PROJETOS DE PESQUISA

Grandes volumes de dados políticos não-estruturados têm representado um desafio para a pesquisa científica. Portanto, o desenvolvimento de instrumentos voltados à extração de informações políticas e científicas a partir do Big Data mostra-se altamente estratégico. O objetivo desta proposta é desenvolver técnicas e ferramentas computacionais para a coleta, tratamento e classificação de dados políticos, que propiciem a realização de diversos experimentos para análise de redes complexas. Combinando Aprendizado de Máquina e Análise de Redes Sociais, serão realizadas diversas aplicações e modelagens de diferentes relações entre dados oriundos de Sites de Redes Sociais, mais especificamente do Twitter, bem como da API de Dados Abertos da Câmara dos Deputados. O intuito é que a pesquisa gere inovação no campo de metodologia política por meio da aproximação entre Ciência Política, Ciência da Computação e Data Science e contribua com o desenvolvimento da Ciência Política Computacional no Brasil. Na execução do projeto, além dos artefatos open-source que serão disponibilizados para a comunidade científica, espera-se que seja produzido um software de código fechado, objeto de proteção por patente junto à instituição-sede, considerando as normas e diretrizes da FAPESP.

Profa. Dra. Sylvia Iasulaitis

Prof. Dr. Alan Demétrius Baria Valejo

Prof. Dr. Brett Mylo Drury

Prof. Dr. Eanes Torres Pereira

Profa. Dra. Eloize Rossi Marques Seno

Profa. Dra. Helena de Medeiros Caseli

Prof. Dr. Herman Martins Gomes

Profa. Dra. Manel Herat

Given the rapidly evolving trends in social media use and the growing concerns over the harmful effects of political hate and harassment online, this project aims to identify offensive comments and hate speech in textual (tweets) and multimodal (memes) data about Brazilian politics. Increasingly, extremist political groups misuse memes and tweets to spread misinformation and hate. Given the enormous volume of texts and images published daily, identifying and combating such practices manually is unfeasible. Therefore the current project will use techniques from natural language processing, machine learning, computer vision, and deep learning to build algorithms and computer models capable of accurately identifying and classifying hate speech and offensive language on social media. The project will incorporate a qualitative analysis component using Corpus Linguistics, Critical Discourse Analysis (CDA), and Semiotics. In the domain of political discourse, this integrated approach can foreground how hate speech is employed as a rhetorical strategy by political actors to marginalize certain groups and further their agendas. CDA will be used to uncover discursive strategies such as dehumanization and othering used to propagate hate speech and reinforce existing power relations. The analysis of offensive comments and hate speech in the political context is extremely important to identify patterns of behavior on social networks and promote more effective actions to combat these practices.

Pesquisadoras Responsáveis:
Profa. Dra. Sylvia Iasulaitis (Brasil)
Profa. Dra. Manel Herat (Inglaterra)

Pesquisadores Associados:
Prof. Dr. Alan Demétrius Baria Valejo
Prof. Dr. Brett Mylo Drury
Prof. Dr. Eanes Torres Pereira
Profa. Dra. Eloize Rossi Marques Seno
Profa. Dra. Helena de Medeiros Caseli
Prof. Dr. Herman Martins Gomes

O objetivo deste projeto é disponibilizar sistemas computacionais que auxiliem na automatização, programaticamente, dos processos de coleção, análise, e modelagem de dados que caracterizam métodos de pesquisa utilizados na literatura de estudos sócio-políticos e Ciência da Informação, especificamente aqueles que tratam da teoria de Redes Complexas aplicada a estes ramos. Este sistema deverá ser capaz de obter dados de diferentes plataformas da web que, por sua vez, fornecem APIs, ou interfaces de programação de aplicações, que possibilitam tal interação a partir de solicitações padronizadas. A partir destes, poderão ser gerados objetos computacionais representantes de grafos, através de algoritmos projetados levando em conta as respectivas modelagens informacionais. Estes objetos, então, serão manipulados e visualizados através de uma aplicação de acesso online disponível em domínio público, desenvolvida tendo em mente dois diferentes usuários finais: o cidadão comum com interesse no cenário político brasileiro, e o pesquisador, que poderá utilizar a ferramenta tanto para aprofundar suas análises interpretativas sobre as redes ou contribuir de forma importante para seus estudos sócio-políticos. A união da automatização do processo, com o fornecimento de uma poderosa ferramenta de visualização de dados, deve aumentar consideravelmente a eficiência destes estudos, assim como sua profundidade, amenizando as dificuldades intrínsecas da análise intelectual de quantidades massivas de dados. De início, será dada grande prioridade para o desenvolvimento em relação à API da base de dados abertos da Câmara dos Deputados do Brasil, cujo uso ainda é pouco explorado na literatura. Posteriormente, espera estender-se a coleção de dados para sites de mídia sociais, em especial o Twitter.

