LARHUD - Contribuições do(a) usuário(a) [pt-br]

Twitter Sentiment Visualization

2018-07-03T20:58:35Z

Fvgalvao:

A [https://www.csc2.ncsu.edu/faculty/healey/tweet_viz/ Sentiment Vizz] é uma ferramenta que estima e auxilia na visualização de possíveis propriedades emocionais incorporadas nos tweets do Twitter. Tendo em vista a complexidade de capturar emoções em textos tão curtos e incompletos, foi elaborado um dicionário próprio de sentimentos. As palavras foram criadas através da combinação entre termos do dicionário estendido da Affective Norms for English Words (ANEW) e do dicionário de felicidade produzido por pesquisadores da Universidade de Vermont.

Os métodos computacionais utilizados são algoritmos de Machine Learning como Naive Bayesian networks, máquinas de vetores de suporte, abordagens da Máxima Entropia ou combinações de raciocínio de senso comum e ontologias afetivas (Sentic computing).

Para utilizar a ferramenta, não é preciso pagar ou baixar nenhum programa, pois ele funciona totalmente online nos navegadores Firefox, Chrome, IE 9, Safari e Opera.

== Primeiros passos ==

Digite uma palavra-chave no campo ''Keywords'' e clique no botão ''Query''. O usuário pode consultar várias palavras-chave de modo concomitante ou combiná-las. A ferramenta de coleta segue a lógica ''booleana'', utilizada pela função de busca do Twitter. Por exemplo: para capturar tweets com os termos digital e humanities, digite ambas as palavras. Para procurar digital ou humanities, digite: digital OR humanities. Caso precise encontrar uma combinação específica ou frase, digite as palavras entre aspas: “digital humanities”. E caso queira excluir alguma palavra da busca, digite digital -humanities (humanities será excluída na busca).

[[Arquivo:pp.png]]

A ferramenta mapeará tweets recentes que poderão ser visualizados no primeiro guia Sentiment. Além de Sentiment, outros guias são estabelecidos na parte superior da janela: Topics, Heatmap, Tag Cloud, Timeline, Map, Affinity, Narrative e Tweets. Cada guia possibilita uma técnica de visualização dos sentimentos incorporados no texto.

== Sentiment Vizz na prática: conhecendo os recursos ==

'''Sentiment:'''
cada tweet é representado por um círculo posicionado próximo ao sentimento previsto no texto. Tweets que demonstram sentimentos desagradáveis encontram-se no lado esquerdo, na direção da palavra ''unpleasant'' e em círculos azuis. Tweets que expressam emoções agradáveis estão no lado direito, na direção da palavra ''pleasant'' e em círculos verdes. Na parte superior os sentimentos são intensos e enérgicos, já na parte inferior da janela são contidos e/ou mais suaves. Ressalta-se que caso o tweet tenha menos de duas palavras de sentimento, de acordo com o dicionário, ele será ignorado na captura e análise da ferramenta.

[[Arquivo:Sentiment.png]]

Em relação aos círculos, não somente a cor, mas também o brilho, tamanho e transparência têm significados. Os círculos mais brilhantes representam os tweets mais populares, enquanto os menos brilhantes representam menor popularidade. Tamanho e transparência denotam a medida de confiança da ferramenta, isto é, se o sentimento estimado realmente corresponde com a emoção expressa. Quanto maior e mais opaco está o círculo, há mais chances de uma correspondência certa ou próxima do sentimento.

É necessário passar o mouse sobre um tweet ou clicar nele para ver o texto. Neste momento é aberta uma janela que contém o tweet e dados como o nome do perfil, data de publicação e as palavras identificadas que podem expressar sentimentos, sua média de valência e média de alerta. As palavras que expressam os sentimentos são destacadas em negrito azul itálico ou negrito itálico laranja. As palavras em azul são avaliadas na sua forma atual. As palavras em laranja são avaliadas como negação do sentido original. Por exemplo: o tweet pode ter o termo “feliz”, mas junto com a palavra “não”, logo, “não-feliz”.Neste caso, pela proximidade das palavras, a ferramenta compreende que um termo inverte o sentido original e isolado do outro termo.

[[Arquivo:Sentiment3.png]]

Em relação à classificação do sentimento, o dicionário fornece medidas de valência e estimulação para aproximadamente 10.689 termos em inglês. Os termos são pontuados a partir de uma escala que varia entre 1 a 9 pontos. As classificações de um termo comum são ajustadas em uma classificação média e um desvio padrão das classificações para cada dimensão. As categorias para avaliar emoções são a valência e o alerta. A valência, também compreendida como prazer, varia entre agradável e desagradável (''pleasant/unpleasant'') e o alerta ou ativação entre intenso e contido (''active/subdued''). Exemplo: social, v = [ μ: 6.88, σ: 1.82 ], a = [ μ: 4.98, σ: 2.59 ], fq = 380. O “v” significa valência e “a” significa alerta. 6.88 representa a valência média, 1.82 representa o desvio padrão, 4.98 exprime o alerta médio, 2, 59 exprime o desvio padrão. Fq significa a quantidade de avaliações realizadas na construção do dicionário.

'''Topics:'''
esse guia agrupa um tópico ou tema comum em ''clusters'', indicados por palavras-chaves, no lado esquerdo da página. O grupo de tópicos é representado por um retângulo com as palavras-chave no topo e, na parte inferior, o número de tweets.

[[Arquivo:topics1.png]]

No lado direito, em ''singletons'', são agrupados tweets que não pertencem a um tópico ou tema comum. A proximidade dos tweets de cada ''cluster'' exprime a distância entre a similaridade dos textos. Quanto mais próximo, mais similaridade. Igual significado há na aproximação ou distanciamento entre os retângulos que representam o grupo de tópicos. Passar o mouse ou clicar sobre um tweet revela informações mais detalhadas sobre o conteúdo do texto e o sentimento previsto.

'''Heatmap:'''
Este mapa de calor representa a valência e o alerta em uma grade 8x8. Em cada cédula está contido um número de tweets.

[[Arquivo:heatmap.png]]

Nas cédulas azuis, há um número menor de tweets em relação a média. Nas cédula vermelhas, há mais tweets do que a média. As cédulas brancas não contém tweets. Para visualizar a quantidade é necessário passar o mouse sobre a cédula.

'''Tag cloud:'''
A nuvem de tags apresenta as palavras que ocorreram mais frequentemente. Segue o mesmo padrão dos outros guias: no lado direito, sentimentos desagradáveis, no lado esquerdo, sentimentos agradáveis, na parte superior, emoções intensas e ativas, na parte inferior, emoções contidas e mais suaves.

[[Arquivo:tagcloud.png]]

Neste esquema, o tamanho de um termo mostra sua frequência vinculada ao sentimento. Termos maiores significam que ocorrem de modo frequente. A cor e brilho exprimem o prazer e a excitação estipulada. As palavras em cinza não foram encontradas no dicionário utilizado pela ferramenta, logo, não tem um sentimento estimado. Ao passar o mouse sobre a palavra será apresentado sua frequência

'''Timeline:'''
os tweets são classificados em um gráfico de barras verticais de acordo com o sentimento e o momento em que foi postado. As postagens consideradas positivas são exibidas em verde no topo do gráfico, e tweets negativos, em azul na parte inferior.

[[Arquivo:TimelineTwitter.jpg]]

O usuário pode utilizar duas opções:

- Passar o mouse sobre a barra para ver quantos tweets foram postados no momento determinado:

[[Arquivo:Timeline3Twitter.jpg]]

- Pode verificar uma classificação de sentimento por vez, desabilitando o menu no cabeçalho do gráfico.

[[Arquivo:Timeline2Twitter.jpg]]

Na função Timeline, o sistema usa a biblioteca Javascript de Highcharts para renderizar o gráfico de barras.

'''Map:'''
o mapa informa o local de origem das postagens, ou seja, opera por geolocalização. Como muitos dos usuários ocultam o metadado da localização, esta não é uma análise segura, pois a quantidade coletada pela ferramenta é baixa. Como funciona? Ao inserir as palavras-chave, a ferramenta indicará no mapa mundi os pontos de origem dos posts. No canto superior direito, a interface indica quantos posts foram coletados. Ao passar o mouse sobre um tweet ou clicar no ícone da localização, é possível ver o texto original e o sentimento estimado. Para esta função, o sistema usa a biblioteca JavaScript do Google Maps para renderizar o mapa.

Ao buscar pela palavra-chave "digital humanities", a função Map não retornou nenhum resultado. Por isso, para esta função específica, os termos foram alterados para "World Cup" para que se pudesse ilustrar o recurso.

[[Arquivo:Map2Twitter.jpg]]

'''Affinity:'''
a função de Afinidade se pretende a uma análise de rede, exibindo trocas frequentes entre usuários, tweets, hashtags e URLs compartilhadas. Com ela, o usuário avalia os atores corriqueiros sobre determinado tema/termo/palavra-chave e seu grau de relacionamento/afinidade. Nós azuis e verdes representam tweets; nós laranja representam pessoas; nós amarelos representam hashtags e nós vermelhos representam URLs. Os nós maiores mostram elementos mais frequentes.

[[Arquivo:Afinidade.jpg]]

Para ver o conteúdo original basta clicar em tweets ou nós de URL. Ao passar o mouse sobre um nó é possível visualizar sua frequência. Na função Affinity, o sistema utiliza um algoritmo de grafos em Javascript.

[[Arquivo:Afinidade2.jpg]]

'''Narrative:'''
a aba Narrative exibe conjunto de tweets que formam conversas sobre um tema comum ao longo do tempo. Sua função é basicamente reunir conteúdos semelhantes a partir da palavra-chave indicada pelo usuário. É possível passar o mouse sobre um nó ou clicar nele para ler seu texto. No lado esquerdo da tela, o sistema exibe uma lista de tweets. Para acessá-los, basta clicar na opção desejada. Nesta seção, a ferramenta utiliza o plug-in DataTables para a biblioteca Javascript do jQuery, que renderiza a tabela de tweets.

[[Arquivo:NarrativeTwitter.jpg]]

'''Tweets:'''
nesta aba, é exibida uma tabela com todos os tweets coletados. O usuário pode filtrá-los por data, autor, conteúdo e sentimento. A palavra-chave da coleta pode ser vista em negrito e itálico em todos os tweets. Além disso, a seção oferece um campo de busca (do lado direito do menu) onde o usuário pode inserir outros termos de interesse para filtragem de conteúdo. A ferramenta permite análise do ID ID para verificar fluxo de postagem dos autores e todas as URLs são clicáveis. Nesta seção, também se usa o plug-in DataTables da biblioteca Javascript.

[[Arquivo:Tweets.jpg]]

== Usabilidade e limitação da ferramenta ==
Twitter Sentiment Visualization (ou Sentiment Vizz) possui uma interface relativamente simples, que atende também aos usuários iniciantes. Porém, em alguns aspectos, a ferramenta exige um conhecimento básico de monitoramento de mídias sociais - tanto para compreender os gráficos, como para realizar a busca principal. Por exemplo: a ferramenta peca no quesito prevenção de erros porque não explica que a lógica de busca é booleana, logo, não exibe quais operadores lógicos são aceitáveis.

Apesar de ser um instrumento exploratório útil, necessita ser combinada com outras ferramentas para uma análise mais refinada e profunda. Seu foco é análise de sentimento a partir de um recorte psicológico de valência e alerta, ou seja, as categorias são fixas, dadas pelo sistema - não há possibilidade de criação de outras categorias/tags ou remanejamento de classificação.

Arquivo:Tweets.jpg

2018-07-03T20:42:36Z

Fvgalvao:

Arquivo:Timeline3Twitter.jpg

2018-07-03T18:39:35Z

Fvgalvao:

Arquivo:Timeline2Twitter.jpg

2018-07-03T18:39:06Z

Fvgalvao:

Arquivo:TimelineTwitter.jpg

2018-07-03T18:38:47Z

Fvgalvao:

Arquivo:NarrativeTwitter.jpg

2018-07-03T18:38:12Z

Fvgalvao:

Arquivo:Map3Twitter.jpg

2018-07-03T18:37:38Z

Fvgalvao:

Arquivo:Map2Twitter.jpg

2018-07-03T18:36:54Z

Fvgalvao:

Arquivo:Map.jpg

2018-07-03T18:36:13Z

Fvgalvao:

Arquivo:Afinidade2.jpg

2018-07-03T18:35:49Z

Fvgalvao:

Arquivo:Afinidade.jpg

2018-07-03T18:35:32Z

Fvgalvao:

Twitter Sentiment Visualization

2018-07-03T18:29:35Z

Fvgalvao:

A [https://www.csc2.ncsu.edu/faculty/healey/tweet_viz/ Sentiment Vizz] é uma ferramenta que estima e auxilia na visualização de possíveis propriedades emocionais incorporadas nos tweets do Twitter. Tendo em vista a complexidade de capturar emoções em textos tão curtos e incompletos, foi elaborado um dicionário próprio de sentimentos, utilizando termos do dicionário estendido da Affective Norms for English Words (ANEW) e um dicionário de felicidade produzido por pesquisadores da Universidade de Vermont.

