La participación ciudadana desde las redes sociales: Plaza de España by Iván Villalba

La participación ciudadana desde las redes sociales: Plaza de España

autor Iván Villalba Marín #GradoEnFundamentosDeLaArquitectura #UniversidadReyJuanCarlos

TRABAJO FIN DE GRADO GRADO EN FUNDAMENTOS DE LA ARQUITECTURA 2016/2017 JUNIO

LA PARTICIPACIÓN CIUDADANA DESDE LAS REDES SOCIALES: PLAZA DE ESPAÑA

APELLIDOS/NOMBRE ESTUDIANTE: VILLALBA MARÍN, IVÁN

Fecha: 5 de junio de 2017

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

ÍNDICE INTRODUCCIÓN ..................................................................................................................... 1 OBJETIVOS............................................................................................................................... 2 METODOLOGÍA ...................................................................................................................... 2

EL UNIVERSO DIGITAL ........................................................................................................ BIG DATA .................................................................................................................................. 4 TIPOS DE DATOS .................................................................................................................... 4 FUENTES DE ORIGEN ............................................................................................................ 6 WEB 2.0 ..................................................................................................................................... 7 REDES GEOSOCIALES ........................................................................................................... 7 TWITTER Y GEOLOCALIZACIÓN ....................................................................................... 8 EXTRACCIÓN. TWITTER API ............................................................................................... 9 EXTRACCIÓN. WEB SCRAPING .......................................................................................... 13 VISUALIZACIÓN ................................................................................................................... 13

EL ESTUDIO SOCIO-ESPACIAL .......................................................................................... SOCIOLOGÍA URBANA........................................................................................................ 16 ANÁLISIS URBANÍSTICO .................................................................................................... 17 REALITY MINING ................................................................................................................... 17 INVESTIGACIÓN Y DESARROLLO ................................................................................... 18

PLAZA DE ESPAÑA ................................................................................................................. EVOLUCIÓN HISTÓRICA .................................................................................................... 21 1997. PLAN GENERAL DE ORDENACIÓN URBANA DE MADRID............................... 24 DECIDE MADRID .................................................................................................................. 26

ANÁLISIS SOCIO-ESPACIAL DESDE LAS REDES SOCIALES ..................................... TWITTER ................................................................................................................................ 30 INSTAGRAM .......................................................................................................................... 36

CONCLUSIONES ...................................................................................................................... PRIMER NIVEL ...................................................................................................................... 40 SEGUNDO NIVEL .................................................................................................................. 41 TERCER NIVEL...................................................................................................................... 43 CONCLUSIONES GENERALES ........................................................................................... 44

BIBLIOGRAFÍA ...................................................................................................................... 45

ANEXO I. RASPADOR DE TWITTER. ................................................................................... i ANEXO II. GRÁFICOS GENERADOS CON CORTEXT MANAGER. ............................... vi ANEXO III. GRÁFICOS GENERADOS CON IMAGEJ. ....................................................... ix

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

INTRODUCCIÓN El continuo crecimiento del universo digital, que alcanzará los 180 zettabytes en 2025, ha convertido la gestión de Big Data en el reto clave del principio del siglo XXI, situando la figura del científico de datos y del desarrollador de programas en una posición privilegiada. La gran mayoría de esta información se encuentra desestructurada y proviene de la web 2.0, un giro en el concepto de internet que ha propiciado considerablemente su expansión y cuyo paradigma reside en las redes sociales. La consolidación de los teléfonos inteligentes con conexión permanente a internet, unida al desarrollo de las aplicaciones móviles de las redes sociales que se basan en la información georreferenciada o que la utilizan para enriquecer sus plataformas —las redes geosociales— han configurado una infraestructura itinerante de sensores de comportamiento humano a la espera de ser activada para aprovechar todo su potencial y automatizar las funciones de las ciudades inteligentes. La vinculación de los datos generados en redes geosociales al universo físico mediante la tecnología de geolocalización hace posible el análisis socio-espacial en el que se basa la sociología urbana, pudiendo aportar información acerca de las estructuras sociales, dinámicas, y percepciones ligadas a un emplazamiento. Algunos investigadores ya han reparado en la utilidad de las redes geosociales como herramienta del estudio socio-espacial orientado a la optimización del planeamiento urbanístico. Sin embargo, por su desconocimiento o por la desestimación general de la información sociológica por parte de los gobiernos representativos, sus aplicaciones se ciñen al campo de la investigación y el desarrollo. La participación ciudadana es un conjunto de instrumentos de la democracia participativa. Algunas de sus técnicas, como las encuestas y entrevistas, pueden ser aplicadas a la sociología urbana para la obtención de información socio-espacial. El equipo del Ayuntamiento de Madrid, Ahora Madrid, se caracteriza por la apuesta de las políticas participativas, cuyo máximo exponente es su plataforma web Decide Madrid. Recientemente ha finalizado un proceso de varias etapas para la remodelación de la Plaza de España en el cual se han aplicado diferentes métodos de la participación ciudadana con el objetivo de solucionar los problemas de comunicación entre gobernantes y gobernados de la democracia representativa, así como para recoger datos socio-espaciales. Este proceso formó parte de la primera consulta de Madrid, celebrada en febrero de 2017, un evento sin precedentes que aprobó rotundamente dos peticiones ciudadanas y la ampliación de las aceras de la Gran Vía, impulsada desde la administración, entre otras propuestas. Contó con la participación de 214.076 votantes, el 7,8% de los madrileños con derecho a opinar, y su coste se estima en 1,1 millones de euros, un 0,02% del presupuesto municipal. El estudio de las redes geosociales no ha sido considerado por el consistorio como herramienta de obtención de información socio-espacial durante el proceso participativo para la generación de propuestas de la nueva Plaza de España. No obstante, su presencia en las plataformas evidencia su conocimiento de la utilidad de estos medios de comunicación para la divulgación de campañas. El acercamiento de las técnicas de minería de datos masivos a usuarios inexpertos proporcionado por los programas de visualización, así como la apertura de las puertas a las bases de datos de las redes sociales, permiten conocer qué resultados se habrían obtenido en el proceso participativo para la remodelación de la Plaza de España de haber reparado en los beneficios de este estudio aplicado a la optimización del planeamiento urbanístico.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

OBJETIVOS 

Principal. Valorar la utilidad del estudio alternativo de las redes geosociales como herramienta de la sociología urbana orientada a la optimización del planeamiento urbanístico en sustitución de las técnicas tradicionales de participación ciudadana.



Explorar las herramientas disponibles para la extracción, análisis y visualización de información masiva generada en redes sociales para un usuario no experto.



Investigar las posibilidades del estudio de redes geosociales enfocado desde el campo profesional del desarrollo.



Analizar la información socio-espacial obtenida a través de técnicas tradicionales utilizando los resultados del proceso participativo para la reforma de la Plaza de España como fuente de datos.



Desarrollar y evaluar un método para la caracterización de entornos urbanos utilizando datos producidos en redes geosociales y técnicas de minería de datos disponibles para usuarios no expertos.



Desarrollar y evaluar un método para la identificación de elementos de interés en entornos urbanos utilizando datos producidos en redes geosociales y técnicas de minería de datos disponibles para usuarios no expertos.



Estudiar la vinculación del universo físico y el digital, estableciendo una conexión entre las áreas de mayor actividad en ambas dimensiones.



Extraer conclusiones de la comparación de la información socio-espacial obtenida mediante herramientas tradicionales y alternativas, incluyendo la valoración del proyecto resultante del proceso participativo para la remodelación de la Plaza de España. METODOLOGÍA

En primer lugar, se procede a la exposición de la relevancia del tema elegido definiendo los límites del universo digital, explicando posteriormente algunos de sus elementos y características clave que se mencionan a lo largo de todo el trabajo, como el tipo de datos o el procedimiento habitual para manipularlos. Se presta especial atención a las fuentes de origen, indicando la importancia del giro en la concepción de internet que supone la web 2.0 y sus consecuencias en las ciudades. Posteriormente, se estudian los métodos de extracción de datos de la red social Twitter con el objetivo de comprender el funcionamiento de una API pública y conocer sus ventajas y limitaciones, así como las alternativas disponibles. Finalmente, se investigan las herramientas que ofrecen algunos programas de visualización para facilitar la minería de datos textuales, georreferenciados y visuales, que son testadas más tarde. A continuación, se procede a justificar la aplicación del análisis de redes geosociales como herramienta de la sociología urbana enfocada al planeamiento urbanístico, introduciendo el concepto reality mining. Con el objetivo de conocer las aplicaciones profesionales de estos métodos, se aporta información recopilada de proyectos de investigación destacables dedicados a la caracterización de espacios urbanos y a la detección de elementos de interés, comentando sus técnicas y recogiendo los resultados obtenidos, los cuales se utilizan más adelante para la evaluación del método elaborado con técnicas diseñadas para usuarios no expertos. Por otro lado, se analiza el caso de la Plaza de España, investigando la relevancia de la existencia de un proyecto homogéneo para el emplazamiento, apoyándose en la evolución histórica para su contextualización. Seguidamente, se expone la información aportada por Decide

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Madrid en su plataforma relacionada con el proceso de participación ciudadana. Se analizan las estadísticas y datos socio-espaciales extraídos tanto del cuestionario como del diagnóstico urbanístico técnico basado en la lógica y la observación, que se utilizan más adelante para la evaluación de la precisión del método elaborado con técnicas alternativas. Posteriormente, se redactan de las características del proyecto ganador en la consulta ciudadana de Madrid para la remodelación de la Plaza de España, que se utilizan más adelante para la evaluación de las técnicas tradicionales y alternativas de recogida de datos socio-espaciales, así como para la valoración de la adaptación de la propuesta a la información socioespacial extraída desde las redes geosociales. Una vez expuesta la base teórica y recopilados todos los resultados, se procede al estudio de la Plaza de España desde las redes geosociales. Paralelamente, se realizarán exámenes idénticos del Parque del Retiro y de la Plaza Mayor de Madrid para la evaluación de la utilidad de las técnicas desarrolladas. Primero, se documenta el proceso de extracción de datos ejecutando un raspador web. Después, se utilizan herramientas de minería de texto disponibles para el usuario inexperto con el objetivo de desarrollar un método que caracterice los entornos, basado en la lista de términos más frecuentes en Twitter. A continuación, se representan los paisajes urbanos virtuales de la Plaza de España en Twitter usando un sistema de información geográfica en línea. Por último, se procede al examen de datos visuales extraídos de Instagram para el desarrollo de una técnica que identifique los puntos de interés del entorno. Todos los resultados obtenidos se plasman al final de cada análisis. Finalmente, se lleva a cabo la comparación de resultados a tres niveles para la extracción de conclusiones: 

En el primer nivel se utilizan los resultados obtenidos de los análisis efectuados paralelamente al estudio de la Plaza de España para determinar la utilidad del método en la definición de un entorno, así como para comparar la naturaleza de la Plaza de España con las identidades de los otros dos lugares.



En el segundo nivel se comparan los resultados de los dos métodos de recopilación de información socio-espacial para el planeamiento urbanístico —el alternativo, desde las redes geosociales, y el tradicional, los procesos participativos y las técnicas del análisis urbanístico basadas en la observación— con el objetivo de determinar la precisión de las herramientas usadas en este estudio, así como evaluar ambos procedimientos y valorar los resultados obtenidos mediante las herramientas de participación ciudadana cristalizados en el proyecto ganador para la reforma de la Plaza de España.



En el tercer nivel, se procede a realizar una comparación de los resultados alcanzados mediante el acercamiento inexperto al estudio socio-espacial con aquellos obtenidos en los análisis profesionales realizados por investigadores, permitiendo evaluar la utilidad de la minería de datos integrada en los programas de visualización y la accesibilidad de este tipo de herramienta de la sociología urbana para todo tipo de usuarios.

Definitivamente, se procede a la formulación de afirmaciones considerando las conclusiones extraídas de la discusión de resultados, apoyadas por el proceso de investigación desarrollado a lo largo del estudio.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

EL UNIVERSO DIGITAL BIG DATA El universo digital se encuentra en expansión acelerada debido a la gran explosión que ha experimentado internet. Según el estudio sobre los datos digitales realizado en 2014 por IDC (International Data Corporation), patrocinado por Dell EMC, en 2020 la producción anual mundial de bytes1 alcanzará una magnitud del orden de 1022 con 44 ZB (zettabytes), aumentando diez veces en un intervalo de seis años los 4,4 ZB generados en 2013. Más tarde, en una conferencia celebrada en agosto de 2016 en Massachusetts, IDC reafirmó y extendió sus estimaciones pronosticando que la cantidad de datos digitales que se producirán mundialmente durante el año 2025 será de 180 ZB, o lo que es lo mismo, 1,8×1023 bytes (Press, 2016). Para poner en perspectiva estas cifras, la cantidad de estrellas existentes en el universo físico se estima del orden de 1024 (Howell, 2017). Las bases de datos, conjuntos, o datasets, son fracciones del universo digital que, a pesar de no ser manejables con las herramientas habituales debido a su magnitud y/o heterogeneidad, pueden revelar información útil para diferentes campos profesionales si son procesadas adecuadamente. Es lo que se conoce como el concepto de Big Data. Los investigadores, desarrolladores, científicos, analistas o expertos de datos se encargan de administrar esta ingente cantidad de información durante las etapas de manipulación —generalmente recolección y almacenamiento, organización, análisis y visualización— con las técnicas específicas para su traducción en resultados provechosos (Van Den Berg, 2015). TIPOS DE DATOS El modelo de datos relacional, definido en 1970 por Edgar Codd de IBM (International Business Machines), está consolidado como el paradigma de los conjuntos de datos. Este modelo considera los datasets como una colección de relaciones entre filas, o tuplas, y columnas, o campos (Ambriz, 2013). En función de la estructura que define las relaciones entre los componentes de la tabla, contenida en un esquema, los conjuntos pueden estar formados por tres tipos de datos (Purcell, 2012): 

Datos estructurados. Configuran bases de datos relacionales, pues están organizados en filas y columnas y su esquema establece una vinculación entre ellos mediante un campo común, denominado “ID”, “identificador” o “clave”.



Datos semiestructurados. Son datos organizados según una estructura propia que muestra las relaciones entre sus elementos y los define separándolos con marcadores, facilitando su entendimiento y tratamiento, pero que no se limitan a un campo determinado ni responden al modelo relacional. Como ejemplos, existe el lenguaje HTML, utilizado para la codificación de páginas web, y el JSON2, un formato de texto ideal para el intercambio de datos, fácil de leer para los humanos y simple de crear e interpretar para las máquinas. Se constituye por una colección de lo que se denominan objetos, que son series de nombres y sus valores, separados por comas y encerrados en llaves: {“nombre”: “valor”, “nombre”: “valor”, “nombre”: “valor”}

Byte (B). Unidad mínima de información digital generalmente compuesta por ocho bits (ceros o unos). 1 zettabyte (ZB) = 1.000.000.000.000.000.000.000 bytes = 1021 bytes. 2 Introducción a JSON. Disponible en: http://www.json.org/json-es.html

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Los valores pueden ser caracteres entrecomillados, un número, “true”, “false”, “null”, u otros objetos anidados. 

Datos no estructurados. Son aquellos que forman un conglomerado heterogéneo que no responde a ninguna estructura identificable y, por tanto, no están organizados según el modelo relacional de IBM. El texto, las imágenes, los audios y vídeos, aunque pueden ordenarse en archivos, por capítulos o cronológicamente, por ejemplo, son contenidos no estructurados. En ocasiones, esta ordenación puede ser útil para la organización de la información en un modelo semiestructurado, no obstante, esta labor puede requerir mucha dedicación y no siempre es ejecutable, por lo que el principal reto de los científicos de Big Data es la obtención de resultados a partir de los datos no estructurados en bruto.

El tratamiento de información desestructurada para el cumplimiento de los objetivos de su análisis se compone generalmente de las siguientes etapas (Rivas, 2014): 

Creación de una plataforma escalable. Debido a la imposibilidad de utilización de los sistemas de gestión de bases de datos relacionales, es necesaria la creación de una plataforma que sirva de infraestructura capaz de adaptarse al crecimiento continuo de trabajo de manera fluida sin perder calidad durante los procesos.



Adición de información. Es conveniente añadir una estructura complementaria para facilitar el tratamiento de los datos o extraerla de la información en el caso de identificarla y ser ejecutable, configurando datasets semiestructurados.



Creación de conjuntos representativos reducidos. Muchos análisis pueden dar resultados provechosos asimilando un margen de error razonable. Por ello, es importante reducir el inmenso volumen de información a conjuntos estadísticamente representativos sin perder datos valiosos.



Desarrollo de algoritmos. La minería de datos es la identificación automática de patrones y tendencias dentro de grandes volúmenes de información mediante el desarrollo de algoritmos. Molina (2002, p.4) comenta que “cada caso es un caso”, refiriéndose a que cada análisis requiere la construcción de un algoritmo específico adecuado a los objetivos. No obstante, existen técnicas de estadística, aprendizaje automático o inteligencia artificial que utilizan de base algoritmos prediseñados. Los científicos de Big Data aplican estos métodos para obtener información representativa del conjunto y elaborar conclusiones. Algunas de estas técnicas son las siguientes:  Análisis de grupos (Clustering). Es una técnica común del análisis estadístico fundamentada en la construcción del algoritmo de agrupamiento para la división de la información en grupos de elementos similares entre sí, denominados clústeres.  Clasificadores. Utilizan métodos del aprendizaje automático para el etiquetado de información según sus características. Es habitual entrenar los algoritmos con datos previamente etiquetados, supervisados, o utilizar el análisis de grupos para determinarlas, no supervisados. La minería de texto es el conjunto de técnicas para la detección de patrones y/o la categorización automática de grandes cantidades de información textual, no estructurada. Los clasificadores utilizados en la minería de opiniones, o análisis de sentimientos, sirven para la asociación de estados de ánimo a elementos de texto utilizando un conjunto

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

valorado de ejemplos reales del lenguaje —denominado corpus lingüístico— para su entrenamiento. El análisis de grupos puede ser aplicado para la identificación de temas y tendencias. 

Depuración y limpiado de datos. Finalmente, con el objeto de liberar espacio en el conjunto de datos, se detecta la información no utilizada o de baja frecuencia para su limpiado.

Los datos desestructurados han superado en número a los datos estructurados, y su característica heterogeneidad, que los convierte en un desafío para el análisis, ha dado lugar a la concepción de Big Data como el almacenamiento y gestión de datos masivos exclusivamente desestructurados que no configuran bases de datos relacionales. Sin embargo, el uso de información estructurada sigue siendo importante en la analítica de datos, pues cumplen con la condición de ser masivos, y por ello se han utilizado tecnologías de Big Data para su gestión desde que empezaron a desarrollarse (Ambriz, 2013). FUENTES DE ORIGEN Actualmente se pueden encontrar varias clasificaciones de Big Data según su procedencia que difieren ligeramente entre sí, pues son conceptos que aún permanecen en desarrollo y debate. No obstante, generalmente se reconoce la existencia de dos vías principales de generación de datos derivadas del tipo de agente con el que interacciona la máquina durante la producción, aunque tampoco están claramente definidas: 

Datos generados por máquinas. (Vale, 2013) También denominados en ocasiones “internet de las cosas” (Internet of Things, IoT), son el resultado de la decisión independiente de un agente inteligente o la medición de un evento que no ha sido causado por ninguna persona. Es decir, son los datos que generan dispositivos electrónicos, sensores y objetos cotidianos conectados a internet o a otras máquinas sin intervención humana de ningún tipo (machine to machine, M2M). Una fuente de producción de este tipo de datos es la domótica, que permite automatizar ciertas funciones de una vivienda o espacio mediante la integración de objetos inteligentes que, conectados entre sí o reaccionando a condiciones ambientes, aportan servicios de seguridad, gestión energética, bienestar y comunicación.



Datos generados por personas. Es la categoría cuya definición ocasiona más polémica debido a que los datos digitales requieren necesariamente la intervención de una máquina en el proceso de generación (human to machine, H2M) y en consecuencia surge el dilema de fijar el límite entre la parte de información generada por la máquina y la parte producida por el individuo. Algunas clasificaciones consideran los datos generados por personas todos aquellos producidos durante la interacción entre ambos agentes (Abadi, 2010), como la navegación por internet, pues la característica distintiva es que ha intervenido una persona en su origen. Otras sólo valoran la información estricta y deliberadamente generada por el individuo (Monash, 2010), por lo que únicamente encajarían en esta categoría el contenido de todo tipo de archivos creados por las personas, como textos, imágenes, audios, y vídeos. Por último, algunos expertos subdividen los datos generados durante la interacción H2M en categorías derivadas de su lugar de producción, independientes del agente, como “datos de negocios”, “datos de transacciones”, o “redes sociales” entre otras.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

WEB 2.0 El término “web 2.0” fue acuñado en 2004 por Dale Dougherty de la editorial O’Reilly Media durante una conferencia. También suele utilizarse “web social” como sinónimo. Este concepto surgió durante la consolidación de las redes sociales y blogs a través de los cuales sus usuarios cuentan con la posibilidad de participar en la creación de contenido, formando comunidades y haciendo públicos sus pensamientos y opiniones, convirtiéndose en contribuidores activos —además de consumidores— en lugar de ser exclusivamente usuarios pasivos receptores de información (INTEF, 2012). Este giro en la concepción de internet es el principal causante de la proliferación de los datos no estructurados generados por personas y de la rápida expansión del universo digital, entre otros motivos. Según una infografía3 publicada por Qmee en 2014, algunas de las acciones realizadas en internet durante sesenta segundos incluyen la publicación de 67.000 fotos en Instagram y 433.000 tweets en Twitter, y la realización de 88.000 llamadas de Skype y 2,66 millones de búsquedas en Google. La información procedente de la web 2.0 configura los mayores datasets conocidos, de tal forma que su análisis conforma una nueva rama del estudio de datos denominada analítica de redes sociales (Joyanes, 2013). REDES GEOSOCIALES Debido a la consolidación de los teléfonos inteligentes con conectividad permanente a internet, otro de los propulsores del universo digital, es posible identificar la ubicación de los dispositivos gracias a la tecnología de geolocalización, también denominada dirección de protocolo de internet o IP, asignada a cada aparato conectado a la red según unos parámetros, tales como el país, la ciudad, el código postal y las coordenadas en las que se encuentra. Esta tecnología, junto con el desarrollo de las aplicaciones móviles de redes sociales (mobile social networking) y la integración de sistemas de posicionamiento global (GPS), han dado lugar a un nuevo concepto de plataforma, las redes geosociales (geosocial networking), que incorporan un servicio de geolocalización para potenciar la interacción del usuario con su entorno o con otros usuarios próximos a su ubicación (Rodríguez y Torres, 2010). Algunas redes geosociales han sido específicamente desarrolladas basándose en la tecnología de geolocalización, por lo que las ubicaciones son sus elementos principales y están diseñadas para la interacción entre usuarios situados en el mismo lugar. Existen en formato aplicación móvil, dejando atrás su alojamiento en páginas web por su vinculación a dispositivos estáticos, los ordenadores de mesa. Un conocido ejemplo es la aplicación de citas Tinder, lanzada en agosto de 2012, que permite al usuario descubrir gente con intereses similares próxima a su ubicación para charlar o concretar encuentros. Otras redes geosociales utilizan los servicios de geolocalización para contextualizar su contenido y hacer posible la búsqueda por etiquetas de lugar, proporcionando información valiosa del entorno gracias a esta dimensión añadida a las publicaciones. Un buen ejemplo es la red social Instagram, una aplicación móvil lanzada en octubre de 2010 que permite a sus usuarios editar, publicar, valorar y comentar imágenes o vídeos cortos. Anteriormente, la activación de su servicio de geolocalización autorizaba el acceso a las coordenadas en las que la imagen fue tomada o publicada para la generación de un mapa personal por cada usuario. Esta característica fue eliminada en 2016, pues no era muy consultada (Hinchliffe, 2016), y fue reemplazada 3

What happens online in 60 seconds? [inphografic], [en línea]. Qmee. Disponible en: http://blog.qmee.com/qmee-online-in-60-seconds/

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

por las etiquetas de lugar, más ambiguas, que permiten a los usuarios enmarcar la imagen en su+ entorno y compartir sus percepciones del emplazamiento. Existen opiniones diversas con relación a la definición de redes geosociales. Habitualmente sólo se consideran aquellas que han sido diseñadas en torno a la tecnología de geolocalización, pero en ocasiones también se incluyen aquellas que, aunque su elemento principal no sea la ubicación del usuario, cuentan con funciones de red geosocial que pueden ser activadas para enriquecer el contenido. Las redes geosociales son una fuente de Big Data que puede resultar muy práctica. Sin embargo, conllevan un gran riesgo para la privacidad y seguridad de sus usuarios (Joyanes, 2013), por lo que se recomienda revisar las autorizaciones que se otorgan a las aplicaciones para acceder a los datos de ubicación, especialmente después de una actualización, y ser conscientes en todo momento de qué se publica y quién tiene permiso para verlo (Europol, 2017). TWITTER Y GEOLOCALIZACIÓN Twitter es una red social creada en California en marzo de 2006 que se basa en el concepto de microblogging, la publicación frecuente por parte de los usuarios de un texto corto denominado tweet, específicamente de hasta ciento cuarenta caracteres —incluyendo espacios— que puede contener imágenes, encuestas, y otros tipos de multimedia y metadatos adjuntos, como etiquetas de lugar. De esta forma, el usuario y autor, denominado twittero, se convierte en productor de contenido, pero al mismo tiempo tiene la posibilidad de seguir a otros usuarios e interaccionar con sus publicaciones, por lo que también es consumidor. Una las características más importantes de Twitter es su producción de datos en tiempo real. Debido a la limitación de caracteres, los usuarios publican varias veces al día tweets relacionados con eventos o pensamientos recientes, por lo que la información es continuamente actualizada y el flujo constante. Por el contrario, los usuarios de blogs y otros sitios de internet donde la longitud de sus textos no es limitada realizan publicaciones periódicas, renovando la información una vez han reunido suficiente contenido. El servicio de geolocalización de Twitter está desactivado de forma predeterminada y debe ser habilitado desde el panel de privacidad y seguridad del usuario para autorizar a la red social el acceso al par de coordenadas —latitud y longitud— extraídas de la IP del dispositivo. Una vez en funcionamiento, es posible adjuntar bajo el texto de los tweets un sello que indique el nombre de una ciudad o vecindario. Twitter sugerirá las etiquetas de lugar que mejor se adapten a la ubicación del autor, pudiendo elegir aquella en la que se genera el tweet, buscar el lugar acerca del que trata el texto de la publicación, o ninguna, si no desea compartirla con ese mensaje concreto. Estas coordenadas no se harán públicas en ningún momento a no ser que el usuario decida activar la opción “compartir mi ubicación exacta”, entonces se mostrará el punto específico desde el cual se ha generado el tweet, junto al sello de ciudad o vecindario correspondiente. Este botón está disponible en la aplicación móvil de Twitter en versiones posteriores a la 6.26 para iOS y la 5.55 para Android, ambas en servicio desde abril de 2015. En actualizaciones anteriores, el par latitud-longitud podía visualizarse en un mapa pinchando en la etiqueta de lugar de cualquier tweet cuyo autor tuviera activado el servicio de geolocalización. Los usuarios, ante este cambio, se decantan habitualmente por la opción más conservadora, los sellos de ciudad o barrio. Su ambigüedad es mucho mayor que la de las etiquetas de Instagram, pues no permiten indicar lugares concretos, como plazas o parques, convirtiéndose en una referencia que no aporta información precisa. Todos los datos de ubicación adjuntos pueden ser eliminados desde el panel de privacidad y seguridad del usuario, junto al botón que activa el servicio de geolocalización.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

EXTRACCIÓN. TWITTER API Con el objetivo de aprovechar la gran utilidad de este tipo de datos para diferentes propósitos, las redes sociales han facilitado su accesibilidad mediante la apertura de sus API, siglas en inglés de “Interfaces de Programación de Aplicaciones”. Estos mecanismos son un conjunto de comandos, funciones y protocolos en lenguaje de programación que permiten el intercambio de información entre dos aplicaciones. Los procedimientos que ejecutan la extracción de la base de datos no son públicos, pero se ofrecen las llamadas que se deben realizar para iniciarlos. De esta forma, los desarrolladores pueden elaborar códigos (scripts) para programar aplicaciones que interactúen con la red social y acceder a su información a través de estas puertas. Las aplicaciones son comúnmente utilizadas para compartir contenido en las redes sociales desde las páginas web donde se alojan o, por ejemplo, para que los usuarios puedan observar las estadísticas y datos de interés de su perfil. Suponen una gran ventaja para las redes sociales, pues son programadores externos los que se encargan de otorgarle más funcionalidad y riqueza a la página y ofrecer más contenido a sus consumidores. Asimismo, el desarrollador puede programar la aplicación y ejecutarla desde su sistema exclusivamente para obtener información, y no necesariamente para alojarla en una página web para su uso público. Twitter Developers4 es la plataforma donde se recoge toda la documentación de las API de Twitter y otros productos orientados a la construcción de aplicaciones capaces de intercambiar datos con la red social, con la finalidad de permitir a los desarrolladores su programación. Con previo conocimiento de las políticas y condiciones impuestas por Twitter, crear una aplicación sólo requiere el registro de una cuenta de usuario para generarla desde la plataforma. Las aplicaciones utilizan métodos de autenticación para realizar las acciones de forma autorizada en nombre del usuario. Las bibliotecas (libraries), construidas y mantenidas en diferentes lenguajes de programación por Twitter o por desarrolladores externos, no necesariamente probadas por la red social, conforman un conjunto de comandos, al igual que las API, con la diferencia de que es posible conocer qué procedimientos inician y qué llamadas realizan a la API pública de Twitter. Así, el desarrollador puede completar su código integrando y combinando estas bibliotecas sin la necesidad de elaborarlo desde cero, facilitando aún más la labor de programación.

Esquema del funcionamiento de la API pública de Twitter. Elaboración propia en Adobe Illustrator. Iconos de ibrandify. Freepik.com.

Twitter Developers. Plataforma de Twitter orientada a desarrolladores que recoge la documentación de sus API públicas y otros productos diseñados para la construcción y programación de aplicaciones abastecidas por su base de datos. Disponible en: https://dev.twitter.com/

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

GitHub es una conocida plataforma online para desarrolladores de programas que permite publicar o construir códigos en colaboración con otros usuarios en diferentes lenguajes de programación. Los desarrolladores comparten en esta red sus bibliotecas y, en ocasiones, scripts de programas ya completos, especificando qué resultados se obtienen con ellos y cómo utilizarlos, por lo que sólo es necesario realizar algunas modificaciones en los parámetros del código, con previos conocimientos de programación, para conseguir las respuestas deseadas de la API de Twitter. Es importante conocer la anatomía de los objetos JSON con los que responde la API de Twitter. Existen cuatro tipos: 

Tweets. Son los elementos básicos de construcción de Twitter, también denominados actualizaciones de estado. Algunos de sus nombres y sus posibles valores son los siguientes:  text. Su valor son los ciento cuarenta caracteres o menos, entrecomillados, que conforman el texto del tweet.  coordinates. Representa la localización geográfica (latitud, longitud) donde fue generado el tweet. Su valor es null si el usuario no activa el servicio de geolocalización.  Todos los demás objetos de la API —users, entities y places— son a su vez nombres del objeto Tweets, configurando una estructura anidada.



Users. Son los objetos que contienen los nombres, con sus valores, de la cuenta de usuario artífice del tweet. Entre algunos de estos nombres se encuentran su imagen de perfil (profile_image_url), o el apodo bajo el que publica sus tweets y al que dirigirse para contactarle, de un valor máximo de quince caracteres, o más en cuentas históricas (screen_name).



Entities. Son metadatos adjuntos al tweet, como hashtags —etiquetas textuales comenzadas por el carácter “#”—, direcciones de páginas web y contenido multimedia, entre otros. Cada uno de estos nombres del objeto Entities configuran objetos por sí mismos, pues están compuestos por otros nombres o incluso más objetos, formando estructuras anidadas.



Places. Son ubicaciones específicas, ciudades o vecindarios, que pueden ser adjuntadas al tweet por parte del usuario en el momento de su publicación si habilitan el servicio de geolocalización. En el caso contrario, sus valores son nulos. Algunos de sus nombres son: su tipo (place_type) —por ejemplo, con valor “city”—; su apelativo (name) —por ejemplo, “Madrid”—; o el objeto bounding_box, que contiene el nombre coordinates, determinado por el valor de las coordenadas que delimitan el polígono de la zona.

La API pública de Twitter se compone de una REST API y una Streaming API. Según se expresa en la documentación, la mayoría de los desarrolladores de su plataforma combinan ambas para producir sus aplicaciones. 

REST. Son las siglas en inglés de Transferencia de Estado Representacional, un estilo de arquitectura ampliamente utilizado en la construcción de API concebidas para indicar la ejecución de operaciones sobre los datos, como leerlos (GET), crearlos (POST), o

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

eliminarlos (DELETE). Es decir, la REST API permite acceso programático a las funciones de Twitter, como publicar o eliminar un tweet, o leer la lista de seguidores de un usuario, obteniendo respuestas en formato JSON. Existen ciertas restricciones, como el límite de velocidad impuesto a las operaciones GET que implanta un máximo de peticiones para cada periodo de quince minutos variable según la operación y el método de autenticación elegido, y el límite de operaciones POST diarias, común a todos los twitteros, como la prohibición de superar la publicación de 2.400 tweets por usuario y por día para evitar la sobrecarga de Twitter y comportamientos abusivos. La Search API es una extensión de la operación GET search/tweets de la REST API. Funciona de forma similar pero no exacta a la herramienta de búsqueda integrada en la red social. Su respuesta consiste en una colección de tweets en formato JSON que encajan dentro de unos parámetros especificados, primando su relevancia, por lo que no se obtiene una muestra completa de todas las coincidencias. Sus limitaciones son las mismas que las de la REST API, además de restringir la búsqueda a una muestra de tweets recientes publicados en los siete días anteriores a la petición. Para realizar una llamada de este tipo es necesario familiarizarse con los parámetros disponibles y las respuestas que devuelven. Todos son acumulativos y pueden usarse simultáneamente para obtener resultados más precisos. Algunos de los más importantes son los siguientes:  q. Son los términos clave de los que se buscan coincidencias relevantes en la muestra de tweets disponible. Admite varios operadores muy útiles para afinar la búsqueda, como el símbolo menos (-), que sirve para excluir términos. Por ejemplo, “plaza de españa -sevilla” devuelve tweets relacionados con las palabras “plaza de españa” excluyendo aquellos referidos a la ubicada en Sevilla. No es infalible, pues pueden existir tweets relacionados con la Plaza de España de Sevilla que no contengan necesariamente el nombre de la ciudad en su texto, pero sirve como filtro. Es el único parámetro obligatorio, todos los demás son opcionales.  geocode. Devuelve tweets geolocalizados generados dentro de un radio con centro en las coordenadas introducidas. Ejemplo: “geocode:40.423205,-3.712555, 0.4km”. Es necesario que el nombre coordinates del objeto Tweets o el objeto Places no sean nulos, por lo que el usuario debe tener habilitado el servicio de geolocalización.  result_type: recent/popular/mixed. Especifica si se desean obtener las coincidencias más populares, recientes, o ambas en la respuesta.  since/until. Devuelve tweets publicados entre las fechas especificadas en formato AAAA-MM-DD. Teniendo en cuenta la limitación de la API a una muestra de los últimos siete días, no se encontrarán coincidencias de mayor antigüedad que una semana, aunque así lo pida el parámetro. 

Streaming. Esta API ofrece acceso a una muestra de aproximadamente el uno por ciento del flujo global de tweets en tiempo real (Frías-Martínez, 2014a), respondiendo en formato JSON cada vez que se genera una coincidencia. Establecer una conexión a la Streaming API supone realizar una petición de larga duración por cuanto tiempo sea práctica. Los servidores de Twitter mantendrán abierto el vínculo e impondrán ciertas limitaciones de velocidad que, a pesar de no hacerlas públicas, aseguran que dan lugar fácilmente

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

a la experimentación por parte del desarrollador, advirtiendo que se pueden recibir errores si se rompe la conexión y se intenta recuperar de forma frecuente sin esperar algunos minutos. Todas las peticiones deben ser autorizadas mediante métodos de autenticación. Existen varias operaciones GET y POST específicas de la Streaming API, útiles para diferentes propósitos. Para conectarse al flujo público de datos debe realizarse la petición POST statuses/filter, que responde con los tweets que encajan dentro de unos parámetros especificados a medida que van publicándose. Estos filtros son diferentes a los de la REST API. Algunos de ellos son:  track. Similar al parámetro q de REST API. Consiste en la lista de términos contenidos en los tweets que van a monitorizarse.  locations. Similar a geocode de REST API, pero el área a rastrear se configura mediante un rectángulo, aportando el par de coordenadas del vértice suroeste, seguido del par del vértice noreste. Es necesario que el nombre coordinates del objeto Tweets o el objeto Places no sean nulos, por lo que el usuario debe tener habilitado el servicio de geolocalización. Este parámetro no es acumulativo con otros parámetros. Es decir, si se utilizara en conjunto con el parámetro track, la Streaming API devolverá tweets coincidentes con los términos rastreados o filtrados por locations, no necesariamente conteniendo las palabras buscadas y además dentro de la caja de coordenadas. Las actualizaciones de 2015, que realizaron cambios en el servicio de geolocalización, afectaron el modo en el que las API muestran información y configuran sus objetos. Tanto en la Search API como en la herramienta de búsqueda avanzada de Twitter, el parámetro geocode devuelve tweets generados dentro de un radio con centro en un par latitud-longitud cuyos autores han activado el servicio de geolocalización pero no necesariamente el botón que comparte su ubicación exacta, pues Twitter accede a las coordenadas del dispositivo para poder ofrecer este servicio aunque el usuario decida finalmente aportar una información más ambigua, como es el nombre de la ciudad o barrio. La privacidad del twittero no se ve vulnerada al no mostrarse en ningún momento su ubicación exacta y al tratarse de publicaciones históricas, pero es posible conocer dentro de qué radio en el espacio fue generado su tweet. En cuanto a la Streaming API, para el parámetro locations, si el valor de coordinates del objeto Tweet no es nulo porque el usuario ha decidido mostrar su ubicación exacta, la API comprobará si se encuentra dentro de la caja delimitada y devolverá las coincidencias. Si por el contrario es nulo, pero contiene valores de Places debido a las etiquetas de lugar adjuntas, cualquier superposición del polígono que delimita la ciudad o el vecindario (bounding_box) con el rectángulo designado devolverá una coincidencia. Es decir, si se desea establecer una caja de coordenadas que delimite la Plaza de España de Madrid, serán devueltos los tweets cuyos valores de coordinates se encuentren dentro de la caja y, además, en caso de ser nulo, se devolverán aquellos tweets cuyo valor de Places indica que han sido generados en el barrio de Moncloa o en la ciudad de Madrid, desde cualquier punto dentro de sus polígonos delimitadores. En definitiva, al tratarse de una API que funciona en tiempo real, Twitter no utiliza las coordenadas enviadas por los dispositivos con el servicio de geolocalización habilitado si los usuarios no desean aportar la ubicación exacta, como sí las utiliza en la Search API, aunque tengan desactivado ese botón, para garantizar la privacidad y seguridad de los twitteros. En su lugar, se limita al sistema de superposición de polígonos, menos preciso. Este inconveniente no puede resolverse desde la API y el código de programación de la aplicación deberá efectuar un filtrado adicional para excluir los resultados no válidos.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Twitter también dispone de una plataforma API orientada a empresas, denominada Gnip5, que permite acceso al archivo completo de búsqueda de datos de Twitter, incluyendo tweets históricos, y otros servicios con menores restricciones destinados a la potenciación de negocios. El coste de estos productos no está especificado, pues es preciso contactar con la plataforma para evaluar las necesidades de la empresa y ofrecer una solución adecuada. EXTRACCIÓN. WEB SCRAPING Una alternativa informal a la extracción automática de datos públicos generados en redes sociales es la técnica denominada web scraping, que significa literalmente “raspar la web” en inglés (Aznar, 2017). Consiste en la programación de una aplicación para la identificación de la estructura HTML de una página web y su traducción al formato JSON. La principal diferencia con la extracción de datos a través de las API es que el raspador no accede a la base de datos de la red social, pues no es una aplicación creada en la plataforma de desarrolladores de Twitter. En consecuencia, no requiere autenticación, cuenta de usuario, ni está restringido por las limitaciones de las API. En su lugar, el programa accede a la dirección de las páginas webs simulando la navegación de un ser humano, por lo que sólo tiene acceso a la información que puede encontrarse en internet, y está restringido por las limitaciones comunes a todos los twitteros. Esta tecnología, en conjunción con la herramienta de búsqueda avanzada integrada en la red social, es una buena alternativa a la Search API, pues también soporta parámetros como geocode, since o until, el parámetro q no es obligatorio, y además devuelve tweets históricos con antigüedades superiores a los siete días. El único inconveniente es que la página que muestra los resultados de la búsqueda en Twitter está desarrollada con la técnica AJAX, siglas de Asynchronous JavaScript and XML, que permite actualizar la información de una web sin necesidad de hacer cambios en su dirección. Es decir, no es posible raspar la página que muestra los resultados de la búsqueda y obtener todas las coincidencias de una vez, pues éstas van apareciendo a medida que el usuario se desplaza por ella sin efectuar ninguna petición adicional. Para salvar esta desventaja, el script debe simular también el movimiento del usuario por la web. Pueden encontrarse varios códigos de programas completos en GitHub para el raspado de Twitter elaborados por desarrolladores mediante bibliotecas en diferentes lenguajes de programación. Utilizan los parámetros de filtrado de la barra de búsqueda y además esquivan la técnica AJAX, ofreciéndose como alternativa a los programas basados en las API, por lo que sólo es necesario realizar algunas modificaciones con previas nociones de programación para obtener los resultados deseados. VISUALIZACIÓN La representación visual de los conjuntos de datos se denomina visualización, y es considerada una ciencia como también un arte (Skau, 2013). Lev Manovich, experto en nuevos medios y artista, describe la visualización de datos masivos como la oposición a la idea de lo sublime del arte romántico por la que ciertos fenómenos se creían irrepresentables al considerarse superiores a los límites del entendimiento humano. En definitiva, es la representación de lo que por sí mismo no es visual, lo anti-sublime (Manovich, 2002). En sus estudios culturales 5

Gnip. Plataforma API para empresas comprada por Twitter en 2014. Ofrece un 10% de la producción mundial de tweets en tiempo real y todos los datos históricos desde 2006. Disponible en: https://gnip.com/

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

muestra especial interés por las redes sociales como fuentes de datos generados por personas, concretamente aquellas cuyos elementos básicos son visuales, como es el caso de Instagram. El objetivo principal del procesamiento de Big Data es la exploración de la información y la identificación de patrones representativos. Una vez recolectados los datos por la vía elegida, los analistas recurren a técnicas de estadística, aprendizaje automático o inteligencia artificial mediante la programación de algoritmos que facilitan la comprensión del conjunto. Estos métodos pueden incluir la elaboración de gráficos y representaciones que permitan visualizar las tendencias con claridad para la realización de futuros análisis o la extracción de conclusiones. Las técnicas de minería de datos no son accesibles para el público inexperto pues, aunque es posible encontrar códigos ya elaborados que las efectúan, requieren conocimientos avanzados de matemáticas y programación para customizarlos, ejecutarlos y obtener los resultados deseados. Afortunadamente, los programas de visualización son la clave para el acercamiento de esta tecnología a usuarios sin habilidades en la construcción de algoritmos, pues efectúan métodos comunes de la minería de datos y traducen los resultados en una imagen. En ocasiones, incluso, son capaces de realizar extracciones de información, asesorando todo el proceso. Datos textuales. CorTexT Manager. CorTexT Manager6 es el proyecto principal de CorTexT, una plataforma en línea iniciada en el año 2008, y mantenida desde el 2015 por el LISIS (Laboratoire Interdisciplinaire Sciences Innovations Societés), dedicada al empoderamiento de la investigación abierta. Esta herramienta ofrece una variedad de métodos de minería de texto desarrolladas por su equipo de matemáticos, informáticos y lingüistas que permiten la visualización de patrones y tendencias en conjuntos masivos de información textual. Para la creación de un nuevo proyecto, es necesario registrar una cuenta de usuario y cargar posteriormente el conjunto que contiene el texto a analizar. Uno de los procedimientos que ofrece la aplicación es la extracción de términos frecuentes mediante la herramienta Terms Extraction, pudiendo elegir la cantidad, la frecuencia mínima, o el carácter por el que deben comenzar, entre otras opciones, y devolviendo una tabla con todas estas las palabras que puede ser filtrada para eliminar resultados indeseados. A continuación, el método Network Mapping permite visualizar la red de nodos que conforman estos términos, agrupados según su temática y conectados entre sí según su coocurrencia. Es decir, se efectúan técnicas del procesamiento del lenguaje y clustering, pero el usuario inexperto obtiene el resultado buscado sin necesidad de conocer ni construir los algoritmos que han sido ejecutados. Datos georreferenciados. Sistemas de Información Geográfica (SIG). Los sistemas de información geográfica son programas que permiten la gestión de datos masivos vinculados a unas coordenadas espaciales, incluyendo su análisis y visualización y, en ocasiones su extracción, para diferentes propósitos. Su modelo de representación por excelencia es el mapa o plano. Un ejemplo característico son los proporcionados por las provincias7, que acercan datos georreferenciados e información cartográfica a ciudadanos e instituciones (Rodríguez y Torres, 2010). 6

CorTexT Manager. Aplicación para la minería de datos textuales. Disponible en: http://www.cortext.net/projects/cortext-manager/ 7 Sistema de Información Geográfica de Urbanismo. Munimadrid. Disponible en: http://www-2.munimadrid.es/urbanismo_inter/visualizador/index_inter.jsp

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

CARTO es una plataforma en línea que fue desarrollada en 2011 por la empresa española Vizzuality bajo el nombre de CartoDB, pero que conforma una entidad independiente desde 2014. CARTO Builder8, su aplicación web, ofrece herramientas de análisis geoespacial y métodos de visualización personalizables, incluyendo animaciones, para todo tipo de público registrando una cuenta Free de usuario gratuita, o técnicas más sofisticadas para desarrolladores expertos inscribiendo una cuenta Personal por 1.639 dólares anuales. La versión gratuita dispone de bases de datos públicas además de permitir al usuario cargar sus propios conjuntos. Adicionalmente, es posible solicitar el acceso a un archivo elaborado con 10.000 tweets, no obstante, estos datos ya han sido capturados y por lo tanto el conjunto es general y no puede ser personalizado, sólo explorado. ArcGIS es una serie de programas producidos y comercializados por ESRI (Environmental Systems Research Institute) para la captura, edición, análisis, visualización y publicación de información geográfica. Ofrece aplicaciones de escritorio, ArcGIS Desktop, y en línea, ArcGIS Online9, provistas de mapas base 2D y 3D listos para usar. Su acercamiento a la extracción de datos generados en redes sociales se realiza formalmente a través de las API. Actualmente sólo funciona con la Search API de Twitter, soportando los parámetros que permiten afinar los resultados obtenidos, pero asimilando sus limitaciones, pues únicamente muestra contenidos de antigüedad inferior a una semana. Tanto CARTO como ArcGIS cuentan con productos orientados a desarrolladores para la construcción de aplicaciones basadas en la tecnología de geolocalización, así como servicios a profesionales y empresas para la potenciación de sus negocios. Datos visuales. ImageJ. Manovich y su equipo, Software Studies Initiative, llevan desarrollando desde 2008 herramientas y técnicas para ofrecer el análisis y la visualización de datos a un público inexperto (Manovich, 2011). Hasta la fecha, han lanzado varios instrumentos10 de código abierto para el procesamiento de grandes conjuntos de imágenes, entre ellos el programa ImageJ. El paquete ImagePlot, formado por una serie de instrucciones que pueden ser ejecutadas con una sola orden desde ImageJ, genera visualizaciones de alta resolución que muestran todas las imágenes de la colección ordenadas en un gráfico según los parámetros establecidos para sus ejes. Dichos parámetros pueden ser medidos en las fotografías del conjunto gracias a la extensión ImageMeasure, incluida en el paquete ImagePlot, que extrae los valores de brillo, tono y saturación, y los almacena en un documento .TXT semiestructurado, asociando a cada imagen un número identificador, “image_ID”. Generalmente, el dominio de herramientas de imagen, como Adobe Photoshop o Adobe Illustrator, y de mapas y planos, como Autodesk AutoCAD, pueden ser muy útiles para una mayor personalización de las visualizaciones. Los programas de tablas de datos, como Microsoft Excel, también ofrecen técnicas de visualización, los gráficos, y además pueden servir para gestionar, depurar y estructurar la información, al igual que Microsoft Word, en el caso de los conjuntos textuales. 8

CARTO Builder. Aplicación de CARTO para el análisis de datos geolocalizados. Disponible en: https://carto.com/builder/ 9 ArcGIS Online. Aplicación de ArcGIS para el análisis de datos geolocalizados. Disponible en: https://www.arcgis.com/ 10 Software for digital humanities. Software Studies Initiative. Disponible en: http://lab.softwarestudies.com/p/software-for-digital-humanities.html

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

EL ESTUDIO SOCIO-ESPACIAL SOCIOLOGÍA URBANA El comportamiento humano es uno de los principales determinantes de la dinámica de las ciudades (Vieira, Frías-Martínez y Oliver, 2010). La sociología urbana es un campo de la sociología encargado de estudiar las estructuras sociales vinculadas a un emplazamiento, habitualmente mediante la elaboración de encuestas y entrevistas que se fundamentan en la recolección y el análisis de una muestra considerada representativa del colectivo y el lugar a explorar. Es decir, el interés principal no es el sujeto que aporta los datos, sino las estructuras sociales a las que pertenece vinculadas a un entorno (Casas, Repullo y Donado, 2003). Estas técnicas de investigación configuran una herramienta de la participación ciudadana que permite la captura de datos socio-espaciales, y por lo tanto es beneficiosa para una parte de la sociología urbana orientada al planeamiento urbanístico. La información sociológica relacionada con la percepción y el uso del entorno se extrae, de forma estandarizada, a través de las experiencias de los encuestados reveladas voluntariamente en sus respuestas. A su vez, las encuestas y entrevistas permiten a la población colaborar en la toma de decisiones políticas, relacionadas con el urbanismo en este caso, aportando sus ideas y opiniones acerca del lugar estudiado en representación del colectivo al que pertenecen (Ullán, 2014). La participación ciudadana es un conjunto de mecanismos de la democracia participativa. Aguirre (2012) la describe: El ciudadano realiza acciones públicas que tienen por destino la interacción con el Estado en el sentido de influir en éste para establecer en conjunto la planeación programática, es decir, establecer las propuestas, planes, programas y presupuestos de las políticas públicas y sus respectivos métodos de ejecución, supervisión, evaluación y rendición de cuentas. (p.75) Posteriormente, Aguirre (2012) citando a Sustein (1999), expresa la necesidad de la participación ciudadana apuntando “los graves problemas advertidos por Pitkin (1967) y Manin (1997) de comunicación, organización y legitimidad de la representatividad que los gobernantes ejercen de los gobernados” reflejados en “la discrepancia entre los resultados legislativos y los deseos de los votantes de las democracias representativas” (p.76). Olvera (2006) opina lo contrario: La democracia electoral es un procedimiento para generar una representación política legítima de los ciudadanos en los órganos de gobierno. Las elecciones producen agentes autorizados para tomar decisiones políticas. En cambio, la participación de ciudadanos en lo individual no puede asumir la representación legitima de la colectividad, sino la de ciertos intereses materiales, programáticos, o ideológicos de los actores participantes. (p.5) En definitiva, estas técnicas son apropiadas para solucionar las deficiencias de las democracias representativas, pero pueden obtener resultados parciales, coaccionados por el conocimiento de su utilidad, erróneos o incluso malintencionados, además de ser costosas. Así como no toda la sociología urbana se orienta hacia el planeamiento urbanístico, no todos los procedimientos de la participación ciudadana son beneficiosos para la sociología urbana. La rigidez en la formulación de votaciones y consultas, aunque útiles para la democracia participativa, no permiten la aportación de información socio-espacial.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

ANÁLISIS URBANÍSTICO Los instrumentos de participación ciudadana no siempre están al alcance de la población durante los procesos de planeamiento urbanístico, pues habitualmente se desestiman por parte de la administración y las decisiones son tomadas desde los gobiernos representativos. En consecuencia, el análisis urbanístico previo adopta mayor carácter espacial que sociológico, ciñéndose a la elaboración de estudios del entorno físico y a la consulta de datos recogidos en otros diagnósticos o en sistemas de información geográfica disponibles, en los que se puede encontrar información capturada en un momento concreto relativamente actual (Frías-Martínez, 2014b). La lógica puede ser aplicada a las visiones estáticas del emplazamiento para intuir dinámicas sociales apoyándose en los estudios espaciales, como los de recorridos o soleamiento, o información oficial, asimilando frecuentemente que el uso designado es identificador del lugar, e ignorando las peculiaridades de la percepción humana, como el significado de los elementos del entorno para los ciudadanos, por ejemplo, que pueden ser descubiertas mediante un estudio socio-espacial apropiado. Adicionalmente, la observación es una técnica muy común del trabajo de campo para tratar de advertir estas señales inusuales, sin embargo, supone extrapolar a todo un colectivo la información socio-espacial extraída de la experimentación del entorno por parte de un solo individuo, el analista, cuando la imagen de la ciudad puede variar de forma significativa entre los observadores (Lynch, 1960). REALITY MINING La minería de datos masivos procedentes de redes sociales está estrechamente vinculada a la sociología. Reality mining, o minería de realidad, es un concepto creado por Sandy Pentland, profesor del Instituto Tecnológico de Massachusetts, que se basa en el análisis de lo que denomina “señales honestas”, huellas que reflejan conductas humanas inconscientes, para obtener información sociológica sincera de manera no intrusiva ni condicionada a través de datos recogidos automáticamente de sus dispositivos (Eagle y Pentland, 2005). Este tipo de análisis de información digital generada por personas puede considerarse una técnica más de la sociología para la identificación de dinámicas sociales, y por lo tanto beneficia a todas las áreas que hacen uso del estudio sociológico para diferentes propósitos. Por ejemplo, el examen de las redes sociales se ha vuelto imprescindible para la mercadotecnia11 pues, desde el nacimiento de la web 2.0, los consumidores participan en el proceso de promoción de productos y servicios aportando sus críticas más sinceras. La identificación de influenciadores y la búsqueda de clientes en potencia es una práctica muy común que permite examinar la conducta de los consumidores sin que éstos se sientan observados (Suta, 2016). Las redes geosociales establecen un vínculo entre la información digital generada por personas y el espacio físico donde es producida, haciendo posible el análisis socio-espacial de la sociología urbana mediante el estudio de la huella digital para el reconocimiento de dinámicas sociales ligadas a un emplazamiento. Esta conexión es denominada metamorfología (SPIN Unit12), “más allá de la forma”, en referencia a la información digital invisible ligada al espacio físico tangible, o hiperlocalidad (Hochman, Manovich, y Yazdani, 2014), un término adoptado del Periodismo que alude a la información vinculada a un espacio determinado y que permite a los ciudadanos de esa dimensión recibir noticias optimizadas. 11

Mercadotecnia (marketing). Conjunto de técnicas y prácticas que buscan la prosperidad del comercio, especialmente mediante el aumento de la demanda. 12 SPIN Unit. Equipo de investigadores y otros profesionales dedicado al entendimiento de la forma invisible de las ciudades contemporáneas. Portal web: http://www.spinunit.eu/urban-meta-morphology/

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

La web 2.0, que originó la continua producción de datos masivos generados por personas, la tecnología móvil y los servicios de geolocalización, que a su vez originaron las redes geosociales, junto con la minería de realidad, han efectuado un cambio en la concepción de los teléfonos móviles, que se han convertido en sensores de actividad humana, conformando grandes instalaciones itinerantes en las ciudades inteligentes (Arriagada, 2015). Estas infraestructuras son una importante fuente de datos masivos que contienen información socio-espacial en constante producción, al contrario que los procesos de participación ciudadana o los análisis urbanísticos basados en los estudios espaciales y/o en el trabajo de campo, que generan este tipo de datos de forma periódica y presentan carencias. La minería de realidad aplicada a datos masivos extraídos de redes geosociales puede resultar muy útil para la sociología urbana orientada al planeamiento urbanístico, como alternativa o complemento de los métodos tradicionales de la participación ciudadana (Frías-Martínez, 2014a). Sin embargo, no es una práctica común en el urbanismo como lo es en la mercadotecnia, bien por el desconocimiento de su potencial, o bien por la desestimación de la información sociológica en general por parte de las democracias representativas, por lo que sus aplicaciones se limitan a la investigación y desarrollo. INVESTIGACIÓN Y DESARROLLO El equipo de investigadores de Telefónica Research, la empresa basada en Madrid del Grupo Telefónica dedicada a I+D, ha realizado durante los últimos años varios estudios desde un acercamiento profesional centrados en el uso de tweets geolocalizados como parte del proceso de planeamiento urbanístico y de la gestión municipal. Sus contribuciones son dos técnicas patentadas para identificar de forma automática los usos del suelo y los puntos de referencia urbanos a partir del examen socio-espacial, basándose en ambos casos en patrones de actividad de Twitter extraídos con procedimientos avanzados de minería de datos (Soto, Frías-Martínez y Hohwald, 2012). Caracterización de los usos del suelo. En su trabajo “Spectral Clustering for Sensing Urban Land Use using Twitter Activity” (Frías-Martínez, 2014a), el equipo realiza una evaluación de su método desarrollado para identificar, mediante algoritmos de clustering espectral, los usos del suelo en tres ciudades con diferentes densidades de actividad en Twitter, entre las que se encuentra Madrid, con 10,88 tweets por kilómetro cuadrado. Su acercamiento hace uso de información exclusivamente espacial y temporal, sin acceder a detalles personales o el contenido de los tweets, asegurando que sus técnicas preservan la privacidad y además pueden ser potencialmente aplicadas a otros conjuntos de datos extraídos de redes sociales móviles con información de geolocalización. Su dataset explorado consiste en una muestra de todos los tweets producidos durante siete semanas, del 25 de octubre al 12 de diciembre de 2010, extraídos mediante la Streaming API de Twitter, con ayuda de la biblioteca Tweepy para establecer la llamada de larga duración y recibir respuestas en formato JSON. Los resultados revelan la existencia de cuatro grupos de actividad en Madrid, o clústeres, que definen cuatro usos del suelo: 

El clúster 1, que representa las zonas de negocios, está caracterizado por una actividad mayor durante los días de diario que durante los fines de semana. Los picos de actividad entre semana se alcanzan alrededor de las 9:30, 13:00 y 20:30, lo que puede representar la hora de entrar a trabajar, ir a almorzar y salir del trabajo. El pico de actividad en Twitter durante los fines de semana se reduce aproximadamente un 40%. Geográficamente, este clúster cubre zonas como los alrededores del Paseo de la Castellana y el área de AZCA.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

 El clúster 2 muestra una gran diferencia entre la actividad de fin de semana y la de diario, siendo la primera casi el doble de la segunda. Durante los fines de semana, la actividad en Twitter aumenta hasta alcanzar su pico en la tarde, y después decrece de forma constante. Este clúster cubre regiones como el Parque del Retiro, la Casa de Campo, y áreas muy turísticas como Sol y el Rastro. Por lo tanto, representa las zonas de ocio o de actividades de fin de semana.  El clúster 3 está asociado a grandes picos de actividad durante la noche, por lo que representa la vida nocturna. Comienzan alrededor de las 21:00 durante los días de diario y después de las 0:00, hasta las 6:00, durante los fines de semana. Este clúster cubre áreas como Malasaña y Chueca, asociadas a restaurantes, bares y discotecas.  El clúster 4 muestra una actividad dividida uniformemente entre diario y fines de semana, con el mayor pico alrededor de las 20:00 en ambas situaciones. Este clúster cubre grandes zonas residenciales de la ciudad, por lo que se considera representativo de este uso del suelo. Visualización geográfica de los clústeres (Ref. 1).

