Um novo estudo demonstra que a manipulação algorítmica de feeds de redes sociais pode diminuir de forma mensurável a polarização política, mesmo sem a cooperação da plataforma. Pesquisadores da Universidade de Washington e da Northeastern University desenvolveram uma extensão de navegador que utiliza modelos de linguagem grandes (LLMs) para reordenar sutilmente as postagens nos feeds dos usuários, reduzindo o conteúdo extremo e, em alguns casos, aumentando-o ligeiramente para comparação. Os resultados, publicados na Science, mostram um claro impacto nas atitudes dos utilizadores em relação aos grupos políticos adversários.
O experimento e suas descobertas
O núcleo do estudo envolveu mais de 1.200 participantes que usaram o X (antigo Twitter) com feeds modificados durante os preparativos para as eleições de 2024 nos EUA. Um grupo viu a polarização do conteúdo ser desvalorizada, reduzindo a sua visibilidade; outro viu-o amplificado. A principal conclusão: aqueles expostos a postagens divisivas sem ênfase relataram sentimentos mais calorosos em relação aos grupos políticos opostos. Essa mudança foi medida usando uma escala de “termômetro de sentimento”, onde os participantes avaliaram seu sentimento. A mudança foi em média de dois a três graus, um efeito significativo considerando que o sentimento político histórico dos EUA muda cerca de três graus ao longo de três anos.
Por outro lado, participantes que viram conteúdo polarizador reforçado relataram sentimentos mais frios em relação a grupos oponentes, demonstrando ainda mais a influência do algoritmo. A intervenção também afetou as respostas emocionais: menos tristeza e raiva foram relatadas por aqueles com conteúdo pouco enfatizado.
Ignorando o controle da plataforma
Esta pesquisa é inovadora porque contorna a barreira tradicional ao estudo da influência algorítmica: o acesso à plataforma. Em vez de contar com a cooperação de empresas de redes sociais – que raramente garantem total transparência – os investigadores criaram uma ferramenta que funciona de forma independente nos navegadores dos utilizadores. Como explica Martin Saveski, coautor da Universidade de Washington: “Apenas as plataformas tiveram o poder de moldar e compreender esses algoritmos. Esta ferramenta dá esse poder a pesquisadores independentes.”
Este método ignora a aprovação da plataforma, permitindo testes no mundo real sem depender da disposição dos gigantes da tecnologia em compartilhar dados ou controle.
Implicações e pesquisas futuras
Os efeitos a longo prazo de tais intervenções permanecem obscuros. Victoria Oldemburgo de Mello, psicóloga da Universidade de Toronto, observa que os efeitos observados podem dissipar-se ou agravar-se ao longo do tempo, destacando uma área crucial para investigação futura. Os pesquisadores disponibilizaram seu código publicamente para encorajar investigações e replicações adicionais.
O quadro também tem potencial para além da polarização política. A equipa planeia explorar intervenções relacionadas com o bem-estar e a saúde mental, aproveitando os LLMs para analisar e modificar os feeds das redes sociais para obter benefícios mais amplos. Embora a ferramenta atual opere principalmente em plataformas baseadas em navegador, os pesquisadores estão explorando maneiras de adaptá-la para uso com aplicativos móveis, o que apresenta desafios técnicos, mas continua sendo um objetivo fundamental.
O sucesso do estudo demonstra que a manipulação algorítmica dos feeds das redes sociais pode ter um impacto mensurável nas atitudes dos utilizadores, mesmo sem a cooperação da plataforma. Esta descoberta desafia a narrativa de que a polarização é impulsionada exclusivamente pelo comportamento do utilizador e sublinha a responsabilidade do design algorítmico na formação do discurso público.
