A lo largo de la pandemia, a nivel de redes sociales, se han propuesto múltiples métodos que supuestamente buscaban reducir el impacto del COVID-19 en las personas, siendo el consumo de dióxido de cloro uno de ellos a pesar de no tener evidencia científica que lo respalde. En este contexto, se llevará a cabo el presente estudio con el propósito de realizar un análisis de redes sociales de usuarios peruanos acerca del uso de dióxido de cloro como tratamiento de COVID-19. Se busca que en el futuro dicho análisis pueda servir para la vigilancia en salud pública. Se usará información públicamente disponible (Big Data) y se examinará a través de Google trends y social-searcher para analizar las tendencias de búsquedas; asimismo, se realizará sentiment analysis de las redes sociales (Facebook, Twitter, Instagram, Youtube. Tumblr, Reddit, Flickr, Dailymotion y Vimeo).

[ES] Recientemente, hay una fuerte y creciente influencia de aplicaciones en línea en nuestro día a día. Más concretamente las redes sociales se cuentan entre las plataformas en línea más usadas, que permiten a usuarios comunicarse e interactuar desde diferentes partes del mundo todos los días. Dado que estas interacciones conllevan diferentes riesgos, y además los adolescentes tienen características que los hacen más vulnerables a ciertos riesgos, es deseable que el sistema pueda guiar a los usuarios cuando se encuentren interactuando en línea, para intentar mitigar la probabilidad de que caigan en uno de estos riesgos. Esto conduce a una experiencia en línea más segura y satisfactoria para usuarios de este tipo de plataformas. El interés en aplicaciones de inteligencia artificial capaces de realizar análisis de sentimientos ha crecido recientemente. Los usos de la detección automática de sentimiento de usuarios en plataformas en línea son variados y útiles. Se pueden usar polaridades de sentimiento para realizar minería de opiniones en personas o productos, y así descubrir las inclinaciones y opiniones de usuarios acerca de ciertos productos (o ciertas características de ellos), para ayudar en campañas de marketing, y también opiniones acerca de personas como políticos, para descubrir la intención de voto en un periodo electoral, por ejemplo. En esta tesis, se presenta un Sistema Multi-Agente (SMA), el cual integra agentes que realizan diferentes análisis de sentimientos y de estrés usando texto y dinámicas de escritura (usando análisis unimodal y multimodal), y utiliza la respuesta de los analizadores para generar retroalimentación para los usuarios y potencialmente evitar que caigan en riesgos y difundan comentarios en plataformas sociales en línea que pudieran difundir polaridades de sentimiento negativas o niveles altos de estrés. El SMA implementa un análisis en paralelo de diferentes tipos de datos y generación de retroalimentación a través del uso de dos mecanismos diferentes. El primer mecanismo se trata de un agente que realiza generación de retroalimentación y guiado de usuarios basándose en un conjunto de reglas y la salida de los analizadores. El segundo mecanismo es un módulo de Razonamiento Basado en Casos (CBR) que usa no solo la salida de los analizadores en los mensajes del usuario interactuando para predecir si su interacción puede generar una futura repercusión negativa, sino también información de contexto de interacciones de usuarios como son los tópicos sobre los que hablan o información sobre predicciones previas en mensajes escritos por la gente que conforma la audiencia del usuario. Se han llevado a cabo experimentos con datos de una red social privada generada en laboratorio con gente real usando el sistema en tiempo real, y también con datos de Twitter.com para descubrir cuál es la eficacia de los diferentes analizadores implementados y del módulo CBR al detectar estados del usuario que se propagan más en la red social. Esto conlleva descubrir cuál de las técnicas puede prevenir mejor riesgos potenciales que los usuarios pueden sufrir cuando interactúan, y en qué casos. Se han encontrado diferencias estadísticamente significativas y la versión final del SMA incorpora los analizadores que mejores resultados obtuvieron, un agente asesor o guía basado en reglas y un módulo CBR. El trabajo de esta tesis pretende ayudar a futuros desarrolladores de sistemas inteligentes a crear sistemas que puedan detectar el estado de los usuarios interactuando en sitios en línea y prevenir riesgos que los usuarios pudiesen enfrentar. Esto propiciaría una experiencia de usuario más segura y satisfactoria. / [CA] Recentment, hi ha una forta i creixent influència d'aplicacions en línia en el nostre dia a dia, i concretament les xarxes socials es compten entre les plataformes en línia més utilitzades, que permeten a usuaris comunicar-se i interactuar des