Array
(
[responseDate] => 2024-11-19T13:40:38Z
[request] => https://ancib.org/enancib/index.php/enancib/xxxiiienancib/oai
[GetRecord] => SimpleXMLElement Object
(
[record] => SimpleXMLElement Object
(
[header] => SimpleXMLElement Object
(
[identifier] => oai:ocs.enancib.ancib.org:paper/718
[datestamp] => 2022-12-09T17:48:54Z
[setSpec] => enancib:xxiienancib:GT 8
)
[metadata] => SimpleXMLElement Object
(
[dc] => SimpleXMLElement Object
(
[title] => ANÁLISE COMPARATIVA DE SENTIMENTO PARA DETECÇÃO AUTOMÁTICA DE DISCURSO DE ÓDIO UTILIZANDO O ALGORITMO LEIA-VADER
[creator] => Array
(
[0] => Guilherme Luiz Cintra Neves; Universidade Federal do Paraná
[1] => Rodrigo Eduardo Botelho-Francisco; Universidade Federal do Paraná
[2] => Luciano Heitor Gallegos Marin; Universidade Federal do Paraná
[3] => Denise Fukumi Tsunoda; Universidade Federal do Paraná
)
[subject] => Redes sociais digitais; Plataformas digitais; Discurso de ódio; Análise de sentimentos; Processamento de linguagem natural
[description] => Humanidades Digitais e Ciência da Informação convergem na recente realidade tecnológica e digital. Discurso de ódio insere-se como vulnerabilidade nas plataformas digitais. No âmbito da Análise de Sentimentos, verificou-se o desempenho do algoritmo LeIA em relação aos discursos da base OFFCOMBR2 comparando a medida F do LeIA com análises similares. Trata-se de pesquisa descritiva aplicada que executa o LeIA na base OFFCOMBR2. Verificou-se baixo desempenho do LeIA na comparação efetuada. Sugere-se ampliação do léxico e revisão das etapas de pré-processamento. Como contribuição a Ciência da Informação, destaca-se a importância da prevenção de abusos da liberdade de expressão em plataformas digitais.
[publisher] => Enancib
[contributor] => SimpleXMLElement Object
(
)
[date] => 2022-08-28 14:37:09
[type] => Documento avaliado pelos pares
[format] => application/pdf
[identifier] => https://ancib.org/enancib/index.php/enancib/xxiienancib/paper/view/718
[source] => Enancib; XXII ENCONTRO NACIONAL DE PESQUISA E PÓS-GRADUAÇÃO EM CIÊNCIA DA INFORMAÇÃO
[language] => pt
[rights] => Autores que submetem a esta conferência concordam com os seguintes termos:
a) Autores mantém os direitos autorais sobre o trabalho, permitindo à conferência colocá-lo sob uma licença Licença Creative Commons Attribution, que permite livremente a outros acessar, usar e compartilhar o trabalho com o crédito de autoria e apresentação inicial nesta conferência.
b) Autores podem abrir mão dos termos da licença CC e definir contratos adicionais para a distribuição não-exclusiva e subseqüente publicação deste trabalho (ex.: publicar uma versão atualizada em um periódico, disponibilizar em repositório institucional, ou publicá-lo em livro), com o crédito de autoria e apresentação inicial nesta conferência.
c) Além disso, autores são incentivados a publicar e compartilhar seus trabalhos online (ex.: em repositório institucional ou em sua página pessoal) a qualquer momento antes e depois da conferência.
)
)
)
)
)