Análise de sentimento no discurso político das eleições brasileiras de 2018

Abstract

Neste artigo, aplicamos a análise de sentimento nas postagens do Twitter durante o período eleitoral de 2018, com o objetivo de examinar e classificar as opiniões expressas pelo público no contexto eleitoral. Utilizamos uma base de dados com 61.277 tweets, filtrados e selecionados por palavras-chave para alcançar maior precisão sobre os candidatos, revelando uma imagem política polarizada. O algoritmo VADER foi escolhido por ser eficaz em textos curtos e informais, como os das redes sociais, permitindo classificar os sentimentos em positivos e negativos. Nos resultados, observamos que a maioria dos comentários sobre os candidatos foi negativa, com vários termos em repetição indicando desinformação ou “fake news”, um impacto que persiste até hoje, influenciando muitas pessoas a acreditarem em falsas informações. Por outro lado, os sentimentos positivos, embora menos frequentes, estão associados a um campo semântico de apoio e esperança. A análise qualitativa, por meio de nuvens de palavras, reforça um cenário de intensa polarização afetiva, marcada por emoções extremas em detrimento de debates racionais ou programáticos. Estes resultados indicam que as mídias sociais funcionam como ambientes que amplificam disputas emocionais e divisões sociais duradouras. O artigo evidencia que as técnicas fundamentadas em big data e processamento de linguagem natural possibilitam compreender os padrões de conduta eleitoral, destacando as táticas de disseminação da desinformação e da polarização, questões cruciais para a saúde democrática. Assim, este estudo contribui para entender como a comunicação digital influencia as eleições, ressaltando a importância de abordagens integradas para analisar o discurso político nas redes sociais.