Hashtags are words or terms which are used to categorize publications in social media, indexing the content and making it available for retrieval. The hashtags creation is free process, i.e, there are no rules or restrictions to create them. Otherwise, there is a convergence of the terms used to explain and semantically enrich the content. This work aims to study the use of hashtags for the crowd to describe major events. The rise and acceptance of hashtags in major events related to politics, disasters, sports and entertainment were analyzed. Although the broad diversity, we identify some language patterns in the use of hashtags created by the population. Moreover, peculiarities were analyzed in each studied event.
O Twitter é um site de microblogging onde os usuários podem publicar mensagens curtas chamadas tweets. Além de uma das mais utilizadas mídias sociais, foi o precursor do uso de hashtags, recurso que depois foi incorporado em outras mídias sociais.
Mas afinal, o que são hashtags? São termos ou expressões que tentam resumir uma mensagem. Em interações sociais baseadas principalmente em textos, as hastags tornaram-se – apesar de sua simplicidade - um poderoso recurso nas tecnologias de informação e comunicação online. As WAIHCWS’16 was held as part of IHC’16, organized by the Brazilian Computing Society (SBC). October 04, 2016, São Paulo/SP, Brazil. Copyright 2016 © for this paper by its authors. Permission to make digital or hard copies of all or part of this work for personal or classroom use is granted for private and academic purposes. hashtags são usadas para:
Indexação de conteúdo - Hashtags são compostas por termos antecedidos pelo símbolo de tralha (#), tornando-se hiperlinks indexáveis pelos mecanismos de busca. Os usuários podem buscalas, acessar todos os conteúdos associados a elas e as hashtags mais usadas no Twitter ficam agrupadas no menu Trending Topics.
Sumarização de ideias – As mídias sociais são
plataformas naturais para se disseminar ideias e as
hashtags têm sido utilizadas para representá-las,
permitindo o estudo de como as ideias são
disseminadas e propagadas [4; 7]
Expressão de sentimentos e opiniões – Hashtags
podem estar associadas direta ou indiretamente a
sentimentos como alegria, raiva, alívio, susto,
medo, dentre outras, auxiliando também no
entendimento do evento que gerou tal sentimento
(Davidov, 2010). Opiniões (e suas polaridades)
também são expressas por hashtags [
Contextualização – As hashtags podem estar associadas a locais, eventos, sentimentos, ações, datas especiais e pessoas envolvidas, tornando-se um mecanismo de contextualização das mensagens.
Definição de sarcasmo – A identificação da
veracidade da informação é um grande desafio.
Neste contexto, encontramos o sarcasmo. Algumas
hashtags são utilizadas para especificar a
veracidade ou grau de sarcasmo de seu conteúdo
(i.e, #sqn)
Neste sentido, as hashtags são um importante mecanismo
para as interações textuais, permitindo enriquecer
semanticamente textos usualmente curtos e coloquiais.
Atualmente, tornou-se comum publicar tweets sobre
acontecimentos e eventos quase em tempo real [
Analisamos a interação entre usuários em eventos nacionais
e internacionais. Para analisar tais cenários, fez-se o uso da
Lei de Zipf [
A metodologia consiste em três etapas: i) coleta dos dados do Twitter e criação de uma base de dados brutos; ii) aplicação de filtros sobre a base de dados brutos; e iii) a análise sobre a base de dados já tratada.
Foram escolhidos quatro eventos para serem observados por causarem comoção e levantarem discussões nas redes sociais: Rock in Rio 2013, Eleições presidenciais 2014, Morte do candidato Eduardo Campos e a Estreia da quarta temporada de Game of Thrones. Tais eventos foram selecionados pela representativa e repercussão na época, bem como pela grande quantidade de mensagens trocadas
Os dados coletados se deram por meio do uso de um crawler, que obtém os tweets acessando a API (ApplicationProgramming Interface) oficial de busca do Twitter1 utilizando palavras pré-definidas. Foram escolhidos quatro eventos para serem abordados e foi criada uma base de dados para cada um. 1 https://dev.twitter.com/docs/api/1.1, 07/04/2014. acessado em
Strings de busca
##mmuul#lttriiso#shchrokoowicwnknrniionoorrr2oioo0cc1kkO3iinRnOrriioRo2O01R3 0219//00a99//1133 eduardo campos OR marina
OR aecio OR dilma OR PreEsliedieçnõceisais pGMaesantuorroroeOIvaResriaLOledvRoyOEFyRimdLealueixcliOOanRRa 20/0a8/14 2014 Everaldo Pereira OR 03/11/14 Eduardo Jorge OR Jose
Maria OR Rui Costa
Thrones (Quarta temporada) “Eduardo Campos” #got
A base de dados brutos, formada com os dados obtidos no formato JSON, contém campos de dados (como id, data de publicação, hashtags, tweet, etc.). No passo seguinte foi realizado um processamento de todo o conteúdo dessa base. Um código em JavaScript com as funções de MapReduce, aplicado à base contida no MongoDB, foi utilizado para criar combinações entre campos para que fosse possível contabilizar a utilização dessas chaves. A aplicação desses filtros resultou em novas bases contendo apenas os dados que interessavam para as análises realizadas. Para efetuar as diferentes análises foram usadas a linguagem de programação Python e ferramentas de manipulação de planilhas, como tabela dinâmica.
Com os dados devidamente organizados, foi possível fazer as seguintes análises:
Taxa de Surgimento - quantidade de novas hashtags que são criadas em cada dia; Taxa de adesão - quantidade de vezes que uma determinada hashtag foi usada em cada dia; Análise de notícias - relacionadas aos eventos em dias de picos de uso de hashtags sobre o assunto.
Esta observação foi feita com base nas análises das notícias sobre os eventos. Serão utilizadas a Taxa de Surgimento e o Total de Hashtags do evento para entender os picos de hashtags nos acontecimentos, que justificam o comportamento da população em relação aos eventos. A seguir, nas Figuras 1 e 2, é possível observar tal comportamento em dois eventos: sobre entretenimento e no cenário político brasileiro. Além desses, também serão descritos os outros dois eventos analisados que possuem o mesmo tema.
As imagens abaixo apresentam os gráficos das taxas de surgimento do evento Rock in Rio 2013 e Morte do candidato Eduardo Campos.
Percebe-se que 57% de todas as hashtags referentes ao Rock in Rio 2013 surgiram na semana do dia 11 ao dia 17 de setembro, semana que precedeu ao show da cantora norte-americana Beyoncé, que foi dia 14 de setembro. Outros dois dias significativos foram os shows da banda Metallica e do cantor Bon Jovi que se apresentaram no palco principal do evento. Estes artistas foram mencionados entre as dez principais hashtags utilizadas do evento, representando aproximadamente 2% das de todas as hashtags publicadas pelos usuários durante todo o evento e aparecem entre as dez principais do evento, como iremos ver mais a frente detalhadamente análise da taxa de adesão. Esta análise é interessante para que se possa observar quais foram os dias o evento mais acompanhados e comentados pelos fãs nas mídias sociais.
Observa-se uma coleta prévia a data do acidente, sendo possível identificar o exato momento da explosão de hashtags, representado 72% de todas as hashtags referentes à coleta sobre a morte de Eduardo Campos surgiram entre os dias 12 e 15 de agosto. Tal fato deve-se a morte do candidato, ocorrida no dia 13 de agosto, por um desastre aéreo. Também houve uma leve subida no gráfico no dia 17 de agosto, data de seu sepultamento.
No pico do dia 13 de agosto mais de 2000 Hashtags relativas ao evento foram criadas. Isso é um indício de que a população acompanhou e se chocou com o ocorrido.
Pode-se notar, comparando os gráficos das taxas de surgimento e total de hashtags de um mesmo evento, que eles seguem padrões semelhantes. Esse fenômeno ocorreu em todos os eventos observados. É interessante perceber que existe uma relação forte entre o total de hashtags usadas sobre determinado evento e o surgimento de novas hashtags. Os picos do dia 27 de agosto se referem ao debate presidencial ocorrido em uma emissora de televisão, bem como os dias 3 e 14 de outubro. É possível verificar, observando apenas as dez primeiras hashtags utilizadas, em qual emissora foi o debate e qual era a opinião do público em relação aos candidatos.
Na figura 3 observa-se que na quarta temporada de Game of Thrones há duas ocorrências de picos de publicações, bem como de surgimento de novas hashtags. Elas ocorretam nos dias seguintes aos últimos episódios da temporada. A grande comoção na rede social foi devido à morte de um personagem, entre as principais hashtags utilizadas continham o nome do personagem e a insatisfação das pessoas. 39% de todas as hashtags relacionadas a Game of Thrones surgiram entre o dia primeiro e o dia cinco de junho.
A seguir, observa-se o gráfico de outro cenário, este relacionado a política brasileira. Os dados sobre a opinião dos usuários sobre as Eleições Presidenciais Brasileiras de 2014. Apesar de todos os gráficos seguirem um padrão de surgimento similar ao de utilização de modo geral das hashtags, este possui algumas observações simples sobre determinados períodos.
Observa-se, neste acompanhamento em longo prazo, alguns picos na figura abaixo. Analisando o intervalo entre os dias 20 e 28 de agosto percebe-se a diferença entre os dois gráficos, pois no segundo caso há picos, enquanto no primeiro o desenvolvimento do gráfico está normal. Dado que, o dia 21 de agosto foi o início do horário eleitoral, houve pouca publicação, entretanto a variedade de hashtags criadas fez com que o gráfico da taxa de surgimento se destacasse.
Nos dias 5 e 26 de outubro, dias de votação, também houve grande participação popular. Entretanto, é possível verificar que há significativa participação nas mídias sociais em torno deste assunto um dia antes e um dia depois do pico.
Taxa de adesão é a quantidade de vezes que cada hashtag é utilizada em cada dia. Mostra o quanto os usuários aderiram aquela hashtag.
Na imagem a seguir, figura 5, está a distribuição da taxa de adesão das dez hashtags mais populares do evento Rock in Rio 2013. Para a análise das top 10, foi necessário ocultar do gráfico a hashtag “#rockinrio”, devido sua frequência ser aproximadamente dez vezes mais do que a segunda hashtag mais utilizada no evento, o que dificultaria a visualização deste comparativo.
Esta análise permite observar quais atrações foram as mais comentadas do evento e os dias em que elas ficaram em evidência, em geral, foram no dia do evento e no dia seguinte ao show dos artistas mais aguardados pelo público. Além disso, as hashtags sugeridas pelos meios de comunicação, que transmitiram o evento ao vivo, também surgiram entre as mais citadas no evento.
A Figura 6 apresenta taxa de adesão das hashtags relacionadas à quarta temporada de Game of Thrones. Nota-se que a hashtag “themontaindandtheviper” se destaca no dia 2 de junho. Ela mostra a expectativa do público em relação a um evento prestes a acontecer na série durante aquela semana.
Na Figura 7 Nota-se que a maioria das hashtags foi muito utilizada no dia 13 de agosto – data do falecimento do candidato - e decresceu ao longo do período analisado. Esse comportamento é típico de um acontecimento inesperado que choca a população e coloca o tema em foco instantaneamente.
É possível perceber através das hashtags utilizadas no evento das eleições 2014 que a população acompanhou e participou, através das mídias sociais, dos debates pelas principais emissoras de televisão aberta, que são citadas entre as principais hashtags do evento.
Percebe-se que Dilma Rousseff e Marina Silva foram as únicas candidatas que apareceram no top 10 deste evento. Entretanto, a disputa no dia das votações não seguiu esta tendência, que teve como principais concorrentes a candidata, e futuramente eleita, Dilma Rousseff seguida pelo candidato Aécio Neves, que seguiram para votações em segundo turno.
Para verificar se existem padrões na comunicação através de hashtags neste trabalho será utilizada a Lei de Zipf, que estuda a relação entre o posicionamento de uma palavra no ranking de frequência em um texto suficientemente grande e a quantidade de vezes que ela aparece. A relação é dada pela lei de potência:
f(k)=C/kª Sendo ‘k’ a posição da palavra no ranking, ‘c’ a quantidade de vezes que a primeira palavra do ranking aparece e ‘a’ uma constante positiva. A análise abaixo mostra graficamente a distribuição das hashtags dos diferentes eventos.
Uma maneira visual de reconhecer a distribuição de Zipf é notar que os dados ordenados colocados na escala Log x Log se aproximam de uma reta cuja inclinação é igual ‘-a’. O objetivo desta análise é verificar se a comunicação via hashtags segue o mesmo padrão dos textos escritos em português e em muitas outras línguas.
