Literatura Científica Sobre Mineração de Textos Aplicada à Identificação da Personalidade de Atletas

Um dos desafios das pesquisas científicas é de proporcionar objetividade a partir dos dados obtidos também por meio de depoimentos e entrevistas. Na pesquisa Memórias Olímpicas por Atletas Olímpicos Brasileiros, do Grupo de Estudos Olímpicos da Universidade de São Paulo, foram realizadas aproximadamente 1400 entrevistas com atletas olímpicos brasileiros, resultando em um acervo de informações fundamental para o entendimento do esporte olímpico brasileiro. Na etapa do projeto descrito neste manuscrito, objetivou-se buscar, por meio de uma pesquisa bibliográfica não exaustiva, diferentes estudos que aplicaram métodos de extração de dados, a partir de métodos associados à mineração de dados, por meio da pesquisa na base do Google Acadêmico, utilizando as palavras-chave: (“text mining” ou “mineração de dados”) + (atleta ou esporte) + (psicologia ou personalidade). Não houve restrição quanto ao idioma, nem ano de publicação. Foram verificados 83 resultados, que após aplicados os critérios de inclusão e exclusão, foram analisados 67 resultados. Ainda que os resultados indiquem publicações que apresentam os descritores propostos na busca, observa-se que a maioria apenas fez uso dos termos de maneira teórica ou introdutória, ou mesmo superficialmente em relação ao objeto de estudo, mas não aplicado efetivamente algum formato de extração de textos. Nesse sentido, destaca-se a importância de conhecer o que as produções acadêmicas têm apresentado a respeito da mineração de textos sobre personalidade e aspectos emocionais, presentes em pesquisas associadas a atletas ou no contexto esportivo. Por fim, destaca-se que, o desenvolvimento de métodos que ajudem a extrair e organizar os dados, permitirá diferentes tipos de análises, contribuindo para o estudo de associações entre o conteúdo mais frequentemente presente em narrativas, investigando o cruzamento de dados com luz às teorias psicológicas de traços de personalidade. Constituído como um dos principais fenômenos sociais contemporâneos, o esporte tem se estabelecido como um campo privilegiado de estudo e intervenção, seja nos aspectos específicos de sua prática tática e técnica, mas também educativo e sociocultural.

1 Rubio  K.  Memórias  e  narrativas  biográficas  de  atletas  olímpicos  brasileiros. São Paulo: Képos; 2014. p. 45-90.

2 FlusserV. O mundo codificado. São Paulo: Cosac Naif; 2007.

3 Elmasri  R,NavatheSB.  Sistemas  de  banco  de  dados. SãoPaulo:  Pearson  Addison Wesley; 2005.

4 Kantardzic  M.  Data mining:  Conceps, models, methods,  and algotithms. Hoboken, Nova Jersey, EUA: John Wiley & Sons Inc; 2003.

5 Oliveira Neto JSD. Um modelo conceitual de dados voltado para aplicações de CRM baseado   em   reutilização   de  atributos.[dissertação]. Santa   Catarina: Universidade Federal de Santa Catarina; 2003.

6  Sinoara  RA,  Camacho-Collados  J,  Rossi  RG,  Navigli  R,  Rezende  SO. (2019). Knowledge-enhanced  document embeddings  for  text  classification.  Knowledge-Based Systems.2019; 163:955-971. doi:10.1016/j.knosys.2018.10.026.
Rabelo  IS,  Rubio  K.  Literatura  científica  sobre  a  mineração  de  textos  aplicada  à  identificação  da personalidade de atletas. Olimpianos –Journal of Olympic Studies. 2018; 2(1): 274-303.Olimpianos –Journal of Olympic Studies –v. 2, n. 1(2018)301

7 Marcacini RM, Rossi RG, Matsuno  IP, RezendeSO. Cross-domain aspect extraction for  sentiment  analysis:  A  transductive  learning  approach. Decision  Support  Systems.2018; 114:70-80. doi:10.1016/j.dss.2018.08.009.

8 Sinoara  RA,  Antunes  J,  Rezende  SO.  Text  mining  and  semantics:  a  systematic mapping    study. Journal    of    the    Brazilian    Computer    Society.2017; 23:9.doi:10.1186/s13173-017-0058-7.

9  Sinoara  RA,  Scheicher  RB,  Rezende  SO. Evaluation  of  latent  dirichlet  allocation  for document organization in different levels of semantic complexity. Proceedings of 2017 IEEE   Symposium   Series   on   Computational   Intelligence   (SSCI);   2017. p.   1-8. doi:10.1109/SSCI.2017.8280939.

