Influenciadores Digitais Católicos: Uma Análise Centrada em Dados

• Fernanda Ferreira do Nascimento UFC
• Melissa Sousa Felipe UFC
• José Maria Monteiro UFC
• Javam Machado UFC

DOI: https://doi.org/10.5753/brasnam.2025.9143

Resumo

Atualmente, as redes sociais são amplamente utilizadas para publicar e consumir mensagens de caráter espiritual, refletindo a presença de um público amplo e diverso interessado em exercitar sua fé em ambientes digitais. Nesse contexto, destacam-se os influenciadores digitais católicos, que compartilham conteúdos religiosos por meio de uma linguagem inovadora e reúnem um expressivo número de seguidores. Este trabalho investiga o conteúdo produzido por quatro influenciadores digitais católicos de destaque: Bernardo Küster, Paulo Ricardo, Patrick Fernandes e Júlio Lancellotti. Para tal, foram construídos quatro conjuntos de dados — um para cada influenciador — com base nos vídeos publicados na plataforma YouTube. Em seguida, os algoritmos LDA e PTM foram utilizados para identificar os tópicos latentes em cada conjunto analisado. Posteriormente, utilizou-se a ferramenta LIWC para examinar os componentes emocionais, cognitivos e estruturais dos textos. Os resultados revelam padrões discursivos, estratégias de engajamento e posicionamentos político-religiosos distintos, evidenciando narrativas e estilos comunicativos completamente diferentes, muitas vezes contraditórios entre si.

Referências

Balage Filho, P., Pardo, T. A. S., and Aluísio, S. (2013). An evaluation of the brazilian portuguese liwc dictionary for sentiment analysis. In Proceedings of the 9th Brazilian Symposium in Information and Human Language Technology.

Blei, D. M., Ng, A. Y., and Jordan, M. I. (2003). Latent dirichlet allocation. Journal of Machine Learning Research, 3(null):993–1022.

Bouma, G. (2009). Normalized (pointwise) mutual information in collocation extraction. In From Form to Meaning: Processing Texts Automatically, Proceedings of the Biennial GSCL Conference 2009, volume Normalized, pages 31–40, Tübingen.

Brum, P. V., Teixeira, M. C., Miranda, R., Vimieiro, R., Jr, W. M., and Pappa, G. L. (2020). A characterization of portuguese tweets regarding the covid-19 pandemic. In Anais do VIII Symposium on Knowledge Discovery, Mining and Learning, pages 177–184, Porto Alegre, RS, Brasil. SBC.

Campagnolo, J. M., Duarte, D., and Dal Bianco, G. (2022). Topic coherence metrics: How sensitive are they? Journal of Information and Data Management, 13(4).

Campos, B. M. (2022). Fundamentalismos religiosos em perspectiva. Pluralidades.

Carvalho, F., Rodrigues, R., Santos, G., Cruz, P., Ferrari, L., and Guedes, G. (2019). Avaliação da versão em português do liwc lexicon 2015 com análise de sentimentos em redes sociais. In Anais do VIII Brazilian Workshop on Social Network Analysis and Mining, pages 24–34, Porto Alegre, RS, Brasil. SBC.

Corsi, M. and Urbano, J. (2024). The treatment of ties in rank-biased overlap. In Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval, SIGIR ’24, page 251–260, New York, NY, USA. Association for Computing Machinery.

Dias, Z. M. (2012). Os Varios Rostos do Fundamentalismo. Pluralidades.

Ebeling, R., Nobre, J., and Becker, K. (2023). A multi-dimensional framework to analyze group behavior based on political polarization. Expert Syst. Appl., 233(C).

Ebeling, R., Sáenz, C., Nobre, J., and Becker, K. (2020). Quarenteners vs. cloroquiners: a framework to analyze the effect of political polarization on social distance stances. In Anais do VIII Symposium on Knowledge Discovery, Mining and Learning, pages 89–96, Porto Alegre, RS, Brasil. SBC.

