Generación de conjuntos de datos de Tweets de verificadoras acreditadas por la IFCN en Ecuador Generating Tweet Datasets from IFCN-accredited Fact-Checkers in Ecuador
Barra lateral del artículo
Contenido principal del artículo
Resumen
El presente artículo tiene como propósito crear conjuntos de datos mediante los procesos de recolección y extracción de tweets publicados por verificadores aprobados por la International Fact-Checking Network (IFCN) en Ecuador, con la finalidad de que estos sirvan como base en proyectos futuros relacionados al ámbito de la verificación de hechos. Para llevar a cabo esta investigación, se empleó Tweepy que es una biblioteca de Python, permite interactuar con la API de X de manera eficiente. Los resultados obtenidos muestran que Tweepy es una herramienta poderosa para la recopilación de grandes volúmenes de datos de X, y que los conjuntos de datos construidos a partir de estos tweets pueden ser utilizados para diversos propósitos, como el estudio de tendencias de la desinformación, identificación de las fuentes más comunes de información falsa, y valoración de la efectividad de las estrategias de verificación de hechos
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Alban, G. P. G., Arguello, A. E. V., & Molina, N. E. C. (2020). Metodologías de investigación educativa (descriptivas, experimentales, participativas, y de investigación-acción). RECIMUNDO, 4(3), 163–173. https://doi.org/10.26820/recimundo/4.(3).julio.2020.163-173
Cercado J. (2023). Recopilación y Extracción de Tweets Realizados por las Verificadoras Acreditadas en el Ecuador por la IFCN para la Generación de Conjunto de Datos usando Tweepy. https://ev.turnitin.com/app/carta/es/?s=1&u=1133714290&o=2146644106&lang=es
Edsson, J., & Ticona, B. (2025). DISEÑO METODOLÓGICO DE LA INVESTIGACIÓN CIENTÍFICA PARA POSGRADO IMPRESORES. https://ucbcba.academia.edu/JoseEdssonBarreroTicona
Instalación — documentación de tweepy 4.14.0. (n.d.). Retrieved January 24, 2026, from https://docs.tweepy.org/en/stable/install.html
Kauk, J., Kreysa, H., & Schweinberger, S. R. (2025). Large-scale analysis of fact-checked stories on Twitter reveals graded effects of ambiguity and falsehood on information reappearance. PNAS Nexus, 4(2). https://doi.org/10.1093/PNASNEXUS/PGAF028
Menoyo Ros, D., García López, E., & García Cabot, A. (2021). Fundamentos de la ciencia de datos.
METODOLOGÍA - Ecuador Verifica. (n.d.). Retrieved January 24, 2026, from https://ecuadorverifica.org/metodologia/
Moreno-Gil, V., & Salgado-De Dios, F. (2023). El cumplimiento del código de principios de la International Fact-Checking Network en las plataformas de verificación españolas. Un análisis cualitativo. Revista de Comunicación, 22(1), 293–307. https://doi.org/10.26441/RC22.1-2023-2971
Nuestra metodología - Ecuador Chequea. (n.d.). Retrieved January 24, 2026, from https://ecuadorchequea.com/metodologia-ecuador-chequea/
Sarasa Cabezuelo, A. (2016). Introducción a las bases de datos NoSQL usando MongoDB [Libro electrónico].
Sharifpoor, E., Okhovati, M., Ghazizadeh-Ahsaee, M., & Avaz Beigi, M. (2025). Classifying and fact-checking health-related information about COVID-19 on Twitter/X using machine learning and deep learning models. BMC Medical Informatics and Decision Making, 25(1). https://doi.org/10.1186/S12911-025-02895-Y
Subirats, L., Diego, M., Pérez, O., Mireia, T., & González, C. (n.d.). Introducción a la limpieza y análisis de los datos PID_00265704.
Számely, J., Galeazzi, A., Koltai, J., & Omodei, E. (2025). Easy-access online social media metrics are associated with misinformation sharing activity. Scientific Reports 2025 15:1, 15(1), 41288-. https://doi.org/10.1038/s41598-025-25049-6
Toapanta M., García M., & Ureña L. (2024). Vista de Uso de modelos en idioma español para la detección de noticias falsas y verificación de hechos en tuits de Ecuador Chequea y Ecuador Verifica. https://rte.espol.edu.ec/index.php/tecnologica/es/article/view/1219/817
Wei, S., Dong, H., Yao, W., Chen, Y., Wang, X., ji, W., Zhang, Y., & Guo, S. (2025). Machine learning models for predicting in-hospital mortality from acute pancreatitis in intensive care unit. BMC Medical Informatics and Decision Making, 25(1). https://doi.org/10.1186/S12911-025-03033-4
Tweepy. (2020). API. https://docs.tweepy.org/en/stable/api.html
X. (2023). Información sobre los diferentes tipos de Post. https://help.x.com/es/using-x/types-of-posts
X. (2023). Política de desarrolladores. https://developer.x.com/es/developer-terms/policy
X. (2023). Las reglas de X. https://help.x.com/es/rules-and-policies/x-rules
Verificat. (2021). ¿Qué es el fact-checking? https://www.verificat.cat/escola/articulo/que-es-el-fact-checking-cast
Toapanta, M. (2023). Investigaciones de tesis doctoral como estudiante de la Universidad de Jaén y cursante del doctorado en Tecnologías de Información y Comunicación.