Estratégias de relocalização e emissões de gases de efeito estufa na logística: uma análise de discurso no X/Twitter

DSpace Repository

A- A A+

Estratégias de relocalização e emissões de gases de efeito estufa na logística: uma análise de discurso no X/Twitter

Show simple item record

dc.contributor Universidade Federal de Santa Catarina. pt_BR
dc.contributor.advisor Chaves, Gisele de Lorena Diniz
dc.contributor.author Hashimoto, Alec Massato
dc.date.accessioned 2026-07-13T12:08:33Z
dc.date.available 2026-07-13T12:08:33Z
dc.date.issued 2026-07-01
dc.identifier.uri https://repositorio.ufsc.br/handle/123456789/274121
dc.description TCC(graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Produção. pt_BR
dc.description.abstract A reconfiguração das cadeias globais de valor tornou-se um dos temas que ocupa posição de destaque na gestão de operações contemporânea, especialmente diante do impacto ambiental do transporte de cargas. Nesse contexto, estratégias de relocalização produtiva, como reshoring, nearshoring e friendshoring, emergem como respostas simultâneas aos riscos de ruptura logística e aos compromissos de descarbonização, embora a articulação discursiva entre essas duas agendas ainda seja pouco investigada no contexto brasileiro. Neste cenário, o trabalho tem como objetivo analisar os padrões discursivos sobre estratégias de relocalização e sua relação com as emissões de Gases de Efeito Estufa (GEE) no setor logístico, a partir de publicações coletadas na rede social X, antigo Twitter, no período de fevereiro de 2018 a dezembro de 2025. Para isso, foi construído um corpus textual bilíngue (em inglês e português). Essa coletânea é composta por 3.555 tweets, obtidos por meio da plataforma Apify a partir de um dicionário com 34 descritores temáticos. A partir dela, foi desenvolvido um fluxo de processamento em Python que integrou a identificação de palavras-chave por meio de expressões regulares, a análise de sentimento com o modelo Valence Aware Dictionary and sEntiment Reasoner (VADER) e a modelagem de tópicos latentes com o algoritmo Latent Dirichlet Allocation (LDA). Os resultados indicam um crescimento do discurso atrelado à guerra comercial EUA-China, à pandemia de COVID-19 e à crise energética europeia. A modelagem identificou seis tópicos latentes, com destaque para a dominância da combinação entre Reshoring e Geopolítica Chinesa. Além disso, a análise evidenciou o tom mais otimista do tópico que articula Reshoring e Sustentabilidade, enquanto o discurso adquiriu um tom predominantemente negativo envolvendo o tópico que relacionou Offshoring com as Emissões de Carbono. A análise apontou para uma transição do discurso, que evoluiu da denúncia das consequências ambientais do offshoring para a consolidação de uma agenda otimista de relocalização sustentável. Ao analisar o discurso espontâneo, em vez de recorrer à busca bibliográfica tradicional, a pesquisa se propõe a captar o discurso do público geral sobre a articulação dos dois temas, trazendo uma visão da sociedade engajada. Esta análise, pode complementar a discussão acadêmica disponível na literatura, a partir da visão de um público mais abrangente. pt_BR
dc.format.extent 76 f. pt_BR
dc.language.iso por pt_BR
dc.publisher Florianópolis, SC. pt_BR
dc.rights Open Access. en
dc.subject Estratégias de relocalização pt_BR
dc.subject Cadeia de suprimentos pt_BR
dc.subject Emissões de gases de efeito estufa pt_BR
dc.subject Modelagem de tópicos latentes pt_BR
dc.subject Análise de sentimento pt_BR
dc.subject Processamento de linguagem natural pt_BR
dc.title Estratégias de relocalização e emissões de gases de efeito estufa na logística: uma análise de discurso no X/Twitter pt_BR
dc.type TCCgrad pt_BR


Files in this item

Files Size Format View Description
TCC_Alec_Hashimoto.pdf 3.475Mb PDF View/Open TCC

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account

Statistics

Compartilhar