Discente: Bruno Cardoso Greco

Orientadora: Profa. Dra. Sylvia Iasulaitis

Coorientador: Prof. Dr. Alan Demétrius Baria Valejo

O objetivo desse projeto é buscar compreender a relação entre os deputados, seus partidos e o voto escolhido em diversos temas da Câmara dos Deputados, a fim de mapear as coligações, configurações das bases de sustentação e oposição dos mandatos presidenciais, além do fisiologismo de alguns partidos nesta instituição política. Isso será feito analisando os dados abertos da Câmara dos Deputados, com o auxílio de técnicas computacionais como Processamento de Linguagem Natural (PLN) e Análise de Redes Complexas. Primeiramente os dados serão analisados mediante à API disponibilizada pela Câmara, após serão identificadas as temáticas das votações a partir dos textos que descrevem as votações com o uso de PLN e em seguida construída uma rede de relações entre os candidatos, seus votos, orientação dos partidos e temáticas com o auxílio de grafos. Com a rede estruturada, a análise será feita com técnicas de Análise de Redes Complexas. Esse projeto ajudará a compreender a dinâmica política da Câmara dos Deputados, ajudando a trazer à tona as contradições e interesses no Legislativo brasileiro, democratizando o acesso a essas informações com uma ferramenta pública e simplificada para consulta dessas informações.

Discente: Vinicius Gonçalves Perillo

Orientadores: Profa. Dra. Sylvia Iasulaitis e Prof. Dr. Alan Demétrius Baria Valejo

O uso de mídias sociais tem se tornado uma prática comum entre os eleitores e políticos brasileiros. Por meio dessas plataformas, políticos e seus apoiadores expressam suas opiniões e discutem temas de interesse público. No entanto, essa liberdade de expressão tem levado a um aumento na disseminação de comentários ofensivos e de discurso de ódio com sentimentos aversivos como homofobia, racismo, misoginia, etc., gerando consequências severas para a sociedade. Diante dessa problemática, a análise de comentários ofensivos e de discurso de ódio no âmbito da política brasileira é de extrema relevância para identificar os padrões de comportamento nas redes sociais e promover ações mais efetivas no combate a essas práticas. Contudo, identificar e combater tais práticas manualmente é uma tarefa desafiadora, dado o enorme volume de textos publicados diariamente. Portanto, é essencial contar com algoritmos capazes de detectar e lidar com esse tipo de discurso. Dado esse contexto, este projeto visa a exploração de técnicas/algoritmos que permitam identificar comentários ofensivos e discurso de ódio em tweets sobre política brasileira. Pretende-se com este projeto fornecer subsídios que contribuam com outras pesquisas relacionadas à fenômenos sócio-políticos, em desenvolvimento no contexto do projeto FAPESP 2022/03090-0.

Profa. Dra. Eloize Rossi Marques Seno

Hedging, is the use of linguistic devices to soften or qualify statements, can be a strategic tool employed to manipulate public perception, and to give the speaker plausible deniability if they are shown to be incorrect. Consequently, numerous leaders of public companies and political parties employ this rhetorical device to manipulate the perception of their organisation without consequences. The automatic identification of excessive use of hedging language is often an indicator of wider problems within an organisation. This talk will discuss hedging language and the computational methods for detecting manipulative language in public discourse.

