Coleta de Dados em Midias Sociais para Pesquisa Acadêmica

Prof. Msc. Tarcízio Silva
tarciziosilva.com.br
2016

APRESENTAÇÃO
Nome ?
Formação?
Onde Estuda/Trabalha?
Qual seu projeto/interesse de pesquisa?
Quais ferramentas de coleta de dados já
utilizou?

Mapping Conversations
about new media–
Carlos Alberto Scolari

about new media–
•
•
•

about new media–
•
•
•
•
•

about new media–
•
•
•
•
•
•
•
•

about new media–
•
•
•
•
•
•
•
•
•

Coleta de Dados em Midias Sociais para Pesquisa Acadêmica

PESQUISA COM
DADOS EM MÍDIAS
SOCIAIS

•
•
•
•
•
•
•
•
•
•

NECESSIDADES HUMANAS E
CONVERSAS ONLINE
• A Pirâmide de Maslow é um bom operador
para analisar a probabilidade e criticidade
de expressões de consumo
• Quanto mais camadas simbólicas um
produto, serviço ou atividade apresenta,
mais frequentes tendem a ser as
expressões e mais ricos serão os
insights gerados

NECESSIDADES, CAMADAS SIMBÓLICAS E TEMÁTICAS
A pirâmide de Maslow é um
bom indicador da
probabilidade de um tema ser
falado nas mídias sociais.

Temas e Segmentos ligados à
criatividade tendem a ser mais
compartilhados.
Expressão direta ou indireta de
Conquistas Pessoais ou Status .
Informações diretas sobre
dinheiro que ameacem a
segurança são evitados.
Aspectos fisiológicos
diretos são evitados.

Atividade ligadas a Cinema, Música,
Festas, ou segmentos que
representem criatividade e status,
como uso de smartphones.
Alimentos com camadas
simbólicas/criativas e
status são discutidos.
Ex: Paçoquita, Nutella,
Sucos do Bem, Kit Kat...
Itens ligados a Higiene
e Excreção são
evitados ou
ridicularizados. Ex:
Xixi no Banho.
Aspectos físicos do corpo viram
discussão e expressão quando se
referem a conquista (academia) e
beleza ou sociabilidade
(cosméticos).
Temas e Segmentos ligados à
criatividade tendem a ser mais
compartilhados.
Expressão direta ou indireta de
Conquistas Pessoais ou Status .
Informações diretas sobre
dinheiro que ameacem a
segurança são evitados.
Aspectos fisiológicos
diretos são evitados.

Possibilidades
• Exploração / Contextualização
• Indicadores Quantitativos de Audiência
• Indicadores Quantitativos de Engajamento/Interação
• Análise de Discurso / Conteúdo
• Etnografia
• Text Analysis / Linguística de Corpus
• Análise e Métricas de Grafos/Redes Sociais
• Experimental / Uso de Estímulos

http://www.pnas.org/content/110/15/5802.abstract

PESQUISA: PRODUÇÃO NA INTERCOM
(SILVA, 2015)

PESQUISA: PRODUÇÃO NA INTERCOM
(SILVA, 2015)
Média de 1192 unidades de conteúdo
coletadas para a produção dos artigos.

PESQUISA: O QUE REPRESENTAM HYPERLINKS,
SEGUIDORES E RETWEETS?
Estudo de Deen Freelon (2013) analisa os artigos mais citados
em Comunicação (Communication) e Computação Social (Social
Computing) que utilizam hyperlinks, seguidores ou retweets
como dados.
• Quais significados pesquisadores da Comunicação e
Computação Social imputam aos traços digitais?
• Que tipos de argumentos são utilizados para estabelecer a
validade dos significados?

