Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter

Detalhes bibliográficos
Autor(a) principal: Santos, Larissa de Medeiros Torres
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRRJ
Texto Completo: https://rima.ufrrj.br/jspui/handle/20.500.14407/14060
Resumo: Textos registrados em rede social virtual são resultantes de um sistema de crenças in-dividuais e são reflexo do contexto extralinguístico em que o indivíduo está inserido. Com o objetivo de identificar se há, e quais são, as características morais atreladas aos textos criados por grupos polarizados a respeito de um tema no ambiente virtual de interação social conhecido como Twitter, na presente pesquisa, adota-se o método exploratório e descritivo. Inicialmente, identificam-se características quantitativas de textos escritos em português brasileiro oriundos dessa rede social. Depois realiza-se um levantamento dos principais temas abordados por cada grupo polarizado do conjunto de textos (Modelagem de Tópicos). Em seguida, categorizam-se as postagens de maneira automatizada a fim de aplicar a técnica de Análise de Conteúdo em cada tópico e confirmar os temas mapeados na Modelagem de Tópicos. Logo depois, identificam-se associações da linguagem usada nos textos com valores morais definidos na Teoria dos Funda-mentos Morais. E por fim, integraram-se as análises e organiza-se o debate referente ao objeto de estudo. Dois objetos de estudo associados a situações polêmicas no contexto brasileiro são utilizados. Cada objeto é representado por uma dupla de hashtags semanticamente antagônicas do ponto de vista das manifestações de opinião dos usuários do Twitter: hashtags #fechado-combolsonaro e #forabolsonaro, e hashtags #mariferrermentiu e #justicapormariferrer. Com as hashtags associadas ao presidente brasileiro Jair Bolsonaro, 76.803 postagens públicas do Twitter de Abril de 2020 são analisadas e, como resultado, identificou-se a presença dos fun-damentos da Lealdade e da Autoridade no grupo representado por #fechadocombolsonaro. No grupo representado por #forabolsonaro, detectou-se os fundamentos do Dano e da Degradação. Desse mapeamento, inferiu-se que críticos e apoiadores de Jair Bolsonaro tendem a se preocu-par com assuntos diferentes, e por isso não se estabelece uma comunicação efetiva entre esses grupos. Com as hashtags associadas à denúncia de estupro da brasileira Mariana Ferrer, 59.625 postagens do Twitter de Novembro de 2020 são analisadas e, como resultado, identificou-se a predominância do fundamento da Degradação em ambos os grupos de textos, corroborando para as expectativas de significações extralinguísticas do contexto brasileiro em torno do tema violência contra mulher. O que diferenciou os grupos foram os temas centrais identificados na etapa de Análise de Conteúdo: indivíduos usaram #mariferrermentiu para participar do debate e destacar suas postagens, e usaram #justicapormariferrer para manifestar apoio à Mariana.
id UFRRJ-1_988e640db6a2b9fb971b255560e3cbe1
oai_identifier_str oai:rima.ufrrj.br:20.500.14407/14060
network_acronym_str UFRRJ-1
network_name_str Repositório Institucional da UFRRJ
repository_id_str
spelling Santos, Larissa de Medeiros TorresAlvim, Leandro Guimarães Marques089.555.697-93Tavares, Rodrigo de Souza076.174.187-95Alvim, Leandro Guimarães MarquesCorrêa, Ricardo CordeiroAlmeida, Guilherme da Franca de060.101.074-40http://lattes.cnpq.br/30178427345823742023-12-22T02:56:06Z2023-12-22T02:56:06Z2021-10-26SANTOS, Larissa de Medeiros Torres. Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter. 2021. 75 f. Dissertação (Mestrado em Humanidades Digitais) - Instituto Multidisciplinar de Nova Iguaçu, Universidade Federal Rural do Rio de Janeiro, Nova Iguaçu, RJ, 2021.https://rima.ufrrj.br/jspui/handle/20.500.14407/14060Textos registrados em rede social virtual são resultantes de um sistema de crenças in-dividuais e são reflexo do contexto extralinguístico em que o indivíduo está inserido. Com o objetivo de identificar se há, e quais são, as características morais atreladas aos textos criados por grupos polarizados a respeito de um tema no ambiente virtual de interação social conhecido como Twitter, na presente pesquisa, adota-se o método exploratório e descritivo. Inicialmente, identificam-se características quantitativas de textos escritos em português brasileiro oriundos dessa rede social. Depois realiza-se um levantamento dos principais temas abordados por cada grupo polarizado do conjunto de textos (Modelagem de Tópicos). Em seguida, categorizam-se as postagens de maneira automatizada a fim de aplicar a técnica de Análise de Conteúdo em cada tópico e confirmar os temas mapeados na Modelagem de Tópicos. Logo depois, identificam-se associações da linguagem usada nos textos com valores morais definidos na Teoria dos Funda-mentos Morais. E por fim, integraram-se as análises e organiza-se o debate referente ao objeto de estudo. Dois objetos de estudo associados a situações polêmicas no contexto brasileiro são utilizados. Cada objeto é representado por uma dupla de hashtags semanticamente antagônicas do ponto de vista das manifestações de opinião dos usuários do Twitter: hashtags #fechado-combolsonaro e #forabolsonaro, e hashtags #mariferrermentiu e #justicapormariferrer. Com as hashtags associadas ao presidente brasileiro Jair Bolsonaro, 76.803 postagens públicas do Twitter de Abril de 2020 são analisadas e, como resultado, identificou-se a presença dos fun-damentos da Lealdade e da Autoridade no grupo representado por #fechadocombolsonaro. No grupo representado por #forabolsonaro, detectou-se os fundamentos do Dano e da Degradação. Desse mapeamento, inferiu-se que críticos e apoiadores de Jair Bolsonaro tendem a se preocu-par com assuntos diferentes, e por isso não se estabelece uma comunicação efetiva entre esses grupos. Com as hashtags associadas à denúncia de estupro da brasileira Mariana Ferrer, 59.625 postagens do Twitter de Novembro de 2020 são analisadas e, como resultado, identificou-se a predominância do fundamento da Degradação em ambos os grupos de textos, corroborando para as expectativas de significações extralinguísticas do contexto brasileiro em torno do tema violência contra mulher. O que diferenciou os grupos foram os temas centrais identificados na etapa de Análise de Conteúdo: indivíduos usaram #mariferrermentiu para participar do debate e destacar suas postagens, e usaram #justicapormariferrer para manifestar apoio à Mariana.