Métodos Digitais para Análise de Dados - Aula 05 - Sociabilidade em rede e camadas analitícas de dados

MétodosDigitaisparaAnálisedeDados

[email protected]çãoeComunicação

Aula05–Sociabilidadeemredeecamadasanalí6casdedados

Sociabilidadeemrede

•  Asociabilidadeemredeindicaos!posderelaçõesquepodemserdesenvolvidosemredebemcomoospadrõesediferentesmodospelosquaisessasrelaçõessemanifestam:–  Exemplosde6posderelação:

•  amigos,cur6das,compar6lhamentos,comentários,links,coautoria,entreoutros;

–  Exemplosdepadrõesemodosderelação:•  Tendênciadecur6rpostagensdepessoasquetenhomaiorproximidadeRsicaesouamigopessoalmente;

•  Tendênciadelinkarossitesqueconsideroreferênciaequequeroendossarparaumapostagem;

Sociabilidadeemrede•  Apesquisasobresociabilidadeemredesedeparacomquestões

queaindaseencontramemabertoecarecemdemaiorprofundidade:–  Que6posderelaçãoeupossoanalisaremumamídiasocial

específica?–  Paracada6poderelação,queanálisessãopossíveisdesefazer?–  Paracadaanálise,oqueeupossocompreenderdessarede?

–  Comoproduziranarra6vadahistóriadasrelaçõesemrededegrupos,permi6ndoiden6ficarcaracterís6caspeculiaresdeseusdiferentesmodosderelacionamentoe!posdeprá!cassociais?

•  Quemétodosu6lizaredequeformatriangular?•  Quedadoscoletar?•  Comocompararessasredesentresi?

Camadasanalí6casdedados•  Asquestõesrelacionadasasociabilidadeemredefazemsen6do

dentrodocontextodecadapesquisa,ondeprocuramosentende:–  comoasrelaçõesacontecem,–  oqueasproduz,–  quefatorespodemajudaraexplicarasrazõespelasquaisumgrupo

pareceserelacionardeformamaispotentedoqueoutro.•  Pararealizaresse6podepesquisas,éfundamentalqueo

pesquisadorconheçaemmaiorprofundidadeseuobjetodeestudo;•  Paraisso,entenderos6posdeanálisespossíveisparauniverso

digital,sobretudoparaasredes,noslevaadescreverquaiscamadasanalí6casdedadospodemostrabalharecomo.

Abordagemdeanáliseem7camadasanalí6cas

•  Ondeacontece?–  Análisedelocalização

•  Oqueédito?–  AnálisedeTexto

•  Oqueéfeito?–  Análisedeações

•  Oqueéprocurado?–  AnálisedeMecanismodeBusca

• Comoserelacionam?•  AnálisedeRede

• Comonavegam?•  AnálisedeHiperlink

• Comousamaplica6vos?•  AnálisedeAplica6vos

Abordagemdeanáliseem7camadasanalí6cas

7 Camadas de análise de

mídias digitais

Redes

Texto

Ações

Hyperlinks Localização

Mecanismos de busca

Apps

•  Socialmediatextanaly!cslidacomaextraçãoeanálisedeperguntasdepesquisaeprópositosdegeraçãodeconhecimentoapar6rdeelementostextuaisdeconteúdosproduzidosemmídiassociais,taiscomocomentários,tweets,postsemblogs,atualizaçõesde“status”noFacebook.

7

Camada1:Texto

8

PropósitosdaAnáliseTextual

Propósitos da Análise

Textual de Mídias Sociais

Análise de Sentimento

Mineração de

Tendências

Mineração de

Intenções

Mineração de

Conceitos

•  AnálisedeSen!mentos– Análisedesen6mentoanalisaeclassificatextodemídiasocial(principalmentetextodinâmico)comosendoposi6vo,nega6voouneutro.

– Oobje6voprincipaldaanálisedesen6mentoédeterminarcomoaspessoassesentemsobreumdeterminadoproduto,serviçoouassunto.

9


•  MineraçãodeIntenções– Mineraçãodeintençãovisadescobriraintençãodosusuários(taiscomocomprar,vender,recomendar,sair,desejoouvontade,formasdemanifestação,protesto,reivindicação,entreoutros)apar6rdalinguagemnaturaldentrodotextodamídiasocial,comocomentáriosdousuário,análisesdeprodutos,tweetseposts.

•  Podeserusadoparaencontrarnovosclientespotenciaisquepretendemcomprarumproduto(ouserviço),e

•  Serviçodeclientesexistentesquetêmproblemascomumproduto;

•  Pessoasinteressadasoudemandandoemumserviçopúblico;•  Formaçãodecole6vosenovasformasderelacionamentotemá6co.

10


•  MineraçãodeTendências– Mineraçãodetendências,tambémconhecidacomoanálisepredi6va,usagrandesquan6dadesdedadosdemídiasocialemtemporealehistóricoparaprevereventosfuturos.

•  Porexemplo,umagrandequan6dadededadosdemídiasocial(comentáriosetweets)podeserextraídoparaiden6ficarpadrõesetendênciasparaonovoprodutoouserviçooudesenvolvimentodemaneiraamelhorarasa6sfaçãodaspessoas,antecipandosuasnecessidades.

11


•  Mineraçãodeconceitos– Temcomoobje6voextrairidéiaseconceitosapar6rdedocumentos.

– Éú6lparaextrairidéiasdegrandesquan6dadesdetextoestá6codemídiassociais,comoconteúdowiki,umapáginaweb,documentosdoWordetranscriçõesdenojcias.

– Podeseru6lizadoparaclassificar,agrupareclassificaridéias.

12


13

Passosparaaanálisetextual

• Stemização • Partes da fala • Extração de entidades nominais • Palavras de parada • Filtragem

• Contagem de termos • Contagem de frequência • Métricas de co-ocorrência

• Texto dinâmico: tweets, comentários, revisões

• Texto Estático: Wiki, blogs, websites, relatórios.

• Agrupamento • Classificação • Análise de Associação • Análise Preditiva • Análise de Sentimento

Mineração de Texto

Identificação da Fonte

Análise & Filtragem

Transformação do Texto

Stemizaçãoéoprocessodereduzirpalavrasflexionadasaoseutronco,baseouraiz.Exemplo:felizmente->feliz.Palavrasdeparada:os,as,e,para,com,sem,de,etc...

•  Socialmedianetworkanaly!csextrai,analisa,interpretaredesderelacionamentospessoaiseprofissionais,taiscomoFacebook,Twiper,Linkedin.Lidacomessencialmentecomosaspectosrelacionaissobreaspessoasserelacionam,queposiçãoocupamnarede,quedinâmicaderelacionamentosproduzem.

14

Camada2:Redes

•  Éo6podeanálisequelidacomaformacomoasredesderelacionamentodeformamesãointerpretadas.

•  REDESÃOosblocosdeconstruçãodasmídiassociaisepodemtrazerinsightsimportantesparacomoentendemosasrelaçõessociaisentreaspessoaseseuusodeinformaçãonasmídiassociais.

15

Oqueéanálisederededemídiassociais?

•  Entenderaestruturageraldarede–  Númerodenós–  Númerodelinks–  Densidade–  Coeficientedeagrupamento–  diâmetro.

•  Encontrarosnósmaisinfluenteseumaformadecompará-los–  CentralidadedeGrau–  CentralidadedeIntermediação–  CentralidadedeProximidade.

16

PropósitodaAnálisedeRede

*  Encontrarasconexõesimportanteseavaliarsuainfluência*  intermediaçãoe

centralidade.*  Encontraragrupamentosdenós*  Comunidadesdentrodarede.

*  Inves!garmul!plicidadederelações*  Análiseecomparaçãode

diferentes6posdeconexões:concordância,discordância,etc.

•  Rede–  Numnívelbásico,umaredeéumgrupodenósqueestãoconectadosporlinks.

17

Termosu!lizadosnaanálisederedes

*  Nóspodemrepresentar:*  indivíduos*  organizações*  Países*  computadores*  Websites*  Qualqueroutraen6dade

*  Linksrepresentamrelaçõesentreosnós:*  Amizade*  Transação*  Autoria*  Hyperlinks*  Qualqueroutraformade

relação

18

Tiposmaiscomunsderedessociais

*  Co-autoria*  Co-comentadores*  Co-likes*  Co-ocorrência*  GeoCo-existência*  Hyperlink

*  Amizade*  SeguidoseSeguidores*  Fans*  Grupossociais*  Profissionaisetrabalho*  Conteúdo*  Namoro

•  Socialmediaac!onsanaly!cslidacomaextração,análiseeinterpretaçãodasaçõesdesempenhadaspelosusuáriosnasmídiassociais,taiscomoascur6das,compar6lhamentos,menções,entreoutros.

19

Camada3:Ações

•  Like•  Dislike•  Compar!lhar•  Visitantes,Visitas,Revisitas

•  Visualização•  Clicar•  Tagear

20

Açõesmaiscomunsnasmídiassociais

*  Mencionar*  Hovering(passaromouseemcima)*  Check-in*  Marcar*  Embeds*  Endossar*  Uploading&Downloading

Paracadaumadessasações,épossívelgeraranálisesdedados.Exemplo:Postsmaiscur6dos,conteúdosmaiscompar6lhados,páginasmaisvisitadas,linksmaisclicados,etc...

•  Appsanaly!cslidacomamensuraçãoeo6mizaçãodoengajamentodeusuárioscomasaplicaçõesmóveis.

21

Camada4:Aplica!vos

•  Serefereaduascoisas:– MobileWebAnalí!ca– AppsAnalí!ca.

22

OqueéMobileAnalí!ca?

•  MobileWebAnalí!ca– Éfocadanascaracterís6cas,açõesecomportamentosdosvisitantsdewebsitesviadisposi6vosmóveis–issosignificaqueovisitanteacessaaversãoparadisposi6vosmóveisdositedeumaorganização.

23


•  AppsAnalí!ca– Lidacomoentendimentoeaanálisedasações,caracterís6casecomportamentosdosusuáriosaou6lizaremaplicaçõesmóveis–apps!

