Use este identificador para citar ou linkar para este item: https://repositorio.ufba.br/handle/ri/32131
Tipo: Dissertação
Título: Educação financeira no YouTube: uma análise de conteúdo baseada em aprendizagem de máquina com modelos de tópicos
Autor(es): Mota, Daniel Castro
Autor(es): Mota, Daniel Castro
Abstract: A educação financeira vem se tornando cada vez mais importante mundialmente e o desenvolvimento da internet fez com que, nos últimos anos, surgissem diversos canais no YouTube para tratar do tema. A experiência dos produtores de conteúdo é bastante diversa: alguns são consultores financeiros profissionais com vasta formação, enquanto outros são iniciantes que compartilham suas experiências financeiras. Este estudo tem como objetivo analisar a oferta de educação financeira (entendida como o conteúdo que é postado pelos youtubers) e a demanda por educação financeira (entendida como a visualização desse conteúdo pelos usuários) de forma a entender quais temas são discutidos e qual o interesse dos usuários por esses temas. Utilizou-se uma abordagem inovadora com modelos de tópicos, um instrumento de mineração de texto baseado em aprendizado de máquina (machine learning), para analisar e rotular as transcrições de áudio de 6 711 vídeos, correspondentes a mais de 1 400 horas de duração. Os tópicos gerados foram divididos em categorias propostas a partir da premissa de que os conceitos tratados em educação financeira apresentam estágios variados de sofisticação e complexidade, os quais o indivíduo aprende gradativamente, com o objetivo de melhorar seu bem-estar financeiro. A análise dos indicadores de oferta e demanda revela que os produtores e usuários de conteúdo de educação financeira no YouTube estão mais interessados em temas de menor sofisticação e mais voltados para o curto prazo, confirmando, portanto, a hipótese inicial do trabalho, uma vez que no Brasil ainda não se criou uma cultura de poupança e investimento, ainda é uma economia em desenvolvimento, possui desigualdade social e deficiências na área de educação. Os resultados poderão contribuir para o desenvolvimento de políticas públicas que conscientizem a população para a importância de planejamento financeiro de longo prazo.
Financial education has become increasingly important worldwide. In recent years, several channels have appeared on YouTube discussing this theme. The experience of content producers is quite diverse: some are professional financial advisors with extensive training, while others are beginners who share their financial experiences. This study aims to characterize the supply of financial education (defined as the content that is posted by youtubers) and the demand for financial education (defined as the visualization of this content by users) in order to understand what topics are discussed and what is the interest of users in these topics. An innovative approach was used with topic models, a text-mining tool based on machine learning, to analyze and label the audio transcriptions of 6,711 videos, corresponding to more than 1,400 hours of duration. The topics generated were divided into categories proposed from the premise that the concepts treated in financial education present varying stages of sophistication and complexity, which individuals learns gradually, with the aim of improving their financial well-being. The analysis of the indicators of supply and demand reveals that Brazilians looking for financial education content on YouTube are more interested in less sophisticated themes and more focused on the short term, thus confirming our initial hypothesis, since in Brazil a culture of savings and investment has not been created, it is still a developing economy, it has social inequality and deficiencies in education. The results may contribute to the development of public policies that make the population aware of the importance of long-term financial planning.
Palavras-chave: Alfabetização financeira
Conhecimento financeiro
Educação financeira
Modelos de tópicos
Mineração de texto
Aprendizagem de máquina
YouTube
CNPq: Ciências Sociais Aplicadas
País: brasil
Sigla da Instituição: UFBA
metadata.dc.publisher.program: Núcleo de Pós-Graduação em Administração
Tipo de Acesso: Acesso Aberto
URI: http://repositorio.ufba.br/ri/handle/ri/32131
Data do documento: 23-Ago-2020
Aparece nas coleções:Dissertação (NPGA)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Daniel Castro.pdf8,29 MBAdobe PDFVisualizar/Abrir


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