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorTexts recorded in virtual social networks are the result of an individual belief system and reflect the extra-linguistic context in which the individual is inserted. In order to identify whether there are, and which are, the moral characteristics attached to the texts created by polarized groups about a theme in the virtual environment of social interaction known as Twitter, in this research, the exploratory and descriptive method is adopted. Initially, we identify quantitative charac-teristics of texts written in Brazilian Portuguese from this social network. Then, a survey is made of the main topics addressed by each polarized group of the set of texts of the object of study (Topic Modeling). Then, posts are categorized in an automated way in order to apply the Content Analysis technique in each topic and to confirm the themes mapped in the Topic Mod-eling. Next, associations of the language used in the texts with moral values defined in Moral Foundations Theory are identified. And finally, the analyses are integrated and the debate con-cerning the object of study is organized. Two objects of study associated with controversial situations in the Brazilian context are used. Each object is represented by a pair of semantically antagonistic hashtags from the point of view of Twitter users’ expressions of opinion: hashtags #fechadocombolsonaro and #forabolsonaro, and hashtags #mariferrermentiu and #justicapor-mariferrer. With the hashtags associated with Brazilian President Jair Bolsonaro, 76.803 public Twitter posts from April 2020 are analyzed and, as a result, the presence of the fundamentals of Loyalty and Authority was identified in the group represented by #fechadocombolsonaro. In the group represented by #forabolsonaro, the fundamentals of Harm and Degradation were detected. From this mapping, it was inferred that critics and supporters of Jair Bolsonaro tends to care about different issues, and therefore no effective communication is established between these groups. With the hashtags associated with the rape denunciation of the Brazilian woman Mariana Ferrer, 59.625 Twitter posts from November 2020 are analyzed and, as a result, the predominance of the foundation of Degradation in both groups of texts was identified, corrobo-rating to the expectations of extra-linguistic meanings in the Brazilian context around the theme of violence against women. What differentiated these groups were the central themes identified in the Content Analysis step: individuals used #mariferrermentiu to participate in the debate and to highlight their post, and they used #justicapormariferrer to express support for Mariana.application/pdfporUniversidade Federal Rural do Rio de JaneiroPrograma de Pós-Graduação Interdisciplinar em Humanidades DigitaisUFRRJBrasilInstituto Multidisciplinar de Nova IguaçuTeoria dos Fundamentos MoraisPortuguês BrasileiroModelagem de TópicosMoral Foundations TheoryBrazilian PortugueseTopic ModelingInterdisciplinarFundamentos morais e características em expressões textuais de grupos antagônicos no TwitterMoral foundations and characteristics in textual expressions of antagonistic groups on Twitterinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAFONSO, A. R.; DUQUE, C. G. et al. Mineração de textos aplicada a postagens do twitter sobre coronavírus: uma análise na linha do tempo. Liinc em Revista, Instituto Brasileiro de Informação em Ciência e Tecnologia, v. 16, n. 2, p. e5325–e5325, 2020. Disponível em: <http://revista.ibict.br/liinc/article/view/5325>. Acesso em: 18 maio 2021. ALBALAWI, R.; YEAP, T. H.; BENYOUCEF, M. Using topic modeling methods for short-text data: A comparative analysis. Frontiers in Artificial Intelligence, Frontiers, v. 3, p. 42, 2020. Disponível em: <https://doi.org/10.3389/frai.2020.00042>. Acesso em: 13 jun. 2021. ALGHAMDI, R.; ALFALQI, K. A survey of topic modeling in text mining. Int. J. Adv. Comput. Sci. Appl.(IJACSA), Citeseer, v. 6, n. 1, 2015. Disponível em: <http: //dx.doi.org/10.14569/IJACSA.2015.060121>. Acesso em: 10 set. 2021. ALVES, S. Julgamento de influencer mariana ferrer termina com tese inédita de “estupro culposo” e advogado humilhando jovem. The Intercept Brasil, v. 3, 2020. Disponível em: <https://theintercept.com/2020/11/03/influencer-mariana-ferrer-estupro-culposo/>. Acesso em: 04 set. 2021. AMÉRICO, M. R. M.; MAGGI, D. N. R. A linguagem do twitter à luz de reflexões de bakhtin. 2015. Disponível em: <https://www.uniritter.edu.br/files/sepesq/arquivos_trabalhos/3612/ 1134/1313.pdf>. Acesso em: 18 maio 2021. BARDIN, L. Análise de conteúdo. 1. ed. São Paulo: Edições 70, 2016. BLEI, D. M.; NG, A. Y.; JORDAN, M. I. Latent dirichlet allocation. the Journal of machine Learning research, JMLR. org, v. 3, p. 993–1022, 2003. Disponível em: <https://www.jmlr.org/papers/volume3/blei03a/blei03a.pdf>. Acesso em: 11 jun. 2021. BRADY, W. J.; WILLS, J. A.; JOST, J. T.; TUCKER, J. A.; BAVEL, J. J. V. Emotion shapes the diffusion of moralized content in social networks. Proceedings of the National Academy of Sciences, National Academy of Sciences, v. 114, n. 28, p. 7313–7318, 2017. Disponível em: <https://www.pnas.org/content/114/28/7313>. Acesso em: 08 set. 2021. BRAIT, B. (org.). Bakhtin: Conceitos-Chave. 4. ed. São Paulo: Contexto, 2008. BRANDO, M. S. Como decidem os juízes?: uma investigação da teoria realista da decisão judicial a partir das contribuições das ciências cognitivas e da psicologia moral. Rio de Janeiro: [s.n.], 2013. 112 p. Dissertação (mestrado), Departamento de Direito, Pontifícia Universidade Católica do Rio de Janeiro. BRASIL. Lei Federal Nº 7.209, de 11 de julho de 1984. 1988. Altera dispositivos do Decreto-Lei nº 2.848, de 7 de dezembro de 1940 - Código Penal, e dá outras providências. Disponível em: <http://www.planalto.gov.br/ccivil_03/LEIS/1980-1988/L7209.htm>. Acesso em: 04 set. 2021. CARVALHO, F.; OKUNO, H. Y.; BARONI, L.; GUEDES, G. A brazilian portuguese moral foundations dictionary for fake news classification. In: IEEE. 2020 39th International Conference of the Chilean Computer Science Society (SCCC). 2020. p. 1–5. Disponível em: <https://ieeexplore.ieee.org/document/9281258>. Acesso em: 6 maio 2021. CUNHA, E. L. T. P. Etiquetagem de micromensagens no Twitter: uma abordagem linguística. Belo Horizonte: [s.n.], 2012. 