Exportar Publicação

Santos, M., Laureano, Raul M. S. & Moro, S. (2017). Geração de conhecimento a partir de dados não estruturados - Identificação de tendências na investigação da reputação no terceiro sector. Congresso da Sociedade Portuguesa de Estatística.

M. R. Santos et al.,  "Geração de conhecimento a partir de dados não estruturados - Identificação de tendências na investigação da reputação no terceiro sector", in Congr.o da Sociedade Portuguesa de Estatística, Lisboa, 2017

@misc{santos2017_1734887202716,
	author = "Santos, M. and Laureano, Raul M. S. and Moro, S.",
	title = "Geração de conhecimento a partir de dados não estruturados - Identificação de tendências na investigação da reputação no terceiro sector",
	year = "2017",
	howpublished = "Ambos (impresso e digital)",
	url = "http://spe2017.iscte-iul.pt/"
}

TY  - CPAPER
TI  - Geração de conhecimento a partir de dados não estruturados - Identificação de tendências na investigação da reputação no terceiro sector
T2  - Congresso da Sociedade Portuguesa de Estatística
AU  - Santos, M.
AU  - Laureano, Raul M. S.
AU  - Moro, S.
PY  - 2017
CY  - Lisboa
UR  - http://spe2017.iscte-iul.pt/
AB  - Este trabalho demonstra a aplicação de uma metodologia que
permite, para o tema da reputação das organizações do terceiro sector: i) identificar
os artigos científicos de maior relevância; ii) identificar nesse conjunto
de artigos tópicos de investigação; e iii) caracterizar esses tópicos quanto às
características dos artigos que os ddefinem. A metodologia contempla diversas
fases.
Primeiro, para se identificar os artigos relevantes sobre reputação no terceiro
sector é necessário identificar os termos utilizados pela academia e pelos profissionais
para se referirem às organizações do terceiro sector e à reputação. A
leitura de artigos permite elaborar uma lista de termos, a qual é objeto de
validação por peritos. Desta etapa resulta uma query para introduzir nos
campos de pesquisa de bases de dados de referência, a fim de identificar artigos
científicos, escritos em inglês. Segue-se um processo de refinamento da
pesquisa, através da leitura do abstract ou corpus, que conduz à exclusão de
artigos escritos noutros idiomas ou não relacionados com o tema, resultando
num conjunto de 177 artigos.
Segundo, para identificar os tópicos de investigação é necessário definir dicionários
que cubram as temáticas endereçadas. Neste caso, são definidos
três: i) tipo de organização do terceiro sector; ii) termos relacionados com o
terceiro sector; e iii) termos relacionados com reputação. Estes dicionários,
validados por peritos, evidenciam sinónimos, plurais, opostos e conceitos associados
aos seus âmbitos. De seguida, recorrendo ao text mining contabiliza-se,
para cada artigo, a frequência de cada uma das entradas do dicionário. Deste
passo resulta uma matriz bidimensional documento-termo, que serve de input
para a aplicação do algoritmo latent Dirichlet allocation, técnica muito usada
na identificação de k-tópicos. Desta fase, após algumas interações com diferentes
k, o investigador seleciona o conjunto de tópicos de investigação mais
adequado aos seus objetivos. Os tópicos refletem associações entre os termos
pesquisados e os artigos analisados. Os resultados apontam para 12 tópicos,
sendo o mais estudado a identidade e o menos estudado o risco.
Terceiro, recorrendo a tabelas de contingência conclui-se que o ano da publicação
é a característica que mais se relaciona com o tópico. Quatro dos
tópicos caracterizam-se por uma tendência de crescimento na última década
e identificam-se tópicos emergentes relacionados com as comunidades online
ou com o risco. Por outro lado, identificam-se tópicos, como os media tradicionais,
que deixaram de ter atenção da academia. Também o editor apresenta
alguma relação com os tópicos. Por exemplo, 11 dos 12 artigos relacionados
com accountability são publicados pela Sage ou pela Wiley. Porém, tópicos
como, por exemplo, a satisfação e governo são abordados em journals dos
diversos editores.
Em suma, a análise proposta ajuda os investigadores a identificar: i) as lacunas
na literatura, as tendências e os desafios; e ii) editores com maior recetividade
aos seus tópicos de investigação
ER  -