Workshop - Coleta de Dados em Mídias Sociais para Pesquisa Acadêmica

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 Conversationsabout new media–Carlos Alberto Scolari


•

•

•


•

•

•

•

•


•

•

•

•

•

•

•

•


•

•

•

•

•

•

•

•

•

•

•

•

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

http://marketingdigitalsp.blogspot.com.br/2009/07/decisao-de-compra-muda-no-marketing.html

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 fisiológicosdiretos são evitados.


Atividade ligadas a Cinema, Música, Festas, ou segmentos que representem criatividade e status, como uso de smartphones.

Alimentos com camadas simbólicas/criativas e status são discutidos. Ex: Paçoquita, Nutella, Sucos do Bem, Kit Kat...

Itens ligados a Higiene e Excreção são evitados ou ridicularizados. Ex: Xixi no Banho.

Aspectos físicos do corpo viram discussão e expressão quando se referem a conquista (academia) e beleza ou sociabilidade (cosméticos).

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 fisiológicosdiretos são evitados.


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)

Média de 1192 unidades de conteúdo coletadas para a produção dos artigos.


(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 área da comunicação, sobretudo credibilidade, informaçã o adicional e auto-expressão.

Hyperlinks como indicadores de influência e/ou relevância, com enfoque mais qualitativo.

Seguidores Seguidores como indicador de tipo de comunidade: amigos ou fãs / broadcasters ou acquaitances.

Foco no caráter unilateral da conexão, sendo variável na concepção de influência.

Retweets Diferença entre retweets informacional e conversacionais.

Indicadores de interesse, confiança e influência.

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.

•

•

•

https://www.issuecrawler.net/

https://netlytic.org/

http://flocker.outliers.es/

https://tags.hawksey.info/get-tags/

http://voson.anu.edu.au/

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.Lifemonitor, 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

outros metadados

Acessar o link

Responder

Polarizar sentimento

Adicionar tags/categorias

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

• Nome da Empresa• Nome da Marca• Sócios• Corpo Diretivo • Porta-Voz

Institucional

• Nome de Produtos• Nome de Serviços• Hashtag de Campanha

Produtos e Campanhas

• Empresas Concorrentes• Produtos Concorrentes• Substitutos

Concorrência

• Menções a Segmento• Atividades Relacionadas• Universo Social/Cultural

Comportamento

Tipos mais comuns de palavras-chave de busca:


“Netshoes”(Marca com pouca

ambiguidade)


“Centauro”(Marca com alta ambiguidade)

BUSCA NO MONITORAMENTO: LÓGICA BOOLEANA / OPERADORES BOOLEANOS

Definir para o sistema de busca como deve ser feita a combinação entre os termos ou expressões de uma pesquisa.

Objetivo Operadores

AND Combinações

Combinar diversas palavras-chave de modo a que elas correspondam simultaneamente ao objeto ou ao tema da pesquisa.

ORCombinação

Variável

Combina diversas palavras-chave de modo a que pelo menos uma delas corresponda ao objeto ou ao tema da pesquisa.

NOT ExclusãoEliminar termos não pertinentes para o objeto ou o tema da pesquisa.

BUSCA NO MONITORAMENTO: LÓGICA BOOLEANA / OPERADORES BOOLEANOS

OUTROS OPERADORES

ACorrespondência

Ampla

Todas as palavras ou variantes semelhantes, devem estar presentes no texto. As palavras podem estar em qualquer ordem. Outras palavras podem estar presentes. Prefixar uma palavra com + para evitar variantes da mesma correspondência.

”A” Frase Exata

A consulta de pesquisa deve conter a frase com as palavras na ordem escrita. Outras palavras podem constar na consulta, antes ou após a expressão.

-A Negativação ExataEvita pesquisas que incluem todas essas palavras-chave, não importa em que ordem em que aparecem.

