FOLHA DE S.PAULO – 09/05/2019
Daniel Mariani, Fábio Takahashi, Simon Ducroquet e Thiago Almeida
Tanto usuários radicais de esquerda no Twitter quanto de direita seguem poucas pessoas fora de seus grupos ideológicos e pouco compartilham mensagens de perfis de outros segmentos. A bolha na direita, porém, é mais fechada.
A partir de modelo estatístico, a Folha categorizou 1,7 milhão de usuários brasileiros com interesse em política na rede social e criou a ferramenta GPS Ideológico, para monitorar o debate na rede social (veja aqui a metodologia completa).
Os resultados do GPS Ideológico mostram, por exemplo, que um usuário classificado como de centro tende a ter em sua lista 67% de pessoas fora de seu próprio grupo. Entre os 5% mais radicais de esquerda, esse indicador de diversidade cai para 35%.
A diversidade é ainda menor entre os 5% mais radicais de direita. Eles têm em suas listas somente 28% de perfis distantes de seu espectro.
Cientistas políticos dizem que essa organização dos usuários prejudica o debate, pois as pessoas ficam imersas em mensagens que apenas reforçam suas ideias, com pouco espaço para o contraditório.
A equipe do Twitter afirma que a rede social oferece meios que permitem o usuário ter acesso a conteúdo de diferentes perfis, mesmo que a pessoa não os siga. O usuário pode apenas consultar um perfil, sem necessariamente tê-lo em sua lista. Pode também clicar em hashtags, levando ao que todos os usuários estão falando sobre aquele tema.
Seguir uma pessoa, porém, faz com que o usuário tenha mais chances de receber em sua tela o conteúdo desse outro perfil.
O Twitter ganhou importância política após presidentes como Donald Trump e Jair Bolsonaro passarem a usá-lo como uma de suas principais formas de comunicação. Também tem sido ferramenta usada por pesquisadores para analisar comportamento de usuários por fornecer mais dados do que plataformas como Facebook e WhatsApp.
O posicionamento nessa reta ideológica, gerado pelo modelo estatístico, leva em conta a afinidade entre os seguidores que o perfil-influenciador tem. Ou seja, mostra para qual público o perfil mais fala ou representa na rede, mesmo que o influenciador não tenha intenção de ter esse público.
A análise da rede social pode, por exemplo, indicar o perfil dos seguidores dos partidos políticos do país.
Autor do algorítimo que foi adaptado para o GPS Ideológico, o cientista político Pablo Barberá (London School of Economics) afirma que, ao seguir uma pessoa, via de regra o usuário tem afinidade com esse perfil.
Isso porque a pessoa passará a visualizar mais tuítes desse usuário. E receber conteúdo de alguém sem afinidade é algo custoso, em termos de tempo e de atenção – por isso, tende a ser exceção.
Após identificar a posição no espectro político de cada perfil-influenciador, é possível então categorizar todos que seguem esses perfis.
O 1,7 milhão de usuários analisados pelo GPS Ideológico seguem ao menos três dos perfis-influenciadores e tuitaram ao menos cem vezes. Foi aplicada ferramenta para excluir robôs evidentes.
O modelo estatístico mostra que os grupos mais à direita e à esquerda, além de seguirem poucas pessoas fora de seus grupos, também pouco retuitam (compartilham) materiais de pessoas longe de seu espectro.
Nessa análise de retuítes, a Folha considerou mensagens que continham as palavras Bolsonaro ou Lula, postadas entre 15 e 24 de abril.
Essa situação encontrada no Brasil, de uma direita mais fechada que a esquerda, foi verificada também pelo pesquisador Barberá em estudo feito com tuítes nos Estados Unidos.
Além de serem mais fechados que os demais, os grupos radicais de direita e de esquerda destoam também pela intensidade de mensagens na rede social.
A reportagem contou quantas mensagens contendo a palavra Bolsonaro foram postadas pelos diferentes grupos. Os que estão mais à direita postaram quase cinco vezes mais do que os demais.
Em outra análise, foram consideradas as mensagens contendo a palavra Lula. Aí, são os mais à esquerda que tuítam quatro vezes mais que a média.
O estudo sobre o Twitter foi desenvolvido pelo DeltaFolha, editoria de jornalismo de dados da Folha que atua desde 2017 e agora foi rebatizada com esse nome.
Um dos principais pesquisadores brasileiros que analisam a influência das redes sociais no debate político, Fábio Malini afirma que bolhas surgem na rede social por ação de grupos organizados.
