Text As Data

Prof. Msc.
Tarcízio Silva
tarciziosilva.com.br
2016
APRESENTAÇÃO
Nome ?
Formação?
Onde Estuda/Trabalha?
Qual seu projeto/interesse de pesquisa?
Quais ferramentas de coleta de dados já
utilizou?
Mapping Conversations
about new media–
Carlos Alberto Scolari
•
•
•
about new media–
Carlos Alberto Scolari
•
•
about new media– •
Carlos Alberto Scolari •
•
•
•
about new media–
•
•
•
•
•
•
•
•
about new media– •
•
•
•
•
•
PESQUISA COM
DADOS EM MÍDIAS
SOCIAIS
• •
• •
• •
• •
• •
NECESSIDADES HUMANAS E
CONVERSAS ONLINE
• A Pirâmide de Maslow é um bom operador
para analisar a probabilidade e criticidade
de expressões de consumo
• Quanto mais camadas simbólicas um

produto, serviço ou atividade apresenta,
mais frequentes tendem a ser as
expressões e mais ricos serão os
insights gerados
NECESSIDADES, CAMADAS SIMBÓLICAS E TEMÁTICAS
A pirâmide de Maslow é um
bom indicador da
probabilidade de um tema ser
falado nas mídias sociais.
Temas e Segmentos ligados à

criatividade tendem a ser mais
compartilhados.
Expressão direta ou indireta de

Conquistas Pessoais ou Status .
Informações diretas sobre

dinheiro que ameacem a
segurança são evitados.
Aspectos fisiológicos
diretos são evitados.
Atividade ligadas a Cinema, Música,

Temas e Segmentos ligados à
Festas, ou segmentos que
criatividade tendem a ser mais
representem criatividade e status,
compartilhados.
como uso de smartphones.
Aspectos físicos do corpo viram

discussão e expressão quando se
referem a conquista (academia) e
Expressão direta ou indireta de
beleza ou sociabilidade
Conquistas Pessoais ou Status .
(cosméticos).
Alimentos com camadas

simbólicas/criativas e
status são discutidos.
Informações diretas sobre Ex: Paçoquita, Nutella,
dinheiro que ameacem a Sucos do Bem, Kit Kat...
segurança são evitados.
Aspectos fisiológicos Itens ligados a Higiene

diretos são evitados. e Excreção são
evitados ou
ridicularizados. Ex:
Xixi no Banho.
Possibilidades
• Exploração / Contextualização
• Indicadores Quantitativos de Audiência
• Indicadores Quantitativos de Engajamento/Interação
• Análise de Discurso / Conteúdo
• Etnografia
• Text Analysis / Linguística de Corpus
• Análise e Métricas de Grafos/Redes Sociais
• Experimental / Uso de Estímulos
selfiecity.net
http://www.pnas.org/content/110/15/5802.abstract
PESQUISA: PRODUÇÃO NA INTERCOM
(SILVA, 2015)
(SILVA, 2015)
(SILVA, 2015)
(SILVA, 2015)
(SILVA, 2015)
Média de 1192 unidades de conteúdo
coletadas para a produção dos artigos.
(SILVA, 2015)
(SILVA, 2015)
PESQUISA: O QUE REPRESENTAM HYPERLINKS,
SEGUIDORES E RETWEETS?
Estudo de Deen Freelon (2013) analisa os artigos mais citados

em Comunicação (Communication) e Computação Social (Social
Computing) que utilizam hyperlinks, seguidores ou retweets
como dados.
• Quais significados pesquisadores da Comunicação e
Computação Social imputam aos traços digitais?
• Que tipos de argumentos são utilizados para estabelecer a
validade dos significados?
Que tipos de argumentos são utilizados para estabelecer a

validade dos significados?
• Citação
• Descobertas Empíricas
• Exemplificação
• Sem Justificação
“the communication articles justify theirs much more often than did the social computing
articles. This is likely reflective of the differing purposes of the two disciplines: communication is
largely oriented toward advancing theory, while social computing is concerned more with
prediction and software development” (FREELON, 2013, p. 11)
Quais significados pesquisadores da Comunicação e Computação Social imputam aos traços
digitais?
Comunicação Computação Social
Hyperlinks Hyperlinks exercendo diversos papéis. Na Hyperlinks como indicadores de influência e/ou
área da comunicação, sobretudo relevância, com enfoque mais qualitativo.
credibilidade, informaçã o adicional e
auto-expressão.
Seguidores Seguidores como indicador de tipo de Foco no caráter unilateral da conexão, sendo
comunidade: amigos ou fãs / variável na concepção de influência.
broadcasters ou acquaitances.
Retweets Diferença entre retweets informacional e Indicadores de interesse, confiança e influência.

