CIÊNCIA DE DADOS E PRODUÇÃO DE CONHECIMENTOS DE INTELIGÊNCIA
POTENCIAL DA ANÁLISE DE DADOS DE REDES SOCIAIS DIGITAIS PARA A ATIVIDADE DE INTELIGÊNCIA
Palavras-chave:
Inteligência, Ciência de Dados, produção de conhecimentos de Inteligência, análise de dados, redes sociais
Resumo
Nos últimos 20 anos, o escopo de interesse da atividade de Inteligência expandiu de modo a abranger conteúdos e métodos que foram gerados de forma digital (ou passaram a deixar registros digitais). Ante as peculiaridades dos dados de redes sociais, torna-se necessário incorporar técnicas da Ciência de Dados ao conjunto de métodos de análise de Inteligência. O presente artigo expõe o potencial das técnicas da Ciência de Dados na análise de dados de redes sociais digitais para a produção de conhecimentos de Inteligência. A motivação deste ensaio é divulgar e fomentar o debate acerca do aperfeiçoamento constante de métodos, técnicas e ferramentas da Ciência de Dados adotados na análise de redes sociais.
Referências
AMBROS, Christiano; LODETTI, Daniel. Vieses cognitivos na atividade de Inteligência:
conceitos, categorias e métodos de mitigação. Revista Brasileira de Inteligência. Brasília,
n. 14, p. 9-34, dez. 2019.
ANANTHANARAYANAN, Rajagopal; ESSER, Steven; MODHA, Dharmendra; NDIRANGO,
Anthony; SHERBONDY, Anthony; SINGH, Raghavendra. Cognitive Computing.
Communications of the ACM, v. 54, p. 62-71, 2011. Disponível em: http://cacm.acm.org/
magazines/2011/8/114944-cognitive-computing/fulltext. Acesso em: 01 out. 2021.
BRASIL, Lei nº 9.883, de 7 de dezembro de 1999. Institui o Sistema Brasileiro de
Inteligência, cria a Agência Brasileira de Inteligência - ABIN, e dá outras providências.
Brasília, DF: Presidência da República, 1999. Disponível em: http://www.planalto.gov.
br/ccivil_03/leis/L9883.htm. Acesso em: 01 out. 2021.
______. Decreto nº 4.376, de 13 de setembro de 2002. Dispõe sobre a organização e o
funcionamento do Sistema Brasileiro de Inteligência, instituído pela Lei nº 9.883, de 7
de dezembro de 1999, e dá outras providências. Brasília, DF: Presidência da República,
2002. Disponível em: http://www.planalto.gov.br/ccivil_03/decreto/2002/d4376.htm.
Acesso em: 01 out. 2021.
______. Decreto nº 8.793, de 29 de junho de 2016. Fixa a Política Nacional de Inteligência.
Brasília, DF: Presidência da República, [2016a]. Disponível em: http://www.planalto.gov.
br/ccivil_03/_ato2015-2018/2016/decreto/D8793.htm. Acesso em: 01 out. 2021.
______ . Gabinete de Segurança Institucional. Agência Brasileira de Inteligência. Doutrina
Nacional de Inteligência: fundamentos doutrinários fundamentos doutrinários. Brasília:
ABIN, 2016 Disponível em: https://www.gov.br/abin/pt-br/centrais-de-conteudo/
publicacoes/Col3v58.pdf. Acesso em: 01 out. 2021.
______. Decreto nº 10.445, de 30 de julho de 2020. Aprova a Estrutura Regimental e o
Quadro Demonstrativo dos Cargos em Comissão e das Funções de Confi ança da Agência
Brasileira de Inteligência e remaneja e transforma cargos em comissão e funções de
confi ança. Brasília, DF: Presidência da República, 2020. Disponível em: http://www.
planalto.gov.br/ccivil_03/_ato2019-2022/2020/decreto/ D10445.htm. Acesso em: 1º
out. 2021.
BURLINGAME, Noreen; NIELSEN, Lars. A Simple Introduction to Data Science. Wickford,
New Street Communications, 2012.
BUSCHMANN, Frank; MEUNIER, Régine; ROHNERT, Hans; SOMMERLAD, Peter; STAHL,
Michael. Pattern-Oriented Software Architecture - A System of Patterns. New York-NY:
John Wiley and Sons, 1996.
Roger. Information technology and dataveillance. Communications of the ACM.
v. 31, n. 5, p. 498-512, 1988. Disponível em: http://www.rogerclarke.com/DV/CACM88.
html. Acesso em: 01 out. 2021.
COLBAUGH, Richard; GLASS, Kristin. Estimating sentiment orientation in social media
for intelligence monitoring and analysis. IEEE International Conference on Intelligence
and Security Informatics (ISI), p. 135–137, 2010. Disponível em: https://www.scss.tcd.
ie/Khurshid.Ahmad/Research/Sentiments/K_Teams_Buchraest/05484760.pdf. Acesso
em: 01 out. 2021.
GANTZ, John; REINSEL, David. Extracting Value from Chaos, Framingham: International
Data Corporation. 2011. Disponível em: https://www.whizpr.be/upload/medialab/21/
company/IDC_1142.pdf . Acesso em: 01 out. 2021.
GHAZI, Diman, INKPEN, Diana; SZPAKOWICZ, Stan. Hierarchical versus fl at classifi cation of
emotions in text. Proceedings of the NAACL HLT 2010 workshop on computational approaches
to analysis and generation of emotion in text. Association for Computational Linguistics,
p. 140–146, 2010. Disponível em: https://dl.acm.org/doi/pdf/10.5555/1860631.1860648.
Acesso em: 01 out. 2021.
GILLILAND, Anne J. Introduction to Metadata. 3ª ed. Los Angeles, Getty Research Institute,
2016. Disponível em: http://www.getty.edu/publications/intrometadata/. Acesso em:
01 out. 2021.
HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data Mining: Concepts and Techniques. 3ª ed.
Waltham, Morgan Kaufmann Publishers, 2012.
HAYASHI, Chikio. What is Data Science? Fundamental Concepts and a Heuristic Example.
In: Data Science, Classifi cation, and Related Methods. Studies in Classifi cation, Data Analysis,
and Knowledge Organization. Tokyo, Springer, 1998.
HECHT, Brent; HONG, Lichan; SUH, Bongwon; CHI, Ed H. Tweets from Justin Bieber’s
heart: The dynamics of the location fi eld in user profi les. In Proceedings of the SIGCHI
Conference on Human Factors in Computing Systems (CHI ’11). Vancouver: Canada. ACM.
p. 237–246, 2011. Disponível em: https://www-users.cs.umn.edu/~bhecht/publications/
bhecht_chi2011_location.pdf. Acesso em: 19 out. 2021.
KAATI, Lisa; SHRESTHA, Amendra; COHEN, Katie; LINDQUIST; Sinna. Automatic detection
of xenophobic narratives: A case study on swedish alternative media. IEEE Conference on
Intelligence and Security Informatics (ISI). Tucson: USA. IEEE. 2016. Disponível em: https://
www.foi.se/download/18.7fd35d7f166c56ebe0bffd8/1542623691578/Automaticdetection-
xenophopic_FOI-S--5655--SE.pdf. Acesso em: 01 out. 2021.
KESHTKAR, Fazel; INKPEN, Diana. Using Sentiment Orientation Features for Mood Classifi cation in blogs. IEEE International Conference on Natural Language Processing
and Knowledge Engineering. Dalian: China. IEEE. 2009. Disponível em: https://www.
researchgate.net/publication/224076625_Using_sentiment_orientation_features_for_
mood_classifi cation_in_blogs. Acesso em: 01 out. 2021.
KELLEHER, John D; TIERNEY, Brendan. Data Science, 1ª ed. Cambridge, MIT Press, 2018.
LOWENTHAL, Mark. Intelligence: from secrets to policy. 8ª ed. Washington-DC, CQ Press,
2019.
NUNES, Eric; DIAB, Ahmad; GUNN, Andrew; MARIN, Ericsson; MISHRA, Vineet; PALIATH,
Vivin; ROBERTSON, John; SHAKARIAN, Jana; THART, Amanda; SHAKARIAN, Paulo. Darknet
and Deepnet mining for proactive cybersecurity threat intelligence. 2016. Disponível em:
https://arxiv.org/abs/1607. 08583. Acesso em: 01 out. 2021.
O’NEIL, Cathy. Weapons of Math Destruction: how big data increases inequality and threatens
democracy. New York, Crown Publishers, 2016.