“Quer ter popularidade? Pegue de cinco a dez influenciadores para publicar conteúdo original, uns mil perfis [que retuitarão o conteúdo] e forme uma bolha. A partir daí, será visto, ouvido e até analisado”, disse o pesquisador, que é do Laboratório de Estudos sobre Imagem e Cibercultura, da Universidade Federal do Espírito Santo.
Como é um grupo coeso, rapidamente uma mensagem padronizada pode ganhar força dentro da bolha e, então, passa a ser notada por outros grupos. Ele cita como exemplo o uso da imagem da mão imitando uma arminha, popularizada pelos seguidores do então candidato Jair Bolsonaro (que também usava a imagem).
O pesquisador afirma que a formação dessas bolhas “pode ser acelerado pelo uso computacional [robôs] por políticos e agências digitais”.
A equipe do Twitter afirma que a rede oferece meios que permitem o usuário ter acesso a conteúdo de diferentes perfis, mesmo que a pessoa não os siga.
O usuário pode apenas consultar um perfil, sem necessariamente tê-lo em sua lista. Pode também clicar em hashtags, levando ao que todos os usuários estão falando sobre aquele tema.
O Twitter diz ainda que os dados públicos são insuficientes para se determinar a existência de bolhas ideológicas. Só seria possível fazer essa caracterização se analisado todo o hábito de navegação de todos os usuários – o que não é fornecido devido à privacidade e segurança, afirma a empresa.
Já o cientista político do Cepesp-FGV (Centro de Política e Economia do Setor Público) Jairo Pimentel afirma que “faz todo sentido falar em bolhas na internet. A psicologia cognitiva mostra há muito que as pessoas tendem a adotar ponto de vistas de referência e utilizar essas referências como balizadores da percepção política e de ação”.
A novidade que o modelo usado pelo GPS Ideológico traz, segundo Pimentel, é indicar que a bolha dos mais à direita é mais fechada do que a da esquerda – quem está nos 5% mais à direita segue menos pessoas de fora de seu grupo (veja aqui a metodologia completa).
Essa observação sobre os conservadores também foi feita nos EUA, pelo autor do modelo matemático usado pela Folha, o cientista político Pablo Barberá (London School of Economics).
Em um artigo de 2015, Barberá cita autores que defendem que conservadores tendem a evitar incerteza e ameaças, por isso se expõem menos a opiniões divergentes.
O pesquisador da FGV ressalta que há poucos estudos sobre o tema no Brasil.
Para Malini, da Universidade Federal do Espírito Santo, uma possível explicação para esse fenômeno é que grupos de direita no país estejam mais organizados para construir essas bolhas – que acabarão disseminando depois o conteúdo.
“Havia também no campo da esquerda Lulo-dilmista esse comportamento de coesão robótico, mas agora a esquerda não tem mais um governo a defender”, afirmou.
O colunista da Folha Pablo Ortellado, que analisa o debate político nas redes sociais, afirma que o resultado mais relevante para ele é como os mais radicais, de direita e esquerda, têm comportamento diferente de quem está no centro (mais aberto a opiniões de segmentos diferentes).
Bolha política da direita no Twitter é mais fechada que a da esquerda O GPS Ideológico, ferramenta da Folha que acompanha a discussão política no Twitter, leva em conta duas etapas de análise, interligadas.
Quem a pessoa segue e por quem é seguida são as informações essenciais para o modelo.
Primeiramente, analisa-se potenciais perfis-influenciadores. A reportagem escolheu para essa etapa os deputados federais, senadores, ministros, veículos de imprensa e outros perfis que falavam de política na rede social (e que possuíam ao menos dois mil seguidores).
A ideia era identificar grupos que podem definir bem a polarização política.
O modelo estatístico, então, analisa a afinidade dos seguidores desses perfis-influenciadores iniciais, para sugerir outros perfis que também podem ser bons marcadores de posicionamento político e que tenham sido esquecidos.
Ao grupo inicial, foram acrescentados 256 perfis, chegando a um grupo de mil influenciadores.
Todos eles podem ser colocados numa reta de acordo com a tendência de seus seguidores seguirem as mesmas pessoas. Assim, dois influenciadores que possuem tendência de serem seguidos por um grupo de pessoas ficam mais próximos; perfis que têm seguidores muitos distintos ficam mais distantes.
Essa reta reflete polos do debate político atual, um mais identificado com discursos progressistas e de esquerda e outro de direita e conservador.