10  Santos  FF.  Extração  de  tópicos  baseado  em  agrupamento  de  regras  de  associação.[tese]. São  Carlos:  Universidade  de  São  Paulo,  Instituto  de Ciências  Matemáticas  e  de Computação; 2015. doi:10.11606/T.55.2015.tde-02122015-161054.

11 Rezende  SO.  Sistemas  inteligentes:  fundamentos  e  aplicações. São  Paulo: Editora Manole; 2003.

12 Pietroforte  AVS.  Semântica  lexical.  In:  Introdução  à linguísticaII:Princípios  de análise. São Paulo: Editora Contexto; 2010.

13 Rubio  K,Rabelo  IS,Sinoara  RA,Rezende  SO.  (2019).  Quem  procura  acha: mineração  de  textos  na  identificação  da  personalidade  de  atletas  olímpicos. Gerais: Revista Interinstitucional de Psicologia.2019. Noprelo.

14 Marques  ÉB,  Zamberlam  ADO,  de  Oliveira  RF,  Raimann  LH, de  Oliveira  LV. Projeto de módulo de Data Mining para Scout Voleibol. Seminário de Informática -RS (SEMINFO RS 2008),Torres(RS); 2008.

15 Bramer, M. Principles   of   Data   Mining (Undergraduate   Topics   in   Computer Science). Londres: SpringerVerlag London Ltd; 2007.

16 Han  J,Kamber  M.Data cining concepts  and  Techniques.  São  Francisco:Morgan Kaufman Publishers; 2006.

17 Tan  AH.  Text  mining:  The  state  of  the  art  and  the  challenges.  Proceedings  of  the PAKDD 1999 Workshop on Knowledge Disocovery from Advanced Databases, vol. 8; 1999. p. 65-70. Disponível em:<http://textmining.krdll.org.sg>. Acessado em:19 mai.2018.

18 Martins  CB.   Pardo  TAS,  Espina   AP,  Rino   LHM. Introdução  à  sumarização automática. Relatório Técnico RT-DC.2001;2(1):35.

19 Reis RCD,Rodriguez CL,Lyra KT,Jaques PA,Bittencourt II,Isotani, S. Estado da arte   sobre afetividade   na formação   de grupos   em ambientes colaborativos   de aprendizagem. Revista Brasileira de Informática na Educação.2015; 23(3):113–130.

20 Peres  AJDS. The  personality  lexicon  in  Brazilian  Portuguese:  studies  with  natural language.[tese]. Universidade deBrasília; 2018

21 Capretz   LF.   Ahmed   F. Why do we need personality diversity   in software engineering? ACM SIGSOFT Software Engineering Notes.2010; 35(2):1–11

.22 Bartholomeu  D,Machado  AA,Spigato  F,Bartholomeu  LL,Cozza  HFP,Montiel JM.Traços de personalidade, ansiedade e depressão em jogadores de futebol. Rev. bras. psicol. Esporte.2010;3(1): 98-114.

23  Cruz  S,Da  Silva  F,Monteiro  C,Santos  P,Rossilei  I.  Personality  in software engineering:  preliminar  findings  from  a systematic  literature  review. Proceedings  of 15th Annual Conference on Evaluation & Assessment in Software Engineering (EASE 2011); 2011.p. 1–10.
Rabelo  IS,  Rubio  K.  Literatura  científica  sobre  a  mineração  de  textos  aplicada  à  identificação  da personalidade de atletas. Olimpianos –Journal of Olympic Studies. 2018; 2(1): 274-303.Olimpianos –Journal of Olympic Studies –v. 2, n. 1(2018)302

24 Lage GM,Ugrinowitsch H,Malloy-Diniz LF.  Práticas esportivas. In: Malloy-DinizLF, FuentesD, MattosP, AbreuN. Avaliação neuropsicológica. Porto Alegre: Artmed; 2010

.25 Paixão, C.C.;  Fortaleza,  L.L.; Conte, T. Um estudo preliminar sobre as implicações de tipos  de personalidade  no ensino  de computação.  XXXII  Congresso  da  Sociedade Brasileira  de Computação  (CSBC) —XX  Workshop  sobre  Educação  em  Informática (WEI), Curitiba–PR; 2012

26 Perez  CR,Rabelo  IS,Rubio  K.  Avaliação  de  traços  de  personalidade  em  futuros educadores  do  esporte  brasileiro.  Revista  Brasileira  de  Ciência  e  Movimento.2013; 21(4):48-55.