conversacionais.
PESQUISA: SOCIAL MEDIA NA ÁREA DE
SISTEMAS DE INFORMAÇÃO
Estudo de Ahmed, Scheepers e Stockdale (2014) analisa publicações entre 2009 e

2013 na área de Sistemas de Informação:
PESQUISA: SOCIAL
MEDIA NA ÁREA DE
SISTEMAS DE
INFORMAÇÃO
Estudo de Ahmed, Scheepers e

Stockdale (2014) analisa publicações
entre 2009 e 2013 na área de
Sistemas de Informação:
PESQUISA: TIPOLOGIA DE ESTUDOS NO
TWITTER
O trabalho de Zimmer e Proferes (2013) analisa 283 publicações de 2006 a 2012

que usam o Twitter como principal fonte de dados.
PESQUISA: TIPOLOGIA DE ESTUDOS NO
TWITTER
O trabalho de Zimmer e Proferes (2013) analisa 283 publicações de 2006 a 2012

que usam o Twitter como principal fonte de dados.
•
•
•
O Monitoramento de Mídias Sociais é
idealmente realizado por profissionais
capacitados em interpretar os dados e
transformá-los em conhecimento, com o
apoio de softwares plenos de
monitoramento, como BrandCare, Scup,
Seekr, SocialMetrix, Livebuzz, E.Life
monitor, Radian6, UberVU e outros.
Algumas oferecem planos freemium ou

planos acadêmicos/sem fins lucrativos.
FERRAMENTAS COMERCIAIS MAIS USADAS NO BRASIL
A estrutura básica de análise de sentimento e
classificação é parecida nas ferramentas: a menção é
apresentada e o analista pode:
 Ver o autor, hora e mídia e  Polarizar sentimento

outros metadados  Adicionar tags/categorias
 Acessar o link
 Responder
Carnaval 2013 na Segunda Tela (Rodrigues, 2013),
projeto de pesquisa de mestrado apoiado pela Scup
Redes discursivas de fãs da série Sessão de Terapia
(MASSAROLO, João et al, 2015), que envolveu a
exploração de dados no BrandCare.
Estudo comparativo de conteúdo de páginas de
marcas de varejo, utilizando a Scup (PRADO, 2013)
TIPOS DE BUSCA NO MONITORAMENTO
Antes de tudo, é importante saber: O que vai ser buscado? O
monitoramento de mídias sociais pode ir muito além da busca
somente por nome de marcas:
BUSCA NO MONITORAMENTO: KEYWORDS
Tipos mais comuns de

palavras-chave de
busca:
Produtos e
Institucional Campanhas Concorrência Comportamento
• Nome da Empresa • Nome de Produtos • Empresas • Menções a

• Nome da Marca • Nome de Serviços Concorrentes Segmento
• Sócios • Hashtag de • Produtos • Atividades
• Corpo Diretivo Campanha Concorrentes Relacionadas
• Porta-Voz • Substitutos • Universo
Social/Cultural
“Netshoes”
(Marca com pouca
ambiguidade)
“Centauro”
(Marca com alta
ambiguidade)
BUSCA NO MONITORAMENTO: LÓGICA BOOLEANA /
OPERADORES BOOLEANOS
Objetivo Operadores
Combinar diversas palavras-chave
de modo a que elas
AND Combinações correspondam
Definir para o simultaneamente ao objeto ou ao
sistema de busca tema da pesquisa.
como deve ser
Combina diversas palavras-chave
feita a combinação Combinação de modo a que pelo menos uma
entre os termos ou OR
Variável delas corresponda ao objeto ou
expressões de uma ao tema da pesquisa.
pesquisa. Eliminar termos não pertinentes
NOT Exclusão para o objeto ou o tema da
pesquisa.
BUSCA NO MONITORAMENTO: LÓGICA BOOLEANA /
OPERADORES BOOLEANOS
OUTROS OPERADORES
Todas as palavras ou variantes semelhantes,
devem estar presentes no texto. As palavras
Correspondência podem estar em qualquer ordem. Outras
A
Ampla palavras podem estar presentes. Prefixar uma
palavra com + para evitar variantes da mesma
correspondência.
A consulta de pesquisa deve conter a frase com
as palavras na ordem escrita. Outras palavras
”A” Frase Exata
podem constar na consulta, antes ou após a
expressão.
Evita pesquisas que incluem todas essas
-A Negativação Exata palavras-chave, não importa em que ordem em
que aparecem.
Evita pesquisas que incluam essa frase em algum
-”A” Negativar Frase lugar na consulta, mesmo que outras palavras
apareçam antes ou depois dela.
BUSCA NO MONITORAMENTO: ESPECIFICANDO
Há três modos principais de garantir que o seu

monitoramento traga as menções que você
deseja:
1) Expressão Exata 2) Combinações 3) Exclusões
“universidade anhembi” antarctica AND bebendo “tic tac” -cabelo

“apple computer” antartica AND bebendo serra –mantiqueira
“guaraná antarctica” serra AND eleições serra –taboão
“refrigerante antarctica” starbucks AND haddock Ibis –bico
Ibis -ave
twitter.com/search
DESAFIO 01: PESQUISAR COMBINAÇÕES DE
KEYWORDS DE BUSCA
Escolha em grupo DUAS marcas abaixo e utilize a folha impressa para listar o máximo de combinações
possíveis de keywords para monitoramento. Dica: busque no Twitter e Google pelo termo geral.
COMBINAÇÕES: PESQUISAS GENÉRICAS E
PESQUISAS EXATAS
Expressão e Combinações:
• Marca + Produto (claro AND telefone)
• Categoria + Marca (“cerveja sol”)
• Marca + Atividade (azul AND voar) (risqué

AND pintar)
• Artigo + Marca (“a TIM”, “da TIM”)

EXCLUSÕES
Exclusões:
• “Pão de Açúcar” -bondinho
• Zelo -wado
• Sol -astro -terra -rotação -translação
• TIM -maia -allen -kring
• Veja -revista
PASSO 4: ACESSAR RESULTADOS
netlytic.org
BUSCA NO MONITORAMENTO: CANAIS
Monitorar canais específicos, para analisar reação a
conteúdo, mobilização de usuários e conversações.
Por exemplo:
• Páginas Facebook: posts, mensagens e

comentários;
• Perfis Twitter: replies, menções e direct
messages;
• Reclame Aqui: reclamações;
• LinkedIn: postagens em grupos;
• Blog: posts e comentários;
• Vídeos YouTube: comentários.
BUSCA NO MONITORAMENTO: CANAIS
Particularidades:
• Owned x Earned x Paid: os comentários são influenciados

pelo conteúdo ou direcionamento de mídia.;
• Retaliação de consumidor: atuação de detratores;
• Coleta Completa ou Citação: em comunidades amplas,

monitorar tudo ou apenas o que menciona a marca/tema?
• Espontaneidade x Estímulo: o comentário positivo no

conteúdo é causado pelo conteúdo ou da marca/produto?
BUSCA NO MONITORAMENTO: USUÁRIOS
Buscar por um ou mais usuários é útil para

diversos fins:
• Compreender melhor os consumidores

da marca;
• Checar atuação de porta-vozes e figuras

chave na organização;
• Realizar estudos sobre segmentos de

consumidores e seus comportamentos.
BUSCA NO MONITORAMENTO: USUÁRIOS
Desafios:
• Perfis Fechados (como Twitter e Instagram);
• Respeito à Privacidade;
• Plataformas avessas à circulação de dados (como

Facebook);
• Ética da Pesquisa de Mercado;
• Variáveis intervenientes na intensidade de uso.

BUSCA NO
MONITORAMENTO:
METADADOS
Uma unidade de conteúdo como um

tweet, postagem de blog, foto no
Instagram e afins não contem apenas
o texto publicado pelo usuário.
Ao lado, fica clara a quantidade de

dados além do conteúdo do tweet em
si.
BUSCA NO MONITORAMENTO:
METADADOS
Um dos metadados mais interessantes é o de geotagging:

COLETA POR LOCALIZAÇÃO
BUSCA NO MONITORAMENTO: IMAGENS
Na maioria dos casos, conteúdos não-textuais