-”A” Negativar FraseEvita pesquisas que incluam essa frase em algum 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

“universidade anhembi”

“apple computer”

“guaraná antarctica”

“refrigerante antarctica”

2) Combinações

antarctica AND bebendo

antartica AND bebendo

serra AND eleições

starbucks AND haddock

3) Exclusões

“tic tac” -cabelo

serra –mantiqueira

serra –taboão

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

2

1

3

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 Deckhttp://bit.ly/1ecAnqw


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

COLETA POR MÍDIAS SOCIAIS

Fanpages Perfis Grupos

Privacidade PúblicoPúblico

Privado

Público

Privado

Conexão CurtidasAmizades

SeguidoresParticipação

Interação

Emoticons

Comentários

Mensagem privada

Compartilhamento

Emoticons

Comentários

Mensagem privada

Compartilhamento

Emoticons

Comentários

Compartilhamento

RelaçãoInteresse em conteúdo

(não há limite)

Pessoal

(5.000 amigos)

Interesse em

conteúdo

(não há limite)

Conteúdo

Texto

Link

Foto

Video

GIF

Texto

Link

Foto

Video

GIF

Texto

Link

Foto

Video

GIF

Estrutura

COLETA POR MÍDIAS SOCIAIS Estrutura

Perfis

PrivacidadePúblico

Privado

Conexão Seguidores

InteraçãoTweet

Retweet

Mensagem privada (DM)

Relação Interesse de conteúdo

Conteúdo

Texto (140 caracteres)

Link

Foto

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


Macro:

#hashtags e assuntos

Meso:

Redes de seguidores

Micro:@replies e usuário

Camadas de conversação no Twitter:

Relativamente fácil de captar e de

analisar (bom volume). Análise de

marcas, mercado e de territórios.

Análise de grupos de interesse emassuntos pré-determinados

População pré-definida: geralmenteusado 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

PrivacidadePúblico

Privado

Conexão Inscrições

Interação

Gostei / Não Gostei

Comentários

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

Privacidade Público

Conexão Seguidores

InteraçãoComentários

Compartilhamento em

outras redes


Conteúdo

Texto

Link

Foto

Video

GIF


• Videos que tenham a

palavra-chave no título

ou na descrição

• Canal de um usuário

específico ou marca

DADOS

• Palavras-chave

• Postagens de um

ou mais blogs

(feed)

DADOS

• Palavras-chave

• Hashtags

DADOS

FERRAMENTAS ACADÊMICAS PARA COLETA DE DADOS

Ferramenta desenvolvida por Dr. Anatoliy Gruzd, coordenador do Social Media Lab da Ryerson University.

NETLYTIC

netlytic.org

https://twitter.com/gruzd

http://socialmedialab.ca/


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 Keywords

• Posts e comentários Páginas Públicas

• Posts e comentários de Grupos Públicos

• Comentários de vídeo específico

• Hashtags

• Localização (5km de raio)

• Conteúdo de feed



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 da Página ou número de identificação do grupo aberto

Coleta a cada hora dos 100 últimos posts e 25 comentários por postagem



Seleção de Busca por Hashtag ou Localização

Coleta a cada hora de 100 a 10.000 fotos/vídeos durante 1, 7, 14 ou 31 dias

Adição de #hashtag ou latitude/longitude



Código do vídeo

NETLYTIC: PRODUÇÃO

Social media and the social sciences: How researchers employ Big Data analyticsMylynn FeltBig 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.

http://bds.sagepub.com/content/3/1/2053951716645828

NETLYTIC: PRODUÇÃO

“Where to Go on the Weekend?”: Trends for Local Information Seekingin Leisure Settings Using Social MediaEman 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.

http://infonomics-society.org/wp-content/uploads/ijds/published-papers/volume-5-2014/Where-to-Go-on-the-Weekend-Trends-for-Local-Information-Seeking-in-Leisure-Settings-Using-Social-Media.pdf

http://infonomics-society.org/wp-content/uploads/ijds/published-papers/volume-5-2014/Where-to-Go-on-the-Weekend-Trends-for-Local-Information-Seeking-in-Leisure-Settings-Using-Social-Media.pdf

Netvizz é uma ferramenta desenvolvida por Bernard Rieder, pesquisador do contexto do Digital Methods Initiative (Universidade de Amsterdam).

NETVIZZ

apps.facebook.com/netvizz

NETVIZZ


NETVIZZ

Coleta de postagens e conexões em Grupos

Coleta de postagens e redes em posts de Páginas

Resultados de busca no Facebook

Coleta de redes de páginas


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

Resultados de busca no Facebook

Coleta de redes de páginas



NETVIZZ: PRODUÇÃO (GROUP DATA)

A Constituição de Grupos, Agrupamentos e Comunidades em Websites de Redes Sociais (KOEHLER, MACHADO-SPANCE & CARVALHO, 2015)

Construção Coletiva de Conhecimento no Mundo Virtual (DOMINGUES, 2016)

NETVIZZ: PAGE DATA


NETVIZZ: PAGE DATA

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.

