Ciências Sociais Computacionais e análise de conteúdo: reflexões a partir da produção latino-americana
Resumo As Ciências Sociais Computacionais (CSC) têm emergido como um campo híbrido formado pela intersecção das Ciências Sociais e da Ciência da Computação, e que se desenvolve pela ampliação da capacidade de análise dos pesquisadores pelos computadores e pelo exponencial crescimento de dados digitais, além de pesquisas baseadas em simulações computacionais baseadas em agentes. Nesse sentido, diversos temas, áreas e metodologias das humanidades têm sido impactadas. Um dos campos potencializados, nesse sentido, é o estudo de objetos sociais/políticos a partir da comunicação humana com Análise de Conteúdo. Apesar de não ser um método recente, pesquisadores e analistas de conteúdos lidam com dificuldades e limites da pesquisa causados pela subjetividade e replicabilidade e têm visto na automatização por meio de computadores a superação desta questão. Assim, buscamos identificar como se deu a incorporação de uma metodologia tradicional pelas CSC na América Latina buscando escrutinar como os cientistas sociais estão operacionalizando as transições teóricas/epistemológicas nesse campo em formação. Para tanto, fizemos análise cientométrica de artigos publicados por instituições e pesquisadores da região e os dados demonstram uma bibliografia composta de autores mais tradicionais das humanidades, mas com forte incorporação metodológica das técnicas da Ciência da Computação.
- 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). Ciências Sociais Computacionais e análise de conteúdo: reflexões a partir da produção latino-americana. Revista De Estudios Brasileños, 10(21), 151–167. https://doi.org/10.14201/reb20231021151167
Downloads
Não há dados estatísticos.
+
−