AMAZON ON TELEGRAM

A BERT-BASED TOPIC MODELING DASHBOARD

Authors

Keywords:

social media, artificial intelligence, natural language processing, Amazon

Abstract

The Amazon occupies a central position in contemporary disputes over climate, sovereignty, conservation, and development, which makes it fertile ground for disinformation narratives. This study presents a methodological strategy for exploring large volumes of text, applied to messages about the Amazon posted by public Telegram channels in a multilingual corpus (Portuguese, Spanish, and English). Building on a previous study, the research advances the application of BERT-based topic modeling, coupled with the construction of an interactive dashboard. The aim is to discuss how semantic representations, thematic clusters, and exploratory visualizations can support the interpretation of extensive and heterogeneous textual data. The dashboard makes it possible to observe topic evolution over time, hierarchical structures, inter-topic distances, and distribution across channels. We argue that combining machine learning, visualization, and qualitative analysis contributes to research in Information Science and climate disinformation, taking the Amazon as an empirical case study and offering a replicable workflow for other thematic corpora.

Author Biographies

  • Giulia Tucci, Instituto Brasileiro de Informação em Ciência e Tecnologia, Alliance Bioversity International - CIAT

    Doutora em Ciência da Informação (2023) pela Escola de Comunicação da Universidade Federal do Rio de Janeiro (UFRJ) e pelo Instituto Brasileiro de Informação em Ciência e Tecnologia (IBICT), mestre em Engenharia Biomédica pela COPPE/UFRJ (2011) e bacharel em Engenharia Química pela PUC-Rio (2006). Concluiu estágio pós-doutoral na Universidade Federal do Rio de Janeiro (UFRJ). Atualmente, realiza seu segundo pós-doutorado no IBICT, como bolsista de Pós-Doutorado Júnior do CNPq, no projeto Origens e rotas da desinformação climática no Brasil. Desde 2017, concentra seus estudos nas dinâmicas do fluxo informacional em plataformas digitais. Sua pesquisa de doutorado investigou o fluxo de informação e desinformação no Telegram durante a campanha eleitoral de 2022 no Brasil. Sua experiência abrange ciências sociais computacionais, estudos políticos e métodos digitais. É pesquisadora visitante na Alliance of Bioversity International e CIAT, contribuindo para o programa CGIAR FOCUS Climate Security. Além disso, é colaboradora do Public Data Lab (https://publicdatalab.org/) e integra a Rede Nacional de Parceiros pela Integridade da Informação sobre Mudança do Clima (RPIIC).

  • Bia Carneiro, Bioversity International, University of Coimbra

    Bia Carneiro é Research Team Leader na Alliance of Bioversity International and CIAT, onde lidera a área temática de inovações digitais do CGIAR Climate Security. O seu trabalho centra-se na aplicação de métodos digitais, Natural Language Processing e análise de redes sociais para explorar os discursos e as dinâmicas da insegurança alimentar, da mobilidade humana e do nexo entre clima, paz e segurança. É especialista em investigação social, com mais de 20 anos de experiência em comunicação, políticas sociais e desenvolvimento internacional, com enfoque na gestão de sistemas de informação, na avaliação crítica de dados e no desenvolvimento de estratégias de investigação inovadoras. É licenciada em Comunicação e Estudos Latino-Americanos pela Simon Fraser University, Canadá; possui uma especialização em Gestão de Políticas Sociais pela Pontifícia Universidade Católica do Paraná, Brasil; um mestrado em Social Policy and Development pela London School of Economics, Reino Unido; e um doutoramento em Sociologia pela Universidade de Coimbra, Portugal, onde é atualmente Professora Auxiliar Convidada.

