Este repositório refere-se à análise e apuração realizadas para a reportagem reportagem Cancioneiro das múltiplas Fortalezas, publicada no O POVO+ no dia 12 de abril de 2022 em alusão aos 296 anos da Cidade. A data é comemorada no dia 13 de abril.
A partir de dados do projeto Fortaleza em Música, da Universidade Federal do Ceará (UFC), a Central de Jornalismo de Dados do O POVO (DATADOC) buscou entender que cidade é retratada pelos artistas nas letras das composições.
Este repositório é uma forma garantir o compromisso com a transparência, integridade e confiabilidade das análises e materiais da DATADOC. Os dados originais pertencem ao Grupo de Imagem, Consumo e Experiência Urbana (ICA/UFC) e foram concedidos apenas para análise da equipe de reportagem.
Por isso, excepcionalmente, a base de dados original não será disponibilizada pela DATADOC e os trechos de código que mostram detalhes das informações concedidas pelos pesquisadores foram suprimidos do notebook reportagem_fortaleza_296_anos. Este repositório contém os códigos utilizados na análise e os arquivos gerados para elaboração de nuvens de palavras e demais gráficos. A análise é feita em Python.
Para chegarmos às evidências da reportagem Cancioneiro das múltiplas Fortalezas, que revelou os bairros de fortaleza mais citados em canções de artistas locais, foi adotada a técnica computacional “text mining”.
Para esse processo, foi utilizada a biblioteca Natural Language Toolkit (NLTK). Primeiramente consolidamos a amostra de 79 letras musicais em um corpus único. Em seguida , iniciamos a limpeza textual, com a exclusão das stopwords, carácteres especiais e pontuação, e em seguida foi feita tokenização do corpus.
Em seguida, foi construída a nuvem de palavras obtida por meio das 79 letras unificadas em um único corpus de análise , verificando-se que as cinco palavras mais evocadas foram: mar (60), sol (57), tempo (42), dia (41) e vida (37), mostrando que nas composições está presente a referência à paisagem litorânea da Capital.
O corpus geral foi constituído por 79 textos , dos quais emergiram 2812 ocorrências (palavras, formas ou vocábulos) sendo 1197 palavras que se repetem ao longo do texto e 1615 com uma única ocorrência.
Já o corpus referente às falas sobre a inspiração dos artistas era composto por 73 textos, dos quais emergiram 2008 ocorrências. Destas, eram 736 que se repetiam e 1272 de ocorrência única.
Em ambos os casos, buscou-se preservar palavras compostas e nomes de pessoas por meio da definição das funções processingTxt e processingTxtInspiracao. Também foram acrescentados mais termos à lista de stopwords em português disponível na biblioteca NLTK com expressões encontradas no corpus analisado.
Dataframes
df_nuvem_palavras_geral.csv: palavras mais recorrentes nas letras das músicas;df_nuvem_inspiracao.csv: palavras mais recorrentes nas falas dos artistas sobre inspiração para a música;df_musicas_por_bairros.csv: quantidade de músicas referente a cada bairro de Fortaleza10mais.csv: ranking das métricas de cada vídeo no YouTube
Visualizações
- Nuvem de palavras com termos mais recorrentes nas letras de música
- Nuvem de palavras dos termos mais recorrentes nas falas dos artistas sobre inspiração
- Mapa de Fortaleza: músicas catalogadas no App Fortaleza em Música
- Bairros mais cantados nas músicas sobre Fortaleza
- Músicas mais assistidas no YouTube
Para executar o notebook com a coleta e processamento dos dados, é necessário um ambiente com Python3 e dependências que podem ser instaladas via Pip:
!pip install pandas
!pip install geopandas
!pip install nltk
A Central de Jornalismo de Dados do O POVO (DATADOC) alia tecnologia e técnicas diversas de análises de dados para produzir um jornalismo de precisão para que você forme sua opinião com segurança. Nosso objetivo é fazer com que todos tenham acesso aos dados utilizados nas notícias que produzimos.
A DATADOC é composta por uma equipe de três jornalistas (sendo uma infografista), uma desenvolvedora front-end e um cientista da computação que coletam, enriquecem e disponibilizam as bases e códigos de cada reportagem para um jornalismo transparente e baseado em evidências.
📝📨 Para feedback, dúvidas ou sugestões: datadoc@opovodigital.com
🗓️🕵🏻 Confira também outras produções recentes da central DATADOC: O especial #CredosDeFortaleza revelou benefícios fiscais indevidos, templos fantasmas e os principais devedores do fisco e está disponível no O POVO+.