Array
(
    [0] => stdClass Object
        (
            [journal] => stdClass Object
                (
                    [id_jnl] => 51
                )

        )

    [1] => stdClass Object
        (
            [section] => stdClass Object
                (
                    [section] => 1570
                )

        )

    [2] => stdClass Object
        (
            [title] => Array
                (
                    [0] => Navigating technical, legal, and ethical hurdles to scraping LinkedIn data for academic research@en
                    [1] => Navegando pelas barreiras técnicas, legais e éticas na extração de dados do LinkedIn para pesquisas acadêmicas@pt
                )

        )

    [3] => stdClass Object
        (
            [abstract] => Array
                (
                    [0] => In an era where professional career data is critical for analyzing occupational trends and organizational dynamics, LinkedIn data offers a rich corpus for academic research due to its expansive user base and frequent updates. This paper examines technical, legal, and ethical challenges associated with scraping LinkedIn profiles for research, arguing that scraping is the most effective method for acquiring comprehensive LinkedIn data compared to direct cooperation, purchasing data, or APIs. Despite prohibitive measures and potential legal issues outlined by LinkedIn, recent court decisions provide favorable precedents for the lawful scraping of public profiles. The paper also compiles prior research studies that leveraged LinkedIn data, highlighting various acquisition methods and their applicability to academic research. It explores strategies to ethically and legally navigate scraping, providing recommendations on how researchers can responsibly collect LinkedIn data, ensuring compliance with evolving privacy laws and ethical standards. Finally, technical considerations are discussed, emphasizing the use of tools like Selenium to overcome LinkedIn´s sophisticated anti-scraping measures.@en
                    [1] => Na era em que dados de carreiras profissionais são críticos para a análise de tendências ocupacionais e dinâmicas organizacionais, o LinkedIn oferece um rico corpus para pesquisas acadêmicas devido à sua ampla base de usuários e atualizações frequentes. Este artigo examina os desafios técnicos, legais e éticos associados ao scraping de perfis do LinkedIn para fins de pesquisa, argumentando que o scraping é o método mais eficaz para adquirir dados abrangentes do LinkedIn em comparação com cooperação direta, compra de dados ou uso de APIs. Apesar das medidas proibitivas e possíveis questões legais estabelecidas pelo LinkedIn, decisões judiciais recentes oferecem precedentes favoráveis para a coleta lícita de perfis públicos. O artigo também compila estudos anteriores que utilizaram dados do LinkedIn, destacando vários métodos de aquisição e sua aplicabilidade à pesquisa acadêmica. Ele explora estratégias para navegar de forma ética e legal o scraping de dados, fornecendo recomendações sobre como os pesquisadores podem coletar dados do LinkedIn de maneira responsável, garantindo conformidade com leis de privacidade em evolução e padrões éticos. Finalmente, são discutidas considerações técnicas, enfatizando o uso de ferramentas como o Selenium para superar as medidas sofisticadas de proteção contra scraping do LinkedIn.@pt
                )

        )

    [4] => stdClass Object
        (
            [author] => Array
                (
                    [0] => André José de Queiroz Padilha
                    [1] => Jesús Pascual Mena-Chalco
                    [2] => Jesús Pascual Mena Chalco
                )

        )

    [5] => stdClass Object
        (
            [subject] => Array
                (
                    [0] => Linkedin data scraping@en
                    [1] => Data acquisition@en
                    [2] => Legal and ethical challenges@en
                    [3] => Scraping@en
                    [4] => Raspagem de dados do linkedin@pt
                    [5] => Aquisição de dados@pt
                    [6] => Desafios legais e éticos@pt
                    [7] => Pesquisa de dados públicos@pt
                    [8] => Raspagem@pt
                )

        )

    [6] => stdClass Object
        (
            [source] => stdClass Object
                (
                    [vol] => 20
                    [nr] => 1
                    [year] => 2024
                    [theme] => 
                )

        )

    [7] => stdClass Object
        (
            [datePub] => Array
                (
                    [0] => 2024-08-22
                )

        )

    [8] => stdClass Object
        (
            [DOI] => Array
                (
                    [0] => stdClass Object
                        (
                            [type] => DOI
                            [value] => Array
                                (
                                    [0] => 10.18617/bm06ge67
                                )

                        )

                )

        )

    [9] => stdClass Object
        (
            [http] => Array
                (
                    [0] => stdClass Object
                        (
                            [type] => HTTP
                            [value] => Array
                                (
                                    [0] => https://revista.ibict.br/liinc/article/view/7041
                                )

                        )

                    [1] => stdClass Object
                        (
                            [type] => HTTP
                            [value] => Array
                                (
                                    [0] => https://revista.ibict.br/liinc/article/view/7041/6841
                                )

                        )

                )

        )

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

        )

    [11] => stdClass Object
        (
            [license] => Array
                (
                    [0] => Copr
                    [1] => CCBY4.0
                )

        )

)