Os métodos computacionais utilizados são algoritmos de Machine Learning como Naive Bayesian networks, máquinas de vetores de suporte, abordagens da Máxima Entropia ou combinações de raciocínio de senso comum e ontologias afetivas (Sentic computing).

Para utilizar a ferramenta, não é preciso pagar ou baixar nenhum programa, pois ele funciona totalmente online nos navegadores Firefox, Chrome, IE 9, Safari e Opera.

== Primeiros passos ==

Digite uma palavra-chave no campo ''Keywords'' e clique no botão ''Query''. O usuário pode consultar várias palavras-chave de modo concomitante ou combiná-las. A ferramenta de coleta segue a lógica ''booleana'', utilizada pela função de busca do Twitter. Por exemplo: para capturar tweets com os termos digital e humanities, digite ambas as palavras. Para procurar digital ou humanities, digite: digital OR humanities. Caso precise encontrar uma combinação específica ou frase, digite as palavras entre aspas: “digital humanities”. E caso queira excluir alguma palavra da busca, digite digital -humanities (humanities será excluída na busca).

A ferramenta mapeará tweets recentes que poderão ser visualizados no primeiro guia Sentiment. Além de Sentiment, outros guias são estabelecidos na parte superior da janela: Topics, Heatmap, Tag Cloud, Timeline, Map, Affinity, Narrative e Tweets. Cada guia possibilita uma técnica de visualização dos sentimentos incorporados no texto.

== Sentiment Vizz na prática: conhecendo os recursos ==

'''Sentiment:'''
cada tweet é representado por um círculo posicionado próximo ao sentimento previsto no texto. Tweets que demonstram sentimentos desagradáveis encontram-se no lado esquerdo, na direção da palavra ''unpleasant'' e em círculos azuis. Tweets que expressam emoções agradáveis estão no lado direito, na direção da palavra ''pleasant'' e em círculos verdes. Na parte superior os sentimentos são intensos e enérgicos, já na parte inferior da janela são contidos e/ou mais suaves.

É necessário passar o mouse sobre um tweet ou clicar nele para ver o texto. Neste momento é aberta uma janela que contém o tweet e dados como o nome do perfil, data de publicação e as palavras identificadas que podem expressar sentimentos, sua média de valência e média de alerta. As palavras que expressam os sentimentos são destacadas em negrito azul itálico ou negrito itálico laranja. As palavras em azul são avaliadas na sua forma atual. As palavras em laranja são avaliadas como negação do sentido original. Por exemplo: o tweet pode ter o termo “feliz”, mas junto com a palavra “não”, logo, “não-feliz”.Neste caso, pela proximidade das palavras, a ferramenta compreende que um termo inverte o sentido original e isolado do outro termo.

Em relação aos círculos, não somente a cor, mas também o brilho, tamanho e transparência têm significados. Os círculos mais brilhantes representam os tweets mais populares, enquanto os menos brilhantes representam menor popularidade. Tamanho e transparência denotam a medida de confiança da ferramenta, isto é, se o sentimento estimado realmente corresponde com a emoção expressa. Quanto maior e mais opaco está o círculo, há mais chances de uma correspondência certa ou próxima do sentimento.

Em relação à classificação do sentimento, o dicionário fornece medidas de valência e estimulação para aproximadamente 10.689 termos em inglês. Os termos são pontuados a partir de uma escala que varia entre 1 a 9 pontos. As classificações de um termo comum são ajustadas em uma classificação média e um desvio padrão das classificações para cada dimensão. As categorias para avaliar emoções são a valência e o alerta. A valência, também compreendida como prazer, varia entre agradável e desagradável (''pleasant/unpleasant'') e o alerta ou ativação entre intenso e contido (''active/subdued''). Exemplo: social, v = [ μ: 6.88, σ: 1.82 ], a = [ μ: 4.98, σ: 2.59 ], fq = 380. O “v” significa valência e “a” significa alerta. 6.88 representa a valência média, 1.82 representa o desvio padrão, 4.98 exprime o alerta médio, 2, 59 exprime o desvio padrão. Fq significa a quantidade de avaliações realizadas na construção do dicionário.

'''Topics:'''
esse guia agrupa um tópico ou tema comum em ''clusters'', indicados por palavras-chaves, no lado esquerdo da página. O grupo de tópicos é representado por um retângulo com as palavras-chave no topo e, na parte inferior, o número de tweets. No lado direito, em ''singletons'', são agrupados tweets que não pertencem a um tópico ou tema comum. A proximidade dos tweets de cada ''cluster'' exprime a distância entre a similaridade dos textos. Quanto mais próximo, mais similaridade. Igual significado há na aproximação ou distanciamento entre os retângulos que representam o grupo de tópicos. Passar o mouse ou clicar sobre um tweet revela informações mais detalhadas sobre o conteúdo do texto e o sentimento previsto.

'''Heatmap:'''
este mapa de calor representa a valência e o alerta em uma grade 8x8. Em cada cédula está contido um número de tweets. Nas cédulas azuis, há um número menor de tweets em relação a média. Nas cédula vermelhas, há mais tweets do que a média. As cédulas brancas não contém tweets. Para visualizar a quantidade é necessário passar o mouse sobre a cédula.

'''Tag cloud:'''
a nuvem de tags apresenta as palavras que ocorreram mais frequentemente. Segue o mesmo padrão dos outros guias: no lado direito, sentimentos desagradáveis, no lado esquerdo, sentimentos agradáveis, na parte superior, emoções intensas e ativas, na parte inferior, emoções contidas e mais suaves. Neste esquema, o tamanho de um termo mostra sua frequência vinculada ao sentimento. Termos maiores significam que ocorrem de modo frequente. A cor e brilho exprimem o prazer e a excitação estipulada. As palavras em cinza não foram encontradas no dicionário utilizado pela ferramenta, logo, não tem um sentimento estimado. Ao passar o mouse sobre a palavra será apresentado sua frequência

'''Timeline:'''
os tweets são classificados em um gráfico de barras verticais de acordo com o sentimento e o momento em que foi postado. As postagens consideradas positivas são exibidas em verde no topo do gráfico, e tweets negativos, em azul na parte inferior. O usuário pode utilizar duas opções: passar o mouse sobre a barra para ver quantos tweets foram postados no momento determinado e pode verificar uma classificação de sentimento por vez, desabilitando o menu no cabeçalho do gráfico. Nesta função, o sistema usa a biblioteca Javascript de Highcharts para renderizar o gráfico de barras.

'''Map:'''
o mapa informa o local de origem das postagens, ou seja, opera por geolocalização. Como muitos dos usuários ocultam o metadado da localização, esta não é uma análise segura, pois a quantidade coletada pela ferramenta é baixa. Como funciona? Ao inserir as palavras-chave, a ferramenta indicará no mapa mundi os pontos de origem dos posts. No canto superior direito, a interface indica quantos posts foram coletados. Ao passar o mouse sobre um tweet ou clicar no ícone da localização, é possível ver o texto original e o sentimento estimado. Para esta função, o sistema usa a biblioteca JavaScript do Google Maps para renderizar o mapa.

'''Affinity:'''
a função de Afinidade se pretende a uma análise de rede, exibindo trocas frequentes entre usuários, tweets, hashtags e URLs compartilhadas. Com ela, o usuário avalia os atores corriqueiros sobre determinado tema/termo/palavra-chave e seu grau de relacionamento/afinidade. Nós azuis e verdes representam tweets; nós laranja representam pessoas; nós amarelos representam hashtags e nós vermelhos representam URLs. Os nós maiores mostram elementos mais frequentes. Para ver o conteúdo original basta clicar em tweets ou nós de URL. Ao passar o mouse sobre um nó é possível visualizar sua frequência. Na função Affinity, o sistema utiliza um algoritmo de grafos em Javascript.

'''Narrative:'''
a aba Narrative exibe conjunto de tweets que formam conversas sobre um tema comum ao longo do tempo. Sua função é basicamente reunir conteúdos semelhantes a partir da palavra-chave indicada pelo usuário. É possível passar o mouse sobre um nó ou clicar nele para ler seu texto. No lado esquerdo da tela, o sistema exibe uma lista de tweets. Para acessá-los, basta clicar na opção desejada. Nesta seção, a ferramenta utiliza o plug-in DataTables para a biblioteca Javascript do jQuery, que renderiza a tabela de tweets.

'''Tweets:'''
nesta aba, é exibida uma tabela com todos os tweets coletados. O usuário pode filtrá-los por data, autor, conteúdo e sentimento. A palavra-chave da coleta pode ser vista em negrito e itálico em todos os tweets. Além disso, a seção oferece um campo de busca (do lado direito do menu) onde o usuário pode inserir outros termos de interesse para filtragem de conteúdo. A ferramenta permite análise do ID ID para verificar fluxo de postagem dos autores e todas as URLs são clicáveis. Nesta seção, também se usa o plug-in DataTables da biblioteca Javascript.

== Usabilidade e limitação da ferramenta ==
Twitter Sentiment Visualization (ou Sentiment Vizz) possui uma interface relativamente simples, que atende também aos usuários iniciantes. Porém, em alguns aspectos, a ferramenta exige um conhecimento básico de monitoramento de mídias sociais - tanto para compreender os gráficos, como para realizar a busca principal. Por exemplo: a ferramenta peca no quesito prevenção de erros porque não explica que a lógica de busca é booleana, logo, não exibe quais operadores lógicos são aceitáveis.

Apesar de ser um instrumento exploratório útil, necessita ser combinada com outras ferramentas para uma análise mais refinada e profunda. Seu foco é análise de sentimento a partir de um recorte psicológico de valência e alerta, ou seja, as categorias são fixas, dadas pelo sistema - não há possibilidade de criação de outras categorias/tags ou remanejamento de classificação.

Twitter Sentiment Visualization

2018-07-03T18:15:34Z

Fvgalvao:

A [https://www.csc2.ncsu.edu/faculty/healey/tweet_viz/ Sentiment Vizz] é uma ferramenta que estima e auxilia na visualização de possíveis propriedades emocionais incorporadas nos tweets do Twitter. Tendo em vista a complexidade de capturar emoções em textos tão curtos e incompletos, foi elaborado um dicionário próprio de sentimentos, utilizando termos do dicionário estendido da Affective Norms for English Words (ANEW) e um dicionário de felicidade produzido por pesquisadores da Universidade de Vermont.

Os métodos computacionais utilizados são algoritmos de Machine Learning como Naive Bayesian networks, máquinas de vetores de suporte, abordagens da Máxima Entropia ou combinações de raciocínio de senso comum e ontologias afetivas (Sentic computing).

Para utilizar a ferramenta, não é preciso pagar ou baixar nenhum programa, pois ele funciona totalmente online nos navegadores Firefox, Chrome, IE 9, Safari e Opera.

== Primeiros passos ==

Digite uma palavra-chave no campo ''Keywords'' e clique no botão ''Query''. O usuário pode consultar várias palavras-chave de modo concomitante ou combiná-las. A ferramenta de coleta segue a lógica ''booleana'', utilizada pela função de busca do Twitter. Por exemplo: para capturar tweets com os termos digital e humanities, digite ambas as palavras. Para procurar digital ou humanities, digite: digital OR humanities. Caso precise encontrar uma combinação específica ou frase, digite as palavras entre aspas: “digital humanities”. E caso queira excluir alguma palavra da busca, digite digital -humanities (humanities será excluída na busca).

A ferramenta mapeará tweets recentes que poderão ser visualizados no primeiro guia Sentiment. Além de Sentiment, outros guias são estabelecidos na parte superior da janela: Topics, Heatmap, Tag Cloud, Timeline, Map, Affinity, Narrative e Tweets. Cada guia possibilita uma técnica de visualização dos sentimentos incorporados no texto.

== Sentiment Vizz na prática: conhecendo os recursos ==

'''Sentiment:'''
cada tweet é representado por um círculo posicionado próximo ao sentimento previsto no texto. Tweets que demonstram sentimentos desagradáveis encontram-se no lado esquerdo, na direção da palavra ''unpleasant'' e em círculos azuis. Tweets que expressam emoções agradáveis estão no lado direito, na direção da palavra ''pleasant'' e em círculos verdes. Na parte superior os sentimentos são intensos e enérgicos, já na parte inferior da janela são contidos e/ou mais suaves.

É necessário passar o mouse sobre um tweet ou clicar nele para ver o texto. Neste momento é aberta uma janela que contém o tweet e dados como o nome do perfil, data de publicação e as palavras identificadas que podem expressar sentimentos, sua média de valência e média de alerta. As palavras que expressam os sentimentos são destacadas em negrito azul itálico ou negrito itálico laranja. As palavras em azul são avaliadas na sua forma atual. As palavras em laranja são avaliadas como negação do sentido original. Por exemplo: o tweet pode ter o termo “feliz”, mas junto com a palavra “não”, logo, “não-feliz”.Neste caso, pela proximidade das palavras, a ferramenta compreende que um termo inverte o sentido original e isolado do outro termo.

Em relação aos círculos, não somente a cor, mas também o brilho, tamanho e transparência têm significados. Os círculos mais brilhantes representam os tweets mais populares, enquanto os menos brilhantes representam menor popularidade. Tamanho e transparência denotam a medida de confiança da ferramenta, isto é, se o sentimento estimado realmente corresponde com a emoção expressa. Quanto maior e mais opaco está o círculo, há mais chances de uma correspondência certa ou próxima do sentimento.

Em relação à classificação do sentimento, o dicionário fornece medidas de valência e estimulação para aproximadamente 10.689 termos em inglês. Os termos são pontuados a partir de uma escala que varia entre 1 a 9 pontos. As classificações de um termo comum são ajustadas em uma classificação média e um desvio padrão das classificações para cada dimensão. As categorias para avaliar emoções são a valência e o alerta. A valência, também compreendida como prazer, varia entre agradável e desagradável (''pleasant/unpleasant'') e o alerta ou ativação entre intenso e contido (''active/subdued''). Exemplo: social, v = [ μ: 6.88, σ: 1.82 ], a = [ μ: 4.98, σ: 2.59 ], fq = 380. O “v” significa valência e “a” significa alerta. 6.88 representa a valência média, 1.82 representa o desvio padrão, 4.98 exprime o alerta médio, 2, 59 exprime o desvio padrão. Fq significa a quantidade de avaliações realizadas na construção do dicionário.

'''Topics:'''
esse guia agrupa um tópico ou tema comum em ''clusters'', indicados por palavras-chaves, no lado esquerdo da página. O grupo de tópicos é representado por um retângulo com as palavras-chave no topo e, na parte inferior, o número de tweets. No lado direito, em ''singletons'', são agrupados tweets que não pertencem a um tópico ou tema comum. A proximidade dos tweets de cada ''cluster'' exprime a distância entre a similaridade dos textos. Quanto mais próximo, mais similaridade. Igual significado há na aproximação ou distanciamento entre os retângulos que representam o grupo de tópicos. Passar o mouse ou clicar sobre um tweet revela informações mais detalhadas sobre o conteúdo do texto e o sentimento previsto.

'''Heatmap:'''
este mapa de calor representa a valência e o alerta em uma grade 8x8. Em cada cédula está contido um número de tweets. Nas cédulas azuis, há um número menor de tweets em relação a média. Nas cédula vermelhas, há mais tweets do que a média. As cédulas brancas não contém tweets. Para visualizar a quantidade é necessário passar o mouse sobre a cédula.

'''Tag cloud:'''
a nuvem de tags apresenta as palavras que ocorreram mais frequentemente. Segue o mesmo padrão dos outros guias: no lado direito, sentimentos desagradáveis, no lado esquerdo, sentimentos agradáveis, na parte superior, emoções intensas e ativas, na parte inferior, emoções contidas e mais suaves. Neste esquema, o tamanho de um termo mostra sua frequência vinculada ao sentimento. Termos maiores significam que ocorrem de modo frequente. A cor e brilho exprimem o prazer e a excitação estipulada. As palavras em cinza não foram encontradas no dicionário utilizado pela ferramenta, logo, não tem um sentimento estimado. Ao passar o mouse sobre a palavra será apresentado sua frequência

'''Timeline:'''
os tweets são classificados em um gráfico de barras verticais de acordo com o sentimento e o momento em que foi postado. As postagens consideradas positivas são exibidas em verde no topo do gráfico, e tweets negativos, em azul na parte inferior. O usuário pode utilizar duas opções: passar o mouse sobre a barra para ver quantos tweets foram postados no momento determinado e pode verificar uma classificação de sentimento por vez, desabilitando o menu no cabeçalho do gráfico. Nesta função, o sistema usa a biblioteca Javascript de Highcharts para renderizar o gráfico de barras.

'''Map:'''
o mapa informa o local de origem das postagens, ou seja, opera por geolocalização. Como muitos dos usuários ocultam o metadado da localização, esta não é uma análise segura, pois a quantidade coletada pela ferramenta é baixa. Como funciona? Ao inserir as palavras-chave, a ferramenta indicará no mapa mundi os pontos de origem dos posts. No canto superior direito, a interface indica quantos posts foram coletados. Ao passar o mouse sobre um tweet ou clicar no ícone da localização, é possível ver o texto original e o sentimento estimado. Para esta função, o sistema usa a biblioteca JavaScript do Google Maps para renderizar o mapa.

'''Affinity:'''
a função de Afinidade se pretende a uma análise de rede, exibindo trocas frequentes entre usuários, tweets, hashtags e URLs compartilhadas. Com ela, o usuário avalia os atores corriqueiros sobre determinado tema/termo/palavra-chave e seu grau de relacionamento/afinidade. Nós azuis e verdes representam tweets; nós laranja representam pessoas; nós amarelos representam hashtags e nós vermelhos representam URLs. Os nós maiores mostram elementos mais frequentes. Para ver o conteúdo original basta clicar em tweets ou nós de URL. Ao passar o mouse sobre um nó é possível visualizar sua frequência. Na função Affinity, o sistema utiliza um algoritmo de grafos em Javascript.

'''Narrative:'''
a aba Narrative exibe conjunto de tweets que formam conversas sobre um tema comum ao longo do tempo. Sua função é basicamente reunir conteúdos semelhantes a partir da palavra-chave indicada pelo usuário. É possível passar o mouse sobre um nó ou clicar nele para ler seu texto. No lado esquerdo da tela, o sistema exibe uma lista de tweets. Para acessá-los, basta clicar na opção desejada. Nesta seção, a ferramenta utiliza o plug-in DataTables para a biblioteca Javascript do jQuery, que renderiza a tabela de tweets.

'''Tweets:'''
nesta aba, é exibida uma tabela com todos os tweets coletados. O usuário pode filtrá-los por data, autor, conteúdo e sentimento. A palavra-chave da coleta pode ser vista em negrito e itálico em todos os tweets. Além disso, a seção oferece um campo de busca (do lado direito do menu) onde o usuário pode inserir outros termos de interesse para filtragem de conteúdo. A ferramenta permite análise do ID ID para verificar fluxo de postagem dos autores e todas as URLs são clicáveis. Nesta seção, também se usa o plug-in DataTables da biblioteca Javascript.

== Usabilidade e limitação da ferramenta ==

Twitter Sentiment Visualization

2018-07-03T18:13:37Z

Fvgalvao:

A [https://www.csc2.ncsu.edu/faculty/healey/tweet_viz/ Sentiment Vizz] é uma ferramenta que estima e auxilia na visualização de possíveis propriedades emocionais incorporadas nos tweets do Twitter. Tendo em vista a complexidade de capturar emoções em textos tão curtos e incompletos, foi elaborado um dicionário próprio de sentimentos, utilizando termos do dicionário estendido da Affective Norms for English Words (ANEW) e um dicionário de felicidade produzido por pesquisadores da Universidade de Vermont.

Os métodos computacionais utilizados são algoritmos de Machine Learning como Naive Bayesian networks, máquinas de vetores de suporte, abordagens da Máxima Entropia ou combinações de raciocínio de senso comum e ontologias afetivas (Sentic computing).

Para utilizar a ferramenta, não é preciso pagar ou baixar nenhum programa, pois ele funciona totalmente online nos navegadores Firefox, Chrome, IE 9, Safari e Opera.

== Primeiros passos ==

Digite uma palavra-chave no campo ''Keywords'' e clique no botão ''Query''. O usuário pode consultar várias palavras-chave de modo concomitante ou combiná-las. A ferramenta de coleta segue a lógica ''booleana'', utilizada pela função de busca do Twitter. Por exemplo: para capturar tweets com os termos digital e humanities, digite ambas as palavras. Para procurar digital ou humanities, digite: digital OR humanities. Caso precise encontrar uma combinação específica ou frase, digite as palavras entre aspas: “digital humanities”. E caso queira excluir alguma palavra da busca, digite digital -humanities (humanities será excluída na busca).

A ferramenta mapeará tweets recentes que poderão ser visualizados no primeiro guia Sentiment. Além de Sentiment, outros guias são estabelecidos na parte superior da janela: Topics, Heatmap, Tag Cloud, Timeline, Map, Affinity, Narrative e Tweets. Cada guia possibilita uma técnica de visualização dos sentimentos incorporados no texto.

== Sentiment Vizz na prática: conhecendo os recursos ==

'''Sentiment'''
Cada tweet é representado por um círculo posicionado próximo ao sentimento previsto no texto. Tweets que demonstram sentimentos desagradáveis encontram-se no lado esquerdo, na direção da palavra ''unpleasant'' e em círculos azuis. Tweets que expressam emoções agradáveis estão no lado direito, na direção da palavra ''pleasant'' e em círculos verdes. Na parte superior os sentimentos são intensos e enérgicos, já na parte inferior da janela são contidos e/ou mais suaves.

É necessário passar o mouse sobre um tweet ou clicar nele para ver o texto. Neste momento é aberta uma janela que contém o tweet e dados como o nome do perfil, data de publicação e as palavras identificadas que podem expressar sentimentos, sua média de valência e média de alerta. As palavras que expressam os sentimentos são destacadas em negrito azul itálico ou negrito itálico laranja. As palavras em azul são avaliadas na sua forma atual. As palavras em laranja são avaliadas como negação do sentido original. Por exemplo: o tweet pode ter o termo “feliz”, mas junto com a palavra “não”, logo, “não-feliz”.Neste caso, pela proximidade das palavras, a ferramenta compreende que um termo inverte o sentido original e isolado do outro termo.

Em relação aos círculos, não somente a cor, mas também o brilho, tamanho e transparência têm significados. Os círculos mais brilhantes representam os tweets mais populares, enquanto os menos brilhantes representam menor popularidade. Tamanho e transparência denotam a medida de confiança da ferramenta, isto é, se o sentimento estimado realmente corresponde com a emoção expressa. Quanto maior e mais opaco está o círculo, há mais chances de uma correspondência certa ou próxima do sentimento.

Em relação à classificação do sentimento, o dicionário fornece medidas de valência e estimulação para aproximadamente 10.689 termos em inglês. Os termos são pontuados a partir de uma escala que varia entre 1 a 9 pontos. As classificações de um termo comum são ajustadas em uma classificação média e um desvio padrão das classificações para cada dimensão. As categorias para avaliar emoções são a valência e o alerta. A valência, também compreendida como prazer, varia entre agradável e desagradável (''pleasant/unpleasant'') e o alerta ou ativação entre intenso e contido (''active/subdued''). Exemplo: social, v = [ μ: 6.88, σ: 1.82 ], a = [ μ: 4.98, σ: 2.59 ], fq = 380. O “v” significa valência e “a” significa alerta. 6.88 representa a valência média, 1.82 representa o desvio padrão, 4.98 exprime o alerta médio, 2, 59 exprime o desvio padrão. Fq significa a quantidade de avaliações realizadas na construção do dicionário.

'''Topics'''
Esse guia agrupa um tópico ou tema comum em ''clusters'', indicados por palavras-chaves, no lado esquerdo da página. O grupo de tópicos é representado por um retângulo com as palavras-chave no topo e, na parte inferior, o número de tweets. No lado direito, em ''singletons'', são agrupados tweets que não pertencem a um tópico ou tema comum.

A proximidade dos tweets de cada ''cluster'' exprime a distância entre a similaridade dos textos. Quanto mais próximo, mais similaridade. Igual significado há na aproximação ou distanciamento entre os retângulos que representam o grupo de tópicos. Passar o mouse ou clicar sobre um tweet revela informações mais detalhadas sobre o conteúdo do texto e o sentimento previsto.

'''Heatmap'''
Este mapa de calor representa a valência e o alerta em uma grade 8x8. Em cada cédula está contido um número de tweets. Nas cédulas azuis, há um número menor de tweets em relação a média. Nas cédula vermelhas, há mais tweets do que a média. As cédulas brancas não contém tweets. Para visualizar a quantidade é necessário passar o mouse sobre a cédula.

'''Tag cloud'''
A nuvem de tags apresenta as palavras que ocorreram mais frequentemente. Segue o mesmo padrão dos outros guias: no lado direito, sentimentos desagradáveis, no lado esquerdo, sentimentos agradáveis, na parte superior, emoções intensas e ativas, na parte inferior, emoções contidas e mais suaves. Neste esquema, o tamanho de um termo mostra sua frequência vinculada ao sentimento. Termos maiores significam que ocorrem de modo frequente. A cor e brilho exprimem o prazer e a excitação estipulada. As palavras em cinza não foram encontradas no dicionário utilizado pela ferramenta, logo, não tem um sentimento estimado. Ao passar o mouse sobre a palavra será apresentado sua frequência

'''Timeline'''
Os tweets são classificados em um gráfico de barras verticais de acordo com o sentimento e o momento em que foi postado. As postagens consideradas positivas são exibidas em verde no topo do gráfico, e tweets negativos, em azul na parte inferior. O usuário pode utilizar duas opções: passar o mouse sobre a barra para ver quantos tweets foram postados no momento determinado e pode verificar uma classificação de sentimento por vez, desabilitando o menu no cabeçalho do gráfico. Nesta função, o sistema usa a biblioteca Javascript de Highcharts para renderizar o gráfico de barras.

