Sentimento da opinião pública sobre distritos de São Paulo: uma abordagem com grandes modelos de linguagem

doi:10.22167/2675-6528-202603563

Article

October 20, 2026

Sentimento da opinião pública sobre distritos de São Paulo: uma abordagem com grandes modelos de linguagem

Sentimento da Opinião Pública sobre Distritos de São Paulo: uma Abordagem com Grandes Modelos de Linguagem

Yuri Nascimento Fialho; Adâmara Santos Gonçalves

DOI: 10.22167/2675-6528-202603563

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A complexidade urbana de grandes metrópoles como São Paulo exige ferramentas avançadas para monitorar a percepção pública. Propôs-se o desenvolvimento de um fluxo de processamento de dados para análise de sentimento geoespacial em larga escala, integrando técnicas de Processamento de Linguagem Natural (PLN) e modelos de linguagem baseados em Transformers. A metodologia consistiu na extração de dados do portal de notícias G1 por web scraping, seguida por pré-processamento e implementação de Reconhecimento de Entidades Nomeadas (NER) customizado, focado na identificação dos 96 distritos e 32 subprefeituras da capital paulista. Para a classificação de sentimentos, utilizou-se uma arquitetura baseada em modelos Transformers pré-treinados (BERTimbau e DistilBERT), condicionados por instruções textuais para mitigar ambiguidades contextuais. Os resultados indicaram que o NER atingiu precisão satisfatória, e o modelo BERTimbau obteve acurácia balanceada de 0,61 e F1-score de 0,45, superando o DistilBERT. Contudo, observou-se dificuldade na classificação de textos com tons neutros, o que sugere que o rigor jornalístico da fonte pode atenuar os sinais linguísticos necessários para uma classificação precisa. Concluiu-se que a abordagem demonstrou viabilidade técnica para análise de sentimento geoespacial, mas a classificação de sentimentos neutros representa uma fronteira de ambiguidade para os modelos de linguagem.

Palavras-chave: Análise de sentimento; NER; PLN; São Paulo; Transformers.

1. Introdução

A crescente digitalização de notícias tem transformado o acesso à informação, viabilizando o consumo de reportagens com maior agilidade. Em grandes metrópoles, como a cidade de São Paulo, a complexidade urbana exige ferramentas avançadas para o monitoramento da percepção pública. A elaboração de análises manuais sobre a opinião pública torna-se inviável, dado o volume diário de notícias publicadas. Nesse contexto, o Processamento de Linguagem Natural (PLN) surge como uma abordagem essencial para viabilizar análises em larga escala.

A análise de sentimento, uma subárea do PLN, permite extrair a subjetividade contida em textos de forma automática, fornecendo um panorama sobre como eventos urbanos afetam a percepção pública (Pang; Lee, 2008). Entretanto, a eficácia dessa análise em contextos jornalísticos é desafiada pela capacidade dos modelos em interpretar estruturas linguísticas densas e títulos que, frequentemente, omitem conectores sintáticos (Wang et al., 2020). Isso exige arquiteturas mais sofisticadas, capazes de captar a bidirecionalidade e o contexto da linguagem, como o modelo BERT (Devlin et al., 2019).

A utilização do portal de notícias G1 justifica-se pela sua ampla capilaridade, que oferece uma visão abrangente sobre a dinâmica pública de diversas localidades brasileiras. Contudo, a vasta quantidade de localidades exige um recorte geoespacial focado na identificação dos 96 distritos e 32 subprefeituras da capital paulista nas reportagens. A simples identificação dos nomes de distritos, no entanto, não é suficiente para uma análise geoespacial robusta, devido à ambiguidade toponímica.

Para mitigar a ambiguidade toponímica e correlacionar fatos a distritos específicos, garantindo que a análise reflita a realidade dos distritos paulistanos, são cruciais algoritmos de Reconhecimento de Entidades Nomeadas (NER) baseados em Deep Learning (Melo; Martins, 2020). Nesse cenário, o Spatial Role Labeling (Kordjamshidi; Moens; Van Otterlo, 2010) formaliza os papéis semânticos de objetos espaciais e suas relações em textos não estruturados.

Recentemente, a análise de sentimento tem sido impulsionada pela evolução dos Large Language Models (LLMs), superando limitações de abordagens baseadas em léxicos ou classificadores superficiais. Conforme demonstrado por Zhao et al. (2023), os LLMs são capazes de capturar nuances semânticas e contextos culturais. No entanto, sua aplicação em textos jornalísticos enfrenta o desafio da “neutralidade factual”. Optou-se, neste trabalho, por modelos Transformers de menor escala e de código aberto, como BERTimbau e DistilBERT, amplamente utilizados em tarefas de classificação de sentimento em português.

A distinção entre uma notícia puramente objetiva e uma opinião de aspecto neutro apresenta uma fronteira complexa, onde o modelo pode falhar ao processar a sumarização da subjetividade baseada em cortes mínimos de contexto (Pang; Lee, 2004). Além disso, a aplicação dessas ferramentas exige métodos robustos de validação para mitigar vieses algorítmicos que poderiam estigmatizar determinadas áreas urbanas (Zhang et al., 2023).

Diante da crescente complexidade urbana de São Paulo e da carência de ferramentas avançadas para o monitoramento da percepção pública, o presente trabalho propõe-se a desenvolver e avaliar um fluxo de processamento de dados para análise de sentimento geoespacial em larga escala. Para isso, o objetivo central reside em mensurar a acurácia e a aplicabilidade de modelos baseados em Transformers frente à linguagem jornalística sobre distritos paulistanos, buscando também explorar a capacidade desses modelos de discriminar polaridades (positivo, negativo e neutro) em contextos urbanos específicos.

2. Material e Métodos

O presente trabalho caracterizou-se como uma pesquisa aplicada de abordagem quantitativa, fundamentada no processamento de linguagem natural. O delineamento experimental foi estruturado em um fluxo de processamento de dados modular e sequencial, visando transformar informações não estruturadas de portais de notícias em indicadores geoespaciais de percepção pública. Este fluxo compreendeu as etapas de ingestão de dados, pré-processamento, reconhecimento de entidades nomeadas (NER) e análise de sentimento com modelos Transformers.

Para auxiliar no desenvolvimento deste trabalho, utilizaram-se ferramentas de Inteligência Artificial (IA) em conformidade com o manual de boas práticas da instituição. O modelo de linguagem Google Gemini foi empregado para auxílio na estruturação de trechos da seção metodológica, e Claude Opus para revisão de scripts em Python. Toda a interpretação dos resultados, decisões arquiteturais do fluxo de processamento de dados e a redação crítica foram realizadas e validadas pelo autor.

O corpus de dados foi construído a partir de reportagens extraídas do portal de notícias G1 (Globo), selecionado por sua ampla capilaridade e cobertura geográfica. Cada reportagem continha título, subtítulo, autor, data de publicação e o texto integral. A coleta de dados abrangeu o período de 01 de novembro de 2023 a 30 de novembro de 2025, totalizando 434.797 URLs extraídas com sucesso de 440.560 processadas.

A coleta de dados foi realizada por meio de web scraping, desenvolvido em linguagem Python. Utilizaram-se as bibliotecas BeautifulSoup e lxml para a extração do conteúdo textual e metadados das reportagens. A persistência dos dados foi garantida pela biblioteca SQLModel, que evitou a inserção de artigos duplicados, assegurando a idempotência do processo de ingestão.

A infraestrutura do projeto foi implementada em um ambiente de “container” Docker, utilizando um banco de dados relacional PostgreSQL 17.2 para gerenciamento e armazenamento dos dados. As configurações de codificação UTF-8 e “locale pt_BR.UTF-8” foram aplicadas ao banco de dados para assegurar a integridade de caracteres acentuados, especialmente os acentos da língua portuguesa.

A modelagem de dados incluiu quatro tabelas principais: `sitemap_entries` para o rastreio de URLs e status de processamento, `articles` para o conteúdo bruto das reportagens e seus metadados, `neighborhoods` para o catálogo dos 96 distritos e 32 subprefeituras da cidade de São Paulo, e `entity_mentions` para registrar cada ocorrência de um bairro em uma notícia. Adicionalmente, foram criadas tabelas para `sentiment_analysis_result` e `sentiment_aggregations`.

A etapa de pré-processamento dos dados foi estruturada em seis funções idempotentes, aplicadas a cada artigo recuperado do banco de dados. Incluiu-se a normalização Unicode [NFC] para padronizar a representação de acentos, evitando que modelos de tokenização interpretassem um caractere acentuado como dois tokens distintos (Devlin et al., 2019). Realizou-se a limpeza de fragmentos HTML residuais, como `

` ou ` `, utilizando expressões regulares.

Prosseguiu-se com a filtragem de ruído, removendo URLs, e-mails e caracteres de controle. A normalização de espaçamento converteu múltiplos espaços em sequência e quebras de linha em um único espaço, padronizando a densidade textual. Priorizou-se a preservação da semântica textual, evitando técnicas como stemming ou remoção de stop-words, e mantendo a distinção de caixa alta para o reconhecimento de entidades nomeadas.

O reconhecimento de entidades nomeadas (NER) geoespacial foi implementado para identificar os 96 distritos e 32 subprefeituras da capital paulista nas reportagens. Utilizou-se o PhraseMatcher da biblioteca spaCy em conjunto com o modelo `pt_core_news_lg`. O atributo LOWER foi configurado para garantir a identificação de entidades independentemente da caixa alta ou baixa, e a lógica de “maior extensão” (longest match first) foi aplicada para resolver a sobreposição de entidades.

Um componente de expansão de padrões foi desenvolvido para gerar automaticamente variações dos nomes oficiais dos distritos, elevando a taxa de recuperação do modelo. Para termos ambíguos, como “Sé” ou “Luz”, o fluxo de processamento do NER foi enriquecido com validações de janela de contexto, buscando palavras-chave geográficas adjacentes como “bairro”, “distrito”, “região”, “rua” ou “avenida”. Termos sem qualificador geográfico foram descartados.

A validação do NER envolveu a submissão das entidades extraídas a um dicionário oficial de subprefeituras e distritos da Prefeitura de São Paulo. Complementarmente, realizou-se uma auditoria manual em uma amostragem aleatória de 50 artigos por zona geográfica (norte, sul, leste, oeste e centro), verificando manualmente se cada entidade extraída pelo NER correspondia de fato a uma menção válida de distrito.

A análise de sentimento constituiu a etapa final do fluxo, adotando uma abordagem baseada em aspecto, onde o sentimento foi atribuído especificamente ao distrito geográfico identificado. Foram empregados dois modelos baseados na arquitetura Transformer: BERTimbau (Souza et al., 2020) e DistilBERT. A classificação de sentimento foi realizada por similaridade semântica em modo zero-shot, sem etapa de fine-tuning.

O texto de entrada, correspondente ao trecho da notícia relativo ao distrito, e um conjunto de frases âncora, criadas manualmente para representar as três classes de sentimento (positivo, negativo e neutro), foram convertidos em representações vetoriais (embeddings) pelos modelos. A classe atribuída a cada menção correspondeu à âncora cujo embedding apresentava a maior similaridade com o embedding do texto de entrada, respeitando limiares de decisão calibrados por Grid Search (Bergstra; Bengio, 2012).

Para mitigar ambiguidades contextuais, o texto de cada notícia foi precedido por um cabeçalho instrucional fixo, delimitando o contexto interpretativo desejado (a perspectiva de um analista urbano ou gestor público), estratégia inspirada na técnica de role prompting (Zhao et al., 2023). Três exemplos ilustrativos, um para cada classe de sentimento, foram concatenados ao cabeçalho instrucional, influenciando o embedding gerado pelo modelo (Brown et al., 2020).

A validação do modelo de sentimento foi realizada com um conjunto de 100 reportagens rotuladas manualmente, classificadas como positiva, negativa ou neutra. A performance foi mensurada utilizando a biblioteca scikit-learn da linguagem Python, empregando as métricas F1-score macro e acurácia balanceada. Realizou-se um Grid Search de hiperparâmetros para ajustar os limiares de decisão das classes, visando otimizar o desempenho do modelo.