Que tipos de argumentos são utilizados para estabelecer a
validade dos significados?
• Citação
• Descobertas Empíricas
• Exemplificação
• Sem Justificação
“the communication articles justify theirs much more often than did the social computing
articles. This is likely reflective of the differing purposes of the two disciplines: communication is
largely oriented toward advancing theory, while social computing is concerned more with
prediction and software development” (FREELON, 2013, p. 11)

Quais significados pesquisadores da Comunicação e Computação Social imputam aos traços
digitais?
Comunicação Computação Social
Hyperlinks Hyperlinks exercendo diversos papéis. Na
área da comunicação, sobretudo
credibilidade, informaçã o adicional e
auto-expressão.
Hyperlinks como indicadores de influência e/ou
relevância, com enfoque mais qualitativo.
Seguidores Seguidores como indicador de tipo de
comunidade: amigos ou fãs /
broadcasters ou acquaitances.
Foco no caráter unilateral da conexão, sendo
variável na concepção de influência.
Retweets Diferença entre retweets informacional e
conversacionais.
Indicadores de interesse, confiança e influência.

PESQUISA: SOCIAL MEDIA NA ÁREA DE
SISTEMAS DE INFORMAÇÃO
Estudo de Ahmed, Scheepers e Stockdale (2014) analisa publicações entre 2009 e
2013 na área de Sistemas de Informação:

PESQUISA: SOCIAL
MEDIA NA ÁREA DE
SISTEMAS DE
INFORMAÇÃO
Estudo de Ahmed, Scheepers e
Stockdale (2014) analisa publicações
entre 2009 e 2013 na área de
Sistemas de Informação:

PESQUISA: TIPOLOGIA DE ESTUDOS NO
TWITTER
O trabalho de Zimmer e Proferes (2013) analisa 283 publicações de 2006 a 2012
que usam o Twitter como principal fonte de dados.

O Monitoramento de Mídias Sociais é
idealmente realizado por profissionais
capacitados em interpretar os dados e
transformá-los em conhecimento, com o
apoio de softwares plenos de
monitoramento, como BrandCare, Scup,
Seekr, SocialMetrix, Livebuzz, E.Life
monitor, Radian6, UberVU e outros.
Algumas oferecem planos freemium ou
planos acadêmicos/sem fins lucrativos.

FERRAMENTAS COMERCIAIS MAIS USADAS NO BRASIL

A estrutura básica de análise de sentimento e
classificação é parecida nas ferramentas: a menção é
apresentada e o analista pode:
 Ver o autor, hora e mídia e
outros metadados
 Acessar o link
 Responder
 Polarizar sentimento
 Adicionar tags/categorias

Carnaval 2013 na Segunda Tela (Rodrigues, 2013),
projeto de pesquisa de mestrado apoiado pela Scup

Redes discursivas de fãs da série Sessão de Terapia
(MASSAROLO, João et al, 2015), que envolveu a
exploração de dados no BrandCare.
Estudo comparativo de conteúdo de páginas de
marcas de varejo, utilizando a Scup (PRADO, 2013)

TIPOS DE BUSCA NO MONITORAMENTO
Antes de tudo, é importante saber: O que vai ser buscado? O
monitoramento de mídias sociais pode ir muito além da busca
somente por nome de marcas:

BUSCA NO MONITORAMENTO: KEYWORDS
• Nome da Empresa
• Nome da Marca
• Sócios
• Corpo Diretivo
• Porta-Voz
Institucional
• Nome de Produtos
• Nome de Serviços
• Hashtag de
Campanha
Produtos e
Campanhas
• Empresas
Concorrentes
• Produtos
Concorrentes
• Substitutos
Concorrência
• Menções a
Segmento
• Atividades
Relacionadas
• Universo
Social/Cultural
Comportamento
Tipos mais comuns de
palavras-chave de
busca:

“Netshoes”
(Marca com pouca
ambiguidade)

“Centauro”
(Marca com alta
ambiguidade)

BUSCA NO MONITORAMENTO: LÓGICA BOOLEANA /
OPERADORES BOOLEANOS
Definir para o
sistema de busca
como deve ser
feita a combinação
entre os termos ou
expressões de uma
pesquisa.
Objetivo Operadores
AND Combinações
Combinar diversas palavras-chave
de modo a que elas
correspondam
simultaneamente ao objeto ou ao
tema da pesquisa.
OR
Combinação
Variável
Combina diversas palavras-chave
de modo a que pelo menos uma
delas corresponda ao objeto ou
ao tema da pesquisa.
NOT Exclusão
Eliminar termos não pertinentes
para o objeto ou o tema da
pesquisa.