66 p. Dissertação (mestrado), Departamento de Departamento de Ciência da Computação, Universidade Federal de Minas Gerais. Disponível em: <http://hdl.handle.net/1843/ESBF-8UZJ4X>. Acesso em: 02 dez. 2020. ENDRES, M. C. A moralidade para a psicologia experimental de jonathan haidt. p. 40, 2021. Trabalho de Conclusão de Curso (Bacharelado em Ciências Sociais) - Instituto de Filosofia e Ciências Humanas, Universidade Federal do Rio Grande do Sul, Porto Alegre. Disponível em: <http://hdl.handle.net/10183/225698>. Acesso em: 27 ago. 2021. FERNANDES, C. M.; OLIVEIRA, L. A. de; CAMPOS, M. M. de; COIMBRA, M. R. et al. A pós-verdade em tempos de covid 19: o negacionismo no discurso de jair bolsonaro no instagram. Liinc em Revista, Instituto Brasileiro de Informação em Ciência e Tecnologia, v. 16, n. 2, p. e5317–e5317, 2020. Disponível em: <https://doi.org/10.18617/liinc.v16i2.5317>. Acesso em: 10 jun. 2021. FRIMER, J. A.; BOGHRATI, R.; HAIDT, J.; GRAHAM, J.; DEHGANI, M. Moral foundations dictionary for linguistic analyses 2.0. Unpublished manuscript, 2019. Disponível em: <https://osf.io/ezn37/>. Acesso em: 19 set. 2021. GARTEN, J.; BOGHRATI, R.; HOOVER, J.; JOHNSON, K. M.; DEHGHANI, M. Morality between the lines: Detecting moral sentiment in text. In: IJCAI. Proceedings of IJCAI 2016 workshop on Computational Modeling of Attitudes. 2016. Disponível em: <http://morteza-dehghani.net/wp-content/uploads/morality-lines-detecting.pdf>. Acesso em: 19 jun. 2021. GARTEN, J.; HOOVER, J.; JOHNSON, K. M.; BOGHRATI, R.; ISKIWITCH, C.; DEHGHANI, M. Dictionaries and distributions: Combining expert knowledge and large scale textual data content analysis. Behavior research methods, Springer, v. 50, n. 1, p. 344–361, 2018. Disponível em: <https://doi.org/10.3758/s13428-017-0875-9>. Acesso em: 20 set. 2021. GLEN, S. Cohen’s D: Definition, Examples, Formulas - From StatisticsHowTo.com: Elementary Statistics for the rest of us! 2016. Disponível em: <https://www.statisticshowto. com/cohens-d/>. Acesso em: 18 jun. 2021. GOMES, T. d. L. O curioso ”estupro culposo”: A marca da precaridade e da necrobiopolÍtica nas relações de gênero no brasil. In: MÍDIA, MODA E SOCIABILIDADES: relações de gênero e sexualidade, aspectos sociais e identitários na cultura brasileira a partir do século XXI. 1. ed. Curitiba,PR: Editora BAGAI, 2020. p. 33–45. GRAHAM, J.; HAIDT, J.; KOLEVA, S.; MOTYL, M.; IYER, R.; WOJCIK, S. P.; DITTO, P. H. Moral foundations theory: The pragmatic validity of moral pluralism. In: Advances in experimental social psychology. Elsevier, 2013. v. 47, p. 55–130. Disponível em: <https://ssrn.com/abstract=2184440>. Acesso em: 30 ago. 2021. GRAHAM, J.; NOSEK, B. A.; HAIDT, J.; IYER, R.; KOLEVA, S.; DITTO, P. H. Mapping the moral domain. Journal of personality and social psychology, American Psychological Association, v. 101, n. 2, p. 366, 2011. Disponível em: <https://www.ncbi.nlm.nih.gov/pmc/ articles/PMC3116962/>. Acesso em: 31 ago. 2021. HAIDT, J. A mente moralista: Por que pessoas boas se separam por causa da política e da religião? 1. ed. [S.l.]: Editora Independente, 2013. Tradução Antonio Kuntz. HAIDT, J.; BJORKLUND, F. Social intuitionists answer six questions about morality. Oxford University Press, Forthcoming, p. 38, 2008. Disponível em: <https://ssrn.com/abstract= 855164>. Acesso em: 09 abr. 2021. HALL, S. A identidade cultural na pós-modernidade. 11. ed. Rio de Janeiro: DP&A Editora, 2006. 104 p. HOLMES, A.; ILLOWSKY, B.; DEAN, S. Introductory Business Statistics - Cohen’s Standards for Small, Medium, and Large Effect Sizes. 2019. Chapter 50. OpenStax CNX. Livro Digital. Disponível em: <https://opentextbc.ca/introbusinessstatopenstax/chapter/ cohens-standards-for-small-medium-and-large-effect-sizes/>. Acesso em: 16 ago. 2021. HOOVER, J.; DEHGHANI, M.; JOHNSON, K.; ILIEV, R.; GRAHAM, J. Into the wild: Big data analytics in moral psychology. In: Atlas of moral psychology. 1. ed. New York: Guilford Publications, 2019. p. 525–536. Disponível em: <ttps: //joe-hoover.com/papers/into_the_wild.pdf>. Acesso em: 19 set. 2021. INDURKHYA, N.; DAMERAU, F. J. Handbook of natural language processing. [S.l.]: CRC Press, 2010. v. 2. Ebook-PDF. JAKOBSON, R. Linguística e Comunicação. 1. ed. São Paulo: Cultrix, 1976. KAUR, R.; SASAHARA, K. Quantifying moral foundations from various topics on twitter conversations. In: IEEE. International Conference on Big Data (Big Data). 2016. p. 2505–2512. Disponível em: <https://arxiv.org/pdf/1610.02991.pdf>. Acesso em: 12 out. 2019. KENNEDY, B.; ATARI, M.; DAVANI, A. M.; HOOVER, J.; OMRANI, A.; GRAHAM, J.; DEHGHANI, M. Moral concerns are differentially observable in language. PsyArXiv, 2020. Disponível em: <https://doi.org/10.31234/osf.io/uqmty>. Acesso em: 16 set. 2021. KESSLER, J. S. Scattertext: a browser-based tool for visualizing how corpora differ. arXiv preprint arXiv:1703.00565, 2017. Disponível em: <arxiv.org/abs/1703.00565>. Acesso em: 30 out. 2020. KOCH, I. G. V. A Inter-ação pela Linguagem. 11. ed. São Paulo: Contexto, 2013. ISBN 978-85-7244-025-7. KOCH, I. G. V. O texto: construção de sentidos. Santa Cruz do Sul: Signo, 2019. v. 20. ISSN 1982-2014. Disponível em: <https://online.unisc.br/seer/index.php/signo/article/view/9181>. Acesso em: 23 ago. 2021. MARTELOTTA, M. E. (org.) Manual de Linguística. 2. ed. São Paulo: Contexto, 2011. ISBN:978-85-7244-386-9. MU, Y.; ALETRAS, N. Identifying Twitter users who repost unreliable news sources with linguistic information. PeerJ Computer Science, 2020. Disponível em: <https: //doi.org/10.7717/peerj-cs.325>. Acesso em: 6 jun. 2021. MUTLU, E. Ç.; OGHAZ, T.; TÜTÜNCÜLER, E.; JASSER, J.; GARIBAY, I. Quantifying latent moral foundations in twitter narratives: The case of the syrian white helmets misinformation. arXiv preprint arXiv:2004.13142, 2020. Disponível em: <https: //arxiv.org/pdf/2004.13142.pdf>. Acesso em: 16 set. 2021. NIETO, E. G.; HIGA, G.; ALVAREZ, M.; BENETTI, P. R.; SANCHEZ, E. G. As 10 #Hashtags mais frequentes no Twitter veiculadas por congressistas no ano passado. c2021. NEV - Núcleo de Estudos da Violência da Universidade de São Paulo. Disponível em: <https://nev.prp.usp.br/noticias/ as-10-hashtags-mais-frequentes-no-twitter-veiculadas-por-congressistas-no-ano-passado/>. Acesso em: 31 maio 2021. OLIVEIRA, A. N. d. Persuasion strategies in political marketing: moral foundations, fake news, and framing. 