IDENTIFICAÇÃO DE DISCURSO DE ÓDIO NAS ELEIÇÕES MUNICIPAIS DE 2020

Resumen

O discurso de ódio está se tornando frequente nas redes sociais, e evidências indicam que ele aumenta nos anos em que há eleição. É frequentemente pauta de discussões sobre políticas públicas para responsabilizar seus autores e mitigar seus efeitos sem ferir a liberdade de expressão dos indivíduos. Neste sentido, a inteligência artificial pode ser uma aliada, auxiliando na identificação do discurso de ódio. Este estudo apresenta a construção e avaliação de um classificador Naïve Bayes para identificar discurso de ódio em publicações na rede social X relacionadas a candidatos que disputaram o segundo turno das eleições municipais de 2020. O trabalho adotou metodologia quantitativa. Para construção e avaliação do classificador Naïve Bayes proposto foi adotado o processo CRISP-DM, consolidado na área de ciência de dados. Os dados utilizados para treinamento do classificador foram levantados de maneira exploratória no Kaggle, um repositório online de dados para treinamento de modelos preditivos. Já os dados utilizados para avaliação do modelo foram coletados a partir de um levantamento de publicações realizadas na rede social X. O desempenho do classificador foi avaliado de forma quantitativa, a partir de métricas estatísticas de assertividade. De modo geral, o classificador Naïve Bayes proposto obteve acurácia média de 72,38% no conjunto de publicações coletadas para avaliação. A diferença de desempenho do classificador proposto em relação a Perspective API, uma ferramenta online para identificação de discurso de ódio adotada como referência no presente estudo, ficou abaixo de 9,12% em todos os candidatos considerados. A partir destes resultados verifica-se que o classificador Naïve Bayes proposto foi capaz de identificar a presença de discurso de ódio em publicações da rede social X relacionadas a candidatos que disputaram o segundo turno das eleições municipais de 2020.