'''Map'''
O mapa informa o local de origem das postagens, ou seja, opera por geolocalização. Como muitos dos usuários ocultam o metadado da localização, esta não é uma análise segura, pois a quantidade coletada pela ferramenta é baixa. Como funciona? Ao inserir as palavras-chave, a ferramenta indicará no mapa mundi os pontos de origem dos posts. No canto superior direito, a interface indica quantos posts foram coletados. Ao passar o mouse sobre um tweet ou clicar no ícone da localização, é possível ver o texto original e o sentimento estimado. Para esta função, o sistema usa a biblioteca JavaScript do Google Maps para renderizar o mapa.

'''Affinity'''
A função de Afinidade se pretende a uma análise de rede, exibindo trocas frequentes entre usuários, tweets, hashtags e URLs compartilhadas. Com ela, o usuário avalia os atores corriqueiros sobre determinado tema/termo/palavra-chave e seu grau de relacionamento/afinidade. Nós azuis e verdes representam tweets; nós laranja representam pessoas; nós amarelos representam hashtags e nós vermelhos representam URLs. Os nós maiores mostram elementos mais frequentes. Para ver o conteúdo original basta clicar em tweets ou nós de URL. Ao passar o mouse sobre um nó é possível visualizar sua frequência. Na função Affinity, o sistema utiliza um algoritmo de grafos em Javascript.

'''Narrative'''
A aba Narrative exibe conjunto de tweets que formam conversas sobre um tema comum ao longo do tempo. Sua função é basicamente reunir conteúdos semelhantes a partir da palavra-chave indicada pelo usuário. É possível passar o mouse sobre um nó ou clicar nele para ler seu texto. No lado esquerdo da tela, o sistema exibe uma lista de tweets. Para acessá-los, basta clicar na opção desejada. Nesta seção, a ferramenta utiliza o plug-in DataTables para a biblioteca Javascript do jQuery, que renderiza a tabela de tweets.

'''Tweets'''
Nesta aba, é exibida uma tabela com todos os tweets coletados. O usuário pode filtrá-los por data, autor, conteúdo e sentimento. A palavra-chave da coleta pode ser vista em negrito e itálico em todos os tweets. Além disso, a seção oferece um campo de busca (do lado direito do menu) onde o usuário pode inserir outros termos de interesse para filtragem de conteúdo. A ferramenta permite análise do ID ID para verificar fluxo de postagem dos autores e todas as URLs são clicáveis. Nesta seção, também se usa o plug-in DataTables da biblioteca Javascript.

== Usabilidade e limitação da ferramenta ==

Twitter Sentiment Visualization

2018-07-03T03:44:06Z

Fvgalvao: Criou página com 'A ferramenta [https://www.csc2.ncsu.edu/faculty/healey/tweet_viz/ Twitter Sentiment Visualization] extrai dados do Twitter por meio de palavras-chave para avaliação de senti...'

A ferramenta [https://www.csc2.ncsu.edu/faculty/healey/tweet_viz/ Twitter Sentiment Visualization] extrai dados do Twitter por meio de palavras-chave para avaliação de sentimento. Isso significa que se trata de uma ferramenta de análise quanti e qualitativa que busca desvendara os aspectos emocionais dos textos coletados.

Para utilizar a ferramenta, não é preciso baixar nenhum programa, pois ele funciona totalmente online nos navegadores Firefox, Chrome, IE 9, Safari e Opera.

Tweet Sentiment Visualization

2018-07-03T03:43:05Z

Fvgalvao:

Ferramentas

2018-07-03T03:39:51Z

Fvgalvao:

Ferramentas utilizadas em Humanidades Digitais:

=Análises Textuais=

[[Annotation Studio]]: aplicativo da Web de fácil uso que permite aos usuários escrever anotações nas margens de textos digitais.

[[Cortext]]: Permite criar gráficos a partir de palavras chaves a partir de um corpus.

[[InqScribe]]: software de transcrição de áudios e vídeos e de legendagem.

[[Google Ngram Viewer]] - O [https://books.google.com/ngrams Google Books Ngram Viewer] é uma ferramenta cujo objetivo é visualizar a história, ascensão, desenvolvimento e desuso de termos, palavras, ideias ou expressões ao longo do tempo. Em linhas gerais, a ferramenta apresenta a evolução de um termo ao longo do tempo desde seu surgimento, perpassando os períodos em que mais aparece, até quando, possivelmente, deixa de ser utilizado.

[[VosViewer]]: Permite criar redes bibliográficas.

[https://pt.wikipedia.org/wiki/IRaMuTeQ IRaMuTeQ]: O software realiza mineração de dados em textos, permitindo a obtenção de várias análises quantitativas dos corpus linguísticos: estatísticas textuais clássicas (contagem de palavras), pesquisa de especificidades de grupos, classificação hierárquica descendente, análise de similitudes e nuvem de palavras.

[[TagCrowd]]: É uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags.

[[Twitter Sentiment Visualization]]: Foco em extração de dados do Twitter para análise de sentimento.

[https://wiki.digitalmethods.net/Dmi/ToolTextRipper TextRipper]: Gera arquivos textos de um determinado site ou PDF

[[Voyant Tools]]: utilizado para mineração de textos.

=Extensões para compartilhar anotações=

[[Diigo]]: Ferramenta colaborativa para gestão do conhecimento pessoal.

[http://www.annotationstudio.org/ Annotation Studio]

[[Padlet]]: Aplicativo gratuito para montar painéis ou murais que permite aos usuários registrar, editar, guardar e compartilhar conteúdo multimidia.

=Mapas=

[https://en.wikipedia.org/wiki/TimeMap TimeMap]: é utilizado para desenvolver mapas interativos para web sites, para intranets ou para quiosques em museus. Além de utilizar [[dataset | datasets]] estáticos, o software tambem pode se conectar a banco de dados e, dessa forma, disponibilizar mapas com dados em tempo real.

=Repositórios=

[[Internet Archive]]: é um repositório digital criado em 1996 com o objetivo de guardar todas as páginas web disponibilizadas na internet, armazenando, inclusive, suas modificações ao longo do tempo. Atualmente é considerada uma das maiores biblioteca abertas do mundo e conta com cerca de 30 petabytes de dados. Além dos websites, seu acervo é composto por materiais multimídia, livros e programas de TV. Pode ser acessado livremente, de qualquer lugar e a qualquer hora. [https://archive.org/ clique]

=Visualização de Dados=

[[inZight]] Permite montar gráficos e estatísticas a partir de um conjunto de dados de forma interativa.

[[Orange]]: Ferramenta de código aberto que possibilita o uso para visualização e mineração de dados, assim como, para machine learning.

[[Information is Beautiful]]: site que permite a visualização de diversos tipos de gráficos a partir de dados coletados previamente pela equipe do site; são disponibilizados dados desde a área da saúde até entretenimento.

[[Timeline JS]]: ferramenta online, gratuita, de código aberto, que permite a criação de uma linha do tempo através de JavaScript.

=Gerenciadores de referências=
[[Zotero]]: Software de gerenciamento de referências bibliográficas, gratuito e em código aberto.

=Bibliografia=
POLLEY, David E. Visualizing the topical coverage of an institutional repository with VOSviewer. In: MAGNUSON, Lauren (Ed.). Data visualization: a guide to visual storytelling for libraries. Rowman & Littlefield, 2016.

Artigo sobre o Voyant Tools [http://eati.info/eati/2017/assets/anais/Longos/L129.pdf]

TagCrowd

2018-07-03T03:33:57Z

Fvgalvao:

[https://tagcrowd.com/ TagCrowd] é uma ferramenta gratuita de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags. Criada pelo estudante de doutorado da Universidade de Stanford, Daniel Steinbock, TagCrowd exibe ocorrência de termos de um texto qualquer, com opção de múltiplos idiomas. Além da clássica mineração de texto, a visualização de tags auxilia estudantes, pesquisadores e empresas a extraírem insights de avaliação qualitativa e otimização de mecanismos de busca [https://pt.wikipedia.org/wiki/Otimiza%C3%A7%C3%A3o_para_motores_de_busca (SEO)].

[[Arquivo:PaginaInicial.jpg | Figura 1: Página Inicial da ferramenta]]

== Política de uso ==

Em relação à política de uso, TagCrowd pode ser utilizada para qualquer fim, incluindo comercial. Sua licença está especificada como Licença de Atribuição Creative Commons, ou seja, basta citar o nome e link da ferramenta. Por ser um projeto pessoal, o desenvolvedor não possui ainda recursos para suportar API externa.

== Privacidade ==

Sobre a política de privacidade dos dados, o sistema informa que os dados analisados pela TagCrowd não são armazenados em nenhum lugar nem compartilhados com terceiros.

== Como funciona a TagCrowd? ==

Existem três maneiras de inserir texto no TagCrowd para criar uma nuvem de palavras: copiar e colar o texto na íntegra em espaço específico, com no máximo 500 kilobytes; extração de termos por meio da URL da página que o usuário deseja analisar (nesta opção, o programa não interpreta URLs em PDF e o tamanho máximo é de 5 megabytes) e upload de um arquivo de texto simples, com tamanho máximo de 5 megabytes.

Depois de indicar a fonte de texto, o usuário pode filtrar sua busca por:

'''Idioma do texto:'''
O usuário deve escolher a linguagem escrita do texto que irá analisar. A TagCrowd mantém uma lista de palavras comuns para cada idioma suportado, de modo que essas palavras não apareçam na nuvem de palavras. Se o usuário desejar desativar esta função, selecionará 'none' para o idioma. Se houver palavras adicionais que por ventura queira remover da nuvem de palavras, preencherá o campo "Não mostrar essas palavras".

'''Número máximo de palavras para mostrar:'''
O valor apropriado dependerá do aplicativo e do tamanho do texto de origem. Em geral, é melhor usar nuvens menores para textos de origem mais curtos e nuvens maiores para textos de origem mais longos.

'''Frequência mínima:'''
O usuário pode determinar a quantidade mínima que um determinado aparece para sua coleta. Por exemplo: se digitar "2" para a frequência mínima, apenas as palavras que aparecerem pelo menos duas vezes na fonte de texto serão incluídas na sua nuvem de palavras.

'''Mostrar frequências:'''
Ao habilitar essa opção, cada termo virá acompanhado de sua ocorrência na nuvem de palavras.

'''Agrupar palavras semelhantes (somente em inglês):'''
O TagCrowd usa o algoritmo Stemming para detectar e combinar palavras similares. Por exemplo: as palavras "professores", "ensinar" e "ensinar" serão combinadas para que sua nuvem de palavras seja menos redundante. A mais frequente das variantes é escolhida para representar todas elas. No caso de empate, a variante mais curta é usada.

'''Não mostre estas palavras:'''
O usuário tem a liberdade de excluir de sua coleta os termos que desejar. Por exemplo: ao analisar um texto sobre tecnologia digital, é natural que o termo digital seja o mais frequente. Por isso, o usuário pode remover tal termo para ter uma lista mais limpa e útil.

'''Como criar uma imagem ou PDF da nuvem de palavras?'''
Após gerar a nuvem, o usuário pode salvar o resultado por meio do botão “Salvar como”. As opções disponíveis são: imprimir/print, HTML e PDF.

[[Arquivo:SalvarComo.jpg]]

'''Como personalizar a aparência da minha nuvem de palavras?'''
Na opção do código HTML Embed, há a seção “Personalizar”, onde é possível personalizar alguns dos estilos CSS para se adequar ao estilo da sua página da web. Os estilos personalizados incluem fonte e tamanho da fonte, tamanho geral da nuvem, margens, preenchimento, bordas e cor de fundo.

'''Como manter várias palavras juntas na nuvem (por exemplo, "Humanidades Digitais")?'''
Use um caractere til entre as palavras que você deseja manter juntas. Para fazer isso, execute um localizar e substituir no arquivo de texto original e insira um ~ (caractere til) entre as palavras que você deseja agrupar. Por exemplo: substitua 'Humanidades Digitais' por 'Humanidades ~ Digitais', 'word cloud' por 'word ~ cloud', etc. A nuvem resultante terá espaços sem quebra inseridos para o til.

'''O que fazer se uma determinada palavra não aparecer na nuvem de palavras?'''
O TagCrowd usa listas específicas de idioma de palavras comuns para manter as nuvens de palavras relevantes. Para impedir que determinadas palavras sejam removidas, adicione um ~ (caractere til) ao final de qualquer palavra que você deseja preservar.

