A importância do espaço urbano para o sentimento: análise baseada em redes sociais

• Autor(a) principal: Betco, Iuria
• Data de Publicação: 2021
• Outros Autores: Encalada Abarca, Luis, Rocha, Jorge
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10451/52060
• topic: Espaço urbano; Blue print; Green print; Redes sociais; Sentimento

Recentemente, tem-se verificado um despertar do interesse pela importância da qualidade do espaço no suporte à vida saudável (estilo de vida saudável) em áreas urbanas. As ligações entre o espaço e a saúde foram reconhecidas ao longo da história, tendo sido uma das forças motrizes do movimento dos parques urbanos no século XIX na Europa e na América do Norte. No entanto, muitos dos mecanismos por detrás dessas ligações eram mal compreendidos ou careciam de evidências científicas rigorosas. Atualmente, as novas técnicas de análise espacial permitem estudar estes mecanismos com rigor, ajudando a satisfazer os padrões científicos exigidos e viabilizar tomadas de decisão mais informadas, nomeadamente ao nível do planeamento urbano. O presente trabalho tem como enfoque a análise de sentimento em ambiente urbano, tendo em vista a complexidade dos problemas e as estratégias necessárias para ampliar o desenvolvimento das potencialidades locais da cidade de Lisboa. A análise do sentimento com recurso às redes sociais permitirá identificar os locais mais críticos, em que o mal-estar prevalece. Para a sua identificação foi considerado um conjunto de variáveis que caracteriza a morfologia da cidade de Lisboa: altura dos edifícios, uso e ocupação do solo, estruturas verdes e azuis, sombras, níveis de ruído, etc. De modo a identificar quais as variáveis que mais pesam no bem-estar foram utilizados os Generalized Linear Models (GLM), onde a variável dependente traduz o sentimento, e o conjunto de variáveis independentes estão relacionadas com as características da cidade que, após avaliação estatística, se irão considerar mais pertinentes. A predição de um valor de sentimento para toda a cidade foi feita usando métodos de machine learning como o Random Forests (RF).