Escolar Documentos
Profissional Documentos
Cultura Documentos
CAIO FERNANDO DIAS(1ºPERÍODO)
DANIEL HENRIQUE NUNES(1ºPERÍODO)
GUSTAVO HENRIQUE D’ANUNCIAÇÃO FERREIRA(1ºPERÍODO)
JOÃO MARCELO GONÇALVES LISBOA(1ºPERÍODO)
JOÃO PEDRO DE ALMEIDA CAMPOS (1ºPERÍODO)
PEDRO FRANÇA E SILVA(1ºPERÍODO)
Resumo
Palavras-chave
Introdução
Para melhor direcionar o foco da pesquisa e assegurar-lhe elevado grau de veracidade, foi
utilizada a plataforma Sucupira e a classificação QUALIS dos artigos e revistas e, após
filtrarmos os conceitos atribuídos aos textos, B ou C, a área de abrangência, Engenharias e ou
Ciência da Computação, e o período em análise, 2017 a 2020, encontramos um conjunto de
documentos categorizados de acordo com as orientações do professor orientador e em
diversos idiomas.
A partir daí, tornou-se possível a realização de uma pesquisa com base em um artigo sobre a
utilização de bots em redes sociais durante as eleições presidenciais brasileira de 2018 na
disseminação de notícias falsas, que nos expõe um panorama sobre a utilização dessa
ferramenta em discussões em redes sociais. Além disso, é notável a influência dos bots em
diversas outras áreas, como: a saúde, os transportes, a indústria, a segurança, a economia,
entre outras, devido à facilidade com que podem ser criados e a aplicação deles no
atendimento a pessoas antes de serem redirecionadas para um atendente humano e ou até
mesmo atendendo às necessidades do cliente sem a necessidade de uma pessoa.
Resultados e discussões
aumenta, indo de 16,9 na altura 2 até 52,3%. No quesito classificações corretas, o índice
aumenta continuamente, saindo de 91,3% na altura 1
e variando até 95,2%. Isso indica que o método se mostra muito eficiente para classificar
humanos de forma correta, porém, a diferenciação
Na ocasião, o teste foi feito com 577 humanos e 65 bots. A tabela II reflete os dados da tabela
I, no qual os maiores níveis indicam uma classificação com maior precisão.
Aplicado no conjunto total de dados, a tabela III mostra a porcentagem de bots identificados
por cada modelo. Observa-se que o percentual de bots identificado foi inferior
à taxa do conjunto de treinamento. Foi observada uma taxa de acerto entre 0,25% e 2,84%,
valores muito inferiores aos 10,1% atingidos no conjunto de treinamento. Porém,
O uso de árvores de decisão para diferenciar bots e humanos permite que diferentes análises
sejam feitas. Primeiramente, os resultados da classificação são diretamente relacionados
ao objetivo da classificação automática. Em segunda análise, pode-se observar que os nós nas
folhas das árvores indicam classificações mais ou menos precisas de acordo com as decisões
que levaram a cada um desses nós.
Foi utilizada também, uma regressão linear para produzir um score para cada usuário. Esse
sistema de "scores" pode ser utilizado para identificar usuários com maior e menor chance de
serem bots.
Nos intervalos de maior pontuação, a taxa de bots é mais elevada (100% no 1º intervalo,
77,78% no segundo e assim por diante). Os usuários nos intervalos variam de 6, no 1º, até 286
no 10º. Sendo 2,45% o percentual de bots no último intervalo.
O score pode ser utilizado também para fazer um controle mais preciso da especificidade e da
sensibilidade do classificador.
Conclusões
Após o desenvolvimento deste estudo aprofundado sobre a aplicação de bots nas redes
sociais, percebe-se a necessidade da introdução de um maior número de profissionais na área,
devido ao aumento do número de casos de utilização dessa ferramenta de forma imoral e
antiética no dia-a-dia de diversas pessoas, como na disseminação de notícias falsas durante as
eleições de 2018 em debates mais especificamente no Twitter.
Referências Bibliográficas