Classificação de comunidades de atenção altmétrica no X: avaliando a acurácia de algoritmos sob diferentes variáveis

Danielle Pompeu Noronha Pontes; João de Melo Maricato

doi:10.22477/ix.ebbc.323

Autores

Danielle Pompeu Noronha Pontes Universidade de Brasília (UnB) https://orcid.org/0000-0003-0036-6638
João de Melo Maricato Universidade de Brasília (UnB) https://orcid.org/0000-0001-9162-6866

DOI:

https://doi.org/10.22477/ix.ebbc.323

Palavras-chave:

Altmetria, Acurácia, X - Antigo Twitter, Comunidade de atenção

Resumo

A pesquisa analisa os algoritmos de inteligência artificial Random Forest, KNN e Decision Tree para identificar o modelo mais preciso na classificação das contas do X, visando deduzir tipos e categorias de perfis. O estudo, de natureza aplicada e com enfoque quantitativo, revela que o Random Forest obteve a melhor acurácia (71,77%) na classificação por “categoria do perfil”, enquanto o Decision Tree se destacou (64,78%) na classificação por “tipo de perfil”. Entretanto, os modelos estudados são considerados insuficientes para uma classificação robusta, sugerindo a necessidade de considerar fatores temporais e históricos para aprimorar os modelos de classificação.

Biografia do Autor

Danielle Pompeu Noronha Pontes, Universidade de Brasília (UnB)

Aluna de Doutorado do PPGCI/UNB, Mestre em Sistemas Digitais(USP), Bacharel em Processamento de Dados (UFAM)

João de Melo Maricato, Universidade de Brasília (UnB)

Pós-doutorado na Universidade de Brasília sob tutoria da Profa. Dra. Suzana Mueller, Doutor em Ciência da Informação pela Escola de Comunicações e Artes da Universidade de São Paulo - ECA/USP.

Referências

BARCELOS, Janinne; MARICATO, João de Melo. Menções sobre a produção acadêmica nas mídias sociais: estudo altmétrico de visibilidade e engajamento público com artigos da scientometrics. In: ENCONTRO NACIONAL DE PESQUISA EM CIÊNCIA DA INFORMAÇÃO, 18., 2017, Marília. Anais [...]. Marília: Ancib, 2017. p. 1-16.

DÍAZ-FAES, Adrián A.; BOWMAN, Timothy D.; COSTAS, Rodrigo. Towards a second generation of ‘social media metrics’: Characterizing Twitter communities of attention around science. PLoS ONE, San Francisco, v. 14, n. 5, p. 1–18, May 2019. DOI: https://doi.org/10.1371/journal.pone.0216408. Disponível em: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0216408. Acesso em: 10 jan. 2024.

FANG, Zhichao; COSTAS, Rodrigo; WOUTERS, Paul. User engagement with scholarly tweets of scientific papers: a large-scale and cross-disciplinary analysis. Scientometrics, Budapest, v. 127, n. 8, p. 4523– 4546, July 2022. DOI: https://doi.org/10.1007/s11192-022-04468-6. Disponível em: https://link.springer. com/article/10.1007/s11192-022-04468-6. Acesso em:11 jan. 2024.

HAUSTEIN, Stefanie. Scholarly twitter metrics. In: GLÄNZEL, Wolfgang; MOED, Henk F.; SCHMOCH, Ulrich; THELWALL, Mike (ed.). Springer Handbook of Science and Technology Indicators. [S. l.]: Springer Handbooks, 2019. p. 729–760. DOI: https://doi.org/10.1007/978-3-030-02511-3_28. Disponível em: https://link.springer.com/chapter/10.1007/978-3-030-02511-3_28. Acesso em: 15 jan. 2024.

JOUBERT, Marina; COSTAS, Rodrigo. Getting to Know Science Tweeters: A Pilot Analysis of South African Twitter Users Tweeting about Research Articles. Journal of Altmetrics, [S. l.], v. 2, n. 1, p. 1-14, May 2019. DOI: https://doi.org/10.29024/joa.8. Disponível em: https://ll-j-ja.ubiquityjournal.website/ articles/10.29024/joa.8. Acesso em: 10 jan. 2024.

MARICATO, João de Melo; MANSO, Bruno Lara de Castro. Characterization of the communities of attention interacting with scientific papers on Twitter: altmetric analysis of a Brazilian University. Scientometrics, Budapest, v. 127, n. 7, p. 3815–3835, June 2022. DOI: https://doi.org/10.100 7/s11192-022- 04442-2. Disponível em: https://link.springer.com/article/10.1007/s11192-022-04442-2. Acesso em: 5 jan. 2024.

MORAIS, Daniel Marques Gomes de; DIGIAMPIETRI, Luciano Antonio. Methods and Challenges in Social Bots Detection: A Systematic Review. In: BRAZILIAN SYMPOSIUM ON INFORMATION SYSTEMS, 17., 2021, Uberlândia Brazil. Proceedings [...]. New York: Association for Computing Machinery, 2021. p. 1-8. Disponível em: https://dl.acm.org/doi/10.1145 /3466933.3466973. Acesso em: 30 jan. 2024.

NICHOLAS, David; HERMAN, Eti; JAMALI, Hamid; RODRÍGUEZ-BRAVO, Blanca; BOUKACEM-ZEGHMOURI, Cherifa; DOBROWOLSKI, Tom; POUCHOT, Stephanie. New ways of building, showcasing, and measuring scholarly reputation. Learned Publishing, [S. l.], v. 28, n. 3, p. 169–183, July 2015. DOI: https:// doi.org/10.1087/20150303. Disponível em: https://onlinelibrary.wiley.com/doi/abs/10.1087/20150303. Acesso em: 10 jan. 2024.

NISHIKAWA-PACHER, Andreas. The Twitter accounts of scientific journals: a dataset. Insights: the UKSG Journal, [S. l.], v. 36, n. 1, p. 1-15, Jan. 2023. DOI: https://doi.org/10.1629/uksg.593. Disponível em: https://insights.uksg.org/articles/10.1629/uksg.593. Acesso em: 7 fev. 2024.

SEGADO-BOJ, Francisco; DÍAZ-CAMPO, Jesús; FERNÁNDEZ-GÓMEZ, Erika; CHAPARRO-DOMÍNGUEZ, María-Ángeles. Spanish academics and social networking sites: Use, non-use, and the perceived advantages and drawbacks of Facebook, Twitter, LinkedIn, ResearchGate, and Academia.edu. First Monday, Chicago, v. 24, n. 5, 2019. DOI: https://doi.org/10.5210/fm.v24i5.7296. Disponível em: https://journals. uic.edu/ojs/index.php/fm/article/view/7296. Acesso em: 10 jan. 2024.

TSOU, Andrew; BOWMAN, Tim; GHAZINEJAD, Ali; SUGIMOTO, Cassidy. Who tweets about science? In: INTERNATIONAL SOCIETY OF SCIENTOMETRICS AND INFORMETRICS CONFERENCE, 15., 2015, Istanbul. Proceedings [...]. [S. l.]: Bogaziçi University, 2015. p. 95–100. Disponível em: https://www.issi-society. org/publications/issi-conference-proceedings/proceedings-of-issi-2015. Acesso em: 2 fev. 2024.