Detecção de Misoginia em Redes Sociais

• João Rangel CEFET/RJ
• Alexander Feitosa CEFET/RJ
• Alice Rios CEFET/RJ
• Lilian Ferrari UFRJ
• Fabio Junior CEFET/RJ
• Kele Belloze CEFET/RJ
• Eduardo Ogasawara CEFET/RJ
• Gustavo Guedes CEFET/RJ

DOI: https://doi.org/10.5753/brasnam.2026.23131

Resumo

Este artigo busca contribuir com a criação de recursos linguísticos para a detecção de misoginia em português do Brasil. Para isso, combina construção lexical, coleta de mensagens em redes sociais e anotação humana. Como resultado, foi proposto o léxico LexMis-BR, que orientou a coleta e a seleção de um subconjunto para anotação. A anotação mostrou que a recuperação lexical é útil para construir o corpus, mas insuficiente como critério de decisão final, reforçando a importância da validação humana. Com esse conjunto, foram avaliados modelos supervisionados de classificação.

Referências

Braga, R., Moniz, H., Figueira, A., and Batista, F. (2021). Creation and characterization of a sexist discourse corpus in portuguese. iSys - Brazilian Journal of Information Systems, 14(4):34–57.

Fersini, E., Nozza, D., and Rosso, P. (2018). Overview of the evalita 2018 task on automatic misogyny identification (ami). In Proceedings of the 6th Evaluation Campaign of Natural Language Processing and Speech Tools for Italian (EVALITA 2018). CEUR-WS.

Koch, L., Ghawi, R., Pfeffer, J., and Steinert, J. I. (2025). Online misogyny against female candidates in the 2022 brazilian elections: A threat to women’s political representation? Information, Communication & Society.

Lakoff, G. and Johnson, M. (1980). Metaphors we live by. University of Chicago Press, Chicago.

Lima-Santos, A. V. d. S. and Santos, M. A. d. (2022). Incels e misoginia on-line em tempos de cultura digital. Estudos e Pesquisas em Psicologia, 22(3):1081–1102.

MacAvaney, S., Yao, H.-R., Yang, E., Russell, K., Goharian, N., and Frieder, O. (2019). Hate speech detection: Challenges and solutions. PLOS ONE, 14(8):1–16.

Marques, E. C. A. (2025). Mesclagem conceptual e construção de novos significados: a metáfora “ser humano é animal” no português brasileiro. Dissertação de mestrado, Universidade Federal do Rio de Janeiro, Programa de Pós-Graduação em Linguística, Rio de Janeiro.

Martins, V., Serafim, S. E. V., Pereira, L. C. R., Alves, A. F., Ferreira, C. H. G., and Almeida, J. (2025). A misoginia no youtube brasileiro: Um estudo de caso sobre o conteúdo produzido pela comunidade red pill. In Proceedings of the Brazilian Symposium on Multimedia and the Web.

Ministério das Mulheres (2025). Raseam 2025 - Relatório Anual Socioeconômico da Mulher. Ministério das Mulheres, Brasília.

Nações Unidas no Brasil (2026). Objetivo de desenvolvimento sustentável 5: Igualdade de gênero. [link].

Pamungkas, E. W., Basile, V., and Patti, V. (2020). Misogyny detection in twitter: A multilingual and cross-domain study. Information Processing & Management, 57(6):102360.

Plath, H. O., Paiva, M. E. O., Pinto, D. L., and Costa, P. D. P. (2022). Detecção de discurso de Ódio contra mulheres em textos em português brasileiro: Construção da base mina-br e modelo de classificação. Revista Eletrônica de Iniciação Científica em Computação, 20(3).

Senado Federal (2026). Inclusão da misoginia como crime de preconceito é aprovada e vai à câmara. [link].

Shushkevich, E. and Cardiff, J. (2019). Automatic misogyny detection in social media: A survey. Computación y Sistemas, 23(4).

Srivastava, K., Chaudhury, S., Bhat, P. S., and Sahu, S. (2017). Misogyny, feminism, and sexual harassment. Industrial Psychiatry Journal, 26(2):111–113.

Vargas, F., Carvalho, I., Pardo, T. A. S., and Benevenuto, F. (2025). Context-aware and expert data resources for brazilian portuguese hate speech detection. Natural Language Processing, 31:435–456.

Zanello, V., Bukowitz, B., and Coelho, E. (2011). Xingamentos entre adolescentes em brasília: linguagem, gênero e poder. Revista Interacções, 7(17).

Zanello, V. and Romero, A. C. (2012). “Vagabundo” ou “vagabunda”? Xingamentos e relações de gênero. [link].