circulaÇÃo de informaÇÃo no twitter: como líderes de …€¦ · reframe the news felipe bonow...
TRANSCRIPT
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
1 www.compos.org.br
www.compos.org.br/anais_encontros.php
CIRCULAÇÃO DE INFORMAÇÃO NO TWITTER: como líderes de opinião ressignificam as notícias 1
INFORMATION FLOW ON TWITTER: how opinion leaders reframe the news
Felipe Bonow Soares 2
Resumo: Este estudo tem como objetivo analisar o processo de circulação e recirculação de
notícias no Twitter. Particularmente, observa-se o papel dos líderes de opinião neste
processo. Para isso, são analisadas duas conversações que totalizam um conjunto
de dados de mais de 1 milhão de tweets. Utiliza-se uma abordagem de métodos mistos
a partir de Análise de Redes Sociais e Análise de Conteúdo. Os resultados indicam
que líderes de opinião ressignificam as notícias conforme suas narrativas políticas.
Além disso, observou-se que os usuários pró-Bolsonaro apresentam uma dinâmica
de superparticipação que ajuda a impulsionar a visibilidade de certas mensagens.
Palavras-Chave: Circulação de Informação. Líder de opinião. Recirculação.
Abstract: This study aims to analyze the news circulation and recirculation process on Twitter.
Particularly, we seek to observe the opinion leaders’ role in this process. We analyze
two political conversations. These datasets comprise more than 1 million tweets. We
use a mixed methods approach, based on Social Network Analysis and Content
Analysis. Our results show that opinion leaders reframe the news according to their
political narratives. Furthermore, we identified that pro-Bolsonaro users are more
likely to act as superparticipants to fuel the visibility of certain messages.
Keywords: Information Flow. Opinion Leader. Recirculation.
1. Introdução
As discussões políticas são um dos elementos centrais nos usos de plataformas de redes
sociais (LARSSON & MOE, 2014; WELLER et al., 2014). No Brasil, por exemplo, as
campanhas eleitorais de 2018 e eventos políticos durante o primeiro ano do governo de Jair
Bolsonaro em 2019 foram foco de conversações. Neste contexto, usuários assumem papel
importante na circulação de informações e interpretação de notícias (ZAGO & BASTOS, 2013;
ZAGO, 2014). Além disso, muitas páginas que produzem ou compartilham conteúdo
1 Trabalho apresentado ao Grupo de Trabalho Comunicação e Cibercultura do XXIX Encontro Anual da Compós,
Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020 2 Doutorando no PPG em Comunicação e Informação da Universidade Federal do Rio Grande do Sul. Email:
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
2 www.compos.org.br
www.compos.org.br/anais_encontros.php
“alternativo” acabam disputando visibilidade com veículos jornalísticos tradicionais
(BENKLER, FARIS & ROBERTS, 2018; ALVES & ALBUQUERQUE, 2019).
Neste sentido, este artigo busca compreender os processos de circulação de informação
no Twitter e o papel dos líderes de opinião (KATZ & LAZARSFELD, 1955; LAZARSFELD,
BERELSON & GAUDET, 1968) na ressignificação de acontecimentos políticos. Para isto, este
estudo utiliza métodos mistos, com base na Análise de Redes Sociais e na Análise de Conteúdo,
para analisar duas conversações políticas no Twitter em que houve disputas de narrativas entre
as notícias de veículos jornalísticos e o conteúdo gerado por grupos políticos e líderes de
opinião.
Os problemas de pesquisa que guiam este estudo são:
PP1: Quais as dinâmicas de circulação de informações nos grupos destas conversações?
PP2: Que tipos de usuários recebem maior visibilidade nos grupos destas redes?
PP3: Qual o conteúdo das mensagens dos “líderes de opinião”?
2. Circulação de informação no Twitter
O Twitter é uma plataforma de redes sociais (ELLISON & BOYD, 2013) frequentemente
utilizada na disseminação de notícias e conversações sobre acontecimentos em tempo real
(BASTOS, RAIMUNDO & TRAVITZKI, 2013; WELLER et al., 2014). Além disso, o design
da plataforma favorece o debate de temas em nível macro ou social, quando há uma discussão
com características mais públicas e com participação de grupos diversos de usuários (BRUNS
& MOE, 2014). Por isso, o Twitter é utilizado para diversos tipos de participação política, em
especial no debate sobre acontecimentos políticos (LARSSON & MOE, 2014). Devido a essas
características da plataforma, usuários frequentemente acessam o Twitter em busca de notícias
e informações relevantes (RECUERO, ARAÚJO & ZAGO, 2011).
No Twitter, os usuários ocupam papel central no processo circulação de informações
(ZAGO & BASTOS, 2013). Este processo ocorre especialmente via retweet (RT), em que
usuários compartilham um conteúdo com sua rede de contatos na plataforma, permitindo que
a mensagem se espalhe para novos grupos sociais (RECUERO, ARAÚJO & ZAGO, 2011;
BRUNS & MOE, 2014). Neste cenário, usuários muito ativos podem definir quais temas
ganham maior visibilidade e impulsionar certos conteúdos, já que as trending topics3 do Twitter
3 Trending topics é uma ferramenta do Twitter que mostra os termos mais utilizados no momento em mensagens
de usuários de todo o mundo ou de localizações específicas, como países ou cidades.
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
3 www.compos.org.br
www.compos.org.br/anais_encontros.php
frequentemente são criadas a partir de uma minoria de usuários muito ativos (BASTOS,
RAIMUNDO & TRAVITZKI, 2013). A participação destes usuários nas discussões pode ser
associada ao conceito de superparticipantes (GRAHAM & WRIGHT, 2013), ou seja, usuários
que influenciam as discussões devido a sua participação acima da média. Nestes casos, os
usuários muito ativos frequentemente investem em valores como clusterização, quando
existem muitos laços partilhados dentro de um grupo, e cooperação, quando há alguma ação
coletiva (RECUERO, AMARAL & MONTEIRO, 2012).
Em função da participação de usuários na circulação de informações em plataformas
como o Twitter, o conteúdo original de notícias passa por um processo de “recirculação”
(ZAGO, 2012, 2014). Neste processo, os usuários muitas vezes reconfiguram as mensagens e
atribuem novos sentidos à informação que está “recirculando” (AQUINO BITTENCOURT,
2015). Isto ocorre principalmente em acontecimentos políticos, já que o Twitter serve como
uma plataforma em que usuários também interpretam e ressignificam acontecimentos sociais
(MAIREDER & AUSSERHOFER, 2014). Desta forma, o Twitter não serve apenas para
circulação de notícias, mas também para a interpretação destas informações e recirculação de
conteúdo. Além de veículos jornalísticos, líderes de opinião também são centrais para esse
processo.
3. Two-step flow e líderes de opinião
A ideia de líderes de opinião está associada ao modelo comunicacional do two-step flow.
Este modelo tem origem em estudos que buscavam compreender a circulação de notícias e
informações políticas durante processos eleitorais (KATZ & LAZARSFELD, 1955;
LAZARSFELD, BERELSON & GAUDET, 1968). Neste modelo, os autores identificaram que
certos indivíduos, chamados de líderes de opinião, ocupavam papel central no processo de
circulação de informação. Os líderes de opinião recebiam as notícias das mídias de massa e as
repassavam a outros indivíduos (menos engajados no consumo de notícias) em um processo
interpessoal. Desta forma, os líderes de opinião eram capazes de influenciar politicamente os
menos engajados. Ainda assim, esta influência seguia um processo de seletividade, ou seja,
indivíduos eram mais suscetíveis a persuasão de líderes de opinião que reforçavam suas crenças
(BERELSON, LAZARSFELD & MCPHEE, 1954).