Prof. Dr. Brett Drury

A Inteligência Artificial é um campo de estudos interdisciplinar. Os pioneiros da ciência da computação, matemáticos e engenheiros, vislumbraram a possibilidade de um computador simular o pensamento humano através de diferentes métodos computacionais, por exemplo, redes neurais artificiais. Tais estudos foram inspirados nas pesquisas biológicas da então embrionária neurociência, os quais mostravam células do sistema nervoso em uma intrincada rede de comunicações elétricas e químicas que, por sua vez, formam o cérebro. Filósofos e psicólogos se juntaram às pesquisas do campo, abordando questões sobre a possibilidade de a inteligência artificial ter consciência. O laboratório de testes para a inteligência artificial foi o xadrez, jogo milenar, com regras simples e de informação completa que, para se jogar, desvela elementos do raciocínio humano, por exemplo, fazer planos, abstrações, imaginação e lógica. Os cálculos de variantes no xadrez são realizados com muita acurácia pelos algoritmos de inteligência artificial, mas ainda assim apresentam problemas a serem resolvidos pelos cientistas da computação a fim de alcançar as soluções concebidas pela imaginação humana. O objetivo deste projeto de pesquisa de doutorado é conhecer as perspectivas da inteligência artificial e da inteligência humana nas tomadas de decisões a partir do laboratório do jogo de xadrez. Apesar do computador já ter superado o ser humano no xadrez, ainda assim são constatadas a incapacidade da inteligência artificial de entender a posição do jogo, de não considerarem o viés artístico, emocional e cultural, características estas associadas ao comportamento e à criatividade humanas, à imaginação.

Discente: Léo Pasqualini de Andrade

Orientadora: Profa. Dra. Sylvia Iasulaitis

Trata-se de pesquisa de doutorado sobre a relação entre linguagens, comunicação e ciências, circunscrita às concepções técnico-científicas em que se entrelaçam o ambiente digital, o técnico, tecnológico e o científico e se inscreve nas discussões do campo Ciência, Tecnologia e Sociedade. Tem-se como objetivo explorar a complexidade dos discursos sobre a ciência no contexto da polarização política no ambiente das plataformas digitais. Neste, as ações de usuários inserem-se em um complexo emaranhado sociotécnico em que estão circunscritas a informação de cunho científico e a busca por notoriedade, que passa a ser então tratada como engajamento. Desse escopo, espera-se melhor compreender a complexidade presente na intersecção entre os discursos sobre a ciência, a polarização política e as plataformas digitais, levando em consideração as influências humanas e não humanas que compõem tal emaranhado sociotécnico.

Discente: Marcelo de Seixas Martins

Orientadora: Profa. Dra. Sylvia Iasulaitis

Diante do panorama de hesitação vacinal, surgiu o questionamento que motivou o interesse para esta pesquisa: como as universidades públicas federais brasileiras, por meio de projetos de extensão, poderiam contribuir, ou têm contribuído, para mitigar o fenômeno da desinformação sobre vacinas, que diminui a confiança nos imunizantes e, de maneira mais ampla, na própria ciência? Este projeto visa contribuir para as discussões sobre fenômenos políticos, econômicos e sociais envolvidos no negacionismo científico, e, em especial, na desinformação sobre vacinas, amparando discussões acerca da responsabilidade das universidades públicas para com a sociedade e desta, por sua vez, para com a defesa dos espaços públicos de produção de conhecimento científico.

Discente: Vânia Lúcia Coelho

Orientadora: Profa. Dra. Sylvia Iasulaitis

Com o crescente uso das plataformas de mídia social, variados tipos de conteúdo são compartilhados diariamente, em especial, os memes, que são um tipo de conteúdo composto, geralmente, por texto e imagem, que se caracterizam como uma forma de rápida comunicação para expressar ideias, críticas, humor, entre outros. No entanto, o uso desse tipo de artefato tem veiculado mensagens de conteúdo nocivo. Embora, nos últimos anos, tenham havido esforços voltados para a detecção de memes com conteúdo nocivo, a maioria dos modelos do estado da arte são em língua inglesa. Devido à natureza multimodal, a análise automática de memes é um problema desafiador, pois a compreensão do conteúdo de um meme só é possível quando texto e imagem são analisados conjuntamente, sendo também necessário conhecimento externo relacionado ao contexto semântico e cultural em que o mesmo está inserido. Nesta proposta de pesquisa tem-se como objetivo apresentar uma abordagem para a detecção automática de conteúdo preconceituoso em memes de língua portuguesa (português brasileiro). A metodologia proposta consiste de um modelo multimodal de visão e linguagem. Para fins de treinamento e validação da abordagem proposta, foi construída e rotulada uma base de dados de memes em língua portuguesa.

Orientador: Prof. Dr. Herman Martins Gomes e Prof. Dr. Eanes Torres Pereira

Orientanda: Hanna França Menezes

Um dos segmentos da análise de redes sociais busca entender o comportamento de grandes volumes de dados políticos nas interações humanas. Dessa forma, esses dados passam a ser estruturados, podendo ser modelados por uma entidade matemática conhecida como grafo. Um grafo representa as relações entre elementos, podendo ser textos, pessoas ou entidades. Os algoritmos de inteligência artificial e aprendizado de máquina estão se adaptando cada vez mais para desempenharem tarefas complexas com esses dados, seja em tarefas de classificação (como fake news, detecção de bots e discurso de ódio), ou para detecção de comunidades. A detecção de comunidades procura encontrar uma partição de grafos em subgrafos, que sejam densamente conexos entre elementos de um mesmo grupo. Para detectar esses grupos, grande parte dos algoritmos são baseados em uma estratégia que primeiro aplica um modelo para aprender uma representação latente e depois aplica algum algoritmo clássico da literatura, como k-médias, por exemplo. Esses frameworks em duas etapas são complexos de manusear e geralmente levam apenas a um mínimo local. Para avaliar a eficácia dessas abordagens, métricas como a informação mútua normalizada (do inglês Mutual Normalized Info -- NMI) e a modularidade são utilizadas. Essas métricas funcionam como formas de avaliar a correlação entre uma partição de referência e a topologia do grafo, respectivamente. Esse trabalho propõe a possibilidade de exploração da aplicação de outros modelos de treinamento diretos, ou seja, sem a utilização de modelos de representação latente, para detectar comunidades em grafos com características específicas.

Discente: Guilherme Henrique Messias

Orientadores: Prof. Dr. Alan Demétrius Baria Valejo e Profa. Dra. Sylvia Iasulaitis

Partindo da premissa que considera a biblioteca como agente ativa e incentivadora do acesso irrestrito à informação, o que se pretende é analisar de que forma as plataformas de redes sociais têm sido compreendidas como ferramentas de aproximação e aumento do público usuário de bibliotecas a fim de que seus recursos sejam disponibilizados e efetivamente utilizados pelo maior número de pessoas possível. Para tal, serão considerados os estudos a respeito do tema, a fim de identificar como diferentes bibliotecas têm tratado a questão, e, num segundo momento, como oportunidade para análise e aplicabilidade vindouras, será destacado o caso da Biblioteca Comunitária da Universidade Federal de São Carlos.

Discente: Leandro de Oliveira Lopes

Orientadora: Profa. Dra. Sylvia Iasulaitis

Com o avanço das tecnologias de informação e mídias digitais e a decorrente quebra paradigmática na organização da sociedade e cultura de massas, a política se vê cada vez mais em transformação, influenciada pela Comunicação Mediada pelo Computador, que fornece um novo espaço para a transposição dessa forma de relação social. No ocidente, e, no caso da pesquisa que aqui se propõe, no Brasil, a tomada de ações políticas com motivações antidemocráticas e suas organizações, especialmente a invasão da sede dos três poderes no dia 8 de janeiro de 2023, também teve grande influência do ativismo digital nas mídias sociais. Para compreender a relação entre a tecnologia e o comportamento, linguagens e formas de comunicação envolvidas, a presente pesquisa prevê a aplicação da Análise de Conteúdo e de Sentimentos nas postagens da rede social X (antigo Twitter) durante o recorte de tempo em questão, trazendo uma compreensão do campo da tecnologia comunicacional, da linguagem e da política a partir de dimensões centradas na comunicação digital.

Discente: Ian Victor Rubini Ruiz

Orientadora: Profa. Dra. Sylvia Iasulaitis

Tese de Mestrado

A revolução tecnológica suscitou ao mundo uma alta quantidade de dados não estruturados em formato textual. Essa quantidade de dados gerou também um interesse pela criação de métodos como o PBG (Propagation on Bipartite Graphs), que modela conjuntos de texto por meio de um grafo bipartido de documentos-palavras. A Câmara dos Deputados Federais é uma instituição de grande relevância para o país, uma vez que espelha a representatividade da política brasileira e o lócus dos processos democráticos. Nesse contexto, a “API de Dados Abertos da Câmara dos Deputados” fornece acesso a uma gama de dados relacionados ao poder legislativo, especialmente, dados textuais, tais como as transcrições de discursos de deputados, embora tais dados estejam disponíveis, estudos endereçando a extração automática de tópicos com os mesmos ainda são escassos. Com base na lacuna observada, este estudo visa a análise de discursos de deputados federais baseando-se em uma abordagem de Aprendizado de Máquina (AM) com grafos para a extração de tópicos proeminentes, sendo que, para tanto, será utilizado o algoritmo PBG. O foco do estudo é a criação de ferramentas para a extração de discursos e de seus tópicos utilizando-se do algoritmo PBG e a realização do estudo de caso de um partido durante a pandemia de COVID-19.

Discente: Matteus Guilherme de Souza

Orientadores: Prof. Dr. Alan Demétrius Baria Valejo e Profa. Dra. Sylvia Iasulaitis

As redes sociais têm se mostrado importantes agentes de influência no cenário político brasileiro. Elas têm sido empregadas como um meio para conduzir campanhas políticas e como uma ferramenta para coordenar protestos. Pesquisas anteriores apontam que a compreensão do comportamento dos usuários, especialmente no que se refere ao posicionamento político e aos sentimentos expressos durante as eleições, pode fornecer indícios sobre o resultado do pleito. A análise automatizada do conteúdo textual por meio de modelos de língua neurais é de extrema importância, especialmente quando se trata da compreensão dos discursos políticos nas redes sociais, como o Twitter/X. Essas ferramentas possibilitam uma análise eficiente e abrangente, permitindo a identificação de padrões, tendências e sentimentos predominantes. É fundamental, portanto, o desenvolvimento de um modelo específico voltado para a política brasileira, especialmente adaptado ao gênero textual do Twitter, a fim de garantir uma interpretação precisa e contextualizada das discussões políticas online.

Discente: Arthur Braga da Fonseca

Orientadora: Profa. Dra. Helena de Medeiros Caseli

Ao longo da popularização dos vlogs, alguns grupos de produtores de conteúdo audiovisual passaram a produzir materiais dedicados a uma exposição de ideias de forma mais elaborada, mobilizando um aparato teórico até então não visto na plataforma. Tais vídeos visam propagar posturas ideológicas bem definidas principalmente em relação à religião, a grupos minoritários e a políticas estatais dedicadas a tais nichos, além de posicionamentos no espectro esquerda-direita. Nas eleições nacionais dos anos de 2018 e 2022, figuras que muito repercutiram nesses canais, além de alguns desses denominados “influenciadores digitais”, conseguiram se eleger, alguns com destaque. Considerado o cenário supracitado, esta pesquisa apresenta uma análise sobre alguns desses “formadores de opinião”, de modo a analisar seus discursos e os meios utilizados para propagá-los, bem como compreender suas implicações para os pleitos nacionais para os cargos de deputados federais, governadores e presidente.

Discente: Bruno Vinicius Leite Martins Bastos

Orientadora: Profa. Dra. Sylvia Iasulaitis

Um grande desafio é lidar com a vasta quantidade de informações geradas a cada minuto. No Processamento de Linguagem Natural (PLN), subárea da Inteligência Artificial, diante da inviabilidade de processar absolutamente todos os textos disponíveis, surge a necessidade de filtrar os que serão utilizados como fonte de informação no desenvolvimento de algum sistema/modelo. Como estratégia de filtragem, pode-se determinar como parâmetro a utilidade que cada texto pode desempenhar para uma ou mais tarefas de PLN. Por exemplo, um texto com uma carga emocional intensa pode apresentar alta utilidade para a Análise de Sentimentos, mas ser pouco útil na geração de Sumários informativos; já um texto repleto de expressões ofensivas pode ser útil para a detecção de discurso de ódio, mas ser pouco desejado no treinamento de um chatbot. Portanto, este projeto tem como objetivo desenvolver uma ferramenta flexível e explicável de triagem inteligente de tweets da rede social Twitter/X. Tal ferramenta irá classificar a utilidade de tweets para diversas tarefas de PLN. Com isso, busca-se contribuir significativamente para a eficácia e eficiência das aplicações da área.

Discente: Laura Pessine Teixeira

Orientadora: Profa. Dra. Helena de Medeiros Caseli

Cada vez mais, dados não-estruturados são coletados e analisados, em particular, textos extraídos de redes sociais. Neste trabalho, os dados correspondem a postagens feitas no Twitter durante as eleições presidenciais no Brasil de 2022 e serão aplicados métodos, como regras de associação e análise de sentimentos, para explorar tais postagens. Por meio do pré-processamento dos dados textuais, incluindo tokenização e remoção de ruídos, serão identificadas associações temáticas, compreendidos os sentimentos expressos pelos usuários e obtidas ideias sobre o comportamento e as tendências eleitorais. A visualização dos resultados, por meio de nuvens de palavras e outras técnicas, auxiliará na interpretação dos dados e proporcionará uma compreensão aprofundada dos discursos políticos nas redes sociais, contribuindo para a compreensão do cenário político durante a eleição presidencial no Brasil.

Orientador: Prof. Dr. Márcio Luis Lanfredi Viola

Orientando: Vítor José Ramos

As plataformas de mídia social desempenham um papel cada vez mais importante na esfera política, oferecendo acesso direto a uma quantidade sem precedentes de conteúdo. Desse modo, manifesta-se o fenômeno conhecido como “câmaras de eco”, no qual grupos de indivíduos compartilham pontos de vista semelhantes, resultando na criação de um ciclo de reforço mútuo. As redes sociais estão se tornando uma ferramenta influente no âmbito político, porém há uma escassez de estudos que identificam as câmaras de eco e a dinâmica política nas plataformas de mídia social. Assim, o objetivo deste projeto é aplicar técnicas de identificação de comunidades e processamento de linguagem natural na rede social Twitter/X com o intuito de identificar a existência de câmaras de eco.

Discente: William Tsuyoshi Matsuda

Orientadores: Profa. Dra. Helena de Medeiros Caseli e Prof. Dr. Alan Demétrius Baria Valej

Enquanto a internet está mais do que nunca presente em todas as áreas da sociedade, desde a vida pessoal até as tecnologias utilizadas por empresas e governos, a quantidade de informação disponibilizada na internet também aumenta a cada dia; esteja ela disponível publicamente em redes sociais ou apenas em bancos de dados de sistemas privados. É necessário que, dessa imensa quantidade de dados, se extraia significado e se transforme em informações úteis para diversas aplicações. E por se tratar de uma grande quantidade de informação essa tarefa é facilitada por meio de algoritmos de aprendizado de máquina, subárea da inteligência artificial. Uma área de estudo específica do aprendizado de máquina é o agrupamento, cujo objetivo é identificar grupos de objetos de acordo com algum critério de similaridade associado aos atributos dos dados. Uma abordagem amplamente utilizada são os algoritmos de agrupamento baseados em grafos, os quais necessitam, inicialmente, construir um grafo a partir dos dados. Existem diversos algoritmos de construção de grafos, os quais produzem grafos com características topológicas distintas, interferindo diretamente na qualidade do agrupamento. Nesse contexto, o objetivo deste estudo é analisar a influência dos algoritmos de construção de grafos no agrupamento e comparar seus resultados com os obtidos por algoritmos tradicionais da literatura, tais como K-Means e DBScan.