27 Rabelo IS. Investigação de traços de personalidade em atletas brasileiros: análise da adequação  de  uma  ferramenta  de  avaliação  psicológica[tese].  Escola  de  Educação Física e Esporte, Universidade de São Paulo, São Paulo; 2013.

28 Rabelo IS,Rubio  K,Gonçalves  GCM,Silva  PVC. Monitoring  of personality traits among candidates of an athletics program. International Journal of Applied Psychology.2015; 5(5):119-125.

29 Andrade BRDR. Transformando suor em ouro. Rio de Janeiro: Sextante; 2006

30  Witten  IH,Frank  E. Data  Mining:  Practical  machine  learning  tools  and  techniques. São   Francisco:   Morgan   Kaufman;   2005[acesso   19   mai.   2018].Disponível   em: http://www.cs.waikato.ac.nz/ml/weka/index.html.

31 Pereira  MG,Galvão  TF.  Etapas  de  busca  e  seleção  de  artigos  em  revisões sistemáticas da literatura. Epidemiologia e Serviços de Saúde.2017;23(2):369-371.

32 KitchenhamBA.  Procedures  for  Performing  Systematic  Reviews.Tech.  report TR/SE-0401.Newcastle (UK): Keele University; 2004

33  Ferenhof HA,Fernandes RF. Passo-a-passo para construção da Revisão Sistemática e Bibliometria.2015[acesso 18 mai. 2018]. Disponível em:http://www.igci.com.br/artigos/passos_rsb.pdf.

34 Nunes F. Palestra “Revisões Sistemáticas” -Profa. Dra. Fátima Nunes (30/09/2015 -MAE/USP).2015.Disponível em:<https://youtu.be/Wgaw97mTKWM>. Acessado em:18 mai 2018.

35 Silva  EM.  Descoberta  de  Conhecimento  com  o  uso  de  Text  Mining:  Cruzando  o Abismo de Moore.[dissertação]. Brasília: Universidade Católica de Brasília; 2002

36 Vissoci  JRN,Oliveira  LPD,Nascimento  Junior  JRAD,Nakashima  FS,Machado WDL,CiampaADC,Vieira LF. Esporte é um contexto que possibilita emancipação ou colonização  no  processo  de  formação  identitária?  Revista  de  psicología  del  deporte.2018;27(4): 59-65.

37 Ramos  GP.  Processo  de  Mineração  de  Desejos  aplicado  em  dados  dos  Jogos Olímpicos  Rio  2016.[trabalho  de conclusão  de curso].Rio  de  Janeiro:Universidade Federal do Estado do Rio de Janeiro; 2016

38 Fengler DI,FrozzaR. Classificação de sentimentos e sua validação em comentários de usuários. Anais do Salão de Ensino e de Extensão, 2017, p. 356.

39 Coelho  UM,Lima  ACE,Omar  N.  Analisador  de  expressões  positivas  e  negativas aplicado  em  comentários  de  livros  e  filmes. Simposio  Argentino  de  GRANdes  DAtos (AGRANDA)-JAIIO 46, Córdoba, Argentina, 2017.

40 Pang  B,Lee  L.  Opinion  mining  and  sentiment  analysis.  Foundations  and  trends  in information retrieval.2008; 2(1-2):1-135.

41 CavalcantiDC,Prudêncio  RBC,PradhanSS,Shah  JY,Pietrobon  RS. Análise  de sentimento  em citações científicas  para definição  de fatores  de impacto positivo. 
Rabelo  IS,  Rubio  K.  Literatura  científica  sobre  a  mineração  de  textos  aplicada  à  identificação  da personalidade de atletas. Olimpianos –Journal of Olympic Studies. 2018; 2(1): 274-303.Olimpianos –Journal of Olympic Studies –v. 2, n. 1(2018)303Proceedings  of  the  IV  International  Workshop  on  Web  and  Text  Intelligence  (WTI); 2012.p. 1–10.

42 Liu  B.  Sentiment  analysis  and  opinion  mining. Williston(USA): Morgan  & Claypool Publishers; 2012

.43  Guelpeli  MVC. Autônomo,  Sumarização  e  Aprendizado[tese]. Rio  de  Janeiro:Universidade Federal Fluminense; 200844 Mantovani TC. Mineração de in

Acessar