Posteriormente, los investigadores realizan la evaluación de su método comparando los usos de los clústeres obtenidos con la ordenación oficial para validar su algoritmo y, finalmente, concluir que sus resultados demuestran que los datos extraídos de Twitter pueden ser de ayuda para la caracterización del uso del suelo, pero también para modelar nuevos tipos de usos no representados oficialmente, como el de vida nocturna. Identificación de hitos. La identificación de puntos de referencia es abordada en su investigación titulada “Characterizing Urban Landscapes using Geolocated Tweets” (Soto et al., 2012). El equipo de Telefónica Research pretende evaluar su método desarrollado para asociar mediante clustering espacial los hitos de la ciudad de Manhattan con áreas de gran actividad en la red social. Una vez generados los resultados, proceden a validar su algoritmo comparándolos con la lista de puntos de interés oficiales disponible en los datos abiertos de la ciudad de Nueva York, obteniendo que su técnica detecta aproximadamente el 17% de ellos. Observando con mayor profundidad, concluyen que la mayoría de hitos no detectados representan edificios históricos que no necesariamente son percibidos como lugares atractivos por los ciudadanos. Además, su método descubre nuevos puntos urbanos de interés que no son considerados por el listado oficial. Esta desigualdad de la actividad en las redes sociales que experimentan los entornos en las redes sociales y que permite identificar los puntos de interés puede ser aprovechada para optimizar el planeamiento y la promoción de la ciudad, potenciando las áreas de oportunidad y solucionando las debilidades (Indaco y Manovich, 2016).

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Gestión municipal. La gestión municipal optimizada es otro de los posibles usos de la infraestructura de sensores de comportamiento humano alternativa a los procedimientos de participación ciudadana aplicados a la sociología urbana, facilitando la administración de la movilidad, los residuos sólidos urbanos, las instalaciones, o los presupuestos, por ejemplo. Los investigadores de Telefónica Research elaboraron el estudio titulado “To Call, or To Tweet? Understanding 311 Citizen Complaint Behaviors” (Sae-Tang y Frías-Martínez, 2014) con el objetivo de comparar dos servicios a disposición del ciudadano de Nueva York para la realización de peticiones no urgentes y la presentación de quejas relacionadas con la ciudad: el teléfono 311, que denominan vía formal; y Twitter, denominado vía informal. En primer lugar, extraen una muestra mediante la Streaming API, que contiene tanto tweets dirigidos a los perfiles oficiales de los departamentos de la ciudad, como tweets geolocalizados dentro de la caja delimitadora que recoge los cinco distritos de Nueva York. A continuación, desarrollan un clasificador para identificar los tweets geolocalizados que representan quejas y dividirlos según su tipo, ya sean referidos a suciedad, ruido, o transporte, entre otras categorías, basándose en técnicas de procesamiento del lenguaje natural, como el análisis de sentimientos. Finalmente, los investigadores realizan la evaluación de su algoritmo comparando los resultados con los registros de llamadas recibidas en el 311, determinando la precisión de su clasificador en un 86% y concluyendo que el volumen de peticiones formales e informales son similares, aunque aquellas realizadas en Twitter se deben generalmente a problemas relacionados con la calle o el servicio de transporte. El propósito de su estudio es revelar a los gobiernos locales la importancia de los canales de comunicación informales para la realización de peticiones. Los investigadores manifiestan su deseo por que los resultados obtenidos sirvan de ayuda a los ayuntamientos para evaluar si es necesario un acercamiento más formal al análisis de datos generados en redes sociales. El equipo actual del Ayuntamiento de Madrid apuesta por la democracia participativa y conoce las ventajas que ofrecen las redes sociales para la solución de los graves problemas de comunicación entre gobernados y gobernantes de la democracia representativa que comentaba Aguirre (2012) y para la promoción de sus campañas. Durante “Separa, Recicla, Quiere a Madrid”13, un proyecto para la sensibilización y concienciación ambiental en la limpieza y el cuidado del entorno, estas plataformas, especialmente Twitter, formaron una parte importante en la promoción y el seguimiento del proceso (Turro, 2017). No obstante, el consistorio no parece haber reparado en los beneficios del análisis de datos procedentes de redes geosociales para la elaboración del estudio socio-espacial orientado al planeamiento urbanístico como herramienta alternativa o complementaria a los métodos de la participación ciudadana, pues el proyecto para la remodelación de la Plaza de España fue concebido aplicando técnicas tradicionales: las encuestas, entrevistas, votaciones y consultas.

Separa, Recicla, Quiere a Madrid. Campaña de fomento de la recogida selectiva de envases ligeros y de papel y cartón del Ayuntamiento de Madrid (2016), [en línea]. Ayuntamiento de Madrid. Área de Medio Ambiente. Informe de resultados disponible en: http://www.madrid.es/UnidadesDescentralizadas/Educacion_Ambiental/ContenidosBasicos/Descriptivos/Campa%C3%B1aSeparacionResiduos2016/InformeResultados.pdf

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

PLAZA DE ESPAÑA EVOLUCIÓN HISTÓRICA La Plaza de España de Madrid constituye uno de los espacios más emblemáticos del centro de la capital española. Su aspecto actual es el resultado de varias reconfiguraciones e intervenciones aisladas realizadas tras el fracaso del proyecto original de 1910 que buscaba la creación de un conjunto unitario, homogéneo y coherente para este lugar. A pesar de haber sido concebida hace poco más de cien años y ser una obra relativamente reciente, sin modificaciones mayores desde 1969, el interés de este emplazamiento se remonta a varios siglos atrás, como queda plasmado en el estudio de evolución histórica14. Siglo XVII. Prado de Leganitos. La zona en la que se ubica actualmente la plaza, una de las más elevadas y aireadas de la ciudad, era de carácter rural hasta su inclusión dentro de la cerca establecida por Felipe IV en 1624, convirtiéndose en una zona de ocio semiurbana muy frecuentada en las cálidas noches de verano, denominada “cuesta” o “prado de Leganitos”. Durante el siglo XVII, el entorno se mantuvo tal y como está reflejado en un plano de Matthäus Seutter elaborado hacia 1730 (Ref. 2), donde se puede observar claramente este fresco y ventilado campo, por cuyas huertas corría el arroyo de Leganitos, delimitado por el puente homónimo al este y por la paralela al camino del Río al sur, la actual cuesta de San Vicente. Siglo XVIII. Plazuela de San Marcial. Durante el siglo XVIII, la cercanía al Alcázar Real atrajo la aristocracia al vecindario, entre la que se encontraba el Príncipe Pío, que propiciaron reformas urbanas —como la eliminación del puente de Leganitos y la canalización del arroyo— y alzaron sus palacios, de los cuales hoy sólo permanece el Palacio de Liria. En 1789 comenzó en la pradera la construcción del Cuartel de San Gil, proyectado por Francesco Sabatini, cuyo propósito era la defensa del Palacio Real por su lado noreste. Su fachada principal daba a la plazuela de San Marcial, actual prolongación de la cuesta de San Vicente, contigua a la plaza de Leganitos, donde hoy arranca la calle de los Reyes. Más tarde se produjo la ampliación de la calle Bailén que desembocaba en la plazuela Plano de 1808 (Ref. 2).

Plaza de España. Información, análisis y diagnóstico. Estudio de la evolución histórica (enero de 2016), [en línea]. Ayuntamiento de Madrid. Área de Desarrollo Urbano Sostenible. Disponible en: https://decide.madrid.es/docs/01_estudio_de_la_evolucion_historica.pdf

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Siglo XIX. Plan Castro. A lo largo del principio del siglo XIX, la ciudad continuó creciendo sobre sí misma, ocupando vacíos o aprovechando terrenos obtenidos tras la desamortización de Mendizábal de 1836. Plano de 1848 (Ref. 2). Sin embargo, alrededor de la mitad de siglo la ciudad contaba con aproximadamente 300.000 habitantes, lo que propició la creación del Plan de Ensanche de Madrid, impulsado por el ministro Pidal bajo el reinado de Isabel II. En 1857 se encargó el proyecto al arquitecto Carlos María de Castro, que le otorgó el nombre de “Plan Castro”, y fue aprobado definitivamente en 1860. Curiosamente, el plan no refleja la ordenación de las antiguas posesiones del Príncipe Pío, solicitada por la Corona al mismo arquitecto unos años antes, en 1855, y que se convertirían en el nuevo barrio de Argüelles. Este vecindario, aprobado en 1857, estaba constituido por dieciséis manzanas divididas por cinco calles transversales y cinco longitudinales, siendo las dos en los extremos las calles Ferraz y Princesa, y desembocando las tres intermedias en el Cuartel de San Gil, sin salida a la plazuela de San Marcial. De esta forma, el emplazamiento de huertas y palacios, y posteriormente foco militar, se convirtió en la bisagra clave entre el centro de la ciudad y el nuevo barrio —que continuaría desarrollándose hasta Moncloa— con la plazuela de San Marcial como protagonista. De los ocho barrios proyectados en el Plan Castro sólo llegarían a materializarse los de Argüelles, Salamanca y Pacífico, quedando finalmente en el olvido tras la Revolución de 1868 y el fin del reinado de Isabel II. En esta nueva etapa, el urbanista Ángel Fernández de los Ríos, que tachaba el Plan Castro de absurdo en su libro “El Futuro Madrid: paseos mentales por la capital de España, tal cual es y tal cual debe dejarla transformada la revolución” (1868), impulsó desde la Concejalía de Obras del Ayuntamiento Popular algunas de las ideas reflejadas en dicho escrito, como la consecución de los Jardines del Buen Retiro para el pueblo madrileño, y la demolición del Cuartel de San Gil “para la prolongación norte de la calle de Bailén, ensanche de la plaza de San Marcial y comunicación con ella del barrio de Argüelles”.

En 1886 se aprobó uno de los proyectos más importantes para la transformación del centro de Madrid, la “Prolongación de la calle Preciados, describiendo una gran avenida transversal este-oeste entre la calle de Alcalá y la plaza de San Marcial”, es decir, construcción de la Gran Vía que desembocaría en la futura Plaza de España. Progresivamente, se iban generando sin un plan determinado las condiciones ideales para el nacimiento de un punto clave en la ciudad, no obstante, no es hasta 1896 cuando se redacta la Ley del Suelo que permite la demolición del Cuartel de San Gil, llevada a cabo definitivamente en 1908 (Ref. 2) —cuarenta años después de la propuesta impulsada por Fernández de los Ríos—, ni se realiza la apertura del último tramo de la Gran Vía a la plaza hasta los años 50, conectando ambos barrios.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Siglo XX. “Plaza de España”. En 1910 se presentó finalmente el proyecto denominado “Plaza de España”, redactado por el arquitecto municipal Jesús Carrasco, que proponía una ordenación con un lenguaje uniforme propio de la capital de un estado moderno donde los edificios representativos de los poderes civil, económico y político debían ser los protagonistas. La propuesta incluía, ya entonces, la idea de un monumento dedicado a Miguel de Cervantes, la conexión de la calle Irún con la futura Gran Vía a través de un túnel que atravesara la montaña del Príncipe Pío, y la construcción de un palacio que albergara servicios municipales. El proyecto fue aprobado en diciembre de 1911 con una acogida favorable, sin embargo, la falta de impulso y los acontecimientos económicos y sociales no permitirían la realización de las reformas Plano de 1910 (Ref. 3). En 1913 el Ayuntamiento decidió aportar algo de vegetación al solar con motivo de la visita del presidente de la República Francesa, Raymond Poincaré, y en 1915 convocó el concurso para la construcción del Monumento a Cervantes, alzándose como ganadora la propuesta del arquitecto Rafael Martínez Zapatero y el escultor Lorenzo Coullant Valera que, en el momento de su levantamiento en 1928, sería rediseñada por Pedro Muguruza en un estilo menos ornamentado. En 1918 se ajardinó por completo la plaza, ganando carácter de espacio verde urbano. Tras el trauma de la Guerra Civil, en 1941 se redactó el Plan General de Ordenación Urbana de Madrid, que pretendía transformar la Plaza de España en un núcleo fundamental del transporte metropolitano. En esta época se conforman los trazados definitivos del perímetro de la plaza y se rediseñan los parterres entorno al Monumento a Cervantes, el único protagonista en una zona donde aún no destacaba ningún edificio. En 1953 se inauguró el Edificio España de los hermanos Otamendi que, por su presencia y posición en la cabecera de la plaza, en eje con el Monumento a Cervantes, se convertirá en el punto focal más importante, incluso después de la finalización en 1960 de la Torre de Madrid, diseñada por los mismos arquitectos y de mayor altura. Plano de 1956 (Ref. 2). Durante los años 60, la Plaza de España ya era considerada el emblema de una ciudad que debía hacer frente a los problemas derivados de la repentina consolidación del vehículo privado. En consecuencia, se realizaron varias intervenciones a finales de la década, como la construcción del paso elevado que une Bailén con Ferraz para la descongestión del nudo y la excavación del aparcamiento subterráneo en el extremo de Gran Vía, lo que produjo la desaparición de gran parte del arbolado de ese lateral, el rediseño de los parterres y la instalación de

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

la Fuente de la Concha y la lámina de agua al pie del Monumento a Cervantes, potenciando así el eje escénico que forma la escultura con el Edificio España. Desde entonces, la plaza ha conservado su apariencia sin ninguna remodelación mayor, siendo intervenida únicamente en 1989 para la mejora de sus pavimentos. 1997. PLAN GENERAL DE ORDENACIÓN URBANA DE MADRID La actualización del Plan General en 199715 atribuye a la plaza la calificación de “zona verde básica” y la incluye en el catálogo de parques y jardines de interés con nivel 3 de protección, encuadrándola dentro de los espacios “situados en puntos de especial significación de la ciudad, aunque su trazado no sea especialmente relevante, los que sean necesarios para la conservación de la trama urbana, y aquellos cuya existencia represente el mantenimiento de las condiciones ambientales o de calidad de vida de la zona en que están incluidos”. Esta clasificación contempla el establecimiento de usos relacionados con el ocio pasivo, como culturales, deportivos no reglados, o áreas de juego y la instalación de construcciones de mantenimiento o quioscos. Se permiten intervenciones de restauración, reconstrucción y ampliación, además de obras bajo rasante en zonas sin vegetación y modificaciones en el trazado justificadas. Catálogo de monumentos públicos y elementos urbanos. En este catálogo aparecen dos de sus hitos: la Fuente de la Concha, con nivel 3 de protección (referencial) por “la valoración positiva de su papel en el entorno y conjunto urbano en que se integran”; y el Monumento a Cervantes, con nivel 1 de protección (histórico-artística), otorgado a todos “los monumentos conmemorativos y obras de ornato público de carácter único, por la esencia de la obra, el personaje representado, el motivo o la significación para la historia de Madrid, por su antigüedad, por su ubicación original o por haberse configurado como un conjunto integrado en el entorno”. Están permitidas las obras de conservación, mantenimiento y consolidación, no obstante, está prohibida la modificación de su emplazamiento si es el original o, en el caso contrario, forma parte de la memoria colectiva de la ciudad, a menos que se justifique que su ubicación es incorrecta o que su reinstalación será positiva. Arbolado singular. Según el catálogo de arbolado singular, están registradas seis fichas —desactualizadas— correspondientes a seis tipos de árboles destacables de la Plaza de España. Sin embargo, de los árboles calificados como singulares, solamente un olmo, un arce de Canadá y un álamo blanco, todos fuera de la parte central, pueden considerarse de especial interés por su porte y características. Con excepción de estos tres ejemplares, no existen especies inusuales ni sobresalientes y muy pocos pertenecen a las plantaciones primitivas de la plaza, cuya edad podría rondar los cien años. El resto del arbolado no supera los sesenta años debido a las múltiples reconfiguraciones, salvo los olivos alrededor del Monumento a Cervantes que, a pesar de llevar plantados cuarenta y cinco años en su ubicación actual, pueden llegar a los ciento veinte. 15

Plan General de Ordenación Urbana de Madrid (1997), [en línea]. Ayuntamiento de Madrid. Disponible en: http://www.madrid.es/UnidadWeb/UGNormativas/Normativa/2010/Ficheros/NN.UU.%20PGOUM97%20(edici%C3%B3n%20original%20impresa)_con%20marcadores.pdf

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Protección de la edificación. En el catálogo de edificios se indica un nivel 2 de protección para la Torre de Madrid y el Edificio España, donde se recogen “aquellos edificios cuyas características constructivas y volumétricas son igualmente del mayor interés, aunque la existencia en su interior de zonas de menor valor arquitectónico hace que pueda ser autorizado un régimen de obras más amplio que el correspondiente al nivel 1”, con grado estructural, es decir, “con valores suficientes para merecer la conservación, tanto de su volumetría como de sus elementos arquitectónicos más destacados”. Durante la crisis económica, en abril de 2005, el que era propietario de estos dos edificios, Metrovacesa, los puso a la venta. El Edificio España se mantiene cerrado y sin uso desde 2006, protagonizando varias polémicas relacionadas con su nivel de protección debido a que su dueño desde 2014, el Grupo Wanda, requería desmontar la fachada frontal para la realización de su proyecto, algo no permitido por la normativa a pesar de que el Partido Popular, entonces en el gobierno del Ayuntamiento de Madrid, rebajó su protección al nivel 3 para permitir obras más intensas (Caballero, 2015). Finalmente, la empresa china abandonó el proyecto y el edificio fue vendido en 2016 a la compañía murciana Grupo Baraka, que lo vendió, a su vez, a la cadena hotelera Riu en junio de 2017 por el mismo precio —272 millones de euros— a cambio de obtener la gestión de las plantas comerciales. Se planea la reapertura del hotel de cuatro estrellas para 2019, manteniendo intacto el aspecto exterior (Costantini, 2017). La Torre de Madrid aún pertenece a Metrovacesa, pues no se llegó a efectuar su venta, y se encuentra en trámites de finalizar un proceso de transformación y comercialización. Las edificaciones situadas en los números 3, 4 y 5 de la plaza fueron demolidas en 2014 tras años de abandono y degeneración, siendo sustituidas por un hotel que se encuentra en construcción. En la actualidad, la Plaza de España continúa siendo el reflejo del auge del automóvil. Su utilidad se ha visto reducida a servir de componente escénico debido a la potenciación del eje Cervantes-España, que aporta gran protagonismo a la escultura y al edificio actualmente abandonado, eclipsando el resto del entorno. La presencia de los coches y las infraestructuras a diferentes niveles, así como el deterioro general de las instalaciones y la degradación de sus edificios emblemáticos, la convierten en un elemento distribuidor de tráfico rodado, incómoda y con complejos accesos y recorridos para el viandante a pesar de ser el punto de confluencia de un buen número de itinerarios peatonales muy importantes, tal y como se imaginó incluso antes de ser concebida.