(imagens, vídeos, sons) estão acompanhados de
tags e/ou textos descritivos.
As tags realizam um tipo de ancoragem, que

facilitam a encontrabilidade dos conteúdos.
Desafios:
• Publicações como fotografias e
memes podem ter a marca
somente visualmente, sem
hashtag
• Processamento visual é custoso e
ainda muito impreciso
• Ferramentas como Ditto e
Gazemetrix buscam por marcas
visualmente
GazeMetrix Pitch Deck

http://bit.ly/1ecAnqw
Clustering de Marcas através de imagens

http://bit.ly/1CR3ivX
Clustering de Marcas através de imagens

http://bit.ly/1CR3ivX
COLETA POR MÍDIAS SOCIAIS Estrutura
Fanpages Perfis Grupos
Público Público
Privacidade Público
Privado Privado
Amizades
Conexão Curtidas
Seguidores
Participação
Emoticons Emoticons Emoticons

Comentários Comentários Comentários
Interação Mensagem privada Mensagem privada Compartilhamento
Compartilhamento Compartilhamento
Interesse em
Interesse em conteúdo Pessoal
Relação (não há limite) (5.000 amigos)
conteúdo
(não há limite)
Texto Texto Texto
Link Link Link
Conteúdo Foto Foto Foto
Video Video Video
GIF GIF GIF
Fanpages Perfis Grupos
Público Público
Privado Privado
Amizades
Conexão Curtidas
Seguidores
Participação
Emoticons Emoticons Emoticons

Comentários Comentários Comentários
Interação Mensagem privada Mensagem privada Compartilhamento
Compartilhamento Compartilhamento
Interesse em
Interesse em conteúdo Pessoal
Relação (não há limite) (5.000 amigos)
conteúdo
(não há limite)
Texto Texto Texto
Link Link Link
Conteúdo Foto Foto Foto
Video Video Video
GIF GIF GIF
Perfis
Público
Privacidade Privado
Conexão Seguidores
Tweet
Interação Retweet
Mensagem privada (DM)
Relação Interesse de conteúdo
Texto (140 caracteres)

Link
Foto
Conteúdo Video
GIF
#hashtags
• Palavras-chave / hashtags em tweets públicos

• Mensagens diretas enviadas ao perfil
específico (se o perfil oficial for cadastrado)
• Tweets de um usuário determinado
• Menções a um usuário determinado
• Geolocalização x palavra-chave
• Perfis por bio
Camadas de conversação no Twitter:
Relativamente fácil de captar e de

Macro:
#hashtags e assuntos analisar (bom volume). Análise de
marcas, mercado e de territórios.
Meso: Análise de grupos de interesse em

Redes de seguidores assuntos pré-determinados
Micro:@replies População pré-definida: geralmente

e usuário usado para estudar comportamento
• Fotos tiradas em um determinado local

(sistema de busca pela API do Foursquare)
• Fotos e comentários feitos no perfil (se o perfil
oficial for cadastrado no)
• Hashtags (sem geolocalização)
Canais
Público
Privacidade Privado
Conexão Inscrições
Gostei / Não Gostei

Comentários
Interação Compartilhamento em
outras rede
Conteúdo Video
• Palavras-chave (devem
estar presentes no título
ou descrição do vídeo)
• Comentários de um vídeo
específico
• Vídeos de um
determinado canal
Perfis
Conexão Seguidores
Comentários
Interação Compartilhamento em
outras redes
Texto
Link
Conteúdo Foto
Video
GIF
DADOS DADOS DADOS

• Palavras-chave • Videos que tenham a • Palavras-chave
• Postagens de um palavra-chave no título • Hashtags

ou mais blogs ou na descrição
(feed) • Canal de um usuário
específico ou marca
FERRAMENTAS
ACADÊMICAS PARA
COLETA DE DADOS
NETLYTIC
Ferramenta desenvolvida por Dr.

Anatoliy Gruzd, coordenador do
Social Media Lab da Ryerson
University.
netlytic.org
NETLYTIC
Tier 3:
• Estudante: 90 dólares canadenses
por semestre
• Acadêmico/Não-Lucrativo: 228
dólares canadenses por semestre
• Regular: 348 dólares canadenses
por semestre
NETLYTIC: PLATAFORMAS
• Tweets por • Hashtags

Keywords • Localização
(5km de raio)
• Posts e comentários • Comentários de • Conteúdo de feed

