SENTIMENTOS EM REDE: UMA ANALISE LONGITUDINAL DO TRANSTORNO DE ANSIEDADE VIA PLATAFORMA X
Análise de Sentimentos; Aprendizado de Máquina; Redes Sociais; Saúde Mental Digital; Transtorno de Ansiedade.
Os transtornos de ansiedade figuram entre as principais causas de
sofrimento mental na atualidade, afetando significativamente a qualidade de vida e o
funcionamento social de milhões de pessoas. Com a crescente digitalização das
interações humanas, plataformas como o X (antigo Twitter) tornaram-se espaços
privilegiados para a expressão espontânea de emoções, oferecendo oportunidades
relevantes para o monitoramento da saúde mental da população. Esta tese propõe
uma análise longitudinal dos sentimentos relacionados ao transtorno de ansiedade
em postagens públicas na plataforma X, nos anos de 2019 (pré-pandemia), 2020
(pandemia) e 2024 (pós-pandemia). O estudo adota três abordagens
complementares: (1) análise exploratória com mineração lexical, (2) aplicação de
modelos supervisionados de aprendizado de máquina, e (3) testes estatísticos de
hipótese. A coleta dos dados foi realizada manualmente, a partir de critérios
temáticos e temporais, resultando em um corpus textual balanceado e
contextualizado em língua portuguesa. O objetivo central é compreender como os
sentimentos e emoções relacionados ao transtorno de ansiedade se manifestam e
evoluem ao longo de períodos históricos distintos, considerando ainda variações
linguísticas associadas ao gênero. Espera-se que os achados descritos neste
trabalho ofereçam subsídios para o avanço de políticas públicas voltadas ao
monitoramento automatizado de saúde mental e reforcem o potencial das mídias
sociais como ferramentas de vigilância psicossocial.