<\/p>\n
Os algoritmos de recomenda\u00e7\u00e3o passaram a atuar como um mecanismo automatizado de sele\u00e7\u00e3o de conte\u00fado no cotidiano digital. Em vez de vermos conte\u00fados apenas na ordem em que foram publicados, muitas plataformas organizam o feed com base no que tende a prender nossa aten\u00e7\u00e3o. Esse detalhe muda a experi\u00eancia de navega\u00e7\u00e3o, fazendo com que o usu\u00e1rio n\u00e3o escolha apenas entre op\u00e7\u00f5es prontas, mas passe a interagir com um sistema que aprende seus padr\u00f5es e apresenta conte\u00fados semelhantes aos que j\u00e1 geraram engajamento. <\/span><\/p>\n Uma consequ\u00eancia direta \u00e9 a forma como esses sistemas moldam h\u00e1bitos de consumo de informa\u00e7\u00e3o. Em redes sociais, por exemplo, parte do que a pessoa l\u00ea depende dos amigos e p\u00e1ginas que segue, mas tamb\u00e9m do filtro algor\u00edtmico aplicado depois disso. No estudo \u201cExposure to ideologically diverse news and opinion on Facebook\u201d, os autores analisaram dados de milh\u00f5es de usu\u00e1rios e observaram que tanto a rede de amizades (homofilia) quanto o ranqueamento do feed reduzem a exposi\u00e7\u00e3o a conte\u00fados ideologicamente divergentes, embora por mecanismos diferentes. Em paralelo, ao investigar hist\u00f3ricos de navega\u00e7\u00e3o, o trabalho \u201cFilter Bubbles, Echo Chambers, and Online News Consumption\u201d encontrou evid\u00eancias de que redes sociais e mecanismos de busca podem estar associados a uma maior segrega\u00e7\u00e3o ideol\u00f3gica no consumo de not\u00edcias, contribuindo para ambientes em que vis\u00f5es diferentes circulam menos entre grupos.<\/span><\/p>\n Esse cen\u00e1rio se conecta ao debate sobre \u201cbolhas\u201d e polariza\u00e7\u00e3o, mas com um cuidado importante: ver o outro lado n\u00e3o garante di\u00e1logo e, em alguns casos, pode produzir o efeito oposto. No experimento de campo realizado no X (antigo Twitter), intitulado \u201cExposure to opposing views on social media can increase political polarization\u201d, participantes foram incentivados a seguir bots que <\/span>retuitavam<\/span> mensagens associadas a posi\u00e7\u00f5es pol\u00edticas divergentes das suas, e os autores encontraram evid\u00eancias de aumento da polariza\u00e7\u00e3o em parte dos usu\u00e1rios, sugerindo que a simples exposi\u00e7\u00e3o a vis\u00f5es opostas pode refor\u00e7ar identidades pol\u00edticas e desencadear rea\u00e7\u00f5es defensivas. Al\u00e9m disso, h\u00e1 evid\u00eancias de que a ordena\u00e7\u00e3o algor\u00edtmica do conte\u00fado n\u00e3o \u00e9 neutra, podendo influenciar a visibilidade e a circula\u00e7\u00e3o de conte\u00fados pol\u00edticos. Ao analisar a diferen\u00e7a entre feeds ranqueados, o estudo \u201cAlgorithmic amplification of politics on Twitter\u201d mostra que a ordena\u00e7\u00e3o algor\u00edtmica pode influenciar a circula\u00e7\u00e3o de conte\u00fados pol\u00edticos, afetando o ambiente informacional em que o debate ocorre. <\/span><\/p>\n Um ponto que ajuda a entender por que isso se sustenta ao longo do tempo \u00e9 o efeito de retroalimenta\u00e7\u00e3o. Conforme o algoritmo aprende com o que o usu\u00e1rio consome, ele tende a oferecer mais do mesmo, e isso influencia as pr\u00f3ximas escolhas do pr\u00f3prio usu\u00e1rio. O resultado pode ser um caminho cada vez mais estreito de conte\u00fados e prefer\u00eancias, porque o sistema \u201ceduca\u201d o comportamento que ele mesmo ir\u00e1 medir depois. Esse tipo de ciclo \u00e9 discutido no estudo \u201cHow Algorithmic Confounding in Recommendation Systems Increases Homogeneity and Decreases Utility\u201d, que mostra como recomenda\u00e7\u00f5es podem aumentar a homogeneidade do que \u00e9 consumido e produzir vieses na pr\u00f3pria avalia\u00e7\u00e3o do sistema. <\/span><\/p>\n Al\u00e9m do que aparece no feed, a forma como o conte\u00fado \u00e9 apresentado tamb\u00e9m pesa. Na revis\u00e3o \u201cAddictive Features of Social Media\/Messenger Platforms and Freemium Games against the Background of Psychological and Economic Theories\u201d, os autores descrevem como elementos de design como rolagem <\/span>infinita<\/span>, notifica\u00e7\u00f5es e mecanismos de recompensa intermitente podem prolongar o tempo de uso e refor\u00e7ar o h\u00e1bito de checar o aplicativo repetidamente. Nesse contexto, a influ\u00eancia dos algoritmos vai al\u00e9m de recomendar \u201co que voc\u00ea gosta\u201d. Ela contribui para a cria\u00e7\u00e3o de rotinas de aten\u00e7\u00e3o. <\/span><\/p>\n Esse conjunto de din\u00e2micas aponta para um funcionamento dos sistemas de recomenda\u00e7\u00e3o que ultrapassa a personaliza\u00e7\u00e3o individual e se aproxima de um processo coletivo de coordena\u00e7\u00e3o informacional. A ideia de hive mind, presente na s\u00e9rie Stranger Things, oferece uma analogia pertinente: indiv\u00edduos distintos, embora separados, respondem a est\u00edmulos semelhantes e passam a agir de forma sincronizada. De maneira an\u00e1loga, a distribui\u00e7\u00e3o algor\u00edtmica de conte\u00fados pode levar grandes grupos de usu\u00e1rios a compartilhar repert\u00f3rios informacionais parecidos, refor\u00e7ando padr\u00f5es de aten\u00e7\u00e3o, interpreta\u00e7\u00e3o e comportamento. Nesse cen\u00e1rio, a influ\u00eancia dos algoritmos se manifesta n\u00e3o apenas no n\u00edvel individual, mas na pr\u00f3pria configura\u00e7\u00e3o do espa\u00e7o p\u00fablico digital. <\/span><\/p>\n Autor: Renan <\/span>Bordignon<\/span> Poy<\/span><\/strong><\/p>\n REFER\u00caNCIAS: <\/span><\/strong><\/p>\n BAKSHY, E.; MESSING, S.; ADAMIC, L. A. Exposure to ideologically diverse news<\/span>and opinion on Facebook. Science, v. 348, n. 6239, p. 1130<\/span>\u20131132, 2015. <\/span><\/p>\n FLAXMAN, S.; GOEL, S.; RAO, J. M. Filter bubbles, echo chambers, and online news consumption. Public Opinion Quarterly, v. 80, S1, p. 298\u2013320, 2016. <\/span><\/p>\n BAIL, C. A. et al. Exposure to opposing views on social media can increase political polarization. Proceedings of the National Academy of Sciences (PNAS), v. 115, n. 37, p. 9216\u20139221, 2018. <\/span><\/p>\n HUSZ<\/span>\u00c1R, F. et al. Algorithmic amplification of politics on Twitter. Proceedings of the National Academy of Sciences (PNAS), v. 119, n. 1, e2025334119, 2022. <\/span><\/p>\n CHANEY, A. J. B.; STEWART, B. M.; ENGELHARDT, B. E. How algorithmic confounding in recommendation systems increases homogeneity and decreases utility. In: Proceedings of the 12th ACM Conference on Recommender Systems (<\/span>RecSys<\/span> \u201918). ACM, 2018. <\/span><\/p>\n MONTAG, C.; LACHMANN, B.; HERRLICH, M.; ZWEIG, K. Addictive features of social media\/messenger platforms and freemium games against the background of psychological and economic theories. International Journal of Environmental Research and Public Health, v. 16, n. 14, 2019.<\/span><\/p>\n <\/p>\n\n\n\n\n","protected":false},"excerpt":{"rendered":" Os algoritmos de recomenda\u00e7\u00e3o passaram a atuar como um mecanismo automatizado de sele\u00e7\u00e3o de conte\u00fado no cotidiano digital. Em vez de vermos conte\u00fados apenas na ordem em que foram publicados, muitas plataformas organizam o feed com base no que tende a prender nossa aten\u00e7\u00e3o. Esse detalhe muda a experi\u00eancia de navega\u00e7\u00e3o, fazendo com que o […]<\/p>\n","protected":false},"author":8504,"featured_media":3670,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[124,112],"tags":[202,149,198],"class_list":["post-3669","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-destaques","category-redacao","tag-ia","tag-redacao","tag-tech-e-sociedade"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/posts\/3669","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/users\/8504"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/comments?post=3669"}],"version-history":[{"count":0,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/posts\/3669\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/media\/3670"}],"wp:attachment":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/media?parent=3669"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/categories?post=3669"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/tags?post=3669"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}