BRIMO: uma Ferramenta para Análise de Sentimentos
Resumo
O Twitter é uma das redes sociais com maior crescimento nos últimos anos, sendo uma das principais plataformas para as pessoas compartilharem suas opiniões através de postagens curtas chamadas de tweets. Cada tópico do momento gera discussões, e ter uma análise do sentimento das pessoas sobre o tópico em questão provê um entendimento mais abrangente do assunto. No entanto, não há ferramentas de nosso conhecimento que tornem esse tipo de análise acessível ao público geral. Assim, propomos BRIMO, uma ferramenta web gratuita com interface simples e intuitiva, que permite a análise de sentimentos de forma rápida e direta através de representações gráficas. A usabilidade e utilidade da BRIMO foram avaliadas com representantes do público-alvo. Os resultados indicam que a ferramenta possui uma ótima usabilidade de acordo com os critérios utilizados, além de ser útil para diversos propósitos, na perspectiva dos participantes.
Palavras-chave:
Análise de Sentimentos, Twitter, Ferramenta Web
Referências
Barbosa, S. and Silva, B. (2010). Interação humano-computador. Elsevier Brasil.
Brooke, J. (1995). Sus: A quick and dirty usability scale. Usability Eval. Ind., 189.
Burbach, L., Halbach, P., Ziefle, M., and Calero Valdez, A. (2020). Opinion formation on the internet: The influence of personality, network structure, and content on sharing messages online. Frontiers in Artificial Intelligence, 3.
Cardozo, L. and Freitas, L. (2021). Análise de sentimentos: Avaliando o desempenho de pré-processamento e de algoritmos de aprendizagem de máquina sobre o dataset tweetsentbr. In Anais do X Brazilian Workshop on Social Network Analysis and Mining, pages 169–174, Porto Alegre, RS, Brasil. SBC.
Euzebio, C., Agy, S., Boldorini Jr, C., Porto, L., Alcarás, J. R., Martinez, A., and Ruiz, E. (2020). Statistical analysis of small twitter data collection to identify dengue outbreaks. In Anais do VIII Symposium on Knowledge Discovery, Mining and Learning, pages 17–24. SBC.
Fang, X. Zhan, J. (2015). Sentiment analysis using product review data. Journal of Big Data, 2(5):1–14.
França de Souza, K., Ramos Pereira, M. H., and Hasan Dalip, D. (2017). Unilex: Método léxico para análise de sentimentos textuais sobre conteúdo de tweets em português brasileiro. Abakós, 5(2):79–96.
Grier, R. A., Bangor, A., Kortum, P., and Peres, S. C. (2013). The system usability scale: Beyond standard usability testing. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 57(1):187–191.
Lauand, B. P. and Oliveira, J. (2014). Inferindo as condições de trânsito através da análise de sentimentos no twitter. iSys - Brazilian Journal of Information Systems, 10(1):56–74.
Lokesh, K. Parul, K. B. (2013). Text mining: Concepts, process and applications. Journal of Global Research in Computer Science, 4(3):36–39.
Marcec, R. and Likic, R. (2021). Using twitter for sentiment analysis towards astrazeneca/oxford, pfizer/biontech and moderna covid-19 vaccines. Postgraduate medical journal, pages postgradmedj–2021–140685.
Misuraca, M., Forciniti, A., Scepi, G., and Spano, M. (2020). Sentiment Analysis for Education with R: packages, methods and practical applications. arXiv preprint arXiv:2005.12840.
Murakami, H., Ejima, N., and Kumagai, N. (2020). Self-understanding Support Tool Using Twitter Sentiment Analysis, pages 327–332. Springer, New York, NY.
Nielsen, J. (2000). Why you only need to test with 5 users. "Disponível em: https://www.nngroup.com/articles/why-you-only-need-to-test-with-5-users/". Acesso em: 19 mai. 2022.
Ribeiro, A. P. and da Silva, N. F. F. (2018). Um estudo comparativo sobre métodos de análise de sentimentos em tweets. Revista de Sistemas de Informação da FSMA, (22):35–48.
Silva, H., Andrade, E., Araújo, D., and Dantas, J. (2021). Sentiment analysis of tweets related to sus before and during covid-19 pandemic. IEEE Latin America Transactions, 20(1):6–13.