O modelo foi denominado two-step flow porque a informação dos veículos de massa
passaria pelos líderes de opinião para então atingir uma camada maior de indivíduos. Este
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
4 www.compos.org.br
www.compos.org.br/anais_encontros.php
processo era também resultado do menor acesso a veículos de massa no contexto em que estes
estudos foram realizados. Com a possibilidade de circulação de informações em plataformas
de redes sociais, este processo é bem mais complexo (HILBERT et al., 2017). Neste sentido,
Bennett e Manhein (2006) argumentam a favor do modelo one-step flow em que a informação
está disponível em larga escala para que indivíduos a acessem diretamente das fontes (como
veículos jornalísticos). Porém, estudos mostram que o modelo two-step flow ainda explica
diversas formas de interações, em que indivíduos contam com o papel de líderes de opinião
para interpretar as informações (GANGADHARBATLA & VALAFAR, 2017; DRUCKMAN,
LEVENDUSKY & MCLAIN, 2018).
Entende-se, portanto, que os líderes de opinião seguem ocupando posição privilegiada
no debate político em plataformas de redes sociais. Estes usuários geralmente investem em sua
reputação para serem reconhecidos por alguma forma de autoridade nos debates sociais (CHA
et al., 2010). Por isso, muitos dos líderes de opinião assumem posições ideológicas/partidárias
bastante marcadas em debates políticos, usando isto para ganhar visibilidade nestes casos
(SOARES, RECUERO & ZAGO, 2018). Em função da necessidade de certo reconhecimento
social para ser identificado como líder de opinião, estes usuários são geralmente parte de
categorias tradicionais da elite política, como políticos e jornalistas, por exemplo (DUBOIS &
GAFFNEY, 2014). Ainda assim, o design das plataformas de redes sociais facilita a
emergência de outros tipos de “influenciadores” em situações específicas, geralmente de
maneira geralmente efêmera (BAKSHY et al., 2011). Como líderes de opinião muitas vezes
assumem e reforçam posições políticas específicas e possuem influência na ressignificação de
informações nas plataformas de redes sociais, sua participação em discussões políticas também
pode influenciar em desordens informacionais.
4. Desordens informacionais
Desordens informacionais são, de forma geral, problemas informacionais em discussões
sociais, o que inclui conteúdo completamente falso, informações que buscam enganar
indivíduos, discurso de ódio, entre outros tipos de conteúdo que acabam prejudicando a
qualidade de debates públicos (WARDLE & DERAKHSHAN, 2017). Muitas vezes, as
desordens informacionais são estudadas por meio de campanhas de desinformação, ou seja, da
circulação de conteúdo falso ou manipulados que buscam enganar indivíduos (WARDLE &
DERAKHSHAN, 2017; BENKLER, FARIS & ROBERTS, 2018; TUCKER et al., 2018).
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
5 www.compos.org.br
www.compos.org.br/anais_encontros.php
Defende-se neste estudo que também o processo de recirculação de notícias e disputa de
significados com os veículos de jornalismo pode contribuir para a formação de um espaço de
desordem informacional.
Este processo de disputa de significados se dá principalmente em contextos polarizados,
já que há disputa pela narrativa dos acontecimentos políticos (HARDY & PHILLIPS, 1999).
As conversações políticas nas plataformas de redes sociais, em particular no Twitter, costumam
assumir estruturas polarizadas, com a formação de dois grupos com posições antagônicas
(SMITH et al., 2014; HIMELBOIM et al., 2017). Alguns estudos sugerem que este tipo de
estrutura gera o que são chamadas de “câmaras de eco”, em que indivíduos se isolam em grupos
que compartilham a mesma opinião e permitem a circulação de apenas de conteúdo que reforça
sua posição política (SUNSTEIN, 2001, 2017).
Ainda que grupos políticos geralmente sigam tendências de homofilia e filtrem o
conteúdo que circulam entre seus usuários (BARBERÁ et al., 2015; RECUERO, ZAGO &
SOARES, 2017), não há suficiente evidência que a formação de câmaras de eco ocorra em
debates políticos em nível social (DUBOIS & BLANK, 2018; GUESS et al., 2018; BRUNS,
2019; EADY et al., 2019). Mesmo os usuários com posições políticas mais radicais acabam
recebendo conteúdo contraditório, seja de forma inadvertida ou em discussões políticas
(DUBOIS & BLANK, 2018; BRUNS, 2019). Estudos mostram que a maioria dos usuários
ainda compartilha em grande parte a sua dieta midiática, acessando veículos tradicionais na
busca de informações (FLETCHER & NIELSEN, 2017; NEWMAN et al., 2019). Além disso,
em disputas políticas nas plataformas de redes sociais, usuários polarizados acabam utilizando
as informações dos usuários aos quais antagonizam para produzir a sua narrativa e/ou contrapor
as narrativas de outros grupos políticos (LARSSON, 2019a; SOARES et al., 2019).
O que parece ocorrer, porém, é que alguns usuários muito ativos privilegiam um certo
tipo de informação e se tornam uma espécie de “minoria barulhenta”, que acabam afetando as
discussões políticas nas plataformas de redes sociais (GUESS et al., 2018). Assim, usuários se
apropriam do design das plataformas em disputas informativas (CASTRO, 2019), de forma
que a ação dos superparticipantes impulsiona a visibilidade de certas temáticas
(PAPAKYRIAKOPOULOS, SERRANO & HEGELICH, 2020). Isto ajuda a explicar o fato de
que páginas políticas disputam visibilidade com veículos jornalísticos e acabam muitas vezes
tendo seu conteúdo mais compartilhado do que veículos tradicionais (ALVES &
ALBUQUERQUE, 2019). Entende-se, portanto, que estudar as dinâmicas de participação em
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
6 www.compos.org.br
www.compos.org.br/anais_encontros.php
grupos políticos e o papel dos líderes de opinião é fundamental para compreender como as
notícias recirculam nestes espaços e como seus conteúdos são ressignificados de forma que
podem contribuir na emergência de desordens informacionais.
5. Metodologia
Com o objetivo de entender as dinâmicas de circulação de informações no Twitter e o
papel dos líderes de opinião na recirculação de notícias, decidiu-se analisar duas conversações
políticas na plataforma. Estas conversações foram selecionadas a partir de um conjunto de
dados de conversações políticas no Brasil em função da presença de disputa de sentidos na
circulação e recirculação de notícias.
A primeira conversação analisada é sobre a publicação da revista Veja em 28 de setembro
de 2018, na qual foi divulgado um processo legal em que a ex-esposa de Jair Bolsonaro, então
candidato à presidência, o acusa de cometer diversos crimes4. A segunda conversação analisada
é sobre os incêndios que ocorreram na floresta Amazônica em 20195. Neste caso, Bolsonaro,
já presidente, foi acusado por políticos e ativistas brasileiros e por líderes mundiais de ter
contribuído para a amplitude dos fogos em decorrência de suas declarações públicas e decisões
administrativas6.
Para a coleta dos dados, foi utilizado o programa open source Social Feed Manager
(PROM, 2017), que faz requerimento de dados via API do Twitter. A seleção dos dados foi
realizada por meio de palavra-chave e delimitação temporal (um dia). Além disso, como o
objetivo deste estudo é observar a circulação de informações, foram selecionados apenas
retweets (RT). Para a análise dos dados, foram utilizados métodos mistos. A Análise de Redes
Sociais (ARS) (WASSERMAN & FAUST, 1994) foi utilizada para compreender a estrutura
das redes e as dinâmicas de circulação de conteúdo. A Análise de Conteúdo foi utilizada
(KRIPPENDORF, 2013) para analisar os líderes de opinião e suas mensagens nestas
conversações.
Para a utilização da ARS, foi necessário primeiramente converter os dados para arquivos
de rede. Para transformar os dados, foi utilizado um script do Python. Nesta análise, os nós da
4 https://veja.abril.com.br/politica/ex-mulher-acusou-bolsonaro-de-ocultar-patrimonio-da-justica-eleitoral/. 5 https://brasil.elpais.com/tag/incendios_forestales_provocados/a/. 6 Por exemplo: https://www.dw.com/pt-br/n%C3%A3o-%C3%A9-atitude-de-presidente-diz-macron-sobre-
bolsonaro/a-50359370.
