Un grupo de investigadores ha propuesto un enfoque innovador para comprender la dinámica social de COVID-19 a través del análisis semántico diacrónico de tweets relacionados con vacunas y síntomas. Aprovechando métodos de incrustación dinámica de palabras no supervisadas, el estudio captura la evolución semántica de entidades relacionadas a lo largo de diferentes etapas de la pandemia, desde el inicio de COVID-19 hasta la introducción de variantes como Delta y Ómicron.

Las palabras clave en redes sociales han cambiado de significado con el tiempo debido a eventos sociales y al interés público. Durante la pandemia, términos como “Moderna” se transformaron desde referirse únicamente a una empresa biotecnológica a estar asociados con una vacuna específica contra el COVID-19. Detectar estos cambios evita errores en los modelos de análisis semántico, especialmente en estudios longitudinales que abarcan meses o años.

El método desarrollado se basa en estadísticas de co-ocurrencia de palabras y actualizaciones dinámicas que permiten detectar patrones de evolución semántica en un extenso conjunto de datos de Twitter sobre COVID-19. Este análisis revela cómo evoluciona el discurso sobre vacunas y síntomas, correlacionándolo con estadísticas reales de la pandemia.~

El estudio pone de manifiesto que el discurso social en plataformas digitales, como lo es Twitter, evoluciona en respuesta al contexto pandémico, exigiendo técnicas de análisis que contemplen la evolución semántica. En sus conclusiones, los investigadores proponen que estas herramientas podrían ampliarse para estudios futuros que aborden otras crises o fenómenos sociales emergentes, ofreciendo un valioso paradigma para integrar la lingüística computacional en la investigación social y médica a gran escala.