3. Resultados e Discussão

Os resultados obtidos a partir da validação do modelo de análise de sentimento desenvolvido neste trabalho dividem-se em duas dimensões principais: a eficácia técnica dos modelos Transformer empregados e a análise geoespacial do sentimento urbano. Inicialmente, o foco recaiu sobre o Reconhecimento de Entidades Nomeadas (NER) geoespacial, que se mostrou fundamental para a identificação precisa dos distritos paulistanos nas reportagens. A etapa subsequente envolveu a classificação de sentimentos, onde foram avaliados os modelos BERTimbau e DistilBERT, com especial atenção à sua capacidade de lidar com a complexidade da linguagem jornalística e a distinção entre polaridades.

Na fase de Reconhecimento de Entidades Nomeadas (NER), o fluxo de processamento foi configurado para identificar e filtrar os 96 distritos da cidade de São Paulo, utilizando como base a divisão administrativa oficial. Para tal, empregou-se a biblioteca spaCy em conjunto com o modelo `pt_core_news_lg`. Esta escolha foi justificada pela robustez do modelo em tokenização e lematização, decorrente de seu vasto volume de dados de treinamento, o que contribuiu para uma segmentação textual mais precisa antes da etapa de casamento de padrões, realizada via PhraseMatcher. A eficácia do NER é crucial para garantir que a análise de sentimento seja atribuída corretamente às localidades específicas.

Um dos principais desafios enfrentados na implementação do NER foi a desambiguação de entidades polissêmicas, como nomes de distritos que coincidem com substantivos comuns ou termos genéricos, a exemplo de “Sé”, “Liberdade”, “Saúde” e “Socorro”. Para mitigar essa ambiguidade, uma heurística de janela de contexto foi implementada. Essa lógica verifica a presença de marcadores urbanos, como “bairro”, “distrito”, “região”, “rua”, “avenida”, ou preposições indicativas de lugar (“em”, “no”, “na”), nas proximidades do termo buscado antes de confirmá-lo como uma entidade geográfica válida. Essa abordagem garantiu que a identificação dos distritos fosse mais precisa e contextualizada.

Além da validação contextual, o processo de NER incluiu duas etapas adicionais para assegurar a precisão dos resultados. Primeiramente, as entidades extraídas foram submetidas a uma validação contra o dicionário oficial de subprefeituras e distritos fornecido pela Prefeitura de São Paulo. Em segundo lugar, foi realizada uma auditoria manual em uma amostragem aleatória de 50 artigos por zona (norte, sul, leste, oeste e centro), onde cada entidade extraída pelo NER foi verificada manualmente para confirmar se correspondia a uma menção válida de distrito. Essas etapas foram essenciais para garantir a qualidade dos dados geoespaciais.

Os resultados consolidados do desempenho do NER por zonas indicaram uma precisão satisfatória para a continuidade do trabalho. Na zona Centro, com 8 distritos, foram identificadas 304.324 menções em 109.361 artigos, atingindo 91,0% de precisão. A zona Oeste, com 15 distritos, registrou 8.370 menções em 4.074 artigos, com 91,8% de precisão. A zona Leste, com 33 distritos, apresentou 11.638 menções em 4.830 artigos e a maior precisão, de 96,8%. Na zona Norte, com 18 distritos, houve 11.895 menções em 5.414 artigos, com 86,9% de precisão. Por fim, a zona Sul, com 22 distritos, teve 65.680 menções em 26.221 artigos, com 82,1% de precisão. Esses dados confirmam a capacidade do sistema em identificar com acurácia as localidades, permitindo avançar para a análise de sentimento.

A análise de sentimento foi conduzida utilizando os modelos BERTimbau e DistilBERT em modo zero-shot, por meio de similaridade semântica. A estratégia adotada consistiu em estruturar o texto de entrada para isolar explicitamente o distrito alvo entre os demais mencionados no artigo, orientando a representação vetorial gerada para o aspecto geográfico específico. Isso evitou que a classificação capturasse o tom geral da notícia em vez do sentimento associado diretamente àquele distrito. Essa abordagem é crucial para a análise de sentimento geoespacial, garantindo que a polaridade identificada esteja vinculada ao contexto local específico.

A comparação de desempenho entre os modelos revelou que o BERTimbau superou o DistilBERT em ambas as métricas avaliadas. O DistilBERT obteve uma acurácia balanceada de 0,51 e um F1-Score (macro) de 0,38. Em contraste, o BERTimbau alcançou uma acurácia balanceada de 0,61 e um F1-Score (macro) de 0,45. Embora o BERTimbau apresente um custo computacional mais elevado devido à sua maior complexidade arquitetural, o ganho de 10% na acurácia balanceada justifica esse investimento, especialmente considerando a natureza exploratória da abordagem zero-shot sem fine-tuning, que busca a aplicabilidade dos modelos em um contexto de linguagem jornalística.

A análise qualitativa dos erros demonstrou que, embora os modelos apresentem desempenho superior na identificação de polaridades extremas (positivo e negativo), houve uma dificuldade acentuada na classificação do sentimento “neutro”. Observou-se que o DistilBERT, em particular, tendia a classificar erroneamente notícias mais curtas e naturalmente negativas, como manchetes de acidentes de trânsito, como neutras. Este comportamento pode ter sido potencializado pela ausência de adjetivos explícitos, enquanto o BERTimbau demonstrou maior sensibilidade ao contexto semântico das reportagens, conseguindo capturar nuances mais sutis.

Este fenômeno da dificuldade em classificar o sentimento neutro é amplamente corroborado pela literatura de Processamento de Linguagem Natural. Autores como Muhammad et al. (2016) argumentam que a classe neutra frequentemente atua como uma “zona de ruído”, onde a ausência de descritores adjetivados ou a predominância de estruturas puramente expositivas, intrínsecas ao gênero jornalístico, confundem as fronteiras de decisão do classificador. Essa característica da linguagem jornalística, que busca a imparcialidade, atenua os sinais linguísticos necessários para uma classificação precisa de sentimentos, especialmente os neutros.