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
7 www.compos.org.br
www.compos.org.br/anais_encontros.php
rede são usuários do Twitter e as conexões entre eles são retweets. A tabela abaixo detalha os
conjuntos de dados utilizados para análise.
TABELA 1
Conjuntos de dados
Dia Palavra-chave Retweets Nós Conexões
28 de setembro de 2018 “Bolsonaro” 422.234 122.324 374.062
22 de agosto de 2018 “Amazonia” 614.778 296.281 577.664
Para a análise da estrutura das conversações e das dinâmicas de circulação de
informações, foram utilizadas métricas de ARS. Foram utilizadas as métricas de modularidade
e E-I index para identificação de grupos na rede. Foram utilizadas as métricas de grau e
coeficiente de clusterização para a análise da atividade dos usuários em cada grupo. As métricas
de ARS foram selecionadas para explorar a primeira questão de pesquisa deste estudo: qual a
dinâmica de circulação de informações nos grupos das redes estudadas?
A métrica de modularidade7 permite a identificação de módulos na rede a partir das
conexões entre os nós (BLONDEL et al., 2008), ou seja, grupos de usuários com interações
mais densas tendem a ser agrupados em um mesmo módulo. De forma complementar, foram
observadas conexões entre os grupos por meio do cálculo de E-I index, que é baseado no
número de conexões internas e externas (KRACKHARDT & STERN, 1998). O valor do E-I
index vai de -1, quando todas as conexões são internas, a 1, quando todas as conexões são
externas. Com base em modularidade e E-I index foi possível dividir a rede em grupos a partir
das definições de Larsson (2019b), que detalha dois tipos de estrutura de rede/grupos: “zonas
difusas” (fuzzy zones) e “clusters coerentes” (coherente clusters). As zonas difusas são
formadas por módulos com estruturas que se sobrepõem e possuem fronteiras difusas. Os
clusters coerentes são módulos que apresentam uma estrutura delimitada e fronteiras claras.
Para estas análises, foram considerados apenas módulos com pelo menos 2% do número total
de usuários na rede, para eliminar interações isoladas e focar nos grupos centrais da rede. A
partir do cálculo de modularidade foram identificados três módulos principais na conversação
sobre a denúncia da revista Veja. Estes módulos compreendem 92,05% dos nós e 97,89% das
7 Para a modularidade, calculada via Gephi, utilizou-se resolução 2.0 para evitar a formação de diversos pequenos
grupos.
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
8 www.compos.org.br
www.compos.org.br/anais_encontros.php
conexões da rede. Na conversação sobre a Amazônia, foram identificados quatro módulos
principais. Estes compreendem 95,32% dos nós e 97,85% das conexões.
Para a análise da atividade dos usuários em cada grupo, foram observadas as métricas de
grau e de coeficiente de clusterização. O grau se refere ao número de conexões de cada nó na
rede (FREEMAN, 1979). A métrica de grau pode ser dividida em dois tipos: grau de entrada,
que no caso das redes analisadas se refere ao número de RT de diferentes usuários que um nó
recebeu; e o grau de saída, que se refere ao número de usuários que um nó retuitou. Assim,
grau de entrada serve para identificar líderes de opinião (usuários que receberam muitos RT) e
o grau de saída serve para identificar superparticipantes (usuários que realizaram muitos RT).
Além disso, foi também considerado o grau ponderado. Este cálculo considera, além do número
de conexões de um nó, o peso das conexões. Isto é, se um usuário publicou três tweets e outro
usuário retuitou as três mensagens, o grau destas conexões é 1 (um usuário que interagiu com
outro), enquanto o grau ponderado é 3 (porque considera também o número de interações – 3
RT). Por fim, analisou-se o coeficiente de clusterização, que mede o nível de conectividade
entre nós “vizinhos”, de forma que este cálculo está relacionado com a densidade dos grupos
(WATTS & STROGATZ, 1998).
A segunda questão de pesquisa deste estudo é: que tipo de usuários receberam maior
visibilidade nos grupos destas redes? Para isto, utilizou-se a métrica de grau de entrada para a
identificação dos usuários com maior visibilidade nos grupos (CHA et al., 2010; SOARES,
RECUERO & ZAGO, 2018). Foram selecionados os 100 usuários com maior grau de entrada
em cada grupo. Estes foram classificados como:
1. Veículos jornalísticos: tradicionais veículos de jornalismo brasileiros ou
internacionais.
2. Veículos hiperpartidários: são veículos de mídia que apoiam uma agenda política em
particular. Esses veículos são geralmente nativos digitais e oferecem “versões
alternativas” dos fatos, geralmente afirmando que veículos jornalísticos tradicionais
não são confiáveis (BENKLER, FARIS & ROBERTS, 2018; TUCKER et al., 2018;
LARSSON, 2019a).
3. Políticos: políticos profissionais que ocupem ou não alguma posição no momento.
4. Jornalistas: jornalistas que trabalham para algum veículo de mídia e/ou possuem
blogs pessoais.
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
9 www.compos.org.br
www.compos.org.br/anais_encontros.php
5. Celebridades: pessoas públicas famosas devido a suas atividades. Foram
considerados como celebridades usuários que realizam atividades tradicionais, como
atores, escritores, músicos; e também celebridades nativas digitais, como youtubers,
por exemplo.
6. Comentadores políticos: são usuários que possuem algum tipo de reputação com base
nos seus comentários políticos. Foram considerados, por exemplo, usuários que
possuem colunas em veículos de mídia, mas não são jornalistas, assim como usuários
que ganharam visibilidade no Twitter a partir de suas publicações sobre política.
7. Organizações políticas: organizações como partidos políticos, organizações
governamentais e movimentos políticos.
8. Páginas de política: são páginas criadas para discutir temas políticos, de forma que
informam ou persuadem outros usuários sobre tópicos sociais. São diferentes dos
veículos hiperpartidários porque não se definem como veículos “jornalísticos”.
9. Outros: são usuários que não se encaixam nas categorias acima. De forma geral,
foram classificados como “outros” os usuários “comuns” que acabaram ganhando
visibilidade devido a dinâmicas de rede (BAKSHY et al., 2011).
Para a classificação dos usuários nas categorias acima descritas, foram acessados seus
perfis no Twitter, foi observada a descrição do usuário, assim como suas publicações recentes.
Por fim, a terceira questão de pesquisa deste estudo é: qual o conteúdo das mensagens
dos líderes de opinião? Para esta questão, utilizou-se Análise de Conteúdo (KRIPPENDORF,
2013) para analisar as mensagens dos líderes de opinião. Para isso, identificou-se o tweet com
maior número de RT de cada um dos 100 usuários com maior grau de entrada em cada grupo.
Em um primeiro momento, foram observadas as mensagens dos “veículos jornalísticos”, para
observar as temáticas que circularam nas notícias nas conversações analisadas, e dos “veículos
hiperpartidários”, para comparar se o conteúdo era semelhante ao produzido por veículos
jornalísticos. Em seguida, como o objetivo era observar as mensagens dos líderes de opinião,
o foco da Análise de Conteúdo foi nos tweets de: políticos, jornalistas, celebridades,
comentadores políticos, organizações políticas e páginas de política, que ocupam um papel
mais tradicional de líder de opinião nas discussões políticas em rede (DUBOIS & GAFFNEY,
2014) – ou seja, as mensagens de “outros” não foram analisadas, visto que estes usuários
geralmente emergem a partir de alguma dinâmica de rede (BAKSHY et al., 2011). As
mensagens dos líderes de opinião foram analisadas em comparação com o conteúdo das
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
10 www.compos.org.br
www.compos.org.br/anais_encontros.php
notícias de veículos tradicionais para observar se seus tweets (a) reforçava/concordava com o
conteúdo das notícias, (b) negava/discordava do conteúdo das notícias, (c) mencionava o
conteúdo das notícias, mas não apresentava posição clara, ou (d) abordava outro tópico. Além
disso, nos três primeiros casos, foi observado se (a) alguma notícia era apenas reproduzida, (b)
se havia algum comentário/ressignificação de notícias, ou (c) se a mensagem atacava veículos
jornalísticos tradicionais. A partir desta análise, foi possível observar de que forma os líderes
de opinião ressignificam o conteúdo das notícias no processo de recirculação no Twitter.
6. Resultados
O primeiro passo para as análises deste estudo foi identificar os grupos nas conversações.
Como descrito na metodologia deste artigo, utilizaram-se os cálculos de modularidade e E-I
index para a identificação dos módulos e as categorias de Larsson (2019b) para identificar
zonas difusas e/ou clusters coerentes. Para isto, também foram observadas as conexões entre
os módulos, o que facilita a identificação da aproximação entre eles e identificação dos tipos
de estrutura presente nas redes. A partir deste processo, em ambas as redes de conversação
foram identificadas uma zona difusa, composta pelos módulos azuis, e um cluster coerente,
composto pelo módulo verde (FIG. 1 e 2).
Na conversação sobre a denúncia da revista Veja (28 de setembro de 2018), foram
identificados três módulos principais. Nesta rede, o módulo azul claro compartilhava 3.949
conexões com o módulo azul e apenas 56 com o módulo verde, então os módulos azuis foram
considerados uma “zona”, enquanto o módulo verde um “cluster”. Na conversação sobre a
Amazônia (22 de agosto de 2019) foram identificados quatro módulos principais. Neste caso,
o módulo azul claro compartilhava 22.094 conexões com o módulo azul e 2.512 com o módulo
verde; enquanto o módulo azul escuro compartilhava 11.007 conexões com o módulo azul e
apenas 142 com o módulo verde. Mais uma vez, os módulos azuis foram classificados como
uma “zona” e o módulo verde como um “cluster”. Esses dados se refletem na posição dos
módulos na visualização da rede (baseada na força das conexões entre os nós) e no cálculo de
E-I index, que mostra o módulo verde mais isolado – mais conexões internas e menos conexões
internas (TAB. 2).
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
11 www.compos.org.br
www.compos.org.br/anais_encontros.php
FIGURA 1 – Representação da rede de conversação sobre a denúncia da revista Veja
FIGURA 2 – Representação da rede de conversação sobre os incêndios na Amazônia
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
12 www.compos.org.br
www.compos.org.br/anais_encontros.php
TABELA 2
E-I index dos grupos
Rede Revista Veja Incêndios na Amazônia
Módulo Azul Azul claro Verde Azul Azul claro Azul
escuro Verde
E-I index -0,862 -0,554 -0,958 -0,717 -0,606 -0,589 -0,952
Como será descrito na parte qualitativa desta análise, a divisão das redes entre uma “zona
difusa” e um “cluster coerente” se reflete também no conteúdo das mensagens. Com o intuito
de facilitar o acompanhamento da análise, desde já o cluster passa a ser chamado de grupo pró-
Bolsonaro, visto que esta agenda política se reflete nos usuários com maior visibilidade no
módulo verde e nas suas mensagens nas duas conversações observadas. Já a zona composta
pelos módulos azuis tem maior variação de ideologias e agendas políticas, por isso é definida
como grupo “anti-Bolsonaro”.
Com a identificação dos grupos na rede, foi possível avançar para a análise das dinâmicas
dos usuários na circulação de informação e das características dos grupos nestas conversações.
Como detalhado na TAB. 3, em ambas as redes o cluster pró-Bolsonaro teve números mais
altos de grau médio, grau ponderado médio e coeficiente de clusterização do que a zona anti-
Bolsonaro (mesmo quando considerados os módulos individualmente). Isto indica que o grupo
pró-Bolsonaro possui maior presença de superparticipantes (GRAHAM & WRIGHT), ou seja,
de usuários que participam acima da média e acabam impulsionando a visibilidade de certos
conteúdos, o que tem reflexo direto na circulação de informações nas plataformas de redes
sociais (BASTOS, RAIMUNDO & TRAVITZKI, 2013; PAPAKYRIAKOPOULOS,
SERRANO & HEGELICH, 2020). Além disso, a classificação do módulo verde como um
“cluster coerente” e dos módulos azuis como “zonas difusas” se confirma pelo coeficiente de
clusterização. Este indica que os usuários pró-Bolsonaro também estão mais conectados entre
si, já que possuem maior interação interna. Além disso, este dado indica que eles são mais
engajados entre si no compartilhamento mútuo de mensagens que circulam no grupo.
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
13 www.compos.org.br
www.compos.org.br/anais_encontros.php
TABELA 3
Métricas dos grupos
Rede Revista Veja Incêndios na Amazônia
Grupo Anti-Bolsonaro Pró-
Bolsonaro Anti-Bolsonaro
Pró-
Bolsonaro
Nós 70.511 42.088 234.685 47.736
Coeficiente de
clusterização 0,016 0,034 0,003 0,018
Grau médio 1,932 5,348 1,673 3,529
Grau ponderado
médio 2,026 5,869 1,738 3,976
Módulo Azul Azul
claro Verde Azul
Azul
claro
Azul
escuro Verde
Nós 57.366 13.145 42.088 148.724 49.022 36.939 47.736
Coeficiente de
clusterização 0,020 0,001 0,034 0,001 0,007 0,001 0,018
Grau médio 2,062 1,062 5,348 1,413 2,106 1,227 3,529
Grau ponderado
médio 2,177 1,066 5,869 1,445 2,312 1,229 3,976
Para confirmar a diferença na presença de superparticipante nos grupos, foi utilizado o
teste estatístico T-Test8 para comparar os mil usuários mais ativos de cada grupo (pró-
Bolsonaro e anti-Bolsonaro) em cada rede. O T-Test foi utilizado para comparar a média de
grau de saída e grau de saída ponderado entre dois grupos. O teste foi realizado no Ucinet
(BORGATTI, EVERETT & FREEMAN, 2002), que inclui um teste de permutação (n=10.000
permutações aleatórias) e possui o design específico para dados de rede, evitando a
interferência no resultado em caso de dados não paramétricos. Como detalham as TAB. 4 e 5,
a diferença média entre os grupos é significativa (p<0,001 em todos os testes), isto é, os testes
estatísticos comprovam que os mil usuários pró-Bolsonaro com maior grau de saída e grau de
saída ponderado são mais ativos do que os mil usuários anti-Bolsonaro. Estes resultados
confirmam a maior atividade de superparticipantes entre os usuários pró-Bolsonaro.
8 O T-Test é, basicamente, um teste estatístico que compara a média entre dois conjuntos de dados.
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
14 www.compos.org.br
www.compos.org.br/anais_encontros.php
TABELA 4
T-Test – Denúncia da Veja
Grupo Grau de
saída médio
Desvio
padrão
Diferença
média
Grau de
saída
ponderado
médio
Desvio
padrão
Diferença
média
Anti-
Bolsonaro 23,98 14,14
34,79*
27,46 17,98
41,32* Pró-
Bolsonaro 58,77 25,43 68,77 31,94
TABELA 5
T-Test – Incêndios na Amazônia
Grupo Grau de
saída médio
Desvio
padrão
Diferença
média
Grau de
saída
ponderado
médio
Desvio
padrão
Diferença
média
Anti-
Bolsonaro 25,3 14,25
8,83*
31,14 19,79
11,98* Pró-
Bolsonaro 34,13 12,82 43,12 18,63
Com relação ao primeiro problema de pesquisa deste estudo, pode-se afirmar que as
dinâmicas de circulação de informações ocorreram de forma diferente nos grupos das redes
analisadas. Os usuários que fazem parte do grupo pró-Bolsonaro foram mais ativos que os
outros usuários da rede e contaram com a presença de superparticipantes, o que faz com que o
conteúdo compartilhado por esse grupo aumente seu número de RT, podendo refletir em maior
visibilidade na rede. Além disso, a partir dos cálculos de E-I index e coeficiente de
clusterização, percebe-se que o grupo pró-Bolsonaro também tem maior tendência a realizar
conexões internas, o que torna o grupo mais “coerente” e sugere que estes usuários foram
especialmente ativos em compartilhar tweets que refletiam sua agenda política.
