Um framework para análise de discurso transfóbico a partir de técnicas de aprendizado de máquina

Costa, Lucas Murakami Rocha da

Pantheon Repositório Institucional da UFRJ

Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.

Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11422/20459

Tipo:	Trabalho de conclusão de graduação
Título:	Um framework para análise de discurso transfóbico a partir de técnicas de aprendizado de máquina
Autor(es)/Inventor(es):	Costa, Lucas Murakami Rocha da
Orientador:	Sampaio, Jonice de Oliveira
Resumo:	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.
Palavras-chave:	transfobia discurso de ódio aprendizado de máquina SHAP
Assunto CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Unidade produtora:	Instituto de Computação
Editora:	Universidade Federal do Rio de Janeiro
Data de publicação:	29-Set-2022
País de publicação:	Brasil
Idioma da publicação:	por
Tipo de acesso:	Acesso Aberto
Aparece nas coleções:	Ciência da Computação

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
LMRCosta.pdf		840.45 kB	Adobe PDF	Visualizar/Abrir

Mostrar registro completo do item Recomendar este item Visualizar estatísticas