UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN

TACNA

Facultad de Ingeniería

Escuela Profesional de Ingeniería de Informática y Sistemas

Análisis de sentimientos con minería de textos de las opiniones

positivas o negativas de los usuarios de Twitter sobre la
esquizofrenia, Perú - 2022

PROYECTO DE TESIS

Presentada por:

Liz Gricel Machaca Conde

Para optar el Título Profesional de:

INGENIERO DE INFORMÁTICA Y SISTEMAS

TACNA – PERÚ

2022
1
 CAPÍTULO I
DATOS GENERALES
1.1 Título
1.2 Tipo de investigación
1.3 Nivel de investigación
1.4 Autor
1.5 Asesor
1.6 Institución / Localidad donde se realizará la investigación
CAPÍTULO II
EL PROBLEMA DE INVESTIGACIÓN
1.1 Antecedentes
1.2 Identificación y Formulación del problema de investigación
1.3 Justificación e importancia de la investigación
1.4 Objetivos
1.4.1 Objetivo general
1.4.2 Objetivos específicos
1.5 Hipótesis
1.6 Variables
1.6.1 Identificación de las variables
1.6.2 Caracterización de las variables
1.6.3 Definición operacional de las variables
1.7 Limitaciones de la investigación
1.8 Descripción de las características de la investigación
CAPÍTULO III
MARCO TEÓRICO
2.1 Antecedentes del estudio
2.1.1 Internacional
2.1.2 Nacional
2.1.3 Local
2.2 Bases teóricas
2.3 Definición de términos
CAPÍTULO IV
MARCO METODOLÓGICO
3.1 Caracterización del diseño de investigación
3.2 Acciones y actividades para la ejecución del proyecto
3.3 Materiales e instrumentos
3.4 Población y muestra de estudio
3.5 Tratamiento de datos.
CAPÍTULO V
ASPECTOS ADMINISTRATIVOS

4.1 Cronograma de actividades

4.2 Recursos humanos
4.3 Bienes
4.4 Servicios
4.5 Presupuesto
REFERENCIAS BIBLIOGRÁFICAS
ANEXOS

2
 CAPÍTULO I

DATOS GENERALES

1.1 Título

Análisis de sentimientos con minería de textos de las opiniones positivas o

negativas de los usuarios de Twitter sobre la esquizofrenia, Perú - 2022.

1.2 Tipo de investigación

Investigación aplicada.

1.3 Nivel de investigación

Investigación de nivel descriptivo, de diseño no experimental.

1.4 Autor

Liz Gricel Machaca Conde.

1.5 Asesor

1.6 Institución / Localidad donde se realizará la investigación

Universidad Nacional Jorge Basadre Grohmann, Facultad de Ingeniería, Escuela

Profesional de Ingeniería de Informática y Sistemas.

CAPÍTULO II

EL PROBLEMA DE INVESTIGACIÓN

2.1. Antecedentes

Actualmente a pesar del gran avance tecnológico y del acceso a buena parte de
la información, hay una gran masa de personas que no necesariamente usa estas
herramientas para informarse adecuadamente. Y es así como aún se tiene que luchar con
el estigma, en cuanto a las enfermedades mentales como la esquizofrenia, y lo que
implica. De tal manera que actualmente también se ha vuelto un hábito el manejo de las
redes sociales y entre estas una de las más resaltantes es Twitter, donde podemos dejar
3
un hashtag, tuits y emitir una opinión la cual resulta ser información valiosa para su
investigación.

Grandón (2017): “El estigma público es la crítica de estereotipos negativos a las

personas con diagnóstico de esquizofrenia”, a partir de esta problemática se busca
conocer la polaridad de los tuits de usuarios que utilizan la red social Twitter al realizar
un comentario referido a la esquizofrenia sea positiva o negativa.

Esta información de opiniones en las redes sociales puede ser aprovechada para
un estudio de análisis de sentimientos el cual se plantea en presente proyecto a
desarrollar en el Perú en el año 2022.

Este tipo de estudio ya es muy conocido en diferentes partes del mundo para
determinar la emoción en una serie de palabras a través de herramientas de análisis de
sentimientos y minería de textos.

2.2. Formulación del problema:

2.2.1. Problema General:

¿Cómo es la estimación del Análisis de sentimientos con minería de textos

respecto a las opiniones positivas o negativas de los usuarios de Twitter sobre la
esquizofrenia, Perú - 2022?

