Big data y universidadesAnálisis de movilidad de los estudiantes universitarios a partir de datos de twitter

  1. Osorio Arjona, Joaquín 1
  2. García Palomares, Juan Carlos 1
  1. 1 Universidad Complutense de Madrid
    info

    Universidad Complutense de Madrid

    Madrid, España

    ROR 02p0gd045

Revista:
Geofocus: Revista Internacional de Ciencia y Tecnología de la Información Geográfica

ISSN: 1578-5157

Año de publicación: 2019

Número: 24

Tipo: Artículo

DOI: 10.21138/GF.648 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Geofocus: Revista Internacional de Ciencia y Tecnología de la Información Geográfica

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.

Referencias bibliográficas

  • 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.
Fuente de los datos: Dialnet