Discente: Artur Formigoni Porto

Orientador: Prof. Dr. Alan Demétrius Baria Valejo

Recentemente, as discussões políticas no Brasil ganharam destaque, tornando-se um dos tópicos mais debatidos nas redes sociais. Fatores como a diversidade de temas, a ocorrência de eventos que atraem a atenção do público e o aumento constante no volume de mensagens tornaram a tarefa de identificar claramente, de forma concisa e objetiva, os principais tópicos das postagens um desafio. Nesse contexto, este estudo explora o uso de técnicas avançadas de geração de tópicos combinadas com uma nova proposta de sumarização multinível usando grandes modelos de linguagem para gerar resumos de tweets sobre política brasileira coletados durante as eleições presidenciais de 2022. Análises qualitativas e quantitativas indicam que a combinação dessas técnicas conseguiu extrair e resumir os principais tópicos, demonstrando um grande potencial para ser uma ferramenta informativa útil para avaliar diferentes opiniões, questões e temas discutidos publicamente.

Discente: Leonardo Capellaro

Orientadora: Profa. Dra. Helena Caseli

Com este projeto tem-se buscado desenvolver um processo de divulgação científica a partir da disponibilização de dados e análises acerca de informações públicas relacionadas à política nacional, ao processo eleitoral brasileiro e ao comportamento de usuários em redes sociais. Estão sendo produzidos e veiculados publicamente materiais multimídia, gratuitos e de qualidade, a fim de divulgar os resultados da pesquisa e, assim, fomentar o debate crítico e cidadão. O intuito é aproximar o público não especializado ao processo e ao método científico e, desta forma, contribuir para a popularização da ciência e para a compreensão de temas que influenciam em decisões cotidianas, no cenário político e em processos sociais, como a proliferação de discursos de ódio e as fake news. Para tais finalidades, estão sendo produzidos e divulgados vídeos (reels) para redes sociais, podcasts, textos e infográficos em mídias oficiais do projeto, canais institucionais e veículos de comunicação externos.

Discentes: Mariana Manzini e Victoria Andrade

Orientadora: Profa. Dra. Sylvia Iasulaitis

Este projeto objetiva estudar a produtora de conteúdos Brasil Paralelo (BP) tendo como hipótese principal sua caracterização como um Think Tank (TT) emergente no cenário brasileiro, focando na sua atuação e influência através de documentários. Baseando-se principalmente na teoria de Pierre Bourdieu sobre campos sociais e na ideia de Think Tanks como organizações híbridas defendida por Thomas Medvetz, o estudo pretende analisar o papel da BP na articulação dos campos políticos, econômicos, midiáticos e acadêmicos. O exame dos documentários da produtora se dará através da Análise Fílmica (AF) e de Conteúdo (AC), buscando entender como a empresa legitima seus discursos e mobiliza o meio digital para ampliar sua influência. O projeto visa contribuir para o entendimento do fenômeno da produção e disseminação de informações falseadas e seu impacto na esfera pública, oferecendo uma visão crítica sobre a influência da BP e a dinâmica entre comunicação, conhecimento e política.

Discente: Ana Beatriz Lopes Raimundo

Orientadora: Profa. Dra. Sylvia Iasulaitis

A palavra meme se refere a um tipo de conteúdo composto de texto e imagens (multimodal), usados na construção semântica da mensagem. Atualmente, os memes são usados notavelmente para comunicação em plataformas de mídia social. Embora os memes não sejam geralmente usados com intenção maliciosa, cada vez mais grupos políticos extremistas usam indevidamente os memes para espalhar desinformação e ódio. Foi observado que a disseminação de preconceito com esse tipo de artefato gerou alto impacto nas relações sociais, principalmente nas relações mediadas por aplicativos de mensagens instantâneas e redes sociais. O objetivo deste projeto é criar uma biblioteca de memes e um dataset classificando memes que contenham comentários ofensivos e discursos de ódio, que alimentem sentimentos aversivos como racismo, misoginia, xenofobia, intolerância religiosa, lgbtq+fobia e capacitismo, gerando graves consequências para a sociedade.

