Recuperação e classificação de sentimentos de usuários do twitter em período eleitoral

Resumo

Introdução: A redes sociais tornaram-se um espaço importante para usuários expressarem seus sentimentos. Esses comentários são valiosos para governantes saberem o ponto de vista dos cidadãos sobre as suas propostas políticas e candidatos
 perceberem a reação dos eleitores a respeito da campanha eleitoral. Objetivos: Analisar os sentimentos expressos pelos usuários no Twitter, referentes aos candidatos que concorreram à presidência do Brasil no ano de 2018, e predizer o resultado das
 eleições com base nessas postagens. Metodologia: Os posts sobre os candidatos que disputaram o segundo turno das eleições foram o objeto de estudo. Usou-se o software Orange Canvas, uma ferramenta de aprendizado de máquina livre e de código aberto, para a coleta da amostra e para a extração das informações relevantes. A técnica de análise de opinião foi aplicada para classificação automática dos sentimentos em positivos, negativos e neutros. Para melhor análise e interpretação dos resultados,
 exibiram-se as palavras mais importantes dos comentários em nuvens de palavras e as emoções, em gráficos de distribuição de frequência. Resultados: Detectaram-se muitos sentimentos negativos nas postagens e a emoção de surpresa foi a que mais se
 destacou para ambos os concorrentes. Conclusões: O estudo mostrou que o Twitter é um local interessante para usuários expressarem seus sentimentos no período eleitoral. Porém, o trabalho não foi capaz de prever o resultado das eleições com base nas emoções. Acredita-se que isso se deve às altas taxas de rejeição dos eleitores quanto aos candidatos e a polarização que tem caracterizado a política brasileira nos últimos tempos.

Ficha do documento

Tipo

Artigo científico

Ano

2020

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Não informado

Identificador

oai:repositorio.fgv.br:10438/30099

Palavras-chave

Análise de redes sociaisClassificação automáticaRecuperação da informaçãoExtração da informaçãoMineração de textoMatemáticaRedes sociaisColheita de metadados