Por exemplo, 'IT' é um acrônimo para 'information technology', mas também é um termo em inglês comum, o 'it'. Deve-se substituir todas as ocorrências de 'IT' por 'IT ~' para mantê-lo na nuvem.

== TagCrowd na prática ==

'''Figura 1:''' ''Opção Upload File''

'''Conteúdo escolhido:''' bloco de notas com o conteúdo do Manifesto Comunista, de Marx e Engels.

'''Filtros escolhidos:''' frequência mínima de uma ocorrência; nuvem sem exibir a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; nenhum termo foi removido do texto original.

[[Arquivo:UploadFile.jpg]]

'''Figura 2:''' ''Resultado com a nuvem de palavras''

Após definir os parâmetros de coleta e clicar no botão "Visualizar", o sistema retornou com a nuvem de tags. No caso do Manifesto Comunista, os termos mais recorrentes são: classe (157), burguês (108) e burguesia (91).

[[Arquivo:Nuvem1.jpg]]

Importante notar que, mesmo a fonte de texto original ter sido um bloco de notas, automaticamente o sistema transcreveu seu conteúdo na seção “Paste Text”, conforme imagem abaixo.

'''Figura 3:''' ''Texto transcrito''

[[Arquivo:Textotranscrito.jpg]]

'''Figura 4:''' ''Opção Copiar e Colar texto na íntegra.''

'''Conteúdo escolhido:''' Manifesto das Humanidades Digitais

[[Arquivo:CopiareColar.jpg]]

'''Figura 5:''' ''Filtros escolhidos''

Frequência mínima de uma ocorrência; nuvem exibindo a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; exclusão dos termos “digital” e “humanities”.

[[Arquivo:Filtros.jpg]]

'''Figura 6:''' ''Resultado da nuvem de palavras''

Conforme observado abaixo, a nuvem de palavras referente à coleta no Manifesto das Humanidades Digitais demonstra o amplo uso dos termos cultura, prática e conhecimento.

[[Arquivo:Nuvem2.jpg]]

'''Figura 7:''' ''Opção Web Page URL''

'''URL escolhida:''' verbete [https://en.wikipedia.org/wiki/Digital_humanities Digital Humanities na Wikipédia]

'''Filtros escolhidos:''' frequência mínima de uma ocorrência; nuvem exibindo a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; exclusão dos termos “digital” e “humanities”.

[[Arquivo:URL.jpg]]

'''Figura 8:''' ''Resultado da nuvem de palavras''

[[Arquivo:NuvemURL.jpg]]

== Usabilidade ==

A interface da TagCrowd é simples e acessível a todos os tipos de usuários. A ferramenta tem uma funcionalidade específica e os ícones comunicam bem seus objetivos. Observa-se que na aba "URL", poderia haver um aviso sobre as extensões não aceitáveis pelo sistema, como PDFs online. O manuseio da ferramenta não exige conhecimentos sobre programação, exceto se o usuário desejar exportar a nuvem de palavras para páginas HTML.

Tweet Sentiment Visualization

2018-07-03T03:27:27Z

Fvgalvao: Criou página com 'A ferramenta [https://www.csc2.ncsu.edu/faculty/healey/tweet_viz/ Tweet Sentiment Visualization] extrai dados do Twitter por meio de palavras-chave para avaliação de sentime...'

A ferramenta [https://www.csc2.ncsu.edu/faculty/healey/tweet_viz/ Tweet Sentiment Visualization] extrai dados do Twitter por meio de palavras-chave para avaliação de sentimento. Isso significa que se trata de uma ferramenta de análise quanti e qualitativa que busca desvendara os aspectos emocionais dos textos coletados.

Para utilizar a ferramenta, não é preciso baixar nenhum programa, pois ele funciona totalmente online nos navegadores Firefox, Chrome, IE 9, Safari e Opera.

Ferramentas

2018-07-03T03:18:28Z

Fvgalvao:

Ferramentas utilizadas em Humanidades Digitais:

=Análises Textuais=

[[Annotation Studio]]: aplicativo da Web de fácil uso que permite aos usuários escrever anotações nas margens de textos digitais.

[[Cortext]]: Permite criar gráficos a partir de palavras chaves a partir de um corpus.

[[InqScribe]]: software de transcrição de áudios e vídeos e de legendagem.

[[Google Ngram Viewer]] - O [https://books.google.com/ngrams Google Books Ngram Viewer] é uma ferramenta cujo objetivo é visualizar a história, ascensão, desenvolvimento e desuso de termos, palavras, ideias ou expressões ao longo do tempo. Em linhas gerais, a ferramenta apresenta a evolução de um termo ao longo do tempo desde seu surgimento, perpassando os períodos em que mais aparece, até quando, possivelmente, deixa de ser utilizado.

[[VosViewer]]: Permite criar redes bibliográficas.

[https://pt.wikipedia.org/wiki/IRaMuTeQ IRaMuTeQ]: O software realiza mineração de dados em textos, permitindo a obtenção de várias análises quantitativas dos corpus linguísticos: estatísticas textuais clássicas (contagem de palavras), pesquisa de especificidades de grupos, classificação hierárquica descendente, análise de similitudes e nuvem de palavras.

[[TagCrowd]]: É uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags.

[[Tweet Sentiment Visualization]]: Foco em extração de dados do Twitter para análise de sentimento.

[https://wiki.digitalmethods.net/Dmi/ToolTextRipper TextRipper]: Gera arquivos textos de um determinado site ou PDF

[[Voyant Tools]]: utilizado para mineração de textos.

=Extensões para compartilhar anotações=

[[Diigo]]: Ferramenta colaborativa para gestão do conhecimento pessoal.

[http://www.annotationstudio.org/ Annotation Studio]

[[Padlet]]: Aplicativo gratuito para montar painéis ou murais que permite aos usuários registrar, editar, guardar e compartilhar conteúdo multimidia.

=Mapas=

[https://en.wikipedia.org/wiki/TimeMap TimeMap]: é utilizado para desenvolver mapas interativos para web sites, para intranets ou para quiosques em museus. Além de utilizar [[dataset | datasets]] estáticos, o software tambem pode se conectar a banco de dados e, dessa forma, disponibilizar mapas com dados em tempo real.

=Repositórios=

[[Internet Archive]]: é um repositório digital criado em 1996 com o objetivo de guardar todas as páginas web disponibilizadas na internet, armazenando, inclusive, suas modificações ao longo do tempo. Atualmente é considerada uma das maiores biblioteca abertas do mundo e conta com cerca de 30 petabytes de dados. Além dos websites, seu acervo é composto por materiais multimídia, livros e programas de TV. Pode ser acessado livremente, de qualquer lugar e a qualquer hora. [https://archive.org/ clique]

=Visualização de Dados=

[[inZight]] Permite montar gráficos e estatísticas a partir de um conjunto de dados de forma interativa.

[[Orange]]: Ferramenta de código aberto que possibilita o uso para visualização e mineração de dados, assim como, para machine learning.

[[Information is Beautiful]]: site que permite a visualização de diversos tipos de gráficos a partir de dados coletados previamente pela equipe do site; são disponibilizados dados desde a área da saúde até entretenimento.

[[Timeline JS]]: ferramenta online, gratuita, de código aberto, que permite a criação de uma linha do tempo através de JavaScript.

=Gerenciadores de referências=
[[Zotero]]: Software de gerenciamento de referências bibliográficas, gratuito e em código aberto.

=Bibliografia=
POLLEY, David E. Visualizing the topical coverage of an institutional repository with VOSviewer. In: MAGNUSON, Lauren (Ed.). Data visualization: a guide to visual storytelling for libraries. Rowman & Littlefield, 2016.

Artigo sobre o Voyant Tools [http://eati.info/eati/2017/assets/anais/Longos/L129.pdf]

TagCrowd

2018-07-03T02:34:22Z

Fvgalvao:

[https://tagcrowd.com/ TagCrowd] é uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags. Criada pelo estudante de doutorado da Universidade de Stanford, Daniel Steinbock, TagCrowd exibe ocorrência de termos de um texto qualquer, com opção de múltiplos idiomas. Além da clássica mineração de texto, a visualização de tags auxilia estudantes, pesquisadores e empresas a extraírem insights de avaliação qualitativa e otimização de mecanismos de busca [https://pt.wikipedia.org/wiki/Otimiza%C3%A7%C3%A3o_para_motores_de_busca (SEO)].

[[Arquivo:PaginaInicial.jpg | Figura 1: Página Inicial da ferramenta]]

== Política de uso ==

Em relação à política de uso, TagCrowd pode ser utilizada para qualquer fim, incluindo comercial. Sua licença está especificada como Licença de Atribuição Creative Commons, ou seja, basta citar o nome e link da ferramenta. Por ser um projeto pessoal, o desenvolvedor não possui ainda recursos para suportar API externa.

== Privacidade ==

Sobre a política de privacidade dos dados, o sistema informa que os dados analisados pela TagCrowd não são armazenados em nenhum lugar nem compartilhados com terceiros.

== Como funciona a TagCrowd? ==

Existem três maneiras de inserir texto no TagCrowd para criar uma nuvem de palavras: copiar e colar o texto na íntegra em espaço específico, com no máximo 500 kilobytes; extração de termos por meio da URL da página que o usuário deseja analisar (nesta opção, o programa não interpreta URLs em PDF e o tamanho máximo é de 5 megabytes) e upload de um arquivo de texto simples, com tamanho máximo de 5 megabytes.

Depois de indicar a fonte de texto, o usuário pode filtrar sua busca por:

'''Idioma do texto:'''
O usuário deve escolher a linguagem escrita do texto que irá analisar. A TagCrowd mantém uma lista de palavras comuns para cada idioma suportado, de modo que essas palavras não apareçam na nuvem de palavras. Se o usuário desejar desativar esta função, selecionará 'none' para o idioma. Se houver palavras adicionais que por ventura queira remover da nuvem de palavras, preencherá o campo "Não mostrar essas palavras".

'''Número máximo de palavras para mostrar:'''
O valor apropriado dependerá do aplicativo e do tamanho do texto de origem. Em geral, é melhor usar nuvens menores para textos de origem mais curtos e nuvens maiores para textos de origem mais longos.

'''Frequência mínima:'''
O usuário pode determinar a quantidade mínima que um determinado aparece para sua coleta. Por exemplo: se digitar "2" para a frequência mínima, apenas as palavras que aparecerem pelo menos duas vezes na fonte de texto serão incluídas na sua nuvem de palavras.

'''Mostrar frequências:'''
Ao habilitar essa opção, cada termo virá acompanhado de sua ocorrência na nuvem de palavras.

'''Agrupar palavras semelhantes (somente em inglês):'''
O TagCrowd usa o algoritmo Stemming para detectar e combinar palavras similares. Por exemplo: as palavras "professores", "ensinar" e "ensinar" serão combinadas para que sua nuvem de palavras seja menos redundante. A mais frequente das variantes é escolhida para representar todas elas. No caso de empate, a variante mais curta é usada.

'''Não mostre estas palavras:'''
O usuário tem a liberdade de excluir de sua coleta os termos que desejar. Por exemplo: ao analisar um texto sobre tecnologia digital, é natural que o termo digital seja o mais frequente. Por isso, o usuário pode remover tal termo para ter uma lista mais limpa e útil.

'''Como criar uma imagem ou PDF da nuvem de palavras?'''
Após gerar a nuvem, o usuário pode salvar o resultado por meio do botão “Salvar como”. As opções disponíveis são: imprimir/print, HTML e PDF.

[[Arquivo:SalvarComo.jpg]]

'''Como personalizar a aparência da minha nuvem de palavras?'''
Na opção do código HTML Embed, há a seção “Personalizar”, onde é possível personalizar alguns dos estilos CSS para se adequar ao estilo da sua página da web. Os estilos personalizados incluem fonte e tamanho da fonte, tamanho geral da nuvem, margens, preenchimento, bordas e cor de fundo.

'''Como manter várias palavras juntas na nuvem (por exemplo, "Humanidades Digitais")?'''
Use um caractere til entre as palavras que você deseja manter juntas. Para fazer isso, execute um localizar e substituir no arquivo de texto original e insira um ~ (caractere til) entre as palavras que você deseja agrupar. Por exemplo: substitua 'Humanidades Digitais' por 'Humanidades ~ Digitais', 'word cloud' por 'word ~ cloud', etc. A nuvem resultante terá espaços sem quebra inseridos para o til.

'''O que fazer se uma determinada palavra não aparecer na nuvem de palavras?'''
O TagCrowd usa listas específicas de idioma de palavras comuns para manter as nuvens de palavras relevantes. Para impedir que determinadas palavras sejam removidas, adicione um ~ (caractere til) ao final de qualquer palavra que você deseja preservar.

