Scientific literature on text mining applied to the identification of the athletes´ personality

Olimpianos - Journal of Olympic Studies

View Publication Info
 
 
Field Value
 
Title Scientific literature on text mining applied to the identification of the athletes´ personality
Literatura científica sobre minería de textos aplicada a la identificación de la personalidad de los atletas
Literatura científica sobre mineração de textos aplicada à identificação da personalidade de atletas
 
Creator Rabelo, Ivan Santana
Rubio, Katia
 
Description One of the challenges of scientific research is to provide objectivity from the data obtained also through testimonials and interviews. In the Olympic Memories by Brazilian Olympic Athletes project aplied by the Olympic Studies Group of the University of São Paulo, 1400 interviews were conducted with Brazilian Olympic athletes, resulting in a collection of information fundamental to the understanding of the Brazilian Olympic sport. In the project stage described in this manuscript, the objective was to study, through a non-exhaustive initial bibliographical method, search different studies that applied methods of data extraction, from methods associated with data mining, through the Google base search Academic, using the keywords: ("text mining" or "data mining") + (athlete or sport) + (psychology or personality). There was no restriction on language or publication year. We verified 83 results, that after applying the inclusion and exclusion criteria, 67 results were analyzed. Although the results indicate publications that present the descriptors proposed in the search, it is observed that the majority only used the terms in a theoretical or introductory way, or even superficially in relation to the object of study, but did not effectively apply some format of extraction of texts. In this sense, the importance of knowing what the academic productions have presented regarding the mining of texts about personality and emotional aspects, present in research associated with athletes or in the sport context, is important. Finally, the development of methods that help to extract and organize the data will allow different types of analysis, contributing to the study of associations between the content more frequently present in narratives, investigating the crossing of data with light at psychological theories of personality traits. Constituted as one of the main contemporary social phenomena, sport has established itself as a privileged field of study and intervention, be it in the specific aspects of its tactical and technical practice, but also educational and social and cultural.
Referências
1 Rubio K. Memórias e narrativas biográficas de atletas olímpicos brasileiros. São Paulo: Képos; 2014. p. 45-90.
2 Flusser V. O mundo codificado. São Paulo: Cosac Naif; 2007.
3 Elmasri R, Navathe SB. Sistemas de banco de dados. São Paulo: 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.
7 Marcacini RM, Rossi RG, Matsuno IP, Rezende SO. 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 linguística II: 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. No prelo.
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 de Brasília; 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.
24 Lage GM, Ugrinowitsch H, Malloy-Diniz LF. Práticas esportivas. In: Malloy-Diniz LF, Fuentes D, Mattos P, Abreu N. 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 Kitchenham BA. 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, Ciampa ADC, 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, Frozza R. 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 Cavalcanti DC, Prudêncio RBC, Pradhan SS, Shah JY, Pietrobon RS. Análise de sentimento em citações científicas para definição de fatores de impacto positivo. Proceedings 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; 2008
44 Mantovani TC. Mineração de interesses pessoais a partir de redes sociais para apoiar a personalização de trajetos. [trabalho de conclusão de curso]. Campo Mourão (PR): Universidade Tecnológica Federal do Paraná; 2015.
45 Rubio K, Rabelo IS, Cruz RM. Avaliação de aspectos psicológicos em Educação Física e Esporte. In: Böhme, MTS (org). Avaliação e Desempenho em Educação Física e Esporte. São Paulo: Editora Manole; 2018
46 Nunes, MASN. Computação Afetiva personalizando interfaces, interações e recomendações de produtos, serviços e pessoas em Ambientes computacionais. In: Ordonez NO (org.). São Cristóvão: DCOMP/PROCC/UFS; 2012. p. 115–151.
47 Peirce CS. The Collected Papers of Charles Sanders Peirce. Cambridge, Massachusetts: Harvard University Press; 2005.
Uno de los desafíos de la investigación científica es proporcionar objetividad a partir de los datos obtenidos también a través de testimonios y entrevistas. En el proyecto Memorias Olímpicas de Atletas Olímpicos Brasileños aplicado por el Grupo de Estudios Olímpicos de la Universidad de São Paulo, se realizaron 1400 entrevistas con atletas olímpicos brasileños, lo que resultó en una recopilación de información fundamental para la comprensión del deporte olímpico brasileño. En la etapa de proyecto descrita en este manuscrito, el objetivo fue estudiar, a través de un método bibliográfico inicial no exhaustivo, buscar diferentes estudios que aplicaran métodos de extracción de datos, desde métodos asociados con la extracción de datos, a través de la Búsqueda de base académica de Google, utilizando palabras clave: ("minería de texto" o "minería de datos") + (atleta o deporte) + (psicología o personalidad). No hubo restricción de idioma o año de publicación. Verificamos 83 resultados, luego de aplicar los criterios de inclusión y exclusión, se analizaron 67 resultados. Si bien los resultados indican publicaciones que presentan los descriptores propuestos en