Twitter es la red social preferida para informarse sobre noticias de último minuto. Pero al seguir creciendo exponencialmente, separar la información útil del ruido se vuelve cada vez más difícil.
En la catarata de tweets, el último gif viral es seguido por una foto de una puesta de sol, una imagen de las protestas de Ucrania y la ficha policial de Justin Bieber. La capacidad de encontrar información de calidad sobre noticias de último momento en medio de 500 millones de tweets diarios es una ventaja importante para un periodista.
Así es cómo surgió Dataminr for News (que puede traducirse como 'Dataminr de Noticias'), una nueva herramienta desarrollada a raíz de una colaboración entre Twitter, CNN y la empresa de análisis de redes sociales Dataminr. La tecnología usada por Dataminr resuelve el problema de la sobrecarga de información en Twitter a través del uso de algoritmos “para el descubrimiento, la clasificación, la categorización y la alerta a los clientes [a través del envío] de información clave en tiempo real”, explicó la compañía en un comunicado de prensa.
Dataminr, una compañía de análisis de datos con sede en Nueva York, ha estado analizando millones de tweets y enviando alertas para el sector financiero y oficinas gubernamentales desde 2009. Ahora se ha asociado con Twitter y la CNN, que ha estado probando la herramienta durante algunos meses, para crear un servicio dirigido especialmente a periodistas y medios.
Pero, ¿cómo Dataminr encuentra la información clave en medio del ruido? En una presentación en DevNest, un encuentro de programadores de Twitter, Ted Bailey, CEO de la compañía, explicó que Dataminr utiliza alrededor de 18 señales diferentes derivadas de Twitter y sus metadatos para ayudar a identificar la información de interés general y crear alertas personalizadas.
Un caso emblemático fue la muerte de Osama bin Laden en 2011, uno de los eventos más virales en la historia de Twitter. Dataminr envió una alerta a las 10:20 pm hora del Este (EE.UU.), 23 minutos antes de que fuera anunciada en los medios. En ese caso, explicó Bailey, Dataminr utilizó tres señales en base a 19 tweets publicados antes de que se confirmara la noticia: el volumen de mensajes, la clasificación según el sentimiento y el análisis lingüístico.
El volumen de tweets alertó a Dataminr que estaba surgiendo un tema candente. Mientras que 19 puede parecer un número bajo, Bin Laden no había sido un tema muy hablado en las noticias recientemente, explicó Bailey, de modo que la cantidad de tweets en ese momento era anormal.
Ese interés repentino por Bin Laden les llamó la atención, pero todavía no justificaba el envío de una alerta, por lo que se hacía necesario realizar un análisis lingüístico. También buscaron -y encontraron- “sentimiento”, lo que Bailey define como la presencia de una repentina “reacción emocional”.
Una vez que se detecta la información de interés periodística, se la envía a los usuarios a través de la aplicación, en alertas de correo electrónico o mensajes de texto. Las alertas también se pueden construir alrededor del flujo de trabajo editorial.
Esta nueva herramienta, que será un servicio pago, se estrenará este año en una fecha a confirmar.
Video de la presentación de Dataminr en Devnest.
Foto: licencia Creative Commons, gracias a Garrett Heath en Flickr.
Maite Fernández es jefa de redacción de IJNet. Es bilingüe en inglés y español y tiene una maestría en periodismo multimedia de la Universidad de Maryland.
Texto traducido del inglés al español por Maite Fernández.