BUSCA NO MONITORAMENTO: LÓGICA BOOLEANA /
OPERADORES BOOLEANOS
OUTROS OPERADORES
A
Correspondência
Ampla
Todas as palavras ou variantes semelhantes,
devem estar presentes no texto. As palavras
podem estar em qualquer ordem. Outras
palavras podem estar presentes. Prefixar uma
palavra com + para evitar variantes da mesma
correspondência.
”A” Frase Exata
A consulta de pesquisa deve conter a frase com
as palavras na ordem escrita. Outras palavras
podem constar na consulta, antes ou após a
expressão.
-A Negativação Exata
Evita pesquisas que incluem todas essas
palavras-chave, não importa em que ordem em
que aparecem.
-”A” Negativar Frase
Evita pesquisas que incluam essa frase em algum
lugar na consulta, mesmo que outras palavras
apareçam antes ou depois dela.

BUSCA NO MONITORAMENTO: ESPECIFICANDO
Há três modos principais de garantir que o seu
monitoramento traga as menções que você
deseja:
1) Expressão Exata
“universidade anhembi”
“apple computer”
“guaraná antarctica”
“refrigerante antarctica”
2) Combinações
antarctica AND bebendo
antartica AND bebendo
serra AND eleições
starbucks AND haddock
3) Exclusões
“tic tac” -cabelo
serra –mantiqueira
serra –taboão
Ibis –bico
Ibis -ave

DESAFIO 01: PESQUISAR COMBINAÇÕES DE
KEYWORDS DE BUSCA
Escolha em grupo DUAS marcas abaixo e utilize a folha impressa para listar o máximo de combinações
possíveis de keywords para monitoramento. Dica: busque no Twitter e Google pelo termo geral.

COMBINAÇÕES: PESQUISAS GENÉRICAS E
PESQUISAS EXATAS
Expressão e Combinações:
• Marca + Produto (claro AND telefone)
• Categoria + Marca (“cerveja sol”)
• Marca + Atividade (azul AND voar) (risqué
AND pintar)
• Artigo + Marca (“a TIM”, “da TIM”)

EXCLUSÕES
Exclusões:
• “Pão de Açúcar” -bondinho
• Zelo -wado
• Sol -astro -terra -rotação -translação
• TIM -maia -allen -kring
• Veja -revista

PASSO 4: ACESSAR RESULTADOS
netlytic.org
2
1
3

BUSCA NO MONITORAMENTO: CANAIS
Monitorar canais específicos, para analisar reação a
conteúdo, mobilização de usuários e conversações.
Por exemplo:
• Páginas Facebook: posts, mensagens e
comentários;
• Perfis Twitter: replies, menções e direct
messages;
• Reclame Aqui: reclamações;
• LinkedIn: postagens em grupos;
• Blog: posts e comentários;
• Vídeos YouTube: comentários.

BUSCA NO MONITORAMENTO: CANAIS
Particularidades:
• Owned x Earned x Paid: os comentários são influenciados
pelo conteúdo ou direcionamento de mídia.;
• Retaliação de consumidor: atuação de detratores;
• Coleta Completa ou Citação: em comunidades amplas,
monitorar tudo ou apenas o que menciona a marca/tema?
• Espontaneidade x Estímulo: o comentário positivo no
conteúdo é causado pelo conteúdo ou da marca/produto?

BUSCA NO MONITORAMENTO: USUÁRIOS
Buscar por um ou mais usuários é útil para
diversos fins:
• Compreender melhor os consumidores
da marca;
• Checar atuação de porta-vozes e figuras
chave na organização;
• Realizar estudos sobre segmentos de
consumidores e seus comportamentos.

BUSCA NO MONITORAMENTO: USUÁRIOS
Desafios:
• Perfis Fechados (como Twitter e Instagram);
• Respeito à Privacidade;
• Plataformas avessas à circulação de dados (como
Facebook);
• Ética da Pesquisa de Mercado;
• Variáveis intervenientes na intensidade de uso.

BUSCA NO
MONITORAMENTO:
METADADOS
Uma unidade de conteúdo como um
tweet, postagem de blog, foto no
Instagram e afins não contem apenas
o texto publicado pelo usuário.
Ao lado, fica clara a quantidade de
dados além do conteúdo do tweet em
si.

BUSCA NO MONITORAMENTO:
METADADOS
Um dos metadados mais interessantes é o de geotagging:

BUSCA NO MONITORAMENTO: IMAGENS
Na maioria dos casos, conteúdos não-textuais
(imagens, vídeos, sons) estão acompanhados de
tags e/ou textos descritivos.
As tags realizam um tipo de ancoragem, que
facilitam a encontrabilidade dos conteúdos.

Desafios:
• Publicações como fotografias e
memes podem ter a marca
somente visualmente, sem
hashtag
• Processamento visual é custoso e
ainda muito impreciso
• Ferramentas como Ditto e
Gazemetrix buscam por marcas
visualmente

GazeMetrix Pitch Deck
http://bit.ly/1ecAnqw

Clustering de Marcas através de imagens
http://bit.ly/1CR3ivX

COLETA POR MÍDIAS SOCIAIS
Fanpages Perfis Grupos
Privacidade Público
Público
Privado
Público
Privado
Conexão Curtidas
Amizades
Seguidores
Participação
Interação
Emoticons
Comentários
Mensagem privada
Compartilhamento
Emoticons
Comentários
Mensagem privada
Compartilhamento
Emoticons
Comentários
Compartilhamento
Relação
Interesse em conteúdo
(não há limite)
Pessoal
(5.000 amigos)
Interesse em
conteúdo
(não há limite)
Conteúdo
Texto
Link
Foto
Video
GIF
Texto
Link
Foto
Video
GIF
Texto
Link
Foto
Video
GIF
Estrutura

COLETA POR MÍDIAS SOCIAIS Estrutura
Perfis
Privacidade
Público
Privado
Conexão Seguidores
Interação
Tweet
Retweet
Mensagem privada (DM)
Relação Interesse de conteúdo
Conteúdo
Texto (140 caracteres)
Link
Foto
Video
GIF
#hashtags

• Palavras-chave / hashtags em tweets públicos
• Mensagens diretas enviadas ao perfil
específico (se o perfil oficial for cadastrado)
• Tweets de um usuário determinado
• Menções a um usuário determinado
• Geolocalização x palavra-chave
• Perfis por bio

Macro:
#hashtags e assuntos
Meso:
Redes de seguidores
Micro:@replies
e usuário
Camadas de conversação no Twitter:
Relativamente fácil de captar e de
analisar (bom volume). Análise de
marcas, mercado e de territórios.
Análise de grupos de interesse em
assuntos pré-determinados
População pré-definida: geralmente
usado para estudar comportamento

• Fotos tiradas em um determinado local
(sistema de busca pela API do Foursquare)
• Fotos e comentários feitos no perfil (se o perfil
oficial for cadastrado no)
• Hashtags (sem geolocalização)

Canais
Privacidade
Público
Privado
Conexão Inscrições
Interação
Gostei / Não Gostei
Comentários
Compartilhamento em
outras rede
Conteúdo Video

• Palavras-chave (devem
estar presentes no título
ou descrição do vídeo)
• Comentários de um vídeo
específico
• Vídeos de um
determinado canal

Perfis
Privacidade Público
Conexão Seguidores
Interação
Comentários
Compartilhamento em
outras redes
Conteúdo
Texto
Link
Foto
Video
GIF

• Videos que tenham a
palavra-chave no título
ou na descrição
• Canal de um usuário
específico ou marca
DADOS
• Palavras-chave
• Postagens de um
ou mais blogs
(feed)
DADOS
• Palavras-chave
• Hashtags
DADOS

FERRAMENTAS
ACADÊMICAS PARA
COLETA DE DADOS

Ferramenta desenvolvida por Dr.
Anatoliy Gruzd, coordenador do
Social Media Lab da Ryerson
University.
NETLYTIC
netlytic.org

NETLYTIC
Tier 3:
• Estudante: 90 dólares canadenses
por semestre
• Acadêmico/Não-Lucrativo: 228
dólares canadenses por semestre
• Regular: 348 dólares canadenses
por semestre

NETLYTIC: PLATAFORMAS
• Tweets por
Keywords
• Posts e comentários
Páginas Públicas
• Posts e comentários
de Grupos Públicos
• Comentários de
vídeo específico
• Hashtags
• Localização
(5km de raio)
• Conteúdo de feed

Título (apenas para
identificação)
Keywords com parâmetros
de busca
Coleta de até 1000
tweets a cada 15
minutos por 1, 7, 14
ou 31 dias

identificação)
Identificação da Página ou
número de identificação do
grupo aberto
Coleta a cada hora
dos 100 últimos posts
e 25 comentários por
postagem

identificação)
Seleção de Busca por Hashtag
ou Localização
Coleta a cada hora de
100 a 10.000
fotos/vídeos durante
1, 7, 14 ou 31 dias
Adição de #hashtag
ou latitude/longitude

identificação)
Código do vídeo

NETLYTIC: PRODUÇÃO
Social media and the social sciences: How researchers employ Big Data analytics
Mylynn Felt
Big Data & Society Apr 2016, 3 (1)
Estudo de coleta sobre o evento "The Sisters in Spirit Candlelight Vigil", da Native Women's Association of Canada.
Netlytic, Storify e DMI-TCAT foram analisadas.

NETLYTIC: PRODUÇÃO
“Where to Go on the Weekend?”: Trends for Local Information Seeking
in Leisure Settings Using Social Media
Eman Alyami and Sandra Toze
International Journal of Digital Society (IJDS), Volume 5, Issue 3, September 2014
Artigo explora as mídias sociais como fonte para busca de informações sobre lazer, a partir da coleta de 16.373
tweets de 5.549 usuários com a hashtag #halifax.

Netvizz é uma ferramenta
desenvolvida por Bernard Rieder,
pesquisador do contexto do Digital
Methods Initiative (Universidade de
Amsterdam).
NETVIZZ
apps.facebook.com/netvizz

NETVIZZ

NETVIZZ
Coleta de postagens e
conexões em Grupos
Coleta de postagens e redes
em posts de Páginas
Resultados de busca no
Facebook
Coleta de redes de páginas
Métricas simples sobre links
na plataforma

NETVIZZ: GROUP DATA
Coleta de postagens e
conexões em Grupos
Coleta de postagens e redes
em posts de Páginas
Resultados de busca no
Facebook
Coleta de redes de páginas
na plataforma

NETVIZZ: PRODUÇÃO (GROUP DATA)
A Constituição de Grupos, Agrupamentos e
Comunidades em Websites de Redes Sociais
(KOEHLER, MACHADO-SPANCE & CARVALHO, 2015)
Construção Coletiva de Conhecimento no Mundo
Virtual (DOMINGUES, 2016)

NETVIZZ: PAGE DATA

NETVIZZ: PAGE DATA
É possível coletar todos os
comentários da página, porém
demora muito devido aos
limites do Facebook. A coleta
somente de estatísticas
agregadas é mais veloz.
Especificação de quantidade
de dias e período para coleta
na plataforma
Somente post da página ou
posts de usuários (em páginas
abertas para tal)