Páginas Públicas vídeo específico
• Posts e comentários
de Grupos Públicos
Título (apenas para

identificação)
Keywords com parâmetros

de busca
Coleta de até 1000

tweets a cada 15
minutos por 1, 7, 14
ou 31 dias

identificação)
Identificação da Página ou
número de identificação do
grupo aberto
Coleta a cada hora

dos 100 últimos posts
e 25 comentários por
postagem

identificação)
Seleção de Busca por Hashtag

ou Localização
Adição de #hashtag
ou latitude/longitude Coleta a cada hora de
100 a 10.000
fotos/vídeos durante
1, 7, 14 ou 31 dias

identificação)
Código do vídeo
NETLYTIC: PRODUÇÃO
Social media and the social sciences: How researchers employ Big Data analytics
Mylynn Felt
Big Data & Society Apr 2016, 3 (1)
Estudo de coleta sobre o evento "The Sisters in Spirit Candlelight Vigil", da Native Women's Association of Canada.
Netlytic, Storify e DMI-TCAT foram analisadas.
NETLYTIC: PRODUÇÃO
“Where to Go on the Weekend?”: Trends for Local Information Seeking

in Leisure Settings Using Social Media
Eman Alyami and Sandra Toze
International Journal of Digital Society (IJDS), Volume 5, Issue 3, September 2014
Artigo explora as mídias sociais como fonte para busca de informações sobre lazer, a partir da coleta de 16.373
tweets de 5.549 usuários com a hashtag #halifax.
NETVIZZ
Netvizz é uma ferramenta

desenvolvida por Bernard Rieder,
pesquisador do contexto do Digital
Methods Initiative (Universidade de
Amsterdam).
apps.facebook.com/netvizz
NETVIZZ
NETVIZZ
Coleta de postagens e
conexões em Grupos
Coleta de postagens e redes

em posts de Páginas
Coleta de redes de páginas
Resultados de busca no
Facebook
Métricas simples sobre links

na plataforma
NETVIZZ: GROUP DATA
Coleta de postagens e
conexões em Grupos
Coleta de postagens e redes

em posts de Páginas
Coleta de redes de páginas
Resultados de busca no
Facebook

na plataforma
NETVIZZ: PRODUÇÃO (GROUP DATA)
Construção Coletiva de Conhecimento no Mundo

Virtual (DOMINGUES, 2016)
A Constituição de Grupos, Agrupamentos e
Comunidades em Websites de Redes Sociais
(KOEHLER, MACHADO-SPANCE & CARVALHO, 2015)
NETVIZZ: PAGE DATA
NETVIZZ: PAGE DATA
Especificação de quantidade
de dias e período para coleta É possível coletar todos os
comentários da página, porém
demora muito devido aos
limites do Facebook. A coleta
somente de estatísticas
agregadas é mais veloz.

na plataforma
Somente post da página ou
posts de usuários (em páginas apps.facebook.com/netvizz
abertas para tal)
NETVIZZ: ID DE PÁGINAS
NETVIZZ: COMPARAÇÃO DE DADOS
NETVIZZ: COMPARAÇÃO DE DADOS
NETVIZZ: PRODUÇÃO
Redes de ódios sociais: a difusão de

preconceitos contra gênero e orientação
sexual no Facebook (SAMUEL et al, 2015)
Likes para a ciência: divulgação científica e consumo

de notícias na página I Fucking Love Science no
Facebook (SYNGER, 2015)
NETVIZZ: PAGE LIKE NETWORK
NETVIZZ: PAGE LIKE NETWORK
Adição da ID da página para

coleta
Profundidade de coleta.
Profundidade 1: coleta a
página-alvo, as páginas que
ela curte e como estas páginas
se curtem entre si.
Profundidade 2: coleta a
página-alvo, as páginas que
ela curte e todas as páginas
curtidas por estas últimas.
NETVIZZ: PRODUÇÃO
REDE ANTIPETISTA NO FACEBOOK
(SANTOS JUNIOR, 2016)

NETVIZZ: PRODUÇÃO
NETVIZZ: LINK STATS
Adição de links, um por

linha
A ferramenta coleta a quantidade de

Compartilhamentos, Likes e Comentários
das URLs e gera um arquivo .tab e a
tabela em formato HTML
INSTAGRAM HASTAG EXPLORER, SCRAPER, NETWORK
Netvizz é uma ferramenta

desenvolvida por Bernard Rieder,
pesquisador do contexto do Digital
Methods Initiative (Universidade de
Amsterdam).
tools.digitalmethods.net/netvizz/instagram
tools.digitalmethods.net/beta/instagramNetwork
tools.digitalmethods.net/beta/instagram
INSTAGRAM SCRAPER
INSTAGRAM SCRAPER
Seleção de tags, localização

gps, ID de localização do
Facbeook ou usuários
Adição dos parâmetros para a

busca, a depender da opção
selecionada.

