Sobre el proyecto

NBA Hate Tracker es un proyecto de análisis de datos que mide qué jugadores de la NBA son discutidos de forma más negativa en r/NBA. Procesó 1,57 millones de comentarios de Reddit de la temporada 2024-25 y reporta a Draymond Green como el jugador más odiado por tasa de comentarios negativos (51,0% en 53.454 comentarios). Etapas de la canalización: descarga de 7,04 millones de comentarios sin procesar mediante la API Arctic Shift, limpieza a 6,89 millones, filtrado a 1,94 millones de comentarios que mencionan uno de 384 alias de 111 jugadores, clasificación de sentimiento de 1,89 millones de comentarios y atribución de 1,57 millones a un único jugador objetivo. La clasificación usa Claude Haiku 4.5 a través de la API Batch de Anthropic, etiquetando cada comentario como negativo, neutral o positivo con una puntuación de confianza y un jugador objetivo. El prompt tiene en cuenta jerga de la NBA como "washed" o "cooked" como negativa y "nasty" o "GOAT" como positiva. El procesamiento se ejecutó en 20 lotes de hasta 100K solicitudes, consumiendo 300,5 millones de tokens con un coste reportado de 254,20 dólares, con una tasa de clasificación utilizable del 97,25% y una precisión de aproximadamente el 96% frente a 500 comentarios etiquetados por humanos. Los hallazgos reportados incluyen: el volumen de discusión no equivale a negatividad (Luka Doncic lidera los comentarios negativos brutos pero ocupa una posición media en tasa); Russell Westbrook es descrito como el jugador más polarizante; los datos de flair de aficionados muestran rivalidades, como que los aficionados de Utah Jazz son los más negativos hacia Draymond Green; y solo 11 de 59 jugadores calificados muestran un sentimiento neto positivo. Limitaciones declaradas: precisión del clasificador en torno al 96% con sarcasmo e idiomas como casos límite; la negatividad del discurso no es idéntica a la hostilidad; todos los comentarios se ponderan por igual independientemente de la puntuación de Reddit; y los resultados cubren solo una temporada. Stack tecnológico: Python 3.11, Polars para el procesamiento de datos, API Batch de Anthropic para la clasificación, Arctic Shift como fuente de datos, Streamlit para el panel, Flourish para la animación de carrera de barras, uv como gestor de paquetes y configuración YAML para alias de jugadores y mapeos de equipos. El repositorio incluye módulos de canalización, scripts CLI, utilidades auxiliares, una aplicación Streamlit multipágina, pruebas de pytest y seis cuadernos exploratorios.