2019. Disponível em: <https://repositorio.unb.br/handle/10482/35073>. Acesso em: 30 ago. 2021. OLIVEIRA, L. Análise de Texto Automatizada e Análise de Conteúdo: Abordagens combinadas e Apontamentos sobre a Produção Latino-americana. 2019. X Congresso Latinoamericano de Ciência Política. Instituto Tecnológico de Estudios Superiores de Monterrey (ITESM). 31 jul-3 ago. Disponível em: <https://alacip.org/cong19/241-oliveira-19.pdf>. Acesso em: 30 jul. 2021. PENNEBAKER, J. W.; BOYD, R. L.; JORDAN, K.; BLACKBURN, K. The development and psychometric properties of LIWC2015. Texas, 2015. University of Texas at Austin. Disponível em: <https://repositories.lib.utexas.edu/bitstream/handle/2152/31333/LIWC2015_ LanguageManual.pdf>. Acesso em: 20 set. 2021. POURNAKI, A.; GAISBAUER, F.; BANISCH, S.; OLBRICH, E. The twitter explorer: a framework for observing twitter through interactive networks. arXiv preprint arXiv:2003.03599, 2020. Disponível em: <https://arxiv.org/abs/2003.03599>. Acesso em: 10 jan. 2021. PREOŢIUC-PIETRO, D.; LIU, Y.; HOPKINS, D.; UNGAR, L. Beyond binary labels: political ideology prediction of twitter users. In: Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). [s.n.], 2017. p. 729–740. Disponível em: <https://doi.org/10.18653/v1/P17-1068>. Acesso em: 06 jun. 2021. RECUERO, R.; SOARES, F. Discurso desinformativo sobre a cura do covid-19 no twitter: Estudo de caso. e-compós. Preprint (SciELO), v. 10, 2020. Disponível em: <https://www.e-compos.org.br/e-compos/article/view/2127/2008>. Acesso em: 19 maio 2021. REX, R. V. de V. Teoria das fundações morais: o nativismo moral em jonathan haidt. Impulso, v. 28, n. 71, p. 105–123, 2018. Disponível em: <https://www.metodista.br/revistas/ revistas-unimep/index.php/impulso/article/view/3643>. Acesso em: 04 abr. 2021. REZAPOUR, R.; SHAH, S. H.; DIESNER, J. Enhancing the measurement of social effects by capturing morality. In: Proceedings of the tenth workshop on computational approaches to subjectivity, sentiment and social media analysis. [s.n.], 2019. p. 35–45. Disponível em: <https://aclanthology.org/W19-1305/>. Acesso em: 16 set. 2021. RODRIGUES, A. T. O poder da palavra: aplicação da modelagem de tópicos na construção de indicadores econômicos. São Paulo: [s.n.], 2019. 53 p. Dissertação (mestrado profissional MPFE), Fundação Getúlio Vargas, Escola de Economia de São Paulo. Disponível em: <https://hdl.handle.net/10438/27642>. Acesso em: 11 jun. 2021. ROSS, S. D.; CRUZ, B. d. P. A. Análise quantitativa de textos: Apresentação e operacionalização da técnica via twitter. Administração: Ensino e Pesquisa, v. 22, n. 1, 2021. Disponível em: <https://raep.emnuvens.com.br/raep/article/view/1859>. Acesso em: 30 jul. 2021. RUSSELL, S.; NORVIG, P. Artificial intelligence: a modern approach. Prentice Hall, p. 1–33, 2009. ISBN-13:978-0-13-604259-4. Disponível em: <https://cs.calvin.edu/courses/cs/344/ kvlinden/resources/AIMA-3rd-edition.pdf>. Acesso em: 07 jun. 2021. SAGI, E.; DEHGHANI, M. Measuring moral rhetoric in text. Social science computer review, Sage Publications Sage CA: Los Angeles, CA, v. 32, n. 2, p. 132–144, 2014. Disponível em: <https://doi.org/10.1177/0894439313506837>. Acesso em: 16 set. 2021. SILVINO, A. M. D.; PILATI, R.; KELLER, V. N.; SILVA, E. P.; FREITAS, A. F. d. P.; SILVA, J. N.; LIMA, M. F. Adaptação do questionário dos fundamentos morais para o português. Psico-USF, SciELO Brasil, v. 21, p. 487–495, 2016. Disponível em: <https://doi.org/10.1590/1413-82712016210304>. Acesso em: 30 ago. 2021. SINOARA, R. A.; ANTUNES, J.; REZENDE, S. O. Text mining and semantics: a systematic mapping study. Journal of the Brazilian Computer Society, SpringerOpen, v. 23, n. 1, p. 1–20, 2017. Disponível em: <https://doi.org/10.1186/s13173-017-0058-7>. Acesso em: 11 jun. 2021. SOARES, F. B.; RECUERO, R. Opinião pública no twitter: análise da indicação de alexandre de moraes ao stf. Logeion: Filosofia da Informação, v. 3, n. 2, p. 18–37, 2017. Disponível em: <http://dx.doi.org/10.21728/logeion.2017v3n2.p18-37>. Acesso em: 20 maio 2021. STEINSKOG, A.; THERKELSEN, J.; GAMBÄCK, B. Twitter topic modeling by tweet aggregation. In: Proceedings of the 21st nordic conference on computational linguistics. Sweden: [s.n.], 2017. p. 77–86. Disponível em: <https://www.aclweb.org/anthology/ W17-0210.pdf>. Acesso em: 11 jun. 2021. TJDFT. Tribunal de Justica do Distrito Federal e dos Territórios. Crime Doloso x Crime Culposo. c2021. Disponível em: <https://www.tjdft.jus.br/institucional/imprensa/ campanhas-e-produtos/direito-facil/edicao-semanal/crime-doloso-x-crime-culposo>. Acesso em: 04 set. 2021. TWITTER. Regras e Políticas. c2021. Disponível em: <https://help.twitter.com/pt/ rules-and-policies>. Acesso em: 24 jan. 2020. TWITTER, D. Use Case’s, Tutorials e Documentation. c2021. Disponível em: <https: //developer.twitter.com/>. Acesso em: 14 jan. 2021. VALENZUELA, S.; PIÑA, M.; RAMÍREZ, J. Behavioral effects of framing on social media users: How conflict, economic, human interest, and morality frames drive news sharing. Journal of communication, Oxford University Press, v. 67, n. 5, p. 803–826, 2017. Disponível em: <https://doi.org/10.1111/jcom.12325>. Acesso em: 01 jun. 2021. YOURMORALS. Moral Foundations.Org. [Site institucional]. c2021. Disponível em: <https://moralfoundations.org/>. Acesso em: 06 abr. 2020.https://tede.ufrrj.br/retrieve/69394/2021%20-%20Larissa%20de%20Medeiros%20Torres%20Santos.pdf.jpghttps://tede.ufrrj.br/jspui/handle/jspui/5681Submitted by Jorge Silva (jorgelmsilva@ufrrj.br) on 2022-05-18T20:36:21Z No. of bitstreams: 1 2021 - Larissa de Medeiros Torres Santos.pdf: 4587574 bytes, checksum: 95c188661f83d03daf4c28dbd6231cb2 (MD5)Made available in DSpace on 2022-05-18T20:36:21Z (GMT). No. of bitstreams: 1 2021 - Larissa de Medeiros Torres Santos.pdf: 4587574 bytes, checksum: 95c188661f83d03daf4c28dbd6231cb2 (MD5) Previous issue date: 2021-10-26info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRRJinstname:Universidade Federal Rural do Rio de Janeiro (UFRRJ)instacron:UFRRJTHUMBNAIL2021 - Larissa de Medeiros Torres Santos.pdf.jpgGenerated Thumbnailimage/jpeg4512https://rima.ufrrj.br/jspui/bitstream/20.500.14407/14060/1/2021%20-%20Larissa%20de%20Medeiros%20Torres%20Santos.pdf.jpgaceec9c62922a3a343a77ff24314d371MD51TEXT2021 - Larissa de Medeiros Torres Santos.pdf.txtExtracted Texttext/plain258185https://rima.ufrrj.br/jspui/bitstream/20.500.14407/14060/2/2021%20-%20Larissa%20de%20Medeiros%20Torres%20Santos.pdf.txt7b35bae72c1273c88d93bd7438cc437cMD52ORIGINAL2021 - Larissa de Medeiros Torres Santos.pdfapplication/pdf4587574https://rima.ufrrj.br/jspui/bitstream/20.500.14407/14060/3/2021%20-%20Larissa%20de%20Medeiros%20Torres%20Santos.pdf95c188661f83d03daf4c28dbd6231cb2MD53LICENSElicense.txttext/plain2089https://rima.ufrrj.br/jspui/bitstream/20.500.14407/14060/4/license.txt7b5ba3d2445355f386edab96125d42b7MD5420.500.14407/140602023-12-21 23:56:06.692oai:rima.ufrrj.br:20.500.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Biblioteca Digital de Teses e Dissertaçõeshttps://tede.ufrrj.br/PUBhttps://tede.ufrrj.br/oai/requestbibliot@ufrrj.br||bibliot@ufrrj.bropendoar:2023-12-22T02:56:06Biblioteca Digital de Teses e Dissertações da UFRRJ - Universidade Federal Rural do Rio de Janeiro (UFRRJ)false
dc.title.por.fl_str_mv Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter
dc.title.alternative.eng.fl_str_mv Moral foundations and characteristics in textual expressions of antagonistic groups on Twitter
title Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter
spellingShingle Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter
Santos, Larissa de Medeiros Torres
Teoria dos Fundamentos Morais
Português Brasileiro
Modelagem de Tópicos
Moral Foundations Theory
Brazilian Portuguese
Topic Modeling
Interdisciplinar
title_short Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter
title_full Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter
title_fullStr Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter
title_full_unstemmed Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter
title_sort Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter
author Santos, Larissa de Medeiros Torres
author_facet Santos, Larissa de Medeiros Torres
author_role author
dc.contributor.author.fl_str_mv Santos, Larissa de Medeiros Torres
dc.contributor.advisor1.fl_str_mv Alvim, Leandro Guimarães Marques
dc.contributor.advisor1ID.fl_str_mv 089.555.697-93
dc.contributor.advisor-co1.fl_str_mv Tavares, Rodrigo de Souza
dc.contributor.advisor-co1ID.fl_str_mv 076.174.187-95
dc.contributor.referee1.fl_str_mv Alvim, Leandro Guimarães Marques
dc.contributor.referee2.fl_str_mv Corrêa, Ricardo Cordeiro
dc.contributor.referee3.fl_str_mv Almeida, Guilherme da Franca de
dc.contributor.authorID.fl_str_mv 060.101.074-40
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/3017842734582374
contributor_str_mv Alvim, Leandro Guimarães Marques
Tavares, Rodrigo de Souza
Alvim, Leandro Guimarães Marques
Corrêa, Ricardo Cordeiro
Almeida, Guilherme da Franca de
dc.subject.por.fl_str_mv Teoria dos Fundamentos Morais
Português Brasileiro
Modelagem de Tópicos
topic Teoria dos Fundamentos Morais
Português Brasileiro
Modelagem de Tópicos
Moral Foundations Theory
Brazilian Portuguese
Topic Modeling
Interdisciplinar
dc.subject.eng.fl_str_mv Moral Foundations Theory
Brazilian Portuguese
Topic Modeling
dc.subject.cnpq.fl_str_mv Interdisciplinar
description Textos registrados em rede social virtual são resultantes de um sistema de crenças in-dividuais e são reflexo do contexto extralinguístico em que o indivíduo está inserido. Com o objetivo de identificar se há, e quais são, as características morais atreladas aos textos criados por grupos polarizados a respeito de um tema no ambiente virtual de interação social conhecido como Twitter, na presente pesquisa, adota-se o método exploratório e descritivo. Inicialmente, identificam-se características quantitativas de textos escritos em português brasileiro oriundos dessa rede social. Depois realiza-se um levantamento dos principais temas abordados por cada grupo polarizado do conjunto de textos (Modelagem de Tópicos). Em seguida, categorizam-se as postagens de maneira automatizada a fim de aplicar a técnica de Análise de Conteúdo em cada tópico e confirmar os temas mapeados na Modelagem de Tópicos. Logo depois, identificam-se associações da linguagem usada nos textos com valores morais definidos na Teoria dos Funda-mentos Morais. E por fim, integraram-se as análises e organiza-se o debate referente ao objeto de estudo. Dois objetos de estudo associados a situações polêmicas no contexto brasileiro são utilizados. Cada objeto é representado por uma dupla de hashtags semanticamente antagônicas do ponto de vista das manifestações de opinião dos usuários do Twitter: hashtags #fechado-combolsonaro e #forabolsonaro, e hashtags #mariferrermentiu e #justicapormariferrer. Com as hashtags associadas ao presidente brasileiro Jair Bolsonaro, 76.803 postagens públicas do Twitter de Abril de 2020 são analisadas e, como resultado, identificou-se a presença dos fun-damentos da Lealdade e da Autoridade no grupo representado por #fechadocombolsonaro. No grupo representado por #forabolsonaro, detectou-se os fundamentos do Dano e da Degradação. Desse mapeamento, inferiu-se que críticos e apoiadores de Jair Bolsonaro tendem a se preocu-par com assuntos diferentes, e por isso não se estabelece uma comunicação efetiva entre esses grupos. Com as hashtags associadas à denúncia de estupro da brasileira Mariana Ferrer, 59.625 postagens do Twitter de Novembro de 2020 são analisadas e, como resultado, identificou-se a predominância do fundamento da Degradação em ambos os grupos de textos, corroborando para as expectativas de significações extralinguísticas do contexto brasileiro em torno do tema violência contra mulher. O que diferenciou os grupos foram os temas centrais identificados na etapa de Análise de Conteúdo: indivíduos usaram #mariferrermentiu para participar do debate e destacar suas postagens, e usaram #justicapormariferrer para manifestar apoio à Mariana.
publishDate 2021
dc.date.issued.fl_str_mv 2021-10-26
dc.date.accessioned.fl_str_mv 2023-12-22T02:56:06Z
dc.date.available.fl_str_mv 2023-12-22T02:56:06Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SANTOS, Larissa de Medeiros Torres. Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter. 2021. 75 f. Dissertação (Mestrado em Humanidades Digitais) - Instituto Multidisciplinar de Nova Iguaçu, Universidade Federal Rural do Rio de Janeiro, Nova Iguaçu, RJ, 2021.
