As part of the institution’s 2024–2027 strategic plan, which includes the objective of understanding how the media portrays the organization to strengthen its public image, this paper investigates the application of deep learning algorithms in sentiment analysis of headline news about a public security institution. Four deep learning methods were applied in combination with three textual representations, resulting in twelve trained models. For each combination, a class-based analysis of the results was conducted. Models using BERT as the textual representation achieved strong performance, with an F1-score of approximately 90%.

Este trabalho analisa a evolução de padrões linguísticos em resumos de artigos em português da Sociedade Brasileira de Computação entre 2020 e 2025, com base em métricas linguísticas do NILC-Metrix. Foram aplicadas 72 métricas a um conjunto de mais de 10 mil resumos, e comparações estatísticas (t-test) foram realizadas entre o período de referência (2020–2022) e os anos subsequentes. Os resultados indicam transformações a partir de 2023, incluindo simplificação estrutural, aumento da densidade lexical, reconfiguração de estratégias discursivas e mudanças no uso de conectivos. Em 2024 e 2025, mais de 95% dos artigos apresentam múltiplas métricas significativamente distintas em relação ao período de referência.