  • Giosuè Ruscica, Bioversity International

    Giosuè Ruscica é consultor de Engenharia de Dados na Alliance of Bioversity International and CIAT desde 2019, onde contribui para iniciativas de inovação digital, particularmente nas áreas de data mining, análise de redes sociais e processos ETL em grande escala. Com formação em física e vários anos de experiência em engenharia de dados, o seu trabalho centra-se na conceção e implementação de aplicações intensivas em dados, que vão desde sistemas automatizados de web scraping e dashboards interativos para visualização e análise de dados em tempo real, até à integração de fluxos de trabalho de machine learning em pipelines ETL automatizados. É mestre em Física pela Universidade de Catânia e é autor de publicações científicas sobre segurança climática e métodos digitais.

References

BLEI, David M. Probabilistic topic models. Communications of the ACM, New York, v. 55, n. 4, p. 77-84, abr. 2012. Disponível em: http://dl.acm.org/citation.cfm?doid=2133806.2133826. Acesso em: 12 dez. 2018.

BLEI, David M.; NG, Andrew Y.; JORDAN, Michael I. Latent Dirichlet allocation. Journal of Machine Learning Research, Cambridge, v. 3, p. 993-1022, mar. 2003. Disponível em: https://www.jmlr.org/papers/v3/blei03a.html. Acesso em: 17 mar. 2026.

BONALDO, Manoela; QUEIROZ, Gustavo; BORBA, Bibiana. Bruno Pereira e Dom Phillips: o que se sabe sobre o assassinato do jornalista e do indigenista. Estadão, São Paulo, 23 jun. 2022. Disponível em: https://www.estadao.com.br/politica/bruno-pereira-e-dom-phillips-o-que-se-sabe-sobre-o-assassinato-do-jornalista-e-do-indigenista/. Acesso em: 23 out. 2025.

BOYD, danah; CRAWFORD, Kate. Critical questions for big data. Information, Communication & Society, Abingdon, v. 15, n. 5, p. 662-679, jun. 2012. Disponível em: https://www.tandfonline.com/doi/full/10.1080/1369118X.2012.678878. Acesso em: 28 set. 2021.

CARNEIRO, Bia; TUCCI, Giulia. The Amazon biome in messages: public policy and communication frames on Telegram. Rome: Bioversity International; International Center for Tropical Agriculture (CIAT), set. 2025. 28 p. Working paper. Disponível em: https://hdl.handle.net/10568/177294. Acesso em: 16 jun. 2026.

DAVIS, Charles; YRA, Goia; SILVA, Caio; GUIMARÃES, Mariana et al. Social media are fuelling the Amazon’s destruction. Nature, London, v. 580, n. 7803, p. 321, abr. 2020. Disponível em: https://www.nature.com/articles/d41586-020-01078-1. Acesso em: 25 ago. 2025.

DEVLIN, Jacob; CHANG, Ming-Wei; LEE, Kenton; TOUTANOVA, Kristina. BERT: pre-training of deep bidirectional transformers for language understanding. In: CONFERENCE OF THE NORTH AMERICAN CHAPTER OF THE ASSOCIATION FOR COMPUTATIONAL LINGUISTICS: HUMAN LANGUAGE TECHNOLOGIES (NAACL-HLT), 2019, Minneapolis. Anais [...]. Minneapolis: Association for Computational Linguistics, 2019. v. 1 (long and short papers), p. 4171-4186. Disponível em: https://aclanthology.org/N19-1423/. Acesso em: 15 jun. 2026.

FERREIRA, Adison. Desinformação sobre a Amazônia: relatório do coletivo Intervozes mostra como fake news se espalham na região. InfoAmazonia, Amazônia, 4 maio 2023. Disponível em: http://infoamazonia.org/podcast/relatorio-mostra-como-desinformacao-se-espalha-na-amazonia/. Acesso em: 25 ago. 2025.

FRANCO, Marco A.; RIZZO, Luciana V.; TEIXEIRA, Márcio J.; ARTAXO, Paulo et al. How climate change and deforestation interact in the transformation of the Amazon rainforest. Nature Communications, London, v. 16, n. 1, p. 7944, set. 2025. Disponível em: https://www.nature.com/articles/s41467-025-63156-0. Acesso em: 27 abr. 2026.

