Amostragem Não Probabilística e Twitter

Os dados do Twitter são amplamente utilizados nas ciências sociais. A Interface de Programação de Aplicações (API) do Twitter permite que pesquisadores construam grandes bancos de dados de atividades dos usuários de forma eficiente. Apesar do potencial do Twitter como fonte de dados, menos atenção tem sido dada às questões de amostragem e, em particular, às implicações de diferentes estratégias de amostragem na qualidade geral dos dados. Esta pesquisa propõe um conjunto de distinções conceituais entre quatro tipos de populações que emergem ao analisar dados do Twitter e sugere estratégias de amostragem que facilitam uma coleta de dados mais abrangente da API do Twitter. Usando três aplicações extraídas de grandes bancos de dados de atividades do Twitter, esta pesquisa também compara os resultados das estratégias de amostragem propostas, que fornecem representações defensáveis da população de atividade, com aqueles coletados com amostras de hashtags mais frequentemente utilizadas. Os resultados sugerem que amostras de hashtags retratam de forma errônea aspectos importantes da atividade no Twitter e podem levar os pesquisadores a conclusões errôneas.