Ciencias Sociales Computacionales y Análisis de Contenido: reflexiones a partir de la producción latinoamericana
Resumen Las Ciencias Sociales Computacionales (CSC) han emergido como un campo híbrido formado por la intersección de las Ciencias Sociales y las Ciencias de la Computación, y que se desarrolla por la expansión de la capacidad de análisis de los investigadores por el uso de ordenadores y el crecimiento exponencial de los datos digitales, así como de la investigación con simulaciones informáticas basadas en agentes. En este sentido, se han visto afectados diversos temas, áreas y metodologías de las humanidades. Uno de los campos potenciados ha sido el estudio de los objetos sociales/políticos de la comunicación humana con el Análisis de Contenido. Aunque no sea un método reciente, los investigadores y analistas de contenido hacen frente a dificultades y limitaciones derivadas de la subjetividad y la replicabilidad, encontrando en la automatización mediante ordenadores la vía para la superación de estos problemas. Así, buscamos identificar cómo se produjo la incorporación de una metodología tradicional por parte de la CSC en América Latina, escudriñando cómo los científicos sociales operacionalizan las transiciones teórico/epistemológicas en este campo en formación. Realizamos un análisis cienciométrico de artículos publicados por instituciones e investigadores de la región. Los datos ponen en evidencia una bibliografía compuesta por autores de humanidades más tradicionales, pero con una fuerte incorporación metodológica de técnicas de Ciencias de la Computación.
- Referencias
- Cómo citar
- Del mismo autor
- Métricas
Bardin, L. (2008). Análise de conteúdo. Lisboa: Edições 70.
Benoit, K. (2020). Text as Data: an overview. In L. Curini, & R. Franzese. The SAGE Handbook of Research Methods in Political Science and IR. Londres: Sage Publications.
Blei, D. M., Ng., A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. The Journal of Machine Learning Research, 3, 993-1022.
Bourdieu, P. (1989). O poder simbólico. Lisboa/Rio de Janeiro: Difel/Bertrand Brasil.
Camargo, B. V., & Justo, A. M. (2013). Tutorial para uso do software IRaMuTeQ (Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires). Florianópolis: Laboratório de Psicologia Social da Comunicação e Cognição – UFSC.
Cioffi-Revilla, C. (2017). Introduction to Computational Social Science: Principles and Applications. Londres: Springer.
Conte, R. et al. (2012). Manifesto of computational social science. The European Physical Journal Special Topics, 214, 325-346.
Cúrcio, V. R. (2006). Estudos estatísticos de textos literários. Revista Texto Digital, 2(2), 9-28.
Eck, N. J. van, & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523-538.
Edelman, A., Wolff, T., Montagne, D., & Bail, C. A. (2020). Computational Social Science and Sociology. Annual Review of Sociology, 46, 61-81.
Feng, G. (2014). Intercoder reliability indices: disuse, misuse, and abuse. Quality & Quantity, 48, 1803-1815.
Grácio, M. C. C. (2020). Análises relacionais de citação para a identificação de domínios científicos. São Paulo: Cultura Acadêmica.
Grimmer, J., & Stewart, B. M. (2013). Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts. Political Analysis, 21(3), 267-297.
Grimmer, J; Roberts, & M. Stewart, B.M. (2021). Machine Learning for Social Science: An Agnostic Approach. Annual Review of Political Science, 24, 395-419
Grimmer, J., Roberts, M. E., & Stewart, B. M. (2022). Text as Data. Princenton: Princenton University Press.
Habermas, J. (1984). A mudança estrutural da esfera pública. Rio de Janeiro: Tempo Universitário.
Hayes, A. & Krippendorff, K. (2007). Answering the call for a standard reliability measure for coding data. Communication methods and measures, 1(1), 77-89.
Izumi, M., & Moreira, D. (2018). O texto como dado: desafios e oportunidades para as ciências sociais. BIB - Revista Brasileira de Informação Bibliográfica em Ciências Sociais, 86, 138-174.