Para explorar os outros dois problemas de pesquisa que guiam este estudo, os 100
usuários com maior grau de entrada de cada grupo foram identificados, assim como suas
mensagens. A classificação dos usuários de maior visibilidade nos grupos (TAB. 6) mostra que
veículos jornalísticos tradicionais receberam bastante visibilidade entre usuários anti-
Bolsonaro na conversação sobre as denúncias da revista Veja, mas esta visibilidade diminui no
caso da floresta Amazônica. Já o grupo pró-Bolsonaro deu pouca visibilidade para veículos
jornalísticos.
* p<0,001
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
15 www.compos.org.br
www.compos.org.br/anais_encontros.php
No que se refere a líderes de opinião, o grupo pró-Bolsonaro deu visibilidade
principalmente a políticos e comentadores políticos, ainda que jornalistas, celebridades e
páginas de conteúdo político também sejam centrais. Já o grupo anti-Bolsonaro deu mais
visibilidade a políticos na conversação sobre as denúncias da Veja (o que pode ser reflexo do
período de campanhas políticas) e focou principalmente em celebridades nas conversações
sobre a Amazônia. “Outros” aparecem com bastante visibilidade em ambos os grupos, o que
indica que usuários “comuns” podem ganhar visibilidade a partir das dinâmicas de interação
em rede devido ao conteúdo que compartilharam em uma mensagem específica (BAKSHY et
al., 2011).
TABELA 6
Usuários com maior grau de entrada
Atividade
Pró-Bolsonaro Anti-Bolsonaro
Veja Amazônia Veja Amazônia
Nós Grau de
entrada Nós
Grau de
entrada Nós
Grau de
entrada Nós
Grau de
entrada
Veículos
jornalísticos 0 0 2
1.913
(1,5%) 3
19.727
(20,1%) 6
15.065
(5,1%)
Veículos
hiperpartidários 5
11.553
(7,4%) 5
6.077
(4,6%) 3
3.447
(3,5%) 1
1.881
(0,6%)
Políticos 11 35.043
(22,5%) 12
29.855
(22,8%) 13
14.323
(14,6%) 13
18.604
(6,3%)
Jornalistas 8 12.010
(7,7%) 6
9.483
(7,2%) 18
6.999
(7,1%) 13
32.685
(11,1%)
Celebridades 4 12.088
(7,8%) 6
9.974
(7,6%) 5
7.820
(8%) 9
59.012
(20,1%)
Comentadores
políticos 14
31.572
(20,3%) 21
30.191
(23%) 13
7.991
(8,1%) 8
15.548
(5%)
Organizações
políticas 1
1.338
(0,9%) 1
3,005
(2,3%) 0 0 0 0
Páginas de
política 11
12.263
(7,9%) 11
17.718
(13,5%) 4
3.857
(3,9%) 4
5.169
(1,8%)
Outros 46 39.647
(25,5%) 36
22.996
(17,5%) 31
33.910
(34,6%) 46
146.235
(49,9%)
Total 100 155.487 100 131.212 100 98.074 100 293.199
Os dados acima apresentam os resultados do segundo problema de pesquisa deste estudo,
que se refere aos usuários com maior visibilidade nos grupos. De forma geral, pode-se dizer
que o grupo pró-Bolsonaro segue uma dinâmica de two-step flow (KATZ & LAZARSFELD,
1955), em que dão maior visibilidade para informações que são interpretadas por líderes de
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
16 www.compos.org.br
www.compos.org.br/anais_encontros.php
opinião no processo de recirculação (ZAGO, 2012, 2014). Já no grupo anti-Bolsonaro, a
centralidade dos líderes de opinião, semelhante ao modelo two-step flow, ocorre de forma
conjunta a usuários que buscam dar visibilidade direta aos veículos jornalísticos, no que seria
um modelo mais próximo da ideia de one-step flow (BENNET & MANHEIN, 2006). Isto foi
identificado principalmente na conversação sobre as denúncias da revista Veja, em que
veículos jornalísticos possuem mais de 20% do total de grau de entrada entre os 100 usuários
mais centrais no grupo anti-Bolsonaro.
No que se refere ao conteúdo das mensagens (terceiro problema de pesquisa deste
estudo), o primeiro passo foi observar os tweets de maior circulação de veículos jornalísticos e
comparar com as mensagens de veículos hiperpartidários. Os resultados foram semelhantes nas
duas conversações. Veículos hiperpartidários no grupo anti-Bolsonaro majoritariamente
reforçavam o conteúdo das mensagens de veículos jornalísticos, enquanto os veículos
hiperpartidários no grupo pró-Bolsonaro buscavam apresentar outra “versão” dos fatos e
criticavam a mídia mainstream (semelhante a LARSSON, 2019a).
Na rede sobre as denúncias da revista Veja, a maioria dos tweets dos veículos
jornalísticos (oito das 13 mensagens mais RT) reproduziam as denúncias contra Bolsonaro –
todos os veículos jornalísticos eram parte do grupo anti-Bolsonaro nesta rede. Já as mensagens
dos veículos hiperpartidários no grupo pró-Bolsonaro em sua maioria (quatro de cinco)
negavam as acusações e atacavam a revista Veja. Duas dessas mensagens compartilhavam a
informação falsa de que a Veja teria recebido dinheiro para acusar Bolsonaro, por exemplo:
“Ex-jornalista da Veja Joice Hasselmann, denuncia que revista recebeu 600 milhões para
destruir Jair Bolsonaro na semana da eleição! COMPARTILHE” (1.814 RT).
Na conversação sobre a Amazônia os resultados são semelhantes. Veículos jornalísticos
no grupo anti-Bolsonaro reproduziam declarações de líderes internacionais e as repercussões
sobre os incêndios. Os veículos hiperpartidários no grupo anti-Bolsonaro enquadraram as
mensagens para criticar Bolsonaro, mas também reproduziam declarações sobre os incêndios,
por exemplo: “Papa pede ajuda de líderes mundiais para salvar a Amazônia da destruição de
Bolsonaro” (545 RT). Já os veículos hiperpartidários no grupo pró-Bolsonaro buscavam
diminuir a relevância dos incêndios e criticar políticos e celebridades que se posicionaram
sobre o assunto, por exemplo: “Artistas estão contribuindo para impulsionar a campanha de
desinformação contra a soberania do #Brasil na Floresta Amazônica. ‘A Amazônia está
pegando fogo, isso é terrível’, disse Jaden Smith ao compartilhar uma imagem de três décadas
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
17 www.compos.org.br
www.compos.org.br/anais_encontros.php
atrás.” (1.421 RT). Os dois veículos jornalísticos que aparecem no grupo pró-Bolsonaro neste
rede são agências de fact-checking, que tiveram suas mensagens utilizadas para justificar a
narrativa dos usuários, que afirmavam haver uma campanha de desinformação contra
Bolsonaro porque celebridades utilizavam fotos antigas para se manifestar sobre as queimadas,
por exemplo: “A foto que mostra a Floresta Amazônica tomada por fumaça, compartilhada,
inclusive, por Jaden Smith, foi usada em uma matéria do @guardian em 2007 e mostra a
Amazônia há 30 anos, em 1989 #PrayforAmazonas #PrayforAmazonia #AFP” (542 RT).
A mesma tendência é reproduzida por líderes de opinião no processo de recirculação
(TAB. 7). Nas mensagens com mais RT, usuários anti-Bolsonaro buscaram reproduzir e
comentar as notícias dos veículos jornalísticos, já os líderes de opinião pró-Bolsonaro negaram
o conteúdo jornalístico e buscaram impor sua própria narrativa.
TABELA 7
Classificação das mensagens dos líderes de opinião
Mensagens
Pró-Bolsonaro Anti-Bolsonaro
Veja Amazônia Veja Amazônia
Concorda com
notícias
Total 0 0 16 (29,6%) 24 (52,2%)
Reproduz notícias 0 0 5 (9,3%) 2 (4,3%)
Comenta notícias 0 0 11 (20,4%) 22 (47,8%)
Discorda de
notícias
Total 32 (65,3%) 29 (50,9%) 0 0
Ataca veículos
jornalísticos 27 (55,1%) 11 (19,3%) 0 0
Comenta notícias 5 (10,2%) 18 (31,6%) 0 0
Neutro
Total 0 0 1 (1,9%) 2 (4,3%)
Ataca veículos
jornalísticos 0 0 1 (1,9%) 0
Comenta notícias 0 0 0 2 (4,3)
Outro tópico Total 17 (34,7%) 28 (49,1%) 37 (68,5%) 20 (43,5%)
A classificação dos tweets dos líderes de opinião mostra que os que faziam parte do grupo
anti-Bolsonaro seguiram a narrativa da mídia (que era positiva para a agenda política do grupo)
e majoritariamente comentaram as notícias, explorando os significados destas para criticar
Bolsonaro. Os exemplos a seguir ilustram esse comportamento: sobre a denúncia da Veja,
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
18 www.compos.org.br
www.compos.org.br/anais_encontros.php
“Bolsonaro alem de racista, homofóbico é tb acusado por lavagem de dinheiro, funcionária
fantasma, ocultação de patrimônio, furto do cofre de banco, ocultação de patrimônio,
recebimento de pagamentos não declarados, auxílio moraria indevido. Motivos claro pra
#BolsonaroNaCadeia” (3.441 RT); e sobre a Amazônia, “Estou de saco cheio de ver gente
falando q a destruição da Amazônia não tem nada a ver com o Bolsonaro. Então expliquei
muito resumidamente só alguns dos motivos. A culpa é do Bolsonaro SIM.” (13.355 RT).
Os líderes de opinião pró-Bolsonaro, por outro lado, buscaram ressignificar os
acontecimentos políticos, negando a versão dos veículos jornalísticos. Uma das estratégias foi
atacar os veículos mainstream, por exemplo: “Queridos novos ambientalistas da imprensa: se
vão falar do fogo na Amazônia, tentem postar fotos atuais. Fotos de 2015, 2017 e de queimadas
e bichinhos na Índia não valem, isso é chamado ‘fake news’.” (4.487 RT). De forma
complementar, buscaram comentar as notícias com o objetivo de diminuir a relevância dos
acontecimentos, como nestes exemplos: sobre a denúncia da Veja, “A menos que descubram
que Bolsonaro roubou o país em bilhões, meteu os brasileiros no comunismo, financiou
ditadores pelo mundo e deixou os filhos milionários, meu voto ainda é dele. Não tem como
votar num laranja banana de um presidiário. Tenho vergonha na cara.” (6.184 RT); e sobre a
Amazônia, “Dizem que o amor é cego. Talvez por isso tanta gente que diz amar a Amazônia,
incluindo celebridades internacionais, está usando fotos de 1989, de incêndios no Canadá, de
macacos na Índia e coelhos na Califórnia p/ se referir às queimadas que se intensificam neste
período do ano.” (2.501 RT).
De forma geral, identificou-se que as mensagens dos líderes de opinião buscam produzir
uma narrativa positiva para suas agendas políticas. Desta forma, os que faziam parte do grupo
anti-Bolsonaro reproduziram as críticas ao político presentes nos noticiários, enquanto os que
eram parte do grupo pró-Bolsonaro produziram uma contra-narrativa sobre os fatos.
7. Discussão
De forma semelhante a estudos anteriores, identificou-se que o processo de recirculação
de notícias no Twitter é acompanhado por um processo de ressignificação dos acontecimentos
políticos (ZAGO, 2012, 2014; MAIREDER & AUSSERHOFER, 2014; AQUINO
BITTENCOURT, 2015). Neste processo, observou-se que os líderes de opinião ressignificam
os acontecimentos políticos para fortalecer suas agendas políticas, de forma que os líderes de
opinião na rede se destacam por produzir um discurso marcado por uma determinada posição
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
19 www.compos.org.br
www.compos.org.br/anais_encontros.php
política, reforçando um cenário polarizado (SOARES, RECUERO & ZAGO, 2018). Este tipo
de cenário, porém, não se configura como uma câmara de eco, já que foi possível identificar o
debate sobre temáticas em comum (nos dois casos, pautadas por veículos jornalísticos), em que
há uma disputa pelo significado dos acontecimentos (BRUNS, 2019; LARSSON, 2019a).
Ainda assim, identificou-se assimetrias no tipo de informação que circula em cada grupo,
de forma que os usuários identificados como pró-Bolsonaro não deram visibilidade a veículos
mainstream (BENKLER, FARIS & ROBERTS, 2018). Ainda que este tipo de comportamento
seja comum entre usuários de extrema direita (BENKLER, FARIS & ROBERTS, 2018;
LARSSON, 2019a), no caso das conversações analisadas pode estar associado ao conteúdo das
notícias (que eram negativos para a agenda política destes usuários). Observou-se ainda que os
usuários pró-Bolsonaro contaram com uma dinâmica mais ativa na circulação de conteúdo que
produzia uma narrativa “alternativa” em favor de sua agenda política, já que os cálculos de
rede indicaram a atividade de superparticipantes (GRAHAM & WRIGHT, 2013) no grupo,
impulsionado a circulação de conteúdo pró-Bolsonaro (BASTOS, RAIMUNDO &
TRAVITZKI, 2013; PAPAKYRIAKOPOULOS, SERRANO & HEGELICH, 2020). Isto é
especialmente importante porque estes usuários podem agir como uma “minoria barulhenta” e
criar uma impressão inflada de apoio ao conteúdo que compartilham (GUESS et al., 2018).
De forma geral, foram identificados dois processos diferentes de circulação e
recirculação de informação. O grupo anti-Bolsonaro deu certa visibilidade a veículos
jornalísticos, reproduzindo um modelo one-step flow (BENNET & MANHEIN, 2006), assim
como contou com a presença de líderes de opinião para ressignificar as notícias, num processo
de two-step flow (KATZ & LAZARSFELD, 1995), geralmente reforçando a narrativa da mídia.
Identificou-se nesse grupo, portanto, um processo de reforço das notícias e uso de líderes de
opinião para interpretação desse conteúdo, como descrito na FIG. 3. O grupo pró-Bolsonaro,
por outro lado, rejeitou a narrativa mainstream e usou os líderes de opinião para a produção de
uma narrativa alternativa, em que reproduz um modelo two-step flow (KATZ &
LAZARSFELD, 1995) centrado em ressignificar os acontecimentos políticos, como descrito
na FIG. 4.
FIGURA 3 – Processo de circulação e recirculação de notícias no grupo anti-Bolsonaro
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
20 www.compos.org.br
www.compos.org.br/anais_encontros.php
FIGURA 4 – Processo de recirculação de notícias no grupo pró-Bolsonaro
Entende-se que o processo de recirculação de notícias e ressignificação de
acontecimentos políticos que ocorre nos grupos pró-Bolsonaro nas análises realizadas é fator
facilitador na circulação de desinformação e nas desordens informacionais de forma geral
(WARDLE & DERAKHSHAN, 2017). Como foi identificado na análise deste estudo, há
mensagens que reproduzem desinformação entre as que receberam mais RT dentre estes
usuários. Defende-se, porém, que todo o ecossistema criado pela dinâmica de circulação de
informação no grupo favorece a produção de uma narrativa “alternativa” (LARSSON, 2019a)
a partir da rejeição da versão apresentada pelos veículos jornalísticos (BENKLER, FARIS &
ROBERTS, 2018). Muitas das mensagens dos líderes de opinião não reproduzem conteúdo
claramente falso, mas ao diminuir a relevância das acusações e muitas vezes atacar os veículos
mainstream favorecem para um processo de desconfiança em relação a notícias jornalísticas e
facilitam a circulação de conteúdo que contam com interpretações tendenciosas e
hiperpartidárias de acontecimentos políticos, assim como a produção de uma contra-narrativa
ao que é apresentado pelo jornalismo mainstream.
8. Considerações finais
Este estudo tinha como objetivo analisar o papel dos líderes de opinião nos processos de
circulação e recirculação de informações em grupos políticos. Identificou-se que os líderes de
opinião tendem a reforçar o conteúdo das notícias quando este é favorável para sua agenda
política, como foi visto nos grupos anti-Bolsonaro. Por outro lado, líderes de opinião tendem a
criar uma nova narrativa quando as notícias não são favoráveis para sua ideologia, como foi
observado nos grupos pró-Bolsonaro. Além disso, observou-se que usuários também dão
visibilidade a veículos jornalísticos quando as notícias são compatíveis com a agenda política
dos grupos, como foi observado nos grupos anti-Bolsonaro. Foram identificadas ainda
diferentes dinâmicas na circulação e recirculação de informação nos grupos presentes nas
conversações analisadas: o grupo pró-Bolsonaro nas duas redes contou com a atividade de
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
21 www.compos.org.br
www.compos.org.br/anais_encontros.php
superparticipantes para impulsionar a produção de uma contra-narrativa produzida por líderes
de opinião, rejeitando o conteúdo do jornalismo mainstream.
Este estudo tem algumas limitações. Foram analisadas apenas duas conversações
políticas, de forma que a ampliação do corpus de análise pode enriquecer os resultados e a
discussão sobre a temática estudada. Da mesma forma, nos dois casos analisados a narrativa
dos veículos jornalísticos era negativa para a agenda política de Bolsonaro, de forma que o
comportamento dos usuários e dos líderes de opinião pode ter sido motivado por isso. Desta
forma, estudos futuros podem observar contextos em que a narrativa seja favorável ao político
para analisar se a mesma dinâmica se repete.
Referências
ALVES, M.; ALBUQUERQUE, A. Perda da hegemonia da imprensa: a disputa pela visibilidade na eleição de
2018. Lumina, v. 13, n. 3, p. 5-27, 2019.
AQUINO BITTENCOURT, M. C.. Ciberacontecimento e jornalismo digital: o impacto do compartilhamento e
da produção de sentidos nas práticas jornalísticas. Estudos em Jornalismo e Mídia, v 12, n. 2, p. 342-358,
jul./dez. 2015.
BAKSHY, E. HOFMAN, J.; MASON, W. A.; WATTS, D. J. Everyone’s an Influencer: Quantifying Influence
on Twitter. Proceedings of WSDM, 2011. Disponível em https://www.microsoft.com/en-us/research/wp-
content/uploads/2016/02/b_h_m_w_WSDM_11.pdf.
BARBERÁ, P.; JOST, J. H.; NAGLER, J.; TUCKER, J. A.; BONNEAU, R. Tweeting From Left to Right: Is
Online Political Communication More Than an Echo Chamber? Psychological Science, v. 26, n. 10, p. 1531-
1542, 2015. DOI: 10.1177/0956797615594620.
BASTOS, M. T.; RAIMUNDO, R. L. G.; TRAVITZKI, R. Gatekeeping Twitter: message diffusion in political
hashtags. Media, Culture & Society, v.35, n.2, p. 220-270, 2013.
BENKLER, Y.; FARIS, R.; ROBERTS, H. Network Propaganda: Manipulation, disinformation, and
radicalization in American politics. New York: Oxford University Press, 2018.
BENNET, W. L.; MANHEIM, J. B. The one-step flow of communication. The Annals of the American
Academy of Political and Social Science, 608, p. 213–232, 2006. DOI: 10.1177/0002716206292266.
BERELSON, B. R.; LAZARSFELD, P. F.; MCPHEE, W. N. Voting: A Study of Opinion Formation in a
Presidential Campaign. Chicago: University of Chicago Press, 1954.
BLONDEL, V. D.; GUILLAUME, J.; LAMBIOTTE, R.; LEFEBVRE, E. Fast unfolding of communities in large
networks. [physics.soc-ph], 2008. Disponível em: http://lanl.arxiv.org/abs/0803.0476.
BORGATTI, S. P.; EVERETT, M. G.; FREEMAN, L. C. Ucinet for Windows: Software for Social Network
Analysis. Harvard: Analytic Technologies, 2002.
BRUNS, A. Are Filter Bubbles Real?. Cambridge, UK: Polity Press, 2019.
BRUNS, A.; MOE, H. Structural Layers of Communication on Twitter. In: WELLER, K.; BRUNS, A.;
BURGESS, J.; MAHRT, M.; PUSCHMANN, C. (Org.). Twitter and Society. Nova York: Peter Lang Publishing,
2014 (p. 15-28).
CASTRO, J. C. L. Excentricidade, desinformação e polarização assimétrica: máquinas de guerra híbrida em
plataformas algorítmicas. In: Encontro Anual da Compós, XXVIII, 2019. PUC-RS, Porto Alegre. Anais... São
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
22 www.compos.org.br
www.compos.org.br/anais_encontros.php
Paulo: Compós, 2019. Disponível em
http://www.compos.org.br/biblioteca/trabalhos_arquivo_29HHARR3PE7JU7UDBLWT_28_7169_21_02_2019
_19_51_26.pdf.
CHA, M.; HADDADI, H.; BENEVENUTO, F.; GUMMADI, K. P. Measuring user influence on twitter: The
million follower fallacy. In: Proceedings of the Fourth International AAAI Conference on Weblogs and
Social Media. Washington: AAAI, p. 10-17, 2010.
DRUCKMAN, J. N.; LEVENDUSKY, M. S.; MCLAIN, A. No Need to Watch: How the Effects of Partisan
Media Can Spread via Interpersonal Discussions. American Journal of Political Science, v. 62, n. 1, p. 99–112,
jan. 2018.
DUBOIS, E.; BLANK, G. The echo chamber is overstated: the moderating effect of political interest and diverse
media. Information, Communication & Society, v. 21, n. 5, 2018. DOI:
https://doi.org/10.1080/1369118X.2018.1428656.
DUBOIS, E.; GAFFNEY, D. The multiple facets of influence: identifying political influentials and opinion
leaders on Twitter. American Behavioral Scientist, v. 58, n. 10, p. 1260-1277, 2014.
EADY, G.; NAGLER, J.; GUESS, A.; ZILINSKY, J.; TUCKER, J. A. How Many People Live in Political
Bubbles on Social Media? Evidence From Linked Survey and Twitter Data. SAGE Open, 2019. DOI:
https://doi.org/10.1177/2158244019832705.
ELLISON, N. B.; BOYD, d. Sociality through Social Network Sites. In: DUTTON, W. H. (Org.). The Oxford
Handbook of Internet Studies. Oxford: Oxford University Press, 2013 (p. 151-172).
FLETCHER, R.; NIELSEN, R. K. Are News Audiences Increasingly Fragmented? A Cross-National
Comparative Analysis of Cross-Platform News Audience Fragmentation and Duplication. Journal of
Communication, v. 67, p. 476-498, 2017. DOI: 10.1111/jcom.12315.
FREEMAN L. C. Centrality in Social Networks: Conceptual clarification. Social Networks 1, p. 215-239, 1979.
GANGADHARBATLA, H; VALAFAR, M. Propagation of user-generated content online. International
Journal of Internet Marketing and Advertising, v. 11, n. 3, 218-232, 2017. DOI: 10.1504/IJIMA.2017.085655.
GRAHAM, T.; WRIGHT, S. Discursive equality and everyday talk online: the impact of “superparticipants”.
Journal of Computer-Mediated Communication, v. 19, n. 3, p. 625-642, 2013.