NETVIZZ: ID DE PÁGINAS

NETVIZZ: COMPARAÇÃO DE DADOS

NETVIZZ: PRODUÇÃO
Redes de ódios sociais: a difusão de
preconceitos contra gênero e orientação
sexual no Facebook (SAMUEL et al, 2015)
Likes para a ciência: divulgação científica e consumo
de notícias na página I Fucking Love Science no
Facebook (SYNGER, 2015)

NETVIZZ: PAGE LIKE NETWORK
Adição da ID da página para
coleta
Profundidade de coleta.
Profundidade 1: coleta a
página-alvo, as páginas que
ela curte e como estas páginas
se curtem entre si.
Profundidade 2: coleta a
página-alvo, as páginas que
ela curte e todas as páginas
curtidas por estas últimas.

NETVIZZ: PRODUÇÃO
REDE ANTIPETISTA NO FACEBOOK
(SANTOS JUNIOR, 2016)

NETVIZZ: LINK STATS
Adição de links, um por
linha
A ferramenta coleta a quantidade de
Compartilhamentos, Likes e Comentários
das URLs e gera um arquivo .tab e a
tabela em formato HTML

INSTAGRAM HASTAG EXPLORER, SCRAPER, NETWORK
tools.digitalmethods.net/netvizz/instagram
tools.digitalmethods.net/beta/instagramNetwork
tools.digitalmethods.net/beta/instagram
Netvizz é uma ferramenta
desenvolvida por Bernard Rieder,
pesquisador do contexto do Digital
Methods Initiative (Universidade de
Amsterdam).

INSTAGRAM SCRAPER
Adição dos parâmetros para a
busca, a depender da opção
selecionada.
Seleção de tags, localização
gps, ID de localização do
Facbeook ou usuários
na plataforma
Número máximo de
resultados por linha no input
Nome do resultado para
armazenamento

INSTAGRAM NETWORK
Lista de nomes de usuários,
um por linha
Selecionar a extração de lista
de seguidos ou seguidores
Inserção de código de “client
ID” para autorizar a coleta
Inserção de código de “client
ID” para autorizar a coleta

http://voson.anu.edu.au/

CASE: RANKING DE INFLUENCIADORAS
SOBRE MODA E BELEZA PLUS SIZE

ETAPAS
Briefing
Mapeamento
Inicial
Coleta de
Dados
Classificação
Seleção de
Métricas
Análise e
Relatório
Pós: novo
produto

Desenvolvimento de estudo para:
• Mapear e rankear páginas de blogs
Plus Size de brasileiras
• Descobrir blogs internacionais
referências das blogueiras
• Descobrir marcas referenciadas
pelas blogueiras
• Descobrir mídia consumida pelas
blogueiras
• Descobrir referências culturais,
musicais e artísticas
BRIEFING

O objetivo do
mapeamento inicial
é ter um ponto de
partida para a
descoberta de novos
blogs na temática.
MAPEAMENTO INICIAL

A Netvizz é uma das ferramentas que permite
coletar redes de páginas de Facebook.
COLETA DE DADOS: FERRAMENTA

Rede de Likes da Página “Grandes Mulheres” e
os likes entre as mesmas:
A tática de snowball por popularidade é
selecionar páginas mais curtidas que façam
parte do escopo.
Páginas mais curtidas:
• MdeMulher
• Beleza Sem Tamanho
• Fluvia Lacerda
• Vogue
• MAC Cosmetics
COLETA DE DADOS: EXPANSÃO SNOWBALL

Rede de Likes das Página “Grandes
Mulheres”, “Beleza Sem Tamanho” e
“Entre Topetes e Vinis”.
Página plus size, mas na periferia da
rede:
• Gordinhas BBW Brasil
COLETA DE DADOS: SNOWBALL

A coleta da rede expandida de 100
páginas plus size resultou no
seguinte:
• 3.788 páginas
• 17.395 conexões
COLETA DE DADOS: RESULTADOS