Estado actual de la Plaza de España y su entorno (2017). Captura de Google Maps.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

DECIDE MADRID En junio de 2015, con el apoyo del Partido Socialista, el gobierno del Ayuntamiento de Madrid pasó a manos del grupo Ahora Madrid, una confluencia de Podemos, Ganemos Madrid, Izquierda Unida y candidatos independientes, liderado por Manuela Carmena, la actual alcaldesa. Entre sus principios se encuentra la democracia participativa, apostando por “un Ayuntamiento abierto en el que podamos debatir, proponer y participar”, y la mejor representación de estos ideales es el proyecto Decide Madrid16 lanzado en septiembre de 2015, una plataforma web dedicada a la participación ciudadana que permite a los empadronados mayores de dieciséis años crear hilos en los que debatir sobre temas relacionados con la ciudad, realizar propuestas que se someterán a votación si consiguen el apoyo del 1% de los participantes totales en potencia (27.064), decidir los gastos del presupuesto municipal, y en conocer los procesos participativos impulsados desde la administración. Encuesta de participación ciudadana. El 3 de diciembre de 2015 se celebró la primera reunión17 para la constitución de la “Mesa de Participación para la Remodelación de la Plaza de España”. El objetivo de la sesión era la apertura del proceso de varias etapas denominado “Decide Plaza de España” que resultara por fin en un proyecto unitario “que plasme soluciones técnicamente viables a las necesidades actuales del ámbito y las demandas que surjan del proceso de participación”. Para ello, desde el 28 de enero de 2016 y durante cuarenta días estuvo disponible en Decide Madrid un cuestionario18, redactado por asociaciones de vecinos, urbanistas, hoteleros y técnicos del Ayuntamiento, entre otros, para que los madrileños dictaminaran si era necesaria una reforma y, en caso afirmativo, que sus respuestas sirvieran a modo de diagnóstico socio-espacial para la redacción de las bases del concurso de ideas. La encuesta, que podía realizarse a través de la web, papel, o llamando al 010, contó con la participación de 28.249 ciudadanos, aproximadamente el 1% de los madrileños empadronados mayores de dieciséis años, los que poseían el derecho a opinar. Las dieciocho preguntas formuladas estaban relacionadas con cinco temáticas principales: 

Espacio de intervención del proyecto. Son cuestiones que permiten a la ciudadanía delimitar el espacio de intervención del proyecto y su alcance.



Significación urbana de la plaza y su relación con el entorno, para definir su identidad y su papel dentro del tejido urbano.



Percepción de la plaza. Estas cuestiones ayudan a definir los usos actuales y posibles de la plaza, así como los factores que intervienen en ellos para diagnosticar problemas y proponer soluciones.



Elementos de espacio, con relación al futuro de las dotaciones, hitos e instalaciones de la plaza.



Conectividad de la plaza, relacionadas con la mejora de la movilidad de los itinerarios peatonales y de la accesibilidad.

Decide Madrid. Portal de participación ciudadana de Madrid. Disponible en: https://decide.madrid.es/ Acta de primera mesa Plaza de España (3 de diciembre de 2015), [en línea]. Ayuntamiento de Madrid. Área de Desarrollo Urbano Sostenible. Disponible en: https://decide.madrid.es/docs/acta_reunion_pza_espana_3_diciembre_2015.pdf 18 Cuestionario Plaza de España (28 de enero de 2016), [en línea]. Ayuntamiento de Madrid. Dirección General de Participación Ciudadana. Disponible en: https://decide.madrid.es/docs/cuestionario_plaza_espana.pdf 17

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Todos los resultados obtenidos a lo largo del proceso participativo son accesibles desde la plataforma en línea19. Según las estadísticas, los grupos más participativos en esta etapa resultaron aquellos de mediana edad, apostando por el método web, mientras que los grupos de jóvenes y ancianos fueron los menos involucrados. Los encuestados aprobaban con un 62,98% de los votos una reforma profunda de la Plaza de España que permitiera reordenar completamente sus usos y los de su entorno y con el menor impacto ambiental posible. Los participantes coincidían en que la pavimentación de toda la superficie, eliminando el arbolado y reduciendo las sombras, una alta actividad comercial y el aumento del tráfico les expulsaría de la zona. Con un 81,84% de los votos, el uso elegido para la Plaza de España fue el de zona verde, configurando una red que llegara desde la Casa de Campo y el Parque del Oeste hasta el centro de la ciudad y ampliando del número de árboles. También se acordó la peatonalización del paso elevado de Bailén, la ampliación del aparcamiento subterráneo, la creación de un carril bici y el mantenimiento del Monumento a Cervantes en su ubicación actual. Análisis socio-espacial. El equipo de técnicos del Ayuntamiento realizó previamente varios análisis urbanísticos socio-espaciales20 fundamentados en la lógica y la observación para la detección de dinámicas sociales ligadas al emplazamiento, entre los que se encuentra el estudio perceptivo del uso y utilización peatonal21, que recoge: El flujo peatonal más intenso de toda la Plaza se produce por la acera perimetral del lateral noreste, que conecta el final de la Gran Vía con el arranque de la calle Princesa. Se trata de un itinerario peatonal permanente a lo largo del día, intensificándose lógicamente a última hora de la mañana y desde media tarde hasta el comienzo de la noche (p.21). En torno a la Fuente de la Concha y en la zona verde que la circunda se concentra bastante gente joven que simplemente descansa o consume comida china comprada en el establecimiento situado a la entrada del aparcamiento subterráneo. Llama la atención la masiva concentración que se registra los fines de semana de los miembros de diferentes tribus urbanas, que se declaran seguidores de las redes sociales y que a su vez las utilizan para quedar en este punto y conocerse personalmente. Pasan buena parte de la tarde charlando animadamente de pie, sentados en los parterres, o sobre la rejilla de ventilación del aparcamiento subterráneo en momentos de frío intenso, amparándose en el calor que desprende (pp.24-25). La explanada que se extiende entre la Fuente de la Concha y el Monumento a Cervantes, cuando no está ocupada por uno de los frecuentes mercadillos, constituye una zona estancial en días soleados de invierno, primavera, y otoño propiciada por la amplitud del espacio y la existencia de algunos bancos. La falta de arbolado en esta zona y el pavimento duro impiden su utilización durante el día en épocas en las que el calor es intenso en la capital (p.25).

Remodelación de Plaza España. Resultados. Decide Madrid. Disponible en: https://decide.madrid.es/proceso/plaza-espana-resultados 20 Remodelación de Plaza España. Información del proceso. Estudios. Decide Madrid. Disponible en: https://decide.madrid.es/proceso/plaza-espana-informacion 21 Plaza de España. Información, análisis y diagnóstico. Estudio perceptivo del uso y utilización peatonal (enero de 2016), [en línea]. Ayuntamiento de Madrid. Área de Desarrollo Urbano Sostenible. Disponible en: https://decide.madrid.es/docs/03_estudio_perceptivo_del_uso_y_utilizacion_peatonal.pdf

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Este estudio también detecta algunas dinámicas nocturnas, entre las que se encuentran las reuniones de jóvenes para hacer botellón (p.18) y la instalación de campamentos provisionales para dormir por parte de población inmigrante (p.19). Finalmente, concluye que las vías rápidas que rodean la Plaza de España y la escasez de vistas, a excepción del tapiz que configura el Edificio España, no generan una zona estancial significativa en Madrid en comparación con otras próximas más atractivas, como los Jardines de Sabatini y el Templo de Debod, aunque ello no impide que, en determinados momentos como los fines de semana y en verano, tenga una utilización considerable por parte de los ciudadanos y turistas, además de ser el lugar de encuentro de determinados colectivos jóvenes muy singulares (p.27). Paralelamente, se llevaron a cabo otros diagnósticos enfocados hacia el análisis estrictamente espacial, como el de evolución histórica, el de movilidad, el ambiental, o el estudio del uso, densidad y protección de la edificación, que pretende caracterizar el ámbito en función de la ordenación oficial de las parcelas de la zona, obteniendo que “el uso mayoritario en el entorno de 500 metros desde la Plaza de España es el residencial. Es significativo el peso de las zonas verdes y espacios libres (…) y la práctica inexistencia de uso deportivo”. Concurso de ideas. Las determinaciones derivadas de los resultados del cuestionario son tratadas con igual importancia que las extraídas del análisis urbanístico, tanto sociológico como espacial, en el pliego técnico de las bases del concurso internacional de ideas22 lanzado el 14 de junio de 2016. Incluso, se exige la consideración de aquellas respuestas que no configuran condiciones específicas al estar constituidas por respuestas múltiples. Las 72 propuestas anónimas presentadas se sometieron desde el 4 de octubre de 2016, una vez más, a votación ciudadana mediante la puntuación de las ideas, en la que participaron un total de 7.613 personas. De nuevo, los grupos más participativos fueron los de mediana edad, pero esta vez con una mayor tendencia hacia la población joven, mientras que el grupo de avanzada edad volvió a resultar el menos involucrado. Posteriormente, un jurado eligió cinco de los proyectos basándose en su calidad, viabilidad, y las votaciones de los madrileños, que fueron desarrollados con más detalle, y de los cuales sólo dos fueron elegidos finalistas por los expertos. La propuesta más puntuada en la etapa anterior de votación, “Pradera Urbana”, con 903 votos, fue finalmente desestimada a favor de las propuestas en tercera posición, “Welcome Mother Nature”, con 401 votos, y en décima posición, “Un paseo por la cornisa”, con 170 votos. Primera consulta ciudadana. Entre los días 13 y 19 de febrero de 2017 se celebró en la villa de Madrid la primera ciudadana impulsada por el partido en gobierno del Ayuntamiento, Ahora Madrid. Fueron aprobadas dos peticiones ciudadanas que alcanzaron el mínimo de apoyos en la plataforma web Decide Madrid para poder ser sometidas a votación, “Billete único para el transporte público”, con un 93.94% de Sí, y “Madrid 100% sostenible”, con un 89.11% de Sí. Asimismo, se decidió la ampliación de las aceras de la Gran Vía, impulsada por el Ayuntamiento, y supuso la última etapa del proceso participativo para la reforma de la Plaza de España, eligiendo la propuesta ganadora. 22

Pliego de cláusulas técnicas particulares que ha de regir el concurso de ideas para la remodelación de la Plaza de España de Madrid (2016), [en línea]. Ayuntamiento de Madrid. Área de Desarrollo Urbano Sostenible. Disponible en: https://www.coam.org/media/Default%20Files/servicios/concursos/concursos_ocam/2016/plaza_espania/160617_Pliego_de_prescripciones_tecnicas_plaza%20espana.pdf

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Esta consulta tuvo un coste de 1.1 millones de euros, un 0,02% del presupuesto municipal (Belver, 2017), y una participación de 214.076 personas, el 7.8% de los madrileños mayores de dieciséis años. Según las estadísticas disponibles en Decide Madrid, el grupo de edad más activo fue el de más de 65 años, representando un 16,39% de los votos, la mayoría de ellos enviados por correo postal. El distrito más involucrado fue Centro, con un 10,49% de participación. De los medios disponibles, un 54,83% participó a través de carta, un 35,73% por la plataforma web, y un 11,05% acudió a una de las urnas ubicadas por toda la capital. “Welcome Mother Nature… Good bye Mr. Ford!”. El proyecto “Welcome Mother Nature” del equipo Porras La Casta Arquitectos y Estudio Guadiana, que consiguió la tercera posición con 401 apoyos en la etapa de votación, se alzó ganador con el 51.99% de las papeletas válidas. Esta propuesta se basa en seis estrategias23: Operación económica. Mucha infraestructura paisajística, poca infraestructura ingenieril; El peatón domina el espacio; Facilitar la salida y limitar la entrada del tráfico privado; Continuidad efectiva Madrid Río-Sabatini-Plaza España-Parque del Oeste; Plaza de España deja de ser un nodo para ser un corazón cívico; La vegetación, principal material de construcción. El proyecto contempla la plantación de mil árboles nuevos y la reordenación completa de los parterres, generando un amplio espacio central al pie del Monumento a Cervantes, que se mantiene, pero cuyas esculturas de Don Quijote y Sancho Panza se reubican para mirar hacia el Edificio España. Las zonas peatonales constituirán el 90% de la plaza y conectarán el Palacio Real con el Parque del Oeste de forma rápida y directa, eliminando la circulación a motor sobre el paso elevado de Bailén, condición impuesta por los ciudadanos, y prolongándolo para generar un pasillo verde protagonizado por el carril bici y la Fuente de la Concha, que se traslada al frente de la Parroquia de Santa Teresa y San José (Casado, 2017). Fernando Porras-Isla, coautor, ha apuntado la importancia de la participación ciudadana y expresa su deseo por la continuación del proceso para permitir a los ciudadanos tomar decisiones durante las obras y sobre las actividades futuras para las que se ha diseñado el espacio diáfano central (Europa Press, 2017).

Izq.: Planta de la propuesta. Se observa la nueva ubicación de la fuente en la esquina inferior derecha (Ref. 4). Der.: Fotomontaje. Se prevé la celebración de eventos ocasionales en el espacio diáfano central (Ref. 4).

Welcome Mother Nature… Good bye Mr. Ford! (2016), [en línea]. Memoria. Disponible en: https://decide.madrid.es/docs/plaza/30_memoria_welcome_mother_nature.pdf

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

ANÁLISIS SOCIO-ESPACIAL DESDE LAS REDES SOCIALES En la era del Big Data, la información socio-espacial honesta es constantemente generada a través de la red de sensores de comportamiento humano en la que se han convertido los teléfonos móviles. Esta infraestructura itinerante ya está instalada en las ciudades inteligentes, pues ha sido construida entre todos los ciudadanos, sin embargo, es decisión de las administraciones públicas activarla para optimizar el planeamiento urbanístico, entre otras utilidades. El proceso “Decide Plaza de España”, aunque suponga un importante acontecimiento para la democracia participativa de la ciudad, desestimó o era ajena a los beneficios del análisis de datos extraídos de redes geosociales, por lo que se utilizaron técnicas de participación ciudadana tradicionales para realizar el diagnóstico socio-espacial que, junto al estudio urbanístico, configuraran el proyecto de reforma. El objetivo principal de este trabajo es la evaluación del análisis de la información generada en redes geosociales para su aplicación al planeamiento urbanístico como técnica alternativa del estudio socio-espacial realizado a través de encuestas de participación ciudadana y análisis urbanísticos basados en la observación, por lo que se procede a realizar una exploración del ámbito de la Plaza de España con información geolocalizada extraída de dos importantes plataformas, Twitter e Instagram, para su comparación con los resultados obtenidos en la gran consulta ciudadana. Con la finalidad de apoyar los estudios de datos textuales y datos visuales, se efectúa adicionalmente y de forma paralela un análisis idéntico de la Plaza Mayor de Madrid y de los Jardines del Buen Retiro, pues representan los paradigmas de plaza y parque respectivamente. De esta forma, se posibilita la comparación de la identidad de la Plaza de España con la de dos entornos de personalidad intensamente marcada para la comprensión de su naturaleza, así como la demostración de la fiabilidad del método alternativo a este nivel al aportar tres resultados claramente característicos de tres entornos diferentes. TWITTER El análisis de datos generados en Twitter es uno de los más comunes en investigación y desarrollo, pues es una plataforma muy popular cuyo diseño impulsa la constante generación de información actualizada, por lo que configura datasets masivos accesibles gracias a la apertura de las API. Es habitual aplicar técnicas de minería de texto, como el análisis de sentimientos, debido a que su elemento principal, los tweets, son textuales, o la utilización de sistemas de información geográfica, aprovechando los metadatos de fecha y ubicación para la representación de planos. Como ya ha demostrado el equipo de Telefónica Research, los datos extraídos de Twitter pueden revelar información relacionada con los usos del suelo, caracterizando el emplazamiento basándose en su actividad en la red social. No obstante, sus técnicas avanzadas de minería no son accesibles para el usuario inexperto, pues requieren conocimientos de construcción de algoritmos. Datos textuales. Caracterización de los usos del suelo. Para el estudio de la Plaza de España desde Twitter se utilizarán los métodos disponibles gracias a los programas de visualización, concretamente las técnicas que ofrece CorTexT Manager para la minería de texto, investigando si el análisis del contenido de los tweets también puede revelar información acerca del uso de un emplazamiento.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Una de las utilidades de Twitter es su listado de trending topics, o tendencias, un ranking de hashtags y palabras más comentadas por periodo de tiempo y ubicación. Los hashtags son partículas textuales precedidas por el carácter “#” que permiten al usuario etiquetar sus tweets en ciertos temas, facilitando su búsqueda a otros twitteros o participando en una conversación pública sobre el contenido de la etiqueta. Un estudio de los temas más comentados en un emplazamiento puede ser de utilidad en el planeamiento urbanístico para caracterizar los usos del espacio en función de los intereses de sus usuarios, con la finalidad de diseñar un proyecto acorde a sus gustos y necesidades, de la misma forma que la mercadotecnia observa las inclinaciones de los clientes en potencia para ofrecerles publicidad optimizada de servicios y productos. Twitter sólo muestra los temas más comentados recientemente y no ofrece la posibilidad de ajustar este parámetro, probablemente porque está concebido como un informativo y no sería provechoso para un usuario observar los temas más comentados durante un periodo mayor. Sin embargo, para este propósito, es necesario extraer una muestra masiva de datos históricos generados en el entorno de la Plaza de España con la finalidad de generar un listado de trending topics customizado. Extracción de datos En primer lugar, se debe decidir el método de captura de datos entre los disponibles considerando las ventajas e inconvenientes de cada uno. Las API no son adecuadas en este caso, pues se requieren datos generados durante un tiempo considerable. Por lo tanto, para un estudio informal, la mejor opción es la ejecución de un raspador de páginas web que extraiga el resultado de una búsqueda por ubicación, efectuada en la barra de la red social designada para ello. Con esta técnica sólo se puede capturar información ambiguamente georreferenciada, es decir, no es posible obtener la ubicación exacta de cada objeto, sin embargo, las limitaciones por seguridad de las API de Twitter y los cambios efectuados en 2015 al servicio de geolocalización tampoco favorecen la labor. En todo caso, la minería de texto no requiere tanta precisión, por lo que el parámetro de búsqueda geocode es suficiente para delimitar el ámbito de actuación. Se ha establecido un radio de 400 metros desde el Monumento a Cervantes, algo menor que el elegido en el estudio de usos del suelo del análisis urbanístico de la Plaza de España, pues es la máxima distancia en la que no existen otras paradas de Metro que caracterizan su propio entorno. A continuación, utilizando como base un código24 en lenguaje Python25 de un raspador de búsquedas de Twitter, se procede a realizar las modificaciones necesarias, con previas nociones básicas de programación (Bonzanini, 2016) para personalizarlo y obtener los resultados buscados. Para ello, sólo es necesario un editor de texto, no obstante, existen algunos diseñados específicamente para asesorar la redacción de programas, pues ofrecen paletas de colores para distinguir los diferentes comandos, como Sublime Text, el elegido para este estudio. El enunciado “search_query” es el que formula la búsqueda en la red social, por lo que se le asigna el parámetro “geocode: 40.423205,-3.712555, 0.4km, since:2013-01-01, until:2016-12-31”, que devuelve los tweets enviados en el periodo de cuatro años comprendido entre el inicio de 2013 y el final de 2016, dentro del radio de 400 metros con centro en las coordenadas indicadas — pertenecientes al Monumento a Cervantes— publicados por usuarios con el servicio de geolocalización activado, aunque decidan no mostrar sus coordenadas exactas, pues igualmente no es posible obtenerlas. El código resultante (ANEXO I) es guardado con extensión .PY, propia 24