A objetividade factual presente no jornalismo pode levar a uma sobreposição de significados, onde um léxico denotativamente neutro pode, em modelos pré-treinados, carregar polaridades. Isso pode fazer com que um modelo interprete a descrição de um problema urbano como um sentimento negativo, ou a entrega de uma obra como positivo, falhando em captar a isenção do tom jornalístico. Essa ambiguidade contextual é um fator limitante para a precisão na classificação de sentimentos neutros, pois o modelo tende a buscar uma carga emocional mesmo em textos que são meramente informativos.

A nuvem de palavras comparativas para os sentimentos negativos e positivos nos distritos mais mencionados por região ilustra a natureza dos termos associados a cada polaridade. Para os sentimentos negativos, palavras como “morte”, “tráfico”, “acidente”, “polícia” e “crime” foram proeminentes. Em contraste, para os sentimentos positivos, termos como “saúde”, “segurança”, “evento”, “parque”, “obras” e “educação” apareceram com maior frequência. Essa visualização reforça a ideia de que o modelo classifica a criticidade de eventos urbanos, e não necessariamente o “humor” da população, quando atribui polaridades às notícias.

A classificação do sentimento neutro é frequentemente interpretada pelos modelos como uma ausência de sinal semântico, um fenômeno que Queiroz (2024) descreve como uma “zona de indecisão” semântica. Essa dificuldade é ainda mais evidente quando se considera o paradigma HHH (“Helpful”, “Honest”, “Harmless”) para o treinamento de modelos de linguagem (Askell et al., 2021). No contexto deste trabalho, a “honestidade” do modelo parece se manifestar na classe neutra como um refúgio para a ambiguidade contextual, especialmente quando confrontado com notícias de segurança pública, onde a tentativa de ser útil pode levar o modelo a buscar uma carga emocional, oscilando entre o rótulo negativo e o neutro.

A matriz de confusão dos resultados de sentimento esperado e predito evidenciou que a classe neutra obteve o maior índice de confusão. Para a classe esperada “Negativo”, 71% foram corretamente preditos como Negativo, mas 10% foram preditos como Positivo e 15% como Descarte. Para a classe esperada “Neutro”, apenas 18% foram corretamente preditos como Neutro, enquanto 15% foram preditos como Negativo e 52% como Positivo, indicando uma significativa dificuldade em identificar a neutralidade. Para a classe esperada “Positivo”, 62% foram corretamente preditos como Positivo, mas 19% foram preditos como Negativo e 12% como Neutro. Isso sublinha a complexidade de distinguir a neutralidade em textos jornalísticos, onde a ausência de sinais explícitos de polaridade pode levar a classificações ambíguas.

Em síntese, o estudo demonstrou a viabilidade técnica do fluxo de processamento de dados para análise de sentimento geoespacial em São Paulo, integrando web scraping, NER com desambiguação contextual e modelos Transformer. Os resultados indicaram que o BERTimbau apresentou melhor acurácia balanceada e F1-score em comparação com o DistilBERT. Contudo, a pesquisa evidenciou que a classificação de sentimentos neutros representa uma fronteira de ambiguidade para os modelos de linguagem, um achado que converge com a literatura acadêmica e sugere que o rigor jornalístico da fonte de dados pode atenuar os sinais linguísticos necessários para uma classificação precisa, impactando diretamente a capacidade dos modelos em discriminar polaridades em contextos urbanos específicos.

4. Conclusão

O presente trabalho propôs-se a desenvolver e avaliar um fluxo de processamento de dados para análise de sentimento geoespacial em larga escala, com foco na mensuração da acurácia e aplicabilidade de modelos baseados em Transformers frente à linguagem jornalística sobre distritos paulistanos. Verificou-se a viabilidade técnica da abordagem, que integrou com sucesso técnicas de web scraping para extração de notícias do portal G1 e um sistema de Reconhecimento de Entidades Nomeadas (NER) customizado para identificar os 96 distritos e 32 subprefeituras de São Paulo. O NER demonstrou precisão satisfatória em todas as zonas da cidade, garantindo a correta atribuição geoespacial das menções. Na classificação de sentimentos, observou-se que o modelo BERTimbau obteve desempenho superior ao DistilBERT, com acurácia balanceada de 0,61 e F1-score de 0,45, evidenciando sua maior sensibilidade ao contexto semântico das reportagens. A principal contribuição reside na demonstração de uma ferramenta robusta para o monitoramento da percepção pública em ambientes urbanos complexos, fornecendo um panorama sobre como eventos afetam localidades específicas.

Contudo, identificou-se uma limitação significativa na capacidade dos modelos em classificar o sentimento neutro, que frequentemente foi erroneamente predito como positivo ou negativo. Este fenômeno, corroborado pela literatura, sugere que o rigor e a objetividade da linguagem jornalística atenuam os sinais linguísticos necessários para uma classificação precisa de sentimentos neutros, transformando essa categoria em uma fronteira de ambiguidade para os modelos de linguagem. A ausência de descritores adjetivados explícitos em textos informativos levou os modelos a buscarem uma carga emocional, mesmo em contextos meramente factuais. Para estudos futuros, recomenda-se a exploração de abordagens que aprimorem a discriminação da neutralidade em textos objetivos, possivelmente por meio de estratégias de fine-tuning mais específicas ou a incorporação de léxicos contextuais que considerem as nuances do discurso jornalístico.

Referências Bibliográficas

ASKELL, Amanda et al. A General Language Assistant as a Laboratory for Alignment. arXiv preprint, 2021. Disponível em: https://arxiv.org/abs/2112.00861.

BERGSTRA, James; BENGIO, Yoshua. Random Search for Hyper-Parameter Optimization. Journal of Machine Learning Research, v. 13, p. 281-305, 2012. Disponível em: https://www.jmlr.org/papers/volume13/bergstra12a/bergstra12a.pdf.

BROWN, T. et al. Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems (NeurIPS), 2020. Disponível em: https://arxiv.org/abs/2005.14165.

DEVLIN, Jacob et al. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT, 2019. Disponível em: https://aclanthology.org/N19-1423.pdf.

KORDJAMSHIDI, P.; MOENS, M. F.; VAN OTTERLO, M. Spatial Role Labeling: Task Definition and Annotation Scheme. In: Proceedings of the Seventh International Conference on Language Resources and Evaluation (LREC’10). Valletta: ELRA, 2010. p. 413-420. Disponível em: http://www.lrec-conf.org/proceedings/lrec2010/pdf/846_Paper.pdf

MELO, F.; MARTINS, B. Geocoding Social Media Posts using Google’s BERT. arXiv preprint, arXiv:2007.02238, 2020. Disponível em: https://arxiv.org/abs/2007.02238.

MUHAMMAD, A.; WIRATUNGA, N.; LOTHIAN, R. Contextual Sentiment Analysis for Social Media. In: Proceedings of the 30th AAAI Conference on Artificial Intelligence, 2016.

PANG, B.; LEE, L. Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval, v. 2, n. 1-2, p. 1-135, 2008. Disponível em: https://doi.org/10.1561/1500000011.

PANG, Bo; LEE, Lillian. A Sentimental Education: Sentiment Analysis Using Subjectivity Summarization Based on Minimum Cuts. Proceedings of the 42nd Annual Meeting of the Association for Computational Linguistics (ACL), p. 271-278, 2004. Disponível em: https://www.cs.cornell.edu/home/llee/papers/cutsent.home.html.

QUEIROZ, Érica Carneiro. Abordagens baseadas em ontologias para análise de sentimentos em português do Brasil. Rio de Janeiro: CEFET/RJ, 2024. Disponível em: https://eic.cefet-rj.br/ppcic/wp-content/uploads/2024/06/67-Erica-Carneiro-Queiroz-da-Silva.pdf.

Souza et al., 2020 [Referência completa não encontrada no documento original]

WANG, J. et al. A Method for Location Entity Extraction from Chinese News Headlines. In: Proceedings of the 6th NLPTEA. Taipei: ACL, 2020. p. 129-134.

ZHANG, Y. et al. Siren’s Song in the Al Ocean: A Survey on Hallucination in Large Language Models. arXiv preprint, arXiv:2309.01219, 2023. Disponível em: https://arxiv.org/abs/2309.01219.

ZHAO, W. X. et al. A Survey of Large Language Models. arXiv preprint, arXiv:2303.18223, 2023. Disponível em: https://arxiv.org/abs/2303.18223.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Most recent

October 20, 2026

Jogo de cartas educativo para estimular atenção e memória de trabalho em adolescentes

October 20, 2026

Neurociência e bilinguismo: sequência didática para estimular funções executivas na educação infantil

October 20, 2026

Imigração, aprendizado e desenvolvimento socioemocional: Guia de acolhimento para estudantes e suas famílias no Brasil

October 20, 2026

Viabilidade da criação de negócio digital com baixo investimento inicial focado em marketplaces no Brasil

October 20, 2026

Gerenciamento de aquisições do projeto de implantação de software de manutenção numa empresa de energia

October 20, 2026

Perfis de desempenho de jogadores de futebol identificados por aprendizado não supervisionado

October 20, 2026

Fluxos origem-destino de medicamentos oncológicos em Goiás a partir de notas fiscais eletrônicas

October 20, 2026

Educação Ambiental na Amazônia Tocantinense: lacunas na formação inicial de pedagogos

October 20, 2026

Liderança e bem-estar na retenção de talentos sêniores de tecnologia da informação

A adolescência representa um período crucial para a maturação do córtex pré-frontal, demandando estratégias pedagógicas que apoiem a regulação cognitiva. O estudo teve como objetivo elaborar e avaliar o jogo de cartas físico Babel, desenvolvido para estimular a atenção e a memória de trabalho em adolescentes. A pesquisa caracterizou-se como aplicada e exploratória, estruturada metodologicamente como design research in silico, sem aplicação direta com participantes humanos. A avaliação do artefato foi realizada por inspeção heurístico-cognitiva e simulação conceitual de uso com personas que representavam perfis adolescentes com flutuações atencionais, impulsividade e limitações na memória de trabalho. Os resultados indicaram que a complexidade lúdica, sem uma interface clara e suportes adequados, poderia gerar sobrecarga cognitiva e desorientação. O refinamento do protótipo demandou ajustes no design visual, diferenciação de categorias de cartas, padronização de efeitos e a incorporação de suportes como o Token da Vez e a Carta de Consulta Rápida. Formalizou-se também uma Regra de Acessibilidade para preservar o desafio cognitivo sem sobrecarga emocional. Concluiu-se que a eficácia do jogo Babel como intervenção pedagógica depende intrinsecamente de uma interface inclusiva, orientada e ergonomicamente adequada, capaz de sustentar o treino da atenção e da memória de trabalho em diferentes perfis adolescentes, equilibrando desafio, usabilidade e regulação emocional.

Palavras-chave: Design Inclusivo; Efeito Stroop; Funções Executivas; Jogos Educativos; Usabilidade Educacional.

October 20, 2026

Neurociência e bilinguismo: sequência didática para estimular funções executivas na educação infantil

Um estudo elaborou uma sequência didática bilíngue, fundamentada em princípios da neurociência do desenvolvimento, com foco no estímulo das funções executivas na Educação Infantil. A pesquisa caracterizou-se como aplicada, de abordagem qualitativa e delineamento de desenvolvimento pedagógico. O percurso metodológico envolveu revisão teórica, análise documental da Base Nacional Comum Curricular (BNCC) e a sistematização de princípios orientadores para a construção de um produto educacional. Como resultado, desenvolveu-se uma sequência didática organizada a partir das funções executivas – memória de trabalho, controle inibitório e flexibilidade cognitiva – integradas a práticas bilíngues significativas. A proposta evidenciou a possibilidade de planejar atividades intencionais que articulam linguagem, cognição e desenvolvimento integral, oferecendo subsídios para a prática docente na Educação Infantil. Concluiu-se que o trabalho contribui para a área pedagógica ao promover reflexões sobre o planejamento intencional, alinhando linguagem e benefícios neurocognitivos, e ao abordar o desafio de manter atenção, memória e criatividade no desenvolvimento cerebral infantil em contextos bilíngues.

Palavras-chave: Aprendizagem significativa; Desenvolvimento cognitivo; Desenvolvimento integral; Planejamento educacional; Prática pedagógica.

October 20, 2026

Imigração, aprendizado e desenvolvimento socioemocional: Guia de acolhimento para estudantes e suas famílias no Brasil

O aumento dos fluxos migratórios no Brasil impactou o contexto educacional, exigindo respostas pedagógicas inclusivas e sensíveis às experiências de crianças e adolescentes imigrantes. Desenvolveu-se um Guia de Acolhimento Neuropsicopedagógico para apoiar escolas e famílias no processo de integração escolar, articulando imigração, desenvolvimento socioemocional e aprendizagem à luz da neurociência e das diretrizes da Base Nacional Comum Curricular (BNCC). A pesquisa adotou delineamento qualitativo, de caráter bibliográfico e documental, conduzido por revisão analítico-interpretativa e fundamentado na revisão integrativa da literatura proposta por Bardin. O corpus foi composto por produções científicas nacionais e internacionais e documentos normativos, organizados em categorias temáticas como imigração e infância; emoções e aprendizagem; funções executivas e regulação emocional; práticas de acolhimento escolar; e políticas educacionais e inclusão. Os resultados evidenciaram que a experiência migratória infantil se configurou como processo multidimensional que impactou o desenvolvimento emocional, cognitivo e escolar. Identificou-se que emoções e funções executivas exerceram papel central na aprendizagem e dependeram diretamente de ambientes escolares previsíveis, seguros e acolhedores. Observou-se, ainda, uma lacuna entre o reconhecimento normativo do acolhimento e sua efetiva operacionalização institucional. Concluiu-se que a promoção do desenvolvimento socioemocional e da autorregulação demandou corresponsabilidade institucional e fundamentou a elaboração de um guia estruturado como estratégia de equidade e inclusão educacional.

Palavras-chave: Acolhimento escolar; Educação integral; Funções executivas; Interação social; Regulação emocional.

October 20, 2026

Viabilidade da criação de negócio digital com baixo investimento inicial focado em marketplaces no Brasil

O crescimento do comércio eletrônico no Brasil, impulsionado pela digitalização do consumo e pela expansão dos marketplaces, ampliou as oportunidades para a criação de negócios digitais com baixo investimento inicial. Nesse contexto, plataformas como o Mercado Livre consolidaram-se como canais relevantes para pequenos empreendedores. Analisou-se a viabilidade financeira da criação de um comércio eletrônico focado em marketplaces, buscando identificar fatores que influenciam a implementação de negócios digitais de baixo investimento e estratégias para escalabilidade operacional sem elevar custos fixos. Realizou-se um estudo de caso de um Microempreendedor Individual (MEI) no Rio de Janeiro, enquadrado no Simples Nacional. A metodologia baseou-se na análise de dados quantitativos coletados de um dos sócios e na avaliação de indicadores financeiros nos primeiros sete meses de operação. Os resultados indicaram que, apesar de um resultado financeiro negativo no curto prazo, associado à estratégia inicial de construção de reputação e histórico de vendas, o modelo demonstrou características favoráveis à escalabilidade. Concluiu-se que a viabilidade no médio e longo prazo depende da evolução da margem de contribuição, do controle dos custos fixos e da adoção de estratégias operacionais escaláveis, como os serviços de fulfillment dos marketplaces.

Palavras-chave: Comércio eletrônico; Empreendedorismo digital; Escalabilidade; Marketplaces; Viabilidade financeira.

October 20, 2026

Gerenciamento de aquisições do projeto de implantação de software de manutenção numa empresa de energia

A expansão do setor elétrico brasileiro, impulsionada por fontes renováveis, demanda processos robustos de operação e manutenção. O estudo analisou o gerenciamento de aquisições no projeto de implantação de um software Enterprise Asset Management (EAM) em uma empresa de energia renovável de médio porte em Goiânia, Goiás. Buscou-se identificar como as práticas do Guia PMBOK® 7ª Edição, com foco nos domínios de Planejamento, Entrega, Incerteza e Partes Interessadas, estruturaram a seleção de fornecedor, aquisição e implantação do sistema. Utilizou-se um estudo de caso com abordagem qualitativa, por meio de análise documental e observação participante dos registros do projeto, que ocorreu entre dezembro de 2024 e junho de 2025. Os resultados indicaram que o levantamento estruturado de requisitos possibilitou a seleção fundamentada do software. O gerenciamento proativo dos riscos assegurou a entrega dentro do prazo e do orçamento aprovados, e o engajamento das partes interessadas mostrou-se crucial para a adoção efetiva do sistema. Concluiu-se que a aplicação dos princípios e domínios de desempenho do PMBOK® é um fator crítico para o sucesso em projetos de aquisição e implantação de sistemas de gestão da manutenção no setor de energia renovável.

Palavras-chave: Enterprise Asset Management; Energia renovável; Gerenciamento de projetos; Gestão da manutenção; PMBOK.

October 20, 2026

Perfis de desempenho de jogadores de futebol identificados por aprendizado não supervisionado

O presente estudo abordou a crescente utilização de dados no futebol profissional como suporte à tomada de decisão, visando a uma compreensão mais objetiva e estruturada do desempenho dos jogadores. O objetivo foi identificar perfis de desempenho e analisar similaridades entre atletas por meio de técnicas de aprendizado não supervisionado. Utilizaram-se dados da temporada 2024–2025, que contemplaram 3.825 jogadores de linha de oito ligas nacionais e internacionais. Inicialmente, realizou-se uma análise exploratória dos dados. Em seguida, aplicou-se a Análise de Componentes Principais para reduzir a dimensionalidade e, posteriormente, empregou-se o algoritmo K-Means para identificar agrupamentos de jogadores. A clusterização resultou em dois perfis para atacantes e defensores, e três para meio-campistas. A análise permitiu identificar perfis distintos de desempenho, com diferenças claras entre posições e maior diversidade funcional no meio-campo. A análise de similaridade também possibilitou identificar jogadores com características estatísticas semelhantes, permitindo comparações entre atletas de diferentes ligas. Concluiu-se que a aplicação de técnicas de aprendizado não supervisionado é eficaz na identificação de padrões de desempenho, contribuindo significativamente para o apoio à tomada de decisão no futebol profissional.