de diferents parts del món cada dia. Donat que aquestes interaccions comporten diferents riscos, i a més els adolescents tenen característiques que els fan més vulnerables a certs riscos, seria desitjable que el sistema poguera guiar als usuaris mentre es troben interactuant en línia, per així poder mitigar la probabilitat de caure en un d'aquests riscos. Açò comporta una experiència en línia més segura i satisfactòria per a usuaris d'aquest tipus de plataformes. L'interés en aplicacions d'intel·ligència artificial capaces de realitzar anàlisi de sentiments ha crescut recentment. Els usos de la detecció automàtica de sentiments en usuaris en plataformes en línia són variats i útils. Es poden utilitzar polaritats de sentiment per a realitzar mineria d'opinions en persones o productes, i així descobrir les inclinacions i opinions d'usuaris sobre certs productes (o certes característiques d'ells), per a ajudar en campanyes de màrqueting, i també opinions sobre persones com polítics, per a descobrir la intenció de vot en un període electoral, per exemple. En aquesta tesi, es presenta un Sistema Multi-Agent (SMA), que integra agents que implementen diferents anàlisis de sentiments i d'estrés utilitzant text i dinàmica d'escriptura (utilitzant anàlisi unimodal i multimodal), i utilitza la resposta dels analitzadors per a generar retroalimentació per als usuaris i potencialment evitar que caiguen en riscos i difonguen comentaris en plataformes socials en línia que pogueren difondre polaritats de sentiment negatives o nivells alts d'estrés. El SMA implementa una anàlisi en paral·lel de diferents tipus de dades i generació de retroalimentació a través de l'ús de dos mecanismes diferents. El primer mecanisme es tracta d'un agent que realitza generació de retroalimentació i guia d'usuaris basant-se en un conjunt de regles i l'eixida dels analitzadors. El segon mecanisme és un mòdul de Raonament Basat en Casos (CBR) que utilitza no solament l'eixida dels analitzadors en els missatges de l'usuari per a predir si la seua interacció pot generar una futura repercussió negativa, sinó també informació de context d'interaccions d'usuaris, com són els tòpics sobre els quals es parla o informació sobre prediccions prèvies en missatges escrits per la gent que forma part de l'audiència de l'usuari. S'han realitzat experiments amb dades d'una xarxa social privada generada al laboratori amb gent real utilitzant el sistema implementat en temps real, i també amb dades de Twitter.com per a descobrir quina és l'eficàcia dels diferents analitzadors implementats i del mòdul CBR en detectar estats de l'usuari que es propaguen més a la xarxa social. Açò comporta descobrir quina de les tècniques millor pot prevenir riscos potencials que els usuaris poden sofrir quan interactuen, i en quins casos. S'han trobat diferències estadísticament significatives i la versió final del SMA incorpora els analitzadors que millors resultats obtingueren, un agent assessor o guia basat en regles i un mòdul CBR. El treball d'aquesta tesi pretén ajudar a futurs dissenyadors de sistemes intel·ligents a crear sistemes que puguen detectar l'estat dels usuaris interactuant en llocs en línia i prevenir riscos que els usuaris poguessen enfrontar. Açò propiciaria una experiència d'usuari més segura i satisfactòria. / [EN] In the present days, there is a strong and growing influence of on-line applications in our daily lives, and concretely Social Network Sites (SNSs) are one of the most used on-line social platforms that allow users to communicate and interact from different parts of the world every day. Since this interaction poses several risks, and also teenagers have characteristics that make them more vulnerable to certain risks, it is desirable that the system could be able to guide users when interacting on-line, to try and mitigate the probability of incurring one of those risks. This would in the end lead to a more satisfactory and safe experience for the users of such on-line platforms. Recently, interest in artificial intelligence applications being able to perform sentiment analysis has risen. The uses of detecting the sentiment of users in on-line platforms or sites are variated and rewarding. Sentiment polarities can be used to perform opinion mining on people or products, and discover the inclinations and opinions of users on certain products (or certain features of them) to help marketing campaigns, and also on people such as politics, to discover the voting intention for example in electoral periods. In this thesis, a Multi-Agent System (MAS) is presented, which integrates agents that perform different sentiment and stress analyses using text and keystroke dynamics data (using both unimodal and multi-modal analysis). The MAS uses the output of the analyzers for