Text mining applied to Twitter posts on Coronavirus: an analysis in the timeline
[Liinc em Revista; Vol. 16 No. 2 (2020): Informational Perspectives and Challenges in Times of the Covid-19 Pandemic; e5325]
Mineração de textos aplicada a postagens do Twitter sobre Coronavírus: uma análise na linha do tempo

Text mining applied to Twitter posts on Coronavirus: an analysis in the timeline

Resumo: Este artigo descreve uma pesquisa sobre a mineração de postagens coletadas do Twitter, contendo duas palavras-chave: “Coronavírus” e “Brasil”. O enfoque é a listagem das frequências dos substantivos (nouns), e a verificação de tais frequências como indicadores dos interesses de discussão, em quatro períodos de tempo: de fevereiro a junho de 2020. O método de pesquisa é quantitativo e envolve a coleta, filtragem, mineração dos textos e análise de resultados. Para a mineração de textos utiliza-se o algoritmo de clustering K-Means e, posteriormente, o software para análise de corpus AntConc. Conclui-se que o método aplicado sinaliza sobre os principais pontos de discussão e suas mudanças ao longo do tempo. Tais sinalizações poderiam contribuir para a criação de categorias de postagens mais detalhadas em uma posterior Análise de Conteúdo

Palavras-chave: Brasil. Mineração de Texto.



Abstract: This article describes a research about the mining of posts collected from Twitter, containing two keywords: “Coronavírus” and “Brasil”. The focus is on listing the frequencies of nouns, and verifying those frequencies as indicators about the interests of discussion, in four time periods: from February to June 2020. The research method is quantitative and involves the collection, filtering, text mining and analysis of results. In text mining, the K-Means clustering algorithm is used and, subsequently, AntConc corpus analysis software. It is concluded that the applied method signals about the main points of discussion and their changes over time. Such signs could contribute to the creation of more detailed categories of posts in a later Content Analysis

Keywords: Text Mining. Corpus. Twitter. Coronavirus.



Como citar
AFONSO, A. R.; GOTTSCHALG-DUQUE, C. Mineração de textos aplicada a postagens do twitter sobre coronavírus: uma análise na linha do tempo. , . DOI: 10.18617/liinc.v16i2.5325 Acesso em: 07 dez. 2023.

Compartilhe
Plum X Metrics
NLP
proprietyvalue
DescriptorMineração de textos aplicada a postagens do Twitter sobre Coronavírus: uma análise na linha do tempo
AFONSO, Alexandre Ribeiro; GOTTSCHALG-DUQUE, Cláudio
Liinc em revista, , . () (pt-BR) 3
Identificadorhttp://revista.ibict.br/liinc/article/view/5325 (pt-BR) 3
IdentificadorDOI: 10.18617/liinc.v16i2.5325 (pt-BR) 3
TitleMineração de textos aplicada a postagens do Twitter sobre Coronavírus: uma análise na linha do tempo (pt-BR) 3
TitleText mining applied to Twitter posts on Coronavirus: an analysis in the timeline (en) 3
PublishedLiinc em revista, v. 16, 2020. (pt-BR) 2
AuthorAFONSO, Alexandre Ribeiro (pt-BR) 1
AuthorGOTTSCHALG-DUQUE, Cláudio (pt-BR) 1
Access Linkhttp://revista.ibict.br/liinc/article/view/5325/5104 (pt-BR) 3
Nome da PulicaçãoLiinc em revista (pt-BR) 1
Sessão () 3
Disponibilizado2020-12-11 (pt-BR) 1
hasAbstractEste artigo descreve uma pesquisa sobre a mineração de postagens coletadas do Twitter, contendo duas palavras-chave: “Coronavírus” e “Brasil”. O enfoque é a listagem das frequências dos substantivos (nouns), e a verificação de tais frequências como indicadores dos interesses de discussão, em quatro períodos de tempo: de fevereiro a junho de 2020. O método de pesquisa é quantitativo e envolve a coleta, filtragem, mineração dos textos e análise de resultados. Para a mineração de textos utiliza-se o algoritmo de clustering K-Means e, posteriormente, o software para análise de corpus AntConc. Conclui-se que o método aplicado sinaliza sobre os principais pontos de discussão e suas mudanças ao longo do tempo. Tais sinalizações poderiam contribuir para a criação de categorias de postagens mais detalhadas em uma posterior Análise de Conteúdo (pt-BR) 3
hasAbstractThis article describes a research about the mining of posts collected from Twitter, containing two keywords: “Coronavírus” and “Brasil”. The focus is on listing the frequencies of nouns, and verifying those frequencies as indicators about the interests of discussion, in four time periods: from February to June 2020. The research method is quantitative and involves the collection, filtering, text mining and analysis of results. In text mining, the K-Means clustering algorithm is used and, subsequently, AntConc corpus analysis software. It is concluded that the applied method signals about the main points of discussion and their changes over time. Such signs could contribute to the creation of more detailed categories of posts in a later Content Analysis (en) 3
hasFileStorage_repository/708/2021/03/oai_ojs_revista_ibict_br_article_5325#00051.pdf () 1
hasIdMineração de textos aplicada a postagens do Twitter sobre Coronavírus: uma análise na linha do tempo
AFONSO, Alexandre Ribeiro; GOTTSCHALG-DUQUE, Cláudio
Liinc em revista, , . () () 3
SourceLiinc em Revista; Vol. 16 No. 2 (2020): Informational Perspectives and Challenges in Times of the Covid-19 Pandemic; e5325 (pt-BR) 3
SourceLiinc em Revista; v. 16 n. 2 (2020): Perspectivas e desafios informacionais em tempos da pandemia da Covid-19; e5325 (pt-BR) 3
SourceLiinc em Revista; Vol. 16 Núm. 2 (2020): Perspectivas y desafíos de la información en tiempos de la Pandemia de Covid-19; e5325 (es-ES) 3
Source1808-3536 () 3
ThemaBrasil (pt-BR) 1
ThemaMineração de Texto (pt-BR) 1
ThemaText Mining (en) 1
ThemaCorpus (en) 1
ThemaTwitter (en) 1
ThemaCoronavirus (en) 1