Arqueologia de raspagem: uma abordagem metodológica para raspagem da Web e mineração de texto
DOI:
https://doi.org/10.31048/1852.4826.v16.n2.41094Palavras-chave:
R, Web scraping, Text mining, Análise de dados, Arqueologia digitalResumo
À medida que o volume de informações disponíveis na Web aumenta, também aumenta a tarefa de localizá-las e analisá-las, e realizar essa tarefa manualmente pode ser dispendioso em termos de tempo e esforço. Embora os mecanismos de pesquisa e os mecanismos de banco de dados possam ajudar a encontrar as informações necessárias, em grandes infraestruturas digitais, onde os resultados de pesquisa são milhares ou mais, são necessárias novas ferramentas para recuperar com eficácia o conteúdo pesquisado. Este documento propõe a aplicação de Web Scraping e Text Mining como insumos metodológicos para poder compilar e processar grandes volumes de dados em infraestruturas digitais de forma mais automatizada. A automação de ambos os processos traz uma grande vantagem na análise de corpora textuais de milhares de registros, o que simplifica significativamente a obtenção de diferentes tipos de dados, facilitando consideravelmente o trabalho. Espera-se que esta contribuição amplie as possibilidades da comunidade arqueológica em termos de uma nova metodologia para a coleta e o manuseio de dados estruturados e não estruturados que possam ser integrados à pesquisa da comunidade arqueológica mais ampla.
Downloads
Referências
Ali, R. H., Kashefi, A. K., Gorman, A. C., Walsh, J. St. P., y Linstead, E. J. (2022). Automated identification of astronauts on board the International Space Station: A case study in space archaeology. Acta Astronautica, 200, 262-269. https://doi.org/10.1016/j.actaastro.2022.08.017
Allés Torrent, S., del Rio Riande, G., De León, R., Fila, M., Hernández, N., Bonnell, J., y Song, D. (2020). Narrativas digitales de la COVID-19 en Twitter: de los datos a la interpretación. Publicaciones de la Asociación Argentina de Humanidades Digitales, 1. https://doi.org/10.24215/27187470e002
Arcila-Calderón C., Barbosa-Caro E. y Cabezuelo-Lorenzo F. (2016): Técnicas Big Data: análisis de textos a gran escala para la investigación científica y periodística. El profesional de la información 25 (4), 623-631.
Ávido, D., y Vitores, M. (2018). Lectura distante y visualización de textos en arqueología y disciplinas afines. Trabajo presentado en el III Congreso Internacional de la Asociación de Humanidades Digitales (AAHD). https://n2t.net/ark:/13683/pzBp/DDe
Beigel F. (2012). David y Goliath. El sistema académico mundial y las perspectivas del conocimiento producido en la periferia. Pensamiento Universitario 15.
Beigel F. (2014). Publishing from the Periphery: Structural Heterogeneity and Segmented Circuits. The Evaluation of Scientific Publications for Tenure in Argentina’s CONICET. Current Sociology, 62 (5), 743-765. https://doi.org/10.1177/0011392114533977
Bordignon, F. y Maisonobe, M. (2022). Researchers and their data: A study based on the use of the word data in scholarly articles. Quantitative Science Studies, 3(4), 1156-1178. https://doi.org/10.1162/qss_a_00220
Calvo E. y Aruguete N. (2020). Fake news, trolls y otros encantos: Como funcionan (para bien y para mal) las redes sociales. Siglo XXI Editores, Buenos Aires.
Daly P. y Evans T.L. (2006). Introduction: archaeological theory and digital pasts. En: T.L. Evans y Daly P (Eds.), Digital Archaeology: bridging method and theory (3-7). Abingdon: Routeledge.
Demi̇r, N., Boyoğlu, C. S., y Kayikci, D. (2023). A web scrapping and AI approach for archeologists to analyze the ancient cities. Cultural Heritage and Science, 4(1), 1-8. https://doi.org/10.58598/cuhes.1213426
Feldman R. y Dagan I. (1995). Knowledge Discovery in Textual Databases (KDT). KDD 95, 112-117.
Feldman R. y Sanger J. (2006). The Text Mining Handbook: Advanced approaches in analyzing unstructured data. Cambridge University Press.
Graham, S., Huffer, D., y Blackadar, J. (2020). Towards a Digital Sensorial Archaeology as an Experiment in Distant Viewing of the Trade in Human Remains on Instagram. Heritage, 3(2), 208-227. https://doi.org/10.3390/heritage3020013
Grzegorczyk, M., y Salerno, V. (2022). Un análisis a través de las redes sociales y noticias periodísticas sobre el detectorismo de metales en Argentina. Revista de Arqueología Histórica Argentina y Latinoamericana, 16(1). http://www.doi.org/10.55695/rdahayl16.01.01
Hernández A., Gómez Vásquez E., Berdejo Rincón C., Montero Gacía J., Calderón Maldonado A. e Ibarra Orozco R. (2015). Metodologías para análisis político utilizando web scraping. Resarch in Computing Science. 95, 113-121.
Hernando A. (2002). Arqueología de la identidad. Akal: Madrid.