Código raspador de Twitter. Desarrollado por Tom Dickinson y publicado en su perfil de GitHub. Disponible en: https://github.com/tomkdickinson/Twitter-Search-API-Python/blob/master/TwitterScraper.py 25 Python es un lenguaje de programación creado por el científico de computación Guido van Rossum en 1991. Fue concebido para ser ordenado y legible.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

de los archivos ejecutables de Python, bajo el nombre “scraper.py”. Es necesario instalar, aparte de una versión de Python que permita ejecutar sus extensiones desde la barra de comandos del ordenador, aquellas bibliotecas a las que se hace referencia en el código para configurar el programa completo. Anaconda es una versión muy completa de Python que contiene bibliotecas, herramientas de análisis y otros paquetes muy útiles para la gestión de datos masivos, por lo que es la elegida para este procedimiento. Por último, desde la barra de comandos, se ejecuta el archivo .PY que contiene el raspador programado, tecleando “python scraper.py > datos.json”. El resultado es el archivo “datos.json” de 52,4 megabytes (MB), que contiene 169.896 objetos JSON, correspondientes al mismo número de tweets, configurando una base de datos de 15.609 páginas de texto. Aunque para la minería de datos sólo se necesite el nombre text del objeto Tweet, se han extraído también otros nombres como la fecha y hora de publicación, el nombre de usuario o el recuento de favoritos, entre otros, por si el conjunto fuera de utilidad en análisis posteriores. Análisis y visualización Una vez efectuado el registro en la aplicación CorTexT Manager, se crea un nuevo proyecto y se carga el conjunto de datos obtenido anteriormente. Gracias a la herramienta Terms Extraction, es posible generar el ranking de tendencias de los últimos cuatro años en la Plaza de España. Para ello, se ajustan los parámetros solicitando los 300 términos más comunes en los valores de text que comiencen por el carácter “#”. El programa devuelve una lista encabezada por el hashtag #madrid, con 6.859 apariciones, seguido de #spain, #granvia, #elreyleon — en referencia al musical— el nombre de alguna discoteca y etiquetas genéricas, como #love. Esta lista, aunque es útil para conocer las palabras más y menos comentadas, no es una visualización óptima para identificar temáticas recurrentes. Por esta razón, se ejecuta posteriormente la herramienta Network Mapping, que efectúa un algoritmo de agrupamiento a la lista de hashtags, permitiendo el ajuste de sus parámetros. El resultado es una imagen (ANEXO II) que representa los términos en forma de nodos, agrupados por temática y conectados entre sí según sus coocurrencias.

Imagen de la Plaza de España en Twitter. Gráficos generados con CorTexT Manager y editados en Illustrator.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Como se puede observar, se obtiene un total de cinco clústeres, cada uno relacionado con una temática diferente: 

Clúster 1, verde. Es el identificativo del ámbito, y debe su tamaño al hashtag más frecuente, #madrid. Recoge nombres propios de lugares y elementos ligados al emplazamiento, como #templodedebod, #jardinesdesabatini, #cervantes y #edificioespaña.



Clúster 2, azul. Incluye etiquetas relacionadas con hoteles, restaurantes y comida, siendo #food el más frecuente y representativo del grupo



Clúster 3, negro. Es el segundo en tamaño. Su hashtag más pesado es #friends, seguido de #party. Incluye varios nombres de discotecas y fiestas del entorno, como #zoo y #cuencaclub, por lo que se puede afirmar que representa la vida social y nocturna. Su relación principal con el clúster azul se establece mediante el hashtag #cerveza y, en menor medida, #cena y #dinner.



Clúster 4, naranja. Representa los términos relacionados con el musical “El Rey León”, incluyendo #teatrolopedevega y nombres de otros musicales, como #hoynomepuedolevantar. Los hashtags #cumpleaños, música y #familia establecen los puentes entre este clúster y el de vida nocturna. Por otro lado, su conexión principal con el clúster verde es #granvia, la ubicación del Teatro Lope de Vega.



Clúster 5, rojo. Es el grupo que recoge todas las etiquetas genéricas utilizadas para conseguir visitas y likes, como por ejemplo #love, #follow y #me. Es el grupo más conectado a los demás clústeres, especialmente con el negro, lo que sugiere que se utilizan para etiquetar contenidos de todo tipo de temáticas.

Realizando exactamente el mismo estudio con muestras ligeramente más pequeñas de la Plaza Mayor, con las coordenadas de la estatua de Felipe III como centro de un radio de 200 metros, la máxima distancia sin alcanzar la Puerta del Sol, y del Parque del Retiro, tomando el Monumento a Alfonso XII como centro de un radio de 400 metros, el mayor antes de sobrepasar el límite de los jardines, se obtienen las imágenes (ANEXO II) características de cada lugar.

De izq. a der.: Imagen del Parque del Retiro en Twitter, imagen de la Plaza Mayor en Twitter. Gráficos generados con CorTexT Manager y editados en Illustrator.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

En el Parque del Retiro se puede identificar un clúster relacionado con árboles, flores, agua, y naturaleza en general, el de color rojo. El clúster azul oscuro desvela la popularidad turística internacional del emplazamiento, pues se caracteriza por las etiquetas #travel, #eurotrip, y #holiday. El clúster naranja representa hashtags vinculados al ejercicio físico, como #run y #fitness. El clúster azul es el más representativo del ámbito. En este caso, sólo aparecen términos relacionados con el Parque del Retiro, único protagonista de su entorno, siendo desbancado únicamente por #madrid. La Plaza Mayor también cuenta con un clúster en referencia al turismo, el azul oscuro, y otro identificativo del emplazamiento, el de color verde, que prácticamente puede ser considerado un clúster característico de comida, pues #tapas, #paella, #sangría y #cerveza son sus protagonistas, y donde #mercadodesanmiguel también hace su aparición. Una vez más, todos son eclipsados por el hashtag #madrid. El clúster de color pistacho se debe a la chocolatería San Ginés, una de las más famosas de Madrid, y el clúster de color rojo representa la vida social y nocturna generada por una única discoteca, Joy Eslava, situada en la calle del Arenal. Curiosamente, aparece un clúster dedicado al Parque del Retiro. Ambos emplazamientos cuentan con el clúster de etiquetas genéricas: el de color cian en el Parque del Retiro, que incluye algunos términos relacionados con vida social que no configuran un clúster propio, y el amarillo en la Plaza Mayor. Datos georreferenciados. Detección de hábitos. Según los investigadores de Telefónica Reseach (Frías-Martínez, 2014a), el estudio de los picos de actividad en Twitter es útil para caracterizar los usos del suelo. En este caso, se ha utilizado la minería de textos para tal propósito. No obstante, los mapas de actividad pueden servir para descubrir las zonas de mayor afluencia de un entorno, detectando recorridos y hábitos comunes. Para la elaboración de este tipo de planos es necesario un conjunto de datos geolocalizados de la forma más precisa posible. Los sistemas de información geográfica, en ocasiones, disponen de herramientas para la extracción de datos generados en redes sociales a través de sus API, asimilando las restricciones impuestas, u ofrecen un dataset genérico que no soporta los parámetros de búsqueda de Twitter, pues ya han sido capturados y sólo permiten su exploración por términos. Por lo tanto, la obtención por otros medios de un conjunto personalizado de datos georreferenciados es una opción considerable, ya sea a través del pago de una suscripción a las API privadas, la compra del dataset específico ya elaborado, o mediante la ejecución de métodos informales aprovechando al máximo las opciones disponibles. Es posible exprimir la utilidad del parámetro geocode soportado por la barra buscadora de tweets con la ayuda de un raspador de Twitter, realizando pequeñas muestras en coordenadas organizadas en forma de malla para afinar la precisión de la localización de los contenidos y poder representarlos en un mapa de actividad, o como los denomina Neuhaus (2013) los “paisajes urbanos virtuales”, con el apoyo de un sistema de información geográfica. Este método informal, posiblemente programable, es muy laborioso y debe asimilar un margen de error proporcional al tamaño de las muestras extraídas. Es decir, si se efectúa una extracción en el radio de un metro alrededor de un punto, por ejemplo, se está asimilando un margen de error de esa distancia, pues todos los elementos contenidos en ese entorno serán representados en su centro al asignarles tales coordenadas, y se estarán excluyendo todos aquellos situados fuera de la malla de círculos. Aun así, la pérdida de datos puede ser insignificante comparada con el valor de la información que se puede obtener.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Para el análisis de la Plaza de España de Madrid, se ha establecido una malla de muestras que suponen 190 puntos de extracción de 6,25 metros de radio cada uno. Para efectuarlas, sólo es necesario ajustar el enunciado “search_query” del raspador, indicando el par de coordenadas y ejecutando la aplicación desde la barra de comandos por cada muestra. En este caso, los parámetros de tiempo se han fijado para obtener tweets generados durante todo el año 2014, antes de que se produjera el cambio en el servicio de geolocalización, y se ha modificado el código para imprimir solamente el sello de fecha y hora de cada tweet, pues sus contenidos no aportan información en este estudio. Una vez obtenidos los datos, se construye en Excel una tabla asociando a cada registro las coordenadas que le corresponden, separando la latitud y la longitud en sendas columnas. El raspador de tweets utilizado extrae las fechas en un formato no reconocido por Excel, por lo que es necesario utilizar la herramienta Reemplazar integrada en el programa para transformarlas al modelo DD/MM/AAAA hh:mm. El resultado es una tabla de 2.689 filas, correspondientes al mismo número de tweets. Posteriormente, se procede a cargar el dataset elaborado a CARTO Builder, la aplicación en línea que permite el análisis y la visualización de datos georreferenciados. Finalmente, se genera un mapa y se personalizan los parámetros para obtener las imágenes deseadas.

Paisajes virtuales de la Plaza de España. Gráficos generados con CARTO Builder y montados en Illustrator.

Ordenando por hora los registros anuales y seleccionando ciertos periodos de tiempo es posible observar los patrones temporales en Twitter. Los mapas evidencian una actividad generalizada de la plaza por la mañana, especialmente concentrada en el lateral abierto hacia la Gran Vía, que tiende hacia su cruce. Por la tarde, la actividad en la Plaza de España comienza a disminuir gradualmente, especialmente por su mitad más arbolada, manteniendo el fuerte foco noreste en el acceso desde Gran Vía. Finalmente, de madrugada, el extremo noreste contiene la mayor producción de datos, quedando el resto de actividad diseminada por toda la superficie. Algunos focos intensos se deben a que los check-in realizados desde otras plataformas, como Instagram, y compartidos en Twitter, son georreferenciados en dicho punto por la aplicación de origen, pero no aseguran la presencia del autor en esa coordenada exacta, sólo representan la publicación de una partícula de información etiquetada en el emplazamiento. Por ejemplo, el punto central debe su tesitura a los registros en la Plaza de España, y el cruce hacia el Templo de Debod está influenciado por los check-ins en el restaurante de dos estrellas Michelín, el Club Allard. Es posible depurar el conjunto de estos datos observando el contenido de los tweets o, si se desea, pueden permanecer para analizar estos registros, con el conocimiento de que no siempre representan focos de actividad.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Con un procedimiento similar, pero organizando la información por meses, pueden observarse patrones estacionales en Twitter. La información producida durante el mes de diciembre representa la actividad característica de invierno, concentrada en el extremo de la Gran Vía, alrededor de la Fuente de la Concha y diseminada en su mayoría por la mitad noreste de la plaza. Por otro lado, la muestra característica de la actividad de verano se corresponde con la huella producida durante el mes de julio, de carácter generalizado con puntos esparcidos tanto por la mitad noreste como por la parte más arbolada. Observando el conjunto en su totalidad se identifican las zonas más activas en Twitter durante el año 2014. El perímetro noreste frente al Edificio España es con diferencia el mayor foco de actividad, seguido del perímetro sureste, relacionados con los recorridos del eje Gran Vía-Princesa y cuesta de San Vicente respectivamente. Ambos se dispersan una vez penetran en el interior de la Plaza de España.

Paisajes virtuales de la Plaza de España. Gráficos generados con CARTO Builder y montados en Illustrator.

INSTAGRAM Actualmente, la mayoría de investigaciones giran en torno al análisis de datos de texto, como los tweets, para la aplicación de técnicas como la minería de opiniones, entre otras (Yazdani y Manovich, 2015). El estudio de los datos visuales georreferenciados generados en redes sociales, como las fotos publicadas en Instagram, también puede aportar información útil, pues permiten a los usuarios compartir su percepción del espacio, las actividades que realizan en él y los elementos del entorno que les interesan. Estos resultados pueden ser provechosos para el planeamiento urbanístico, dado que revelan de forma más directa cuáles son las atracciones más populares y qué eventos generan más curiosidad en un tipo de lugar. Datos visuales. Caracterización de la vida nocturna e identificación de hitos. En primer lugar, se procede a la extracción de datos de Instagram ejecutando una búsqueda de imágenes en la plataforma para cada ubicación con la ayuda de las etiquetas de localización, y descargándolas directamente a un disco duro externo desde la página web, sin necesidad de utilizar ningún raspador de internet ni la programación de una aplicación que se comunique con la API de la red social. De esta forma, los únicos datos obtenidos son las imágenes geolocalizadas mediante las etiquetas de lugar de forma ambigua pero suficiente para este propósito, sin ningún metadato adjunto, aunque el orden de aparición en la búsqueda puede considerarse información añadida de tiempo al devolverlas de más recientes a más antiguas.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Una vez más, se utilizará la Plaza Mayor y el Parque del Retiro como emplazamientos de referencia. Las muestras obtenidas por este método son las siguientes: 

Un conjunto de 1,34 gigabytes (GB) conformado por 17.700 imágenes etiquetadas con la localización “Plaza de España” y compartidas en la red social durante las treinta y cuatro semanas anteriores al momento de la extracción.



De la etiqueta “Plaza Mayor de Madrid”, se obtiene un conjunto de 439 MB formado por 5.050 imágenes subidas a Instagram desde su creación, doscientas noventa y tres semanas en el momento de la extracción.



De la etiqueta “El Retiro – Jardines del Buen Retiro de Madrid”, se captura una muestra de 1,87 GB constituida por 22.000 imágenes compartidas en la red social durante las seis semanas anteriores a la extracción.

La falta de uniformidad en el tamaño de los conjuntos y de los espacios temporales se debe, en parte, a la desigualdad en las redes sociales por la cual una ubicación genera mayores datasets que otras (Indaco et al., 2016), pues los elementos que la componen o los eventos celebrados en ella resultan más interesantes para sus usuarios. Además, la existencia de más de una etiqueta de localización para un mismo espacio o su reemplazamiento por un hashtag —de los que también pueden efectuarse búsquedas— produce la diseminación de datos en diferentes conjuntos. Por ejemplo, la etiqueta de localización “Plaza de España”, a pesar de englobar varios emplazamientos con el mismo nombre, contiene mayormente fotografías de la plaza situada en Madrid, y puede ser filtrada manualmente eliminando aquellos resultados relacionados con la ubicada en Sevilla. La etiqueta “Plaza de España (Madrid)” no contiene suficientes datos para la realización de un análisis que aporte información útil, y el hashtag #plazadeespaña contiene, en su mayoría, fotos de la plaza sevillana que dificultan el limpiado. La combinación de dos muestras en un único conjunto puede afectar al estudio, complicando la ordenación de los elementos por fecha de subida, pues cada búsqueda devuelve las imágenes de más recientes a más antiguas, y no es posible coordinarlas con la línea de tiempo de otra búsqueda según este método. Por otro lado, la capacidad de memoria de la máquina utilizada para extraer las imágenes es un factor clave a la hora de determinar el tamaño de las muestras, pues limita el número de fotografías que es capaz de mantener cargadas simultáneamente en una página web. Una vez obtenidos los conjuntos de datos y depurados de información errónea, se procede a su representación en una imagen que revele patrones y tendencias con el objetivo de caracterizarlos mediante la observación y extraer resultados. Para esta finalidad, se utiliza el programa ImageJ de Software Studies Initiative. En primer lugar, se ejecuta la extensión Measurements de la aplicación, obteniendo el documento de texto “measurements.txt” para cada conjunto, que recoge la información de las imágenes que lo conforman, como el tono, brillo y saturación medios de cada una, y les asocia ordenadamente un número identificador “image_ID”, que servirá para la alineación cronológica de las fotos. Seguidamente, con la ayuda de la herramienta ImagePlot, se organizan las imágenes de cada conjunto en un gráfico según los parámetros establecidos para los ejes x e y. Caracterización de la vida nocturna El estudio del brillo medio de las imágenes puede caracterizar la actividad nocturna de la Plaza de España, evidenciada en el análisis de datos textuales extraídos de Twitter, de tal manera que la identificación de elementos populares —facilitada por el programa de visualización— en las fotografías de menor brillo determine en torno a qué hitos se desarrollan estos hábitos. A su vez, la ordenación cronológica de las imágenes revela patrones temporales, que pueden asociarse a ciertos eventos acaecidos en los emplazamientos. Por lo tanto, para realizar

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

esta comparación, se selecciona el parámetro “brillo medio” para el eje y, y el parámetro “image_ID” como eje x, generando un gráfico para cada conjunto que sitúa cada imagen en el punto correspondiente según sus valores del documento measurements.txt. Del estudio de estos gráficos (ANEXO III) se extraen los siguientes resultados:

De izq. a der.: Imagen en Instagram de la Plaza Mayor, la Plaza de España y el Parque del Retiro. Gráficos generados con ImageJ y montados en Illustrator con imágenes públicas de Instagram.

