Análisis de redes

# Cargamos paquetes sugeridos
library(tm)
library(igraph)
library(data.table)

# Y el paquete con los datos
library(labinstrumentos)

# Descargamos la ultima versión de los datos
lab_instrumentos <- obtener_datos()[region == 1]

# Variables de interés
vars <- c("clean_problema", "clean_causa", "clean_consecuencia", "clean_soluciones")

# Eliminamos el término macrozona-austral por se muy influyente
lab_instrumentos[j = (vars) := lapply(.SD, gsub, pattern = "macrozona-austral", replacement = ""), 
                 .SDcols = vars]

# Eliminamos el término anid por se muy influyente
lab_instrumentos[j = (vars) := lapply(.SD, gsub, pattern = "anid", replacement = ""), 
                 .SDcols = vars]

Problemas

red_problemas <- crear_redes_de_palabras(
  x = lab_instrumentos$clean_problema
)

Gráfico de redes circular

grafico_red_circular(red = red_problemas)

Score de Hubs

grafico_red_hubs(red = red_problemas)

Detección de comunidades

Algorítmo ‘Spinglass’

red_comunidades_spinglass(red = red_problemas)

Causas

red_causas <- crear_redes_de_palabras(
  x = lab_instrumentos$clean_causa
)

Gráfico de redes circular

grafico_red_circular(red = red_causas, vertex.cex = 1L)

Score de Hubs

grafico_red_hubs(red = red_causas)

Detección de comunidades

Algorítmo ‘Spinglass’

red_comunidades_spinglass(red = red_causas)

Consecuencias

red_consecuencias <- crear_redes_de_palabras(
  x = lab_instrumentos$clean_consecuencia
)

Gráfico de redes circular

grafico_red_circular(red = red_consecuencias, vertex.cex = 1L)

Score de Hubs

grafico_red_hubs(red = red_consecuencias)

Detección de comunidades

Algorítmo ‘Spinglass’

red_comunidades_spinglass(red = red_consecuencias)

Soluciones

red_soluciones <- crear_redes_de_palabras(
  x = lab_instrumentos$clean_soluciones
)

Gráfico de redes circular

grafico_red_circular(red = red_soluciones, vertex.cex = 1L)

Score de Hubs

grafico_red_hubs(red = red_soluciones)

Detección de comunidades

Algorítmo Fast-Greedy

red_comunidades_greedy(red = red_soluciones)