Análise Temporal de Sentimentos das Postagens sobre a Dengue em Redes Sociais
Resumo
Este artigo analisou a relação entre o volume de publicações referentes à dengue na rede social Bluesky no ano de 2025 com os casos da doença, além de uma investigação sobre os sentimentos, temas e palavras presentes nas postagens por meio de estratégias de Processamento de Linguagem Natural (PLN). As análises revelaram uma forte correlação entre as bases de dados, no qual a maioria das publicações foram negativas, cuja intensidade média foi a mais elevada. No engajamento, as positivas obtiveram mais curtidas enquanto as neutras mais respostas e republicações, enquanto as nuvens de palavras e modelagem de tópicos revelaram que o conteúdo é mutável com o tempo.
Palavras-chave:
Mineração de Redes Sociais, Análise de Sentimentos, Dengue, Mineração de Opiniões, Modelagem de Tópicos
Referências
Almeida, R. J. A. (2018). Leia - léxico para inferência adaptada. [link].
Alves, J. A., Andrade, N. F. d., Lorenzo, C. F. G., Mendonça, A. V. M., and Sousa, M. F. d. (2022). Percepção da comunidade sobre suas ações preventivas contra dengue, zika e chikungunya nas cinco regiões do Brasil. Physis: Revista de Saúde Coletiva, 32(03):e320312.
Angeluci, A. C. B. and de Farias, M. T. (2024). Percepção pública da dengue em 2024: analisando big data com social listening. Comunicação & Inovação, 25:e20249660–e20249660.
Antunes, M. N., Silva, C. H. d., Guimarães, M. C. S., and Rabaço, M. H. L. (2014). Monitoramento de informação em mídias sociais: o e-monitor dengue. TransInformação, 26:9–18.
Aranha, C. and Passos, E. (2006). A tecnologia de mineração de textos. Revista Eletrônica de Sistemas de Informação, 5(2).
Blei, D. M., Ng, A. Y., and Jordan, M. I. (2003). Latent dirichlet allocation. Journal of machine Learning research, 3(Jan):993–1022.
Brasil (2024). Volume 55 - nº 11: Monitoramento das arboviroses e balanço de encerramento do comitê de operações de emergência (coe) dengue e outras arboviroses 2024. Disponível em: [link]. Acesso em: 18 set. 2025.
Caseli, H. d. M., Nunes, M. d. G. V., and Pagano, A. S. (2023). O que é PLN? Processamento de linguagem natural: conceitos, técnicas e aplicações em português.
de Santana, M. B. and de Souza, C. G. B. (2017). Uso das redes sociais por órgãos públicos no brasil e possibilidades de contribuição do monitoramento para gestão. Gestão. Org, 15(6):99–107.
Gerken, T. (2024). O que é o Bluesky, a rede social rival do X para onde estão indo usuários em protesto a Elon Musk. Disponível em: [link]. Acesso em: 24 fev. 2026.
Heimerl, F., Lohmann, S., Lange, S., and Ertl, T. (2014). Word cloud explorer: Text analytics based on word clouds. In 2014 47th Hawaii international conference on system sciences, pages 1833–1842. IEEE.
Leal-Neto, O. B., Dimech, G. S., Libel, M., Oliveira, W., and Ferreira, J. P. (2016). Detecção digital de doenças e vigilância participativa: panorama e perspectivas para o Brasil. Revista de Saúde Pública, 50:17.
Lemos, V. (2024). Bluesky: a rede social que conseguiu um milhão de usuários e bateu recordes de interações após bloqueio do X no brasil. Disponível em: [link]. Acesso em: 27 fev. 2026.
Malakin, L. A. (2024). Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19. PhD thesis, Universidade de São Paulo.
Melo, B. H. F. d. (2025). Percepção e repercussão: uma análise de sentimentos, tópicos e engajamento em publicações brasileiras sobre desmatamento e queimadas no Bluesky em agosto e setembro de 2024.
Santana, B. S. and de Freitas, L. A. (2024). Capítulo 34 PLN em redes sociais.
Schober, P., Boer, C., and Schwarte, L. A. (2018). Correlation coefficients: appropriate use and interpretation. Anesthesia & analgesia, 126(5):1763–1768.
Xavier, F., Olenscki, J. R. W., Acosta, A. L., Sallum, M. A. M., and SARAIVA, A. (2020). Análise de redes sociais como estratégia de apoio à vigilância em saúde durante a covid-19. Estudos avançados, 34:261–282.
Alves, J. A., Andrade, N. F. d., Lorenzo, C. F. G., Mendonça, A. V. M., and Sousa, M. F. d. (2022). Percepção da comunidade sobre suas ações preventivas contra dengue, zika e chikungunya nas cinco regiões do Brasil. Physis: Revista de Saúde Coletiva, 32(03):e320312.
Angeluci, A. C. B. and de Farias, M. T. (2024). Percepção pública da dengue em 2024: analisando big data com social listening. Comunicação & Inovação, 25:e20249660–e20249660.
Antunes, M. N., Silva, C. H. d., Guimarães, M. C. S., and Rabaço, M. H. L. (2014). Monitoramento de informação em mídias sociais: o e-monitor dengue. TransInformação, 26:9–18.
Aranha, C. and Passos, E. (2006). A tecnologia de mineração de textos. Revista Eletrônica de Sistemas de Informação, 5(2).
Blei, D. M., Ng, A. Y., and Jordan, M. I. (2003). Latent dirichlet allocation. Journal of machine Learning research, 3(Jan):993–1022.
Brasil (2024). Volume 55 - nº 11: Monitoramento das arboviroses e balanço de encerramento do comitê de operações de emergência (coe) dengue e outras arboviroses 2024. Disponível em: [link]. Acesso em: 18 set. 2025.
Caseli, H. d. M., Nunes, M. d. G. V., and Pagano, A. S. (2023). O que é PLN? Processamento de linguagem natural: conceitos, técnicas e aplicações em português.
de Santana, M. B. and de Souza, C. G. B. (2017). Uso das redes sociais por órgãos públicos no brasil e possibilidades de contribuição do monitoramento para gestão. Gestão. Org, 15(6):99–107.
Gerken, T. (2024). O que é o Bluesky, a rede social rival do X para onde estão indo usuários em protesto a Elon Musk. Disponível em: [link]. Acesso em: 24 fev. 2026.
Heimerl, F., Lohmann, S., Lange, S., and Ertl, T. (2014). Word cloud explorer: Text analytics based on word clouds. In 2014 47th Hawaii international conference on system sciences, pages 1833–1842. IEEE.
Leal-Neto, O. B., Dimech, G. S., Libel, M., Oliveira, W., and Ferreira, J. P. (2016). Detecção digital de doenças e vigilância participativa: panorama e perspectivas para o Brasil. Revista de Saúde Pública, 50:17.
Lemos, V. (2024). Bluesky: a rede social que conseguiu um milhão de usuários e bateu recordes de interações após bloqueio do X no brasil. Disponível em: [link]. Acesso em: 27 fev. 2026.
Malakin, L. A. (2024). Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19. PhD thesis, Universidade de São Paulo.
Melo, B. H. F. d. (2025). Percepção e repercussão: uma análise de sentimentos, tópicos e engajamento em publicações brasileiras sobre desmatamento e queimadas no Bluesky em agosto e setembro de 2024.
Santana, B. S. and de Freitas, L. A. (2024). Capítulo 34 PLN em redes sociais.
Schober, P., Boer, C., and Schwarte, L. A. (2018). Correlation coefficients: appropriate use and interpretation. Anesthesia & analgesia, 126(5):1763–1768.
Xavier, F., Olenscki, J. R. W., Acosta, A. L., Sallum, M. A. M., and SARAIVA, A. (2020). Análise de redes sociais como estratégia de apoio à vigilância em saúde durante a covid-19. Estudos avançados, 34:261–282.
Publicado
08/09/2026
Como Citar
OLIVEIRA, Allan Victor Santos de; DE LIMA JÚNIOR, Manoel Limeira.
Análise Temporal de Sentimentos das Postagens sobre a Dengue em Redes Sociais. In: DATA SCIENCE FOR SOCIAL GOOD BRAZILIAN WORKSHOP (DS4SG) - SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 41. , 2026, São Carlos/SP.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 613-622.
DOI: https://doi.org/10.5753/sbbd_estendido.2026.249709.
