Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Lamos Diaz, HenryMartinez Quezada, Daniel OrlandoJimenez Piñeros, NicolasJimenez Vargas, Remberth Jose2023-04-0620232023-04-0620192019https://noesis.uis.edu.co/handle/20.500.14071/13507Se entiende como revolución 4.0 a una etapa en la evolución humana hacia la transición de nuevos sistemas que están construidos sobre la infraestructura digital, trayendo consigo retos tecnológicos que podrían ser usados para resolver problemas y mejorar la calidad de vida de muchas personas. Ahora bien, uno de tantos retos en esta revolución industrial, es el aprovechamiento de la gran cantidad de datos que se generan día a día en la red por cuenta de las redes sociales, datos que al ser procesados e interpretados pueden convertirse en una fuente de información clave para la toma de decisiones en diversos campos de estudio. En el presente proyecto de investigación aplicando conceptos de minería de texto, se evalúan dos modelos de aprendizaje no supervisado (K-means y LDA), con el lenguaje de programación R y tomando como caso de estudio un conjunto de tweets generados durante los incendios forestales que se presentaron en California (Estados Unidos) a fecha de 16 de noviembre de 2018, bajo el hashtag #california, se comparan dichos modelos permitiendo además de identificar las diferentes temáticas, características y/o patrones de comportamiento de los usuarios al momento de la ocurrencia del desastre, concluir cuál de estos algoritmos proporciona información más amplia y relevante en el tema de investigación.application/pdfspainfo:eu-repo/semantics/openAccessAnálisis De ContenidoClustersMinería De DatosAnálisis De TextoAprendizaje AutomáticoTwitterRedes SocialesEvaluacion de modelos de aprendizaje no supervisado para el analisis de contenido de tweets generados ante un desastreUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coContent AnalysisClustersData MiningText AnalysisMachine LearningTwitterSocial NetworksEvaluation of unsupervised learning models for the content analysis of tweets generated in the event of a disaster*http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)