Por exemplo, 'IT' é um acrônimo para 'information technology', mas também é um termo em inglês comum, o 'it'. Deve-se substituir todas as ocorrências de 'IT' por 'IT ~' para mantê-lo na nuvem.

== TagCrowd na prática ==

'''Figura 1:''' ''Opção Upload File''

'''Conteúdo escolhido:''' bloco de notas com o conteúdo do Manifesto Comunista, de Marx e Engels.

'''Filtros escolhidos:''' frequência mínima de uma ocorrência; nuvem sem exibir a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; nenhum termo foi removido do texto original.

[[Arquivo:UploadFile.jpg]]

'''Figura 2:''' ''Resultado com a nuvem de palavras''

Após definir os parâmetros de coleta e clicar no botão "Visualizar", o sistema retornou com a nuvem de tags. No caso do Manifesto Comunista, os termos mais recorrentes são: classe (157), burguês (108) e burguesia (91).

[[Arquivo:Nuvem1.jpg]]

Importante notar que, mesmo a fonte de texto original ter sido um bloco de notas, automaticamente o sistema transcreveu seu conteúdo na seção “Paste Text”, conforme imagem abaixo.

'''Figura 3:''' ''Texto transcrito''

[[Arquivo:Textotranscrito.jpg]]

'''Figura 4:''' ''Opção Copiar e Colar texto na íntegra.''

'''Conteúdo escolhido:''' Manifesto das Humanidades Digitais

[[Arquivo:CopiareColar.jpg]]

'''Figura 5:''' ''Filtros escolhidos''

Frequência mínima de uma ocorrência; nuvem exibindo a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; exclusão dos termos “digital” e “humanities”.

[[Arquivo:Filtros.jpg]]

'''Figura 6:''' ''Resultado da nuvem de palavras''

Conforme observado abaixo, a nuvem de palavras referente à coleta no Manifesto das Humanidades Digitais demonstra o amplo uso dos termos cultura, prática e conhecimento.

[[Arquivo:Nuvem2.jpg]]

'''Figura 7:''' ''Opção Web Page URL''

'''URL escolhida:''' verbete [https://en.wikipedia.org/wiki/Digital_humanities Digital Humanities na Wikipédia]

'''Filtros escolhidos:''' frequência mínima de uma ocorrência; nuvem exibindo a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; exclusão dos termos “digital” e “humanities”.

[[Arquivo:URL.jpg]]

'''Figura 8:''' ''Resultado da nuvem de palavras''

[[Arquivo:NuvemURL.jpg]]

== Usabilidade ==

A interface da TagCrowd é simples e acessível a todos os tipos de usuários. A ferramenta tem uma funcionalidade específica e os ícones comunicam bem seus objetivos. Observa-se que na aba "URL", poderia haver um aviso sobre as extensões não aceitáveis pelo sistema, como PDFs online. O manuseio da ferramenta não exige conhecimentos sobre programação, exceto se o usuário desejar exportar a nuvem de palavras para páginas HTML.

TagCrowd

2018-07-03T02:26:47Z

Fvgalvao:

[https://tagcrowd.com/ TagCrowd] é uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags. Criada pelo estudante de doutorado da Universidade de Stanford, Daniel Steinbock, TagCrowd exibe ocorrência de termos de um texto qualquer, com opção de múltiplos idiomas. Além da clássica mineração de texto, a visualização de tags auxilia estudantes, pesquisadores e empresas a extraírem insights de avaliação qualitativa e otimização de mecanismos de busca [https://pt.wikipedia.org/wiki/Otimiza%C3%A7%C3%A3o_para_motores_de_busca (SEO)].

[[Arquivo:PaginaInicial.jpg | Figura 1: Página Inicial da ferramenta]]

== Política de uso ==

Em relação à política de uso, TagCrowd pode ser utilizada para qualquer fim, incluindo comercial. Sua licença está especificada como Licença de Atribuição Creative Commons, ou seja, basta citar o nome e link da ferramenta. Por ser um projeto pessoal, o desenvolvedor não possui ainda recursos para suportar API externa.

== Privacidade ==

Sobre a política de privacidade dos dados, o sistema informa que os dados analisados pela TagCrowd não são armazenados em nenhum lugar nem compartilhados com terceiros.

== Como funciona a TagCrowd? ==

Existem três maneiras de inserir texto no TagCrowd para criar uma nuvem de palavras: copiar e colar o texto na íntegra em espaço específico, com no máximo 500 kilobytes; extração de termos por meio da URL da página que o usuário deseja analisar (nesta opção, o programa não interpreta URLs em PDF e o tamanho máximo é de 5 megabytes) e upload de um arquivo de texto simples, com tamanho máximo de 5 megabytes.

Depois de indicar a fonte de texto, o usuário pode filtrar sua busca por:

'''Idioma do texto:'''
O usuário deve escolher a linguagem escrita do texto que irá analisar. A TagCrowd mantém uma lista de palavras comuns para cada idioma suportado, de modo que essas palavras não apareçam na nuvem de palavras. Se o usuário desejar desativar esta função, selecionará 'none' para o idioma. Se houver palavras adicionais que por ventura queira remover da nuvem de palavras, preencherá o campo "Não mostrar essas palavras".

'''Número máximo de palavras para mostrar:'''
O valor apropriado dependerá do aplicativo e do tamanho do texto de origem. Em geral, é melhor usar nuvens menores para textos de origem mais curtos e nuvens maiores para textos de origem mais longos.

'''Frequência mínima:'''
O usuário pode determinar a quantidade mínima que um determinado aparece para sua coleta. Por exemplo: se digitar "2" para a frequência mínima, apenas as palavras que aparecerem pelo menos duas vezes na fonte de texto serão incluídas na sua nuvem de palavras.

'''Mostrar frequências:'''
Ao habilitar essa opção, cada termo virá acompanhado de sua ocorrência na nuvem de palavras.

'''Agrupar palavras semelhantes (somente em inglês):'''
O TagCrowd usa o algoritmo Stemming para detectar e combinar palavras similares. Por exemplo: as palavras "professores", "ensinar" e "ensinar" serão combinadas para que sua nuvem de palavras seja menos redundante. A mais frequente das variantes é escolhida para representar todas elas. No caso de empate, a variante mais curta é usada.

'''Não mostre estas palavras:'''
O usuário tem a liberdade de excluir de sua coleta os termos que desejar. Por exemplo: ao analisar um texto sobre tecnologia digital, é natural que o termo digital seja o mais frequente. Por isso, o usuário pode remover tal termo para ter uma lista mais limpa e útil.

'''Como criar uma imagem ou PDF da nuvem de palavras?'''
Após gerar a nuvem, o usuário pode salvar o resultado por meio do botão “Salvar como”. As opções disponíveis são: imprimir/print, HTML e PDF.

[[Arquivo:SalvarComo.jpg]]

'''Como personalizar a aparência da minha nuvem de palavras?'''
Na opção do código HTML Embed, há a seção “Personalizar”, onde é possível personalizar alguns dos estilos CSS para se adequar ao estilo da sua página da web. Os estilos personalizados incluem fonte e tamanho da fonte, tamanho geral da nuvem, margens, preenchimento, bordas e cor de fundo.

'''Como manter várias palavras juntas na nuvem (por exemplo, "Humanidades Digitais")?'''
Use um caractere til entre as palavras que você deseja manter juntas. Para fazer isso, execute um localizar e substituir no arquivo de texto original e insira um ~ (caractere til) entre as palavras que você deseja agrupar. Por exemplo: substitua 'Humanidades Digitais' por 'Humanidades ~ Digitais', 'word cloud' por 'word ~ cloud', etc. A nuvem resultante terá espaços sem quebra inseridos para o til.

'''O que fazer se uma determinada palavra não aparecer na nuvem de palavras?'''
O TagCrowd usa listas específicas de idioma de palavras comuns para manter as nuvens de palavras relevantes. Para impedir que determinadas palavras sejam removidas, adicione um ~ (caractere til) ao final de qualquer palavra que você deseja preservar.

Por exemplo, 'IT' é um acrônimo para 'information technology', mas também é um termo em inglês comum, o 'it'. Deve-se substituir todas as ocorrências de 'IT' por 'IT ~' para mantê-lo na nuvem.

== TagCrowd na prática ==

'''Figura 1:''' ''Opção Upload File''

'''Conteúdo escolhido:''' bloco de notas com o conteúdo do Manifesto Comunista, de Marx e Engels.

'''Filtros escolhidos:''' frequência mínima de uma ocorrência; nuvem sem exibir a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; nenhum termo foi removido do texto original.

[[Arquivo:UploadFile.jpg]]

'''Figura 2:''' ''Resultado com a nuvem de palavras''

[[Arquivo:Nuvem1.jpg]]

Importante notar que, mesmo a fonte de texto original ter sido um bloco de notas, automaticamente o sistema transcreveu seu conteúdo na seção “Paste Text”, conforme imagem abaixo.

'''Figura 3:''' ''Texto transcrito''

[[Arquivo:Textotranscrito.jpg]]

'''Figura 4:''' ''Opção Copiar e Colar texto na íntegra.''

'''Conteúdo escolhido:''' Manifesto das Humanidades Digitais

[[Arquivo:CopiareColar.jpg]]

'''Figura 5:''' ''Filtros escolhidos''

Frequência mínima de uma ocorrência; nuvem exibindo a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; exclusão dos termos “digital” e “humanities”.

[[Arquivo:Filtros.jpg]]

'''Figura 6:''' ''Resultado da nuvem de palavras''

[[Arquivo:Nuvem2.jpg]]

'''Figura 7:''' ''Opção Web Page URL''

'''URL escolhida:''' verbete [https://en.wikipedia.org/wiki/Digital_humanities Digital Humanities na Wikipédia]

'''Filtros escolhidos:''' frequência mínima de uma ocorrência; nuvem exibindo a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; exclusão dos termos “digital” e “humanities”.

[[Arquivo:URL.jpg]]

'''Figura 8:''' ''Resultado da nuvem de palavras''

[[Arquivo:NuvemURL.jpg]]

== Usabilidade ==

A interface da TagCrowd é simples e acessível a todos os tipos de usuários. A ferramenta tem uma funcionalidade específica e os ícones comunicam bem seus objetivos. Observa-se que na aba "URL", poderia haver um aviso sobre as extensões não aceitáveis pelo sistema, como PDFs online. O manuseio da ferramenta não exige conhecimentos sobre programação, exceto se o usuário desejar exportar a nuvem de palavras para páginas HTML.

TagCrowd

2018-07-03T02:22:09Z

Fvgalvao:

[https://tagcrowd.com/ TagCrowd] é uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags. Criada pelo estudante de doutorado da Universidade de Stanford, Daniel Steinbock, TagCrowd exibe ocorrência de termos de um texto qualquer, com opção de múltiplos idiomas. Além da clássica mineração de texto, a visualização de tags auxilia estudantes, pesquisadores e empresas a extraírem insights de avaliação qualitativa e otimização de mecanismos de busca [https://pt.wikipedia.org/wiki/Otimiza%C3%A7%C3%A3o_para_motores_de_busca (SEO)].

[[Arquivo:PaginaInicial.jpg | Figura 1: Página Inicial da ferramenta]]

== Política de uso ==

Em relação à política de uso, TagCrowd pode ser utilizada para qualquer fim, incluindo comercial. Sua licença está especificada como Licença de Atribuição Creative Commons, ou seja, basta citar o nome e link da ferramenta. Por ser um projeto pessoal, o desenvolvedor não possui ainda recursos para suportar API externa.

== Privacidade ==

Sobre a política de privacidade dos dados, o sistema informa que os dados analisados pela TagCrowd não é armazenado em nenhum lugar nem compartilhado com terceiros.

== Como funciona a TagCrowd? ==

Existem três maneiras de inserir texto no TagCrowd para criar uma nuvem de palavras: copiar e colar o texto na íntegra em espaço específico, com no máximo 500 kilobytes; extração de termos por meio da URL da página que o usuário deseja analisar (nesta opção, o programa não interpreta URLs em PDF e o tamanho máximo é de 5 megabytes) e upload de um arquivo de texto simples, com tamanho máximo de 5 megabytes.

Depois de indicar a fonte de texto, o usuário pode filtrar sua busca por:

'''Idioma do texto:'''
O usuário deve escolher a linguagem escrita do texto que irá analisar. A TagCrowd mantém uma lista de palavras comuns para cada idioma suportado, de modo que essas palavras não apareçam na nuvem de palavras. Se o usuário desejar desativar esta função, selecionará 'none' para o idioma. Se houver palavras adicionais que por ventura queira remover da nuvem de palavras, preencherá o campo "Não mostrar essas palavras".

'''Número máximo de palavras para mostrar:'''
O valor apropriado dependerá do aplicativo e do tamanho do texto de origem. Em geral, é melhor usar nuvens menores para textos de origem mais curtos e nuvens maiores para textos de origem mais longos.

