CyberbullyingObserver: Herramienta para la detección del ciberacoso en redes sociales utilizando técnicas Big Data.

En la actualidad, se cuenta con grandes volúmenes de datos provenientes de fuentes muy diversas debido al desarrollo de las nuevas tecnologías. Dichos datos han adquirido una gran importancia, por la cantidad de información que generan en los medios sociales, cambiando significativamente la naturaleza de la sociedad. A su vez, se ha despertado un gran interés el uso de la analítica web en tiempo real, puesto que la cantidad de datos almacenados en los medios sociales adquieren un elevado valor para poder conocer diversos patrones de actuación y conducta del usuario. Al no estar alojados en una base de datos concreta, considerándose la información no estructurada. Del mismo modo, el análisis en tiempo real de datos puede proporcionar información sobre estadísticas del impacto que tienen los usuarios hacia un tema determinado o estadísticas del número de usuarios que se interesan por un tema. Toda esa información contenida en las APIs de los medios sociales puede ayudar a detectar comportamientos inapropiados hacia otros usuarios, rendimiento del sistema, toma de decisiones, etc. Pero debido al tamaño de las APIs y que los datos son almacenados en tiempo real, ocurre que los sistemas tradicionales de análisis de datos no son efectivos. Por ello, una solución a esta problemática puede ser el uso de un entorno Big Data. En este Trabajo Fin de Grado (TFG), se llevará a cabo un estudio y análisis en profundidad de la API de una red social, Twitter, centrándonos en los comportamientos inadecuados de los usuarios, llevando a producirse el ciberacoso. Finalmente, se estudiarán mecanismos para evaluar la información recogida de la API de Twitter, además de desarrollar una aplicación web para mostrar las evaluaciones llevadas a cabo mediante el uso de tecnologías Big Data, la cual, permite trabajar con el gran volumen de información contenida en la API y obtener datos estadísticos sobre la misma