Título:	Classificação de contas entre bots e humanas que divulgam artigos científicos no X : contribuições para aprimoramento dos indicadores altmétricos
Autor(es):	Pontes, Danielle Pompeu Noronha
Orientador(es):	Maricato, João de Melo
Assunto:	Altmetria Divulgação científica Redes sociais Inteligência artificial Detecção de bots X (Rede social on-line)
Data de publicação:	28-Jan-2026
Data de defesa:	13-Out-2025
Referência:	PONTES, Danielle Pompeu Noronha. Classificação de contas entre bots e humanas que divulgam artigos científicos no X: contribuições para aprimoramento dos indicadores altmétricos. 2025. 206 f. Tese (Doutorado em Ciência da Informação) — Universidade de Brasília, Brasília, 2025.
Abstract:	The automated dissemination of scientific publications by fake accounts on social media poses a growing threat to the reliability of altmetric indicators. This research aimed to develop and validate computational methods for bot detection and automated classification of accounts on the X platform (formerly twitter) focused on scholarly communication. Characterized as applied research with a qualitative-quantitative approach, the study followed the CRoss-Industry Standard Process for Data Mining (CRISP-DM) methodological model, combining machine learning techniques, data curation, and statistical analysis. The main contributions of this thesis include: (i) an artificial intelligence methodology for account classification, evaluating the performance of k-nearest neighbors (KNN), Random Forest, and Extreme Gradient Boosting (XGBoost) algorithms the latter achieving the best results, with 94.29% accuracy and an AUC of 0.9392; (ii) a novel labeled dataset comprising 13,767 X accounts categorized as human or bot, built through the integration of recognized academic sources and rigorous manual verification; and (iii) the SciBotScan prototype, an interactive application developed in Python and deployed on a web platform (Streamlit), capable of estimating the likelihood that an account is automated based on 46 predictive features. The findings show that although bots represent only 4% of the analyzed accounts, they are responsible for 22% of the scientific posts, exhibiting a significantly higher posting frequency than human accounts. Additionally, the presence and influence of bots vary across fields of knowledge, with greater concentration in Mathematical Sciences, Computing, and Physical Sciences. The study concludes that the adoption of specialized models and representative datasets is essential to enhance the reliability of altmetric indicators and mitigate distortions caused by automation, thereby promoting more transparent and equitable evaluations of scientific impact on social media.
Unidade Acadêmica:	Faculdade de Ciência da Informação (FCI)
Informações adicionais:	Tese (doutorado) — Universidade de Brasília, Faculdade de Ciência da Informação, Programa de Pós-Graduação em Ciência da Informação, 2025.
Programa de pós-graduação:	Programa de Pós-Graduação em Ciência da Informação
Licença:	A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:	Teses, dissertações e produtos pós-doutorado

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.