Classificação de discursos sobre pessoas Trans no YouTube com Geração Aumentada por Recuperação

• Vitor Lucio Giorgio Cardoso de Carvalho Universidade Federal do Rio de Janeiro (UFRJ) https://orcid.org/0009-0006-1943-859X
• Silas Lima Filho Universidade Federal do Rio de Janeiro (UFRJ) https://orcid.org/0000-0002-5611-7297

DOI: https://doi.org/10.5753/sbbd_estendido.2026.249566

Resumo

Discurso de ódio contra pessoas trans ataca identidades de gênero marginalizadas e pode se propagar rapidamente em ambientes digitais. Apesar dos avanços em modelos de linguagem, detectar discursos transfóbicos em português ainda envolve escassez de dados anotados e ambiguidade discursiva. Este trabalho classifica comentários sobre pessoas trans, coletados de vídeos jornalísticos do YouTube, em três categorias: intolerante, apoio e neutro. Avaliamos abordagens zero-shot, few-shot e com geração aumentada por recuperação (RAG), usando um modelo generativo local e documentos do domínio. Como referência supervisionada, realizamos fine-tuning do BERTimbau e comparamos os resultados por macro-F1 e F1 por classe. A melhor abordagem foi o modelo generativo com RAG baseado em documentos externos.

Palavras-chave: transfobia, processamento de linguagem natural, aprendizado de máquina, grandes modelos de linguagem, geração aumentada por recuperação, discurso de ódio

Referências

Associação Nacional de Travestis e Transexuais (2026). Dossiê: Assassinatos e violências contra travestis e transexuais brasileiras em 2025. [link]. Disponível em: [link]. Acesso em: 18 maio 2026.

Barros, B. R. G. and Silva, D. d. C. P. (2025). Projeções escalares da transfobia em interações digitais: o caso do deputado nikolas ferreira no Youtube. Revista do GELNE, 27(2):e40199. DOI: 10.21680/1517-7874.2025v27n1ID40199.

Chakravarthi, B. R. (2024). Detection of homophobia and transphobia in YouTube comments. International Journal of Data Science and Analytics, 18:49–68. DOI: 10.1007/s41060-023-00400-0.

Chakravarthi, B. R., Priyadharshini, R., Ponnusamy, R., Kumaresan, P. K., Sampath, K., Thenmozhi, D., Thangasamy, S., Nallathambi, R., and McCrae, J. P. (2021). Dataset for identification of homophobia and transophobia in multilingual YouTube comments. arXiv preprint arXiv:2109.00227. DOI: 10.48550/arXiv.2109.00227.

Channon, L. and Mathieson, N. (2025). Automated detection of mainstreamed transphobic content on YouTube. Bulletin of Applied Transgender Studies, 4(1–3):41–75. DOI: 10.57814/49jz-0663.

Leite, J. A., Silva, D. F., Bontcheva, K., and Scarton, C. (2020). Toxic language detection in social media for brazilian portuguese: New dataset and multilingual analysis. In Proceedings of the 1st Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the 10th International Joint Conference on Natural Language Processing, pages 914–924, Suzhou, China. Association for Computational Linguistics. DOI: 10.18653/v1/2020.aacl-main.91.

Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W.-t., Rocktäschel, T., Riedel, S., and Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. In Advances in Neural Information Processing Systems, volume 33, pages 9459–9474. DOI: 10.48550/arXiv.2005.11401.

Souza, F., Nogueira, R., and Lotufo, R. (2023). BERT models for brazilian portuguese: Pretraining, evaluation and tokenization analysis. Applied Soft Computing, 149:110901. DOI: 10.1016/j.asoc.2023.110901.

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(2):435–456. DOI: 10.1017/nlp.2024.18.

Willats, R., Pennington, J., Mohan, A., and Vidgen, B. (2025). Classification is a RAG problem: A case study on hate speech detection. arXiv preprint arXiv:2508.06204. DOI: 10.48550/arXiv.2508.06204.