Como somos vistos? Análise da imagem organizacional pública utilizando ciência de dados

Autores

  • Carolina Coelho da Silveira Universidade Federal de Uberlândia
  • Carla Bonato Marcolin Universidade Federal de Uberlândia https://orcid.org/0000-0003-0260-5073
  • Carlos Henrique Rodrigues Agência Nacional de Energia Elétrica

DOI:

https://doi.org/10.36428/revistadacgu.v14i26.559

Palavras-chave:

Imagem Organizacional Pública, Notícias, Ciência de Dados, NLP

Resumo

Entende-se por imagem organizacional as percepções públicas em torno de uma organização. Para os órgãos públicos, é importante gerenciar tal imagem dado que ela interfere diretamente no relacionamento com diferentes atores, bem como sua legitimação e credibilidade perante a sociedade. Neste sentido, os veículos de imprensa têm grande influência, contudo existem desafios relacionados ao formato e volume dos dados destas fontes. Assim, o objetivo deste artigo é utilizar técnicas de Ciência de Dados para analisar a imagem organizacional de uma organização pública através da imprensa nacional, com foco em portais de notícias e jornais. Para validação, foi utilizado o caso da Agência Nacional de Energia Elétrica (ANEEL). As etapas metodológicas consistiram em definição, coleta, preparação e análise dos dados através de técnicas de Processamento de Linguagem Natural. Os principais resultados reforçam os indícios de alta relação entre a imagem da ANEEL e a imagem do Governo, e que existe uma disparidade entre a imagem passada pela manchete e pela notícia na íntegra. Ainda, observou-se a utilização de estratégias de comunicação (rotulagem, agenda-setting, linkage e framing) por parte dos veículos de imprensa. Para estudos futuros, sugere-se a utilização de outras fontes de dados e também a validação a partir de outros casos.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Carla Bonato Marcolin, Universidade Federal de Uberlândia

    Doutora em Administração (Linha Pesquisa Operacional) e Mestre em Administração (Linha Gestão de Sistemas e TI) pelo Programa de Pós-Graduação em Administração da UFRGS. Possui especialização em Finanças pela mesma instituição, e graduação pela Pontifícia Universidade Católica do Rio Grande do Sul (2010). Atualmente é professora da Faculdade de Gestão e Negócios (FAGEN) da Universidade Federal de Uberlândia (UFU) e realizou pós-doutoramento na Fundação Getúlio Vargas (EAESP/FGV). Trabalhou com análise e desenvolvimento de sistemas personalizados para PMEs e com gestão de contratos com órgãos públicos. Trabalha com R e possui familiaridade com SQL e estrutura de dados, bem como com técnicas de Processamento de Linguagem Natural (NLP) e de Aprendizado de Máquina (Machine Learning). Principais interesses de pesquisa incluem inteligência artificial, analytics, mineração de dados e principalmente mineração de texto.

  • Carlos Henrique Rodrigues, Agência Nacional de Energia Elétrica

    Mestre em Administração (2012) pela Universidade de Brasília, Especialista em Gestão Empresarial (2003) e Graduado em Administração (2000), pela Universidade Federal de Uberlândia. Chefe Adjunto de Assessoria de Gestão, atua na coordenação de atividades ligadas ao planejamento estratégico, gestão de processos, projetos e orçamento na Assessoria Institucional da Diretoria. Coordena projeto de pesquisa de imagem institucional englobando a percepção dos diversos stakeholders relacionados ao setor elétrico e consumidores de energia elétrica. Responsável pela implementação de projeto de Ensino à Distância, voltado para o público externo buscando fortalecer fortalecer o processo de participação pública, considerando os diversos públicos de relacionamento institucional. Coordenou a participação da Agência no Guia de Melhores Empresas para Trabalhar da revista Você S/A. Atuou por nove anos na área de Recursos Humanos, nos diversos subsistemas de Gestão de Pessoas, incluindo cadastro, folha de pagamento, saúde, qualidade de vida, gestão do desempenho, provimento de pessoal, realização de concursos públicos, capacitação e desenvolvimento, e gestão por competências. Nesse período atuou por mais de três anos como Coordenador de Capacitação e Desenvolvimento sendo responsável por todas as etapas do processo, bem como pela implantação da capacitação baseada em competências. Atuou no processo de construção do Guia da Gestão da Capacitação por Competências organizado pela Secretaria de Gestão Pública. Possui experiência profissional e na docência de ensino superior e pós-graduação, e em atividades de instrutoria na área de Administração e Gestão de Pessoas, atuando em temas como: cargos e salários, avaliação de desempenho, cultura organizacional, carreira profissional, qualidade de vida, treinamento, desenvolvimento e educação corporativa, satisfação, qualidade de vida no trabalho e desenvolvimento. Atua como facilitador em cursos sobre gestão por competências, TD&E, avaliação de resultados em TD&E e Desenvolvimento Gerencial em órgãos como: ANVISA, MDS, MPDFT, STM e CNPq. Atuou no processo de seleção e posteriormente como professor e orientador no curso de pós-graduação em Gestão de Pessoas no Setor Público, promovido pela ENAP e faz parte do quadro de docentes no Programa de formação em Gestão de Pessoas. Responsável pela elaboração de estudo de caso, por meio de projeto de parceria entre ENAP e Ministério da Economia (antigo Planejamento) visando descrever a experiência na criação e implementação das Funções Comissionadas do Poder Executivo (FCPE).