Em síntese, significa que alguém que segue somente Olavo de Carvalho e Alexandre Frota está em um polo, e quem segue Fernando Haddad e José de Abreu, no outro.
O modelo estatístico, desenvolvido inicialmente pelo pesquisador Pablo Barberá (London School of Economics), permite então posicionar todos os usuários do Twitter nessa reta ideológica.
O algorítimo considera quais dos influenciadores cada usuário segue.
O GPS Ideológico analisou apenas os usuários no Brasil que tuitaram ou retuitaram em 2019, em português, pelo menos cem vezes e seguiam ao menos três dos perfis-influenciadores.
A ideia era definir se a conta estava ativa e recebendo conteúdo político.
Foi aplicada também uma ferramenta para excluir da análise os robôs mais evidentes (foram analisados frequência de posts, número de contas que segue, relação de posts originais com retuítes, entre outros.
Passaram por todos esses filtros 1,7 milhão de usuários, que passou a ser o universo para análise.
As informações foram coletadas entre 26 de março e 2 de maio.
A reportagem testou essa categorização dos perfis no Twitter com outras informações, para verificar se a classificação feita pelo algorítimo estava robusta.
O resultado do GPS Ideológico é condizente com a comparação com os resultados eleitorais e perfil dos deputados.
Os 1,7 milhão de usuários foram divididos em 20 grupos (cada um com 5% do universo estudado), também do mais à direita à mais esquerda. A separação em grupos menores foi feita para haver análise mais focada de cada espectro.
Para algumas análises, a reportagem juntou alguns desses grupos. Quando se analisa quanto os 5% mais radiciais de direita estão fechados em si, considerou-se quanto eles seguem ou retuítam do grupo 20% mais à direita.
A mesma lógica foi aplicada para a esquerda e para o centro.
METODOLOGIA COMPLETA
A metodologia desse projeto é baseada no artigo “Tweeting From Left to Right: Is Online Political Communication More Than an Echo Chamber”, de Pablo Barberá e colaboradores.
1. Iniciamos esse projeto com uma lista com os perfis do Twitter de agentes políticos (deputados federais, senadores, ministros, prefeitos de capitais, governadores, mídia, influenciadores etc).
2. Removemos agentes políticos que tinham menos de 2 mil seguidores.
3. Obtivemos a lista de seguidores desses perfis.
4. Removemos seguidores que não havia postado em 2019; tinham menos de 20 seguidores; tinham feito menos de 200 posts desde que criaram a conta.
5. Obtivemos os cem últimos posts dos seguidores.
6. Removemos seguidores que, segundo análise desses cem últimos posts, tinham mais de 95% de chance de serem bots utilizando a função “botornot” do pacote tweetbotornot em R.
7. Removemos seguidores que tinham menos de 75% dos posts em português.
8. Fizemos uma matriz de adjacência entre os agentes políticos e seguidores, ou seja, uma tabela em que cada coluna representa um agente e cada linha um seguidor.
9. Utilizando 100 mil linhas sorteadas entre os seguidores que seguiam pelo menos 10 agentes calculamos o ponto ideal dos agentes e desses seguidores usando a função “ca” do pacote “ca” em R (com a opção nd = 3).
10. Sorteamos 500 contas entre as 20% com o ponto ideal dos seguidores mais à direita e 500 contas entre as 20% mais à esquerda.
11. Buscamos todas as contas que essas mil contas seguiam.
12. Calculamos a diferença entre o número de seguidores de cada uma das contas entre direita e esquerda.
13. Selecionamos 500 contas seguidas mais pela esquerda do que pela direita e 500 contas seguidas mais pela direita do que pela esquerda.
14. Obtivemos os últimos 3,2 mil posts dessas mil contas.
15. Por meio de palavras-chave (como Bolsonaro, Lula, deputado, senador, STF) filtramos contas em que menos de 5% desses posts falavam de política ou que não tinham pelo menos 25% dos posts em português.
16. Das contas restantes selecionamos as 256 com maior diferença entre seguidores de cada lado (128 da esquerda e da direita). Totalizando 1.000 contas de influenciadores.
17. Essas contas foram adicionadas aos influenciadores do passo 1.
18. Repetimos os passos 3 ao 8, no final gerando uma nova tabela de adjacência com mais seguidores e influenciadores.
19. Essa tabela foi usada para projetar os novos influenciadores e seguidores na mesma dimensão dos pontos ideais calculados no passo