Palavras-chave: Análise de desempenho; Análise de similaridade; Aprendizado não supervisionado; Clusterização; Futebol profissional.

October 20, 2026

Fluxos origem-destino de medicamentos oncológicos em Goiás a partir de notas fiscais eletrônicas

Este estudo analisou a rede de circulação intermunicipal de medicamentos oncológicos no Estado de Goiás, com o objetivo de identificar padrões estruturais, níveis de concentração e possíveis implicações para a gestão nos sistemas de saúde. Para isso, utilizou dados de Notas Fiscais Eletrônicas, a partir dos quais construiu uma rede direcionada e ponderada, na qual os municípios representaram nós e as transações comerciais, arestas. Aplicaram-se métricas de Análise de Redes Complexas, incluindo centralidade de grau e intermediação. Os resultados evidenciaram elevada concentração dos fluxos em poucos municípios, que figuraram entre os principais destinos em termos de volume financeiro na rede analisada. Além disso, a análise revelou forte dependência externa no abastecimento, com cerca de 84% do volume financeiro proveniente de outros estados. Concluiu-se que a análise de redes apresenta potencial como ferramenta para compreensão de fluxos logísticos, evidenciando que a estrutura observada indica elevado grau de centralização e potenciais vulnerabilidades na distribuição de medicamentos oncológicos, com riscos relacionados à dependência externa e à concentração geográfica. Muito embora os dados das Notas Fiscais Eletrônicas tenham natureza fiscal e não permitam identificar diretamente a destinação final no âmbito do Sistema Único de Saúde, os resultados obtidos podem oferecer subsídios para estudos futuros voltados à análise da gestão e da distribuição de medicamentos oncológicos no SUS, desde que complementados pelo cruzamento com bases assistenciais e cadastrais das unidades de saúde, de modo a permitir a associação entre os fluxos financeiros identificados e a prestação efetiva dos serviços.

Palavras-chave: Análise de redes complexas; Dados fiscais; Dependência de suprimento; Fluxos logísticos; Medicamentos oncológicos.

October 20, 2026

Educação Ambiental na Amazônia Tocantinense: lacunas na formação inicial de pedagogos

Analisou-se a presença da Educação Ambiental na formação inicial de pedagogos em uma Instituição de Ensino Superior pública localizada na Amazônia Tocantinense. O estudo objetivou verificar, por meio da análise do Projeto Pedagógico do Curso (PPC) de Licenciatura em Pedagogia, em que medida a formação oferecida contemplava a Educação Ambiental em consonância com a Política Nacional de Educação Ambiental (PNEA). Realizou-se um estudo de caso, fundamentado em análise documental do PPC e complementado por relato de experiência, considerando as especificidades socioculturais e ambientais do território amazônico tocantinense. Os resultados indicaram a existência de lacunas na formação ambiental dos futuros pedagogos, pois a Educação Ambiental não se apresentou de forma abrangente na organização curricular analisada. A temática foi contemplada principalmente por meio do componente relacionado às Políticas de Educação Ambiental, além de abordagens transversais e optativas. Constatou-se que o PPC reconheceu a localização da instituição na Amazônia Legal, mas não evidenciou uma formação curricular específica que preparasse os futuros professores para as particularidades ambientais e socioculturais desse território. O estudo destacou a necessidade de fortalecer a Educação Ambiental na formação inicial de pedagogos, articulando teoria e prática e promovendo ações educativas voltadas à conscientização, à sustentabilidade e à preservação do meio ambiente.

Palavras-chave: Educação Ambiental; Educação Tocantinense; Formação de Professores; PNEA; PPC.

October 20, 2026

Liderança e bem-estar na retenção de talentos sêniores de tecnologia da informação

O mercado de Tecnologia da Informação (TI) contemporâneo enfrenta um desafio crítico na retenção de profissionais sêniores, com demandas crescentes por inovação e alta performance gerando estresse e rotatividade voluntária. Analisou-se os fatores de liderança e bem-estar percebidos por talentos sêniores em TI, buscando propor ações de melhoria contínua. Empregou-se uma abordagem mista, com levantamento de campo do tipo “survey”. Os instrumentos de coleta de dados incluíram pesquisa bibliográfica, levantamento de dados secundários (Guia Salarial 2023 da Robert Half) e a aplicação de um questionário online a 22 profissionais sêniores de TI, complementado por uma entrevista semiestruturada com um gestor da área. Os resultados indicaram alta confiança na liderança técnica (mediana 4,0 em escala Likert de 5 pontos), mas uma insatisfação significativa com a carga de trabalho, com 45,5% dos respondentes percebendo estresse excessivo e desequilíbrio entre vida pessoal e profissional. A carga de trabalho revelou-se o ponto de maior vulnerabilidade na retenção. Concluiu-se que a intervenção gerencial focada no bem-estar e no desenvolvimento de habilidades comportamentais da liderança é essencial para transformar a retenção frágil em engajamento sustentável.

Palavras-chave: comportamento organizacional; engajamento; gestão de pessoas; qualidade de vida no trabalho; saúde mental.

Economy

October 19, 2026

End of the 6×1 scale: what do the numbers allow us to conclude?

Following the promulgation of the end of the 6×1 shift system, the debate on the shorter workday moves to implementation and requires distinguishing social benefits from economic costs. The end of the 6×1 shift system transitioned from legislative discussion to a constitutional change in Brazil. On October 16, 2026, the National Congress promulgated Constitutional Amendment No. 141/2026, originating from Proposal […]

Artificial Intelligence

October 16, 2026

Why study if AI exists?

