Busca avançada
Ano de início
Entree

Análise de grandes volumes de dados políticos e redes complexas: mineração, modelagens e aplicações em Ciência Política Computacional

Processo: 22/03090-0
Modalidade de apoio:Auxílio à Pesquisa - Projeto Inicial
Data de Início da vigência: 01 de março de 2023
Data de Término da vigência: 29 de fevereiro de 2028
Área do conhecimento:Ciências Humanas - Ciência Política
Pesquisador responsável:Sylvia Iasulaitis
Beneficiário:Sylvia Iasulaitis
Instituição Sede: Centro de Educação e Ciências Humanas (CECH). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
Pesquisadores associados:Alan Demétrius Baria Valejo ; Brett Mylo Drury ; Eanes Torres Pereira ; Eloize Rossi Marques Seno ; Helena de Medeiros Caseli ; Manel Herat ; Márcio Luis Lanfredi Viola ; Soong Moon Kang
Bolsa(s) vinculada(s):24/17208-8 - Detecção de comentários ofensivos e de discurso de ódio em tweets sobre política brasileira, BP.IC
24/18523-4 - Identificação e Classificação de Desinformações durante o Processo Eleitoral de 2022 no Brasil, BP.IC
24/00479-9 - Divulgação Científica de Big Social Data: Popularização de Pesquisa Científica sobre dados coletados do Twitter (X) durante eleições presidenciais, BP.JC
+ mais bolsas vinculadas 24/00477-6 - Divulgação Científica de Big Social Data: Popularização de Pesquisa Científica sobre dados coletados do Twitter (X) durante eleições presidenciais, BP.JC
23/17214-5 - Análise da dinâmica de votações e suas temáticas na Câmara dos Deputados com uso de Processamento de Linguagem Natural e Redes Complexas, BP.IC
23/03704-0 - Desenvolvimento de uma ferramenta de visualização dos dados abertos da câmara dos deputados usando redes complexas., BP.IC - menos bolsas vinculadas
Assunto(s):Aprendizado computacional  Análise de redes sociais  Big data  Redes complexas 
Palavra(s)-Chave do Pesquisador:análise de redes sociais | Aprendizado de Máquina | big data | Ciência Política Computacional | Dados políticos | Redes Complexas | Ciência Política Computacional

Resumo

Grandes volumes de dados políticos não-estruturados têm representado um desafio para a pesquisa científica. Portanto, o desenvolvimento de instrumentos voltados à extração de informações políticas e científicas a partir do Big Data mostra-se altamente estratégico. O objetivo desta proposta é desenvolver técnicas e ferramentas computacionais para a coleta, tratamento e classificação de dados políticos, que propiciem a realização de diversos experimentos para análise de redes complexas. Combinando Aprendizado de Máquina e Análise de Redes Sociais, serão realizadas diversas aplicações e modelagens de diferentes relações entre dados oriundos de Sites de Redes Sociais, mais especificamente do Twitter, bem como da API de Dados Abertos da Câmara dos Deputados. O intuito é que a pesquisa gere inovação no campo de metodologia política por meio da aproximação entre Ciência Política, Ciência da Computação e Data Science e contribua com o desenvolvimento da Ciência Política Computacional no Brasil. Na execução do projeto, além dos artefatos open-source que serão disponibilizados para a comunidade científica, espera-se que seja produzido um software de código fechado, objeto de proteção por patente junto à instituição-sede, considerando as normas e diretrizes da FAPESP. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

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)
DOS SANTOS, NICOLAS ROQUE; MINATEL, DIEGO; BARIA VALEJO, ALAN DEMETRIUS; LOPES, ALNEU DE A.. Bipartite Graph Coarsening for Text Classification Using Graph Neural Networks. PROGRESS IN PATTERN RECOGNITION, IMAGE ANALYSIS, COMPUTER VISION, AND APPLICATIONS, CIARP 2023, PT I, v. 14469, p. 16-pg., . (21/06210-3, 22/03090-0, 22/09091-8, 20/09835-1)
ALTHOFF, PAULO EDUARDO; VALEJO, ALAN DEMETRIUS BARIA; FALEIROS, THIAGO DE PAULO. Coarsening effects on k-partite network classification. APPLIED NETWORK SCIENCE, v. 8, n. 1, p. 21-pg., . (21/06210-3, 22/03090-0)
PEREIRA, EANES TORRES; IASULAITIS, SYLVIA; GRECO, BRUNO CARDOSO. Analysis of causal relations between vaccine hesitancy for COVID-19 vaccines and ideological orientations in Brazil. Vaccine, v. 42, n. 13, p. 9-pg., . (22/03090-0)
FALEIROS, THIAGO DE PAULO; ALTHOFF, PAULO EDUARDO; BARIA VALEJO, ALAN DEMETRIUS. Analyzing the Impact of Coarsening on k-Partite Network Classification. INTELLIGENT SYSTEMS, BRACIS 2024, PT I, v. 15412, p. 13-pg., . (22/03090-0)