2.2.2. Problemas Específicos:

a) ¿Cómo es la recolección de los tuits desde la API de Twitter?

b) ¿Cómo clasificar los tuits de las opiniones sobre la esquizofrenia en positivos o

negativos?

c) ¿Cuáles serán los resultados obtenidos luego del análisis de sentimientos con
minería de textos?

2.3. Justificación e importancia de la investigación

La existencia de abundante información en redes sociales da lugar a la

utilización de esta para su estudio. Las nuevas tecnologías han originado una diversidad
de opiniones por medio de las redes sociales y el internet.

En el Perú, la Constitución Política establece que toda persona goza de libertad

de expresión “sin previa autorización ni censura ni impedimento alguno, bajo las
4
responsabilidades de ley” (1993). Este mandato se ajusta con los términos de la
interacción digital en la web y en las redes sociales, cuyo alcance es creciente: 35% de
la población urbana tiene acceso a Internet y de ese conglomerado, 90% son usuarios de
algunas de las redes más populares (Facebook, en primer lugar; y Twitter, en quinto)
(Ipsos Perú, 2016, 2018).

Sin embargo, la libre expresión de opinión emitida en las redes sociales sobre
temas como la esquizofrenia no son reguladas frecuentemente y es muy común ver una
polaridad en cuanto a opiniones, las cuales pueden ser medidas mediante un análisis de
sentimientos usando la minería de textos.

Estos resultados podrían mostrar cuán informados o deficiente nivel de

información tienen las personas sobre creencias estereotipadas de la esquizofrenia.

2.4. Objetivos

2.4.1. Objetivo general

Realizar el Análisis de sentimientos con minería de textos de las opiniones

positivas o negativas de los usuarios de Twitter sobre la esquizofrenia, Perú - 2022.

2.4.2. Objetivos específicos

a) Recolectar los tuits de la API de Twitter.

b) Clasificar los tweets de las opiniones sobre la esquizofrenia en positivos o

negativos.

c) Describir los resultados obtenidos del análisis de sentimientos y el uso de

minería de textos.

2.5. Variables

2.5.1. Identificación de las variables

Variable 1: Opiniones positivas o negativas de los usuarios de Twitter

5
2.5.2. Caracterización de las variables

Tabla 1

Caracterización de variables

VARIABLE DEFINICIÓN CONCEPTUAL INDICADORES

Variable 1: Según la RAE, es el juicio o valoración que Porcentaje de tuits

se forma una persona respecto de algo o de positivos.
Opiniones
alguien. Así como también es la fama o
positivas o
concepto en que se tiene a alguien o algo.
negativas de los
usuarios de Porcentaje de tuits
Twitter. negativos.

Fuente: creación propia

1.12.3 Definición operacional de las variables

Esta definición se refiere al comportamiento que tendrán los tuits luego de

aplicar el análisis de sentimientos, que es el proceso para comprender la tendencia de las
opiniones emitidas por los usuarios de Twitter, mediante una metodología, así como la
acción y el efecto de identificar, distinguir y clasificar diferentes aspectos
correspondientes a la conducta de los tuits, de la opinión referente a la esquizofrenia en
el Perú-2022, luego de haber ser aplicado las herramientas de minería de textos.

1.13 Limitaciones de la investigación

La información destacada sobre el análisis de sentimientos se encontraba en

inglés, lo cual dificulta en la búsqueda de la información si el dominio es básico en el
idioma.

6
 La obtención de la cuenta de desarrollador para la extracción de la información
de la API de Twitter con el pasar de los años se volvió más rigurosa, por lo cual el
acceso es algo dificultoso.

Se utilizará Naive Bayes como clasificador textual para determinar la

clasificación de las opiniones de los tuits.

En cuanto al recojo de la información emitida será posterior al 6 de octubre que

se celebra el día mundial de la salud mental hasta el 12 octubre, debido a la buena
cantidad de comentarios referidos a la esquizofrenia.

