Um Estudo sobre Espalhamento de Desinformação em Comunidades Antivacina no Telegram
Nome: ATHUS ASSUNÇÃO CAVALINI
Data de publicação: 28/11/2024
Banca:
Nome |
Papel |
|---|---|
| ANDRE GEORGHTON CARDOSO PACHECO | Examinador Interno |
| FÁBIO LUIZ MALINI DE LIMA | Examinador Externo |
| GIOVANNI VENTORIM COMARELA | Presidente |
| JUSSARA MARQUES DE ALMEIDA GONÇALVES | Examinador Externo |
| MAGNOS MARTINELLO | Examinador Interno |
Resumo: A popularização das redes sociais e sua evolução para plataformas digitais provocaram
uma verdadeira revolução nos processos de comunicação e interação humana. Embora
esse avanço proporcione inúmeras oportunidades, também emergem desafios complexos,
como é o caso da desordem informacional. Plataformas sociais oferecem uma estrutura
que permite a rápida propagação de conteúdo, incluindo aqueles de caráter desinformativo
ou danoso, que apresentam alto potencial de viralização.
Esse fenômeno se torna especialmente crítico em contextos de saúde pública, como foi
o caso da pandemia da Covid-19, em que a propagação de desinformação provocou o
aumento da hesitação vacinal, comprometeu campanhas de saúde e agravou os efeitos
da pandemia. Diante disso, este estudo investiga o espalhamento de desinformação na
comunidade antivacina no Telegram, um dos mensageiros mais populares do mundo, a
partir de métodos de ciência de dados e computação social.
A partir da análise de quase 10 milhões de mensagens compartilhadas em 779 canais e
grupos, a pesquisa buscou compreender as dinâmicas dessa comunidade, incluindo sua
estrutura, o fluxo de informações e o engajamento dos usuários. Os dados foram coletados a
partir de uma metodologia de amostragem em redes parcialmente observáveis, permitindo
mapear de maneira eficaz a estrutura da rede. Para detectar desinformação, foi desenvolvido
um modelo de aprendizado de máquina treinado especificamente para categorizar mensagens
antivacina quanto à sua veracidade e potencial de dano. Adicionalmente, também foi
analisado o nível de toxicidade dos conteúdos.
Os resultados mostraram que a comunidade antivacina no Telegram apresenta um alto
nível de engajamento e que as narrativas de desinformação seguem padrões específicos. As
análises de desinformação, toxicidade e engajamento revelaram correlações entre o tipo
de conteúdo e seu impacto na audiência, trazendo informações valiosas sobre as possíveis
estratégias de desinformação nesse contexto.
Este trabalho, portanto, contribui para uma compreensão mais profunda do fenômeno da
desordem informacional em plataformas sociais, avaliando metodologias, ferramentas e
métricas adequadas aos objetos deste estudo e contribuindo com o desenvolvimento de
metodologias e ferramentas efetivas de combate à desinformação em contextos específicos.
