ODS 1
Tendência política: algoritmo do Twitter favorece a direita
Estudo encomendado pela própria empresa revela amplificação de tweets de fontes politicamente inclinadas à direita e de notícias com o mesmo viés
(Shoaib Jameel*) – Se você é um usuário do Twitter, sabe que, ao percorrer seu feed inicial, entre as postagens das contas que você segue, às vezes você vê tweets marcados como “você pode gostar”. Em outras palavras, o Twitter está recomendando conteúdo para você que pode ser interessante para você.
Isso é feito usando um algoritmo baseado em sua atividade anterior na plataforma, como os tweets que você curtiu ou com os quais se envolveu. Também pode ser baseado em suas preferências em seu perfil, onde você indicou tópicos que gostaria de ver em seu feed do Twitter. O “aprendizado de máquina” é usado para aprender automaticamente com as preferências do usuário e aplicar isso a dados que o sistema não viu antes.
Leu essa? Euro 2020: Twitter ´poderia impedir ataques racistas antes que aconteçam?
À medida que mais e mais tecnologias usam o aprendizado de máquina, um desafio associado é o viés, em que um algoritmo produz resultados que favorecem um conjunto de resultados ou usuários em detrimento de outro, muitas vezes reforçando os preconceitos humanos. O Twitter foi, em várias ocasiões, acusado de viés político, com políticos ou comentaristas alegando que o algoritmo do Twitter amplifica a voz de seus oponentes ou silencia a sua própria.
Nesse clima, o Twitter encomendou um estudo para entender se seu algoritmo pode ser tendencioso a uma determinada ideologia política. Embora o Twitter tenha divulgado as descobertas da pesquisa em 2021, o estudo agora foi publicado na revista PNAS (Proceedings of the National Academy of Sciences, publicação oficial da Academia Nacional de Ciências dos Estados Unidos), revisada por pares.
Gostando do conteúdo? Nossas notícias também podem chegar no seu e-mail.
Veja o que já enviamosO estudo analisou uma amostra de 4% de todos os usuários do Twitter que foram expostos ao algoritmo (mais de 46 milhões – exatos 46.470.596 usuários únicos). Também incluiu um grupo de controle de 11.617.373 usuários que nunca receberam tweets recomendados automaticamente em seus feeds.
Este não foi um estudo manual, no qual, digamos, os pesquisadores recrutaram voluntários e fizeram perguntas sobre suas experiências. Não seria possível estudar um número tão grande de usuários dessa maneira. Em vez disso, um modelo de computador permitiu que os pesquisadores chegassem a suas descobertas.
Os autores analisaram o efeito de “amplificação algorítmica” em tweets de 3.634 políticos eleitos de grandes partidos políticos em sete países com grande base de usuários no Twitter: EUA, Japão, Reino Unido, França, Espanha, Canadá e Alemanha.
A amplificação algorítmica refere-se à medida em que um tweet é mais provável de ser visto em um feed regular do Twitter (onde o algoritmo está operando) em comparação com um feed sem recomendações automatizadas.
Assim, por exemplo, se a amplificação algorítmica dos tweets de um determinado grupo político foi de 100%, isso significa que nos feeds que usam o algoritmo, os tweets desse partido foram vistos por duas vezes mais usuários do que entre os usuários que rolaram sem as recomendações automatizadas (o grupo de controle) .
Os pesquisadores calcularam a amplificação com base na contagem de eventos chamados “impressões prolongadas”. Esses eventos são registrados toda vez que pelo menos 50% da área de um tweet fica visível por pelo menos 0,5 segundo e fornecem uma boa indicação de que um usuário foi exposto a um tweet.
Os pesquisadores descobriram que em seis dos sete países (a Alemanha foi a exceção), o algoritmo favoreceu significativamente a amplificação de tweets de fontes politicamente inclinadas à direita.
No geral, a tendência de amplificação não foi significativa entre políticos individuais de partidos específicos, mas foi quando eles foram considerados como um grupo. Os contrastes mais gritantes foram vistos no Canadá (os tweets dos liberais foram amplificados em 43%, contra os dos conservadores em 167%) e no Reino Unido (os tweets dos trabalhistas foram amplificados em 112%, enquanto os conservadores foram amplificados em 176%).
Amplificação de notícias tendenciosas
Por reconhecerem que os tweets de autoridades eleitas representam apenas uma pequena parte do conteúdo político no Twitter, os pesquisadores também analisaram se o algoritmo amplifica desproporcionalmente o conteúdo de notícias de qualquer ponto específico do espectro ideológico.
Para isso, eles mediram a amplificação algorítmica de 6,2 milhões de notícias políticas compartilhadas nos EUA. Para determinar a inclinação política da fonte de notícias, eles usaram dois conjuntos de dados de classificação de viés de mídia com curadoria independente.
Semelhante aos resultados da primeira parte do estudo, os autores descobriram que o conteúdo dos meios de comunicação de direita é mais amplificado do que o de outros pontos do espectro ideológico.
Esta parte do estudo também descobriu que os veículos de extrema-esquerda e de extrema-direita não foram significativamente ampliados em comparação com os veículos politicamente moderados.
Embora este seja um estudo muito grande que tira conclusões pertinentes, há algumas coisas que precisamos estar cientes ao interpretar os resultados. Como os autores apontam, os algoritmos podem ser influenciados pela forma como os diferentes grupos políticos operam. Assim, por exemplo, alguns grupos políticos podem estar implementando melhores táticas e estratégias para ampliar seu conteúdo no Twitter.
De qualquer forma, é gratificante ver o Twitter tomando a iniciativa de realizar esse tipo de pesquisa e revisando os resultados. Os próximos passos serão coletar dados mais detalhados para entender por que seu algoritmo pode estar favorecendo a direita política e o que eles podem fazer para mitigar esse problema.
*Shoaib Jameel é pesquisador em Ciência da Computação e Inteligência Artificial na Universidade de Essex (Inglaterra)
The Conversation
The Conversation é uma fonte independente de notícias, opiniões e pesquisas da comunidade acadêmica internacional.