dc.identifier.uri.fl_str_mv https://rima.ufrrj.br/jspui/handle/20.500.14407/14060
identifier_str_mv SANTOS, Larissa de Medeiros Torres. Fundamentos morais e características em expressões textuais de grupos antagônicos no Twitter. 2021. 75 f. Dissertação (Mestrado em Humanidades Digitais) - Instituto Multidisciplinar de Nova Iguaçu, Universidade Federal Rural do Rio de Janeiro, Nova Iguaçu, RJ, 2021.
url https://rima.ufrrj.br/jspui/handle/20.500.14407/14060
dc.language.iso.fl_str_mv por
language por
dc.relation.references.por.fl_str_mv AFONSO, A. R.; DUQUE, C. G. et al. Mineração de textos aplicada a postagens do twitter sobre coronavírus: uma análise na linha do tempo. Liinc em Revista, Instituto Brasileiro de Informação em Ciência e Tecnologia, v. 16, n. 2, p. e5325–e5325, 2020. Disponível em: <http://revista.ibict.br/liinc/article/view/5325>. Acesso em: 18 maio 2021. ALBALAWI, R.; YEAP, T. H.; BENYOUCEF, M. Using topic modeling methods for short-text data: A comparative analysis. Frontiers in Artificial Intelligence, Frontiers, v. 3, p. 42, 2020. Disponível em: <https://doi.org/10.3389/frai.2020.00042>. Acesso em: 13 jun. 2021. ALGHAMDI, R.; ALFALQI, K. A survey of topic modeling in text mining. Int. J. Adv. Comput. Sci. Appl.(IJACSA), Citeseer, v. 6, n. 1, 2015. Disponível em: <http: //dx.doi.org/10.14569/IJACSA.2015.060121>. Acesso em: 10 set. 2021. ALVES, S. Julgamento de influencer mariana ferrer termina com tese inédita de “estupro culposo” e advogado humilhando jovem. The Intercept Brasil, v. 3, 2020. Disponível em: <https://theintercept.com/2020/11/03/influencer-mariana-ferrer-estupro-culposo/>. Acesso em: 04 set. 2021. AMÉRICO, M. R. M.; MAGGI, D. N. R. A linguagem do twitter à luz de reflexões de bakhtin. 2015. Disponível em: <https://www.uniritter.edu.br/files/sepesq/arquivos_trabalhos/3612/ 1134/1313.pdf>. Acesso em: 18 maio 2021. BARDIN, L. Análise de conteúdo. 1. ed. São Paulo: Edições 70, 2016. BLEI, D. M.; NG, A. Y.; JORDAN, M. I. Latent dirichlet allocation. the Journal of machine Learning research, JMLR. org, v. 3, p. 993–1022, 2003. Disponível em: <https://www.jmlr.org/papers/volume3/blei03a/blei03a.pdf>. Acesso em: 11 jun. 2021. BRADY, W. J.; WILLS, J. A.; JOST, J. T.; TUCKER, J. A.; BAVEL, J. J. V. Emotion shapes the diffusion of moralized content in social networks. Proceedings of the National Academy of Sciences, National Academy of Sciences, v. 114, n. 28, p. 7313–7318, 2017. Disponível em: <https://www.pnas.org/content/114/28/7313>. Acesso em: 08 set. 2021. BRAIT, B. (org.). Bakhtin: Conceitos-Chave. 4. ed. São Paulo: Contexto, 2008. BRANDO, M. S. Como decidem os juízes?: uma investigação da teoria realista da decisão judicial a partir das contribuições das ciências cognitivas e da psicologia moral. Rio de Janeiro: [s.n.], 2013. 112 p. Dissertação (mestrado), Departamento de Direito, Pontifícia Universidade Católica do Rio de Janeiro. BRASIL. Lei Federal Nº 7.209, de 11 de julho de 1984. 1988. Altera dispositivos do Decreto-Lei nº 2.848, de 7 de dezembro de 1940 - Código Penal, e dá outras providências. Disponível em: <http://www.planalto.gov.br/ccivil_03/LEIS/1980-1988/L7209.htm>. Acesso em: 04 set. 2021. CARVALHO, F.; OKUNO, H. Y.; BARONI, L.; GUEDES, G. A brazilian portuguese moral foundations dictionary for fake news classification. In: IEEE. 2020 39th International Conference of the Chilean Computer Science Society (SCCC). 2020. p. 1–5. Disponível em: <https://ieeexplore.ieee.org/document/9281258>. Acesso em: 6 maio 2021. CUNHA, E. L. T. P. Etiquetagem de micromensagens no Twitter: uma abordagem linguística. Belo Horizonte: [s.n.], 2012. 66 p. Dissertação (mestrado), Departamento de Departamento de Ciência da Computação, Universidade Federal de Minas Gerais. Disponível em: <http://hdl.handle.net/1843/ESBF-8UZJ4X>. Acesso em: 02 dez. 2020. ENDRES, M. C. A moralidade para a psicologia experimental de jonathan haidt. p. 40, 2021. Trabalho de Conclusão de Curso (Bacharelado em Ciências Sociais) - Instituto de Filosofia e Ciências Humanas, Universidade Federal do Rio Grande do Sul, Porto Alegre. Disponível em: <http://hdl.handle.net/10183/225698>. Acesso em: 27 ago. 2021. FERNANDES, C. M.; OLIVEIRA, L. A. de; CAMPOS, M. M. de; COIMBRA, M. R. et al. A pós-verdade em tempos de covid 19: o negacionismo no discurso de jair bolsonaro no instagram. Liinc em Revista, Instituto Brasileiro de Informação em Ciência e Tecnologia, v. 16, n. 2, p. e5317–e5317, 2020. Disponível em: <https://doi.org/10.18617/liinc.v16i2.5317>. Acesso em: 10 jun. 2021. FRIMER, J. A.; BOGHRATI, R.; HAIDT, J.; GRAHAM, J.; DEHGANI, M. Moral foundations dictionary for linguistic analyses 2.0. Unpublished manuscript, 2019. Disponível em: <https://osf.io/ezn37/>. Acesso em: 19 set. 2021. GARTEN, J.; BOGHRATI, R.; HOOVER, J.; JOHNSON, K. M.; DEHGHANI, M. Morality between the lines: Detecting moral sentiment in text. In: IJCAI. Proceedings of IJCAI 2016 workshop on Computational Modeling of Attitudes. 