Personalidade e redes sociais: agrupando e analisando características comportamentais de usuários de redes sociais a partir da combinação de traços de personalidade, dados demográficos e pegadas digitais
| Orientador(a) (dc.contributor.advisor) | Maillard, Patrícia Augustin Jaques | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/5723385125570881 | pt_BR |
| Autor(a) (dc.contributor.author) | Tamiosso, Daniel | |
| Autor(a) Lattes (dc.contributor.authorLattes) | http://lattes.cnpq.br/0135168261860230 | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2021-09-13T14:25:29Z | |
| dc.date.available (dc.date.available) | 2021-09-13T14:25:29Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2021-08-17 | |
| Abstract (dc.description.abstract) | Digital social networks are becoming more mainstream, offering a massive platform for analyzing human behavior in computer-mediated contexts. Algorithms can explore human behavior by analyzing digital footprints left by people when interacting with social networks. Digital footprints can be produced actively (in a consenting way) and passively (unintentionally). It is through them that studies can explore behavior and social interaction on a large scale. Thus, the discovery of essential and valuable information from digital footprints left on social networks is carried out using pattern recognition technologies and statistical and mathematical techniques; this discipline is referred to as data mining. This research seeks to identify user profiles in social networks by grouping behavior data in social networks (digital footprints), demographic data, and socio-affective profiles (personality traits). More specifically, unsupervised machine learning algorithms (clustering) such as K-means and Spectral Clustering are applied. Unlike other works on personality detection on social networks, the proposed work explores clustering techniques to group users with similar profiles by collecting their digital footprints, demographic data, and personality traits. From there, that work aims to understand the personality manifestations of social network users through their behavior, i.e, the role that different personalities play in the behavior of users on social networks. Although this work analyzes a small group of users (157 participants), some correlations observed in the related bibliography could be found. That work a first step for future incremental works in order to raise awareness about the relationship of social networks, Personality Computation and the several underlying fields related to strictly personal and sensitive data. This research also brings as a contribution a new set of labeled and high-dimensional data (a database), which combine behavioral data with characteristics extracted from active and passive digital footprints, personality and demographic information from a social network in Portuguese. | en |
| Resumo (dc.description.resumo) | As redes sociais digitais estão se tornando cada vez mais populares e, com isso, elas oferecem uma plataforma massiva para a análise do comportamento humano em contextos mediados por computadores. O comportamento humano pode ser explorado pela análise do conjunto de rastros digitais criados pelas pessoas ao interagirem com as redes sociais. Esse rastro digital é definido como pegadas digitais. As pegadas digitais podem ser classificadas em ativas, quando produzidas de forma consentida, e passivas, quando produzidas de forma não intencional. É através delas que estudos podem explorar comportamento e interação social em larga escala. A descoberta de informações significativas e valiosas a partir de pegadas digitais deixadas nas redes sociais é realizada a partir das tecnologias de reconhecimento de padrões, bem como técnicas estatísticas e matemáticas; esta disciplina é referida como Mineração de Dados. Nesse contexto, este trabalho busca identificar perfis de usuários em redes sociais a partir do agrupamento de dados de comportamento em redes sociais (pegadas digitais), dados demográficos e informações socioafetivas (traços de personalidade), utilizando-se de técnicas de Mineração de Dados. Dessa forma, verifica-se a viabilidade na criação de grupos significativos considerando características socioafetivas e pegadas digitais, bem como disponibiliza-se uma análise qualitativa e quantitativa dos grupos produzidos, a fim de entender a qualidade dos grupos formados e a validade deles em relação aos conhecimentos revisados da Psicologia da Personalidade. Mais especificamente, são empregados algoritmos de aprendizado não supervisionados (clusterização), como K-Means e Spectral Clustering. Diferentemente de outros trabalhos na área de Computação da Personalidade que buscam identificar a personalidade dos usuários a partir das pegadas digitais usando algoritmos de aprendizado de máquina supervisionados, esse trabalho utiliza algoritmos de aprendizado de máquina não supervisionado, agrupando usuários de redes sociais com perfis semelhantes, a partir da coleta de pegadas digitais, dados demográficos e traços de personalidade. Isso permite entender as manifestações da personalidade de usuários de redes sociais pelo seu comportamento e características demográficas, ou seja, o papel que personalidades diferentes desempenham no comportamento dos usuários em redes sociais. Embora esse trabalho analise um grupo pequeno de usuários (157 participantes), pode-se verificar algumas correlações observadas na bibliografia relacionada, sendo um primeiro passo para propostas futuras a fim de trazer consciência sobre a relação das redes sociais, a Computação da Personalidade e os diversos campos subjacentes relacionados a dados estritamente pessoais e sensíveis. Esta pesquisa também traz como contribuição um novo conjunto de dados rotulados e com alta dimensionalidade (uma base de dados), os quais combinam dados comportamentais com características extraídas de pegadas digitais ativas e passivas, personalidade e informações demográficas de rede social na língua portuguesa. | pt_BR |
| Agência de fomento (dc.description.sponsorship) | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/10092 | |
| Idioma (dc.language) | pt_BR | pt_BR |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| País da Instituição (dc.publisher.country) | Brasil | pt_BR |
| Departamento (dc.publisher.department) | Escola Politécnica | pt_BR |
| Sigla da Instituição (dc.publisher.initials) | Unisinos | pt_BR |
| Programa (dc.publisher.program) | Programa de Pós-Graduação em Computação Aplicada | pt_BR |
| Direitos de acesso ao documento (dc.rights) | openAccess | pt_BR |
| Assunto (dc.subject) | Redes sociais | pt_BR |
| Assunto (dc.subject) | Computação da personalidade | pt_BR |
| Assunto (dc.subject) | Modelo dos cinco grandes fatores | pt_BR |
| Assunto (dc.subject) | Clusterização | en |
| Assunto (dc.subject) | Pegadas digitais | en |
| Assunto (dc.subject) | Social networks | en |
| Assunto (dc.subject) | Personality computing | en |
| Assunto (dc.subject) | Big five personality traits | en |
| Assunto (dc.subject) | Clustering | en |
| Assunto (dc.subject) | Digital footrpints | en |
| Tema (CNPq) (dc.subject.cnpq) | ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação | pt_BR |
| Título (dc.title) | Personalidade e redes sociais: agrupando e analisando características comportamentais de usuários de redes sociais a partir da combinação de traços de personalidade, dados demográficos e pegadas digitais | pt_BR |
| Tipo de arquivo (dc.type) | Dissertação | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Daniel Tamiosso_.pdf
- Tamanho:
- 6.4 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- personalidade_redes
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: