YSocial do CNR mostra como algoritmos alimentam a polarização nas eleições de Midterm

Estudo do CNR com YSocial mostra como algoritmos de recomendação geram dietas informativas polarizadas nas eleições de Midterm.

YSocial do CNR mostra como algoritmos alimentam a polarização nas eleições de Midterm

RESUMO ✦

Sem tempo? A Lili IA resume para você

Gerando resumo com IA...

YSocial do CNR mostra como algoritmos alimentam a polarização nas eleições de Midterm

Uma equipe liderada pelo CNR-ISTI de Pisa publicou um estudo em Big Data & Society que usa uma plataforma de simulação para demonstrar, com evidências experimentais, como os algoritmos de recomendação contribuem para a formação de dietas informativas polarizadas antes das eleições de Midterm. A plataforma, chamada YSocial, foi desenvolvida pelo Istituto di Scienze e Tecnologie dell'Informazione "Alessandro Faedo" em colaboração com as universidades de Pisa e Trento e com a Université Claude Bernard Lyon.

Guia Italia + — O conteúdo continua após a publicidade.

Continuação do Conteúdo ↘

O núcleo do sistema é um gemelo digital composto por agentes artificiais dotados de traços demográficos, preferências, opiniões e características psicológicas, definidos a partir de modelos linguísticos de grande escala (LLM). Esses agentes operam em um ambiente que replica as dinâmicas de microblogging do mundo real, permitindo observar como se desenvolvem a polarização, a viralidade dos conteúdos e o papel das recomendações automatizadas em cenários de elevada atenção pública.

Giulio Rossetti, pesquisador do CNR-ISTI e autor principal do estudo, explica que a plataforma fornece um laboratório controlado para investigar fenômenos cuja análise em sistemas reais é cada vez mais limitada: acesso restrito a dados, opacidade dos algoritmos e barreiras éticas a experimentos em larga escala. YSocial também oferece uma interface zero-code, facilitando o uso por pesquisadores sem habilidades de programação. Em termos de infraestrutura digital, trata-se de construir um “terreno de testes” que replica os alicerces digitais do ecossistema de informação, sem interferir nas plataformas reais.

No experimento descrito, os autores simularam um debate contínuo por sessenta dias com mil agentes divididos igualmente entre orientações Democrata e Republicana. Os conteúdos expostos pelos agentes foram extraídos de fontes reais, nomeadamente CNN e Fox News, e enriquecidos com dados históricos da plataforma Bluesky, cobrindo aproximadamente 80% de sua população ativa. O objetivo foi observar, ao longo do tempo, como o fluxo de dados e as ações dos motores de recomendação reconfiguram o consumo informativo dos agentes.

Os resultados mostram que os sistemas automatizados de recomendação tendem a promover a formação de diete informative cada vez mais sbilanciate (desequilibradas): os agentes passam a consumir predominantemente notícias e linguagem alinhadas às suas convicções iniciais, gerando ecossistemas comunicacionais segregados. Em termos de arquitetura social, os algoritmos funcionam como camadas de roteamento no sistema nervoso das redes, direcionando sinais (conteúdos) para circuitos já afinados, o que amplifica a persistência de linguagens e narrativas homogêneas.

Do ponto de vista prático e regulatório, o estudo reforça a necessidade de maior transparência sobre os critérios de recomendação e de mecanismos de auditoria reproduzíveis. A utilização de gemelos digitais como YSocial permite experimentar políticas de moderação, ajustes algorítmicos e intervenções de design sem risco real para o eleitorado, oferecendo ferramentas analíticas para entender como alterações nos parâmetros do sistema afetam o equilíbrio informativo.

Como analista, vejo em YSocial um instrumento valioso para mapear o impacto dos algoritmos nos alicerces digitais da democracia: não é uma resposta final, mas um ambiente controlado onde é possível diagnosticar fragilidades e testar correções. O trabalho combina modelos de linguagem, ciência de rede e experimentação social para traduzir o invisível — o fluxo de dados e as regras de curadoria automática — em evidências operacionais.

Guia Italia + — O conteúdo continua após a publicidade.

Continuação do Conteúdo ↘