Guimarães, S., Silva, M., Caetano, J., Araújo, M., Santos, J., Reis, J., Silva, A., Benevenuto, F., and Almeida, J. (2022). Análise de propagandas eleitorais antecipadas no twitter. In Anais do XI Brazilian Workshop on Social Network Analysis and Mining, pages 85–96, Porto Alegre, RS, Brasil. SBC.

Hu, Z., Hou, W., and Liu, X. (2024). Deep learning for named entity recognition: a survey. Neural Comput. Appl., 36(16):8995–9022.

Jacintho, L. H., da Silva, T., Parmezan, A., and Batista, G. (2020). Brazilian presidential elections: Analysing voting patterns in time and space using a simple data science pipeline. In Anais do VIII Symposium on Knowledge Discovery, Mining and Learning, pages 217–224, Porto Alegre, RS, Brasil. SBC.

Kim, M. and Kim, D. (2022). A suggestion on the lda-based topic modeling technique based on elasticsearch for indexing academic research results. Applied Sciences, 12(6).

McConahay, M. J. (2023). Playing God: American Catholic Bishops and the Far Right. Melville House Publishing.

Medeiros, F. F., Silva, A. A. d., Souza, A. R. d., Sbardelotto, M., and Gomes, V. B. (2024). Influenciadores Digitais Católicos: Efeitos e Perspectivas. Paulus.

Melo, P., Couto, J. M. M., Kansaon, D., Mafra, V., Reis, J. C. S., and Benevenuto, F. (2024). A sticker is worth a thousand words: Characterizing the use of stickers in whatsapp political groups in brazil. CoRR, abs/2406.08429.

Oro, I. P. (1996). O outro é o demônio: uma análise sociológica do fundamentalismo. Paulus.

Passos, J. D. (2021). No lugar de Deus: Ensaios (neo)teocráticos. Editora Paulinas.

Röder, M., Both, A., and Hinneburg, A. (2015). Exploring the space of topic coherence measures. In Proceedings of the Eighth ACM International Conference on Web Search and Data Mining, WSDM ’15, page 399–408, New York, NY, USA. Association for Computing Machinery.

Schmitt, X., Kubler, S., Robert, J., Papadakis, M., and LeTraon, Y. (2019). A replicable comparison study of ner software: Stanfordnlp, nltk, opennlp, spacy, gate. In 2019 Sixth International Conference on Social Networks Analysis, Management and Security (SNAMS), pages 338–343.

Silva, N., Silva, M., Pereira, F., Tarrega, J., Beinotti, J., Fonseca, M., Andrade, F., and Carvalho, A. (2021). Evaluating topic models in portuguese political comments about bills from brazil’s chamber of deputies. In Anais da X Brazilian Conference on Intelligent Systems, Porto Alegre, RS, Brasil. SBC.

Tausczik, Y. R. and Pennebaker, J. W. (2010). The psychological meaning of words: Liwc and computerized text analysis methods. Journal of language and social psychology, 29(1):24–54.

Terragni, S., Fersini, E., and Messina, E. (2021). Word embedding-based topic similarity measures. In International Conference on Applications of Natural Language to Information Systems, pages 33–45. Springer.

Terragni, S., Ganguly, D., and Crestani, F. (2020). Octis: Comparing and optimizing topic models is simple! In Proceedings of the 43rd International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR ’20), pages 2201–2204. ACM.

Villaça, A. C. (2006). O Pensamento Católico No Brasil. Civilização Brasileira.

Zhang, W., Li, X., Deng, Y., Bing, L., and Lam, W. (2023). A survey on aspect-based sentiment analysis: Tasks, methods, and challenges. IEEE Trans. on Knowl. and Data Eng., 35(11):11019–11038.

Zuo, Y., Wu, J., Zhang, H., Lin, H., Wang, F., Xu, K., and Xiong, H. (2016). Topic modeling of short texts: A pseudo-document view. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD ’16, page 2105–2114, New York, NY, USA. Association for Computing Machinery.