ROWE, Matthew; SAIF, Hassan. Mining pro-isis radicalisation signals from social media
users. Proceedings of the Tenth International AAAI Conference on Web and Social Media
(ICWSM 2016). Cologny: Germany. AAAI. p. 329–338, 2016. Disponível em: http://oro.
open.ac.uk/48477/. Acesso em: 01 out. 2021.
RUSSELL, Stuart Jonathan; NORVIG, Peter. Artifi cial Intelligence: A Modern Approach. 4ª
ed. Global edition. Hoboken, Pearson, 2021.
SHERMAN, Chris; PRICE, Gary. The invisible web: uncovering information sources: search
engines can’t see. 7ª ed. Medford, CyberAge Books, Information Today, Inc., 2001.
THORLEUCHTER, Dirk; VAN DEN POEL; Dirk. Protecting research and technology from
espionage. Expert Systems with Applications. Elsevier. v. 40, issue 9, p. 3432-3440. 2013.
Disponível em: http://wps-feb.ugent.be/Papers/wp_12_824.pdf Acesso em: 1º out. 2021.
WANG, Yingxu; ZHANG, Du; LATOMBE, Jean-Claude; KINSNER, Witold. Advances in
the Fields of Cognitive Informatics and Cognitive Computing. In: Advances in Cognitive
Informatics and Cognitive Computing. Stanford, Springer, 2010.
YIN, Jie; LAMPERT, Andrew; CAMERON, Mark; ROBINSON, Bella; POWER, Robert. Using
social media to enhance emergency situation awareness. International Joint Conference
on Artifi cial Intelligence Buenos Aires: Argentina. IEEE. v. 27, p. 52–59, 2015. Disponível
em: https://www.researchgate.net/publication/280829031_Using_Social_Media_to_
Enhance_Emergency_Situation_Awareness_Extended_Abstract. Acesso em: 01 out. 2021.
ZHOU, Ning; CHEUNG, William K.; QIU, Guoping; XUE, Xiangyang. A hybrid probabilistic model for unifi ed collaborative and content-based image tagging. IEEE Transactions on
Pattern Analysis and Machine Intelligence. IEEE. v. 33, p. 1281–1294, 2011. Disponível em:
https://www.researchgate.net/publication/224196190_A_Hybrid_Probabilistic_Model_
for_Unifi ed_Collaborative_and_Content-Based_Image_Tagging. Acesso em: out. 2021.
conceitos, categorias e métodos de mitigação. Revista Brasileira de Inteligência. Brasília,
n. 14, p. 9-34, dez. 2019.
ANANTHANARAYANAN, Rajagopal; ESSER, Steven; MODHA, Dharmendra; NDIRANGO,
Anthony; SHERBONDY, Anthony; SINGH, Raghavendra. Cognitive Computing.
Communications of the ACM, v. 54, p. 62-71, 2011. Disponível em: http://cacm.acm.org/
magazines/2011/8/114944-cognitive-computing/fulltext. Acesso em: 01 out. 2021.
BRASIL, Lei nº 9.883, de 7 de dezembro de 1999. Institui o Sistema Brasileiro de
Inteligência, cria a Agência Brasileira de Inteligência - ABIN, e dá outras providências.
Brasília, DF: Presidência da República, 1999. Disponível em: http://www.planalto.gov.
br/ccivil_03/leis/L9883.htm. Acesso em: 01 out. 2021.
______. Decreto nº 4.376, de 13 de setembro de 2002. Dispõe sobre a organização e o
funcionamento do Sistema Brasileiro de Inteligência, instituído pela Lei nº 9.883, de 7
de dezembro de 1999, e dá outras providências. Brasília, DF: Presidência da República,
2002. Disponível em: http://www.planalto.gov.br/ccivil_03/decreto/2002/d4376.htm.
Acesso em: 01 out. 2021.
______. Decreto nº 8.793, de 29 de junho de 2016. Fixa a Política Nacional de Inteligência.
Brasília, DF: Presidência da República, [2016a]. Disponível em: http://www.planalto.gov.
br/ccivil_03/_ato2015-2018/2016/decreto/D8793.htm. Acesso em: 01 out. 2021.