la búsqueda, se observa que la mayoría solo usó los términos de forma teórica o introductoria, o incluso de manera superficial en relación con el objeto de estudio, pero no aplicó efectivamente algún formato de extracción de textos. En este sentido, la importancia de saber qué han presentado las producciones académicas con respecto a la minería de textos sobre la personalidad y los aspectos emocionales, presentes en las investigaciones asociadas con atletas o en el contexto deportivo, es importante. Finalmente, el desarrollo de métodos que ayuden a extraer y organizar los datos permitirá diferentes tipos de análisis, contribuyendo al estudio de las asociaciones entre los contenidos más frecuentemente presentes en las narrativas, investigando el cruce de datos con la luz en las teorías psicológicas de los rasgos de personalidad. Constituido como uno de los principales fenómenos sociales contemporáneos, el deporte se ha consolidado como un campo privilegiado de estudio e intervención, ya sea en los aspectos específicos de su práctica táctica y técnica, pero también educativa, social y cultural.
Referências
1 Rubio K. Memórias e narrativas biográficas de atletas olímpicos brasileiros. São Paulo: Képos; 2014. p. 45-90.
2 Flusser V. O mundo codificado. São Paulo: Cosac Naif; 2007.
3 Elmasri R, Navathe SB. Sistemas de banco de dados. São Paulo: 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.
7 Marcacini RM, Rossi RG, Matsuno IP, Rezende SO. 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 linguística II: 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. No prelo.
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 de Brasília; 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.
24 Lage GM, Ugrinowitsch H, Malloy-Diniz LF. Práticas esportivas. In: Malloy-Diniz LF, Fuentes D, Mattos P, Abreu N. 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 Kitchenham BA. 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, Ciampa ADC, 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, Frozza R. 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 Cavalcanti DC, Prudêncio RBC, Pradhan SS, Shah JY, Pietrobon RS. Análise de sentimento em citações científicas para definição de fatores de impacto positivo. Proceedings 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; 2008
44 Mantovani TC. Mineração de interesses pessoais a partir de redes sociais para apoiar a personalização de trajetos. [trabalho de conclusão de curso]. Campo Mourão (PR): Universidade Tecnológica Federal do Paraná; 2015.
45 Rubio K, Rabelo IS, Cruz RM. Avaliação de aspectos psicológicos em Educação Física e Esporte. In: Böhme, MTS (org). Avaliação e Desempenho em Educação Física e Esporte. São Paulo: Editora Manole; 2018
46 Nunes, MASN. Computação Afetiva personalizando interfaces, interações e recomendações de produtos, serviços e pessoas em Ambientes computacionais. In: Ordonez NO (org.). São Cristóvão: DCOMP/PROCC/UFS; 2012. p. 115–151.
47 Peirce CS. The Collected Papers of Charles Sanders Peirce. Cambridge, Massachusetts: Harvard University Press; 2005.
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.
Referências
1 Rubio K. Memórias e narrativas biográficas de atletas olímpicos brasileiros. São Paulo: Képos; 2014. p. 45-90.
2 Flusser V. O mundo codificado. São Paulo: Cosac Naif; 2007.
3 Elmasri R, Navathe SB. Sistemas de banco de dados. São Paulo: 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.
7 Marcacini RM, Rossi RG, Matsuno IP, Rezende SO. 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 linguística II: 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. No prelo.
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 de Brasília; 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.
24 Lage GM, Ugrinowitsch H, Malloy-Diniz LF. Práticas esportivas. In: Malloy-Diniz LF, Fuentes D, Mattos P, Abreu N. 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 Kitchenham BA. 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, Ciampa ADC, 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, Frozza R. 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 Cavalcanti DC, Prudêncio RBC, Pradhan SS, Shah JY, Pietrobon RS. Análise de sentimento em citações científicas para definição de fatores de impacto positivo. Proceedings 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; 2008
44 Mantovani TC. Mineração de interesses pessoais a partir de redes sociais para apoiar a personalização de trajetos. [trabalho de conclusão de curso]. Campo Mourão (PR): Universidade Tecnológica Federal do Paraná; 2015.
45 Rubio K, Rabelo IS, Cruz RM. Avaliação de aspectos psicológicos em Educação Física e Esporte. In: Böhme, MTS (org). Avaliação e Desempenho em Educação Física e Esporte. São Paulo: Editora Manole; 2018
46 Nunes, MASN. Computação Afetiva personalizando interfaces, interações e recomendações de produtos, serviços e pessoas em Ambientes computacionais. In: Ordonez NO (org.). São Cristóvão: DCOMP/PROCC/UFS; 2012. p. 115–151.
47 Peirce CS. The Collected Papers of Charles Sanders Peirce. Cambridge, Massachusetts: Harvard University Press; 2005.
 
Publisher Olimpianos
 
Date 2019-05-05
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
 
Format application/pdf
 
Identifier http://olimpianos.com.br/journal/index.php/Olimpianos/article/view/37
10.30937/2526-6314.v2n1.id37
 
Source Olimpianos - Journal of Olympic Studies; Vol 2 No 1 (2018); 274-303
Olimpianos - Journal of Olympic Studies; Vol. 2 Núm. 1 (2018); 274-303
Olimpianos - Journal of Olympic Studies; v. 2 n. 1 (2018); 274-303
2526-6314
 
Language por
 
Relation http://olimpianos.com.br/journal/index.php/Olimpianos/article/view/37/28
 
Rights Copyright (c) 2019 Olimpianos - Journal of Olympic Studies
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library