'''Frequência mínima:'''
O usuário pode determinar a quantidade mínima que um determinado aparece para sua coleta. Por exemplo: se digitar "2" para a frequência mínima, apenas as palavras que aparecerem pelo menos duas vezes na fonte de texto serão incluídas na sua nuvem de palavras.

'''Mostrar frequências:'''
Ao habilitar essa opção, cada termo virá acompanhado de sua ocorrência na nuvem de palavras.

'''Agrupar palavras semelhantes (somente em inglês):'''
O TagCrowd usa o algoritmo Stemming para detectar e combinar palavras similares. Por exemplo: as palavras "professores", "ensinar" e "ensinar" serão combinadas para que sua nuvem de palavras seja menos redundante. A mais frequente das variantes é escolhida para representar todas elas. No caso de empate, a variante mais curta é usada.

'''Não mostre estas palavras:'''
O usuário tem a liberdade de excluir de sua coleta os termos que desejar. Por exemplo: ao analisar um texto sobre tecnologia digital, é natural que o termo digital seja o mais frequente. Por isso, o usuário pode remover tal termo para ter uma lista mais limpa e útil.

'''Como criar uma imagem ou PDF da nuvem de palavras?'''
Após gerar a nuvem, o usuário pode salvar o resultado por meio do botão “Salvar como”. As opções disponíveis são: imprimir/print, HTML e PDF.

[[Arquivo:SalvarComo.jpg]]

'''Como personalizar a aparência da minha nuvem de palavras?'''
Na opção do código HTML Embed, há a seção “Personalizar”, onde é possível personalizar alguns dos estilos CSS para se adequar ao estilo da sua página da web. Os estilos personalizados incluem fonte e tamanho da fonte, tamanho geral da nuvem, margens, preenchimento, bordas e cor de fundo.

'''Como manter várias palavras juntas na nuvem (por exemplo, "Humanidades Digitais")?'''
Use um caractere til entre as palavras que você deseja manter juntas. Para fazer isso, execute um localizar e substituir no arquivo de texto original e insira um ~ (caractere til) entre as palavras que você deseja agrupar. Por exemplo: substitua 'Humanidades Digitais' por 'Humanidades ~ Digitais', 'word cloud' por 'word ~ cloud', etc. A nuvem resultante terá espaços sem quebra inseridos para o til.

'''O que fazer se uma determinada palavra não aparecer na nuvem de palavras?'''
O TagCrowd usa listas específicas de idioma de palavras comuns para manter as nuvens de palavras relevantes. Para impedir que determinadas palavras sejam removidas, adicione um ~ (caractere til) ao final de qualquer palavra que você deseja preservar.

Por exemplo, 'IT' é um acrônimo para 'information technology', mas também é um termo em inglês comum, o 'it'. Deve-se substituir todas as ocorrências de 'IT' por 'IT ~' para mantê-lo na nuvem.

== TagCrowd na prática: ==

'''Figura 1:''' ''Opção Upload File''

'''Conteúdo escolhido:''' bloco de notas com o conteúdo do Manifesto Comunista, de Marx e Engels.

'''Filtros escolhidos:''' frequência mínima de uma ocorrência; nuvem sem exibir a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; nenhum termo foi removido do texto original.

[[Arquivo:UploadFile.jpg]]

'''Figura 2:''' ''Resultado com a nuvem de palavras''

[[Arquivo:Nuvem1.jpg]]

Importante notar que, mesmo a fonte de texto original ter sido um bloco de notas, automaticamente o sistema transcreveu seu conteúdo na seção “Paste Text”, conforme imagem abaixo.

'''Figura 3:''' ''Texto transcrito''

[[Arquivo:Textotranscrito.jpg]]

'''Figura 4:''' ''Opção Copiar e Colar texto na íntegra.''

'''Conteúdo escolhido:''' Manifesto das Humanidades Digitais

[[Arquivo:CopiareColar.jpg]]

'''Figura 5:''' ''Filtros escolhidos''

Frequência mínima de uma ocorrência; nuvem exibindo a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; exclusão dos termos “digital” e “humanities”.

[[Arquivo:Filtros.jpg]]

'''Figura 6:''' ''Resultado da nuvem de palavras''

[[Arquivo:Nuvem2.jpg]]

'''Figura 7:''' ''Opção Web Page URL''

'''URL escolhida:''' verbete Digital Humanities na Wikipédia
'''Filtros escolhidos:''' frequência mínima de uma ocorrência; nuvem exibindo a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; exclusão dos termos “digital” e “humanities”.

[[Arquivo:URL.jpg]]

'''Figura 8:''' ''Resultado da nuvem de palavras''

[[Arquivo:NuvemURL.jpg]]

== Usabilidade ==

A interface da TagCrowd é simples e acessível a todos os tipos de usuários. A ferramenta tem uma funcionalidade específica e os ícones comunicam bem seus objetivos. Observa-se que na aba "URL", poderia haver um aviso sobre as extensões não aceitáveis pelo sistema, como PDFs online. O manuseio da ferramenta não exige conhecimentos sobre programação, exceto se o usuário desejar exportar a nuvem de palavras para páginas HTML.

Arquivo:NuvemURL.jpg

2018-07-03T02:16:25Z

Fvgalvao:

TagCrowd

2018-07-02T23:32:16Z

Fvgalvao:

[https://tagcrowd.com/ TagCrowd] é uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags. Criada pelo estudante de doutorado da Universidade de Stanford, Daniel Steinbock, TagCrowd exibe ocorrência de termos de um texto qualquer, com opção de múltiplos idiomas. Além da clássica mineração de texto, a visualização de tags auxilia estudantes, pesquisadores e empresas a extraírem insights de avaliação qualitativa e otimização de mecanismos de busca [https://pt.wikipedia.org/wiki/Otimiza%C3%A7%C3%A3o_para_motores_de_busca (SEO)].

[[Arquivo:PaginaInicial.jpg | Figura 1: Página Inicial da ferramenta]]

Em relação à política de uso, TagCrowd pode ser utilizada para qualquer fim, incluindo comercial. Sua licença está especificada como Licença de Atribuição Creative Commons, ou seja, basta citar o nome e link da ferramenta. Por ser um projeto pessoal, o desenvolvedor não possui ainda recursos para suportar API externa.

Sobre a política de privacidade dos dados, o sistema informa que os dados analisados pela TagCrowd não é armazenado em nenhum lugar nem compartilhado com terceiros.

Existem três maneiras de inserir texto no TagCrowd para criar uma nuvem de palavras: copiar e colar o texto na íntegra em espaço específico, com no máximo 500 kilobytes; extração de termos por meio da URL da página que o usuário deseja analisar (nesta opção, o programa não interpreta URLs em PDF e o tamanho máximo é de 5 megabytes) e upload de um arquivo de texto simples, com tamanho máximo de 5 megabytes.

Depois de indicar a fonte de texto, o usuário pode filtrar sua busca por:

'''Idioma do texto:'''
O usuário deve escolher a linguagem escrita do texto que irá analisar. A TagCrowd mantém uma lista de palavras comuns para cada idioma suportado, de modo que essas palavras não apareçam na nuvem de palavras. Se o usuário desejar desativar esta função, selecionará 'none' para o idioma. Se houver palavras adicionais que por ventura queira remover da nuvem de palavras, preencherá o campo "Não mostrar essas palavras".

'''Número máximo de palavras para mostrar:'''
O valor apropriado dependerá do aplicativo e do tamanho do texto de origem. Em geral, é melhor usar nuvens menores para textos de origem mais curtos e nuvens maiores para textos de origem mais longos.

'''Frequência mínima:'''
O usuário pode determinar a quantidade mínima que um determinado aparece para sua coleta. Por exemplo: se digitar "2" para a frequência mínima, apenas as palavras que aparecerem pelo menos duas vezes na fonte de texto serão incluídas na sua nuvem de palavras.

'''Mostrar frequências:'''
Ao habilitar essa opção, cada termo virá acompanhado de sua ocorrência na nuvem de palavras.

'''Agrupar palavras semelhantes (somente em inglês):'''
O TagCrowd usa o algoritmo Stemming para detectar e combinar palavras similares. Por exemplo: as palavras "professores", "ensinar" e "ensinar" serão combinadas para que sua nuvem de palavras seja menos redundante. A mais frequente das variantes é escolhida para representar todas elas. No caso de empate, a variante mais curta é usada.

'''Não mostre estas palavras:'''
O usuário tem a liberdade de excluir de sua coleta os termos que desejar. Por exemplo: ao analisar um texto sobre tecnologia digital, é natural que o termo digital seja o mais frequente. Por isso, o usuário pode remover tal termo para ter uma lista mais limpa e útil.

'''Como criar uma imagem ou PDF da nuvem de palavras?'''
Após gerar a nuvem, o usuário pode salvar o resultado por meio do botão “Salvar como”. As opções disponíveis são: imprimir/print, HTML e PDF.

[[Arquivo:SalvarComo.jpg]]

'''Como personalizar a aparência da minha nuvem de palavras?'''
Na opção do código HTML Embed, há a seção “Personalizar”, onde é possível personalizar alguns dos estilos CSS para se adequar ao estilo da sua página da web. Os estilos personalizados incluem fonte e tamanho da fonte, tamanho geral da nuvem, margens, preenchimento, bordas e cor de fundo.

'''Como manter várias palavras juntas na nuvem (por exemplo, "Humanidades Digitais")?'''
Use um caractere til entre as palavras que você deseja manter juntas. Para fazer isso, execute um localizar e substituir no arquivo de texto original e insira um ~ (caractere til) entre as palavras que você deseja agrupar. Por exemplo: substitua 'Humanidades Digitais' por 'Humanidades ~ Digitais', 'word cloud' por 'word ~ cloud', etc. A nuvem resultante terá espaços sem quebra inseridos para o til.

'''O que fazer se uma determinada palavra não aparecer na nuvem de palavras?'''
O TagCrowd usa listas específicas de idioma de palavras comuns para manter as nuvens de palavras relevantes. Para impedir que determinadas palavras sejam removidas, adicione um ~ (caractere til) ao final de qualquer palavra que você deseja preservar.

Por exemplo, 'IT' é um acrônimo para 'information technology', mas também é um termo em inglês comum, o 'it'. Deve-se substituir todas as ocorrências de 'IT' por 'IT ~' para mantê-lo na nuvem.

== TagCrowd na prática: ==

'''Figura 1:''' ''Opção Upload File''

'''Conteúdo escolhido:''' bloco de notas com o conteúdo do Manifesto Comunista, de Marx e Engels.

'''Filtros escolhidos:''' frequência mínima de uma ocorrência; nuvem sem exibir a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; nenhum termo foi removido do texto original.

[[Arquivo:UploadFile.jpg]]

'''Figura 2:''' ''Resultado com a nuvem de palavras''

[[Arquivo:Nuvem1.jpg]]

Importante notar que, mesmo a fonte de texto original ter sido um bloco de notas, automaticamente o sistema transcreveu seu conteúdo na seção “Paste Text”, conforme imagem abaixo.

'''Figura 3:''' ''Texto transcrito''

[[Arquivo:Textotranscrito.jpg]]

'''Figura 4:''' ''Opção Copiar e Colar texto na íntegra.''

'''Conteúdo escolhido:''' Manifesto das Humanidades Digitais

[[Arquivo:CopiareColar.jpg]]

'''Figura 5:''' ''Filtros escolhidos''

Frequência mínima de uma ocorrência; nuvem exibindo a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; exclusão dos termos “digital” e “humanities”.

[[Arquivo:Filtros.jpg]]

'''Figura 6:''' ''Resultado da nuvem de palavras''

[[Arquivo:Nuvem2.jpg]]

'''Figura 7:''' ''Opção Web Page URL''

'''URL escolhida:''' verbete Digital Humanities na Wikipédia
'''Filtros escolhidos:''' frequência mínima de uma ocorrência; nuvem exibindo a quantidade de ocorrência dos termos; número máximo de 50 termos na nuvem; exclusão dos termos “digital” e “humanities”.

[[Arquivo:URL.jpg]]

Arquivo:URL.jpg

2018-07-02T23:31:56Z

Fvgalvao:

Arquivo:Nuvem2.jpg

2018-07-02T23:29:59Z

Fvgalvao:

Arquivo:Filtros.jpg

2018-07-02T23:28:31Z

Fvgalvao:

Arquivo:CopiareColar.jpg

2018-07-02T23:26:16Z

Fvgalvao:

Arquivo:Textotranscrito.jpg

2018-07-02T23:23:54Z

Fvgalvao:

Arquivo:Nuvem1.jpg

2018-07-02T23:21:47Z

Fvgalvao:

Arquivo:UploadFile.jpg

2018-07-02T23:18:26Z

Fvgalvao:

TagCrowd

2018-07-02T23:15:13Z

Fvgalvao:

Arquivo:SalvarComo.jpg

2018-07-02T23:14:16Z

Fvgalvao:

TagCrowd

2018-07-02T23:10:36Z

Fvgalvao:

TagCrowd

2018-07-02T23:09:06Z

Fvgalvao:

Arquivo:PaginaInicial.jpg

2018-07-02T23:07:54Z

Fvgalvao: Figura 1: Tela inicial da ferramenta

Figura 1: Tela inicial da ferramenta

TagCrowd

2018-07-02T22:58:51Z

Fvgalvao:

TagCrowd

2018-07-02T22:56:55Z

Fvgalvao:

TagCrowd é uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags. Criada pelo estudante de doutorado da Universidade de Stanford, Daniel Steinbock, TagCrowd exibe ocorrência de termos de um texto qualquer, com opção de múltiplos idiomas. Além da clássica mineração de texto, a visualização de tags auxilia estudantes, pesquisadores e empresas a extraírem insights de avaliação qualitativa e otimização de mecanismos de busca (SEO).