GROOTENDORST, Maarten. BERTopic. [S. l.]: GitHub, 2022. Software. Disponível em: https://github.com/MaartenGr/BERTopic. Acesso em: 13 maio 2023.

MURSHED, Belal Abdullah Hezam; MALLAPPA, Suresha; ABAWAJY, Jemal; SAIF, Mufeed Ahmed Naji et al. Short text topic modelling approaches in the context of big data: taxonomy, survey, and analysis. Artificial Intelligence Review, Dordrecht, v. 56, n. 6, p. 5133-5260, jun. 2023. Disponível em: https://link.springer.com/article/10.1007/s10462-022-10254-w. Acesso em: 4 maio 2026.

PYTHON SOFTWARE FOUNDATION. Python.org. Beaverton: PSF, [20--]. Disponível em: https://www.python.org/. Acesso em: 3 jan. 2024.

ROGERS, Richard. Deplatforming: following extreme Internet celebrities to Telegram and alternative social media. European Journal of Communication, London, v. 35, n. 3, p. 213-229, jun. 2020. Disponível em: http://journals.sagepub.com/doi/10.1177/0267323120922066. Acesso em: 1 jul. 2021.

ROGERS, Richard. Digital methods. Cambridge: MIT Press, 2013. 280 p.

RUSCICA, Giosuè; TUCCI, Giulia; CARNEIRO, Bia. TeleCatch: an open-access software for visualizing, filtering and extracting Telegram messages data. Software Impacts, Amsterdam, v. 23, p. 100736, mar. 2025. Disponível em: https://www.sciencedirect.com/science/article/pii/S2665963824001246. Acesso em: 7 jan. 2025.

SILVA-JUNIOR, Celso H. L.; ILVA, Fabrício B.; ARISI, Barbara Maisonnave; MATAVELI, Guilherme et al. Brazilian Amazon indigenous territories under deforestation pressure. Scientific Reports, London, v. 13, p. 5851, abr. 2023. Disponível em: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10085996/. Acesso em: 25 ago. 2025.

SOUZA, Marcos de; SOUZA, Renato Rocha. Modelagem de tópicos: resumir e organizar corpus de dados por meio de algoritmos de aprendizagem de máquina. Múltiplos Olhares em Ciência da Informação, Belo Horizonte, v. 9, n. 2, 2019. Disponível em: https://periodicos.ufmg.br/index.php/moci/article/view/19138. Acesso em: 11 jun. 2026.

TREEN, Kathie; WILLIAMS, Hywel T. P.; O’NEILL, Saffron J. Online misinformation about climate change. WIREs Climate Change, Hoboken, v. 11, n. 5, p. e665, 2020. Disponível em: https://onlinelibrary.wiley.com/doi/abs/10.1002/wcc.665. Acesso em: 7 abr. 2025.

TUCCI, Giulia. Telegram channels data. [S. I.]: OSF, 2025. Conjunto de dados. Disponível em: https://osf.io/ys4j9/. Acesso em: 26 ago. 2025.

TUCCI, Giulia; GOUVEIA, Fábio Castro. O discurso do bolsonarismo nas eleições 2022: uma investigação da desinformação viral em grupos de Telegram. Em Questão, Porto Alegre, v. 31, 29 abr. 2025. Disponível em: https://seer.ufrgs.br/index.php/EmQuestao/article/view/141754. Acesso em: 12 ago. 2025.

Downloads

Published

2026-11-13

Conference Proceedings Volume

2026: XXVI ENCONTRO NACIONAL DE PESQUISA E PÓS-GRADUAÇÃO EM CIÊNCIA DA INFORMAÇÃO

Section

GT 8 – Dados, Informação e Tecnologia

Categories