Modelo para classificação do viés político de postagens de usuários em redes sociais.

Abstract

O presente trabalho tem como objetivo treinar e avaliar modelos preditivos usando como base algoritmos de aprendizagem presentes na literatura para obter classificação de textos contidos em publicações políticas presentes nas redes sociais. O estudo aborda técnicas de coleta de dados, processamento de linguagem natural e algoritmos de aprendizado de máquina. Para atingir esse objetivo foram coletados dados de mídias alternativas com forte viés político de esquerda e direita para serem utilizados em modelos pré-treinados do BERT visando a classificação e identificação de suas características para categorizar outros textos publicados por candidatos e usuários. Os modelos desenvolvidos baseados no bert-base-uncased e neuralmind/bert-base-portuguese-cased foram comparados variando hiper parâmetros de treinamento, a fim de gerar os modelos com os melhores desempenhos dentro dos conjuntos de teste e validação. Como principal resultado, foi obtido um modelo baseado no neuralmind/bert-base-portuguese-cased com o maior desempenho em relação aos demais treinados a partir deste modelo estado da arte no trabalho, o qual apresentou uma acurácia de 74,25% e uma medida F de 71,93% em um conjunto recente de postagens. O estudo realizado tem como objetivo trazer modelos que possam auxiliar futuramente cientistas políticos, pesquisadores e jornalistas na análise do viés textual no contexto político utilizando a opinião imparcial e apartidária da tecnologia.