Big Data y universidades: análisis de movilidad de los estudiantes universitarios a partir de datos de Twitter

Joaquín Osorio-Arjona, Juan Carlos García-Palomares

Resumen


Este trabajo investiga la movilidad universitaria en el Área Metropolitana de Madrid a partir de datos geolocalizados de Twitter, aprovechando su alto uso por la población joven. A partir de la identificación de usuarios, sus campus y lugares de residencia, se estiman áreas de influencia de las distintas universidades, y se combinan los datos obtenidos con otras fuentes como ficheros de tiempos de viaje o datos de nivel de renta para analizar la influencia del modo de transporte, el tipo de universidad, o el lugar de residencia en la movilidad universitaria. Mediante la elaboración de un modelo gravitacional de Huff se comparan los resultados obtenidos en Twitter. Los resultados muestran que los estudiantes tienden a residir cerca del campus al que asisten, la importancia de la proximidad a las redes de transporte, y la tendencia de los estudiantes de universidades privadas a residir en las zonas con mayor nivel de renta.

Palabras clave


Twitter; movilidad; universidades; transportes; modelo gravitacional

Texto completo:

PDF

Referencias


Ahas, R., Silm, S., Järv, O., Saluveer, E., & Tiru, M. (2010): “Using mobile positioning data to model locations meaningful to users of mobile phones”, Journal of Urban Technology, 17(1), pp. 3–27.

Davison, L., Ahern, A., & Hine, J. (2015): “Travel, transport and energy implications of university-related student travel: A case study approach”, Transportation Research Part D: Transport and Environment, 38, pp. 27-40.

Delclòs-Alió, X., & Miralles-Guasch, C. (2017): “Suburban travellers pressed for time: Exploring the temporal implications of metropolitan commuting in Barcelona”, Journal of Transport Geography, 65, pp. 165-174.

Delmelle, E. M., & Delmelle, E. C. (2012): “Exploring spatio-temporal commuting patterns in a university environment”, Transport Policy, 21, pp. 1–9.

Huang, Q., & Wong, D. W. S. (2016): “Activity patterns, socioeconomic status and urban spatial structure: what can social media data tell us?”, International Journal of Geographical Information Science, 30(9), pp. 1873–1898.

Miralles-Guasch, C., & Domene, E. (2010): “Sustainable transport challenges in a suburban university: The case of the Autonomous University of Barcelona”, Transport Policy, 17(6), pp. 454-463.

Miralles-Guasch, C., Martínez Melo, M., & Marquet Sarda, O. (2014): “On user perception of private transport in Barcelona Metropolitan area: An experience in an academic suburban space”, Journal of Transport Geography, 36, pp. 24-31.

Moravec Giormenti, B., López Dentone, F., Bossio, D., Filgueira, E. M., Gurrera, W., Piccirillo, J. M. … Caprelli, C. (2018): “La movilidad de los estudiantes de la Facultad Regional Avellaneda de la Universidad Tecnológica Nacional”, Avellaneda, Universidad Tecnológica Nacional.

Osorio Arjona, J., & García-Palomares, J. C. (2017): “Nuevas fuentes y retos para el estudio de la movilidad urbana”, Cuadernos Geográficos, 56(3), pp. 247–267.

Rodrigue, J.P., Comtois, C., & Slack, B. (2016): “The geography of transport systems: City Logistics”, Nueva York, Routledge.

Shannon, T., Giles-Corti, B., Pikora, T., Bulsara, M., Shilton, T., & Bull, F. (2006): “Active commuting in a university setting: Assessing commuting habits and potential for modal change”, Transport Policy, 13(3), pp. 240–253.

Soria-Lara, J. A., Marquet, O., & Miralles-Guasch, C. (2017): “The influence of location, socioeconomics, and behaviour on travel-demand by car in metropolitan university campuses”, Transportation Research Part D: Transport and Environment, 53, pp. 149-160.

Soria-Lara, J. A., Miralles-Guasch, C., & Marquet, O. (2017): “The influence of lifestyle and built environment factors on transport CO2 emissions: The case study of Autonomous University of Barcelona”, ACE: Architecture, City and Environment, 12(34), pp. 11-28.

Vij, A., & Shankari, K. (2015): “When is big data big enough? Implications of using GPS-based surveys for travel demand analysis”, Transportation Research Part C: Emerging Technologies, 56, pp. 446-462.

Volosin, S. E., Paul, S., Pendyala, R. M., Livshits, V., & Maneva, P. (2013): “Activity-Travel characteristics of a large university population”, Urban Transportation Data and Information Systems, 7, pp. 1–19.

Wang, X., Khattak, A., Son, S., & Agnello, P. (2012): “What can be learned from analysing university student travel demand?”, Transportation Research Record: Journal of the Transportation Research Board, 2322, pp. 129–137.

Whalen, K. E., Páez, A., & Carrasco, J. A. (2013): “Mode choice of university students commuting to school and the role of active travel”, Journal of Transport Geography, 31, pp. 132–142.

Zhou, J. (2014): “From better understandings to proactive actions: Housing location and commuting mode choices among university students”, Transport Policy, 33, pp. 166–175.




DOI: http://dx.doi.org/10.21138/GF.648

Licencia Creative Commons

Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional.


GeoFocus es la revista del Grupo de Tecnologías de la Información Geográfica de la Asociación de Geógrafos Españoles. Recibe soporte institucional y técnico de RedIRIS (Red Española de I+D soportada por el Gobierno de España), de la FECYT (Fundación Española para la Ciencia y la Tecnología) y Grumets (Grupo de Investigación Métodos y Aplicaciones en Teledetección y Sistemas de Información Geográfica).