Kolbe, R. H., & Burnett, M. S. (1991). Content-analysis research: an examination of applications with directives for improving research reliability and objectivity. Journal of Consumer Research, 18(2), 243-250.
Krippendorff, K. (2004). Content Analysis: an introduction to its methodology. SAGE Publications.
Lasswell, H. (1978). A estrutura e a função da comunicação na sociedade. In G. Cohn (Org.). Comunicação e indústria cultural. São Paulo: Cia Editora Nacional.
Lazer, D. et al. (2009). Computational Social Science. Science, 323(5915), 721-723.
Lazer, D. et al. (2020). Computational social science: Obstacles and opportunities. Science, 369(6507), 1060-1062.
Lebart, L., & Salem, A. (1994). Statistique textuelle. Paris: Dunod.
Lima, J. Á. (2013). Por uma Análise de Conteúdo mais fiável. Revista Portuguesa de Pedagogia, 47(1), 7-29.
Lipman, W. (2008). Opinião pública. Petrópolis: Vozes.
Moreira, D., Pires, A., & Medeiros, M. A. (2022). Do ‘texto como texto’ ao ‘texto como dado’: o potencial das pesquisas em Relações Internacionais. Revista de Sociologia e Política, 30, 1-29.
Moraes, R., & Galiazzi, M. C. (2006). Análise textual discursiva: processo reconstrutivo de múltiplas faces. Ciência & Educação (Bauru), 12, 117-128.
Neuendorf, K. A. (2017). The Content Analysis: guidebook. Thousand Oaks: Sage Publications.
Salganik, M. (2018). Bit by bit: social research in digital age. Nova Jersey: Princeton University Press.
Sampaio, R. C., & Lycarião, D. (2021). Análise de Conteúdo Categorial: manual de aplicação. Brasília, DF: ENAP. Recuperado em 4 de janeiro de 2023, de https://repositorio.enap.gov.br/bitstream/1/6542/1/Analise_de_conteudo_categorial_final.pdf.
Sampaio, R. C., Lycarião, D., Codato, A. N., Marioto, D. J. F., Bittencourt, M., Nichols, B. W., & Sanchez, C. S. (2022). Mapeamento e reflexões sobre o uso da análise de conteúdo na SciELO-Brasil (2002-2019). New Trends in Qualitative Research, 15, e747-e747.
Sartori, G. (1998). Homo Videns: la sociedad teledirigida. Rio de Janeiro: Taurus.
Tennant, J. P. (2020). Web of Science and Scopus are not global databases of knowledge. European Science Editing, 46, e51987.
Zhou, ZH. (2021). Machine Learning. Springer Nature Singapure.
Benoit, K. (2020). Text as Data: an overview. In L. Curini, & R. Franzese. The SAGE Handbook of Research Methods in Political Science and IR. Londres: Sage Publications.
Blei, D. M., Ng., A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. The Journal of Machine Learning Research, 3, 993-1022.
Bourdieu, P. (1989). O poder simbólico. Lisboa/Rio de Janeiro: Difel/Bertrand Brasil.
Camargo, B. V., & Justo, A. M. (2013). Tutorial para uso do software IRaMuTeQ (Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires). Florianópolis: Laboratório de Psicologia Social da Comunicação e Cognição – UFSC.
Cioffi-Revilla, C. (2017). Introduction to Computational Social Science: Principles and Applications. Londres: Springer.
Conte, R. et al. (2012). Manifesto of computational social science. The European Physical Journal Special Topics, 214, 325-346.
Cúrcio, V. R. (2006). Estudos estatísticos de textos literários. Revista Texto Digital, 2(2), 9-28.
Eck, N. J. van, & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523-538.
Edelman, A., Wolff, T., Montagne, D., & Bail, C. A. (2020). Computational Social Science and Sociology. Annual Review of Sociology, 46, 61-81.
Feng, G. (2014). Intercoder reliability indices: disuse, misuse, and abuse. Quality & Quantity, 48, 1803-1815.
