Implementations of data mining and natural language processing on news portals publications

an exploratory approach to hypothesis generation in semiotic interpretation

Authors

  • Francisco Alomar Universidad Nacional de Rosario. Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Tecnicatura Universitaria en Inteligencia Artificial; Argentina.
  • Natalia Raimondo Anselmino Universidad Nacional de Rosario. Conicet y Centro de Investigaciones en Mediatizaciones; Argentina.
  • Dolores Sollberger Universidad Nacional de Rosario, Argentina. Facultad de Ciencias Económicas y Estadística; Argentina.
  • Irene Lis Gindín Universidad Nacional de Rosario. Conicet y Centro de Investigaciones en Mediatizaciones; Argentina.

DOI:

https://doi.org/10.35305/an.vi6.45

Keywords:

semiodata, data mining, natural language processing, news portals, discursive genres

Abstract

This article presents preliminary results from an empirical, exploratory approach to a set of news articles published on six Argentine general-interest news portals, together with the comments posted there by reader–users through Facebook. The material presented here forms part of a broader research project on the platformization of discourses about the public/ common, focused on a case of “narcoterrorism” in the city of Rosario (Argentina) during 2024, conducted by a multidisciplinary research team. The findings reported here derive from the application of data mining and natural language processing (NLP) algorithms, including the vectorization of texts through embeddings, dimensionality reduction, and the identification of algorithmic groupings projected into graphical representations. These procedures—implemented within a methodological strategy that combines approaches under the framework referred to as semiodata—are understood to operate as triggers for abductive inferences that generate working hypotheses. The analytical path proposed here makes it possible to outline an alternative entry point for the sociosemiotic analysis of mediatized discourses and to apply a specific level of observation which, taken together, proves fruitful for distinguishing boundaries at the level of discursive genres through the visualization of geometric distances. In this sense, algorithmic implementations may be potentially useful for identifying certain invariant disparities linked to enunciative properties of a generic order—at least with regard to the distinction between primary and secondary genres—whereas other differences (such as those related to the variety of journalistic genres) do not appear to have been captured computationally.

Downloads

Download data is not yet available.

References

Aliseda, A. (1998) La abducción como cambio epistémico: C. S. Peirce y las teorías epistémicas en inteligencia artificial. Analogía, 12, pp. 125-144.

Archenti, N. (2018) Estudio de caso/s. En Marradi, A., Archenti, N. y Piovani, J.I. Manual de metodología de las ciencias sociales. Buenos Aires: Siglo XXI.

Bajtín, M. (1998). El problema de los géneros discursivos. Estética de la creación verbal. Buenos Aires: Siglo XXI.

Bartolomé, M. y Ventura Barreiro, V. (2019) Narcotráfico en América del Sur más allá del bloque andino: los casos de Argentina y Brasil. Revista de Relaciones Internacionales, Estrategia y Seguridad, 14(1). Doi: https://doi.org/10.18359/ries.3760

Bellman, R. (2003). Dynamic Programming. Nueva York: Courier Dover Publications.

Bitonte, M.E. (2025) Medios, tipos y géneros discursivos en la sociedad posdigital. vigencia y proyecciones de la Teoría de los Discursos Sociales. En Cingolani, G. y Cossia, L. (eds.) Eliseo Verón, el desvío del sentido. Rosario: Editorial UNR.

Bovino, B. (2016) Aspectos socioculturales del narcotráfico: ayer Medellín, hoy Rosario. I+D Revista de Investigaciones, 8(2), pp. 46-53.

CELS (2018) La guerra interna: cómo la lucha contra las drogas está militarizando América Latina. Buenos Aires: Centro de Estudios Legales y Sociales, CELS.

Compagno, D. y Treleani, M. (2019) Introduction to Meaningful Data/Données signifiantes. Semiotica, Vol. 2019, nº 230, 1-17. https://doi.org/10.1515/sem-2018-0141

De Fontcuberta, M. (2011). La noticia. Pistas para percibir el mundo. Paidós.

Eco, U. (1992) Los límites de la interpretación. Buenos Aires: Lumen.

Fernández, J.L. (2021) Vidas mediáticas. Entre lo masivo y lo individual. Buenos Aires: La Crujía.

Fernández, J.L. (2023) Una mecánica metodológica para el análisis de las mediatizaciones. Buenos Aires: La Crujía.