La actividad nocturna que caracteriza la Plaza Mayor tiende a organizarse en bandas. Una vez analizadas de cerca, puede concluirse que se generan a partir de eventos específicos, como es la instalación del alumbrado navideño, la celebración de procesiones y conciertos por San Isidro o, el más exitoso en un corto periodo de tiempo, y por tanto la tira más densa, la reproducción de un video mapping sobre la fachada de sus edificios con motivo del cuarto centenario de la plaza. Existen algunos puntos dispersos que no responden a ningún patrón relacionados con imágenes a contraluz o, de forma excepcional, tomadas por la noche sin un motivo aparente. El conjunto de imágenes extraídas del Parque del Retiro revela un foco puntual de gran densidad de fotografías con una considerable cantidad de color negro y tonos oscuros, relacionadas con los espectáculos de fuegos artificiales celebrados en las noches del 14 y 15 de mayo de 2017 en honor a San Isidro. El resto de imágenes diseminadas por la zona de menor brillo del gráfico representan fotografías en sombra, generalmente aquellas realizadas desde dentro de la cueva de la cascada junto al Palacio de Cristal, fotos al atardecer y, excepcionalmente, escenas nocturnas. El análisis del gráfico característico de la Plaza de España muestra que la actividad nocturna del lugar no se debe a la realización de ningún evento concreto, pues no se organiza en bandas ni destaca ninguna escena inusual —a excepción de la instalación del árbol de Navidad, que produce una zona ligeramente más densa— sino que está presente a lo largo del tiempo, siendo más intensa que en los otros dos emplazamientos. Los elementos protagonistas de estas imágenes son el Monumento a Cervantes y la Fuente de la Concha, que se mantienen alumbrados durante la noche.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Identificación de hitos A pesar de contar con vida nocturna, estas tres localizaciones son espacios públicos en los que la mayoría de la actividad se realiza durante las horas de sol, como se puede observar en el anterior estudio si se presta atención a la densidad de puntos en las zonas de mucho y medio brillo. La ordenación cronológica no permite distinguir protagonistas en las imágenes de estas características, por lo que posteriormente se realiza un estudio de los conjuntos seleccionando el parámetro “tono medio” como eje x, manteniendo “brillo medio” como eje y, para facilitar la identificación de los elementos al agruparlos por colores y poder, de esta manera, caracterizar la actividad diurna. El estudio de los gráficos (ANEXO III) es el siguiente:

De izq. a der.: Imagen en Instagram de la Plaza Mayor, la Plaza de España y el Parque del Retiro. Gráficos generados con ImageJ y montados en Illustrator con imágenes públicas de Instagram.

El gráfico correspondiente a la Plaza Mayor permite visualizar una gran cantidad de selfies, fotos a las fachadas rojizas de la plaza e imágenes de comida en la franja de colores cálidos. Por otro lado, se identifica una franja de azules correspondientes a fotografías en las que el cielo sirve de fondo a los protagonistas: la estatua ecuestre de Felipe III y los edificios que delimitan la plaza. El análisis del gráfico del Retiro desvela una franja de colores cálidos, que representan, una vez más, los tonos de piel de una gran cantidad de selfies, y que varía progresivamente hacia una franja de verdes en los que la vegetación consigue convertirse en única protagonista de la imagen. La banda de azules corresponde, de nuevo, al cielo que sirve como fondo, en este caso, a esculturas, fuentes y árboles, pero también al que se refleja en el Estanque Grande, una de las estrellas principales del lugar. Finalmente, el conjunto de imágenes extraídas de la Plaza de España, una vez ordenado, revela una franja de colores cálidos, caracterizada por la fachada del Edificio España, fotografías de comida, y selfies en su mayoría, que varían ligeramente de tono hacia los verdes a medida que la vegetación toma parte en la foto, pero no llega a ser protagonista ni a conformar una franja propia de tonos. El cielo vuelve a ser el telón de fondo de elementos importantes, como las esculturas de Don Quijote y Sancho Panza, o la escena característica del lugar, el Edificio España tras el Monumento a Cervantes.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

CONCLUSIONES PRIMER NIVEL A modo de resumen, se procede a recopilar y comentar los resultados obtenidos a partir del estudio socio-espacial utilizando la minería de datos capturados en redes geosociales. Asimismo, es de utilidad para realizar conclusiones a un primer nivel mediante la comparación de las imágenes en las plataformas sociales de los tres emplazamientos analizados —la Plaza de España, la Plaza Mayor y el Parque del Retiro— evaluando la utilidad de los métodos aplicados. El análisis de términos populares en Twitter resulta de gran utilidad para caracterizar un entorno. Es notable cómo el clúster identidad de la Plaza de España incluye emplazamientos cercanos, como los Jardines de Sabatini y el Templo de Debod, mientras que en los clústeres representativos de los otros dos lugares analizados se obtienen únicamente términos relacionados con sus elementos y actividades más características. Esto sugiere que la Plaza de España forma parte de un ámbito mayor y que no posee una personalidad suficientemente fuerte como la de la Plaza Mayor para ser la protagonista de su entorno. Por otro lado, no posee clústeres relacionados con la naturaleza ni con el ocio al aire libre, con los que sí cuenta el Parque del Retiro. En su lugar, sus actividades representativas configuran un clúster relacionado con la vida social y nocturna, debido a la presencia de varias fiestas en los barrios circundantes, y otro clúster de hostelería más pequeño. Estas características muestran más similitudes con la Plaza Mayor, cuya identidad es la comida y la bebida, y que también cuenta con un clúster de actividades propias de la vida nocturna, aunque de tamaño mucho menor, que no poseen los Jardines del Buen Retiro. La utilidad del análisis de actividad de Twitter en la Plaza de España se ejecutará en el segundo nivel, pues la contrastación de su paisaje virtual con los de otros entornos no resultaría útil, ya que el objetivo es relacionar las áreas de gran afluencia digitales con las físicas, por lo que es más adecuada la comparación con las dinámicas detectadas mediante las técnicas del análisis urbanístico basadas en la observación. Finalmente, el estudio de las imágenes georreferenciadas en Instagram bajo las etiquetas de lugar ha demostrado ser útil en la caracterización de las actividades realizadas por la noche y en la identificación de puntos de interés. Las escenas nocturnas de la Plaza de España están protagonizadas por sus elementos iluminados, la Fuente de la Concha y el Monumento a Cervantes, mostrando hábitos únicos y frecuentes que no se asemejan a los de la Plaza Mayor, generados en torno a eventos específicos, ni a los del Parque del Retiro, muy puntuales y de gran éxito debido a su singularidad. El análisis de las franjas de colores refleja la naturaleza híbrida de la Plaza de España, pues comparte elementos con la Plaza Mayor, como las fotos de comida y de edificios, pero también tiende hacia los tonos propios de las zonas verdes, sin alcanzar el nivel del Parque del Retiro, pues por lo general la vegetación aparece de fondo y no es la protagonista. En definitiva, la personalidad de la Plaza de España no reside en sí misma, sino en sus características dinámicas nocturnas, ni se percibe como un elemento verde importante. Por otro lado, los resultados demuestran la utilidad de los métodos alternativos para el estudio socioespacial, capaces de caracterizar entornos e identificar hitos importantes, incluso desde un acercamiento inexperto.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

SEGUNDO NIVEL La comparación en el segundo nivel de los dos métodos de recopilación de información socio-espacial para el planeamiento urbanístico —el alternativo, desde las redes geosociales, y el tradicional, los procesos participativos y las técnicas del análisis urbanístico basadas en la observación— es útil para determinar la precisión de las herramientas usadas en este estudio, así como evaluar ambos procedimientos y valorar los resultados obtenidos mediante las herramientas de participación ciudadana cristalizados en el proyecto ganador para la reforma de la Plaza de España, “Welcome Mother Nature”. Primero, permanece pendiente la evaluación de la utilidad del procedimiento para la detección de hábitos basado en el análisis de actividad en Twitter. Para ello, se establece una comparación con la información del diagnóstico urbanístico basado en la observación, específicamente con los resultados del estudio perceptivo del uso y utilización peatonal, realizado por el equipo de técnicos del Ayuntamiento de Madrid. El análisis de actividad en Twitter ha servido para identificar las zonas de mayor afluencia y descubrir su relación con actividades temporales, estacionales y recorridos principales. La comparación de los resultados alcanzados a través de la visualización de datos georreferenciados con los obtenidos mediante la lógica y la observación en las que se basa el estudio perceptivo del uso evalúa de forma positiva este método, pues efectivamente, las zonas arboladas son más atractivas por las mañanas, y en verano debido a la sombra que arrojan, y menos frecuentadas en invierno y por la noche; y los perímetros más activos se corresponden con los recorridos principales en los que se divide —y de los que se nutre— el flujo procedente de la Gran Vía: la cuesta de San Vicente y la calle de la Princesa, que se dispersan por la Plaza de España una vez superan el Monumento a Cervantes y la Fuente de la Concha respectivamente. Se demuestra así que las zonas más productivas en Twitter se configuran en torno a los recorridos con mayor afluencia, y se puede afirmar que existe un paralelismo entre la actividad de la red social y la del emplazamiento. Por otra parte, la comparación de los resultados obtenidos en el cuestionario de participación ciudadana como método tradicional de obtención de información socio-espacial con el análisis alternativo desde las redes geosociales sirve para determinar la precisión de las herramientas. La encuesta tuvo una participación de 28.249 madrileños mayores de dieciséis años, de los cuales 1.617 aseguraban ser vecinos de la zona, y la mayoría manifestaba visitarla una o dos veces por mes. La muestra extraída de Twitter contiene un total de 169.896 opiniones, y el conjunto de imágenes de Instagram recoge 17.700 percepciones. Se desconoce el número de autores, su procedencia o su edad, cuyo estudio puede vulnerar el anonimato de los usuarios, pero se puede asegurar que estuvieron presentes en el entorno de la Plaza de España durante el periodo que abarcan las muestras. Algunos condicionantes del proyecto para la reforma de la Plaza de España no pueden ser determinados a través el estudio socio-espacial desde las redes geosociales, como por ejemplo la decisión de añadir más arbolado o eliminar el tráfico rodado, pues no responden a ninguna dinámica social, sino al criterio urbanístico y paisajístico de los entrevistados. Los conocimientos de los técnicos urbanistas y paisajistas les permiten realizar estas decisiones con mayor fundamento.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Se han detectado decisiones tomadas por los madrileños acordes a los resultados obtenidos mediante el análisis de las redes geosociales: 

Los ciudadanos han dictaminado la peatonalización del paso elevado de Bailén, conectando la Plaza de España con los Jardines de Sabatini y el Parque del Oeste de forma más directa. El estudio de los datos textuales extraídos de Twitter confirma la existencia de un ámbito mayor conformado por estos tres lugares, mientras que el análisis urbanístico revela la mala conexión entre ellos.



En cuanto al futuro del conjunto dedicado a Cervantes, los madrileños decidieron mantenerlo en su ubicación actual y, efectivamente, el análisis de los datos visuales extraídos de Instagram confirma que el monumento es uno de los elementos con mayor significado para los visitantes de la Plaza de España, tanto diurno como nocturno, por lo que su desplazamiento debería estar muy bien justificado.

Se ha identificado una incongruencia relacionada con el futuro uso del emplazamiento. Los encuestados muestran su deseo de convertir la Plaza de España en un entorno mayormente arbolado, con más sombras. El análisis de datos visuales de Instagram desvela que el ámbito no se percibe como una zona verde importante, lo que no excluye la implantación de este tipo de uso, pues se puede optar por su potenciación. No obstante, el estudio desde las redes geosociales recalca varias veces la naturaleza nocturna de las zonas abiertas a la Gran Vía, más despejadas, y el análisis del Parque del Retiro desde Twitter e Instagram muestra la incompatibilidad de los entornos arbolados con actividades nocturnas excepto en ocasiones extraordinarias muy poco frecuentes. Por último, el análisis de la propuesta ganadora de la última etapa del proceso participativo “Decide Plaza de España” y su adaptación a los resultados del estudio socio-espacial desde las redes sociales sirve para evaluar ambos procedimientos y el propio proyecto. La participación de los ciudadanos durante esta fase aumentó considerablemente, alcanzando los 214.076 votos, una cifra mayor que el número de partículas de opinión recolectadas para el análisis socio-espacial desde las redes geosociales, lo que muestra un gran interés por este tipo de herramienta, especialmente si se contrasta con el recibimiento del cuestionario. “Welcome Mother Nature”, el proyecto seleccionado, supone la cristalización de la incongruencia generada durante el proceso participativo pues, como indica su nombre, propone la plantación de una gran cantidad de árboles nuevos. Ciertamente, los parterres verdes parecen aglomerarse en el extremo suroeste para mejorar la conexión con los Jardines de Sabatini y el Parque del Oeste, disminuyendo en cantidad y tamaño al aproximarse a la Gran Vía, donde se concentran los mayores focos de actividad nocturna. No obstante, se pretende crear un amplio espacio diáfano interior, concebido para albergar grandes eventos, rodeado de vegetación que sirve como filtro permeable para aislar la plaza de las vías rápidas y a la vez permitir una mejor accesibilidad en todo su perímetro. Adicionalmente, el proyecto decide la reubicación de la Fuente de la Concha al futuro pasillo peatonal que configura actualmente el paso elevado de Bailén. El cuestionario no hizo referencia a dicha fuente en ninguna de sus preguntas, como sí lo hizo en relación con el Monumento a Cervantes. Sin embargo, la normativa del Plan General de Ordenación Urbana de Madrid indica que el traslado de un elemento de este tipo debe estar considerablemente justificado, y los resultados del análisis de las redes geosociales desvelan que la Fuente de la Concha es considerada protagonista de la actividad nocturna y punto de referencia.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Todas estas características pueden hacer peligrar la vida nocturna de la Plaza de España, pudiendo transformarla en un espacio muy genérico de utilización ocasional durante la celebración de acontecimientos en su espacio central, como la Plaza Mayor, pero con menor personalidad. Estos eventos, desde un punto de vista optimista, podrían servir para potenciar las dinámicas nocturnas ya existentes, no obstante, la reconfiguración total del entorno puede influir drásticamente en todas las estructuras sociales actuales, o incluso generar unas nuevas de mejor o peor calidad. Por lo tanto, actualmente no es posible diagnosticar el impacto del proyecto en la dinámica nocturna de la Plaza de España, sólo confirmar que se verá afectada. TERCER NIVEL La comparación en un tercer nivel de los resultados alcanzados mediante el acercamiento inexperto al estudio socio-espacial con aquellos obtenidos en los análisis profesionales realizados por investigadores permite evaluar la utilidad de la minería de datos integrada en los programas de visualización y la accesibilidad de este tipo de herramienta de la sociología urbana para todo tipo de usuarios. Los conjuntos obtenidos mediante técnicas informales de extracción de datos masivos han demostrado ser suficientes para este análisis. Esta etapa del proceso requiere conocimientos de programación de aplicaciones, por lo que no es accesible para usuarios inexpertos. Las tecnologías SIG fallan en su acercamiento a la captura de datos geolocalizados al fundamentarse en el método formal, a través de las API públicas, y asimilar sus limitaciones, por lo que las API privadas orientadas a profesionales se presentan como la mejor opción para la obtención de datasets más elaborados. No obstante, la información ambiguamente georreferenciada puede aportar resultados provechosos si la precisión no es clave para el diagnóstico, como no lo es, por ejemplo, en la minería de texto o en estudios a una escala mayor que la de los elementos de barrio, adaptados a la granularidad de la información que ofrecen las API. La minería de textos con CorTexT Manager ha conseguido resultados más representativos de los entornos analizados que los estudios basados en el desarrollo de algoritmos de Telefónica Research. En su diagnóstico, apuntan que sus clústeres plasman usos derivados de los hábitos más característicos, imitando la forma de clasificar el suelo oficialmente, a pesar de identificar ciertas dinámicas menores (Frías-Martínez, 2014a). La representación de la identidad de los entornos mediante el sistema de red de nodos evidencia unas estructuras mucho más complejas que permiten una mejor comprensión de los emplazamientos. No obstante, el diagnóstico profesional ha acertado en el descubrimiento de los usos no oficiales, más allá de la ordenación urbana. El análisis de Telefónica Research usa, de nuevo, la actividad en Twitter para identificar los elementos de interés. Mientras que a gran escala desvela las desigualdades entre los diferentes lugares de una ciudad y pueden ser asociadas al elemento protagonista de esos emplazamientos o al conjunto completo, a menor escala muestra más eficiencia identificando recorridos y zonas de gran afluencia, que no tienen por qué estar ligadas a ningún hito, como ha demostrado este acercamiento. Por esta parte, la identificación de puntos de interés ha sido realizada mediante el análisis de datos visuales extraídos de Instagram, que reflejan de forma más directa los elementos populares para los ciudadanos y que también ha resultado de utilidad para la caracterización de actividades nocturnas observando sus patrones y protagonistas.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

CONCLUSIONES GENERALES El estudio de las redes geosociales presenta varias dificultades para el usuario inexperto, especialmente durante el proceso de extracción, que requiere ciertos conocimientos en programación de aplicaciones. Actualmente los métodos formales de captura ofrecen información de geolocalización muy ambigua, que puede ser útil para ciertos propósitos, pero que supone un paso atrás en la evolución del universo digital. Los programas de visualización son de gran ayuda en la minería de datos, acercando las técnicas de análisis de Big Data a todo tipo de usuarios y permitiendo obtener resultados comparables a los alcanzados por estudios de expertos investigadores. El análisis de las redes geosociales ha demostrado ser de gran utilidad y fiabilidad para su aplicación al planeamiento urbanístico con la finalidad de diseñar proyectos optimizados, considerándolo una herramienta más de la sociología urbana como alternativa a los instrumentos de participación ciudadana, que son muy útiles y bien recibidos en los procesos de la democracia participativa, pero que presentan carencias en su obtención de información socio-espacial. Los términos más utilizados en Twitter durante un periodo de tiempo considerable en un espacio concreto pueden ser utilizados para comprender la compleja red que conforman sus dinámicas. El estudio de la actividad en esta red social revela un paralelismo entre las zonas de mayor afluencia físicas y digitales. Las fotografías ligadas a un emplazamiento compartidas en Instagram pueden servir para caracterizar su actividad nocturna e identificar los elementos más significativos para los ciudadanos. La imagen de los entornos en las redes sociales son la superposición de las percepciones únicas de todos sus observadores, permitiendo detectar tendencias habituales para definir su identidad. El análisis urbanístico dedicado a la extracción de datos socio-espaciales, basado en la lógica y la observación, extrapola la experiencia del analista a todo el colectivo. Sin embargo, dicha información puede servir para la evaluación del método alternativo, estudiando su cumplimiento con los patrones detectados. La Plaza de España no constituye una zona verde importante en la ciudad, ni posee una gran personalidad. En cambio, su identidad se refleja en sus dinámicas nocturnas. El proyecto resultante del proceso participativo “Welcome Mother Nature” afectará a la vida nocturna del entorno. El análisis de las redes geosociales produce exclusión de ciertos grupos como consecuencia de la denominada brecha tecnológica, especialmente aquellos de avanzada edad. No obstante, la participación de este colectivo ha sido mínima en la etapa de encuesta, para la que se propone el estudio alternativo. En la fase de votación, para la que se reconoce la utilidad de la democracia participativa, este grupo resultó ser el más involucrado. Las infraestructuras de la ciudad inteligente ya están instaladas, pero se encuentran a la espera de ser activadas por parte de las administraciones públicas para aprovechar todo su potencial y proporcionar a los ciudadanos servicios optimizados, llevando la domótica a la gran escala.

