Taller sobre TweetScraperR

Una herramienta para la recolección de tweets en la era post-API

Agustín Nieto (INHUS-CONICET/UNMdP)

Descripción general

El taller será impartido en dos sesiones de tres horas cada una, con un enfoque práctico en el uso de la biblioteca TweetScraperR. El objetivo es que los participantes aprendan a recolectar tweets mediante scraping, abordando desde los fundamentos de R y RStudio hasta las funciones avanzadas de TweetScraperR. A lo largo del taller, se cubrirán las diferencias entre el web scraping y las API REST, y se explorarán los fundamentos de la recolección de datos de Twitter, una herramienta clave en la investigación y análisis de redes sociales en la actualidad.

Encuentro 1 (2024-10-09)

Introducción a R, RStudio y conceptos básicos de web scraping

1. Introducción a R y RStudio

Objetivos:

• Familiarizar a los participantes con el entorno de R y RStudio.

Contenido:

• ¿Qué es R? Una breve historia y sus aplicaciones en análisis de datos.

• Instalación de R y RStudio en distintos sistemas operativos.

• Navegación por RStudio: consola, editor, entorno y panel de gráficos.

• Ejecución de comandos básicos en la consola.

• Creación y ejecución de scripts para automatizar tareas.

2. Web Scraping vs API REST

Objetivos:

• Comprender las diferencias fundamentales entre el web scraping y las API REST, y cuándo utilizar cada uno.

Contenido:

• Definición de web scraping: ¿Qué es y por qué es relevante en la era post-API?

• Introducción a las API REST: Qué son, cómo funcionan, y cómo las empresas regulan el acceso a datos.

• Comparativa entre scraping y APIs en el contexto de la recolección de datos de Twitter: pros y contras.

3. Introducción a la función read_html_live() de rvest

Objetivos:

• Aprender a extraer datos de páginas web utilizando la función read_html_live() de la librería rvest.

Contenido:

• Instalación y carga del paquete rvest.

• Introducción a read_html_live(): su sintaxis y aplicaciones.

Actividades:

• Extraer títulos de una página web dinámica y almacenar el resultado en un data frame.

Encuentro 2 (2024-10-16)

Introducción a TweetScraperR y sus funcionalidades avanzadas

1. Introducción a TweetScraperR

Objetivos:

• Conocer los fundamentos de la biblioteca TweetScraperR y cómo usarla para recolectar datos de Twitter.

Contenido:

• Instalación y configuración del paquete TweetScraperR.

• Estructura básica de las funciones en TweetScraperR: cómo acceder a los datos.

• Recolección básica de tweets utilizando palabras clave y hashtags.

Actividades:

• Buscar tweets que mencionen una palabra clave de interés y guardar los resultados.

2. Funciones avanzadas de TweetScraperR I

Objetivos:

• Explorar las funcionalidades avanzadas de TweetScraperR para enriquecer los datos obtenidos.

Contenido:

• Búsqueda por perfiles de cuenta, y de tweets con información completa.

• Almacenamiento de los datos recolectados en formatos como RDS.

Actividades:

• Buscar tweets históricos por un hashtag relacionado con un evento del pasado reciente.

3. Funciones avanzadas de TweetScraperR II

Contenido:

• Búsquedas en tiempo real con información completa.

• Implementación de un ciclo for para recolectar tweets completos en tiempo real.

Actividades:

• Buscar tweets por un hashtag relacionado con un evento que sea trending topic en Trends 24.

Resultados esperados

Al final del taller, se tendrá una comprensión de:

• El R y RStudio.

• Las diferencias clave entre web scraping y API REST.

• Cómo extraer datos de páginas web dinámicas usando rvest.

• Las funciones clave de TweetScraperR para la recolección de tweets.

• Aplicar los conocimientos en un proyecto práctico de recolección y análisis de datos de Twitter.

Este plan de estudios está diseñado para que quienes participan no solo comprendan los conceptos teóricos, sino que también tengan una experiencia práctica con las herramientas que les permitirá utilizar TweetScraperR en sus propios proyectos de análisis de redes sociales.

Recursos

• ChromeDriver
• Chrome for Testing
• Rvest
• Chromote
• TweetScraperR
• Requisitos
• Código
• Aplicación Web

Bibliografía

• Ledford, H. (2023). Researchers scramble as Twitter plans to end free data access. Nature, 614(7949), 602-603.

• Murtfeldt, R., Alterman, N., Kahveci, I., & West, J. D. (2024). RIP Twitter API: A eulogy to its vast research contributions (arXiv:2404.07340). arXiv. https://doi.org/10.48550/arXiv.2404.07340

• Nieto, A. (2024). TweetScraperR: una herramienta para la recolección de tweets en la era post-API. Rpub. https://rpubs.com/agustin/tweet-scraper

• Poudel & Weninger (2024) Navigating the Post-API Dilemma. In Proceedings of the ACM Web Conference 2024 (WWW ’24). Association for Computing Machinery, New York, NY, USA, 2476–2484. https://doi.org/10.1145/3589334.3645503

• Trezza D (2023) To scrape or not to scrape, this is dilemma. The post-API scenario and implications on digital research. Front. Sociol. 8:1145038. doi: 10.3389/fsoc.2023.1145038