A seguir, observa-se a tabela que representa o cálculo, com base na Lei de Zipf, dos eventos analisados e suas respectivas leis de distribuição de hashtags fixando a mais citada de cada um dos temas e a constate positiva. Com base em dados parciais sobre uma tendência linear.
f(k)=879.590/k^1,03 f(k)=371.426/k^1,12 f(k)=316.085/k^1,33
Abaixo, na figura 9, observa-se o resultado da análise referente ao evento Rock in Rio 2013. Pode-se perceber que a primeira hashtag se distancia das demais, pois a segunda hashtag com maior adesão representa apenas 10% da frequência da primeira mais utilizada “#rockinrio”, definida pelo próprio evento e utilizada por usuários, artistas e emissoras de Rádio/TV.
O ajuste da reta, representado em vermelho nos gráficos, foi calculado através de dados parciais de uma equação linear. Onde o primeiro elemento é dado a partir dos resultados do Log da Posição e a constante ‘-a’ e o segundo é o resultado da subtração do erro dados pelo ajuste linear e o primeiro elemento.
A figura 10 mostra a análise das Hashtags sobre a morte de Eduardo Campos. Percebe-se que as hashtags localizadas nas primeiras posições do ranking destoam um pouco do ajuste linear no gráfico LogxLog. Essa diferença já é conhecida no experimento de Zipf. Espera-se que as primeiras e últimas palavras analisadas fujam do padrão. Entretanto, a partir de um determinado ponto a lei de formação é seguida a risca.
As leis de potência são encontradas em áreas bem diversas: economia e finanças, educação, demografia, geologia, história, climatologia, bibliometria e informetria, terrorismo e guerras, corrupção, turismo, esportes, artes, agronomia, ecologia, biologia, linguística, ciência da computação, ciências cognitivas, ciências sociais, astronomia, mecânica dos sólidos, física e química [1]. A lei de potência usada nas linguagens escritas e sonoras é conhecida como Lei de Zipf, que foi usada neste trabalho para analisar as tags relacionadas a eventos populares.
Na lei de Zipf observa-se que, num texto suficientemente
longo, existe uma relação entre a frequência que uma dada
palavra ocorria e sua posição na lista de palavras ordenadas
segundo sua frequência de ocorrência [
Este estudo analisou o comportamento das hashtags criadas
em 5 grandes eventos. Neste estudo, analisamos se as
hashtags possuíam comportamentos linguísticos como o
surgimento de novos termos mediante novos eventos (taxa
de surgimento), além da fixação e popularidade de termos
(taxa de adesão). A partir da análise destes dois critérios,
percebemos o comportamento de inovação linguística, que
pode ser descrito como qualquer mudança em um sistema
linguístico existente [
Outro comportamento linguístico analisado foi a obediência
ao padrão de Zipf. A lei de Zipf é uma teoria com base na
matemática e linguística que analisa e quantifica como as
palavras são distribuídas dentro de um determinado texto.
Zipf analisou a comunicação escrita em vários textos em
inglês e verificou que as palavras seguem uma lei de
potência. Tal estudo foi replicado por vários estudiosos, em
diferentes línguas, em textos de diferentes conotações
(músicas, textos científicos, poesias e romances) e
chegouse à mesma conclusão: a comunicação humana segue o
princípio de Zipf. Maia [
Até a presente data, não ocorreram estudos que analisassem o comportamento linguístico das hashtags em grandes eventos. Este artigo conduziu e descreveu um estudo inédito para verificar se, mesmo sendo criadas individualmente, o conjunto de hashtags usadas em grandes eventos teriam comportamentos linguísticos, seguindo um padrão semelhante ao dos idiomas humanos.
Este é um estudo preliminar. Como trabalhos futuros, pretendemos analisar uma quantidade maior de eventos e modelar o comportamento de surgimento, uso e desatualização das hashtags.
Agradecimento ao CNPQ, FAPERJ, Fabrício Firmino, Fabio Rangel que contribuíram para a evolução deste trabalho.
1. Bortolossi, H. J., Queiroz, J. J. D. B., & da Silva, M. M., (2012), A Lei de Zipf e Outras Leis de Potência em Dados Empíricos.