Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | de Camargo, Luiz Felipe | - |
Autor(es): dc.creator | da Costa Feitosa, Juliana | - |
Autor(es): dc.creator | Bonatti, Eloísa | - |
Autor(es): dc.creator | Simioni, Giovana Ballminut | - |
Autor(es): dc.creator | Brega, José Remo Ferreira | - |
Data de aceite: dc.date.accessioned | 2025-08-21T16:02:58Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T16:02:58Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-031-36805-9_40 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/309424 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/309424 | - |
Descrição: dc.description | Sentiment analysis in social networks is a focus in several studies on Machine Learning, this happens because the scope and speed with which opinions and emotions about events, controversial issues and products and services are treated on the Internet make it attractive to analyze this medium to obtain relevant information and of interest. Based on this context, this paper presents a sentiment analysis on social networks, focusing on Twitter, about the COVID-19 vaccination campaign in Brazil, using Machine Learning techniques, more specifically, logistic regression, and subsequently the eXplainable Artificial Intelligence (XAI) with the methods LIME, SHAP and Eli5 to interpret the model output. Although there are several applications in the field of sentiment analysis, this study focuses on using real Twitter data, extracted according to the desired context, for five months, processing, analyzing and preparing them for training, and on the explainability of the results obtained during the analysis. The results obtained show that the sample population was mostly in favor of vaccination for issues such as health and the collective good of the population, while those who were against wondered about compulsion and the power of freedom of choice, and expressed fear of being part of an experiment, given the design time of vaccine development. | - |
Descrição: dc.description | Universidade Estadual Paulista “Júlio de Mesquita Filho”, SP | - |
Descrição: dc.description | Universidade Estadual Paulista “Júlio de Mesquita Filho”, SP | - |
Formato: dc.format | 617-634 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | COVID-19 | - |
Palavras-chave: dc.subject | explainability | - |
Palavras-chave: dc.subject | explicable artificial intelligence | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | sentiment analysis | - |
Palavras-chave: dc.subject | vaccination | - |
Título: dc.title | eXplainable Artificial Intelligence - A Study of Sentiments About Vaccination in Brazil | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: