Array
(
    [0] => stdClass Object
        (
            [journal] => stdClass Object
                (
                    [id_jnl] => 75
                )

        )

    [1] => stdClass Object
        (
            [section] => stdClass Object
                (
                    [section] => 1539
                )

        )

    [2] => stdClass Object
        (
            [title] => Array
                (
                    [0] => DETECÇÃO DE BOTS QUE DIVULGAM ARTIGOS CIENTÍFICOS NO TWITTER: CONTRIBUIÇÕES PARA APRIMORAMENTO DOS INDICADORES ALTMÉTRICOS@nn
                )

        )

    [3] => stdClass Object
        (
            [abstract] => Array
                (
                    [0] => Agentes autônomos computacionais (bots) são softwares automáticos, que empregam inteligência artificial e automatizam processos informacionais. As informações (maliciosas ou não) disseminadas por estes agentes nas mídias sociais influenciam a tomada de decisões de diferentes atores sociais. Diferentemente de agentes humanos, os bots têm capacidade quase ilimitada de disseminação de informações, podendo dificultar, ou até inviabilizar, a interpretação de indicadores oriundos de mídias sociais. Bots automatizados em redes sociais como o Twitter aumentam a incerteza sobre os padrões de divulgação científica nas mídias e redes sociais, levantando a dúvida sobre a validade e confiabilidade desses dados para análises altmétricas. Diante disso, este artigo discute e testa maneiras de se detectar a atuação de bots em contas do Twitter que divulgam artigos científicos. Propõe-se um workflow para teste da acurácia em dados de treinamento e outro para a detecção preliminar de contas bots no contexto da altmetria, utilizando-se de técnicas de aprendizagem de máquina por meio da plataforma KNIME. O workflow proposto classificou 6.094 das 6.301 contas de usuários do Twitter, das quais 2.900 (48%) foram classificadas como humanos e 3.194(52%) como bots. Embora os dados sejam preliminares, acredita-se ser possível desenvolver metodologias capazes de aumentar a acurácia dos dados de maneira a vislumbrar maior credibilidade de uso da altmetria para a avaliação científica.@pt
                )

        )

    [4] => stdClass Object
        (
            [author] => Array
                (
                    [0] => Danielle Pompeu Noronha Pontes
                    [1] => João de Melo Maricato
                )

        )

    [5] => stdClass Object
        (
            [subject] => Array
                (
                    [0] => Altmetria@pt
                    [1] => Aprendizagem de máquina@pt
                    [2] => Bots@pt
                    [3] => Twitter@pt
                    [4] => Mídia social@pt
                )

        )

    [6] => stdClass Object
        (
            [source] => stdClass Object
                (
                    [vol] => 
                    [nr] => nacional
                    [year] => 
                    [theme] => 
                )

        )

    [7] => stdClass Object
        (
            [datePub] => Array
                (
                    [0] => 2022-08-23 15:09:24
                )

        )

    [8] => stdClass Object
        (
            [DOI] => Array
                (
                )

        )

    [9] => stdClass Object
        (
            [http] => Array
                (
                    [0] => stdClass Object
                        (
                            [type] => HTTP
                            [value] => Array
                                (
                                    [0] => https://ancib.org/enancib/index.php/enancib/xxiienancib/paper/view/1223
                                )

                        )

                )

        )

    [10] => stdClass Object
        (
            [language] => Array
                (
                    [0] => pt
                )

        )

    [11] => stdClass Object
        (
            [license] => Array
                (
                    [0] => 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.
                )

        )

)