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: âCoronavÃrusâ and âBrasilâ. 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.
propriety | value |
---|---|
Descriptor | Mineração 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 |
Identificador | http://revista.ibict.br/liinc/article/view/5325 (pt-BR) 3 |
Identificador | DOI: 10.18617/liinc.v16i2.5325 (pt-BR) 3 |
Title | Mineração de textos aplicada a postagens do Twitter sobre Coronavírus: uma análise na linha do tempo (pt-BR) 3 |
Title | Text mining applied to Twitter posts on Coronavirus: an analysis in the timeline (en) 3 |
Published | Liinc em revista, v. 16, 2020. (pt-BR) 2 |
Author | AFONSO, Alexandre Ribeiro (pt-BR) 1 |
Author | GOTTSCHALG-DUQUE, Cláudio (pt-BR) 1 |
Access Link | http://revista.ibict.br/liinc/article/view/5325/5104 (pt-BR) 3 |
Nome da Pulicação | Liinc em revista (pt-BR) 1 |
Sessão | () 3 |
Disponibilizado | 2020-12-11 (pt-BR) 1 |
hasAbstract | 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 (pt-BR) 3 |
hasAbstract | This article describes a research about the mining of posts collected from Twitter, containing two keywords: âCoronavÃrusâ and âBrasilâ. 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 |
hasId | Mineração 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 |
Source | Liinc em Revista; Vol. 16 No. 2 (2020): Informational Perspectives and Challenges in Times of the Covid-19 Pandemic; e5325 (pt-BR) 3 |
Source | Liinc em Revista; v. 16 n. 2 (2020): Perspectivas e desafios informacionais em tempos da pandemia da Covid-19; e5325 (pt-BR) 3 |
Source | Liinc 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 |
Source | 1808-3536 () 3 |
Thema | Brasil (pt-BR) 1 |
Thema | Mineração de Texto (pt-BR) 1 |
Thema | Text Mining (en) 1 |
Thema | Corpus (en) 1 |
Thema | Twitter (en) 1 |
Thema | Coronavirus (en) 1 |