1.14 Descripción de las características de la investigación

La presente investigación es de nivel descriptivo con diseño no experimental. La

investigación descriptiva consiste en la caracterización de un hecho, fenómeno,
individuo o grupo, con el fin de establecer su estructura o comportamiento. Así mismo
el estudio de medición de variables es independiente, donde la misión es observar y
cuantificar la modificación de una o más características en un grupo, sin establecer
relaciones con otras variables. Es decir, cada característica o variable se analiza de
forma autónoma o independiente. Por consiguiente, en este tipo de estudio no se
formulan hipótesis, sin embargo, es obvia la presencia de variables. “Los estudios
descriptivos miden de forma independiente las variables y aun cuando no se formulen
hipótesis, tales variables aparecen enunciadas en los objetivos de investigación.” (Arias,
2012 a, p.24-25).

CAPÍTULO III

MARCO TEÓRICO

3.1. Antecedentes del estudio

Estevan Gómez (2018), en su artículo: “Influencia de redes sociales en el

análisis de sentimiento aplicado a la situación política en Ecuador”. El artículo muestra
un estudio que refleja los sentimientos en español por modismos de cada región, da una
gran oportunidad de analizar la relación entre el nivel de aceptación en Twitter de un
candidato y los resultados electorales.

7
 El aporte de este artículo es el análisis de sentimientos (AS) mediante una
herramienta para PNL (programación neurolingüística) adaptada a la variación del
español en el Ecuador.

Henríquez (2019), en su artículo: “Analítica de Twitter para entender la Opinión

pública y el debate político en Ecuador: Caso de las etiquetas #RafaelContigoSiempre y
#FueraParaSiempre”. La tesis analiza el debate en Twitter frente a la continuidad de la
Presidencia de Rafael Correa, en Ecuador por medio de dos reacciones en contra y a
favor.

La tesis menciona el levantamiento de los tweets con Twitter Archiver y su

análisis se realizó con medidas de estadística descriptiva con Rapid Minner y Excel.

Carol Ñaupas (2016), en su tesis “MINERÍA DE DATOS APLICADA A LA

DETECCIÓN DE FRAUDE ELECTRÓNICO EN ENTIDADES BANCARIAS”, A
partir del tema sobre el fraude electrónico propone a través de la aplicación de un
proceso de descubrimiento de conocimientos en bases de datos, la generación de un
modelo automático que permite clasificar las transacciones de la Banca por internet y de
la Banca Móvil de personas naturales de una entidad financiera, como fraudulentas o
íntegras, mediante la aplicación de técnicas de Minería Predictiva basada en árboles de
Clasificación.

Pit Alania (2018), en su tesis “APLICACIÓN DE TÉCNICAS DE MINERÍA

DE DATOS PARA PREDECIR LA DESERCIÓN ESTUDIANTIL DE LA
FACULTAD DE INGENIERÍA DE LA UNIVERSIDAD NACIONAL DANIEL
ALCIDES CARRIÓN”, Se centra en un tema común entre varias universidades como es
la deserción estudiantil y para contribuir con la solución del problema de la deserción
estudiantil en la Universidad Nacional Daniel Alcides Carrión la tesis plantea realizar
un estudio comparativo de técnicas de minería de datos para predecir la deserción
estudiantil universitaria en la región de Pasco.

Poma (2020), en su tesis “ANÁLISIS DEL COMPORTAMIENTO DE LOS

TWEETS, DE LA PARTICIPACIÓN ELECTORAL DE LOS PRINCIPALES
CANDIDATOS A LA PRESIDENCIA DEL PERÚ UTILIZANDO MINERÍA DE
TEXTOS EN EL AÑO 2016”, Analiza el comportamiento de los tweets de la
participación electoral de los dos principales candidatos a la presidencia del Perú
utilizando minería de textos en el año 2016, para tal fin utilizó clasificador textual Naive
Bayes, como base para los tweets y su entrenamiento.
8
3.2. Bases teóricas

3.2.1. Red social

Según la RAE, una red social es el “Servicio de la sociedad de la información

que ofrece a los usuarios una plataforma de comunicación a través de internet para que
estos generen un perfil con sus datos personales, facilitando la creación de comunidades
con base en criterios comunes y permitiendo la comunicación de sus usuarios, de modo
que pueden interactuar mediante mensajes, compartir información, imágenes o vídeos,
permitiendo que estas publicaciones sean accesibles de forma inmediata por todos los
usuarios de su grupo”.