•  Mobileappssãousados:•  Paraorientarvendas;• Melhoraraafinidadecommarcas;•  Facilitarascomprascompoucostoquesdenavegação.

24


•  Quemsãomeususuários?•  Dequepaíseselessão?•  Queaçõeselesestãotomando?•  Comoosusuáriosnavegamno

aplica6vo?•  Quaissãomeuspagamentoselucro

oriundosdousodoaplica6vo?•  Quantotempoelesficamlogadosno

disposi6vomóvel?•  Qualoperadora,sistemaoperacional

edisposi6voelesu6lizam?•  Qualoitemqueémaiscomprado?

25

PropósitodaAnalí!cadeApps

*  Quaissãoospaísesmaisatuantesnacompraenousodoaplica6vo?

*  Qualversãodoaplica6vogeramaisvendas?

*  Quantoosusuáriosficamdentrodomeuaplica6vo?

*  Comquefrequênciaaspessoamusammeuaplica6vo?

*  Quantosusuáriosiniciamumnúmeroespecíficodesessões?

*  Comocomparerasversõesdaminhaaplicaçãocomoutras?

•  Hyperlinkanaly!cstratadaextração,análiseeinterpretaçãodehiperlinksemmídiassociais.Exemplo:in-linkseout-links.

26

Camada5:Hyperlinks

•  AnálisedoambientedosHyperlinks•  RedesdeCo-Links•  RedesdeIn-LinkseOut-Links•  Análisedoimpactodoslinks•  AnálisedeHiperlinksdemídiassociais

27

TiposdeAnalí!cadeHyperlinks

• AnálisedoambientedosHyperlinks– Lidacomumsiteouumconjuntodesitesempar6cular.

– Duasformas:• Redesdeco-links• Redesdein-linkseout-links.

28


•  Análisedoimpactodoslinks– Inves6gaoimpactowebdeumwebsiteemtermosdecitaçõesoumençõesqueelerecebenaweb.

29


•  AnálisedeHiperlinksdemídiassociais– Lidacomaextraçãoeanálisedehiperlinks“embedados”dentrodetextosdemídiassociais(ex:tweetsestatusdefacebook).

30


•  Loca!onanaly!cs,tambémconhecidacomoanáliseespacialougeoespacial,seconcentranamineraçãoemapeamentodelocalizaçõesdeusuários,conteúdosedados.

31

Camada6:Localização

•  ANALÍTICADELOCALIZAÇÃO,tambémconhecidacomoanáliseespecialougeo-analí6caconsistenomapeamento,visualizaçãoemineraçãodelocalizaçãodaspessoas,dadoseoutrosrecursos.

32

Introdução

•  Endereçopostal •  La!tudeelongitude•  GPS•  EndereçoIP

33

Fontesdedadosdelocalização

1)  Localizaçãodedadosorientadaanegócios

2)  Localizaçãodedadosorientadaasmídiassociais

34

Categoriasdeanalí!cadelocalização

1)  Localizaçãodedadosorientadaanegócios

35


Lidacomomapeamento,visualizaçãoemineraçãodedadosdelocalizaçãopararevelerpadrões,tendênciaserelaçõesocultasemdadostabularesdenegócios.

•  Aplicaçõesdalocalizaçãodedadosorientadaanegócios:

1.   Desenvolvimentodainteligência2.   Geo-enriquecimentodosdados3.   Colaboraçãoecompar!lhamento

36


2)Localizaçãodedadosorientadaasmídiassociais

37


Ébaseadanosdadosdelocalizaçãodasmídiassociaisparamineraremapearusuários,conteúdosedados.Duasfontescomunsdedados:

• GPS• IP

•  Aplicaçõesdalocalizaçãodedadosorientadaasmídiassociais:1.  Propósitosderecomendação2.  Segmentaçãodeclients3.  Anúncios4.  Requisiçãodeinformação5.  Alertas6.  Buscaerecuperação7.  Navegação

38


•  Searchenginesanaly!csfocanaanálisedehistóricodepesquisasemmecanismosdebusca,incluindotendênciasdetemasdepesquisa,monitoramentodepalavras-chave,históricodeanúncios,entreoutros.

39

Camada7:Mecanismosdebusca

40

Tiposdemecanismosdebusca

Tiposdemecanismosdebusca

BaseadoemCrawl

er

Mecanismosdemetabus

ca Diretórios

•  Podesignificarduascoisas:

1.   O!mizaçãodemecanismodebuscae2.   Análisedetendênciasdemecanismode

busca.

41

Análisedemecanismosdebusca

Comoessascamadaspoderiamseru6lizadas?

•  Háinúmerascombinaçõespossíveiseasmelhoresformasdeu6lizaressacamadasanalí6casparaapesquisaemsociabilidadeemredeaindaéumaquestãoemaberto;

•  Nopróximoslide,seguemalgunsexemplosquepoderíamosu6lizarparainspirarpesquisasnaárea.

Camadasanalí6case6posdepesquisas

Science

Métodos Digitais para Análise de Dados - Aula 05 - Sociabilidade em rede e camadas analitícas de dados