Campo Dublin Core | Valor | Língua |
dc.contributor.advisor | Cajueiro, Daniel Oliveira | - |
dc.contributor.author | Nery, Arthur Gomes | - |
dc.identifier.citation | NERY, 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.description | Trabalho 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.abstract | A 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.rights | Acesso Aberto | pt_BR |
dc.subject.keyword | Rússia | pt_BR |
dc.subject.keyword | Ucrânia | pt_BR |
dc.subject.keyword | Conflitos armados | pt_BR |
dc.subject.keyword | Alocação Latente de Dirichlet | pt_BR |
dc.title | Resonant journalism in the Russo-Ukrainian war : a topic modeling approach to key point detection | pt_BR |
dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
dc.date.accessioned | 2024-02-21T13:47:30Z | - |
dc.date.available | 2024-02-21T13:47:30Z | - |
dc.date.submitted | 2023-02-13 | - |
dc.identifier.uri | https://bdm.unb.br/handle/10483/37646 | - |
dc.language.iso | Inglês | pt_BR |
dc.rights.license | A 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.abstract1 | The 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
|