Géron, A. (2023). Hands-On Machine Learning with Scikit-Learn, Keras, and

TensorFlow (3rd ed.). O’Reilly Media. Recuperado de:

https://www.clc.hcmus.edu.vn/wp-content/uploads/2017/11/Hands_On_Machine_Learning_with_Scikit_Learn_and_TensorFlow.pdf (27/02/2025)

Génova, G. (1996). Los tres modos de inferencia. Anuario Filosófico XXIX/3 del Grupo de Estudios Peirceanos, UNAV (pp. 1249-1263), Pamplona. Disponible en: http://www.unav.es/gep/AF/Genova.html

Gindin, I., Aráoz, V. y Raimondo Anselmino, N. (2026) Metodología de trabajo sobre un corpus. Recolección, procesamiento y descripción de posteos en Facebook e Instagram.

Iazzeta, M. y Gaiero, M. (2025) Narcotráfico y política. Gestión de la seguridad pública y violencia en Rosario, Argentina (2013-2015). URVIO. Revista Latinoamericana de Estudios de Seguridad, N.° 41, enero-abril. Doi. doi.org/10.17141/urvio.41.2025.6277

Jurafsky D. y Martin J.H. (2024). Speech and Language Processing: An Introduction to Natural Language Processing,Computational Linguistics, and Speech Recognition. University of Colorado at Boulder, EEUU. Recuperado de: https://web.stanford.edu/~jurafsky/slp3/ed3book.pdf

MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. Berkeley Symposium on Mathematical Statistics and Probability, Vol. 5(1), 281-297. https://projecteuclid.org/proceedings/berkeley-symposium-on-mathematical-statistics-and-probability/proceedings-of-the-fifth-berkeley-symposium-on-mathematical-statistics-and/Chapter/Some-methods-for-classification-and-analysis-of-multivariate-observations/bsmsp/1200512992

Manovich, L. (2012) El software toma el mando. Traducción de Software Takes Command por Everardo Reyes-García.

Mohammed J. Zaki, Wagner Meira (2020). Data Mining and Machine Learning: Fundamental Concepts and Algorithms. Jr. Cambridge University Press. 2do Edition. Recuperado de: https://pzs.dstu.dp.ua/DataMining/bibl/mohammed_j_zaki_wagner_meira_jr_data_mining_and_analysis_fun.pdf

Musante, M.C., Echecopar, C., Raimondo Anselmino, N. (2025) Matriz para análisis discursivo de intervenciones sobre asuntos públicos en Whatsapp. Animus, Revista Interamericana de Comunicação Midiática, 24(52) e024009, publicación continua. https://doi.org/10.5902/2175497793501

Narvaja de Arnoux, E. (2009) El análisis del discurso como campo interdisciplinario. En Análisis del discurso. Modos de abordar materiales de archivo. Buenos Aires: Santiago Arcos.

Niño, D. (2001). Peirce, abducción y práctica médica. Anuario filosófico XXXIV/1 del Grupo de Estudios Peirceanos, UNAV, Pamplona. Disponible en www.unav.es/gep/AF69/AF69Ninio.pdf

Nubiola, J. (2001) La abducción o lógica de la sorpresa. Razón y Palabra, Nº 21. Disponible en: http://www.razonypalabra.org.mx/anteriores/n21/21_jnubiola.html

Peirce, C.S. (1987) Obra Lógico-Semiótica. Madrid: Taurus.

Peirce, C.S. (2024 [1903]) Cómo teorizar (sobre la selección de hipótesis). En Claves semióticas. Compilación de Sara Barrena. Buenos Aires: Cactus.

Raimondo Anselmino, N., Cardoso, A. y Rostagno, J. (2018) Articulación artesanal-computacional para el estudio interdisciplinario de posteos en cuentas de Facebook. Relato de una experiencia asequible. Simposio Argentino sobre Tecnología y Sociedad, 47º JAIIO (Jornadas Argentinas de Informática), Buenos Aires, pág. 128-140. Disponible en: http://47jaiio.sadio.org.ar/sites/default/files/STS-12.pdf (06/04/2026).

Raimondo, F., Rostagno, L., & Cardoso, A. (2021). Aplicación de técnicas de clustering para el estudio sociosemiótico sobre géneros periodísticos en fanpages de Clarín y La Nación. Del prudente saber y el máximo posible de sabor, 23(14), 77-103. Recuperado de: https://pcient.uner.edu.ar/index.php/dps/article/view/1137/1294 (27/02/2025).

Raimondo Anselmino, N. (25 de julio de 2022). Semiodata: una estrategia combinada para el estudio de la producción de sentido en el estadio actual de la mediatización. Conferencia realizada en el marco del Seminario “Arqueologías de la mediatización. Tiempos, espacios y tecnologías del mundo actual”. https://www.youtube.com/watch?v=7rP8k6YpHvo

Raimondo Anselmino, N. y Gindin, I. (2025) Noticias relacionadas con narcoterrorismo en Rosario, Argentina (Marzo a Mayo de 2024) [conjunto de datos]. CONICET. https://ri.conicet.gov.ar/handle/11336/260282

Raimondo Anselmino, N., Gindin, I., Sartorio, A., Cellone, F., Aráoz, V. y Alomar, F. (2025) Herramientas y técnicas computarizadas al servicio de la construcción de corpus y datasets. Desafíos metodológicos del análisis de discursos mediatizados en plataformas con base en Internet. En Aguilera Ontiveros, A. (coord.) Nuevas fronteras en las ciencias sociales computacionales: Análisis del discurso, la opinión y la dinámica social. México: AMIDI.

Rončáková, T. (2017). Contemporary short-form genres in weekly print media. Informatologia, 50 (3-4), 151-161. https://hrcak.srce.hr/index.php?show=clanak&id_clanak_jezik=283242

Sal Paz, J. (2009) Comentario de lector: género discursivo estructurante de los “nuevos medios”. Actas del IV Coloquio Argentino de la IADA. Diálogo y diálogos. 1 al 3 de junio, La Plata.

Santaella, L. (1998) La evolución de los tres tipos de argumento: Abducción, inducción y deducción. Analogía Filosófica XII/1 del Grupo de Estudios Peirceanos, UNAV, Pamplona. Disponible en http://www.unav.es/gep/AN/Santaella.html

Sampó, C. (2017) Narcotráfico y trata de personas, una muestra de cómo el crimen organizado avanza en argentina. Revista de Relaciones Internacionales, Estrategia y Seguridad, 12(2). Doi: https://doi.org/10.18359/ries.2774

Steimberg, O. (1998) Proposiciones sobre el género. En Semiótica de los medios masivos. El pasaje a los medios de los géneros populares. Buenos Aires: Atuel.

Steimberg, O. (2000) Naturaleza y cultura en el ocaso (triunfal) del periodismo amarillo. CIC Cuadernos de Información y Comunicación, 5.

Verón, E. (1985). El análisis del “Contrato de Lectura”. Un nuevo método para los estudios de posicionamiento de los soportes de los media [Traducción al español de: L’analyse du «contrat de lecture»: une nouvelle méthode pourles études de positionnement des supports presse]. En Touati, E. Les Medias: Experiences, recherches actuelles, aplications. París: IREP.

Verón, E. (1998) La semiosis social. Fragmentos de una teoría de la discursividad. Buenos Aires: Gedisa.

Verón, E. (2004) Prensa gráfica y teoría de los discursos sociales: producción, recepción, regulación. En Fragmentos de un tejido. Buenos Aires: Gedisa.

van Dijck, J., Poell, T., y de Waal, M. (2018). The Platform Society. Public values in a connective world. Oxford University Press.

Yates, Caitlyn, "El crecimiento de narcotráfico en Rosario: violencia disciplinada y la resistencia social frente a este sistema / The Growth of Narcotrafficking in Rosario: Disciplined Violence and the Social Resistance to Resist this System" (2014). Independent Study Project (ISP) Collection. 2005. https://digitalcollections.sit.edu/isp_collection/2005

Zelcer, M. (2021) Devenires de lo fotográfico. Imágenes digitales en los dispositivos contemporáneos. Buenos Aires: Teseo.

Downloads

Published

2026-04-16

Issue

Section

Artículos

How to Cite

Implementations of data mining and natural language processing on news portals publications: an exploratory approach to hypothesis generation in semiotic interpretation. (2026). Aprendo con NooJ, 6. https://doi.org/10.35305/an.vi6.45

Similar Articles

1-10 of 31

You may also start an advanced similarity search for this article.