Big Data y universidades: análisis de movilidad de los estudiantes universitarios a partir de datos de Twitter

Abstract

RESUMEN Este trabajo investiga la movilidad a los campos universitarios en el Área Metropolitana de Madrid a partir de datos geolocalizados de Twitter, aprovechando su alto uso por la población joven. A partir de la identificación de usuarios de Twitter, de sus campus y lugares de residencia, se estiman áreas de influencia de las distintas universidades, y se combinan los datos obtenidos con otras fuentes como ficheros de tiempos de viaje o datos de nivel de renta para analizar tiempos según modo de transporte y tipo de universidad. Los resultados muestran que los estudiantes tienden a residir cerca del campus al que asisten y la tendencia de los estudiantes de universidades privadas a residir en las zonas con mayor nivel de renta.

Estimation of mobility and population in Spain during different phases of the COVID-19 pandemic from mobile phone data

“…Compared to classical survey-based methodologies, the advantages of using geo-localized Big Data are the availability of large data samples with high spatial and temporal detail, in a short time and at low cost 2 , 5 , 6 . These data allow to monitor in near-real time the activity of the population 7 .…”

Big Data y matrices Origen-Destino: cartografía de flujos de movilidad en España a partir de datos de Twitter y comparación con datos de telefonía móvil

“…Desde hace unos años, las empresas públicas y privadas han empezado a utilizar datos basados en el Big Data frente a la metodología clásica basada en encuestas domiciliarias y telefónicas debido a la ventaja de obtener grandes muestras de datos con un alto detalle espacial y temporal en poco tiempo y a bajo coste (Gutiérrez Puebla, 2018;Osorio-Arjona & García-Palomares, 2019a). Los datos de telefonía móvil son la nueva fuente de datos más utilizada, debido al colosal tamaño de sus muestras y la resolución temporal muy alta que poseen, con un registro producido en un intervalo de pocos segundos (Gutiérrez-Puebla et al, 2019).…”

Actas del XIX Congreso de Tecnologías de la Información Geográfica. TIG al servicio de los ODS Zaragoza, 12 a 14 de septiembre de 2022

“…Frente a metodologías clásicas basada en encuestas, las ventajas del Big Data geo-localizado son obtener grandes muestras de datos con un alto detalle espacial y temporal, en poco tiempo y a bajo coste (Gutiérrez Puebla, 2018;Osorio-Arjona & García-Palomares, 2019b;Poom et al, 2020) y monitorear a tiempo casi real la actividad de la población (Reddy et al, 2010). Los registros de actividad de telefonía móvil o call data records (CDR) son una de las fuentes de datos más utilizadas en proyectos de gran dimensión, debido al mayor tamaño de sus muestras y a una mayor resolución temporal de sus datos, con un registro producido en un intervalo de pocos segundos que permite el estudio de pautas de movilidad más complejas (Chen et al, 2016;Gutiérrez-Puebla et al, 2019;Kishore et al, 2018).…”