na plataforma
Número máximo de
resultados por linha no input
Nome do resultado para

armazenamento
INSTAGRAM HASHTAG EXPLORER
INSTAGRAM NETWORK
INSTAGRAM NETWORK
Selecionar a extração de lista

de seguidos ou seguidores
Lista de nomes de usuários,

um por linha
Inserção de código de “client

ID” para autorizar a coleta
Inserção de código de “client

ID” para autorizar a coleta
INSTAGRAM NETWORK
INSTAGRAM NETWORK
http://voson.anu.edu.au/
CASE: RANKING DE INFLUENCIADORAS
SOBRE MODA E BELEZA PLUS SIZE
ETAPAS
Coleta de Seleção de Pós: novo

Briefing Dados Métricas produto
Mapeamento Classificação Análise e

Inicial Relatório
BRIEFING
Desenvolvimento de estudo para:
• Mapear e rankear páginas de blogs

Plus Size de brasileiras
• Descobrir blogs internacionais

referências das blogueiras
• Descobrir marcas referenciadas

pelas blogueiras
• Descobrir mídia consumida pelas

blogueiras
• Descobrir referências culturais,

musicais e artísticas
MAPEAMENTO INICIAL
O objetivo do
mapeamento inicial
é ter um ponto de
partida para a
descoberta de novos
blogs na temática.
COLETA DE DADOS: FERRAMENTA
A Netvizz é uma das ferramentas que permite

coletar redes de páginas de Facebook.
COLETA DE DADOS: EXPANSÃO SNOWBALL
Rede de Likes da Página “Grandes Mulheres” e

os likes entre as mesmas:
A tática de snowball por popularidade é

selecionar páginas mais curtidas que façam
parte do escopo.
Páginas mais curtidas:

• MdeMulher
• Beleza Sem Tamanho
• Fluvia Lacerda
• Vogue
• MAC Cosmetics
COLETA DE DADOS: SNOWBALL
Rede de Likes das Página “Grandes

Mulheres”, “Beleza Sem Tamanho” e
“Entre Topetes e Vinis”.
Página plus size, mas na periferia da

rede:
• Gordinhas BBW Brasil
COLETA DE DADOS: RESULTADOS
A coleta da rede expandida de 100

páginas plus size resultou no
seguinte:
• 3.788 páginas
• 17.395 conexões
CLASSIFICAÇÃO
Para filtrar as páginas, duas táticas

são possíveis:
1. Utilizar o esquema de
classificação do próprio Facebook:
cada página está inclusa em uma
categoria
2. Aplicar categorias manualmente

direto na ferramenta e/ou
planilha como Excel
CLASSIFICAÇÃO Páginas
600
Para filtrar as páginas, duas táticas
são possíveis: 500
1. Utilizar o esquema de
classificação do próprio Facebook: 400
cada página está inclusa em uma

categoria 300
2. Aplicar categorias manualmente

200
direto na ferramenta e/ou
planilha como Excel
100
0
SELEÇÃO DE MÉTRICAS
Qual métrica
utilizar para
rankear as
páginas?
ANÁLISE E RELATÓRIO
Rankeamento foi a primeira

entrega do estudo, definindo um
parâmetro de avaliação das
páginas.
Resultados posteriores
demonstram a possibilidade de
monitoramento real-time de
referências do público das
páginas plus size no universo
expandido das páginas.
ACESSE A REDE
http://ibpad.com.br/cursos/plussize bit.ly/plusnetw
RELATORIO
ESTUDO: INFLUENCIADORAS SOBRE
FEMINISMO E DIREITOS DAS MULHERS
PASSOS
Coleta de Análise e
Briefing Dados Relatório
Mapeamento Classificação
Inicial
BRIEFING
Descobrir:
• Principais organizações e ativistas
influenciadoras sobre Direitos das
Mulheres em cinco países da
América Latina
• Analisar macro-temas como:

