Identificação de temas em postagens do Twitter brasileiro sobre a COVID-19
Visualizar/abrir
Data
2026Orientador
Nível acadêmico
Graduação
Resumo
Este trabalho aplica técnicas de mineração de texto para identificar os principais temas discutidos em postagens do Twitter brasileiro sobre a pandemia de COVID19, coletadas de janeiro a maio de 2020. Foram coletadas 71.419 postagens contendo os termos “Coronavírus” e “Brasil”, das quais 54611 foram retidas após filtragem por idioma e remoção de duplicatas. Os dados foram divididos em três períodos de tempo com aproximadamente o mesmo número de postagens. Para cada período, foram extraídos os s ...
Este trabalho aplica técnicas de mineração de texto para identificar os principais temas discutidos em postagens do Twitter brasileiro sobre a pandemia de COVID19, coletadas de janeiro a maio de 2020. Foram coletadas 71.419 postagens contendo os termos “Coronavírus” e “Brasil”, das quais 54611 foram retidas após filtragem por idioma e remoção de duplicatas. Os dados foram divididos em três períodos de tempo com aproximadamente o mesmo número de postagens. Para cada período, foram extraídos os substantivos de cada postagem, ponderados pelo esquema TF-IDF em cada um dos três períodos, e agrupados pelo algoritmo K-means com k = 20. Os resultados indicam uma progressão clara no discurso público ao longo do período analisado. O primeiro período é marcado por um vocabulário de chegada e caracterização do fenômeno. O segundo período, pela consolidação das medidas de isolamento e os primeiros registros de óbitos. E o terceiro, pela crescente politização do debate e pelo número de mortes como tema dominante. Os resultados são consistentes com os de trabalhos anteriores que aplicaram metodologia semelhante a corpora da mesma natureza, e sugerem que métodos quantitativos de mineração de texto são capazes de identificar automaticamente a evolução temática do discurso público em redes sociais. ...
Abstract
This work applies text mining techniques to identify the main topics discussed in Brazilian Twitter posts about the COVID-19 pandemic, collected from January to May 2020. A total of 71,419 posts containing the terms “Coronavírus” and “Brasil” were collected, of which 54611 were retained after filtering by language and removing duplicates. The data was divided in three periods with approximately the same number of posts. For each period, nouns were extracted from each post, weighted using the TF ...
This work applies text mining techniques to identify the main topics discussed in Brazilian Twitter posts about the COVID-19 pandemic, collected from January to May 2020. A total of 71,419 posts containing the terms “Coronavírus” and “Brasil” were collected, of which 54611 were retained after filtering by language and removing duplicates. The data was divided in three periods with approximately the same number of posts. For each period, nouns were extracted from each post, weighted using the TF-IDF scheme, and clustered using the K-means algorithm with k = 20. The results indicate a clear progression in public discourse over the analyzed period. The first period is characterized by vocabulary related to the arrival and characterization of the phenomenon. The second, by the consolidation of isolation measures and the first recorded deaths. And the third, by the growing politicization of the debate and the number of deaths as the dominant topic. The results are consistent with those of previous works that applied similar methodology to corpora of the same nature, and suggest that quantitative text mining methods are capable of automatically identifying thematic shifts in public discourse on social media. ...
Instituição
Universidade Federal do Rio Grande do Sul. Instituto de Matemática e Estatística. Curso de Estatística: Bacharelado.
Coleções
-
TCC Estatística (328)
Este item está licenciado na Creative Commons License


