Conversas sobre futebol: o que o Twitter revela sobre a Copa do Mundo de 2014

• Diogo Pacheco Instituto de Tecnologia da Flórida
• Fernando Buarque de Lima Neto Universidade Federal de Pernambuco
• Luis Moyano IBM Research
• Ronaldo Menezes Instituto de Tecnologia da Flórida

DOI: https://doi.org/10.5753/brasnam.2015.6771

Resumo

Nos últimos anos, o Twitter tem sido usado para entender vários eventos do mundo real, como eleições políticas, conflitos civis, jogos da NFL, para citar alguns. Motivados por esses muitos exemplos, nos perguntamos o que o Twitter revela sobre a Copa do Mundo de 2014 da FIFA? Neste artigo nós (i) analisamos a frequência de tweets para mostrar como o apoio evolui durante o torneio, para distinguir equipes tradicionais de azarões e para mostrar que podemos identificar eventos importantes durante as partidas. Além disso, (ii) aplicamos técnicas de agrupamento para descobrir semelhanças no comportamento dos apoiadores (tweets) que nos permitiram inferir os apoiadores dos países em todo o mundo. Por fim, (iii) para cada partida criamos cartogramas para expressar o volume e o nível de polarização dos torcedores.

Palavras-chave: Copa do Mundo, Twitter, Análise de Comportamento

Referências

[Becker et al. 2011] Becker, H., Naaman, M., and Gravano, L. (2011). Beyond trending topics: Real-world event identification on twitter. ICWSM, 11:438–441.

[Benhardus and Kalita 2013] Benhardus, J. and Kalita, J. (2013). Streaming trend detection in twitter. International Journal of Web Based Comunities, 9(1):122–139.

[Frazier et al. 1991] Frazier, J. A., Snyder, E. E., et al. (1991). The underdog concept in sport. Sociology of Sport Journal, 8(4):380–388.

[Gastner and Newman 2004] Gastner, M. T. and Newman, M. E. (2004). Diffusion-based method for producing density-equalizing maps. Proceedings of the National Academy of Sciences of the United States of America, 101(20):7499–7504.

[Giulianotti 1999] Giulianotti, R. (1999). Football. Wiley Online Library.

[Java et al. 2007] Java, A., Song, X., Finin, T., and Tseng, B. (2007). Why we twitter. In Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 workshop on Web mining and social network analysis - WebKDD/SNA-KDD ’07, pages 56–65, New York, New York, USA. ACM Press.

[Jones and Nisbett 1971] Jones, E. E. and Nisbett, R. E. (1971). Perceiving the Causes of Behavior, Publisher: General Learning Press, chapter The Actor and the Observer: Divergent Perceptions of the Causes of Behavior, page General Learning Press. General Learning Press.

[Lazova and Basnarkov 2015] Lazova, V. and Basnarkov, L. (2015). Pagerank approach to ranking national football teams. arXiv preprint arXiv:1503.01331.

[Malle 2006] Malle, B. F. (2006). The actor-observer asymmetry in attribution: a (surprising) meta-analysis. Psychological bulletin, 132(6):895.

[Michelson and Macskassy 2010] Michelson, M. and Macskassy, S. A. (2010). Discovering users’ topics of interest on twitter. In Proceedings of the fourth workshop on Analytics for noisy unstructured text data - AND ’10, page 73, New York, New York, USA. ACM Press.

[Nichols et al. 2012] Nichols, J., Mahmud, J., and Drews, C. (2012). Summarizing sporting events using twitter. In Proceedings of the 2012 ACM International Conference on Intelligent User Interfaces, IUI ’12, pages 189–198, New York, NY, USA. ACM.

[Ross et al. 2007] Ross, S. D. et al. (2007). Segmenting sport fans using brand associations: a cluster analysis. Sport Marketing Quarterly, 16(1):15–24.

[Steinbach et al. 2000] Steinbach, M., Karypis, G., Kumar, V., et al. (2000). A comparison of document clustering techniques. In KDD workshop on text mining, volume 400, pages 525–526. Boston, MA.