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

BIBLIOGRAFÍA Libros y monografías ARRIAGADA, E. (2015) El impacto de la telefonía móvil en la participación ciudadana, las ciudades inteligentes, el emprendimiento y nuestra salud. Chile: ebooks Patagonia. BONZANINI, M. (2016) Mastering Social Media Mining with Python. Birmingham: Packt Publishing. JOYANES, L. (2013) Big Data – Análisis de grandes volúmenes de datos en organizaciones. México: Alfaomega Grupo Editor. LYNCH, K. (1960) The Image of the City. The MIT Press. ULLÁN DE LA ROSA, F. J. (2014) Sociología urbana: de Marx y Engels a las escuelas posmodernas. Madrid: Centro de Investigaciones Sociológicas. Capítulos de monografías NEUHAUS, N. (2013) “The use of Social Media for Urban Planning: Virtual Landscapes Created Using Twitter Data”. En: NORTE, N. et al. Technologies for Urban and Spatial Planning: Virtual Cities and Territories. Hershey: Information Science Reference. Informes AGUIRRE SALA, J. F. 2012. La participación ciudadana y las redes sociales. XIII Certamen de Ensayo Político. México. Disponible en: https://www.ceenl.mx/educacion/certamen_ensayo/XIIICDEP_MH_Laparticipacion.pdf CASAS, J. a, REPULLO, J.R.a y DONADO, J.b 2003. La encuesta como técnica de investigación. Elaboración de cuestionarios y tratamiento estadístico de los datos. aDepartamento de Planificación y Economía de la Salud. Escuela Nacional de Sanidad. ISCIII. Madrid. bCentro Nacional de Epidemiología. ISCIII. Madrid. Disponible en: http://www.elsevier.es/es-revista-atencion-primaria-27-articulo-la-encuesta-como-tecnica-investigacion--13047738 EAGLE, N. y PENTLAND, A. 2005. Reality Mining: Sensing Complex Social Systems. MIT Media Laboratory. Cambridge. Disponible en: https://dam-prod.media.mit.edu/x/files/tech-reports/TR-588.pdf FRÍAS-MARTÍNEZ, V.a y FRÍAS-MARTÍNEZ, E.b:  2014 (a). Spectral Clustering for Sensing Urban Land Use Using Twitter Activity. aCollege of Information Studies, University of Maryland. College Park. bTelefónica Research. Madrid. Disponible en http://www.vanessafriasmartinez.org/uploads/EAAItwitter.205202742.pdf  2014 (b). Crowdsourcing Land Use Maps Via Twitter. aCollege of Information Studies, University of Maryland. College Park. bTelefónica Research. Madrid. Disponible en: http://www.vanessafriasmartinez.org/uploads/kdd-Frias-DSSG.pdf HOCHMAN, N.a y MANOVICH, L.b, y YAZDANI, M.c 2014. On Hyper-Locality: Performances of Place in Social Media. aHistory of Art and Architecture. University of Pittsburg. bDepartment of Computer Science. The Graduate Center, CUNY. cInstitute for

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Telecommunication and Information. California. Disponible en: http://manovich.net/content/04-projects/082-on-hyper-locality-performances-of-place-in-socialmedia/onhyperlocality.pdf INDACO, A.a y MANOVICH, L.b 2016. Social Media Inequality: Definition, Measurements and Application. aEconomics. The Graduate Center, CUNY. bComputer Science. The Graduate Center, CUNY. Disponible en: http://manovich.net/content/04-projects/093social-media-inequality/social-media-inequality.pdf MANOVICH, L.:  2002. Data visualization as new abstraction and anti-sublime. Berlín. Disponible en: http://manovich.net/index.php/projects/data-visualisation-as-new-abstraction-and-antisublime  2011. From reading to pattern recognition. Disponible en: http://manovich.net/index.php/projects/article-2011 MOLINA, L. C. 2002. Data mining. Torturando los datos hasta que confiesen. Universitat Oberta de Catalunya. Barcelona. Disponible en: http://www.uoc.edu/web/esp/art/uoc/molina1102/molina1102.html OLVERA, A. J. 2007. Notas sobre la participación ciudadana desde la óptica de las Organizaciones de la Sociedad Civil. Instituto de Investigaciones Histórico-Sociales. México. Disponible en: http://controlatugobierno.com/archivos/bibliografia/olvera1.pdf PURCELL, B. 2012. The emergence of “big data” technology and analytics. Holy Family University. Pennsylvania. Disponible en: http://www.aabri.com/manuscripts/121219.pdf RODRÍGUEZ, J.A.a y TORRES, J.b 2010. Redes geosociales. aEptisa Tecnologías de la Información. Mairena del Aljarafe. bDiputación Provincial. Jaén. Disponible en: http://www.age-geografia.es/tig/2010_Sevilla/ponencia4/RODRIGUEZ_MELLADO.pdf SAE-TANG, A.a, FRÍAS-MARTÍNEZ, V.b, y FRÍAS-MARTÍNEZ, E.c 2014. To Call, Or to Tweet? Understanding 3-1-1 Citizen Complaint Behaviours. aÉcole Polytechnique Fédérale de Lausanne. Suiza. bCollege of Information Studies. Maryland. cTelefónica Research. Madrid. Disponible en: http://www.vanessafriasmartinez.org/uploads/socialcomFinal.pdf SOTO, V., FRÍAS-MARTÍNEZ, V. y E. y HOHWALD, H. 2012. Characterizing Urban Landscapes Using Geolocated Tweets. Telefónica Research. Madrid. Disponible en: http://www.vanessafriasmartinez.org/uploads/socialcom2012Final.pdf VIEIRA, M. a, FRÍAS-MARTÍNEZ, V.b y E.b y OLIVER, N.b 2010. Characterizing Dense Urban Areas from Mobile Phone-Call Data: Discovery and Social Dynamics. aDepartment of Computer Science, University of Carolina. Riverside. bData Mining and User Modeling Group, Telefónica Research. Madrid. Disponible en: http://www.vanessafriasmartinez.org/uploads/socialcom2010.pdf YAZDANI, M.a, y MANOVICH, L.b 2015. Predicting Social Trends from Non-Photographic Images on Twitter. aInstitute for Telecommunication and Information Technology. University of California. bComputer Science. The Graduate Center, CUNY. Disponible en: http://manovich.net/content/04-projects/089-predicting-socialtrends/ieee_big_data_internet_images_final.pdf

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

Blogs y artículos de periódicos en línea ABADI, Daniel (2010) “Machine vs. Human generated data”, DBMS Musings, 30 de diciembre. Disponible en: http://dbmsmusings.blogspot.com.es/2010/12/machine-vs-human-generated-data.html [Consultado 05-06-2017] AMBRIZ RIVAS, Alexander (2013) “Almacenamiento de datos estructurados con Big Data”, Developer Works, 30 de septiembre. Disponible en: https://www.ibm.com/developerworks/ssa/library/bd-almacenamiento-datos/ [Consultado 05-06-2017] AZNAR, Ramiro (2017) “Nuevas herramientas para un nuevo urbanismo”, Paisaje transversal, 10 de enero. Disponible en: http://www.paisajetransversal.org/2017/01/nuevas-herramientas-para-un-nuevo-urbanismo-ramiro-aznar-carto.html [Consultado 05-06-2017] BELVER, Marta (2017) “El Gobierno de Carmena califica de “éxito rotundo” la participación de 212.108 personas en su consulta”, El Mundo, 27 de febrero. Disponible en: http://www.elmundo.es/madrid/2017/02/27/58b3dceca4741a8238b45b6.html [Consultado 05-06-2017] CABALLERO BARUQUE, Fernando (2015) “El gran debate del Edificio España”, eldiario.es, 16 de septiembre. Disponible en: http://www.eldiario.es/zonacritica/gran-debate-Edificio-Espana_6_429817019.html [Consultado 05-06-2017] CASADO, Diego (2017) “Así es Welcome Mother Nature, el proyecto ganador para la nueva Plaza de España”, Somos Malasaña, 27 de febrero. Disponible en: http://www.somosmalasana.com/asi-es-welcome-mother-nature-el-proyecto-ganador-para-la-nuevaplaza-de-espana/ [Consultado 05-06-2017] COSTANTINI, Luca (2017) “Baraka compra a Wanda el Edificio España y lo vende al grupo Riu el mismo día”, El País, 1 de junio. Disponible en: http://ccaa.elpais.com/ccaa/2017/06/01/madrid/1496314209_776528.html [Consultado 05-06-2017] EUROPA PRESS (2017) “El proyecto ganador para la reforma de la Plaza de España ha sido diseñado por los autores de Madrid Río”, El Mundo, 1 de marzo. Disponible en: http://www.elmundo.es/madrid/2017/03/01/58b7097be5fdeaa1748b45bd.html [Consultado 05-06-2017] FLORES VIVAR, Jesús Miguel (2015) “Periodismo hiperlocal. Sinergia de dos entornos”, Cuadernos de periodistas, 18 de marzo. Disponible en: http://www.cuadernosdeperiodistas.com/periodismo-hiperlocal-sinergia-de-dos-entornos/ [Consultado 05-06-2017] HINCHLIFFE, Emma (2016) “Instagram is killing photo maps”, Mashable, 6 de septiembre. Disponible en: http://mashable.com/2016/09/06/instagram-kills-photo-maps/#0Mszn1h IMSq5 [Consultado 05-06-2017] HOWELL, Elizabeth (2017) “How many stars are in the universe?”, Space.com, 17 de mayo. Disponible en: http://www.space.com/26078-how-many-stars-are-there.html [Consultado 05-06-2017] MONASH, Curt (2010) “Examples and definition of machine generated data”, DBMS 2, 30 de diciembre. Disponible en: http://www.dbms2.com/2010/12/30/examples-and-definition-of-machine-generated-data/ [Consultado 05-06-2017] PRESS, Gil (2016) “IoT mid-year update from IDC and other research firms”, Forbes, 5 de agosto. Disponible en https://www.forbes.com/sites/gilpress/2016/08/05/iot-mid-yearupdate-from-idc-and-other-research-firms/#23a605a955c5 [Consultado 05-06-2017]

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

SKAU, Drew (2013) “Is data visualization art?”, Scribble Live, 21 de enero. Disponible en: http://www.scribblelive.com/blog/2013/01/21/is-data-visualization-art/ [Consultado 05 -06-2017] SUTA, Christine (2016) “Los beneficios del Big Data aplicados a redes sociales”, Merca20, 14 de junio. Disponible en: https://www.merca20.com/los-beneficios-del-big-data-aplicados-a-redes-sociales/ [Consultado 05-06-2017] TURRO, Pedro (2017) “Las redes sociales como espacio de participación ciudadana”, Comunidad IEBS, 17 de marzo. Disponible en: http://comunidad.iebschool.com/iebs/redessociales/participacion-ciudadana-en-redes-sociales/ [Consultado 05-06-2017] VALE, Steven (2013) “Classification of types of Big Data”, Unece, 27 de junio. Disponible en: http://www1.unece.org/stat/platform/display/bigdata/Classification+of+Types+of+Big +Data [Consultado 05-06-2017] VAN DEN BERG, Eva (2015) “¿Qué es eso del ‘big data’?”, Buena vida, 31 de marzo. Disponible en: http://elpais.com/elpais/2015/03/26/buenavida/1427382655_646798.html [Consultado 05-06-2017] VIDAL GIL, Juan. (2014) “Big Data: gestión de datos no estructurados”, Dataprix, 27 de mayo. Disponible en: http://www.dataprix.com/blog-it/big-data/big-data-gestion-datos-no-estructurados [Consultado 05-06-2017] Informes de organizaciones y páginas web Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado (2012) Multimedia y web 2.0. Disponible en: http://www.ite.educacion.es/formacion/materiales/155/cd/modulo_1_Iniciacionblog/concepto_de_web_20.html [Consultado 05-062017] Europol (2017) Geosocial networking – what you need to know. Public awareness and prevention. Disponible en: https://www.europol.europa.eu/activities-services/public-awareness-and-prevention-guides/geosocial-networking-%E2%80%93-what-you-need-toknow [Consultado 05-06-2017] Imágenes 1. Frías-Martínez, V.a y E.b 2014 (a). Spectral Clustering for Sensing Urban Land Use Using Twitter Activity. aCollege of Information Studies, University of Maryland. College Park. b Telefónica Research. Madrid. Disponible en http://www.vanessafriasmartinez.org/uploads/EAAI-twitter.205202742.pdf 2. Valero, Eduardo (2014) “La Plaza de España en 1914”, Historia Urbana de Madrid, 28 de marzo. Disponible en: https://historia-urbana-madrid.blogspot.com.es/2014/03/la-plaza-deespana-en-1914.html [Consultado 05-06-2017] 3. Blasco, José Antonio (2014) “La plaza de España de Madrid: Pasado, presente y ¿futuro? De un espacio en búsqueda de su identidad (1. El pasado)”, Urban Networks, 13 de septiembre. Disponible en: http://urban-networks.blogspot.com.es/2014/09/la-plaza-de-espana-de-madrid-pasado.html [Consultado 05-06-2017] 4. Welcome Mother Nature… Good bye Mr. Ford! (2016). Disponible en: https://decide.madrid.es/docs/ plaza/30_memoria_welcome_mother_nature.pdf [Consultado 05-06-2017]

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

ANEXO I RASPADOR DE TWITTER import requests import json import datetime from abc import ABCMeta from abc import abstractmethod from urllib import parse from bs4 import BeautifulSoup from time import sleep from concurrent.futures import ThreadPoolExecutor import logging as log class TwitterSearch(metaclass=ABCMeta): def __init__(self, rate_delay, error_delay=5): self.rate_delay = rate_delay self.error_delay = error_delay def search(self, query): self.perform_search(query) def perform_search(self, query): url = self.construct_url(query) continue_search = True min_tweet = None response = self.execute_search(url) while response is not None and continue_search and response['items_html'] is not None: tweets = self.parse_tweets(response['items_html']) if len(tweets) == 0: break if min_tweet is None: min_tweet = tweets[0] i

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

continue_search = self.save_tweets(tweets) max_tweet = tweets[-1] if min_tweet['tweet_id'] is not max_tweet['tweet_id']: if "min_position" in response.keys(): max_position = response['min_position'] else: max_position = "TWEET-%s-%s" % (max_tweet['tweet_id'], min_tweet['tweet_id']) url = self.construct_url(query, max_position=max_position) sleep(self.rate_delay) response = self.execute_search(url) def execute_search(self, url): try: headers = { 'user-agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.' '86 Safari/537.36' } req = requests.get(url, headers=headers) data = json.loads(req.text) return data except Exception as e: log.error(e) log.error("Sleeping for %i" % self.error_delay) sleep(self.error_delay) return self.execute_search(url) @staticmethod def parse_tweets(items_html): soup = BeautifulSoup(items_html, "html.parser") tweets = [] for li in soup.find_all("li", class_='js-stream-item'):

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

if 'data-item-id' not in li.attrs: continue tweet = { 'tweet_id': li['data-item-id'], 'text': None, 'user_id': None, 'user_screen_name': None, 'user_name': None, 'created_at': None, 'time': None, 'retweets': 0, 'favorites': 0 } text_p = li.find("p", class_="tweet-text") if text_p is not None: tweet['text'] = text_p.get_text() user_details_div = li.find("div", class_="tweet") if user_details_div is not None: tweet['user_id'] = user_details_div['data-user-id'] tweet['user_screen_name'] = user_details_div['data-screen-name'] tweet['user_name'] = user_details_div['data-name'] date_span = li.find("span", class_="_timestamp") if date_span is not None: tweet['created_at'] = float(date_span['data-time-ms']) date_span = li.find("a", class_="tweet-timestamp") if date_span is not None: tweet['time'] = date_span['title'] retweet_span = li.select("span.ProfileTweet-action--retweet > span.ProfileTweet-actionCount") if retweet_span is not None and len(retweet_span) > 0: tweet['retweets'] = int(retweet_span[0]['data-tweet-stat-count']) iii

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

favorite_span = li.select("span.ProfileTweet-action--favorite > span.ProfileTweet-actionCount") if favorite_span is not None and len(retweet_span) > 0: tweet['favorites'] = int(favorite_span[0]['data-tweet-stat-count']) tweets.append(tweet) print(json.dumps(tweet)) return tweets @staticmethod def construct_url(query, max_position=None): params = { 'f': 'tweets', 'q': query } if max_position is not None: params['max_position'] = max_position url_tupple = ('https', 'twitter.com', '/i/search/timeline', '', parse.urlencode(params), '') return parse.urlunparse(url_tupple) @abstractmethod def save_tweets(self, tweets): class TwitterSearchImpl(TwitterSearch): def __init__(self, rate_delay, error_delay, max_tweets): super(TwitterSearchImpl, self).__init__(rate_delay, error_delay) self.max_tweets = max_tweets self.counter = 0 def save_tweets(self, tweets): for tweet in tweets: iv

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

self.counter += 1 if tweet['created_at'] is not None: t = datetime.datetime.fromtimestamp((tweet['created_at']/1000)) fmt = "%Y-%m-%d %H:%M:%S" log.info("%i [%s] - %s" % (self.counter, t.strftime(fmt), tweet['text'])) if self.max_tweets is not None and self.counter >= self.max_tweets: return False return True if __name__ == '__main__': log.basicConfig(level=log.INFO) search_query = " " rate_delay_seconds = 0 error_delay_seconds = 5 twit = TwitterSearchImpl(rate_delay_seconds, error_delay_seconds, None) twit.search(search_query)

La participación ciudadana desde las redes sociales: Plaza de España

ANEXO II GRÁFICOS GENERADOS CON CORTEXT MANAGER

Villalba Marín, Iván

La participación ciudadana desde las redes sociales: Plaza de España

vii

Villalba Marín, Iván

La participación ciudadana desde las redes sociales: Plaza de España

viii

Villalba Marín, Iván

La participación ciudadana desde las redes sociales: Plaza de España

ANEXO III GRÁFICOS GENERADOS CON IMAGEJ

Villalba Marín, Iván

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

La participación ciudadana desde las redes sociales: Plaza de España

Villalba Marín, Iván

La participación ciudadana desde las redes sociales: Plaza de España

xii

Villalba Marín, Iván

La participación ciudadana desde las redes sociales: Plaza de España

xiii

Villalba Marín, Iván

La participación ciudadana desde las redes sociales: Plaza de España

xiv

Villalba Marín, Iván