Microaula em Método CELULA • Prévia Aberta

<p>Ler e classificar manualmente 50 mil comentários de uma campanha é humanamente inviável. Modelos de NLP clássicos e LLMs modernos resolvem essa escala, mas exigem calibração de prompts e auditoria rigorosa de viés e alucinações.</p>

Fundamentos do Processamento de Linguagem Natural (NLP) aplicado a mídias sociais: tokenização, lematização, stop words e embeddings vetoriais. Classificação de texto: léxicos tradicionais vs modelos supervisionados (BERTimbau) vs Large Language Models modernos (OpenAI GPT-4o, Claude, Gemini). Modelagem de tópicos e clusterização não supervisionada (BERTopic/LDA) para descobrir assuntos emergentes sem predefinição de palavras. LLMs no fluxo de trabalho de monitoramento: classificação fina de sentimentos e emoções (raiva, medo, alegria, decepção), extração de entidades nomeadas (NER), resumo executivo de picos de menções e geração de rascunhos de relatórios. Engenharia de prompt especializada para social listening: saídas estritas em JSON, few-shot prompting com gírias brasileiras e controle de alucinações. Auditoria humana de qualidade: cálculo de métricas de acurácia, precisão, recall e F1-score, e concordância entre anotadores (Kappa de Cohen).

Evolução do NLP: De Léxicos...