Hacki
Hackathons
Competencia Argentina Space

Competencia Argentina Space

Finalized

Hackathon Argentina Space 2026

Submissions are closedBrowse BUIDLs
All BUIDLs

Competencia Argentina Space · BUIDL

Qualydata-BigData-EmilianoFlores

Detecta narrativas, su postura y origen, y cuentas coordinadas en 150.000 comentarios con un solo comando, en CPU y sin LLM pago.

About the project

Qué hace

Un pipeline de un solo comando (make final) que responde cuatro preguntas sobre miles de comentarios de redes sociales en español rioplatense: qué narrativas circulan, desde cuándo, quién está a favor o en contra y quién las empuja de forma coordinada. Genera los 4 archivos de entrega y un tablero HTML que se abre sin internet.

Cómo funciona

  • Narrativas y ruido: embeddings multilingües locales (e5-small), agrupamiento en dos etapas y el grafo de respuestas para unir redacciones distintas de una misma afirmación. El ruido se detecta por texto antes de agrupar.
  • Postura: las reglas del desafío como estructura (las respuestas cortas heredan la postura, las que contradicen la invierten) y una bipartición del grafo de respuestas en cada narrativa.
  • Origen: el primer momento de actividad sostenida, no el comentario más viejo, para que un error de agrupamiento no lo arrastre.
  • Coordinación: pares de cuentas que comentan el mismo post con minutos de diferencia, comparados contra un modelo nulo por permutación que conserva la actividad y el horario de cada cuenta, más poda por triángulos y un filtro de cohesión de grupo.

Resultados

  • Set de práctica: 51,9 de 55 en el puntaje automático (agrupamiento 0,98 · ruido 0,985 · origen 0,99 · coordinación F1 0,98 · postura 0,65).
  • Set de control (recorte de práctica con otra composición): 47,6 de 55. Ningún parámetro se eligió mirando el set final.
  • Set final: 13 narrativas, 3 emergentes y 5 grupos coordinados (92 cuentas).

Costo y escala

  • 150.000 comentarios en 6,5 minutos, en una notebook sin GPU, con USD 0 de LLM, 2,6 GB de RAM y 48 MB de almacenamiento (DuckDB + Parquet por día).
  • El costo se concentra en los embeddings, que se calculan una vez por texto único (27 % de los comentarios) y quedan en caché.
  • El LLM es opcional: una llamada por narrativa, con caché y corte automático si la API falla.

Reproducibilidad

Semillas fijas, dependencias con lockfile (uv) y validación de la salida. Clonando el repo desde cero y corriendo make instalar && make final, la entrega sale idéntica byte a byte. make test-sucio prueba el pipeline con datos rotos a propósito.

Límites

  • La postura es lo más débil: los bandos se separan bien, pero decidir cuál apoya falla en algunas narrativas.
  • Algunas campañas pueden quedar partidas en varios grupos. Probamos una regla general de fusión; no se pudo validar y quedó apagada.

-

Submitted by
Emiliano Flores
Team
2 people
Submitted
13 Nov, 12:45