No abstract

No abstract

Pesquisas sobre filter bubbles necessitam de mecanismos para capturar e classificar a polaridade de opinião de documentos em ambientes crowdsourced. Apresentamos um modelo preliminar baseado em aprendizado de máquina para classificar a opinião de tweets em português sobre o tema da Reforma de Previdência no contexto político brasileiro. Nossa abordagem utiliza o Multilingual Universal Sentence Encoder for Semantic Retrieval, um modelo pré-treinado recém-lançado por pesquisadores do Google para gerar representações vetoriais semanticamente ricas. Treinamos e classificamos nosso dataset em uma rede neural profunda feedfoward. Nosso modelo preliminar apresentou uma acurácia média de 82%. Esta tarefa é parte de um trabalho em andamento que visa apoiar a realização de pesquisas sobre filter bubbles.

No abstract

A popularização do uso de redes sociais online como plataformas para o debate político trouxe novos desafios como a propagação indevida de propagandas eleitorais. Por um lado, os eleitores usam as redes sociais para interagir, buscar informações e conhecer seus candidatos. Por outro lado, surgiram verdadeiros palanques digitais para candidatos difundirem suas ideias, atacar adversários e pedir votos. Dessa forma, pré-candidatos podem usar as plataformas para pedir voto fora do período eleitoral, prática conhecida como propaganda eleitoral antecipada. Apesar de existir legislação sobre isso, a falta de ferramentas digitais e métodos de detecção dessa prática pode ser explorada. Neste contexto, este trabalho apresenta uma metodologia para auxiliar a detecção desse tipo de propaganda. Nós coletamos e caracterizamos dados do Twitter e Facebook durante três períodos eleitorais brasileiros (2016, 2018 e 2020), e apresentamos desafios e descobertas importantes sobre o uso das redes sociais para realização dessas propagandas.