Especificação de quantidade de dias e período para coleta



Somente post da página ou posts de usuários (em páginas abertas para tal)

NETVIZZ: ID DE PÁGINAS


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

tools.digitalmethods.net/netvizz/instagram

tools.digitalmethods.net/beta/instagramNetwork

tools.digitalmethods.net/beta/instagram

Netvizz é uma ferramenta desenvolvida por Bernard Rieder, pesquisador do contexto do Digital Methods Initiative (Universidade de Amsterdam).

INSTAGRAM SCRAPER

INSTAGRAM SCRAPER

Adição dos parâmetros para a busca, a depender da opção selecionada.

Seleção de tags, localização gps, ID de localização do Facbeook ou usuários


Número máximo de resultados por linha no input

Nome do resultado para armazenamento

INSTAGRAM HASHTAG EXPLORER

INSTAGRAM NETWORK

INSTAGRAM NETWORK

Lista de nomes de usuários, um por linha

Selecionar a extração de lista de seguidos ou seguidores

Inserção de código de “clientID” para autorizar a coleta

Inserção de código de “clientID” para autorizar a coleta

INSTAGRAM NETWORK

http://nodexl.codeplex.com/

http://bit.ly/1KzYqya



http://www.uberlink.com/

CASE: RANKING DE INFLUENCIADORAS SOBRE MODA E BELEZA PLUS SIZE

ETAPAS

Briefing

Mapeamento Inicial

Coleta de Dados

Classificação

Seleção de Métricas

Análise e Relatório

Pós: novo produto

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

BRIEFING

O objetivo do mapeamento inicial é ter um ponto de partida para a descoberta de novos blogs na temática.

MAPEAMENTO INICIAL

A Netvizz é uma das ferramentas que permite coletar redes de páginas de Facebook.

COLETA DE DADOS: FERRAMENTA

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: EXPANSÃO 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: SNOWBALL

A coleta da rede expandida de 100 páginas plus size resultou no seguinte:• 3.788 páginas• 17.395 conexões

COLETA DE DADOS: RESULTADOS

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

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

0

100

200

300

400

500

600

Páginas

Qual métrica utilizar para rankear as páginas?

SELEÇÃO DE MÉTRICAS

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.

ANÁLISE E RELATÓRIO

ACESSE A REDE

bit.ly/plusnetwhttp://ibpad.com.br/cursos/plussize

RELATORIO

http://pt.slideshare.net/IBPAD/estudo-moda-e-beleza-plus-size-no-facebook

ESTUDO: INFLUENCIADORAS SOBRE FEMINISMO E DIREITOS DAS MULHERS

PASSOS

Briefing

Mapeamento Inicial

Coleta de Dados

Classificação

Análise e Relatório

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

BRIEFING

TwitterA rede no Twitter foi coletada a partir de menções, com a análise de retweets.

O monitoramento de keywords relevantes para as temáticas foi acrescido de análise de macro-temas e tópicos.

COLETA DE DADOS

FacebookA partir de mapeamento inicial de páginas, as redes foram expandidadas em metodologia snowball até representarem

BlogTambém a partir da metodologia snowballpara expansão da rede, começou a partir da identificação de blogs dos influenciadores das outras mídias.

Facebook:Mapeamento inicial realizado por especialista no tema: analista de pesquisa mulher e estudante de feminismo.

MAPEAMENTO INICIAL

FacebookExemplo: rede Guatemala

COLETA DE DADOS

Mapeamento Inicial: 30 páginas de campanhas, ativismo e organizações pelos Direitos das Mulheres

Extração das Redes no Netvizz Rede com 1548 páginas e 7909 conexões

FacebookExemplo: rede Brasil

COLETA DE DADOS

Mapeamento Inicial: 100 páginas de campanhas, ativismo e organizações pelos Direitos das Mulheres

Extração das Redes no Netvizz Rede com 4226 páginas e 31390 conexões

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

http://dirtdirectory.org/

http://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 sexualno 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. AslibJournal 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

Workshop - Coleta de Dados em Mídias Sociais para Pesquisa Acadêmica

Science

Transcript of Workshop - Coleta de Dados em Mídias Sociais para Pesquisa Acadêmica