generating feedback for users and potentially avoids them from incurring risks and spreading comments in on-line social platforms that could lead to the spread of negative sentiment or high-stress levels. Moreover, the MAS incorporates parallelized analyses of different data types and feedback generation via the use of two different mechanisms. On the one hand, a rule-based advisor agent has been implemented, that generates feedback or guiding for users based on the output of the analyzers and a set of rules. On the other hand, a Case-Based Reasoning (CBR) module that uses not only the output of the different analyzers on the messages of the user interacting, but also context information from user interactions such as the topics being talked about or information about the previous states detected on messages written by people in the audience of the user. Experiments with data from a private SNS generated in a laboratory with real people using the system in real-time, and also with data from Twitter.com have been performed to ascertain the efficacy of the different analyzers implemented and the CBR module on detecting states of the user that propagate more in the network, which leads to discovering which of the techniques is able to better prevent potential risks that users could face when interacting, and in which cases. Significant differences were found and the final version of the MAS incorporates the best-performing analyzer agents, a rule-based advisor agent, and a CBR module. In the end, this thesis aims to help intelligent systems developers to build systems that are able to detect the state of users interacting in on-line sites and prevent risks that they could face, leading to a more satisfactory and safe user experience. / This thesis was funded by the following research projects: Privacy in Social Educational Environments during Child-hood and Adolescence (PESEDIA), Ministerio de Economia y Empresa (TIN2014-55206-R) and Intelligent Agents for Privacy Advice in Social Networks (AI4PRI), Ministerio de Economia y Empresa (TIN2017-89156-R) / Aguado Sarrió, G. (2021). MAS-based affective state analysis for user guiding in on-line social environments [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/164902 / TESIS

Tesis por compendio / [ES] El uso de nuevas tecnologías y el número de usuarios de sistemas de enseñanza online universitaria se han extendido alrededor del mundo en las últimas décadas, mostrando un mayor incremento con la propagación de la pandemia Covid-19 desde 2020. Adicionalmente, la normativa ISO 9241-210:2019 establece los estándares internacionales de calidad para diseñar productos, servicios y sistemas de interacción persona-ordenador que cumplan con requisitos de usabilidad, accesibilidad y de experiencia de usuario (User eXperience - UX). Por tanto, el concepto de UX ha cobrado mucha importancia como requisito de calidad. Para diversos autores, la UX es un concepto multidimensional que incluye las motivaciones, sentimientos y necesidades de los usuarios finales. Por otra parte, el Objetivo de Desarrollo Sostenible (ODS) 4 de la Organización de las Naciones Unidas (ONU) para el 2030 persigue asegurar a nivel global una educación inclusiva, igualitaria, para todos y de calidad. En este sentido, con el fin de diseñar interfaces y experiencias de aprendizaje en entornos universitarios que respeten todas especificaciones de calidad se requiere evaluar previamente la UX de estos entornos de manera automática y precisa. Por tanto, el objetivo principal de esta tesis es identificar las características concretas más relevantes en la UX de entornos de e-learning universitarios que permitan analizar específica y automáticamente el sentimiento de los estudiantes con el fin de asentar las bases para diseñar plataformas de aprendizaje virtual centradas en los usuarios. Con esta finalidad, el estudio plantea analizar las necesidades y sentimientos de los estudiantes on-line universitarios con métodos digitales, avanzados y eficientes de inteligencia artificial. Por ello, el presente proyecto investiga la aplicación de modelos de aprendizaje automático de análisis de sentimiento para la evaluación UX. Estas técnicas de inteligencia artificial se han aplicado sobre las respuestas recibidas de entre los más de 2.000 estudiantes universitarios encuestados procedentes de estudios de posgrado online y de cursos en línea masivos y abiertos (MOOCs). Los resultados presentan las bases de un modelo que permite clasificar ontológicamente categorías o aspectos de la educación en línea universitaria y conocer la polaridad del sentimiento de los usuarios respecto a su experiencia e-learning de manera automática. De este modo, se han podido conocer las opiniones de los estudiantes de manera automatizada con respecto