Referências

Aggarwal, C. C. & Zhai, C. X. (2012). A survey of text classification algorithms. In Mining Text Data (pp. 163-222). Springer. https://doi.org/10.1007/978-1-4614-3223-4_6.

Altszyler, E., Ribeiro, S., Sigman, M., & Slezak, D. F. (2017). The interpretation of dream meaning: Resolving ambiguity using Latent Semantic Analysis in a small corpus of text. Consciousness and Cognition: An International Journal, 56, 178–187. https://doi.org/10.1016/j.concog.2017.09.004.

Agência Nacional de Energia Elétrica (2021). A ANEEL. https://www.aneel.gov.br/a-aneel.

Barich, H. & Kotler, P. (1991). A framework for marketing image management. Sloan Management Review, 32 (2), 94–104.

Bartoluzzio, A. I. S. S., Dos Anjos, L. C. M., Dos Santos, M. R. L. & Freire, R. S. (2019). Percepção dos Cidadãos sobre os Portais da Transparência do Governo Estadual e das Gestões Municipais em Pernambuco. Revista da CGU, 11 (18), 1115-1133. https://doi.org/10.36428/revistadacgu.v11i18.149.

Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77-84. https://doi.org/10.1145/2133806.2133826.

Bromley, D. B. (1993). Reputation, image and impression management. John Wiley & Sons.

Cezar, L. C. (2019). Comunicação e marketing no setor público: diferentes abordagens para a realidade brasileira. Enap.

Chuprina, S., Postanogov, I., & Kostareva, T. (2017). A way how to impart data science skills to computer science students exemplified by obda-systems development. Procedia Computer Science, 108, 2161- 2170.

Cielen, D. & Meysman, A. (2016). Introducing data science: big data, machine learning, and more, using Python tools. Simon and Schuster.

Crain, S. P., Zhou, K., Yang, S. H. & Zha, H. (2012). Dimensionality reduction and topic modeling: From latent semantic indexing to latent dirichlet allocation and beyond. In Mining Text Data (pp. 129-161). Springer. https://doi.org/10.1007/978-1-4614-3223-4_5.

Da Silva, M. S. P. & Gutierez, R. H. (2013). Avaliação da visão interna da imagem de autarquias federais: Estudo de caso da Comissão Nacional de Energia Nuclear. Sustainable Business International Journal, 30, 01-25.

Da Fonseca, L. C. L. (2020). Uma análise da reputação das empresas do PIM na mídia. Revista Eletrônica – Arte, Educação, Comunicação e Design, 1 (3), 1-30.

De Sousa, C. M., Ardigo, J. P. & Santos, A. R. (2021). A produção acadêmica nacional e internacional sobre imagem corporativa no setor público. Gestão e Sociedade, 15 (43), 4466-4496.

Dowling, G. R. (1986). Managing your corporate image. Industrial Marketing Management, 15(2), 109–115.

Eickhoff, M. & Neuss, N. (2017, june 5-10). Topic modelling methodology: its use in information systems and other managerial disciplines. Proceedings of the 25th European Conference on Information Systems (ECIS), Guimarães, Portugal.

Fan, W. & Gordon, M. D. (2014). The Power of Social Media Analytics. Communications of the ACM, 57 (6), 74-81.

Hines, A., Bengston, D. N., Dockry, M. J. & Cowart, A. (2018). Setting Up a Horizon Scanning System: A U.S. Federal Agency Example. World Futures Review, 10(2), 136-151.

Hjarvard, S. (2012). Midiatização: teorizando a mídia como agente de mudança social e cultural. Matrizes, 5 (2), p. 53-91.

Ind, N. (1997). The Corporate Brand. Macmillan Press Ltd.

Landauer, T. K. (2007). LSA as a theory of meaning. In T. K. Landauer, D. S. McNamara, S. Dennis, & W. Kintsch (Eds.), Handbook of latent semantic analysis (pp. 3–34). Lawrence Erlbaum Associates Publishers.

Langley, A. & Klag, M. (2019). Being where? Navigating the involvement paradox in qualitative research accounts. Organizational Research Methods, 22(2), 515-538. https://doi.org/10.1177/1094428117741967.

Maia, R. C. M. (2009). Mídia e diferentes dimensões da Accountability. Revista da Associação Nacional dos Programas de Pós-Graduação em Comunicação, 2.

Manning, C. D., Raghavan, P. & Schütze H. (2010). Introduction to information retrieval. Cambridge University Press.

Marcolin, C. B., Becker, J. L., Wild, F., Behr, A. & Schiavi, G. (2021). Listening to the voice of the guest: A framework to improve decision-making processes with text data. International Journal of Hospitality Management, 94, 1-12. https://doi.org/10.1016/j.ijhm.2020.102853.

