Quem trabalha com monitoramento de mídias sociais conhece muito bem a análise de sentimentos (positivo, negativo e neutro). Essa metodologia se tornou tão popular quanto o próprio trabalho de monitoramento, muitas vezes causando uma associação automática entre uma coisa e outra. Mas será mesmo que o único caminho – ou o caminho mais apropriado – a seguir quando falamos em monitoramento de mídias sociais é a prática comum de análise de sentimento? Além disso, quais são algumas das considerações importantes para debater sobre essa metodologia? As empresas e agências estão atentas a essas problemáticas?
No capítulo “Análise de Sentimento” do livro Monitoramento e Pesquisa em Mídias Sociais: metodologias, aplicações e inovações, lançado pelo IBPAD no final do ano passado, Skrol Salustiano propõe uma discussão aberta sobre como a análise de sentimentos evoluiu nos últimos anos. Para isso o autor volta até o ano de 2001, quando surgiu os primeiros estudos sobre a metodologia e sua consequente aplicação para compreensão de textos na web. São apresentados estudos e discussões acadêmicas sobre o desenvolvimento dessa metodologia para dar conta do turbilhão de mensagens que chegou junto à popularização das mídias sociais, fazendo com que houvesse uma preocupação em criar ferramentas semiautomatizadas que facilitassem o trabalho anteriormente feito à mão.
“Entretanto, com o crescimento exponencial do público online, com a diversidade de redes sociais e com o aumento vertiginoso do volume de dados publicados diariamente, a análise de sentimentos entrou na era da automação e as ferramentas investiram seus esforços na mineração de dados (opinion mining), mas com o destaque que esse investimento foi, principalmente, para cobrir o maior número de redes e suprir as demandas emergentes do mercado e não para desenvolver metodologias eficientes para a classificação de polaridades.”
Além de toda essa discussão histórica, importante para compreender o atual cenário que vivenciamos, o autor ainda aborda questões sobre as polaridades dos sentimentos (positivo, negativo e neutro) e uma discussão responsável sobre a subjetividade das mensagens na internet. Embora uma solução para o desenvolvimento de ferramentas de classificação semiautomatizadas tenha sido a aplicação do conhecimento baseado na escala de Likert – um tipo de escala de resposta psicométrica usada habitualmente em questionários e é a escala mais usada em pesquisas de opinião -, essa discussão muitas vezes passa batido por profissionais, agências e empresas que trabalham com monitoramento de mídias sociais. Como o autor vai apresentar, o trabalho muitas vezes menosprezado de classificação dos dados pode acarretar em grandes problemas de análise, que desencadeiam toda uma chave de problemas que uma atenção redobrada ao tratamento dos dados poderia solucionar.
O capítulo ainda traz algumas considerações importantes sobre a discussão entre prós e contras da classificação automática e manual, que mostra que embora a tecnologia de machine learning venha ganhando cada vez mais força no mercado, ainda há muito o que evoluir em termos de desenvolvimento léxico para os algoritmos de análise. Por fim oferece também algumas metodologias e indicações inteligentes para o trabalho de análise de sentimentos nas diferentes plataformas de mídias sociais utilizadas pelo público brasileiro atualmente. Ele apresenta, por exemplo, os tipos de classificação por: polaridade de sentimentos, escala, elemento/aspecto e humor.
Baixe já o livro em nossa seção de Publicações para conhecer mais sobre como aprimorar sua metodologia!