Isasi Velasco J. y del Rio Riande G. (2022). ¿En qué lengua citamos cuando escribimos sobre Humanidades Digitales?. Revista de Humanidades Digitales 7, 127-143. https://doi.org/10.5944/rhd.vol.7.2022
Izeta A.D. y Cattáneo R. (2018). ¿Es posible una arqueología digital en Argentina? Un acercamiento desde la práctica. Humanidades Digitales: Construcciones locales en contextos globales. Asociación Argentina de Humanidades Digitales: Buenos Aires. https://n2t.net/ark:/13683/ey3x/gwo
Kearney M. W. (2019). rtweet: Collecting and analyzing Twitter data. Journal of Open Source Software, 4(42). 1829. doi:10.21105/joss.01829
Kristiansen K. (2012). Archaeological communities and languages. En R. Skeates, C. McDavid y J. Carman (Eds.), The Oxford Handbook of Public Archaeology (461-467). Oxford University Press.
Laitano G. y Nieto A. (2022). La conflictividad social en los barrios de Mar del Plata (2016-2020): un acercamiento computacional. En: G. Laitano y A. Nieto (Eds.), La conflictividad social en la historia reciente. Enfoques cuantitativos desde lo local a lo regional (153-228). Buenos Aires.
Martínez R., Rodríguez R., Vera P. y Parkinson C. (2019). Análisis de técnicas de raspado de datos en la web – Aplicado al portal del estado nacional argentino. XXV Congreso Argentino de Ciencias de la Computación (457-466). Río Cuarto.
Martinovich V., Arakaki J. y Spinelli H. (2014). Diez años de Salud Colectiva: una aproximación a las reglas del juego del campo editorial científico. Salud Colectiva 10 (1). https://doi.org/10.18294/sc.2014.205
Marwick B., Boettiger C. y Mullen, L. (2018). Packaging data analytical work reproducibly using R (and friends). The American Statistician, 72(1), 80-88. https://doi.org/10.1080/00031305.2017.1375986
R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing: Vienna, Austria. https://www.R-project.org/
Richards, D. J., Tudhope, D., y Vlachidis, A. (2015). Text Mining in Archaeology: Extracting Information from Archaeological Reports. En J. A. Barcelo y I. Bogdanovic (Eds.), Mathematics and Archaeology (pp. 240-254). CRC Press. https://doi.org/10.1201/b18530-17
Richards J.D. (2009). From anarchy to good practice: the evolution of standards in archaeological computing. Archeologia e Calcolatori, 20, 27-35.
Richardson L. (2019). Using social media as a source for understanding public perceptions of archaeology: research challenges and methodological pitfalls. Journal of Computer Applications in Archaeology, 2(1), 151-162. https://doi.org/10.5334/jcaa.39
Richardson L. (2013). A Digital Public Archaeology? Papers from the Institute of Archaeology, 23(1), 10, 1-12. http://doi.org/10.5334/pia.431
Royero J.M. (2007). Las redes de investigación y desarrollo (I+D) en América Latina. Revista de Universidad y Sociedad del Conocimiento 3 (2). http://dx.doi.org/10.7238/rusc.v3i2.280
Rozemblun C., Unzurrungaza C., Banzato G. y Pucacco C. (2015). Calidad editorial y calidad científica en los parámetros para inclusión de revistas científicas en bases de datos en Acceso Abierto y comerciales. Palabra Clave 4 (2).
Schadla-Hall T. (2004). The comforts of unreason: the importance and relevance of alternative archaeology. En: N. Merriman (Ed.), Public archaeology (269-285). Routledge.
Spengler, G. A., & Kligmann, D. M. (2022). Primeras aproximaciones al estudio de los hábitos de publicación de los arqueólogos argentinos. Revista Iberoamericana de Ciencia, Tecnología y Sociedad, 17(49), 91-125. http://ojs.revistacts.net/index.php/CTS/article/view/263
Twitter Blue. [@Twitter Blue] (8 de febrero de 2023). need more than 280 characters to express yourself?. [Tweet]. Twitter. https://twitter.com/TwitterBlue/status/1623411400545632256
Van Dijck J. (2016). La cultura de la conectividad: Una historia crítica de las redes sociales. Siglo XXI Editores: Buenos Aires.
Wallerstein I. (1999). Impensar las Ciencias Sociales. Límites de los paradigmas decimonónicos. Siglo XXI Editores: México.
Wickham H. (2016). Package rvest. https://cran.r-project.org/web/packages/rvest/rvest.pdf
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2023 Humberto Aguilar
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os autores que têm publicações nesta revista aceitam os seguintes termos:
a. Os autores reterão os seus direitos autorais e garantirão à revista o direito de primeira publicação do seu trabalho, que estará sujeito à Licença de Atribuição Creative Commons (Licencia de reconocimiento de Creative Commons), que permite que terceiros compartilhem o trabalho enquanto o seu autor e a sua primeira publicação nesta revista.
b. Os autores podem adotar outros contratos de licença não exclusivos para a distribuição da versão do trabalho publicado (por exemplo, depositá-lo num arquivo eletrônico institucional ou publicá-lo num volume monográfico), desde que a publicação inicial nesta revista seja indicada.
v. É permitido e recomendado aos autores que divulguem os seus trabalhos na Internet (por exemplo, arquivos telemáticos institucionais ou no seu site) antes e durante o processo de envio, o que pode levar a trocas interessantes e aumentar citações do trabalho publicado. (Veja El efecto del acceso abierto - O efeito do acesso aberto.)
Como Citar
