Aprendizado de Máquina, Análise de Sentimento e Tweets: Um Exame do Estigma da Doença de Alzheimer no Twitter

OBJETIVOS: Cientistas sociais precisam de métodos práticos para aproveitar grandes conjuntos de dados disponíveis publicamente que informam o contexto social do envelhecimento. Descrevemos nosso desenvolvimento de um método semi-automático de codificação de texto e utilizamos uma análise de conteúdo da representação da doença de Alzheimer (DA) e demência no Twitter para demonstrar seu uso. A abordagem melhora a viabilidade de examinar grandes conjuntos de dados disponíveis publicamente. MÉTODO: Técnicas de aprendizado de máquina modelaram a estigmatização expressa em 31.150 tweets relacionados à DA coletados via API de busca do Twitter com base em 9 palavras-chave relacionadas à DA. Dois pesquisadores codificaram manualmente 311 tweets aleatórios em 6 dimensões. Essa entrada de 1% do conjunto de dados foi usada para treinar um classificador contra o texto do tweet e codificar os 99% restantes do conjunto de dados. RESULTADOS: Nosso processo automatizado identificou que 21,13% dos tweets relacionados à DA usaram palavras-chave relacionadas à DA para perpetuar o estigma público, o que pode impactar estereótipos e expectativas negativas para indivíduos com a doença e aumentar a "excess disability". DISCUSSÃO: Essa técnica poderia ser aplicada a questões em gerontologia social relacionadas a como as mídias sociais refletem e moldam atitudes que influenciam outros desfechos de desenvolvimento. Recomendações para a coleta e análise de grandes conjuntos de dados do Twitter são discutidas.