Visão geral
Analisar o que as pessoas dizem e sentem nas redes é etapa central de pesquisa em ciências sociais e de inteligência de comunicação. Só que um vídeo grande junta dezenas de milhares de comentários cheios de gíria e ironia — codificar isso na mão é inviável, e classificador simples não pega a nuance que o protocolo da pesquisa pede.
Este projeto montou um pipeline automático que coletou e classificou mais de 27 mil comentários do YouTube. Cada comentário recebe uma polaridade (positivo, negativo ou neutro) e é encaixado nos eixos temáticos definidos na metodologia do estudo.
É Python, com a YouTube Data API v3 puxando comentários e metadados em lote, e a classificação feita pela OpenAI Batch API — que sai cerca de 50% mais barata que chamada síncrona — com saída estruturada por JSON Schema para garantir o formato. A análise e os gráficos usam Pandas, Matplotlib e WordCloud. O fluxo tem checagem de integridade e retomada de lotes pendentes; o limite é a cota diária da API do YouTube. A esteira serve para monitorar reputação de marca, ouvidoria pública e pesquisa de opinião.