3.2.2. Análisis de sentimiento

El análisis de sentimientos se encarga de clasificar un documento de diferentes

contextos de aplicación (productos, películas, deportes, cultura, etc.) en función de la
polaridad de la opinión que expresa el autor, mediante enfoques semánticos
(diccionarios de términos), aprendizaje de máquina (máquinas de soporte vectorial,
Naive Bayes, aprendizaje profundo, entre otros), entre otros (Ravi & Ravi, 2015). En
este contexto, la determinación de polaridad de una opinión es valorada como positiva,
neutra o negativa acerca de un producto, servicio, organización, persona o sobre
cualquier tipo de ente sobre el que es posible expresar de manera escrita una opinión
(Martínez, Martín, & Ureña, 2014) (Montesinos & Orchard, 2014) y la subjetividad de
una oración está dada por una emoción, un juicio o una opinión personal, mientras que
la objetividad se refiere a información basada en hechos, por tanto, el análisis de
subjetividad es el reconocimiento de la asociación de las palabras y su sentido (Ravi &
Ravi, 2015). El análisis de sentimientos ha sido dinamizado por el auge de las redes
sociales en los últimos años y por la necesidad de procesar la gran cantidad de
información en formato de texto que estas generan minuto a minuto, por lo tanto, se han
abierto nuevas posibilidades de investigación en diferentes contextos de aplicación
como, por ejemplo, opiniones sobre un personaje público en función de su gestión
pública (Herrera, 2019), la usabilidad (Sobrino & Kanaan, 2018), entre otros. (Chanchi,
G. E. G., Campo, W. Y. M., & Sierra, L. M. M. (2019).)

3.2.3. Minería de textos

La minería de textos es el análisis automático de textos, escritos en lenguaje

natural. Los métodos de análisis más sencillos que buscan en el texto palabras que
9
tengan un significado positivo o negativo, a partir de un diccionario adecuado, según el
tema y que ha sido creado previamente. Los resultados obtenidos del método, dan una
idea general pero no es útil para analizar el ambiente real. Por ende, es adecuado usar
métodos de aprendizaje automático, con herramientas de sentimientos que reconozcan
de una forma precisa el público objetivo y el entorno del producto que se está
analizando. (Morán, 2021)

Según Angulo Cuentas, Charris Polo, Cantillo Bolaño, y Arregocés Rodríguez

(2009), la minería de textos tiene tres componentes claves:

1) Recuperación, es la extracción de textos para su posterior transformación.

2) Tratamiento de la información, la extracción de patrones de los datos

recuperados obtenidos durante la recuperación. Este paso consiste en ordenar,
clasificar y cuantificar el material anterior no estructurado.

3) Integración de la información, es la combinación de la salida en el computador

del tratamiento de la información con los procesos cognoscitivos humanos.

3.3. Definición de términos

3.3.1. Twitter

Se trata de una de las redes de microblogging más notorias que existen hoy en
día y su éxito reside en el envío de mensajes cortos llamados “tweets”. Fue creada por
Jack Dorsey y su equipo en 2006 y la idea se inspira en el envío de fragmentos cortos de
texto (de 140 caracteres hasta 2018), donde puedes añadir un enlace, imágenes, vídeo,
encuestas o incluso un gift.). (Morán, 2021).

3.3.2. Python:

Python es un lenguaje de programación de alto nivel, interpretado, de una

sintaxis sencilla, propiedades que lo hacen muy adecuado para el proceso de
enseñanza-aprendizaje de lenguaje de programación (Vidal et al., 2010; Koulouri et al.,
2015; Shukla y Parmar, 2016).

3.3.3. Google Colaboratory

Es un entorno de cloud computing (servicios en la nube) Google Colaboratory,

que proporciona los recursos necesarios para que la ejecución de la aplicación no se vea
10
limitada por las especificaciones de la máquina. También aporta un entorno dinámico y
colaborativo de desarrollo, pudiendo vincular este servicio con el sistema de archivos de
Google Drive. Por lo tanto, todo el proyecto reside en la nube de Google, esto significa
que puede modificarse y ejecutarse desde cualquier lugar con conexión a internet.
(Delgado López, S. 2021)