a categorías claves de la enseñanza digital. Además, los comentarios de los estudiantes se han clasificado en distintas dimensiones UX e-learning o UXEL (Conexiones Sociales, y Recursos y Herramientas de Aprendizaje). Así mismo, se ha identificado la polaridad del sentimiento para cada dimensión. En resumen, este trabajo ha generado importantes contribuciones a la comunidad científica. En primer lugar, una adaptación del cuestionario validado UEQ-S integrado y adaptado a tres plataformas de e-learning para cursos específicos de postgrado en la Universitat de València y en la Universidad Rey Juan Carlos; y para MOOCs en la Universitat Politècnica de València. En segundo lugar, esta tesis ha generado una aplicación innovadora de métodos de análisis de sentimiento y aprendizaje automático mediante el procesamiento del lenguaje natural para la evaluación de la experiencia de usuario de estudiantes universitarios online. Así, este método proporciona el análisis de las opiniones de los alumnos y las clasifica según su polaridad en positivas, negativas o neutras. Y en tercer lugar, este trabajo científico aporta una ontología propia de aspectos para la experiencia de aprendizaje virtual asociada a dimensiones UX con herramientas de análisis de sentimiento. Esta ontología clasifica la polaridad de las opiniones de los alumnos por categorías e-learning: VLE, Profesor, Alumno, Sonido, Imagen, Material, Ejercicio, Evaluación y y Comunicación. / [CA] L'ús de noves tecnologies i el nombre d'usuaris de sistemes d'ensenyament en línia universitària s'han estés al voltant del món en les últimes dècades, mostrant un major increment amb la propagació de la pandèmia COVID-19 des de 2020. Addicionalment, la normativa ISO 9241-210:2019 estableix els estàndards internacionals de qualitat per a dissenyar productes, serveis i sistemes d'interacció persona-ordenador que complisquen amb requisits d'usabilitat, accessibilitat i d'experiència d'usuari (User eXperience - UX). Per tant, el concepte de UX ha cobrat molta importància com a requisit de qualitat. Per a diversos autors, la UX és un concepte multidimensional que inclou les motivacions, sentiments i necessitats dels usuaris finals. D'altra banda, l'Objectiu de Desenvolupament Sostenible (ODS) 4 de l'Organització de les Nacions Unides (ONU) per al 2030 persegueix assegurar a nivell global una educació inclusiva, igualitària, per a tots i de qualitat. En aquest sentit, amb la finalitat de dissenyar interfícies i experiències d'aprenentatge en entorns universitaris que respecten totes especificacions de qualitat es requereix avaluar prèviament la UX d'aquests entorns de manera automàtica i precisa. Per tant, l'objectiu principal d'aquesta tesi és identificar les característiques concretes més rellevants en l'experiència d'usuari d'entorns d'e-learning universitaris que permeten analitzar específica i automàticament el sentiment dels estudiants amb la finalitat d'assentar les bases per a dissenyar plataformes d'aprenentatge virtual centrades en els usuaris. Amb aquesta finalitat, l'estudi planteja analitzar les necessitats i sentiments dels estudiants en línia universitaris amb mètodes digitals, avançats i eficients d'intel·ligència artificial. Per això, el present projecte investiga l'aplicació de models d'aprenentatge automàtic d'anàlisi de sentiment per a l'avaluació de la UX. Aquestes tècniques d'intel·ligència artificial s'han aplicat sobre les respostes rebudes d'entre els més de 2.000 estudiants universitaris enquestats procedents d'estudis de postgrau en línia i de cursos massius en línia en obert (MOOCs). Els resultats presenten les bases d'un model que permet classificar ontològicament categories o aspectes de l'educació en línia universitària i conéixer la polaritat del sentiment dels usuaris respecte a la seua experiència e-learning automàticament. D'aquesta manera, s'han pogut conéixer les opinions dels estudiants de manera automatitzada respecte a categories claus de l'ensenyament digital. A més, s'han classificat els comentaris dels estudiants en diferents dimensions UX e-learning o UXEL. D'aquesta manera, s'han identificat la polaritat del sentiment per a cada dimensió. En resum, aquest treball ha generat importants contribucions a la comunitat científica. En primer lloc, una adaptació del qüestionari validat UEQ-S integrat i adaptat a tres plataformes d'e-learning per a cursos específics de postgrau a la Universitat de València i en la Universidad Rey Juan Carlos; i per a MOOCs a la Universitat Politècnica de València. En segon lloc, aquesta tesi ha generat una aplicació innovadora de mètodes d'anàlisis de sentiment i aprenentatge automàtic mitjançant el processament del llenguatge natural per a l'avaluació de l'experiència d'usuari d'estudiants universitaris en línia. Així, aquest