Nesta quinta-feira (3) o Grupo de Inteligência Artificial do STHEM Brasil, que foi criado em 2020 por professores de entidades consorciadas do consórcio, realizou uma Mesa Redonda on-line sobre uso da IA no contexto educacional com a apresentação de um case prático da construção de um Framework para detecção de sentimentos positivos, negativos e neutros em relação aos candidatos à presidência da República, no 1º e 2º turno das eleições, por meio de análises de dados dos tweets postados no Twitter.

A Profa. Michelle Hanne Soares de Andrade, do Grupo de Estudos e Pesquisa em Inteligência Artificial – GepIA, deu detalhes da montagem do Framework. “O início do projeto se deu por meio de uma pesquisa realizada entre janeiro e agosto desse ano com 744 usuários do Twitter, entre 18 e 64 anos. Foi perceptível a influência determinante das redes sociais na propagação de discursos de ódio, desinformação e fake news e o projeto teve como objetivo discutir e propor uma solução tecnológica para classificar essa prática no cenário político brasileiro”, contou.

Batizado de Observatório Fake News, o projeto conta com 9 alunos e a ideia é conseguir por meio de dados do Twitter uma identificação de sentimentos de ódios e buscar fake news. “O Twitter é uma ferramenta de alta escala e o Brasil é o 4º país em número de usuários dessa rede social. Temos 211 milhões de usuários ativos. E na campanha eleitoral dos EUA, em 2016, o Twitter ganhou muito destaque com o tema fake news. Foi a partir de 3 informações – fake news, desinformação e propagação de ódio – que decidimos desenvolver um Framework para analisar os sentimentos positivos, negativos e neutros dos eleitores no Twitter durante os dois turnos das eleições presidenciais no Brasil”, relembrou Michelle.

Segundo Michelle, a criação do Framework passou por várias etapas da ciência de dados. Foram 797 mil palavras em português tiradas de uma biblioteca para atingir um alto nível de classificação de sentimentos por meio dos tweets como entender o problema; obter os dados; aplicar técnicas de tratamento, fazer a análise exploratória dos dados e definir hipóteses, aplicar modelos matemáticos e técnicas de Machine Learning, além de construir aplicação prática com auxílio à tomada de decisão”.

Os resultados, segundo a docente, foram surpreendentes. “No primeiro turno, no Top 10, a frequência das palavras mais citadas foram Lula (553 mil), Não (467 mil), Novo (277 mil), Lulaoficial (264 mil), Bolsonaro (247 mil), Presidente (234 mil), VAI (157 mil), PT (120 mil), Brasil (111 mil) e Ciro (87 mil). No segundo turno, apareceram Lula (404 mil), Não (255 mil), Bolsonaro (130 mil), Presidente (124 mil), Lulaoficial (116 mil), Novo (101 mil), PT (85 mil), VAI (82 mil), Brasil (57 mil) e Andrejanonesavante (55 mil)”.

Na análise quanto aos sentimentos positivo, negativo e neutro em relação apenas aos candidatos presidenciáveis, segundo algoritmos, no 1º turno o candidato Bolsonaro apresentou 49% de sentimento negativo; 28% de positivo e 23% de neutro. Já Lula apresentou 37% de sentimento negativo; 39% de positivo e 24% de neutro. No 2º turno, Bolsonaro ficou com 52,5% de sentimento negativo, 27% de positivo e 20,5% de neutro e Lula ficou com 38,2% negativo, 36,4% positivo e 25,4% neutro.

Participaram também da mesa redonda integrantes do GepIA, Ruy Barbosa Figueiredo Júnior, docente dos cursos de Engenharias, Sistemas de Informação, Análise e Desenvolvimento de Sistemas e Engenharia da Computação do Centro Universitário Newton Paiva; Letícia Silva Garcia, Coordenadora Acadêmica da Área de Tecnologia da Informação e do Núcleo de Apoio a Inovação Pedagógica da Faculdade Dom Bosco e Uipirangi Franklin da Silva Câmara, Professor do Centro Universitário UniOpet e na Faculdade Educacional da Lapa – FAEL.

.