When answers become easy, learning comes to mean more than just arriving at them. Why do I need to learn this if I can ask an artificial intelligence? This type of question has accompanied education for decades. Why learn an operation if a calculator exists? Why memorize information if it can be found […]

Tax Management

October 15, 2026

Pink tax and the gender of price

How different marketing treatments for men and women are incorporated by consumption taxation Imagine a shelf on which two razors of the same brand and intended for the same purpose are displayed side by side: one has dark packaging and promises strength, precision, and efficiency; the other comes in shades of pink or […]

Health

October 13, 2026

The missing link in health transformation

Why is innovation not enough to drive changes in organizations and health systems Digital transformation has become a strategic priority for health systems worldwide. Electronic health records, artificial intelligence, telemedicine, remote monitoring, and data analysis are now part of the strategic agenda of governments and health organizations. Paradoxically, […]

Marketing

October 09, 2026

Bitcoin or pets: what Artificial Intelligence would not see

A real-life consumer intelligence case shows what gets left out of the brief A few years ago, an American insurance company hired a specialized consumer intelligence firm to answer three questions: The insurer was also considering launching paid insurance in bitcoin. At the time, the consultancy’s workflow was as follows: the analyst created a query […]

School Management

October 06, 2026

The school is not a casino: when trading cards become currency in the playground

Why, for certain students, does school manage to offer so few experiences of achievement? The World Cup is over. Brazil left the competition, the school holidays came, the final was played and the football calendar moved on. It would be reasonable to imagine that, with the end of the tournament and the return to classes, […] would also begin

Energy Transition

September 30, 2026

Renewable energies: the Brazilian advantage

Brazil needs to invest in the capacity to transform natural resources into innovation, productivity, and development. Talking about energy is talking about development. Behind industry, transportation, services, cities, and increasingly artificial intelligence, there is an energy infrastructure that sustains the economy. Understanding a country’s energy matrix is understanding […]

Data Analysis

September 30, 2026

When the data changes, has reality changed?

An analysis of almost 20 million teaching positions-year between 2020 and 2025 shows how changes in population composition and record production can alter the interpretation of historical series Between 2020 and 2025, the number of formal teaching employment positions identified in RAIS (Annual Relation of Social Information), from the Ministry of Labor, […]

Artificial Intelligence

September 28, 2026

Artificial intelligence and the trends

Why do so many people join in on the fun with ChatGPT? I was never the trend person. I still am not. Some pass through my timeline, I see them, I find them interesting but not to the point of trying them out. This was the case, inclusive, with some recent waves of images made by artificial intelligence, like the 80s trend, the one that […]

Tax Management

September 01, 2026

Tax reform and estate planning in the countryside

Efficiency in managing taxes facilitates governance and allows for the organization of family succession. Rural wealth organization has become a strategic measure in light of the tax reform in Brazil, which came into effect this year. The planning of activities and rural wealth management, through tools such as the transition from an Individual to […]

Renata de Gaspari Valdejão Almeida

Artificial Intelligence

August 05, 2026

Inside the company and off the radar: the risks of Shadow AI

According to Microsoft, 75% of professionals already use artificial intelligence at work without company approval. The use of generative artificial intelligence is already part of the corporate routine. Tools like ChatGPT, Copilot, and other platforms help professionals produce texts, analyze data, create presentations, and accelerate tasks in practically all sectors. But this advance […]

Renata de Gaspari Valdejão Almeida

Strategy

July 02, 2026

The future as a competence

Academic interest reinforces the projection of scenarios as an essential tool for decision-making. While some companies are still trying to get the next step right, others are already working with multiple possible futures — and preparing for all of them. But after all, what does it mean to “think about the future”? Is it a trend, a strategy, or a new competence that […]

Renata de Gaspari Valdejão Almeida

Innovation

Technology

May 21, 2026

Agro SP Corridor: innovation, institutional articulation and future

Pecege commands the executive operation of the 400 km ecosystem activities that became known as the Brazilian agro Silicon Valley In 2025, in addition to taking over the management of the Piracicaba Technology Park, the Pecege Institute was also designated to command the executive operation of the State Agribusiness Innovation Corridor activities, the so-called […]

Education

April 27, 2026

How to turn a TCC into a business

New management of the Piracicaba Technology Park offers consulting to MBA graduates The new project director of the Piracicaba Technology Park (PTP), Alexandre Barreto, often says that one of the greatest rewards he has ever had in life was seeing his MBA USP/Esalq students structure companies from their final projects […]

Technology

March 20, 2026

The human repertoire in the age of AI

Critical thinking and creativity are irreplaceable in the work of a marketing professional Artificial Intelligence (AI) is capable of incredible feats, but it does not yet possess the judgment, empathy, intuition, and strategic creativity necessary to do the job of a good marketing professional. In this area, it is important to know how to use the tool to automate […]

Renata de Gaspari Valdejão Almeida

Agribusiness

Innovation

February 23, 2026

ESG as a growth strategy in a cooperative in RS

Santa Clara balances social and environmental responsibility with innovation Founded in 1911 by Italian immigrants in Carlos Barbosa, in the Serra Gaúcha region, Cooperativa Santa Clara is an example that it is possible to balance economic growth with social and environmental responsibility. From a small cheese production company, the organization has evolved into a […]

Renata de Gaspari Valdejão Almeida

Agribusiness

Innovation

January 22, 2026

Brazil free of Foot-and-Mouth Disease: what changes for Brazilian beef?

With a herd of over 200 million head of cattle, the country is currently the leader in exports. Brazil recently received, for the first time, the certification of country free of foot -and-mouth disease without vaccination, conferred by the World Organisation for Animal Health (WOAH). The seal strengthens the country’s position as a reliable supplier of meat for the […]

Renata de Gaspari Valdejão Almeida

Innovation

December 09, 2025

Innovation: the new cycle of the Piracicaba Technology Park

Instituto Pecege assumes management, betting on the creation of new businesses Starting in 2026, Instituto Pecege will assume the management of the Piracicaba Technology Park (PTP). Among its responsibilities will be the administration, operation, maintenance, and expansion of the park, in addition to fostering activities in innovation, entrepreneurship, and science and technology. The choice was made […]

Renata de Gaspari Valdejão Almeida

July 06, 2026

Large-Scale Architecture: DSR-SCRUM Change Management

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Abstract generated by ResumeAI, an artificial intelligence solution developed by Instituto Pecege focused on synthesis and writing. Architecture and urbanism are configured as essential bases in an increasingly complex and challenging urban space, where the intrinsic connection between social, environmental, and technological issues […]