2016. Disponível em: <http://morteza-dehghani.net/wp-content/uploads/morality-lines-detecting.pdf>. Acesso em: 19 jun. 2021. GARTEN, J.; HOOVER, J.; JOHNSON, K. M.; BOGHRATI, R.; ISKIWITCH, C.; DEHGHANI, M. Dictionaries and distributions: Combining expert knowledge and large scale textual data content analysis. Behavior research methods, Springer, v. 50, n. 1, p. 344–361, 2018. Disponível em: <https://doi.org/10.3758/s13428-017-0875-9>. Acesso em: 20 set. 2021. GLEN, S. Cohen’s D: Definition, Examples, Formulas - From StatisticsHowTo.com: Elementary Statistics for the rest of us! 2016. Disponível em: <https://www.statisticshowto. com/cohens-d/>. Acesso em: 18 jun. 2021. GOMES, T. d. L. O curioso ”estupro culposo”: A marca da precaridade e da necrobiopolÍtica nas relações de gênero no brasil. In: MÍDIA, MODA E SOCIABILIDADES: relações de gênero e sexualidade, aspectos sociais e identitários na cultura brasileira a partir do século XXI. 1. ed. Curitiba,PR: Editora BAGAI, 2020. p. 33–45. GRAHAM, J.; HAIDT, J.; KOLEVA, S.; MOTYL, M.; IYER, R.; WOJCIK, S. P.; DITTO, P. H. Moral foundations theory: The pragmatic validity of moral pluralism. In: Advances in experimental social psychology. Elsevier, 2013. v. 47, p. 55–130. Disponível em: <https://ssrn.com/abstract=2184440>. Acesso em: 30 ago. 2021. GRAHAM, J.; NOSEK, B. A.; HAIDT, J.; IYER, R.; KOLEVA, S.; DITTO, P. H. Mapping the moral domain. Journal of personality and social psychology, American Psychological Association, v. 101, n. 2, p. 366, 2011. Disponível em: <https://www.ncbi.nlm.nih.gov/pmc/ articles/PMC3116962/>. Acesso em: 31 ago. 2021. HAIDT, J. A mente moralista: Por que pessoas boas se separam por causa da política e da religião? 1. ed. [S.l.]: Editora Independente, 2013. Tradução Antonio Kuntz. HAIDT, J.; BJORKLUND, F. Social intuitionists answer six questions about morality. Oxford University Press, Forthcoming, p. 38, 2008. Disponível em: <https://ssrn.com/abstract= 855164>. Acesso em: 09 abr. 2021. HALL, S. A identidade cultural na pós-modernidade. 11. ed. Rio de Janeiro: DP&A Editora, 2006. 104 p. HOLMES, A.; ILLOWSKY, B.; DEAN, S. Introductory Business Statistics - Cohen’s Standards for Small, Medium, and Large Effect Sizes. 2019. Chapter 50. OpenStax CNX. Livro Digital. Disponível em: <https://opentextbc.ca/introbusinessstatopenstax/chapter/ cohens-standards-for-small-medium-and-large-effect-sizes/>. Acesso em: 16 ago. 2021. HOOVER, J.; DEHGHANI, M.; JOHNSON, K.; ILIEV, R.; GRAHAM, J. Into the wild: Big data analytics in moral psychology. In: Atlas of moral psychology. 1. ed. New York: Guilford Publications, 2019. p. 525–536. Disponível em: <ttps: //joe-hoover.com/papers/into_the_wild.pdf>. Acesso em: 19 set. 2021. INDURKHYA, N.; DAMERAU, F. J. Handbook of natural language processing. [S.l.]: CRC Press, 2010. v. 2. Ebook-PDF. JAKOBSON, R. Linguística e Comunicação. 1. ed. São Paulo: Cultrix, 1976. KAUR, R.; SASAHARA, K. Quantifying moral foundations from various topics on twitter conversations. In: IEEE. International Conference on Big Data (Big Data). 2016. p. 2505–2512. Disponível em: <https://arxiv.org/pdf/1610.02991.pdf>. Acesso em: 12 out. 2019. KENNEDY, B.; ATARI, M.; DAVANI, A. M.; HOOVER, J.; OMRANI, A.; GRAHAM, J.; DEHGHANI, M. Moral concerns are differentially observable in language. PsyArXiv, 2020. Disponível em: <https://doi.org/10.31234/osf.io/uqmty>. Acesso em: 16 set. 2021. KESSLER, J. S. Scattertext: a browser-based tool for visualizing how corpora differ. arXiv preprint arXiv:1703.00565, 2017. Disponível em: <arxiv.org/abs/1703.00565>. Acesso em: 30 out. 2020. KOCH, I. G. V. A Inter-ação pela Linguagem. 11. ed. São Paulo: Contexto, 2013. ISBN 978-85-7244-025-7. KOCH, I. G. V. O texto: construção de sentidos. Santa Cruz do Sul: Signo, 2019. v. 20. ISSN 1982-2014. Disponível em: <https://online.unisc.br/seer/index.php/signo/article/view/9181>. Acesso em: 23 ago. 2021. MARTELOTTA, M. E. (org.) Manual de Linguística. 2. ed. São Paulo: Contexto, 2011. ISBN:978-85-7244-386-9. MU, Y.; ALETRAS, N. Identifying Twitter users who repost unreliable news sources with linguistic information. PeerJ Computer Science, 2020. Disponível em: <https: //doi.org/10.7717/peerj-cs.325>. Acesso em: 6 jun. 2021. MUTLU, E. Ç.; OGHAZ, T.; TÜTÜNCÜLER, E.; JASSER, J.; GARIBAY, I. Quantifying latent moral foundations in twitter narratives: The case of the syrian white helmets misinformation. arXiv preprint arXiv:2004.13142, 2020. Disponível em: <https: //arxiv.org/pdf/2004.13142.pdf>. Acesso em: 16 set. 2021. NIETO, E. G.; HIGA, G.; ALVAREZ, M.; BENETTI, P. R.; SANCHEZ, E. G. As 10 #Hashtags mais frequentes no Twitter veiculadas por congressistas no ano passado. c2021. NEV - Núcleo de Estudos da Violência da Universidade de São Paulo. Disponível em: <https://nev.prp.usp.br/noticias/ as-10-hashtags-mais-frequentes-no-twitter-veiculadas-por-congressistas-no-ano-passado/>. Acesso em: 31 maio 2021. OLIVEIRA, A. N. d. Persuasion strategies in political marketing: moral foundations, fake news, and framing. 2019. Disponível em: <https://repositorio.unb.br/handle/10482/35073>. Acesso em: 30 ago. 2021. OLIVEIRA, L. Análise de Texto Automatizada e Análise de Conteúdo: Abordagens combinadas e Apontamentos sobre a Produção Latino-americana. 2019. X Congresso Latinoamericano de Ciência Política. Instituto Tecnológico de Estudios Superiores de Monterrey (ITESM). 31 jul-3 ago. Disponível em: <https://alacip.org/cong19/241-oliveira-19.pdf>. Acesso em: 30 jul. 2021. PENNEBAKER, J. W.; BOYD, R. L.; JORDAN, K.; BLACKBURN, K. The development and psychometric properties of LIWC2015. Texas, 2015. University of Texas at Austin. Disponível em: <https://repositories.lib.utexas.edu/bitstream/handle/2152/31333/LIWC2015_ LanguageManual.pdf>. Acesso em: 20 set. 2021. POURNAKI, A.; GAISBAUER, F.; BANISCH, S.; OLBRICH, E. The twitter explorer: a framework for observing twitter through interactive networks. arXiv preprint arXiv:2003.03599, 2020. Disponível em: <https://arxiv.org/abs/2003.03599>. Acesso em: 10 jan. 2021. PREOŢIUC-PIETRO, D.; LIU, Y.; HOPKINS, D.; UNGAR, L. Beyond binary labels: political ideology prediction of twitter users. In: Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). [s.n.], 2017. p. 729–740. Disponível em: <https://doi.org/10.18653/v1/P17-1068>. Acesso