| dc.contributor | Sampaio, Jonice de Oliveira | |
| dc.contributor | http://lattes.cnpq.br/0990344839864230 | |
| dc.contributor | http://lattes.cnpq.br/9059498214508280 | |
| dc.contributor | Rodrigues, Lívia Couto Ruback Rodrigues | |
| dc.contributor | http://lattes.cnpq.br/5717311679602180 | |
| dc.contributor | Bastos, Valeria Menezes | |
| dc.contributor | http://lattes.cnpq.br/6948667770415330 | |
| dc.contributor | Grael, Felipe Fink | |
| dc.contributor | http://lattes.cnpq.br/7307455058897826 | |
| dc.creator | Costa, Lucas Murakami Rocha da | |
| dc.date | 2023-05-15T15:00:40Z | |
| dc.date | 2023-09-27T03:00:31Z | |
| dc.date | 2022-09-29 | |
| dc.date.accessioned | 2023-09-27T14:07:44Z | |
| dc.date.available | 2023-09-27T14:07:44Z | |
| dc.identifier | http://hdl.handle.net/11422/20459 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8919346 | |
| dc.description | O crescente uso das redes sociais online impactou grandemente a vida das pessoas e a sociedade. A comunicação entre pessoas, organização de eventos, grupos e negócios, por exemplo, atingiram novos patamares graças a essas novas tecnologias online. Porém, é possível notar que novos e antigos desafios também são impulsionados a partir desta nova dinâmica de comunicação. O discurso de ódio alcança a muito mais alvos e com maior velocidade graças às redes sociais e a automatização. Muitas plataformas procuram seus próprios meios de moderação dos seus espaços online, mas esta é uma tarefa que ainda está longe de chegar ao fim, se é que tal fim é alcançável. O Aprendizado de Máquina é uma área da Inteligência Artificial que busca criar modelos matemáticos para previsão de valores baseados em dados históricos. Diversos trabalhos procuram combater e estudar a difusão de discursos de ódio online se utilizando de tais modelos. Porém, muitos destes modelos são vistos como “caixas pretas”, não possibilitando uma interpretação total de seu funcionamento. A Interpretabilidade de Aprendizado de Máquina é uma área em crescente relevância por estes motivos. Neste trabalho, procuramos criar um classificador de discurso de ódio online em português, com foco em transfobia, a partir de mensagens da plataforma Twitter acerca da repercussão online de uma matéria jornalística da Rede Globo sobre a vida de mulheres presidiárias trans. Em seguida, usamos um método da área de Interpretabilidade de Aprendizado de Máquina para entender o funcionamento do classificador criado e, a partir dessas informações, analisar como os discursos transfóbicos se manifestaram nos tweets coletados. Com o classificador criado, os resultados alcançados mostram que a maioria dos termos mais importantes para a detecção de transfobia, no cenário estudado, são ofensivos e no gênero masculino, e muitos deles são usados para se referir a uma mulher trans, o que configura transfobia. Vimos também que a ocorrência destes termos em tweets tendem a influenciar o classificador a dar a resposta positiva (tweet transfóbico), enquanto termos que tendem a influenciá-lo para a resposta contrária (tweet não-transfóbico) enunciam uma variedade maior de sentimentos, tanto agressivos, quanto neutros e não-agressivos. | |
| dc.language | por | |
| dc.publisher | Universidade Federal do Rio de Janeiro | |
| dc.publisher | Brasil | |
| dc.publisher | Instituto de Computação | |
| dc.publisher | UFRJ | |
| dc.rights | Acesso Aberto | |
| dc.subject | transfobia | |
| dc.subject | discurso de ódio | |
| dc.subject | aprendizado de máquina | |
| dc.subject | SHAP | |
| dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | |
| dc.title | Um framework para análise de discurso transfóbico a partir de técnicas de aprendizado de máquina | |
| dc.type | Trabalho de conclusão de graduação | |
