Análisis de reseñas o análisis de comentarios en redes sociales.

Abstract

Este Trabajo de Fin de Grado analiza de forma exploratoria si la crítica profesional de Rotten Tomatoes representa la opinión del público general y si la diferencia entre Top Critics y críticos regulares tiene alguna relevancia para el espectador. El trabajo parte de que métricas de Rotten Tomatoes como el Tomatometer resumen en un único porcentaje las opiniones de grupos con criterios de análisis muy distintos. El análisis combina tres fuentes de datos: Rotten Tomatoes, IMDb y Box Office Mojo, y se centra en las cinco películas de la saga de Star Wars con mayor número de reseñas en el dataset de Rotten Tomatoes. Para llevar a cabo el análisis se aplican dos técnicas de text mining: el análisis de sentimiento con VADER para medir el tono emocional de las reseñas, y el topic modeling con LDA para identificar los temas sobre los que escribe cada grupo. Los resultados sugieren que la diferencia entre Top Critics/ No Top Critics no predice qué grupo se acerca más a la opinión de la audiencia. La brecha principal es entre cualquier tipo de crítico y la audiencia general, y se concentra en los temas con mayor peso emocional para los espectadores como los personajes clásicos o la narrativa. El Tomatometer no refleja esa diferencia en los temas ni la polarización dentro de la propia audiencia. Los No Top Critics ocupan además una posición intermedia interesante, donde escriben sobre los mismos temas que los Top Critics pero valoran de forma más aproximada a la audiencia.

This dissertation explores whether professional critics on Rotten Tomatoes represent the opinion of the general public, and whether the difference between Top Critics and regular critics is relevant for the average viewer. The starting point is that metrics from Rotten Tomatoes such as the Tomatometer summarize in a single percentage the opinions of groups with very different evaluation criteria. The analysis combines data from three different sources: Rotten Tomatoes, IMDb and Box Office Mojo, and focuses on the five most reviewed Star Wars films in the Rotten Tomatoes dataset. Two text mining techniques are applied: sentiment analysis with VADER to measure the emotional tone of the reviews, and topic modeling with LDA to identify the themes each group writes about. The results suggest that the Top Critic/ No Top Critic distinction does not predict which group is closer to the audience’s opinion. The main gap appears between any type of critic and the general public, concentrated on the topics with the greatest emotional weight for viewers, such as the classic characters or the narrative, where critics and audiences tend to evaluate in opposite directions. The Tomatometer does not reflect the difference in themes or the polarization within the audience itself. The No Top Critics occupy an interesting intermediate position, where they write about the same topics as the Top Critics but evaluate films in a way that is closer to the audience.