Integrating Social Network Analysis and Topic Modeling in Social Media Research: A Systematic Literature Review of Open-Access Scopus Studies (2016-2026)
Esta revisão sistemática de literatura de 194 estudos de acesso aberto da Scopus de 2016 a 2026 revela que, embora a integração da análise de redes sociais e da modelagem de tópicos na pesquisa de mídias sociais esteja crescendo rapidamente e focando predominantemente em saúde e política via Twitter, as aplicações atuais permanecem amplamente superficiais e paralelas, levando o autor a propor uma taxonomia, um modelo de pesquisa e uma agenda abrangentes para avançar a profundidade metodológica e os padrões de validação.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
As redes sociais deixam para trás dois tipos distintos de pegadas cada vez que navegamos, postamos ou compartilhamos. Uma pegada é o próprio conteúdo: as palavras que digitamos, as opiniões que expressamos e as histórias que contamos. A outra é a conexão: o ato de retweetar, responder ou seguir alguém, o que revela quem está ouvindo quem e como as ideias viajam entre as pessoas. Durante anos, pesquisadores estudaram essas pegadas separadamente. Algumas equipes mapearam as conexões para ver como as comunidades se formam e como a influência se espalha, enquanto outras analisaram o texto para entender o que as pessoas estão realmente dizendo. Mas para compreender verdadeiramente o mundo digital, é preciso olhar tanto para o mapa das relações quanto para o mapa da conversa ao mesmo tempo. O desafio tem sido descobrir como tecer esses dois mapas diferentes sem perder os detalhes de nenhum deles.
Uma revisão sistemática recente de Dwi Jaya Saputra, um pesquisador da Universidade de Brawijaya, faz um olhar abrangente sobre como cientistas tentaram combinar esses dois métodos ao longo da última década. O estudo examinou 194 artigos de acesso aberto publicados entre 2016 e 2026 que tentaram fundir a análise de redes sociais com a modelagem de tópicos. O objetivo não era apenas contar quantos estudos existiam, mas entender como eles foram construídos, o que descobriram e para onde o campo está indo. A revisão revela um campo que cresce rapidamente, mas que muitas vezes para na superfície, onde pesquisadores executam duas análises separadas lado a lado, em vez de tecê-las em uma compreensão única e mais profunda.
A revisão começou pesquisando em uma grande base de dados acadêmica estudos que utilizaram tanto a análise de rede quanto a modelagem de tópicos em dados de redes sociais. Após filtrar artigos em língua inglesa que estivessem disponíveis gratuitamente, os pesquisadores reduziram uma lista de 560 potenciais artigos para 194 que atendiam a critérios rigorosos. Esses estudos cobriram uma ampla gama de tópicos, desde discussões de saúde e debates políticos até tendências de negócios e preocupações ambientais. Os dados vieram de muitas plataformas, embora uma plataforma, o X (antigo Twitter), tenha fornecido informações para mais da metade dos estudos. Ao longo do tempo, o uso de outras plataformas como Reddit, YouTube e Weibo aumentou, sugerindo um alargamento do cenário de pesquisa além de uma única fonte.
Quando os pesquisadores observaram como esses estudos foram conduzidos, encontraram um padrão claro na forma como os dois métodos foram combinados. Na vasta maioria dos casos, cerca de 71 por cento, os pesquisadores utilizaram uma abordagem "paralela". Isso significa que realizaram uma análise de tópico para ver sobre o que as pessoas estavam falando e uma análise de rede para ver quem estava conectado, e então simplesmente compararam os dois resultados. É como olhar para um mapa das estradas de uma cidade e uma lista de suas lojas populares separadamente, e depois notar que elas parecem se sobrepor, sem realmente rastrear como as estradas levam às lojas. Embora este método seja comum e útil para obter uma visão geral, a revisão descobriu que ele raramente testava se as conexões entre os dois eram reais ou apenas uma coincidência.
Apenas uma pequena fração dos estudos, cerca de 9 por cento, tentou uma abordagem "conjunta", onde a rede e o texto são analisados juntos em uma única estrutura matemática. Esses estudos são mais complexos porque tentam estimar a estrutura da comunidade e o conteúdo da conversa simultaneamente. Outro grupo de estudos utilizou uma abordagem "de rede para tópico", onde primeiro identificaram grupos de pessoas e depois analisaram o que esses grupos específicos estavam dizendo. Um quarto grupo raro, representando menos de 5 por cento, utilizou uma abordagem "de tópico para rede", construindo as conexões entre pessoas com base na similaridade dos tópicos que discutiam. A revisão sugere que, embora o campo esteja se movendo em direção a métodos mais sofisticados, a simples abordagem paralela continua sendo o padrão para a maioria dos pesquisadores.
As ferramentas usadas para analisar o texto também evoluíram. Por muito tempo, um método chamado Latent Dirichlet Allocation, ou LDA, foi o padrão para encontrar temas ocultos em grandes coleções de texto. Ele apareceu em cerca de um terço dos estudos revisados. No entanto, novos métodos que utilizam compreensão de linguagem avançada, como o BERTopic, começaram a aparecer com mais frequência, especialmente nos últimos anos. Apesar dessa mudança tecnológica, a revisão observou uma lacuna significativa de transparência: metade dos estudos não nomeou o algoritmo específico que utilizou em seus resumos. Além disso, muito poucos estudos incluíram uma explicação clara de como verificaram a precisão de seus achados. A maioria dos resumos não mencionou se os pesquisadores testaram se seus resultados mudariam se utilizassem configurações ou ferramentas diferentes.
Os pesquisadores concluíram que, embora a combinação desses dois métodos seja agora uma parte rotineira da pesquisa de redes sociais, a integração é frequentemente rasa. O campo cresceu de apenas um artigo em 2016 para 36 artigos em 2025, mostrando uma aceleração clara no interesse. No entanto, a forma como esses estudos são desenhados não acompanhou o crescimento. A revisão propõe um novo framework para pesquisas futuras que encoraja cientistas a irem além de simplesmente executar duas análises separadas. Em vez disso, eles devem escolher um caminho específico para como a rede e o texto interagem, seja construindo uma rede a partir de tópicos ou analisando tópicos dentro de comunidades específicas. Crucialmente, o autor argumenta que os pesquisadores devem validar seus achados combinados, testando se o elo entre as pessoas e as palavras se sustenta sob diferentes condições.
Olhando para o futuro, a revisão delineia uma agenda para a próxima década de pesquisa. Ela pede mais estudos sobre plataformas além do X, incluindo sites de vídeo e aplicativos de mensagens que são sub-representados atualmente. Também urge que os pesquisadores expandam seu trabalho para incluir línguas e regiões que têm sido amplamente ignoradas, indo além da dominância dos estudos dos Estados Unidos e da China. Finalmente, a revisão sugere que o caminho mais promissor para o futuro reside no desenvolvimento de modelos que tratem a estrutura da rede e o conteúdo da conversa como um sistema único e interconectado. Ao fazer isso, os pesquisadores podem passar de simplesmente descrever o que está acontecendo nas redes sociais para compreender verdadeiramente como as conexões entre as pessoas moldam as ideias que elas compartilham.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.