Análise de Comunidades em Redes Sociais utilizando Mineração de dados: Um estudo de caso nas redes da UFPA SCRM 2016 Ingrid Nascimento Márcia Pinheiro Ádamo Santana
Agenda Introdução Detecção de Comunidades Metodologia Resultados Conclusão
Introdução Our view of social customer relationship management:
Detecção de Comunidades
Algoritmo K-means K agrupamentos pré-especificados Simplicidade e rápida execução Bastante utilizado em aplicações científicas e industriais (ISOD; SAHU, 2013)
Índice de Validação Interna - IVI Índice Silhouette (S) 𝑆= 𝑏 𝑖 −𝑎(𝑖) 𝑚𝑎𝑥 𝑎 𝑖 ,𝑏(𝑖) a 𝑖 : média de dissimilaridade do elemento 𝑖 no mesmo cluster; b 𝑖 : Menor média de 𝑖 em relação aos demais clusters;
Metodologia Enterprise Resource Planning
Resultados RSO IVI Número de Comunidades Valor do Índice Facebook Silhouette 4 0.8027 Instagram 3 0.7623 Twitter 2 0.7741
Comunidades
Facebook O algoritmo K-means identificou 4 comunidades de seguidores na base do Facebook
Twitter O algoritmo K-means indicou que há 2 comunidades de seguidores na base do Twitter
Instagram O algoritmo K-means indicou 3 comunidades de seguidores na base do Instagram
Conclusão Os resultados alcançados demonstraram os principais meios de engajamento utilizados pelos usuários Identificação de comunidades de usuários influentes Confiabilidade dos resultados em comparação a análises de ferramentas “blackboxes”
Trabalhos Futuros Desenvolvimento de aplicações e surveys para a coleta de dados públicos dos perfis de usuários Introdução de novas variáveis: novas reactions do Facebook, “curtidas” do Twitter.
Perguntas?
Análise de Comunidades em Redes Sociais utilizando Mineração de dados: Um estudo de caso nas redes da UFPA SCRM 2016 Ingrid Nascimento (ingrid.nascimento91@gmail.com) Márcia Fontes (eng.marciafontes@gmail.com) Ádamo Santana (alwkynew@gmail.com)