Classificação de contas entre bots e humanas que divulgam artigos científicos no X : contribuições para aprimoramento dos indicadores altmétricos

Abstract

A disseminação automatizada de publicações científicas por meio de contas robotizadas em redes sociais representa um desafio à validade dos indicadores altmétricos. Esta pesquisa teve como objetivo desenvolver e validar métodos computacionais para a detecção de bots e a classificação automatizada de contas da plataforma X (antigo Twitter) com foco na divulgação científica. De natureza aplicada e abordagem qualiquantitativa, a pesquisa utilizou metodologia baseada no modelo CRoss-Industry Standard Process for Data Mining (CRISP-DM), combinando técnicas de aprendizado de máquina, curadoria de dados e análise estatística. Como principais resultados, foram desenvolvidos: (i) uma metodologia de inteligência artificial para classificação de contas, testando os algoritmos k-nearest neighbors (KNN), Árvore de decisão, Random Forest e Extreme Gradient Boosting (XGBoost), sendo este último o que apresentou melhor desempenho (acurácia de 94,29% e AUC de 0,9392); (ii) um dataset rotulado inédito, composto por 13.767 contas da rede X identificadas como humanas ou bots, construído por meio da integração de fontes reconhecidas da literatura e da validação manual rigorosa; e (iii) o protótipo SciBotScan, uma aplicação interativa desenvolvida em Python e hospedada em ambiente web (Streamlit), capaz de estimar a probabilidade de uma conta ser automatizada com base em 46 variáveis preditivas. Os resultados revelam que, embora os bots representem apenas 4% das contas analisadas, eles são responsáveis por 22% das postagens, com atividade média por conta significativamente superior à das contas humanas. Observou-se ainda que a presença e o impacto de bots variam entre áreas do conhecimento, com destaque para as divisões de Ciências Matemáticas, Computação e Ciências Físicas. A pesquisa conclui que a adoção de modelos especializados e bases de dados representativas é fundamental para aprimorar a confiabilidade dos indicadores altmétricos e mitigar distorções provocadas por automação, contribuindo para uma avaliação mais justa e transparente da produção científica em redes sociais.