mètode proporciona l'anàlisi de les opinions dels alumnes i les classifica segons la seua polaritat en positives, negatives o neutres. I en tercer lloc, aquest treball científic aporta una ontologia pròpia d'aspectes per a l'experiència d'aprenentatge virtual associada a dimensions UX. Aquesta ontologia utilitzada amb eines d'anàlisis de sentiment, permet classificar la polaritat de les opinions dels alumnes per categories clau de l'e-learning (VLE, Professor, Alumne, So, Imatge, Material, Exercici, Avaluació i Comunicació) i agrupar els comentaris en tres dimensions UXEL (VLE, Connexions Socials, i Recursos i Eines d'Aprenentatge). / [EN] The use of new technologies and the number of users of university online learning systems have spread around the world in the last decades, showing a further increase with the spread of the Covid-19 pandemic since 2020. Additionally, ISO 9241-210:2019 sets international quality standards for designing human-computer interaction products, services, and systems that meet usability, accessibility, and User eXperience (UX) requirements. Therefore, the concept of UX has become very important as a quality requirement. For several authors, UX is a multidimensional concept that includes the motivations, feelings, and needs of end users. On the other hand, the United Nations' (UN) Sustainable Development Goal (SDG) 4 for 2030 aims to ensure inclusive, equitable, quality education for all globally. In this sense, in order to design interfaces and learning experiences in university environments that respect all quality specifications, it is necessary to evaluate the user experience of these environments automatically and accurately beforehand. Thus, the main objective of this thesis is to identify the most relevant specific characteristics in the user experience of university e-learning environments that allow specific and automatic analysis of the students' feelings in order to lay the foundations for the design of user-centered e-learning platforms. To this end, the study proposes to analyse the needs and feelings of online university students with digital, advanced, and efficient artificial intelligence methods. Therefore, this project investigates the application of machine learning models of sentiment analysis for the evaluation of user experience. These artificial intelligence techniques have been applied to the responses received from more than 2,000 university students surveyed from postgraduate online studies and massive open online courses (MOOCs). The results present the basis of a model that allows ontologically classifying categories or aspects of university online education and knowing the users' polarity of feeling about their e-learning experience in an automatic way. In this way, it has been possible to find out the students' opinions in an automated way with regard to key categories of digital teaching. In addition, student comments have been classified into several UX e-learning or UXEL dimensions. Also, it has been identified the polarity of sentiment for each dimension. To sum up, this work has generated four major contributions to the scientific community. Firstly, an adaptation of the validated questionnaire UEQ-S integrated and adapted to three e-learning platforms for specific postgraduate courses at the Universitat de València and at the Universidad Rey Juan Carlos; and for MOOCs at the Universitat Politècnica de València. Secondly, this thesis has generated an innovative application of sentiment analysis and machine learning methods through natural language processing for the evaluation of the user experience of university online students. Therefore, this method provides the analysis of learners opinions and classifies them according to their polarity in positive, negative or neutral. And thirdly, this scientific work brings out a proprietary ontology of aspects for the virtual learning experience associated with UX dimensions. This ontology used with sentiment analysis tools, allows classifying the polarity of student opinions (positive, neutral, negative) by key categories of e-learning (VLE, Teacher, Student, Sound, Image, Material, Exercise, Evaluation and Communication) and group the comments in three dimensions UX e-learning or UXEL (VLE, Social Connections, and Learning Resources and Tools). Finally, these contributions will help to evaluate in an automatic and accurate way several university e-learning environments in order to design user-centered virtual learning experiences more personalised and inclusive for all which suit quality standards and meet UN SDG 4 for 2030. / Sanchis Font, R. (2023). User eXperience evaluation on university virtual learning through sentiment analysis [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/194059 / Compendio