Para filtrar as páginas, duas táticas
são possíveis:
1. Utilizar o esquema de
classificação do próprio Facebook:
cada página está inclusa em uma
categoria
2. Aplicar categorias manualmente
direto na ferramenta e/ou
planilha como Excel
CLASSIFICAÇÃO

Para filtrar as páginas, duas táticas
são possíveis:
1. Utilizar o esquema de
classificação do próprio Facebook:
cada página está inclusa em uma
categoria
2. Aplicar categorias manualmente
direto na ferramenta e/ou
planilha como Excel
CLASSIFICAÇÃO
0
100
200
300
400
500
600
Páginas

Qual métrica
utilizar para
rankear as
páginas?
SELEÇÃO DE MÉTRICAS

Rankeamento foi a primeira
entrega do estudo, definindo um
parâmetro de avaliação das
páginas.
Resultados posteriores
demonstram a possibilidade de
monitoramento real-time de
referências do público das
páginas plus size no universo
expandido das páginas.
ANÁLISE E RELATÓRIO

ACESSE A REDE
bit.ly/plusnetwhttp://ibpad.com.br/cursos/plussize

ESTUDO: INFLUENCIADORAS SOBRE
FEMINISMO E DIREITOS DAS MULHERS

PASSOS
Briefing
Mapeamento
Inicial
Coleta de
Dados
Classificação
Análise e
Relatório

Descobrir:
• Principais organizações e ativistas
influenciadoras sobre Direitos das
Mulheres em cinco países da
América Latina
• Analisar macro-temas como:
Violência de Gênero; Igualdade de
Gênero; Aborto e Direitos Sexuais e
Reprodutivos; Racismo
• Identificar a atuação de organismos
internacionais
BRIEFING

Twitter
A rede no Twitter foi
coletada a partir de
menções, com a análise
de retweets.
O monitoramento de
keywords relevantes para
as temáticas foi acrescido
de análise de macro-
temas e tópicos.
COLETA DE DADOS
Facebook
A partir de mapeamento
inicial de páginas, as
redes foram
expandidadas em
metodologia snowball até
representarem
Blog
Também a partir da
metodologia snowball
para expansão da rede,
começou a partir da
identificação de blogs dos
influenciadores das
outras mídias.

Facebook:
Mapeamento inicial realizado por
especialista no tema: analista de pesquisa
mulher e estudante de feminismo.
MAPEAMENTO INICIAL

Facebook
Exemplo: rede Guatemala
COLETA DE DADOS
Mapeamento Inicial:
30 páginas de campanhas, ativismo e
organizações pelos Direitos das
Mulheres
Extração das Redes no Netvizz Rede com 1548 páginas e 7909
conexões

Facebook
Exemplo: rede Brasil
COLETA DE DADOS
Mapeamento Inicial:
100 páginas de campanhas, ativismo e
organizações pelos Direitos das
Mulheres
Extração das Redes no Netvizz Rede com 4226 páginas e
31390 conexões

ANÁLISE
• Quais os perfis mais referenciados?
• Quais tweets repercutiram?
• Qual o tipo de interação?
• Qual o tipo de motivação de agrupamento?

ANÁLISE E CLASSIFICAÇÃO
• Classificação dos influenciadores
por tipo
• Descrição dos principais
influenciadores em cada plataforma
analisada, enfatizando os influentes
nos três ambientes (Blogs, Facebook
e Twitter)
• Classificação dos clusters por
temática e discussão

ANÁLISE E CLASSIFICAÇÃO
• Manutenção de duas lógicas de
análise
• Identificação de volume, temas e
semântica
• Análise baseada em rede, interação
e agrupamentos

ANÁLISE E RELATÓRIO
Exemplo de output de entrega,
com identificação dos
principais clusters.

