Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/43564
ORCID: | http://orcid.org/0009-0004-9509-7446 |
Tipo do documento: | Trabalho de Conclusão de Curso |
Tipo de acesso: | Acesso Aberto |
Título: | Mineração de Textos: Análise de sentimentos de tweets sobre o Projeto de Lei n° 2630/2020 |
Título(s) alternativo(s): | Text Mining: Sentiment analysis of tweets about Bill No. 2630/2020 |
Autor(es): | Corrêa, Christopher |
Primeiro orientador: | Couto, Leandro Nogueira |
Primeiro membro da banca: | Lopes, José Eduardo Ferreira |
Segundo membro da banca: | Santos, Fernanda Maria da Cunha |
Resumo: | A internet está inserida em diversos aspectos da vida humana, facilitando a comuni cação e a troca de informações. No âmbito político, as redes sociais são utilizadas para transmitir decisões e informações governamentais, aumentando o acesso dos indivíduos à política. Parlamentares e cidadãos recorrem a essas plataformas para expressar posições e influenciar questões sociais e políticas. No entanto, o uso inadequado das mídias sociais pode intensificar a polarização política e disseminar desinformação, ameaçando o regime democrático. Este trabalho tem como finalidade realizar a análise dos sentimentos expressos pelos usuários da rede social Twitter/X em relação o Projeto de Lei nº 2630/2020, de autoria do Senado Federal brasileiro. Para isso, dados provenientes dessa rede foram coletados e, então, as etapas da Análise de Sentimentos foram realizadas. Diferentes algoritmos de classificação de textos foram aplicados à base de dados, antes e após a etapa de pré processamento do texto. Após avaliar o desempenho dos classificadores, ficou evidente a melhora de performance quando aplicado o pré-processamento aos dados. Além disso, o SVM Linear foi o classificador que obteve a maior acurácia. A partir dos resultados, notou-se que eventos do cotidiano que envolvem a dissemi nação de notícias falsas nas redes sociais colaboram para o aumento de tweets sobre o Projeto de Lei 2630/2020, sendo estes, predominantemente, negativos. Ademais, foi pos sível perceber que parlamentares que estão a direita do eixo político apresentam maior engajamento nas redes sociais. |
Abstract: | The internet is embedded in various aspects of human life, facilitating communica tion and information exchange. In the political realm, social media platforms are used to disseminate governmental decisions and information, enhancing individuals’ access to politics. Both lawmakers and citizens turn to these platforms to express opinions and influence social and political issues. However, the misuse of social media can escalate political polarization and spread misinformation, posing a threat to democratic regime. This work aims to analyze the sentiments expressed by users on the Twitter/X so cial network regarding Brazilian Senate Bill No. 2630/2020. To achieve this, data from this network were collected, and Sentiment Analysis steps were performed. Multiple text classification algorithms were applied to the dataset, both before and after text preproces sing. The performance evaluation of classifiers revealed a significant improvement when text preprocessing was applied. Additionally, Linear SVM was chosen as the classifier algorithm with the highest accuracy. The results indicated that everyday events involving the dissemination of fake news on social media contribute to increased tweets about Bill 2630/2020, which were predo minantly negative. Furthermore, it was observed that right-leaning legislators exhibit greater engagement on social media. |
Palavras-chave: | Mineração de Dados Sentiment Analysis Análise de Sentimentos Data Mining Redes Sociais Text Classification Classificação de Textos Social Media |
Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
Idioma: | por |
País: | Brasil |
Editora: | Universidade Federal de Uberlândia |
Referência: | CORREA, Christopher Gabriel Fidelis de Oliveira. Mineração De textos: Análise de sentimentos de tweets sobre o Projeto de Lei N° 2630/2020. 2024. 61 f. Trabalho de Conclusão de Curso (Graduação em Gestão da Informação) – Universidade Federal de Uberlândia, Uberlândia, 2024. |
URI: | https://repositorio.ufu.br/handle/123456789/43564 |
Data de defesa: | 29-Abr-2024 |
Aparece nas coleções: | TCC - Gestão da Informação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
MineracaoTextosAnalise.pdf | 13.66 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons