Uma abordagem multimodal para identificar viés em mídias sociais digitais

• Processo: 20/05173-4
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2021
• Data de Término da vigência: 31 de janeiro de 2023
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Altigran Soares da Silva
• Beneficiário: Altigran Soares da Silva
• Instituição Sede: Instituto de Computação. Universidade Federal do Amazonas (UFAM). Manaus , SP, Brasil
• Pesquisadores associados: André Luiz da Costa Carvalho ; Eduardo Freire Nakamura ; Fabiola Guerra Nakamura ; Tiago Eugenio de Melo
• Assunto(s): Ciência de dados Mídias sociais Análise de sentimentos
• Palavra(s)-Chave do Pesquisador: análise de redes sociais | Análise de Sentimentos | Ciência de dados | Extração de informação | fusão de dados | Modelos de Tópicos | Redes Sociais

Resumo

Um problema importante mas frequentemente negligenciado em análise de redes sociais é presença de vieses, intencionais ou não, introduzidos no conteúdo veiculado em mídias sociais. Ao fazer uso de recursos como omissão seletiva de informação e escolha de palavras, fontes ou autores distintos podem transmitir impressões tendenciosas acerca de um mesmo fato, além de contribuir para a propagação de desinformação através da manipulação individual ou coletiva de indivíduos despreparados ou sem conhecimento suficiente acerca do assunto. Além disso, a presença de vieses pode impactar a forma como os consumidores de conteúdo percebem eventos, decisões políticas e discussões relacionadas a diferentes tópicos. Identificar o viés político ou ideológico em conteúdo social é uma tarefa difícil até mesmo para humanos, dado o alto nível de subjetividade envolvido. Propostas na literatura recente apresentam métodos focados principalmente em conteúdos textuais por meio de análise de sentimento, com resultados que são, infelizmente, ainda aquém do esperado. Neste projeto, vamos investigar um nova abordagem multimodal para este problema. Especificamente, vamos utilizar e combinar, através de técnicas de fusão de dados, diversos outros aspectos que, embora utilizados com sucesso em diversos outros problemas de análise de redes sociais, têm sido pouco explorados neste problema específico. Entre estes aspectos destacamos: relacionamentos existente entre fontes de conteúdo através de citações; entidades nomeadas mencionadas frequentemente pelas fontes; tópicos abstratos implicitamente e tacitamente presentes no conteúdo produzido pelas fontes; além da análise de sentimentos para identificação de ênfase. Nossa hipótese é que estes aspectos, quando adequadamente explorados e corretamente combinados, podem melhorar os resultados do estado da arte em detectar viés ideológico em portais de notícias e em redes sociais. A equipe de pesquisadores do projeto foi constituída de forma a aglutinar especialistas em métodos e técnicas relacionadas a cada um destes aspectos, e que além disso possuem larga experiência pesquisa sobre análise de redes sociais e processamento de dados massivos (Big Data). Através de procedimentos experimentais envolvendo coleções de dados reais obtidos da Web ou dados gerados sinteticamente a partir de propriedades, pretendemos avaliar a eficácia dos métodos, técnicas e algoritmos desenvolvidos durante a pesquisa e também sua eficiência e escalabilidade para instâncias reais do problema em foco. (AU)

Publicações científicas

(4)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

VIEIRA, HENRY S.; DA SILVA, ALTIGRAN S.; CALADO, PAVEL; DE MOURA, EDLENO S.. A distantly supervised approach for recognizing product mentions in user-generated content. JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, v. N/A, p. 24-pg., 2022-05-27. (20/05173-4)

FERREIRA, BERG; DE MOURA, EDLENO SILVA; DA SILVA, ALTIGRAN. Applying burst-tries for error-tolerant prefix search. INFORMATION RETRIEVAL JOURNAL, v. 25, n. 4, p. 38-pg., 2022-10-18. (20/05173-4)

MOREIRA, JOHNY; DE MELO, TIAGO; BARBOSA, LUCIANO; DA SILVA, ALTIGRAN. A distantly supervised approach for enriching product graphs with user opinions. JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, v. N/A, p. 20-pg., 2022-05-21. (20/05173-4)

MENDONCA-NETO, RAYOL; LI, ZHI; FENYO, DAVID; SILVA, CLAUDIO T.; NAKAMURA, FABIOLA G.; NAKAMURA, EDUARDO F.. A Gene Selection Method Based on Outliers for Breast Cancer Subtype Classification. IEEE-ACM TRANSACTIONS ON COMPUTATIONAL BIOLOGY AND BIOINFORMATICS, v. 19, n. 5, p. 13-pg., 2022-09-01. (20/05173-4, 20/09866-4)