+ REPOSITÓRIOS DE FERRAMENTAS
dirtdirectory.org tapor.ca

REFERÊNCIAS BIBLIOGRÁFICAS
AHMED, Ashir; SCHEEPERS, Helana; STOCKDALE, Rosemary. Social Media Research - A Review of Academic
Research and Future Research Directions. Pacific Asia Journal of the Association for Information Systems, vol. 6,
n.1, artigo 3.
Freelon, Deen. (2013) On the interpretation of digital trace data in communication and social computing research.
In: Journal of Broadcasting & Electronic Media.
DOMINGUES, Letícia. Construção Coletiva de Conhecimento no Mundo Virtual: o caso dos grupos de Facebook no
curso de Direito da UFMG. In: SENA, Adriana [et al.] III Seminário Nacional sobre ensino jurídico e formação
docente [livro eletrô-nico]/. -- Belo Horizonte, MG : Relicário Edições, 2016.
KOEHLER, Cristiane; MACHADO-SPENCE, Nádie & CARVALHO, Marie, 2015 . A Constituição de Grupos,
Agrupamentos e Comunidades em Websites de Redes Sociais. Revista Teias, v. 16, n. 43, 2015.
Marres, Noortje. (2012). The redistribution of methods: on intervention in digital social research, broadly
conceived. In: Sociological Review, vol. 60, s. 1, 2012. pp. 139-165.
MASSAROLLO, João et al.. Redes discursivas de fãs da série Sessão de Terapia. In: LOPES, Maria Immacolata. Por
uma teoria de fãs da ficção televisiva brasileira. Porto Alegre: Sulina, 2015.
PRADO, Luciana. O que diz o Varejo nas rede sociais: Visões sobre as linguagens no mundo do consumo virtual.
Dissertação apresentada ao Programa de Pós-Graduação em Comunicação – Mestrado em Comunicação, Linha
de Pesquisa Mídia e Cultura – Universidade Federl de Goiás, 2013.

REFERÊNCIAS BIBLIOGRÁFICAS
RODRIGUES, Daniele. Redes Sociais e o Fenômeno da Segunda Tela no Carnaval. Scup, 2013. Disponível em
https://ideas.scup.com/suas-ideias/infografico-redes-sociais-e-o-fenomeno-da-segunda-tela-no-carnaval/
SAMUEL et al. Redes de ódios sociais: a difusão de preconceitos contra gênero e orientação sexual
no Facebook. XIV Congresso de Ciências da Comunicação na Região Norte – Manaus - AM – 28 a 30/05/2015.
SANTOS JUNIOR, Marcelo Alves dos. Vai pra Cuba!!! A Rede Antipetista na eleição de 2014 / Marcelo Alves dos
Santos Junior. – 2016. 197 f. ; il. Orientador: Afonso de Albuquerque. Dissertação (Mestrado em Comunicação) –
Universidade Federal Fluminense, Instituto de Arte e Comunicação Social, 2016. Bibliografia: f. 168-181.
SILVA, Tarcízio. Pesquisa baseada em Dados Sociais Digitais: mapeamento de ferramentas e táticas de coleta de
dados no Intercom. Razón y Palabra, n.90, 2015.
SYNGER, Talita. Likes para a ciência: divulgação científica e consumo de notícias na página I Fucking Love Science
no Facebook. Estudos em Comunicação nº 21, 139-154, 2015.
ZIMMER, Michael; PROFERES, Nicholas. A topology of Twitter research: disciplines, methods, and ethics. Aslib
Journal of Information, Vol. 66, No. 3, 2014.
Conteúdo com apoio dós profs. Débora Zanini e Wesley Muniz.

Obrigado!
Instituto Brasileiro de Pesquisa e
Análise de Dados

Coleta de Dados em Midias Sociais para Pesquisa Acadêmica

Mais conteúdo relacionado

Mais procurados (20)

Destaque (20)

Semelhante a Coleta de Dados em Midias Sociais para Pesquisa Acadêmica (20)

Mais de Tarcízio Silva (18)

Último (20)

Coleta de Dados em Midias Sociais para Pesquisa Acadêmica