Violência de Gênero; Igualdade de
Gênero; Aborto e Direitos Sexuais e
Reprodutivos; Racismo
• Identificar a atuação de organismos

internacionais
COLETA DE DADOS
Twitter Facebook Blog

A rede no Twitter foi A partir de mapeamento Também a partir da
coletada a partir de inicial de páginas, as metodologia snowball
menções, com a análise redes foram para expansão da rede,
de retweets. expandidadas em começou a partir da
metodologia snowball até identificação de blogs dos
O monitoramento de representarem influenciadores das
keywords relevantes para outras mídias.
as temáticas foi acrescido
de análise de macro-
temas e tópicos.
MAPEAMENTO INICIAL
Facebook:
Mapeamento inicial realizado por
especialista no tema: analista de pesquisa
mulher e estudante de feminismo.
COLETA DE DADOS
Facebook
Exemplo: rede Guatemala
Mapeamento Inicial:
30 páginas de campanhas, ativismo e Extração das Redes no Netvizz Rede com 1548 páginas e 7909
organizações pelos Direitos das conexões
Mulheres
COLETA DE DADOS
Facebook
Exemplo: rede Brasil
Mapeamento Inicial:
100 páginas de campanhas, ativismo e Extração das Redes no Netvizz Rede com 4226 páginas e
organizações pelos Direitos das 31390 conexões
Mulheres
ANÁLISE
• Quais os perfis mais referenciados?
• Quais tweets repercutiram?
• Qual o tipo de interação?
• Qual o tipo de motivação de agrupamento?

ANÁLISE E CLASSIFICAÇÃO
• Classificação dos influenciadores

por tipo
• Descrição dos principais

influenciadores em cada plataforma
analisada, enfatizando os influentes
nos três ambientes (Blogs, Facebook
e Twitter)
• Classificação dos clusters por

temática e discussão
ANÁLISE E CLASSIFICAÇÃO
• Manutenção de duas lógicas de

análise
• Identificação de volume, temas e

semântica
• Análise baseada em rede, interação

e agrupamentos
ANÁLISE E RELATÓRIO
Exemplo de output de entrega,

com identificação dos
principais clusters.
+ REPOSITÓRIOS DE FERRAMENTAS
dirtdirectory.org tapor.ca
REFERÊNCIAS BIBLIOGRÁFICAS
AHMED, Ashir; SCHEEPERS, Helana; STOCKDALE, Rosemary. Social Media Research - A Review of Academic
Research and Future Research Directions. Pacific Asia Journal of the Association for Information Systems, vol. 6,
n.1, artigo 3.
Freelon, Deen. (2013) On the interpretation of digital trace data in communication and social computing research.
In: Journal of Broadcasting & Electronic Media.
DOMINGUES, Letícia. Construção Coletiva de Conhecimento no Mundo Virtual: o caso dos grupos de Facebook no
curso de Direito da UFMG. In: SENA, Adriana [et al.] III Seminário Nacional sobre ensino jurídico e formação
docente [livro eletrô-nico]/. -- Belo Horizonte, MG : Relicário Edições, 2016.
KOEHLER, Cristiane; MACHADO-SPENCE, Nádie & CARVALHO, Marie, 2015 . A Constituição de Grupos,
Agrupamentos e Comunidades em Websites de Redes Sociais. Revista Teias, v. 16, n. 43, 2015.
Marres, Noortje. (2012). The redistribution of methods: on intervention in digital social research, broadly
conceived. In: Sociological Review, vol. 60, s. 1, 2012. pp. 139-165.
MASSAROLLO, João et al.. Redes discursivas de fãs da série Sessão de Terapia. In: LOPES, Maria Immacolata. Por
uma teoria de fãs da ficção televisiva brasileira. Porto Alegre: Sulina, 2015.
PRADO, Luciana. O que diz o Varejo nas rede sociais: Visões sobre as linguagens no mundo do consumo virtual.
Dissertação apresentada ao Programa de Pós-Graduação em Comunicação – Mestrado em Comunicação, Linha
de Pesquisa Mídia e Cultura – Universidade Federl de Goiás, 2013.
REFERÊNCIAS BIBLIOGRÁFICAS
RODRIGUES, Daniele. Redes Sociais e o Fenômeno da Segunda Tela no Carnaval. Scup, 2013. Disponível em
https://ideas.scup.com/suas-ideias/infografico-redes-sociais-e-o-fenomeno-da-segunda-tela-no-carnaval/
SAMUEL et al. Redes de ódios sociais: a difusão de preconceitos contra gênero e orientação sexual
no Facebook. XIV Congresso de Ciências da Comunicação na Região Norte – Manaus - AM – 28 a 30/05/2015.
SANTOS JUNIOR, Marcelo Alves dos. Vai pra Cuba!!! A Rede Antipetista na eleição de 2014 / Marcelo Alves dos
Santos Junior. – 2016. 197 f. ; il. Orientador: Afonso de Albuquerque. Dissertação (Mestrado em Comunicação) –
Universidade Federal Fluminense, Instituto de Arte e Comunicação Social, 2016. Bibliografia: f. 168-181.
SILVA, Tarcízio. Pesquisa baseada em Dados Sociais Digitais: mapeamento de ferramentas e táticas de coleta de
dados no Intercom. Razón y Palabra, n.90, 2015.
SYNGER, Talita. Likes para a ciência: divulgação científica e consumo de notícias na página I Fucking Love Science
no Facebook. Estudos em Comunicação nº 21, 139-154, 2015.
ZIMMER, Michael; PROFERES, Nicholas. A topology of Twitter research: disciplines, methods, and ethics. Aslib
Journal of Information, Vol. 66, No. 3, 2014.
Conteúdo com apoio dós profs. Débora Zanini e Wesley Muniz.

Obrigado!
Instituto Brasileiro de Pesquisa e
Análise de Dados

Text As Data

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Text As Data

Uploaded by

Copyright:

Available Formats

Prof. Msc.

• Quanto mais camadas simbólicas um

Temas e Segmentos ligados à

Expressão direta ou indireta de

Informações diretas sobre

Atividade ligadas a Cinema, Música,

Aspectos físicos do corpo viram

Alimentos com camadas

Aspectos fisiológicos Itens ligados a Higiene

Estudo de Deen Freelon (2013) analisa os artigos mais citados

Que tipos de argumentos são utilizados para estabelecer a

Comunicação Computação Social

Retweets Diferença entre retweets informacional e Indicadores de interesse, confiança e influência.

Estudo de Ahmed, Scheepers e Stockdale (2014) analisa publicações entre 2009 e

Estudo de Ahmed, Scheepers e

O trabalho de Zimmer e Proferes (2013) analisa 283 publicações de 2006 a 2012

O trabalho de Zimmer e Proferes (2013) analisa 283 publicações de 2006 a 2012

Algumas oferecem planos freemium ou

 Ver o autor, hora e mídia e  Polarizar sentimento

Tipos mais comuns de

• Nome da Empresa • Nome de Produtos • Empresas • Menções a

Há três modos principais de garantir que o seu

1) Expressão Exata 2) Combinações 3) Exclusões

“universidade anhembi” antarctica AND bebendo “tic tac” -cabelo

• Marca + Produto (claro AND telefone)

• Categoria + Marca (“cerveja sol”)

• Marca + Atividade (azul AND voar) (risqué

• Artigo + Marca (“a TIM”, “da TIM”)

• “Pão de Açúcar” -bondinho

• Sol -astro -terra -rotação -translação

• TIM -maia -allen -kring

• Páginas Facebook: posts, mensagens e

• Owned x Earned x Paid: os comentários são influenciados

• Retaliação de consumidor: atuação de detratores;

• Coleta Completa ou Citação: em comunidades amplas,

• Espontaneidade x Estímulo: o comentário positivo no

Buscar por um ou mais usuários é útil para

• Compreender melhor os consumidores

• Checar atuação de porta-vozes e figuras

• Realizar estudos sobre segmentos de

• Perfis Fechados (como Twitter e Instagram);

• Plataformas avessas à circulação de dados (como

• Ética da Pesquisa de Mercado;

• Variáveis intervenientes na intensidade de uso.

Uma unidade de conteúdo como um

Ao lado, fica clara a quantidade de

Um dos metadados mais interessantes é o de geotagging:

Na maioria dos casos, conteúdos não-textuais

As tags realizam um tipo de ancoragem, que

GazeMetrix Pitch Deck

Clustering de Marcas através de imagens

Clustering de Marcas através de imagens

Fanpages Perfis Grupos

Emoticons Emoticons Emoticons

Fanpages Perfis Grupos

Emoticons Emoticons Emoticons

Relação Interesse de conteúdo

Texto (140 caracteres)

• Palavras-chave / hashtags em tweets públicos

Camadas de conversação no Twitter:

Relativamente fácil de captar e de

Meso: Análise de grupos de interesse em

Micro:@replies População pré-definida: geralmente