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

Costa, Lucas Murakami Rocha da

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/20459

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Sampaio, Jonice de Oliveira	-
dc.contributor.author	Costa, Lucas Murakami Rocha da	-
dc.date.accessioned	2023-05-15T15:00:40Z	-
dc.date.available	2023-12-21T03:00:25Z	-
dc.date.issued	2022-09-29	-
dc.identifier.uri	http://hdl.handle.net/11422/20459	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	transfobia	pt_BR
dc.subject	discurso de ódio	pt_BR
dc.subject	aprendizado de máquina	pt_BR
dc.subject	SHAP	pt_BR
dc.title	Um framework para análise de discurso transfóbico a partir de técnicas de aprendizado de máquina	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/0990344839864230	pt_BR
dc.contributor.authorLattes	http://lattes.cnpq.br/9059498214508280	pt_BR
dc.contributor.referee1	Rodrigues, Lívia Couto Ruback Rodrigues	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/5717311679602180	pt_BR
dc.contributor.referee2	Bastos, Valeria Menezes	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/6948667770415330	pt_BR
dc.contributor.referee3	Grael, Felipe Fink	-
dc.contributor.referee3Lattes	http://lattes.cnpq.br/7307455058897826	pt_BR
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Computação	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
LMRCosta.pdf		840.45 kB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository