Las redes sociales se utilizan ampliamente para dar forma a las discusiones políticas. Por lo tanto, es valioso que las empresas y los partidos políticos puedan analizar el contenido de esas discusiones. Esto se ejemplifica con el trabajo de Cambridge Analytica, en apoyo a la campaña presidencial de Donald Trump en 2016. Uno de los indicadores más directos es el sentimiento de un mensaje, ya sea considerado como positivo o negativo. Hay muchas herramientas comerciales y/o de código cerrado disponibles que hacen posible analizar datos de redes sociales, incluido el análisis de sentimientos (SA). Sin embargo, hasta donde sabemos, no se han desarrollado muchas herramientas públicamente disponibles que permitan analizar datos de redes sociales y ayudar a los investigadores de todo el mundo a ingresar rápidamente a este campo de estudio en expansión. En este documento, proporcionamos una descripción detallada de la implementación de una herramienta que se puede utilizar para realizar análisis de sentimientos en tweets. En un esfuerzo por resaltar la necesidad de herramientas abiertas y monitoreo adicional en la Twittersfera, proponemos un modelo de implementación basado exclusivamente en software de código abierto disponible públicamente. La herramienta resultante es capaz de descargar Tweets en tiempo real basados en hashtags o nombres de cuentas y almacena el sentimiento de las respuestas a tweets específicos. Por lo tanto, es capaz de medir la reacción promedio a un tweet por parte de una persona o un hashtag, lo cual puede representarse con gráficos. Finalmente, probamos nuestra herramienta de código abierto dentro de un estudio de caso basado en un conjunto de datos de cuentas de Twitter y hashtags que se refieren a la guerra siria, cubriendo una ventana de tiempo corta de una semana en la primavera de 2018. Los resultados muestran que si bien no se puede lograr una alta precisión con herramientas comerciales u otras herramientas complicadas, nuestra herramienta de código abierto propuesta hace posible obtener una buena visión general de las respuestas totales a tweets específicos, así como una percepción práctica de tweets relacionados con hashtags específicos, identificándolos como positivos o negativos.