ENEM nas redes sociais: mineração de textos e clusterização
| dc.contributor.advisor | Guelpeli, Marcus Vinícius Carvalho | |
| dc.contributor.author | Silva, Leila Maria | |
| dc.contributor.institution | Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM) | pt_BR |
| dc.contributor.referee | Guelpeli, Marcus Vinícius Carvalho | |
| dc.contributor.referee | Fonseca, Alexandre Ramos | |
| dc.contributor.referee | Sabino, Geruza de Fátima Tomé | |
| dc.contributor.referee | Villela, Maria Lucia Bento | |
| dc.date.accessioned | 2018-10-04T19:43:35Z | |
| dc.date.available | 2018-10-04T19:43:35Z | |
| dc.date.issued | 2017 | |
| dc.date.submitted | 2017-12-18 | |
| dc.description.abstract | A internet é hoje a maior fonte de informação eletrônica existente. Cresce a cada dia o número de usuários da internet, e consequentemente o uso das redes sociais online. São muitas as informações novas que ficam embutidas nas bases de dados textuais. Por causa da sua natureza dinâmica, ou seja, milhões de páginas surgem e desaparecem todos os dias, a tarefa de encontrar informações relevantes nessas bases de dados se torna muito difícil. As técnicas de mineração de textos para a descoberta de informações na web surgiram da necessidade de sanar este problema. O presente trabalho versa sobre a aplicação de métodos de mineração de textos com clusterização na grande quantidade de mensagens sobre o Exame Nacional do Ensino Médio no ano de 2016 provenientes da rede social Twitter. O foco deste estudo está na obtenção de grupos de textos, a fim de possibilitar uma visualização resumida e sintetizada dos assuntos mais comentados pelos usuários. Para manipulação dessas bases textuais, o Modelo Cassiopeia foi utilizado empregando seu algoritmo de agrupamento textual que tem como principal finalidade gerar agrupamentos, ou seja, clusters (grupos) de documentos textuais que apresentam algum tipo de similaridade. O Modelo Cassiopeia apresenta um limite de processamento com a quantidade máxima de 700 tweets. Os tweets passam primeiramente pela fase de limpeza dos textos no pré-processamento, logo após, a utilização do algoritmo no processamento e por fim, as análises dos resultados no pós-processamento. Os resultados obtidos neste trabalho mostram valores coesos quanto à similaridade dos documentos dentro de um cluster e entre os clusters, avaliados por medidas de agrupamento textual, proposto pelo Modelo Cassiopeia. Isso demonstra a aplicabilidade dessa proposta para a visualização sintetizada das informações mais significativas de um determinado tema, muitas vezes permitindo que ações sejam antecipadas e impactos sobre a população afetada sejam reduzidos. | pt_BR |
| dc.description.abstracts | The Internet is today the largest source of existing electronic information. The number of Internet users is increasing daily, and consequently the use of online networks online. There are many new information that is embedded in textual databases. Because of its dynamic nature- that is, millions of pages and other numbers-a task of finding relevant information in those databases becomes very difficult. The techniques of text mining for a discovery of information on the web came from the need to heal this problem. The present work is about an application of methods of text mining with clustering in the large amount of messages on the National High School Exams in the year 2016 issu social network Twitter. The focus of this study is on obtaining groups of texts in order to enable a summary and synthesized publication of the appropriate comments of the users. For manipulation of textual bases, the Cassiopeia Model was used by using its textual grouping algorithm that has as main purpose to generate clusters, that is, clusters of textual documents and executed some kind of similarity. The Cassiopeia Model has a processing limit with a maximum of 700 tweets. The tweets first pass through the phase of cleaning the texts without preprocessing, afterwards, a use of the algorithm without processing and, finally, as analysis of the results without post-processing. The results obtained in this work are more closely related to the similarity of the documents within the cluster and between the clusters, through the measurements of textual grouping, proposed by the Cassiopeia Model. This demonstrates an application for an uninformed publication of the most important information on a given topic, often allowing actions to be anticipated and impacts on an affected population to be reduced. | en |
| dc.description.thesis | Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2017. | pt_BR |
| dc.identifier.citation | SILVA, Leila Maria. ENEM nas redes sociais: mineração de textos e clusterização. 2017. 90 p. Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Educação, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2017. | pt_BR |
| dc.identifier.uri | https://acervo.ufvjm.edu.br/items/264dd932-c1de-4902-b98b-66a03b834227 | |
| dc.language.iso | por | |
| dc.publisher | UFVJM | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao à termo de autorização impresso assinado pelo autor, assim como na licença Creative Commons, com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade Federal dos Vales do Jequitinhonha e Mucuri e o IBICT a disponibilizar por meio de seus repositórios, sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, e preservação, a partir desta data. | pt_BR |
| dc.subject.keyword | Mineração de textos | pt_BR |
| dc.subject.keyword | pt_BR | |
| dc.subject.keyword | ENEM | pt_BR |
| dc.subject.keyword | Clusterização | pt_BR |
| dc.subject.keyword | Redes sociais | pt_BR |
| dc.subject.keyword | Cassiopeia | pt_BR |
| dc.subject.keyword | Text mining | en |
| dc.subject.keyword | Clustering | en |
| dc.subject.keyword | Social networks | en |
| dc.title | ENEM nas redes sociais: mineração de textos e clusterização | pt_BR |
| dc.type | Dissertação | pt_BR |