Em relação à política de uso, TagCrowd pode ser utilizada para qualquer fim, incluindo comercial. Sua licença está especificada como Licença de Atribuição Creative Commons, ou seja, basta citar o nome e link da ferramenta. Por ser um projeto pessoal, o desenvolvedor não possui ainda recursos para suportar API externa.

Sobre a política de privacidade dos dados, o sistema informa que os dados analisados pela TagCrowd não é armazenado em nenhum lugar nem compartilhado com terceiros.

Existem três maneiras de inserir texto no TagCrowd para criar uma nuvem de palavras: copiar e colar o texto na íntegra em espaço específico, com no máximo 500 kilobytes; extração de termos por meio da URL da página que o usuário deseja analisar (nesta opção, o programa não interpreta URLs em PDF e o tamanho máximo é de 5 megabytes) e upload de um arquivo de texto simples, com tamanho máximo de 5 megabytes.

Depois de indicar a fonte de texto, o usuário pode filtrar sua busca por:

'''Idioma do texto:'''
O usuário deve escolher a linguagem escrita do texto que irá analisar. A TagCrowd mantém uma lista de palavras comuns para cada idioma suportado, de modo que essas palavras não apareçam na nuvem de palavras. Se o usuário desejar desativar esta função, selecionará 'none' para o idioma. Se houver palavras adicionais que por ventura queira remover da nuvem de palavras, preencherá o campo "Não mostrar essas palavras".

'''Número máximo de palavras para mostrar:'''
O valor apropriado dependerá do aplicativo e do tamanho do texto de origem. Em geral, é melhor usar nuvens menores para textos de origem mais curtos e nuvens maiores para textos de origem mais longos.

'''Frequência mínima:'''
O usuário pode determinar a quantidade mínima que um determinado aparece para sua coleta. Por exemplo: se digitar "2" para a frequência mínima, apenas as palavras que aparecerem pelo menos duas vezes na fonte de texto serão incluídas na sua nuvem de palavras.

'''Mostrar frequências:'''
Ao habilitar essa opção, cada termo virá acompanhado de sua ocorrência na nuvem de palavras.

'''Agrupar palavras semelhantes (somente em inglês):'''
O TagCrowd usa o algoritmo Stemming para detectar e combinar palavras similares. Por exemplo: as palavras "professores", "ensinar" e "ensinar" serão combinadas para que sua nuvem de palavras seja menos redundante. A mais frequente das variantes é escolhida para representar todas elas. No caso de empate, a variante mais curta é usada.

'''Não mostre estas palavras:'''
O usuário tem a liberdade de excluir de sua coleta os termos que desejar. Por exemplo: ao analisar um texto sobre tecnologia digital, é natural que o termo digital seja o mais frequente. Por isso, o usuário pode remover tal termo para ter uma lista mais limpa e útil.

'''Como criar uma imagem ou PDF da nuvem de palavras?'''
Após gerar a nuvem, o usuário pode salvar o resultado por meio do botão “Salvar como”. As opções disponíveis são: imprimir/print, HTML e PDF.

'''Como personalizar a aparência da minha nuvem de palavras?'''
Na opção do código HTML Embed, há a seção “Personalizar”, onde é possível personalizar alguns dos estilos CSS para se adequar ao estilo da sua página da web. Os estilos personalizados incluem fonte e tamanho da fonte, tamanho geral da nuvem, margens, preenchimento, bordas e cor de fundo.

'''Como manter várias palavras juntas na nuvem (por exemplo, "Humanidades Digitais")?'''
Use um caractere til entre as palavras que você deseja manter juntas. Para fazer isso, execute um localizar e substituir no arquivo de texto original e insira um ~ (caractere til) entre as palavras que você deseja agrupar. Por exemplo: substitua 'Humanidades Digitais' por 'Humanidades ~ Digitais', 'word cloud' por 'word ~ cloud', etc. A nuvem resultante terá espaços sem quebra inseridos para o til.

'''O que fazer se uma determinada palavra não aparecer na nuvem de palavras?'''
O TagCrowd usa listas específicas de idioma de palavras comuns para manter as nuvens de palavras relevantes. Para impedir que determinadas palavras sejam removidas, adicione um ~ (caractere til) ao final de qualquer palavra que você deseja preservar.

Por exemplo, 'IT' é um acrônimo para 'information technology', mas também é um termo em inglês comum, o 'it'. Deve-se substituir todas as ocorrências de 'IT' por 'IT ~' para mantê-lo na nuvem.

TagCrowd

2018-07-02T22:53:45Z

Fvgalvao: Criou página com 'TagCrowd é uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags.'

TagCrowd é uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags.

Ferramentas

2018-07-02T22:50:51Z

Fvgalvao:

Ferramentas utilizadas em Humanidades Digitais:

=Análises Textuais=

[[Annotation Studio]]: aplicativo da Web de fácil uso que permite aos usuários escrever anotações nas margens de textos digitais.

[[Cortext]]: Permite criar gráficos a partir de palavras chaves a partir de um corpus.

[[InqScribe]]: software de transcrição de áudios e vídeos e de legendagem.

[[Google Ngram Viewer]] - O [https://books.google.com/ngrams Google Books Ngram Viewer] é uma ferramenta cujo objetivo é visualizar a história, ascensão, desenvolvimento e desuso de termos, palavras, ideias ou expressões ao longo do tempo. Em linhas gerais, a ferramenta apresenta a evolução de um termo ao longo do tempo desde seu surgimento, perpassando os períodos em que mais aparece, até quando, possivelmente, deixa de ser utilizado.

[[VosViewer]]: Permite criar redes bibliográficas.

[https://pt.wikipedia.org/wiki/IRaMuTeQ IRaMuTeQ]: O software realiza mineração de dados em textos, permitindo a obtenção de várias análises quantitativas dos corpus linguísticos: estatísticas textuais clássicas (contagem de palavras), pesquisa de especificidades de grupos, classificação hierárquica descendente, análise de similitudes e nuvem de palavras.

[[TagCrowd]]: É uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags.

[https://wiki.digitalmethods.net/Dmi/ToolTextRipper TextRipper]: Gera arquivos textos de um determinado site ou PDF

[[Voyant Tools]]: utilizado para mineração de textos.

=Extensões para compartilhar anotações=

[[Diigo]]: Ferramenta colaborativa para gestão do conhecimento pessoal.

[http://www.annotationstudio.org/ Annotation Studio]

[[Padlet]]: Aplicativo gratuito para montar painéis ou murais que permite aos usuários registrar, editar, guardar e compartilhar conteúdo multimidia.

=Mapas=

[https://en.wikipedia.org/wiki/TimeMap TimeMap]: é utilizado para desenvolver mapas interativos para web sites, para intranets ou para quiosques em museus. Além de utilizar [[dataset | datasets]] estáticos, o software tambem pode se conectar a banco de dados e, dessa forma, disponibilizar mapas com dados em tempo real.

=Repositórios=

[[Internet Archive]]: é um repositório digital criado em 1996 com o objetivo de guardar todas as páginas web disponibilizadas na internet, armazenando, inclusive, suas modificações ao longo do tempo. Atualmente é considerada uma das maiores biblioteca abertas do mundo e conta com cerca de 30 petabytes de dados. Além dos websites, seu acervo é composto por materiais multimídia, livros e programas de TV. Pode ser acessado livremente, de qualquer lugar e a qualquer hora. [https://archive.org/ clique]

=Visualização de Dados=

[[inZight]] Permite montar gráficos e estatísticas a partir de um conjunto de dados de forma interativa.

[[Orange]]: Ferramenta de código aberto que possibilita o uso para visualização e mineração de dados, assim como, para machine learning.

[[Information is Beautiful]]: site que permite a visualização de diversos tipos de gráficos a partir de dados coletados previamente pela equipe do site; são disponibilizados dados desde a área da saúde até entretenimento.

=Gerenciadores de referências=
[[Zotero]]: Software de gerenciamento de referências bibliográficas, gratuito e em código aberto.

=Bibliografia=
POLLEY, David E. Visualizing the topical coverage of an institutional repository with VOSviewer. In: MAGNUSON, Lauren (Ed.). Data visualization: a guide to visual storytelling for libraries. Rowman & Littlefield, 2016.

Artigo sobre o Voyant Tools [http://eati.info/eati/2017/assets/anais/Longos/L129.pdf]

Ferramentas

2018-07-02T22:49:53Z

Fvgalvao:

Ferramentas utilizadas em Humanidades Digitais:

=Análises Textuais=

[[Annotation Studio]]: aplicativo da Web de fácil uso que permite aos usuários escrever anotações nas margens de textos digitais.

[[Cortext]]: Permite criar gráficos a partir de palavras chaves a partir de um corpus.

[[InqScribe]]: software de transcrição de áudios e vídeos e de legendagem.

[[Google Ngram Viewer]] - O [https://books.google.com/ngrams Google Books Ngram Viewer] é uma ferramenta cujo objetivo é visualizar a história, ascensão, desenvolvimento e desuso de termos, palavras, ideias ou expressões ao longo do tempo. Em linhas gerais, a ferramenta apresenta a evolução de um termo ao longo do tempo desde seu surgimento, perpassando os períodos em que mais aparece, até quando, possivelmente, deixa de ser utilizado.

[[VosViewer]]: Permite criar redes bibliográficas.

[https://pt.wikipedia.org/wiki/IRaMuTeQ IRaMuTeQ]: O software realiza mineração de dados em textos, permitindo a obtenção de várias análises quantitativas dos corpus linguísticos: estatísticas textuais clássicas (contagem de palavras), pesquisa de especificidades de grupos, classificação hierárquica descendente, análise de similitudes e nuvem de palavras.

[https://tagcrowd.com/ TagCrowd]: É uma ferramenta de análise de texto, que indica ocorrência de termos e gera nuvem de palavras/tags.

[https://wiki.digitalmethods.net/Dmi/ToolTextRipper TextRipper]: Gera arquivos textos de um determinado site ou PDF

[[Voyant Tools]]: utilizado para mineração de textos.

=Extensões para compartilhar anotações=

[[Diigo]]: Ferramenta colaborativa para gestão do conhecimento pessoal.

[http://www.annotationstudio.org/ Annotation Studio]

[[Padlet]]: Aplicativo gratuito para montar painéis ou murais que permite aos usuários registrar, editar, guardar e compartilhar conteúdo multimidia.

=Mapas=

[https://en.wikipedia.org/wiki/TimeMap TimeMap]: é utilizado para desenvolver mapas interativos para web sites, para intranets ou para quiosques em museus. Além de utilizar [[dataset | datasets]] estáticos, o software tambem pode se conectar a banco de dados e, dessa forma, disponibilizar mapas com dados em tempo real.

=Repositórios=

[[Internet Archive]]: é um repositório digital criado em 1996 com o objetivo de guardar todas as páginas web disponibilizadas na internet, armazenando, inclusive, suas modificações ao longo do tempo. Atualmente é considerada uma das maiores biblioteca abertas do mundo e conta com cerca de 30 petabytes de dados. Além dos websites, seu acervo é composto por materiais multimídia, livros e programas de TV. Pode ser acessado livremente, de qualquer lugar e a qualquer hora. [https://archive.org/ clique]

=Visualização de Dados=

[[inZight]] Permite montar gráficos e estatísticas a partir de um conjunto de dados de forma interativa.

[[Orange]]: Ferramenta de código aberto que possibilita o uso para visualização e mineração de dados, assim como, para machine learning.

[[Information is Beautiful]]: site que permite a visualização de diversos tipos de gráficos a partir de dados coletados previamente pela equipe do site; são disponibilizados dados desde a área da saúde até entretenimento.

=Gerenciadores de referências=
[[Zotero]]: Software de gerenciamento de referências bibliográficas, gratuito e em código aberto.

=Bibliografia=
POLLEY, David E. Visualizing the topical coverage of an institutional repository with VOSviewer. In: MAGNUSON, Lauren (Ed.). Data visualization: a guide to visual storytelling for libraries. Rowman & Littlefield, 2016.

Artigo sobre o Voyant Tools [http://eati.info/eati/2017/assets/anais/Longos/L129.pdf]