Setup Inicial

knitr::opts_chunk$set(echo = TRUE)

# install.packages("DT")
library(DT)
library(dplyr)
library(tidyr)

1) Manipulação inicial dos dados

Lê o arquivo csv com enconding UTF-8, remove 20 colunas com nome X e filtra linhas sem NA.

setwd("C:/Users/victo/Desktop/R/e11")
df <- read.csv(
  "tweetsAmazonia.csv", 
  sep = ",", 
  strip.white = TRUE, 
  na.strings = "[]",
  header = TRUE,
  encoding = "UTF-8"
)

df <- df %>% select(-colnames(df)[49:68]) # Drop columns
df <- df %>% filter(if_any( everything(), ~!is.na(.) ))

2) Tabela interativa

parcial_df <- df %>% select(name, tweet, language, hashtags) %>% head(150)
datatable(parcial_df, options = list(pageLength = 5, lengthMenu = c(5, 10, 15)))

3) Equações em LaTeX

1- Média de Likes por Tweet:

\[ \text{Média de Likes por Tweet} = \frac { \sum{ (\text{likes_count}) } } { \text{Número Total de Tweets} } \]

Significado: Esta equação calcula a média de likes por tweet, onde likes_count representa o número de likes em cada tweet.

2- Taxa de Engajamento:

\[ \text{Taxa de Engajamento} = \frac { \text{likes_count} + \text{retweets_count} } { \text{Número Total de Tweets} } \]

Significado: Esta equação calcula a taxa de engajamento de um tweet, levando em consideração tanto likes quanto retweets em relação ao número total de tweets.

3- Porcentagem de Tweets Negativos:

\[ \text{Porcentagem de Tweets Negativos} = \frac { \text{Número de Tweets Negativos} } { \text{Número Total de Tweets} } \times 100 \]

Significado: Esta equação calcula a porcentagem de tweets que foram classificados como negativos (usando a coluna “Sentiment”).

4- Média de Respostas por Tweet:

\[ \text{Média de Respostas por Tweet} = \frac { \sum \text{replies_count} } { \text{Número Total de Tweets} } \]

Significado: Esta equação calcula a média de respostas por tweet, considerando a coluna “replies_count” que indica o número de respostas para cada tweet.

5- Taxa de Retweets por Tweet:

\[ \text{Taxa de Retweets por Tweet} = \frac { \sum \text{retweets_count} } { \text{Número Total de Tweets} } \]

Significado: Esta equação calcula a taxa de retweets por tweet, levando em consideração o número total de retweets em relação ao número total de tweets.

4) Figuras de ciências de dados

Figura 1: Distribuição de sentimentos do dataset tweetsAmazonia.csv

Legenda da Figura 1: Distribição de sentimentos do dataset tweetsAmazonia.csv

Figura 2: Data Science Vein Diagram Legenda da Figura 2: Diagrama de Vein sobre Data Science

5) Referências bibliográficas

[1] Eysenbach et al. (2011)

[2] Twitter (2012)

[3] Murthy (2018)

[4] Lassen and Brown (2011)

[5] Pershad et al. (2018)

Referências

Eysenbach, Gunther et al. 2011. “Can Tweets Predict Citations? Metrics of Social Impact Based on Twitter and Correlation with Traditional Metrics of Scientific Impact.” Journal of Medical Internet Research 13 (4): e2012.
Lassen, David S, and Adam R Brown. 2011. “Twitter: The Electoral Connection?” Social Science Computer Review 29 (4): 419–36.
Murthy, Dhiraj. 2018. Twitter. Polity Press Cambridge.
Pershad, Yash, Patrick T Hangge, Hassan Albadawi, and Rahmi Oklu. 2018. “Social Medicine: Twitter in Healthcare.” Journal of Clinical Medicine 7 (6): 121.
Twitter, On. 2012. “Twitter.” URL: Https://Help. Twitter. Com/En/Using-Twitter/[accessed 2021-01-05].