Discentes

Ana Lidia Dilela

Leticia Gabriela dos Santos

Mariana Kawamorita

Nicolle Balchaque

Raquel Vitória do Rio Coleta

Victor Eduardo Maciera

Vitoria Gabriela Aguiar de Souza

Orientadoras

Hanna França Menezes

Sylvia Iasulaitis

Este projeto de pesquisa visa investigar a influência de contas automatizadas (bots) na disseminação de fake news e discursos de ódio durante o período eleitoral presidencial brasileiro de 2022, na plataforma digital X (antigo Twitter). Tendo sido realizada uma investigação preliminar do estado da arte, foram identificados estudos de caso de eleições em diversos países, inclusive no Brasil, com destaque para a ampliação do uso de contas automatizadas (bots) com finalidade política nas redes sociais digitais, especialmente no X (Twitter), e a alta disseminação de discursos tendenciosos e nocivos durante esses eventos. O objetivo do projeto é identificar os impactos gerados em consequência dessas atividades, com a identificação e classificação de atores (bots e usuários humanos) envolvidos, analisar a dinâmica de interações e influências entre os usuários, a fim também de compreender os objetivos políticos por trás dessas atividades.

Palavras-chave: Fake News, Discurso de Ódio, Bots, Eleições, X (Twitter).

Discente: Verônica dos Santos Lopes

Orientadora: Sylvia Iasulaitis

Coorientador: Alan Demétrius Baria Valejo

A internet tem possibilitado ampla formação de redes conectando diversos atores através do World Wide Web. Neste contexto, um fórum de imageboard chama a atenção pelo seu grande número de visitas diárias e capacidade de manutenção do anonimato de seus usuários: o 4chan. Como consequência de seu zelo pela discrição, o subfórum Politically Incorrect, também conhecido como /pol/, permite extensas discussões e disseminação de discursos extremistas políticos variados, inclusive o neonazismo. A partir das informações anteriores, a presente pesquisa busca netnografar a cultura channer neonazista presente no subfórum, coletando tópicos e discussões onde elementos da ideologia em questão se encontram explicitados, que serão analisados de acordo com a bibliografia a respeito do tema, a fim de compreender a formação cultural digital dos neonazistas na plataforma.

Discente: Ian Victor Rubini Ruiz

Orientadora: Profa. Dra. Sylvia Iasulaitis

Esta pesquisa tem como finalidade investigar a produção e disseminação contemporânea de discursos misóginos em mídias sociais, prevalentes em câmaras de eco associadas à extrema direita, agrupadas sob a denominação manosphere ("esfera masculina"), que consiste em páginas on-line e redes sociais interconectadas de conteúdo "ultramasculino". Identifica-se nelas o uso do artifício alegórico "RedPill" (pílula vermelha). Com base nos estudos de gênero e culturais e fazendo uso de ferramentas computacionais próprias desenvolvidas em nosso grupo de pesquisa, visamos compreender esse fenômeno por meio da análise de redes e câmaras de eco formadas no Twitter, buscando investigar a disseminação de discursos de ódio, especialmente misóginos.

Discente: Mariana Manzini

Orientadora: Profa. Dra. Sylvia Iasulaitis

Esta pesquisa se propõe a estudar a configuração do comportamento tóxico e violento dentro da comunidade do jogo League of Legends - LoL, abordando aspectos de game design, relacionamento de jogadores e espectadores de partidas casuais e competitivas. Na perspectiva de comportamentos dentro do jogo utilizaremos as classificações de toxicidade já determinadas em outros estudos: spamming, trolling e griefing; e como elas reverberam na comunidade, nas relações out-game e nas mídias sociais utilizadas pelos jogadores e aqueles que pertencem à comunidade. Outro aspecto importante desse estudo é compreender como a “vida real” recebe e dissemina esses comportamentos violentos advindos do “mundo digital” e vice-versa.

Discente: Paulo César Taliberti Lavo

Orientadora : profa. Dra. Sylvia Iasulaitis