Statista (2022). Most popular social networks worldwide as of january 2022, ranked by number of monthly active users. ”Disponível em: [link]. Acesso em: 19 mai. 2022.
Wunderlich, F. and Memmert, D. (2020). Innovative approaches in sports science—lexicon-based sentiment analysis as a tool to analyze sports-related twitter communication. Applied sciences, 10(2):431.
Brooke, J. (1995). Sus: A quick and dirty usability scale. Usability Eval. Ind., 189.
Burbach, L., Halbach, P., Ziefle, M., and Calero Valdez, A. (2020). Opinion formation on the internet: The influence of personality, network structure, and content on sharing messages online. Frontiers in Artificial Intelligence, 3.
Cardozo, L. and Freitas, L. (2021). Análise de sentimentos: Avaliando o desempenho de pré-processamento e de algoritmos de aprendizagem de máquina sobre o dataset tweetsentbr. In Anais do X Brazilian Workshop on Social Network Analysis and Mining, pages 169–174, Porto Alegre, RS, Brasil. SBC.
Euzebio, C., Agy, S., Boldorini Jr, C., Porto, L., Alcarás, J. R., Martinez, A., and Ruiz, E. (2020). Statistical analysis of small twitter data collection to identify dengue outbreaks. In Anais do VIII Symposium on Knowledge Discovery, Mining and Learning, pages 17–24. SBC.
Fang, X. Zhan, J. (2015). Sentiment analysis using product review data. Journal of Big Data, 2(5):1–14.
França de Souza, K., Ramos Pereira, M. H., and Hasan Dalip, D. (2017). Unilex: Método léxico para análise de sentimentos textuais sobre conteúdo de tweets em português brasileiro. Abakós, 5(2):79–96.
Grier, R. A., Bangor, A., Kortum, P., and Peres, S. C. (2013). The system usability scale: Beyond standard usability testing. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 57(1):187–191.
Lauand, B. P. and Oliveira, J. (2014). Inferindo as condições de trânsito através da análise de sentimentos no twitter. iSys - Brazilian Journal of Information Systems, 10(1):56–74.
Lokesh, K. Parul, K. B. (2013). Text mining: Concepts, process and applications. Journal of Global Research in Computer Science, 4(3):36–39.
Marcec, R. and Likic, R. (2021). Using twitter for sentiment analysis towards astrazeneca/oxford, pfizer/biontech and moderna covid-19 vaccines. Postgraduate medical journal, pages postgradmedj–2021–140685.
Misuraca, M., Forciniti, A., Scepi, G., and Spano, M. (2020). Sentiment Analysis for Education with R: packages, methods and practical applications. arXiv preprint arXiv:2005.12840.
Murakami, H., Ejima, N., and Kumagai, N. (2020). Self-understanding Support Tool Using Twitter Sentiment Analysis, pages 327–332. Springer, New York, NY.
Nielsen, J. (2000). Why you only need to test with 5 users. "Disponível em: https://www.nngroup.com/articles/why-you-only-need-to-test-with-5-users/". Acesso em: 19 mai. 2022.
Ribeiro, A. P. and da Silva, N. F. F. (2018). Um estudo comparativo sobre métodos de análise de sentimentos em tweets. Revista de Sistemas de Informação da FSMA, (22):35–48.
Silva, H., Andrade, E., Araújo, D., and Dantas, J. (2021). Sentiment analysis of tweets related to sus before and during covid-19 pandemic. IEEE Latin America Transactions, 20(1):6–13.
Statista (2022). Most popular social networks worldwide as of january 2022, ranked by number of monthly active users. ”Disponível em: [link]. Acesso em: 19 mai. 2022.
Wunderlich, F. and Memmert, D. (2020). Innovative approaches in sports science—lexicon-based sentiment analysis as a tool to analyze sports-related twitter communication. Applied sciences, 10(2):431.
Publicado
31/07/2022
Como Citar
ALVES, Otávio; FALCÃO, Taciana Pontual; VALENÇA, George; ANDRADE, Ermeson.
BRIMO: uma Ferramenta para Análise de Sentimentos. In: BRAZILIAN WORKSHOP ON SOCIAL NETWORK ANALYSIS AND MINING (BRASNAM), 11. , 2022, Niterói.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 97-108.
ISSN 2595-6094.
DOI: https://doi.org/10.5753/brasnam.2022.222842.
