaces y nodos utilizadas para construir el diagrama de red de menciones de cada debate.
Aclaración: algunos de los resultados que se obtienen con estos scripts varían respecto a los resultados que reportamos inicialmente en Nexos y Oraculus. Esto se debe a que cuando preparábamos el tercer análisis, así como este repositorio, nos dimos cuenta de algunos errores menores que corregimos.
Por ejemplo, al revisar la transciripción del tercer debate nos dimos cuenta que los capturistas incluyeron términos como "(INAUDIBLE)" o "(SIC)". Dado que estas palabras no fueron mencionadas por los actores de cada debate, al preparar esta versión pública del código decidimos eliminarlas.
Desde nuestra perspectiva, la diferencia más significativa entre lo que publicamos originalmente y los resultados que se obtienen con estos scripts radica en que en el análisis del segundo debate dijimos que Yuriria Sierra había mencionado 2,606 palabras y León Krauze 2,340. Sin embargo, las cifras correctas son 2,514 y 2,601, respectivamente. Esto implica, primero, que Krauze dijo más palabras que Sierra, y, segundo, que ambos moderadores mencionaron más palabras que López Obrador.
Nota: en los scripts incluimos diversos caracteres especiales (e.g., ó, é). Para que puedas ejecutar correctamente el código, antes de que abras este proyecto debes asegurarte que RStudio está guardando y leyendo los archivos usando la codificación UTF-8. Para ello, debes ir a Tools > Global Options > Code > Saving y elegir UTF-8, como se muestra en la imagen a continuación (dale clic para ver una versión con mejor resolución).