______ . Gabinete de Segurança Institucional. Agência Brasileira de Inteligência. Doutrina
Nacional de Inteligência: fundamentos doutrinários fundamentos doutrinários. Brasília:
ABIN, 2016 Disponível em: https://www.gov.br/abin/pt-br/centrais-de-conteudo/
publicacoes/Col3v58.pdf. Acesso em: 01 out. 2021.
______. Decreto nº 10.445, de 30 de julho de 2020. Aprova a Estrutura Regimental e o
Quadro Demonstrativo dos Cargos em Comissão e das Funções de Confi ança da Agência
Brasileira de Inteligência e remaneja e transforma cargos em comissão e funções de
confi ança. Brasília, DF: Presidência da República, 2020. Disponível em: http://www.
planalto.gov.br/ccivil_03/_ato2019-2022/2020/decreto/ D10445.htm. Acesso em: 1º
out. 2021.
BURLINGAME, Noreen; NIELSEN, Lars. A Simple Introduction to Data Science. Wickford,
New Street Communications, 2012.
BUSCHMANN, Frank; MEUNIER, Régine; ROHNERT, Hans; SOMMERLAD, Peter; STAHL,
Michael. Pattern-Oriented Software Architecture - A System of Patterns. New York-NY:
John Wiley and Sons, 1996.
Roger. Information technology and dataveillance. Communications of the ACM.
v. 31, n. 5, p. 498-512, 1988. Disponível em: http://www.rogerclarke.com/DV/CACM88.
html. Acesso em: 01 out. 2021.
COLBAUGH, Richard; GLASS, Kristin. Estimating sentiment orientation in social media
for intelligence monitoring and analysis. IEEE International Conference on Intelligence
and Security Informatics (ISI), p. 135–137, 2010. Disponível em: https://www.scss.tcd.
ie/Khurshid.Ahmad/Research/Sentiments/K_Teams_Buchraest/05484760.pdf. Acesso
em: 01 out. 2021.
GANTZ, John; REINSEL, David. Extracting Value from Chaos, Framingham: International
Data Corporation. 2011. Disponível em: https://www.whizpr.be/upload/medialab/21/
company/IDC_1142.pdf . Acesso em: 01 out. 2021.
GHAZI, Diman, INKPEN, Diana; SZPAKOWICZ, Stan. Hierarchical versus fl at classifi cation of
emotions in text. Proceedings of the NAACL HLT 2010 workshop on computational approaches
to analysis and generation of emotion in text. Association for Computational Linguistics,
p. 140–146, 2010. Disponível em: https://dl.acm.org/doi/pdf/10.5555/1860631.1860648.
Acesso em: 01 out. 2021.
GILLILAND, Anne J. Introduction to Metadata. 3ª ed. Los Angeles, Getty Research Institute,
2016. Disponível em: http://www.getty.edu/publications/intrometadata/. Acesso em:
01 out. 2021.
HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data Mining: Concepts and Techniques. 3ª ed.
Waltham, Morgan Kaufmann Publishers, 2012.
HAYASHI, Chikio. What is Data Science? Fundamental Concepts and a Heuristic Example.
In: Data Science, Classifi cation, and Related Methods. Studies in Classifi cation, Data Analysis,
and Knowledge Organization. Tokyo, Springer, 1998.
HECHT, Brent; HONG, Lichan; SUH, Bongwon; CHI, Ed H. Tweets from Justin Bieber’s
heart: The dynamics of the location fi eld in user profi les. In Proceedings of the SIGCHI
Conference on Human Factors in Computing Systems (CHI ’11). Vancouver: Canada. ACM.
p. 237–246, 2011. Disponível em: https://www-users.cs.umn.edu/~bhecht/publications/
bhecht_chi2011_location.pdf. Acesso em: 19 out. 2021.
KAATI, Lisa; SHRESTHA, Amendra; COHEN, Katie; LINDQUIST; Sinna. Automatic detection
of xenophobic narratives: A case study on swedish alternative media. IEEE Conference on
Intelligence and Security Informatics (ISI). Tucson: USA. IEEE. 2016. Disponível em: https://
www.foi.se/download/18.7fd35d7f166c56ebe0bffd8/1542623691578/Automaticdetection-
xenophopic_FOI-S--5655--SE.pdf. Acesso em: 01 out. 2021.
KESHTKAR, Fazel; INKPEN, Diana. Using Sentiment Orientation Features for Mood Classifi cation in blogs. IEEE International Conference on Natural Language Processing
and Knowledge Engineering. Dalian: China. IEEE. 2009. Disponível em: https://www.
researchgate.net/publication/224076625_Using_sentiment_orientation_features_for_
mood_classifi cation_in_blogs. Acesso em: 01 out. 2021.
KELLEHER, John D; TIERNEY, Brendan. Data Science, 1ª ed. Cambridge, MIT Press, 2018.
LOWENTHAL, Mark. Intelligence: from secrets to policy. 8ª ed. Washington-DC, CQ Press,
2019.
NUNES, Eric; DIAB, Ahmad; GUNN, Andrew; MARIN, Ericsson; MISHRA, Vineet; PALIATH,
Vivin; ROBERTSON, John; SHAKARIAN, Jana; THART, Amanda; SHAKARIAN, Paulo. Darknet
and Deepnet mining for proactive cybersecurity threat intelligence. 2016. Disponível em:
https://arxiv.org/abs/1607. 08583. Acesso em: 01 out. 2021.
O’NEIL, Cathy. Weapons of Math Destruction: how big data increases inequality and threatens
democracy. New York, Crown Publishers, 2016.
ROWE, Matthew; SAIF, Hassan. Mining pro-isis radicalisation signals from social media
users. Proceedings of the Tenth International AAAI Conference on Web and Social Media
(ICWSM 2016). Cologny: Germany. AAAI. p. 329–338, 2016. Disponível em: http://oro.
open.ac.uk/48477/. Acesso em: 01 out. 2021.
RUSSELL, Stuart Jonathan; NORVIG, Peter. Artifi cial Intelligence: A Modern Approach. 4ª
ed. Global edition. Hoboken, Pearson, 2021.
SHERMAN, Chris; PRICE, Gary. The invisible web: uncovering information sources: search
engines can’t see. 7ª ed. Medford, CyberAge Books, Information Today, Inc., 2001.
THORLEUCHTER, Dirk; VAN DEN POEL; Dirk. Protecting research and technology from
espionage. Expert Systems with Applications. Elsevier. v. 40, issue 9, p. 3432-3440. 2013.
Disponível em: http://wps-feb.ugent.be/Papers/wp_12_824.pdf Acesso em: 1º out. 2021.
WANG, Yingxu; ZHANG, Du; LATOMBE, Jean-Claude; KINSNER, Witold. Advances in
the Fields of Cognitive Informatics and Cognitive Computing. In: Advances in Cognitive
Informatics and Cognitive Computing. Stanford, Springer, 2010.
YIN, Jie; LAMPERT, Andrew; CAMERON, Mark; ROBINSON, Bella; POWER, Robert. Using
social media to enhance emergency situation awareness. International Joint Conference
on Artifi cial Intelligence Buenos Aires: Argentina. IEEE. v. 27, p. 52–59, 2015. Disponível
em: https://www.researchgate.net/publication/280829031_Using_Social_Media_to_
Enhance_Emergency_Situation_Awareness_Extended_Abstract. Acesso em: 01 out. 2021.
ZHOU, Ning; CHEUNG, William K.; QIU, Guoping; XUE, Xiangyang. A hybrid probabilistic model for unifi ed collaborative and content-based image tagging. IEEE Transactions on
Pattern Analysis and Machine Intelligence. IEEE. v. 33, p. 1281–1294, 2011. Disponível em:
https://www.researchgate.net/publication/224196190_A_Hybrid_Probabilistic_Model_
for_Unifi ed_Collaborative_and_Content-Based_Image_Tagging. Acesso em: out. 2021.
Publicado
2022-06-08
Como Citar
FUGISAWA DE SOUZA, D.; DAMASCENO DO BOMFIM, D. R. CIÊNCIA DE DADOS E PRODUÇÃO DE CONHECIMENTOS DE INTELIGÊNCIA: POTENCIAL DA ANÁLISE DE DADOS DE REDES SOCIAIS DIGITAIS PARA A ATIVIDADE DE INTELIGÊNCIA. Revista Brasileira de Inteligência, n. 16, p. 53-77, 8 jun. 2022.
Seção
Artigos
Copyright (c) 2021 Revista Brasileira de Inteligência
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