3.3.3.4. Developer de Twitter

Es el tipo de cuenta al cual se puede acceder solicitando dicha petición desde la página
de Twitter, los principales requisitos solicitados para acceder a este producto son: la
pertenencia a una institución académica o universidad (acreditando dicha información),
la presentación de un perfil de investigación (objetivos, metodología, finalidad y uso de
la información), la apertura de una cuenta como desarrollador en la plataforma y la
creación de un proyecto de investigación. Esta solicitud es procesada manualmente por
personal de Twitter Developers, quienes verifican que los datos sean fehacientes y
cumplan los requerimientos para otorgar el acceso. Al final, envían un mensaje
confirmando la solicitud o pidiendo la clarificación de algunas de las exigencias, en
caso necesario. Una vez obtenido el permiso, en la plataforma de Twitter Developers se
encuentran las claves de acceso imprescindibles para introducir en el momento de
efectuar una solicitud desde la API. (Phillips, 2021)

3.3.3.5. API de Twitter v2

Para realizar consultas a la base de datos de Twitter, esta plataforma ha desarrollado una
interfaz de programación de aplicación API v2, a través de la cual se puede realizar
peticiones de información de acuerdo a los intereses del usuario, utilizando un nivel de
lenguaje sencillo y de alto nivel. Una API (interfaces de programación de aplicaciones)
es un conjunto de protocolos y definiciones que hace posible la conexión remota entre
distintas instancias de software (IBM, 2021); es un intermediario que facilita la
realización de consultas e ingreso de la información desde distintos puntos de acceso,
administrando la interacción con otras instancias y posibilitando el desarrollo de
aplicaciones dentro de una red de comunicaciones. (Phillips, 2021)

11
 CAPÍTULO IV

MARCO METODOLÓGICO

4.1. Caracterización del diseño de investigación

Ilustración 1: Nivel de investigación descriptiva de variables independientes con

diseño documental y de campo.

4.2. Acciones y actividades para la ejecución del proyecto

La metodología que se utilizará se basa en el ciclo de vida de analítica de datos,

propuesto por (Erl, Khattak, & Buhler, 2016) en su libro Big Data Fundamental, Big
Data se define como el campo multidisciplinario dedicado al análisis de grandes
volúmenes de datos no estructurados. Para cumplir con el análisis de Big data, se
necesita aplicar paso a paso la metodología, en la que consiste en organizar las
actividades y tareas con relación a la adquisición, procesamiento, análisis y reutilización
de datos. Sin embargo, no se pretende cumplir con el Big data, debido a que se
escogerán solamente ciertas fases que se adapten al proceso de análisis de datos con la
técnica de minería de datos. Las fases a utilizarse son las siguientes:

Ilustración 2: Extraída de Ilustración 38. Fases de la metodología de analítica de

datos. Información tomada de la investigación previa. Elaborada por Melissa Ortíz
12
4.3. Materiales e instrumentos

A continuación, se describe el diseño, técnica e instrumentos que se utilizarán para el

estudio planteado.

Tabla 2

Diseño, técnica e instrumentos de la investigación

Diseño Técnica Instrumentos

Diseño de Análisis Se utilizará una computadora y sus unidades

Investigación documental de almacenamiento, así como algunas
Documental extensiones de Google como Google Colab.

Análisis de Para la recolección de información se

contenido trabajará con la API de Twitter, para la
obtención de los textos a procesar que vienen
a ser las opiniones de los usuarios que usan
Twitter y dan una opinión sobre la
esquizofrenia.

Se trabajará con el lenguaje de Python en

Google Colab para el procesamiento de la
información y su clasificación.

Fuente: Elaboración propia

Tabla 3

Hardware que se usará en el desarrollo del proyecto

Hardware Características

13
LG (DESKTOP-QM8SN9Q) Windows 10 Pro

Intel(R) Core(TM) i3 CPU 550

@3.20GHz 3.19GHz

RAM 4.00GB(3.80 utilizable)

Sistema operativo de 64 bits, procesador

x64

Almacenamiento 575 GB

Fuente: Elaboración propia

Tabla 4

Software que se usarán en el análisis de los datos

Software Versión

Google Colaboratory Basado en la nube

Formato CSV -

Python 3

Developer de Twitter -

Fuente: Elaboración propia

4.5. Población y muestra de estudio

Para el presente estudio la población está comprendida por los tuits generados
por los usuarios que interactúan en Twitter con opiniones sobre la esquizofrenia, los
cuales se utilizarán para su análisis.

En cuanto a la muestra de la población total se plantea realizar una extracción

posterior de la información emitida en el 6 de octubre que se celebra el día mundial de

14
la salud mental hasta el 12 octubre, fechas significativas para la concientización sobre la
salud mental y sobretodo porque habrá una buena cantidad de comentarios referidos a la
esquizofrenia.

