dc.contributor.author | Assi, Fernanda Malheiros | |
dc.date.accessioned | 2023-09-04T12:12:36Z | |
dc.date.available | 2023-09-04T12:12:36Z | |
dc.date.issued | 2023-08-30 | |
dc.identifier.citation | ASSI, Fernanda Malheiros. Análise de emoções em tweets de resposta a posts do ex-presidente do Brasil Jair Messias Bolsonaro. 2023. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18488. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/18488 | |
dc.description.abstract | In recent decades, several computational advances have allowed more democratic access to the internet and, consequently, to social networks. The reach of digital politics is vast, and Twitter’s role in this scenario is undeniable. This platform became a significant political debate stage, where citizens, leaders, and institutions interact directly. In Brazil, this dynamic is especially relevant given the intense activity of former president Jair Messias Bolsonaro on the platform. However, manual analysis of such a large volume of data is impractical and error-prone. For such textual data to be transformed into information, it is necessary technologies to extract and process it. The NLP offers valuable tools for the automated analysis of large volumes of text. Among these tools, GoEmotions stands out, a machine learning model that can identify 27 categories of emotions in texts. Thus, this work used GoEmotions, adapted for Portuguese, to categorize the emotions in tweets in response to former president Jair Bolsonaro’s tweets to understand which emotions predominate in this context. The analysis of the results showed a substantial imbalance in
the presence of emotions in the corpus, with “anger” being the most predominant emotion. In addition, a varied performance of the model in the identification of emotions was verified, with greater precision in the identification of “anger”, but presenting challenges with complex emotions such as “admiration” and “curiosity”, especially in contexts of irony or sarcasm. These results point to the potential of NLP models in analyzing emotions in political tweets while also highlighting the need for continuous improvements to deal
with language nuances. | eng |
dc.description.sponsorship | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Processamento de linguagem natural | por |
dc.subject | Ciência política computacional | por |
dc.subject | Detecção de emoção | por |
dc.subject | Política brasileira | por |
dc.subject | Twitter | por |
dc.title | Análise de emoções em tweets de resposta a posts do ex-presidente do Brasil Jair Messias Bolsonaro | por |
dc.title.alternative | Analysis of emotions in tweets in response to posts by former president of Brazil Jair Messias Bolsonaro | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Caseli, Helena de Medeiros | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6608582057810385 | por |
dc.description.resumo | Nas últimas décadas, diversos avanços computacionais permitiram o acesso mais democrático à internet e, consequentemente, às redes sociais. O alcance da política digital é vasto e o papel do Twitter nesse cenário é inegável. Esta plataforma evoluiu para se tornar um grande palco para o debate político, onde cidadãos, líderes e instituições interagem diretamente. No Brasil, essa dinâmica é especialmente relevante dada a atividade intensa do ex-presidente Jair Messias Bolsonaro na plataforma. Entretanto, a análise manual de um volume tão grande de dados é impraticável e propensa a erros. Para que tais dados textuais possam ser transformados em informação, são necessárias tecnologias que consigam extrair e processar esses dados. O PLN oferece ferramentas valiosas para a análise automatizada de grandes volumes de texto. Dentre essas ferramentas, destaca-se o GoEmotions, um modelo de aprendizado de máquina que consegue identificar 27 categorias de emoções em textos. Desta forma, este trabalho utilizou o GoEmotions, adaptado para o português, para categorizar as emoções presentes em tweets de resposta aos tweets do ex-presidente Jair Bolsonaro, visando entender quais emoções predominam nesse contexto. A análise
dos resultados mostrou um desequilíbrio substancial na presença das emoções no córpus, sendo a “raiva” a emoção mais predominante. Além disso, foi constatada uma performance variada do modelo na identificação das emoções, com maior precisão na identificação de “raiva”, mas apresentando desafios com emoções complexas como “admiração” e “curiosidade”, especialmente em contextos de ironia ou sarcasmo. Esses resultados apontam para o potencial dos modelos de PLN na análise de emoções em tweets políticos, ao mesmo tempo que destacam a necessidade de melhorias contínuas para lidar com nuances da linguagem. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | por |
dc.description.sponsorshipId | Processo nº 2021/07067-7, Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | por |
dc.description.sponsorshipId | Processo nº 2022/02472-6, Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/6394842925871918 | por |
dc.identifier.url | https://github.com/LALIC-UFSCar/Analise-de-emocoes-em-tweets-na-politica-brasileira | por |
dc.publisher.course | Ciência da Computação - CC | por |
dc.contributor.authororcid | https://orcid.org/0000-0001-8820-964X | por |
dc.contributor.advisor1orcid | https://orcid.org/0000-0003-3996-8599 | por |