The emergence of digital social networks has transformed society, social groups, and institutions in terms of the communication and expression of their opinions. Determining how language variations allow the detection of communities, together with the relevance of specific vocabulary (proposed by the National Council of Accreditation of Colombia (Consejo Nacional de Acreditación - CNA) to determine the quality evaluation parameters for universities in Colombia) in digital assemblages could lead to a better understanding of their dynamics and social foundations, thus resulting in better communication policies and intervention where necessary. The approach presented in this paper intends to determine what are the semantic spaces (sociolinguistic features) shared by social groups in digital social networks. It includes five layers based on Design Science Research, which are integrated with Natural Language Processing techniques (NLP), Computational Linguistics (CL), and Artificial Intelligence (AI). The approach is validated through a case study wherein the semantic values of a series of “Twitter” institutional accounts belonging to Colombian Universities are analyzed in terms of the 12 quality factors established by CNA. In addition, the topics and the sociolect used by different actors in the university communities are also analyzed. The current approach allows determining the sociolinguistic features of social groups in digital social networks. Its application allows detecting the words or concepts to which each actor of a social group (university) gives more importance in terms of vocabulary.

数字社交网络的出现改变了社会，社会团体和机构的沟通和意见表达方式。确定语言变化如何允许发现社区以及特定词汇的相关性（由哥伦比亚国家认证委员会（Consejo Nacional deAcreditación-CNA提出），以确定数字大学中的大学的质量评估参数）有助于更好地了解他们的动态和社会基础，从而在必要时制定更好的沟通政策和干预措施。本文提出的方法旨在确定什么是数字社会网络中社会群体共享的语义空间（社会语言特征）。它包括基于设计科学研究的五层，这些层与自然语言处理技术（NLP），计算语言学（CL）和人工智能（AI）集成在一起。通过案例研究验证了该方法，其中根据CNA建立的12个质量因子分析了属于哥伦比亚大学的一系列“ Twitter”机构账户的语义值。此外，还分析了大学社区中不同参与者所使用的主题和社会意识。当前的方法允许确定数字社交网络中社交群体的社会语言特征。它的应用程序可以检测社会团体（大学）的每个参与者在词汇方面给予更多重视的单词或概念。它们与自然语言处理技术（NLP），计算语言学（CL）和人工智能（AI）集成在一起。通过案例研究验证了该方法，其中根据CNA建立的12个质量因子分析了属于哥伦比亚大学的一系列“ Twitter”机构账户的语义值。此外，还分析了大学社区中不同参与者所使用的主题和社会意识。当前的方法允许确定数字社交网络中社交群体的社会语言特征。它的应用程序可以检测社会团体（大学）的每个参与者在词汇方面给予更多重视的单词或概念。它们与自然语言处理技术（NLP），计算语言学（CL）和人工智能（AI）集成在一起。通过案例研究验证了该方法，其中根据CNA建立的12个质量因子分析了属于哥伦比亚大学的一系列“ Twitter”机构账户的语义值。此外，还分析了大学社区中不同参与者所使用的主题和社会意识。当前的方法允许确定数字社交网络中社交群体的社会语言特征。它的应用程序可以检测社会团体（大学）的每个参与者在词汇方面给予更多重视的单词或概念。通过案例研究验证了该方法，其中根据CNA建立的12个质量因子分析了属于哥伦比亚大学的一系列“ Twitter”机构账户的语义值。此外，还分析了大学社区中不同参与者所使用的主题和社会意识。当前的方法允许确定数字社交网络中社交群体的社会语言特征。它的应用程序可以检测社会团体（大学）的每个参与者在词汇方面给予更多重视的单词或概念。通过案例研究验证了该方法，其中根据CNA建立的12个质量因子分析了属于哥伦比亚大学的一系列“ Twitter”机构账户的语义值。此外，还分析了大学社区中不同参与者所使用的主题和社会意识。当前的方法允许确定数字社交网络中社交群体的社会语言特征。它的应用程序可以检测社会团体（大学）的每个参与者在词汇方面给予更多重视的单词或概念。还分析了大学社区中不同参与者所使用的主题和社会知识。当前的方法允许确定数字社交网络中社交群体的社会语言特征。它的应用程序可以检测社会团体（大学）的每个参与者在词汇方面给予更多重视的单词或概念。还分析了大学社区中不同参与者所使用的主题和社会知识。当前的方法允许确定数字社交网络中社交群体的社会语言特征。它的应用程序可以检测社会团体（大学）的每个参与者在词汇方面给予更多重视的单词或概念。