Aspectos Clave:

• Observación Participante o No Participante: El investigador puede interactuar con los usuarios o simplemente observar sus dinámicas.

• Largo Plazo: Implica un seguimiento prolongado de la comunidad digital.

• Contexto Digital: La cultura digital tiene sus propias normas, lenguaje, símbolos y dinámicas que deben ser comprendidas.

Profundización:

• Identidad Digital: Cómo las personas construyen su identidad en línea (nombres de usuario, avatares, biografías).

• Territorio Virtual: Cómo se delimitan los espacios simbólicos y funcionales dentro de una plataforma.

• Tiempo Virtual: Ritmos y temporalidades distintas (hilos, comentarios, publicaciones efímeras).

Ventajas:

• Permite estudiar comunidades globales sin necesidad de desplazarse.

• Se pueden registrar interacciones textuales y audiovisuales automáticamente.

Limitaciones:

• Falta de señales no verbales.

• Dificultad para verificar identidades.

• Posibles barreras éticas si no hay consentimiento explícito.

Diferencias con la Etnografía Virtual:

• La netnografía está enfocada al marketing, estudios de consumo y comportamiento de marca.

• Utiliza una metodología más sistemática, basada en protocolos como:

  • Entrar en la comunidad

  • Recolectar datos

  • Análisis y codificación de contenido

  • Salidas éticas

Profundización:

• Tipos de comunidades digitales: de intereses, de marca, de soporte, de estilo de vida, entre otras.

• Textos naturales: Recolección de publicaciones sin intervención (no encuestas).

• Autenticidad del discurso: Captura lenguaje espontáneo del usuario.

Ventajas:

• Acceso a datos genuinos no mediados.

• Bajo costo comparado con métodos tradicionales.

Limitaciones:

• Dificultad de interpretar emociones si no hay elementos audiovisuales.

• Posible sesgo en comunidades moderadas o censuradas.

Aspectos Técnicos:

• Métricas clave:

  • Grado de centralidad (influencia de un nodo).

  • Densidad (nivel de conexión entre nodos).

  • Puentes (nodos que conectan comunidades).

Profundización:

• Software de análisis: Gephi, NodeXL, Netlytic, UCINET, entre otros.

• Análisis visual: Mapas de redes (sociogramas).

• Tópicos de análisis: Viralidad de hashtags, flujos de información, detección de líderes de opinión.

Limitaciones:

• Requiere habilidades técnicas para su análisis.

• Las plataformas cambian constantemente sus APIs y políticas de acceso a datos.

Tipos:

• Cualitativo: Se enfoca en los significados, contexto, emociones y simbolismos.

• Cuantitativo: Cuenta la frecuencia de palabras, menciones, hashtags, etc.

  
  

Profundización:

• Codificación: Asignación de etiquetas a categorías o temas.

• Nube de palabras: Representación visual de términos más usados.

• Análisis semántico o de sentimiento: Evaluación de tono positivo, negativo o neutro.

  
  

Ventajas:

• Aplicable a diversos tipos de medios digitales.

• Revela percepciones del público con profundidad o volumen.

  
  

Limitaciones:

• Puede ser subjetivo si no está bien codificado.

• Dependencia del contexto cultural para interpretar significados.

Las 5 Vs del Big Data:

• Volumen

• Velocidad

• Variedad

• Veracidad

• Valor

  
  

Profundización:

• Técnicas: Machine learning, minería de datos, procesamiento de lenguaje natural (NLP), inteligencia artificial.

• Herramientas: Hadoop, Spark, Python, R, Tableau, Power BI, etc.

• Fuentes: Datos de navegación web, GPS, redes sociales, sensores, wearables, etc.

Ventajas:

• Capacidad de encontrar correlaciones y patrones ocultos.

• Automatización de decisiones en tiempo real (por ejemplo, motores de recomendación).

  
  

Limitaciones:

• Requiere infraestructura tecnológica avanzada.

• Problemas éticos y de privacidad si no se anonimiza correctamente.

Características:

• Datos que generan los usuarios sobre sí mismos (datos cualitativos, personalizados).

• Utilizados en personalización de experiencias, UX, microtargeting y mejora de producto.

  
  

Profundización:

• Tiny habits y microinteracciones del usuario: clics, preferencias, feedback puntual.

• Uso en apps y wearables: Monitoreo de salud, actividad, emociones, etc.

• Modelo centrado en el usuario.

Ventajas:

• Altamente personalizado y relevante.

• Útil para prototipado y pruebas rápidas (mínimo producto viable).

Limitaciones:

• No generalizable.

• Riesgo de sesgo si se toma como representativo de una población.