Agrupando e analisando o comportamento de usuários de redes sociais a partir da combinação de traços de personalidade, dados demográficos e pegadas digitais

IF 0.2 Q4 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS
Daniel Tamiosso, P. Jaques
{"title":"Agrupando e analisando o comportamento de usuários de redes sociais a partir da combinação de traços de personalidade, dados demográficos e pegadas digitais","authors":"Daniel Tamiosso, P. Jaques","doi":"10.5335/rbca.v14i2.12755","DOIUrl":null,"url":null,"abstract":"As redes sociais digitais estão se tornando cada vez mais populares e, com isso, elas oferecem uma plataforma massiva para a análise do comportamento humano em contextos mediados por computadores. O comportamento humano pode ser explorado pela análise do conjunto de rastros digitais criados pelas pessoas ao interagirem com as redes sociais. Esse rastro digital é definido como pegadas digitais. As pegadas digitais podem ser classificadas em ativas e passivas, quando produzidas de forma não intencional. Este trabalho busca identificar perfis de usuários em redes sociais a partir do agrupamento de dados de comportamento em redes sociais, dados demográficos e informações socioafetivas. Dessa forma, verifica-se a viabilidade na criação de grupos significativos, bem como disponibiliza-se uma análise qualitativa e quantitativa dos grupos produzidos, a fim de entender a qualidade dos grupos formados e a validade deles em relação aos conhecimentos revisados da Psicologia da Personalidade. Mais especificamente, foram empregados algoritmos de aprendizado não supervisionados (clusterização). Embora esse trabalho analise um grupo pequeno de usuários (157 participantes), pode-se verificar correlações observadas na bibliografia relacionada, sendo um primeiro passo para propostas futuras a fim de trazer consciência sobre a relação das redes sociais, a Computação da Personalidade e os campos subjacentes relacionados.","PeriodicalId":41711,"journal":{"name":"Revista Brasileira de Computacao Aplicada","volume":null,"pages":null},"PeriodicalIF":0.2000,"publicationDate":"2022-05-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Brasileira de Computacao Aplicada","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5335/rbca.v14i2.12755","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS","Score":null,"Total":0}
引用次数: 0

Abstract

As redes sociais digitais estão se tornando cada vez mais populares e, com isso, elas oferecem uma plataforma massiva para a análise do comportamento humano em contextos mediados por computadores. O comportamento humano pode ser explorado pela análise do conjunto de rastros digitais criados pelas pessoas ao interagirem com as redes sociais. Esse rastro digital é definido como pegadas digitais. As pegadas digitais podem ser classificadas em ativas e passivas, quando produzidas de forma não intencional. Este trabalho busca identificar perfis de usuários em redes sociais a partir do agrupamento de dados de comportamento em redes sociais, dados demográficos e informações socioafetivas. Dessa forma, verifica-se a viabilidade na criação de grupos significativos, bem como disponibiliza-se uma análise qualitativa e quantitativa dos grupos produzidos, a fim de entender a qualidade dos grupos formados e a validade deles em relação aos conhecimentos revisados da Psicologia da Personalidade. Mais especificamente, foram empregados algoritmos de aprendizado não supervisionados (clusterização). Embora esse trabalho analise um grupo pequeno de usuários (157 participantes), pode-se verificar correlações observadas na bibliografia relacionada, sendo um primeiro passo para propostas futuras a fim de trazer consciência sobre a relação das redes sociais, a Computação da Personalidade e os campos subjacentes relacionados.
结合个性特征、人口统计数据和数字足迹对社交网络用户的行为进行分组和分析
数字社交网络正变得越来越受欢迎,因此,它们为在计算机媒介环境中分析人类行为提供了一个巨大的平台。人类行为可以通过分析人们在与社交网络互动时产生的数字痕迹来探索。这个数字轨迹被定义为数字脚印。当无意中产生数字足迹时,可以将其分为主动和被动两种。本研究旨在通过社交网络行为数据、人口统计数据和社会情感信息的聚类来识别社交网络中的用户档案。因此,它验证了创建重要群体的可行性,并提供了对产生的群体的定性和定量分析,以了解形成的群体的质量和他们的有效性与修订的人格心理学知识。更具体地说,采用了无监督学习算法(聚类)。虽然这项工作分析了一小群用户(157名参与者),但可以验证相关文献中观察到的相关性,这是未来建议的第一步,以提高对社交网络、人格计算和相关潜在领域之间关系的认识。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
Revista Brasileira de Computacao Aplicada
Revista Brasileira de Computacao Aplicada COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS-
自引率
50.00%
发文量
18
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信