em: 06 jun. 2021. RECUERO, R.; SOARES, F. Discurso desinformativo sobre a cura do covid-19 no twitter: Estudo de caso. e-compós. Preprint (SciELO), v. 10, 2020. Disponível em: <https://www.e-compos.org.br/e-compos/article/view/2127/2008>. Acesso em: 19 maio 2021. REX, R. V. de V. Teoria das fundações morais: o nativismo moral em jonathan haidt. Impulso, v. 28, n. 71, p. 105–123, 2018. Disponível em: <https://www.metodista.br/revistas/ revistas-unimep/index.php/impulso/article/view/3643>. Acesso em: 04 abr. 2021. REZAPOUR, R.; SHAH, S. H.; DIESNER, J. Enhancing the measurement of social effects by capturing morality. In: Proceedings of the tenth workshop on computational approaches to subjectivity, sentiment and social media analysis. [s.n.], 2019. p. 35–45. Disponível em: <https://aclanthology.org/W19-1305/>. Acesso em: 16 set. 2021. RODRIGUES, A. T. O poder da palavra: aplicação da modelagem de tópicos na construção de indicadores econômicos. São Paulo: [s.n.], 2019. 53 p. Dissertação (mestrado profissional MPFE), Fundação Getúlio Vargas, Escola de Economia de São Paulo. Disponível em: <https://hdl.handle.net/10438/27642>. Acesso em: 11 jun. 2021. ROSS, S. D.; CRUZ, B. d. P. A. Análise quantitativa de textos: Apresentação e operacionalização da técnica via twitter. Administração: Ensino e Pesquisa, v. 22, n. 1, 2021. Disponível em: <https://raep.emnuvens.com.br/raep/article/view/1859>. Acesso em: 30 jul. 2021. RUSSELL, S.; NORVIG, P. Artificial intelligence: a modern approach. Prentice Hall, p. 1–33, 2009. ISBN-13:978-0-13-604259-4. Disponível em: <https://cs.calvin.edu/courses/cs/344/ kvlinden/resources/AIMA-3rd-edition.pdf>. Acesso em: 07 jun. 2021. SAGI, E.; DEHGHANI, M. Measuring moral rhetoric in text. Social science computer review, Sage Publications Sage CA: Los Angeles, CA, v. 32, n. 2, p. 132–144, 2014. Disponível em: <https://doi.org/10.1177/0894439313506837>. Acesso em: 16 set. 2021. SILVINO, A. M. D.; PILATI, R.; KELLER, V. N.; SILVA, E. P.; FREITAS, A. F. d. P.; SILVA, J. N.; LIMA, M. F. Adaptação do questionário dos fundamentos morais para o português. Psico-USF, SciELO Brasil, v. 21, p. 487–495, 2016. Disponível em: <https://doi.org/10.1590/1413-82712016210304>. Acesso em: 30 ago. 2021. SINOARA, R. A.; ANTUNES, J.; REZENDE, S. O. Text mining and semantics: a systematic mapping study. Journal of the Brazilian Computer Society, SpringerOpen, v. 23, n. 1, p. 1–20, 2017. Disponível em: <https://doi.org/10.1186/s13173-017-0058-7>. Acesso em: 11 jun. 2021. SOARES, F. B.; RECUERO, R. Opinião pública no twitter: análise da indicação de alexandre de moraes ao stf. Logeion: Filosofia da Informação, v. 3, n. 2, p. 18–37, 2017. Disponível em: <http://dx.doi.org/10.21728/logeion.2017v3n2.p18-37>. Acesso em: 20 maio 2021. STEINSKOG, A.; THERKELSEN, J.; GAMBÄCK, B. Twitter topic modeling by tweet aggregation. In: Proceedings of the 21st nordic conference on computational linguistics. Sweden: [s.n.], 2017. p. 77–86. Disponível em: <https://www.aclweb.org/anthology/ W17-0210.pdf>. Acesso em: 11 jun. 2021. TJDFT. Tribunal de Justica do Distrito Federal e dos Territórios. Crime Doloso x Crime Culposo. c2021. Disponível em: <https://www.tjdft.jus.br/institucional/imprensa/ campanhas-e-produtos/direito-facil/edicao-semanal/crime-doloso-x-crime-culposo>. Acesso em: 04 set. 2021. TWITTER. Regras e Políticas. c2021. Disponível em: <https://help.twitter.com/pt/ rules-and-policies>. Acesso em: 24 jan. 2020. TWITTER, D. Use Case’s, Tutorials e Documentation. c2021. Disponível em: <https: //developer.twitter.com/>. Acesso em: 14 jan. 2021. VALENZUELA, S.; PIÑA, M.; RAMÍREZ, J. Behavioral effects of framing on social media users: How conflict, economic, human interest, and morality frames drive news sharing. Journal of communication, Oxford University Press, v. 67, n. 5, p. 803–826, 2017. Disponível em: <https://doi.org/10.1111/jcom.12325>. Acesso em: 01 jun. 2021. YOURMORALS. Moral Foundations.Org. [Site institucional]. c2021. Disponível em: <https://moralfoundations.org/>. Acesso em: 06 abr. 2020.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal Rural do Rio de Janeiro
dc.publisher.program.fl_str_mv Programa de Pós-Graduação Interdisciplinar em Humanidades Digitais
dc.publisher.initials.fl_str_mv UFRRJ
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto Multidisciplinar de Nova Iguaçu
publisher.none.fl_str_mv Universidade Federal Rural do Rio de Janeiro
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRRJ
instname:Universidade Federal Rural do Rio de Janeiro (UFRRJ)
instacron:UFRRJ
instname_str Universidade Federal Rural do Rio de Janeiro (UFRRJ)
instacron_str UFRRJ
institution UFRRJ
reponame_str Biblioteca Digital de Teses e Dissertações da UFRRJ
collection Biblioteca Digital de Teses e Dissertações da UFRRJ
bitstream.url.fl_str_mv https://rima.ufrrj.br/jspui/bitstream/20.500.14407/14060/1/2021%20-%20Larissa%20de%20Medeiros%20Torres%20Santos.pdf.jpg
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/14060/2/2021%20-%20Larissa%20de%20Medeiros%20Torres%20Santos.pdf.txt
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/14060/3/2021%20-%20Larissa%20de%20Medeiros%20Torres%20Santos.pdf
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/14060/4/license.txt
bitstream.checksum.fl_str_mv aceec9c62922a3a343a77ff24314d371
7b35bae72c1273c88d93bd7438cc437c
95c188661f83d03daf4c28dbd6231cb2
7b5ba3d2445355f386edab96125d42b7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRRJ - Universidade Federal Rural do Rio de Janeiro (UFRRJ)
repository.mail.fl_str_mv bibliot@ufrrj.br||bibliot@ufrrj.br
_version_ 1810108067744841728