4.6. Tratamiento de datos.

4.6.1. Identificación de datos

La identificación de los datos se realiza mediante la librería tweepy de python que

permite acceder a la API de Twitter, luego de

4.6.2. Adquisición y filtración de datos

4.6.3. Extracción de datos

4.6.4. Validación y limpieza

4.6.5. Minería de datos

4.6.6. Visualización

CAPÍTULO V

ASPECTOS ADMINISTRATIVOS

5.1. Cronograma de actividades

5.2. Recursos humanos

5.3. Bienes

5.4. Servicios

5.5. Presupuesto

15
 REFERENCIAS BIBLIOGRÁFICAS

REAL ACADEMIA ESPAÑOLA: Diccionario de la lengua española, 23.ª

ed., [versión 23.5 en línea]. <https://dle.rae.es> [6 de septiembre 2022].

Ipsos Perú. «Hábitos y actitudes hacia Internet.» Ipsos.com. 2 de octubre de

2018. https://www.ipsos.com/es-pe/habitos-y-actitudes-hacia-el-internet.

Pamela Grandón, Alexis Vielma Aguilera, Claudio Bustos, Elvis Castro

Alzate, Sandra Saldivia, Evaluación del estigma hacia personas con
diagnóstico de esquizofrenia mediante una escala de conocimiento,
Revista Colombiana de Psiquiatría, Volume 47, Issue 2, 2018.

Fidias G. Arias, El Proyecto de Investigación, Introducción a la

metodología científica, 6ª Edición, 2012 p.24-25

Ortiz Morán, Y. M. (2021). Análisis del comportamiento del consumidor

digital en redes sociales mediante técnica de minería de texto (Doctoral

16
 dissertation, Universidad de Guayaquil. Facultad de Ingeniería
Industrial. Carrera de Ingeniería en Teleinformática.).

Angulo-Cuentas, Gerardo & Charris-Polo, Maryuris. (2009). Desarrollo e

Implementación de una Aplicación Basada en Minería de Textos para la
Extracción y formateo de Información de la Base de Datos de la USPTO
que Permita Conocer Tendencias Tecnológicas.

Chanchi, G. E. G., Campo, W. Y. M., & Sierra, L. M. M. (2019). Estudio

del atributo satisfacción en pruebas de usabilidad, mediante técnicas de
análisis de sentimientos. Revista Ibérica de Sistemas e Tecnologias de
Informação, (E23), 340-352.

Vidal-Silva, C. L., Sánchez-Ortiz, A., Serrano, J., & Rubio, J. M. (2021).

Experiencia académica en desarrollo rápido de sistemas de información
web con Python y Django. Formación universitaria, 14(5), 85-94.

Delgado López, S. (2021). Procesamiento de Lenguaje Natural sobre textos

antiguos.

Phillips, L., Ojeda, A., & Alemán, A. (2021). Aproximaciones

metodológicas para la investigación digital en Twitter. Punto Cero,
26(43), 40-54.

17
 ANEXOS

Crear una cuenta de developer/ desarrollador en Twitter

1. Primero se debe tener una cuenta en Twitter.

2. Luego para obtener la cuenta de desarrollador en Twitter o Developer, se debe

ingresar al siguiente enlace: https://developer.twitter.com/en/apps

3. Luego de haber ingresado al enlace se muestra la imagen anterior, y hacemos clic en

crear un aplicación.
18
4. Como no se tiene una cuenta de desarrollador, nos va a sugerir solicitar una y
hacemos clic en aplicar.
5. Para aplicar a una cuenta de desarrollador también podemos ingresar al siguiente
enlace https://developer.twitter.com

6. Hacemos clic en aplicar y nos mandara a un formulario donde tenemos que llenar
con nuestros datos, y en esta parte en mi caso al inicio no me permitía crear mi
cuenta de desarrollador con un correo de Gmail por lo cual al usar un correo
institucional si accedió.

19
7. También es necesario tener registrado un número de celular en Twitter.

8. Luego pedirá una confirmación en el correo institucional.

20
9. Luego de la confirmación se tendrá acceso a la cuenta de programador de Twitter y
a las claves que necesitaremos para la extracción de la información de los tuits.

21