Grácio, M. C. C. (2020). Análises relacionais de citação para a identificação de domínios científicos. São Paulo: Cultura Acadêmica.
Grimmer, J., & Stewart, B. M. (2013). Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts. Political Analysis, 21(3), 267-297.
Grimmer, J; Roberts, & M. Stewart, B.M. (2021). Machine Learning for Social Science: An Agnostic Approach. Annual Review of Political Science, 24, 395-419
Grimmer, J., Roberts, M. E., & Stewart, B. M. (2022). Text as Data. Princenton: Princenton University Press.
Habermas, J. (1984). A mudança estrutural da esfera pública. Rio de Janeiro: Tempo Universitário.
Hayes, A. & Krippendorff, K. (2007). Answering the call for a standard reliability measure for coding data. Communication methods and measures, 1(1), 77-89.
Izumi, M., & Moreira, D. (2018). O texto como dado: desafios e oportunidades para as ciências sociais. BIB - Revista Brasileira de Informação Bibliográfica em Ciências Sociais, 86, 138-174.
Kolbe, R. H., & Burnett, M. S. (1991). Content-analysis research: an examination of applications with directives for improving research reliability and objectivity. Journal of Consumer Research, 18(2), 243-250.
Krippendorff, K. (2004). Content Analysis: an introduction to its methodology. SAGE Publications.
Lasswell, H. (1978). A estrutura e a função da comunicação na sociedade. In G. Cohn (Org.). Comunicação e indústria cultural. São Paulo: Cia Editora Nacional.
Lazer, D. et al. (2009). Computational Social Science. Science, 323(5915), 721-723.
Lazer, D. et al. (2020). Computational social science: Obstacles and opportunities. Science, 369(6507), 1060-1062.
Lebart, L., & Salem, A. (1994). Statistique textuelle. Paris: Dunod.
Lima, J. Á. (2013). Por uma Análise de Conteúdo mais fiável. Revista Portuguesa de Pedagogia, 47(1), 7-29.
Lipman, W. (2008). Opinião pública. Petrópolis: Vozes.
Moreira, D., Pires, A., & Medeiros, M. A. (2022). Do ‘texto como texto’ ao ‘texto como dado’: o potencial das pesquisas em Relações Internacionais. Revista de Sociologia e Política, 30, 1-29.
Moraes, R., & Galiazzi, M. C. (2006). Análise textual discursiva: processo reconstrutivo de múltiplas faces. Ciência & Educação (Bauru), 12, 117-128.
Neuendorf, K. A. (2017). The Content Analysis: guidebook. Thousand Oaks: Sage Publications.
Salganik, M. (2018). Bit by bit: social research in digital age. Nova Jersey: Princeton University Press.
Sampaio, R. C., & Lycarião, D. (2021). Análise de Conteúdo Categorial: manual de aplicação. Brasília, DF: ENAP. Recuperado em 4 de janeiro de 2023, de https://repositorio.enap.gov.br/bitstream/1/6542/1/Analise_de_conteudo_categorial_final.pdf.
Sampaio, R. C., Lycarião, D., Codato, A. N., Marioto, D. J. F., Bittencourt, M., Nichols, B. W., & Sanchez, C. S. (2022). Mapeamento e reflexões sobre o uso da análise de conteúdo na SciELO-Brasil (2002-2019). New Trends in Qualitative Research, 15, e747-e747.
Sartori, G. (1998). Homo Videns: la sociedad teledirigida. Rio de Janeiro: Taurus.
Tennant, J. P. (2020). Web of Science and Scopus are not global databases of knowledge. European Science Editing, 46, e51987.
Zhou, ZH. (2021). Machine Learning. Springer Nature Singapure.
Oliveira, G., & Cardoso Sampaio , R. (2023). Ciencias Sociales Computacionales y Análisis de Contenido: reflexiones a partir de la producción latinoamericana. Revista De Estudios Brasileños, 10(21), 151–167. https://doi.org/10.14201/reb20231021151167
Descargas
Los datos de descargas todavía no están disponibles.
+
−