Autor: GÓMEZ SÁNCHEZ-SECO, Javier
Título: Estudio de la sostenibilidad ambiental a través de la teoría de redes complejas y datos de Twitter
Fecha: 2026
Materia: ---
Escuela: E.T.S. DE INGENIERÍA AGRONÓMICA, ALIMENTARIA Y DE BIOSISTEMAS
Departamento: INGENIERIA AGROFORESTAL
Acceso electrónico: https://oa.upm.es/94495/
Director/a(s):
- Director/a: MOURONTE LÓPEZ, Mary Luz
- Director/a: BENITO ZAFRILLA, Rosa María
Resumen: In recent decades, accelerated urban growth, environmental challenges, and the rise of digital social networks have shaped new scenarios in which environmental sustainability has become a concern. This thesis arises from the need to understand the social perception of sustainability in different territories. To this end, we will analyse urban mobility and interactions on Twitter to obtain information about these perceptions. To explore these phenomena, the tesis combines network theory methodologies, machine learning techniques, and sentiment analysis. The main objective of the thesis is to analyze the social perception of environmental sustainability and its relationship with urban mobility patterns, using as a case study the Community of Madrid and the global debates on sustainability Twitter (now called X). The specific objectives are: to identify patterns of sustainable mobility, to relate the socioeconomic and environmental attributes of the territories with social perception, and to build and characterize the user networks that discuss sustainability considering topological and dynamic aspects. In the field of urban mobility, the Community of Madrids mobility networks were built and analyzed using Origin-Destination matrices, which enabled the detection of key areas for citizens and predominant flows, as well as travel patterns. The results reveal an intense concentration of mobility in central regions, with significant implications for the design of sustainable transportation policies. With regard to opinions on Twitter, the results indicate that perceptions of environmental sustainability vary geographically and are influenced by both socioeconomic factors and online interactions. Through this data, differences were identified in the words used and the sentiments expressed between human users and bots; the latter were found to be more restrained in their opinions than in other, more politicized fields. Machine learning models were developed to classify user accounts, analyze keywords, and study sentiment, also detecting specific patterns during relevant events such as the reports of the Intergovernmental Panel on Climate Change (IPCC). The topological and dynamic analysis of interaction networks on Twitter enabled us to identify the presence of persistent communities over time, as well as variations in collective sentiment in response to external events. Theoretical and temporal prediction models were proposed to anticipate the evolution of these dynamics. The combined use of data analysis, network theory, sentiment analysis, and machine learning allowed for the obtaining of an accurate and contextualized view of the social perception of environmental sustainability. Territorial and socioeconomic factors influence public opinión and digital interactions. The study also highlights the importance of integrating urban mobility analysis into sustainability studies, as it enables the identification of critical points and the proposal of more efficient and environmentally friendly mobility strategies. The thesis thus contributes to interdisciplinary knowledge on environmental sustainability, digital social interaction, and urban mobility. RESUMEN En las últimas décadas, el crecimiento urbano acelerado, los desafíos ambientales y el auge de las redes sociales digitales han configurado nuevos escenarios en los que la sostenibilidad ambiental se convierte en una preocupación. Esta tesis surge de la necesidad de comprender la percepción social respecto a la sostenibilidad ambiental en distintos territorios, por lo que analizaremos la movilidad urbana y las interacciones en Twitter para obtener información de dicha percepción. La tesis combina metodologías de teoría de redes, técnicas de machine learning y análisis de sentimientos para explorar estos fenómenos. El objetivo general de la tesis es analizar la percepción social de la sostenibilidad ambiental y la relación de la sostenibilidad ambiental con los patrones de movilidad urbana, utilizando como caso de estudio la Comunidad de Madrid y los debates globales en Twitter (ahora denominada X) sobre dicha sostenibilidad. Los objetivos específicos son: identificar patrones de movilidad sostenible, relacionar los atributos socioeconómicos y medioambientales de los territorios con la percepción social, así como construir y caracterizar las redes de usuarios que debaten sobre sostenibilidad ambiental teniendo en cuenta aspectos topológicos y dinámicos. En el ámbito de la movilidad urbana, se construyeron y analizaron redes de movilidad de la Comunidad de Madrid a partir de matrices Origen-Destino, detectando zonas clave para el ciudadano y flujos predominantes, así como patrones en los desplazamientos. Los resultados muestran una fuerte concentración de la movilidad en áreas centrales, con implicaciones importantes para el diseño de políticas de transporte sostenible. Respecto a las opiniones en Twitter, los resultados muestran que la percepción sobre sostenibilidad ambiental varía geográficamente y se ve afectada tanto por factores socioeconómicos como por las interacciones en esta red social. A través de los datos, se identificaron diferencias en las palabras utilizadas y los sentimientos expresados entre usuarios humanos y bots, siendo en el caso de la sostenibilidad ambiental más comedidos en sus opiniones que en otros campos más politizados. Se elaboraron modelos de machine learning para clasificar cuentas de usuarios, analizar palabras clave y estudiar sentimientos, detectando además patrones específicos en fechas relevantes como la publicación de los informes del Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC). El análisis topológico y dinámico de las redes de interacción en Twitter permitió identificar la presencia de comunidades persistentes en el tiempo, así como variaciones en el sentimiento colectivo en función de eventos externos. Se propusieron modelos teóricos y de predicción temporal para anticipar la evolución de estas dinámicas. El uso combinado de análisis de datos, teoría de redes, examen de sentimientos y machine learning, permitió obtener una visión precisa y contextualizada de la percepción social sobre la sostenibilidad ambiental. Los factores territoriales y socioeconómicos influyen en la opinión pública y las interacciones digitales en Twitter. También se destaca la importancia de integrar análisis relativos a la movilidad urbana en estudios de sostenibilidad, que permiten identificar puntos críticos y proponer estrategias de movilidad más eficientes y respetuosas con el medio ambiente. La tesis contribuye así al conocimiento interdisciplinar sobre sostenibilidad ambiental, interacción social digital y movilidad urbana.