Analisando a Influência do Twitter na Criação de Sequências de Filmes de Terror: Uma Abordagem Baseada em Dados

• Ano de defesa: 2024
• Autor(a) principal: Oliveira, Brenno Ruschioni de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise de Sentimentos; Aprendizado de Máquina; Cinematic Sequels; e-WOM (Electronic Word-of-Mouth); Gênero Terror; Horror Genre; Machine Learning; Sentiment Analysis; Sequências Cinematográficas; Twitter
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-25062025-103834/

Este estudo explora a influência do e-WOM no Twitter sobre a criação de sequências de filmes de terror, destacando como as interações e sentimentos expressos nas redes sociais podem moldar as decisões das produtoras de cinema. Utilizando um conjunto robusto de dados de fontes como Box Office Mojo, IMDb, Wikipedia e, principalmente, o Twitter, foram identificados padrões de comportamento dos consumidores que indicam uma relação significativa entre a atividade nas redes sociais e a continuidade de franquias cinematográficas. Os resultados revelaram uma forte correlação entre as métricas de engajamento no Twittercomo retweets, likes e repliese a probabilidade de um filme gerar uma sequência. A aplicação de algoritmos de aprendizado de máquina, como Random Forest e XGBoost, permitiu prever com alta precisão quais filmes teriam sequências, ressaltando a importância das variáveis financeiras e do engajamento social como indicadores decisivos. A análise de sentimentos e emoções mostrou que tweets carregados de sentimentos positivos, como alegria e antecipação, eram mais frequentes em filmes que geraram sequências. Em contraste, filmes que não receberam sequências tiveram uma predominância de sentimentos neutros ou negativos, destacando que não é apenas a quantidade de interações que importa, mas também a qualidade emocional do conteúdo. Além disso, a precisão dos modelos diminuiu quando o balanceamento de classes não foi adequadamente tratado, especialmente no XGBoost, sublinhando a importância de um tratamento cuidadoso dos dados para garantir previsões confiáveis. Este estudo contribui para a compreensão de como as interações nas redes sociais podem prever o sucesso futuro de filmes e influenciar decisões estratégicas na indústria cinematográfica. As conclusões sugerem que produtoras de cinema podem se beneficiar substancialmente ao aplicar modelos preditivos baseados em análises detalhadas de redes sociais, permitindo decisões mais assertivas sobre a continuidade de filmes. Pesquisas futuras poderiam expandir este estudo para outros gêneros cinematográficos e explorar novas variáveis que captem melhor as nuances culturais e emocionais dos consumidores em diferentes mercados.