Gabriel Z. de Souza
Author directory2026
MultiDomainYT-ToxBR: Um Corpus Multidomínio de Comentários Tóxicos do YouTube em Português Brasileiro
Gabriel Z. de Souza | Isabel H. Manssour
Proceedings of the 17th Brazilian Symposium in Information and Human Language Technology
Gabriel Z. de Souza | Isabel H. Manssour
Proceedings of the 17th Brazilian Symposium in Information and Human Language Technology
Este trabalho apresenta o MultiDomainYT-ToxBR, um corpus de 5.000 comentários do YouTube anotados em nove categorias de toxicidade e distribuídos em cinco domínios temáticos no contexto brasileiro. A análise de concordância entre anotadores evidencia desafios inerentes à tarefa, com índices moderados em categorias como racismo e xenofobia, cujas manifestações veladas e dependentes de contexto dificultam o consenso. A comparação com o ToLD-Br revela padrões complementares: o novo corpus supera o anterior em concordância para homofobia (α = 0,73 vs. 0,68) e introduz categorias inéditas como intolerância política e religiosa. Como validação, o BERTweet.BR, após fine-tuning, atingiu F1 de 0,78 na classificação binária.