Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/37646
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2023_ArthurGomesNery_tcc.pdf4,1 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorCajueiro, Daniel Oliveira-
dc.contributor.authorNery, Arthur Gomes-
dc.identifier.citationNERY, Arthur Gomes. Resonant journalism in the Russo-Ukrainian war : a topic modeling approach to key point detection. 2023. 36 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciências Econômicas) — Universidade de Brasília, Brasília, 2023.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Economia, 2023.pt_BR
dc.description.abstractA colocação de momentos especiais em uma sequência temporal de eventos pode melhorar a compreensão de sistemas sociais complexos. No contexto de uma guerra, a identificação de eventos críticos, tendências e padrões pode revelar conhecimentos aprofundados sobre as ações e motivações dos atores envolvidos, bem como informar a tomada de decisões. Este estudo visa investigar se é possível detectar pontos-chave de um evento global através da análise de dados textuais não estruturados de fontes de notícias. Para isso, coletamos 61.165 histórias de 11 fontes de notícias e aplicamos o modelo de tópicos alocação latente de Dirichlet (LDA) para quantificar e descrever vários eventos-chave da guerra Russo-Ucraniana após seu agravamento em fevereiro de 2022. Além disso, investigamos as flutuações na cobertura de tópicos para cada fonte de notícias em comparação com as tendências do sistema usando a Divergência de Kullback-Leibler (KLD), evidenciando as diferenças no potencial de criação de tendências de cada fonte. Os resultados mostram que o LDA é capaz de identificar eventos-chave cobertos por todas as fontes e que o KLD pode ser aplicado às distribuições de tópicos para evidenciar que algumas fontes de notícia exibem desvios significantes do potencial médio de estabelecimento de tendências do sistema completo. Este estudo evidencia o potencial de dados textuais não estruturados na descoberta de eventos importantes em situações de conflito.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordRússiapt_BR
dc.subject.keywordUcrâniapt_BR
dc.subject.keywordConflitos armadospt_BR
dc.subject.keywordAlocação Latente de Dirichletpt_BR
dc.titleResonant journalism in the Russo-Ukrainian war : a topic modeling approach to key point detectionpt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2024-02-21T13:47:30Z-
dc.date.available2024-02-21T13:47:30Z-
dc.date.submitted2023-02-13-
dc.identifier.urihttps://bdm.unb.br/handle/10483/37646-
dc.language.isoInglêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1The placement of special moments in a temporal sequence of events may improve the understanding of complex social systems. In the context of war, the identification of critical events, trends and patterns can reveal deep insights regarding the actions and motivations of the involved actors, as well as support informed decision-making. This study aims to investigate if key points of a major global event can be detected through the analysis of news outlets’ unstructured textual data. To do so, we collect 61,165 stories from 11 major news sources and apply latent Dirichlet allocation (LDA) topic modeling to quantify and describe several key events of the Russo-Ukrainian war after its escalation in February 2022. Moreover, we investigate the fluctuations in topic coverage for each news source when compared to the tendencies of the entire system using Kullback-Leibler Divergence (KLD), bringing light to differences in the trendsetting potential of each outlet. The results show that LDA is capable of identifying key events covered across all sources, and KLD may be applied to topic distributions to show that some news outlets exhibit significant deviation from the average expected trendsetting potential of the entire system. This research sheds light on the potential of unstructured text data in uncovering important events in conflict situations.pt_BR
Aparece na Coleção:Ciências Econômicas



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.