{"title":"Big Data y universidades: análisis de movilidad de los estudiantes universitarios a partir de datos de Twitter","authors":"Joaquín Osorio Arjona, J. Palomares","doi":"10.21138/gf.648","DOIUrl":null,"url":null,"abstract":"Este trabajo investiga la movilidad universitaria en el Area Metropolitana de Madrid a partir de datos geolocalizados de Twitter, aprovechando su alto uso por la poblacion joven. A partir de la identificacion de usuarios, sus campus y lugares de residencia, se estiman areas 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 la influencia del modo de transporte, el tipo de universidad, o el lugar de residencia en la movilidad universitaria. Mediante la elaboracion de un modelo gravitacional de Huff se comparan los resultados obtenidos en Twitter. Los resultados muestran que los estudiantes tienden a residir cerca del campus al que asisten, la importancia de la proximidad a las redes de transporte, y la tendencia de los estudiantes de universidades privadas a residir en las zonas con mayor nivel de renta.","PeriodicalId":53900,"journal":{"name":"Geofocus-Revista Internacional de Ciencia y TecnologIa de la InformaciOn GeogrAfica","volume":null,"pages":null},"PeriodicalIF":0.4000,"publicationDate":"2019-10-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Geofocus-Revista Internacional de Ciencia y TecnologIa de la InformaciOn GeogrAfica","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21138/gf.648","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"GEOSCIENCES, MULTIDISCIPLINARY","Score":null,"Total":0}
引用次数: 1
Abstract
Este trabajo investiga la movilidad universitaria en el Area Metropolitana de Madrid a partir de datos geolocalizados de Twitter, aprovechando su alto uso por la poblacion joven. A partir de la identificacion de usuarios, sus campus y lugares de residencia, se estiman areas 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 la influencia del modo de transporte, el tipo de universidad, o el lugar de residencia en la movilidad universitaria. Mediante la elaboracion de un modelo gravitacional de Huff se comparan los resultados obtenidos en Twitter. Los resultados muestran que los estudiantes tienden a residir cerca del campus al que asisten, la importancia de la proximidad a las redes de transporte, y la tendencia de los estudiantes de universidades privadas a residir en las zonas con mayor nivel de renta.