Método para Contrastar Percepção de Suporte Social com Dados Extraídos do Twitter em Português
Resumo
O estudo de características como comportamento, temperamento e suporte social de pessoas pode ser usado para antecipar transtornos psicológicos. Em especial, as redes socias online podem ser usadas como fonte de informação para entender tais características. Os sentimentos presentes nas postagens de um usuário em conjunto com o seu comportamento em uma rede social online podem ser usadas para entender sua percepção de suporte social. Este estudo propõe um método para contrastar o comportamento de um usuário da rede social online Twitter com a sua percepção de suporte social, medida por meio de um questionário. Para isso, primeiramente, foi proposto um modelo não supervisionado para classificação da polaridade das postagens que obteve resultados superiores em todas as três bases testadas quando comparado com os modelos Vader e SentiStrength, atingindo F1 de 57% no melhor caso. Para contrastar os resultados do questionário com o comportamento do usuário no Twitter foram calculados os coeficientes de correlação de Pearson e Ponto-Bisserial, que forneceram informações úteis para entender tal relação, complementando as informações obtidas por meio de questionários.
Referências
Burth, D., Godoy, A., Zuben, F. J. V., and Somvir, K. S. (2019). Online social network analysis: A survey of research applications in computer science. Social network services and Libraries.
Castells, M. and Blackwell, C. (1998). The information age: economy, society and culture. volume 1. the rise of the network society. Environment and Planning B: Planning and Design, 25:631–636.
Cohan, A., Desmet, B., Yates, A., Soldaini, L., MacAvaney, S., and Goharian, N. (2018). Smhd: A large-scale resource for exploring online language usage for multiple mental health conditions. In Proceedings of the 27th International Conference on Computational Linguistics (COLING), pages 1485—-1497. Association for Computational Linguistics.
Fonseca, B. P., Albuquerque, P. C., Zicker, F., and Morel, C. M. (2021). Social network analysis and mining: challenges and applications. In Anais do X Brazilian Workshop on Social Network Analysis and Mining, pages 287–294. SBC.
Freitas, C. (2013). Sobre a construção de um léxico da afetividade para o processamento computacional do português. Revista Brasileira de Linguística Aplicada, 13:1031–1059.
Hohaus, L. and Berah, E. (1996). Stress, achievement, marriage and social support: effects on the psychological well-being of physicians entering midlife/mid-career. Psychology and Health, 11(5):715–731.
Hott, B., Santos, B. P., Loures, T. C., Benevenuto, F., and Vaz-de Melo, P. O. (2022). Polarização em redes sociais: Conceitos, aplicações e desafios. Sociedade Brasileira de Computação.
Hutto, C. and Gilbert, E. (2014). Vader: A parsimonious rule-based model for sentiment analysis of social media text. In Proceedings of the international AAAI conference on web and social media, volume 8, pages 216–225.
Lima, A. C. E. and de Castro, L. N. (2019). Tecla: A temperament and psychological type prediction framework from twitter data. Plos one, 14(3):e0212844.
Maia, M., Oliveira, E., and Gallegos, L. (2021). Covid-19 e tweets no brasil: coleta, tratamento e análise de textos com evidências de estados afetivos alterados em momentos impactantes. In Anais do X Brazilian Workshop on Social Network Analysis and Mining, pages 79–90. SBC.
Martins, L. M., De Alcantara, C., Nardini Barioni, M. C., De Oliveira Júnior, L. C., and Faria, E. R. (2022). A method for analysis of human temperament in contrast to social network data. In Proceedings of the Brazilian Symposium on Multimedia and the Web, pages 19–27.
Mikolajczyk, R. T. and Kretzschmar, M. (2008). Collecting social contact data in the context of disease transmission: prospective and retrospective study designs. Social Networks, 30(2):127–135.
Paes, V. J., Araújo, D., Brito, K., and Andrade, E. (2022). Análise de sentimento em tweets relacionados ao desmatamento da floresta amazônica. In Anais do XI Brazilian Workshop on Social Network Analysis and Mining, pages 61–72. SBC.
Plank, B. and Hovy, D. (2015). Personality traits on twitter—or—how to get 1,500 personality tests in a week. In Proceedings of the 6th workshop on computational approaches to subjectivity, sentiment and social media analysis, pages 92–98.
Ribeiro, J. L. P. (1999). Escala de satisfação com o suporte social (esss).
Santos, P. D. and Goya, D. H. (2022). Detecção de posicionamento e rotulação automática de usuários do twitter: estudo sobre o embate científico-político no contexto da cpi da covid-19. In Anais do XI Brazilian Workshop on Social Network Analysis and Mining, pages 49–60. SBC.
Thelwall, M., Buckley, K., Paltoglou, G., Cai, D., and Kappas, A. (2010). Sentiment strength detection in short informal text. Journal of the American society for information science and technology, 61(12):2544–2558.
