QUALIFICAÇÃO DE DOUTORADO
Discente: Danielle Pompeu Noronha Pontes
Título: DETECÇÃO DE BOTS E CLASSIFICAÇÃOD E PERFIS QUE DIVULGAM ARTIGOS CIENTÍFICOS NO TWITTER: CONTRIBUIÇÕES PARA APRIMORAMENTO DOS INDICADORES ALTMÉTRICOS
Horário e data: 05/06/2024 às 14h
Composição da banca:
Dr. João de Melo Maricato - (Presidente) (PPGCINF/UnB)
Dr. Dalton Lopes Martins – Membro interno (PPGCINF/UnB)
Dra. Márcia Regina da Silva – Membra externa (USP)
Dra. Fernando Cesar Lima Leite - Suplente (PPGCINF/UnB)
Resumo: A detecção de bots e contas falsas em plataformas de redes sociais ainda é um dos principais desafios para os investigadores de segurança cibernética. Considerando a carência de estudos sobre a interferência e detecção de bots no contexto da altmetria no X, há a necessidade de aprimorar a precisão e confiabilidade dos indicadores altmétricos e garantir uma avaliação mais precisa do impacto acadêmico nas redes sociais. Essa pesquisa investiga métodos automatizados para detectar bots e classificar contas que compartilham artigos científicos no X. Seu propósito é trazer contribuições para aprimorar o uso de indicadores altmétricos na avaliação científica por meio de inteligência artificial. Este estudo visa contribuir para o avanço da avaliação científica e para uma compreensão mais profunda do papel das mídias sociais na comunicação acadêmica, incluindo a identificação de vieses e fragilidades causadas por bots, que podem prejudicar a utilização eficaz da altmetria no monitoramento e avaliação da pesquisa científica. A presente pesquisa caracteriza-se como sendo de natureza aplicada pois objetiva gerar conhecimentos em torno da identificação de contas automatizadas através de bots para aplicação prática através do desenvolvimento de processos e produtos tecnológicos usando a inteligência artificial dirigidos à solução de um problema específico e concreto que é a interferência das contas automatizadas no score altmetrico de publicações científicas. Do ponto de vista da abordagem do problema, está classificada como quantitativa uma vez que os dados utilizados, referentes às contas na rede sociais, são numéricos e requer técnicas estatísticas e de inteligência artificial para traduzir as informações, classificá-las e analisá-las. Quanto aos objetivos esta pesquisa é de cunho exploratório e descritivo pois busca compreender e descrever o fenômeno das contas automatizadas e seus efeitos na altmetria em maior profundidade. Quanto aos procedimentos técnicos, utiliza-se do modelo experimental. Quanto às técnicas e ferramentas, utilizou-se o Knime para o desenvolvimento de um workflow para prova de conceito baseado em algoritmos de aprendizagem de máquina, visando a classificação de contas do X e a linguagem de programação Python para implementação de algoritmos, recuperação e tratamento de dados. O modelo conceitual e operativo escolhido para determinar o design da pesquisa teve como princípio a metodologia CRoss-Industry Standard Process for Data Mining. O modelo organiza o processo de mineração de dados em três etapas. Cada uma dessas etapas foi adaptada para a presente tese, sendo elas: (1) a compreensão de negócios (introdução e referencial teórico da tese); a etapa (2) de compreensão de dado, preparação de dados e modelagem e por fim, a etapa (3) de avaliação e implantação (seções resultados, discussões e conclusões da tese). Como resultados parciais foi possível identificar contas participantes da rede altmétrica que fazem divulgações fora do padrão na rede de atenção altmetrica que pode levar a alteração do score altmetrico de uma determinada publicação científica. Observou-se também que as ferramentas utilizadas na detecção de bots no Twitter não possuem comportamento adequado para o contexto altmetrico, o que nos leva a crer que os bots que divulgam artigos científicos possuem comportamentos fora do padrão dos bots genéricos.
Palavras-Chave: Altmetria. Bots. X - Twitter. Inteligência Artificial. Classificação de perfis.
