ANÁLISE DE SENTIMENTO NAS REDES SOCIAIS COMO FERRAMENTA DE APOIO À TOMADA DE DECISÃO NA GESTÃO DE RISCO REPUTACIONAL NO SETOR BANCÁRIO
DOI:
https://doi.org/10.56238/arev7n10-149Palavras-chave:
Análise de Sentimentos, Risco Reputacional, Mídias Sociais, Instituições Financeiras, Aprendizado de MáquinaResumo
A crescente exposição digital das instituições financeiras destaca a necessidade de um monitoramento eficaz do risco reputacional. Este estudo propõe o desenvolvimento de um modelo de análise de sentimentos aplicado a textos coletados da rede social X (antigo Twitter), com o objetivo de classificar automaticamente os comentários dos usuários com base na polaridade emocional (positiva, neutra ou negativa). A metodologia inclui coleta de dados via API, pré-processamento de texto, balanceamento de classes e a implementação do algoritmo Naive Bayes por meio de técnicas de aprendizado supervisionado em Python. Os resultados mostraram uma precisão geral de até 69,27% no conjunto de dados original, com melhorias de desempenho para classes minoritárias usando upsampling. O modelo se mostrou mais eficaz na detecção de sentimentos negativos, que são cruciais na gestão do risco reputacional. A solução proposta visa apoiar a tomada de decisões no setor bancário, aprimorando o monitoramento da imagem institucional e as estratégias de prevenção de crises.
Downloads
Referências
Associação Brasileira de Normas Técnicas. (2018). NBR ISO 31000:2018: Gestão de riscos – Diretrizes. https://www.gov.br/transportes/pt-br/centrais-de-conteudo/iso-31000-de-2018-gestao-de-riscos-pdf
Ferreira, V. M. da S. (2022). Fuzzy logic applied to the analysis of conflict of ideas in social networks [Doctoral dissertation, Federal University of Rio de Janeiro]. Repositório HCTE. https://www.hcte.ufrj.br/docs/teses/2022/vinicius_marques_ferreira_hcte_2022.pdf
Fombrun, C. J., & Shanley, M. (1990). What's in a name? Reputation building and corporate strategy. Academy of Management Journal, 33(2), 233–258. https://doi.org/10.5465/256324
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
Liu, B. (2020). Sentiment analysis: Mining opinions, sentiments, and emotions (2nd ed.). Cambridge University Press.
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth summer research project on artificial intelligence. Dartmouth College. http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
Menezes, D. (2011). Reputational risk management: Practices and challenges. Diálogo – Revista ESPM de Comunicação Corporativa, (1), 16–20. http://dialogo.espm.br/index.php/dialogo/article/view/12
Russell, S., & Norvig, P. (2013). Artificial intelligence (R. C. S. de Macedo, Trans.; 3rd ed.). Elsevier.
Westphal, A. C. M. (2012). Reputational risk of banking institutions: An evaluation with structural equation modeling [Doctoral dissertation, Federal University of Rio de Janeiro]. Repositório IE. https://www.ie.ufrj.br/images/IE/PPGE/teses/2012/ANDRES%20CRISTIAN%20MACHUCA%20WESTPHAL.pdf
