Estudo mostra como o ranqueamento do feed molda a hostilidade política
Um novo estudo publicado na Science revelou que a forma como os feeds das redes sociais são organizados afeta diretamente a hostilidade política. Os pesquisadores demonstraram isso utilizando um recurso técnico que eliminou a necessidade de cooperação da própria plataforma.
A ideia de que os algoritmos das redes sociais intensificam a polarização política já vem sendo debatida há anos. Embora essa suspeita sempre tenha sido grande, dados rigorosos eram escassos, em grande parte porque pesquisas significativas dependiam de um acesso profundo aos sistemas das plataformas. Agora, uma equipe de cientistas publicou os resultados de um experimento de campo na Science sugerindo uma ligação causal.
Os pesquisadores manipularam os feeds de 1.256 usuários norte-americanos no X (antigo Twitter) em tempo real durante a temporada eleitoral de verão de 2024. Quando posts contendo atitudes antidemocráticas e hostilidade partidária foram filtrados, os sentimentos negativos dos participantes em relação ao partido oposto caíram significativamente. Ao amplificar esses posts, a hostilidade aumentou. Segundo os autores, a mudança na polarização afetiva obtida por meio da intervenção foi comparável à variação normalmente observada ao longo de três anos nos Estados Unidos.
Uma extensão de navegador dá aos pesquisadores controle sobre o feed
Diferentemente dos experimentos anteriores, frequentemente controversos, realizados por empresas de tecnologia, este estudo não envolveu alterações ocultas nas contas dos usuários. Os participantes foram recrutados por meio de plataformas de pesquisa, deram seu consentimento informado e instalaram voluntariamente uma extensão de navegador em troca de um auxílio de 20 dólares. Eles sabiam que seus feeds seriam modificados, mas não tinham conhecimento se veriam mais ou menos posts tóxicos.
A extensão interceptava o fluxo de dados do feed “For You” do X. Um modelo de linguagem em segundo plano analisava posts políticos em tempo real, identificando sinais como apoio à violência política ou ataques a oponentes. Com base no grupo de teste ao qual pertenciam, a extensão reordenava o feed: em um grupo, os posts tóxicos eram removidos; no outro, eram destacados.
Menos toxicidade significa menos cliques
O estudo também trouxe insights econômicos importantes. Os dados de uso indicaram que filtrar o conteúdo hostil reduziu levemente o engajamento dos usuários. Aqueles que receberam feeds mais limpos passaram menos tempo na plataforma e registraram menos interações, como “likes”. Em contrapartida, uma maior exposição a conteúdo tóxico esteve associada a sentimentos negativos mais intensos, como raiva e tristeza. Esses efeitos foram observados de maneira semelhante entre democratas e republicanos, indicando uma resposta uniforme às mudanças algorítmicas.
Os autores defendem que o método adotado oferece uma via para que pesquisadores atuem de forma independente dos operadores das plataformas. Eles argumentam que os cientistas não precisarão mais aguardar a permissão das empresas de tecnologia para acessar os sistemas internos. Em tentativas anteriores, como as pesquisas realizadas com a Meta durante as eleições de 2020 nos Estados Unidos no Facebook e Instagram, os resultados foram mistos devido às restrições impostas pelas intervenções previamente aprovadas pelas empresas.
Resumo
- Um estudo na Science mostra que ajustar o ranqueamento do conteúdo político nos feeds do X influencia diretamente a hostilidade dos usuários em relação ao partido oposto.
- Pesquisadores utilizaram uma extensão de navegador e um modelo de linguagem de fundo para reordenar os feeds em tempo real, sem depender da cooperação da plataforma, demonstrando que a exposição a posts tóxicos aumenta a polarização afetiva, enquanto a sua redução diminui este efeito.
- Filtrar o conteúdo hostil resultou em uma leve redução do engajamento dos usuários, com efeitos semelhantes tanto em democratas quanto em republicanos, o que tem implicações significativas para o design das plataformas e para os métodos de pesquisa independentes.