Martineau, P. (1958). The personality of the retail store. Harvard Business School Press.

Martins, S. A. (2014). Mídia e Opinião Pública: Estudo de Caso sobre o Mensalão nas Ópticas dos jornais Folha de São Paulo e o Estado de São Paulo. Universitas: Arquitetura e Comunicação Social, 11 (2), p. 47-58. https://doi.org/10.5102/uc.v11i2.2891.

Maulud, H. D., Zeebaree, S. R. M., Jacksi, K., Sadeeq, M. A. M. & Sharif, K. H. (2021). State of Art for Semantic Analysis of Natural Language Processing. Qubahan Academic Journal, 1(2), 21–28. https://doi.org/10.48161/qaj.v1n2a44

Nikolenko, S. I., Koltcov, S., & Koltsova, O. (2017). Topic modelling for qualitative studies. Journal of Information Science, 43(1), 88-102. https://doi.org/10.1177/0165551515617393.

Otto, L. P., Thomas, G., Glogger, I. & De Vreese, C. H. (2022). Linking Media Content and Survey Data in a Dynamic and Digital Media Environment – Mobile Longitudinal Linkage Analysis. Digital Journalism, 10 (1), 200-215. https://doi.org/10.1080/21670811.2021.1890169

Penteado, C. C., Fortunato, I. (2015). Mídia e Políticas Públicas: Possíveis Campos Exploratórios. Revista Brasileira de Ciências Sociais, 30 (87), 129-142. https://doi.org/10.17666/3087129-141/2015.

Schmiedel, T., Müller, O. & Brocke, J. (2019). Topic modeling as a strategy of inquiry in organizational research: A tutorial with an application example on organizational culture. Organizational Research Methods, 22(4), 941-968. https://doi.org/10.1177/1094428118773858.

Schuler, M. (2004). Management of the organizational image: a method for organizational image configuration. Corporate Reputation Review, 7 (1), 37-53.

Steppacher, D. (2012). Pesquisa de imagem organizacional de um órgão público federal: a Escola de Administração da Universidade Federal do Rio Grande do Sul sob a ótica de seus alunos de graduação. 2012. [Especialização em Marketing, Universidade Federal do Rio Grande do Sul - UFRGS].

Stieglitz, S., Mirbabaie, M., Ross, B. & Neuberger, C. (2018). Social media analytics: Challenges in topic discovery, data collection, and data preparation. International Journal of Information Management, 39, 156–168.

Tabesh, P., Mousavidin, E. & Hasani, S. (2019). Implementing big data strategies: A managerial perspective. Business Horizons, 62(3), 347-358.

Valerio, D. M. & Pizzinatto, N. K. (2003). Análise da Imagem Organizacional de Universidades por Meio da Matriz Familiaridade-Favorabilidade. Revista de Administração Mackenzie, 4 (1), 26-37.

Zhang, J., Wu, B., Morrison, A. M., Tseng, C. & Chen, Y. C. (2016). How country image affects tourists’ destination evaluations. Journal of Hospitality & Tourism Research, 42(6), 904–930.

Downloads

Publicado

20.12.2022

Edição

v. 14 n. 26 (2022): Revista da CGU, 26,jul-dez/2022

Seção

Ciência de Dados na Administração Pública: Desafios e Oportunidades

Licença

Copyright (c) 2022 Revista da CGU

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

A Revista da CGU segue a  uma Licença Creative Commons Atribuição 4.0 Internacional (CC BY), que permite o uso e compartilhamento dos trabalhos publicados, desde que se atribua crédito aos autores e fontes. Os conteúdos publicados até 2019 contam com permissão genérica para uso e compartilhamento com indicação obrigatória de autoria e fonte.

Ressaltamos alguns pontos essenciais e não exaustivos relacionados:

  • A submissão da contribuição implica compromisso de não a submeter a outro periódico e autoriza, caso aprovado, a sua publicação.
  • A submissão da contribuição implica também que os autores concordam com a publicação, sem que disso resulte remuneração, reembolso ou compensação de qualquer natureza.
  • Os trabalhos publicados são de responsabilidade dos autores, não representando, necessariamente, a opinião da Revista da CGU.
  • A responsabilidade por eventuais plágios, fraudes ou imprecisões são de responsabilidade dos autores.
  • O responsável pela submissão declara, sob as penas da Lei, que a informação sobre a autoria do trabalho é absolutamente completa e verdadeira.

Destacam-se, ainda, os demais itens relacionados às Políticas Editoriais, em especial sobre a Missão e Escopo, Ética da Publicação, Processo de Avaliação pelos Pares e Política de Acesso Livre.

Como Citar

Como somos vistos? Análise da imagem organizacional pública utilizando ciência de dados. Revista da CGU, [S. l.], v. 14, n. 26, 2022. DOI: 10.36428/revistadacgu.v14i26.559. Disponível em: https://revista.cgu.gov.br/Revista_da_CGU/article/view/559. Acesso em: 21 dez. 2024.

Artigos Semelhantes

1-10 de 227

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.