Análise de sentimentos expressos no Twitter em relação aos candidatos da eleição presidencial de 2022
Resumo
Este trabalho visa analisar os sentimentos expressos pelos usuários do Twitter em relação aos candidatos à presidência da eleição de 2022, com o objetivo de verificar se o desempenho dos candidatos está relacionado com a sua popularidade nas redes sociais. Para isso, dados provenientes do Twitter foram coletados, pré-processados e classificados com o SVM. Os resultados mostraram que os dois candidatos mais votados nas eleições são os que possuem mais tweets na rede social. Além disso, foi possível perceber similaridades entre a aprovação dos candidatos e seu desempenho em algumas regiões do país. Por último, é possível perceber uma evolução da aprovação dos candidatos no Twitter nos dias anteriores à eleição, o que representa um cenário desafiador para as pesquisas eleitorais.Referências
AHLGREN, M. (2022). 50 + Twitter Estatísticas e Fatos para 2022. https://www.websiterating.com/pt/research.
Araújo, M., Gonçalves, P., and Benevenuto, F. (2013). Measuring sentiments in online social networks. In Proceedings of the 19th Brazilian Symposium on Multimedia and the Web, WebMedia ’13, page 97–104, New York, NY, USA.
Belcastro, L., Cantini, R., Marozzo, F., Talia, D., and Trunfio, P. (2020). Learning political polarization on social media using neural networks. IEEE Access, 8:47177–47187.
Cristiani, A., Lieira, D., and Camargo, H. (2020). A sentiment analysis of brazilian elections tweets. In Anais do VIII Symposium on Knowledge Discovery, Mining and Learning, pages 153–160, Porto Alegre, RS, Brasil. SBC.
Dutra, D. A. M. and de Rezende Francisco, E. (2018). Text mining: Análise de sentimentos nas eleições 2018. In Congresso Transformação Digital 2018.
Martins, R., Pereira, A., and Benevenuto, F. (2015). An approach to sentiment analysis of web applications in portuguese. In Proceedings of the 21st Brazilian Symposium on Multimedia and the Web, WebMedia ’15, pages 105–112, New York, NY, USA. Association for Computing Machinery.
Queiroz, G. and Almeida, L. (2020). Uma metodologia de análise de sentimentos dos candidatos as eleições presidenciais de 2018 no twitter. Revista de Engenharia e Pesquisa Aplicada, 5:21–30.
Rossetto, G. P. N., Carreiro, R., and Almada, M. P. (2013). Twitter e comunicação política: limites e possibilidades. Compolítica, 3(2):189–216.
Araújo, M., Gonçalves, P., and Benevenuto, F. (2013). Measuring sentiments in online social networks. In Proceedings of the 19th Brazilian Symposium on Multimedia and the Web, WebMedia ’13, page 97–104, New York, NY, USA.
Belcastro, L., Cantini, R., Marozzo, F., Talia, D., and Trunfio, P. (2020). Learning political polarization on social media using neural networks. IEEE Access, 8:47177–47187.
Cristiani, A., Lieira, D., and Camargo, H. (2020). A sentiment analysis of brazilian elections tweets. In Anais do VIII Symposium on Knowledge Discovery, Mining and Learning, pages 153–160, Porto Alegre, RS, Brasil. SBC.
Dutra, D. A. M. and de Rezende Francisco, E. (2018). Text mining: Análise de sentimentos nas eleições 2018. In Congresso Transformação Digital 2018.
Martins, R., Pereira, A., and Benevenuto, F. (2015). An approach to sentiment analysis of web applications in portuguese. In Proceedings of the 21st Brazilian Symposium on Multimedia and the Web, WebMedia ’15, pages 105–112, New York, NY, USA. Association for Computing Machinery.
Queiroz, G. and Almeida, L. (2020). Uma metodologia de análise de sentimentos dos candidatos as eleições presidenciais de 2018 no twitter. Revista de Engenharia e Pesquisa Aplicada, 5:21–30.
Rossetto, G. P. N., Carreiro, R., and Almada, M. P. (2013). Twitter e comunicação política: limites e possibilidades. Compolítica, 3(2):189–216.
Publicado
06/08/2023
Como Citar
SILVA, Sarah Maria Braga; FARIA, Elaine Ribeiro de.
Análise de sentimentos expressos no Twitter em relação aos candidatos da eleição presidencial de 2022. In: BRAZILIAN WORKSHOP ON SOCIAL NETWORK ANALYSIS AND MINING (BRASNAM), 12. , 2023, João Pessoa/PB.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 79-90.
ISSN 2595-6094.
DOI: https://doi.org/10.5753/brasnam.2023.229992.