Feelings towards COVID-19 Vaccination: Colombian Panorama on Twitter

Abstract

This document intends to analyze the sentiments underlying COVID-19 vaccination tweets. To achieve the objective, 38,034 publications from this social network are extracted through data mining, applying Machine Lear-ning techniques, specifically sentiment analysis and network analysis, to identify the feelings expressed by Twitter users. We also identify the most relevant Twitter accounts on vaccination issues. The results suggest that fe-elings about vaccines are primarily negative; fear and anger, respectively, are the most recurring emotions in Twitter opinions. Moreover, we noted that the most relevant accounts belong to the media, politicians, and influen-cers, classified according to their feelings toward the vaccine. Opposition to the government with feelings of anger and opposition to recognized me-dia with joyful emotions stand out.

El propósito de este documento consiste en analizar los sentimientos subyacentes en publicaciones de Twitter sobre la vacunación contra la covid-19. Para cumplir el objetivo, se extraen, mediante minería de datos, 38.034 publicaciones de esta red social y se aplican técnicas de Machine Learning, en concreto, análisis de sentimientos y análisis de redes, para identificar los sentimientos que expresan los usuarios de esta red social hacia la vacunación por covid-19. También se identifican las cuentas más importantes de Twitter en temas de vacunación. Los resultados sugieren que, en su mayoría, los sentimientos hacia las vacunas son negativos. El miedo y la ira, respectivamente, son las emociones más recurrentes en las opiniones de Twitter. Por otra parte, se identifica que las cuentas más relevantes pertenecen a medios de comunicación, políticos e influenciadores, los cuales se clasifican de acuerdo con los principales sentimientos respecto de la vacuna. Destaca la oposición al gobierno, con sentimientos de ira, y a medios de comunicación reconocidos, con emociones asociadas a la alegría.