GUESS, A.; LYONS, B.; NYHAN, B.; REIFLER, J. Avoiding the echo chamber about echo chambers: Why
selective exposure to like-minded political news is less prevalent than you think. Miami: John S. and James L.
Knight Foundation, 2018.
HARDY, C.; PHILLIPS, N. No joking matter: Discursive struggle in the Canadian refugee system. Organization
Studies, v. 20, n. 1, p. 1–24, 1999.
HILBERT, M.; VÁSQUEZ, J.; HALPERN, D.; VALENZUELA, S.; ARRIAGADA, E. One Step, Two Step,
Network Step? Complementary Perspectives on Communication Flows in Twittered Citizen Protests. Social
Computer Review, v. 35, n. 4, 444-461, 2017. DOI: 10.1177/0894439316639561.
HIMELBOIM, I.; SMITH, M. A.; RAINIE, L.; SCHNEIDERMAN, B.; ESPINA, C. Classifying Twitter Topic-
Networks Using Social Network Analysis. Social Media + Society, v. 3, n. 1, p. 1-13, 2017. DOI:
https://doi.org/10.1177/2056305117691545.
KATZ, E.; LAZARSFELD, F. P. Personal influence: the part played by people in the flow of mass
communications. Glencoe, IL: The Free Press, 1955.
KRACKHARDT, D.; STERN, R. Informal networks and organizational crises: An experimental simulation.
Social Psychology Quarterly, v. 51, n. 2, 123–140, 1988.
KRIPPENDORF, K. Content Analysis: An Introduction to Its Methodology. California, CA: Sage Publications,
2013.
LARSSON, A. O. News Use as Amplification – Norwegian National, Regional and Hyperpartisan Media on
Facebook. Journalism & Mass Communication Quarterly, v. 96, p. 3, 2019a. DOI:
https://doi.org/10.1177/1077699019831439.
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
23 www.compos.org.br
www.compos.org.br/anais_encontros.php
LARSSON, A. O. ‘Coherent clusters’ or ‘fuzzy zones’ – Understanding attention and structure in online political
participation. First Monday, v. 24, n. 8, 2019b. DOI: https://doi.org/10.5210/fm.v24i8.9863.
LARSSON, A. O.; MOE, H. Twitter in Politics and Elections: Insights from Scandinavia. In: WELLER, K.;
BRUNS, A.; BURGESS, J.; MAHRT, M.; PUSCHMANN, C. (Org.). Twitter and Society. Nova York: Peter
Lang Publishing, 2014 (p. 319-330).
LAZARSFELD, P. F.; BERELSON, B.; GAUDET, H. The People’s Choice: How the Voter Makes up His Mind
in a Presidential Campaign. New York: Columbia University Press, 1968.
MAIREDER, A.; AUSSERHOFER, J. Political Discourses on Twitter: Networking Topics, Objects, and People.
In: WELLER, K.; BRUNS, A.; BURGESS, J.; MAHRT, M.; PUSCHMANN, C. (Org.). Twitter and Society.
Nova York: Peter Lang Publishing, 2014 (p. 305-318).
NEWMAN, N.; FLETCHER, R.; KALOGEROPOULOS, A.; NIELSEN, R. K. Reuters Institute Digital News
Report 2019. Oxford: University of Oxford, 2019.
PAPAKYRIAKOPOULOS, O.; SERRANO, J. C. M.; HEGELICH, S. Political communication on social media:
A tale of hyperactive users and bias in recommender systems. Online Social Networks and Media, v. 15, n.1,
2020. DOI https://doi.org/10.1016/j.osnem.2019.100058.
PROM, C. Tool Report: Social Feed Manager. MAC Newsletter, v. 45, n. 2, Article 9, 2017.
RECUERO, R.; AMARAL, A.; MONTEIRO, C. Fandoms, Trending Topics and Social Capital in Twitter.
Proceedings of Internet Research, XIII, Salford, UK: AOIR, 2012. Disponível em
https://spir.aoir.org/index.php/spir/article/view/7.
RECUERO, R.; ARAÚJO, R.; ZAGO, G. How does Social Capital affect Retweets?. Proceedings of
International AAAI Conference on Weblogs and Social Media, V, Barcelona, Spain: AAAI, 2011.
RECUERO, R.; ZAGO, G.; SOARES, F. B. Mídia social e filtros-bolha nas conversações políticas no Twitter.
In: Encontro Anual da Compós, XXVI, 2017. Faculdade Cásper Líbero, São Paulo. Anais... São Paulo: Compós,
2017a. Disponível em
http://www.compos.org.br/data/arquivos_2017/trabalhos_arquivo_XH5ITTDY1PYGE7PDUQJM_26_5374_18
_02_2017_12_53_33.pdf.
SMITH, M.; RAINIE, L.; HIMELBOIM, I.; SHNEIDERMAN, B. Mapping Twitter Topic Networks: From
Polarized Crowds to Community Clusters. Washington: Pew Research Center, 2014.
SOARES, F. B.; RECUERO, R.; ZAGO, G. Influencers in Polarized Political Networks on Twitter. In
Proceedings of the International Conference on Social Media & Society, Copenhagen, Denmark (SMSociety),
2018. DOI: 10.1145/3217804.3217909.
SOARES, F. B.; VIEGAS, P.; SUDBRACK, S.; RECUERO, R.; HÜTTNER, L. R. Desinformação e esfera
pública no Twitter: disputas discursivas sobre o assassinato de Marielle Franco. Revista Fronteiras - estudos
midiáticos, v. 21, n. 3, p. 2-14. DOI: 10.4013/fem.2019.213.01.
SUNSTEIN, C. Echo Chambers. Princeton: Princeton University Press, 2001.
SUNSTEIN, C. #Republic. Princeton: Princeton University Press, 2017.
TUCKER, J. A.; GUESS, A.; BARBERA, P.; VACCARI, C.; SIEGEL, A.; SANOVICH, S.; STUKAL, D.;
NYHAN, B. Social Media, Political Polarization, and Political Disinformation: A Review of the Scientific
Literature. 2018. Disponível em: http://dx.doi.org/10.2139/ssrn.3144139.
WARDLE, C.; DERAKHSHAN, H. Information disorder: Toward an interdisciplinary framework for research
and policy making. Strasbourg: Council of Europe, 2017
WASSERMAN, S.; FAUST, K. Social Network Analysis. Cambridge: Cambridge University Press, 1994.
Associação Nacional dos Programas de Pós-Graduação em Comunicação
XXIX Encontro Anual da Compós, Universidade Federal de Mato Grosso do Sul, Campo Grande - MS, 23 a 25 de junho de 2020
24 www.compos.org.br
www.compos.org.br/anais_encontros.php
WATTS, D. J.; STROGATZ, S. H. Collective dynamics of ‘small-world’ networks. Nature, v. 393, p. 440-442,
1998.
WELLER, K.; BRUNS, A.; BURGESS, J.; MAHRT, M.; PUSCHMANN, C. Twitter and Society: An
Introduction. In: WELLER, K.; BRUNS, A.; BURGESS, J.; MAHRT, M.; PUSCHMANN, C. (Org.). Twitter
and Society. Nova York: Peter Lang Publishing, 2014 (p. xxix- xxxviii).
ZAGO, G. Da circulação à recirculação jornalística: filtro e comentário de notícias por interagentes no Twitter.
In: Encontro Anual da Compós, XXI, 2012. Universidade Federal de Juiz de Fora, Juiz de Fora. Anais... São
Paulo: Compós, 2012. Disponível em http://www.compos.org.br/data/biblioteca_1896.pdf.
ZAGO, G. Circulação e Recirculação de Narrativas do Acontecimento no Jornalismo em Rede: A Copa de
2014 no Twitter. 217f. Tese (Doutorado em Comunicação e Informação), Universidade Federal do Rio Grande
do Sul, 2014.
ZAGO, G.; BASTOS, M. T. Visibilidade de Notícias no Twitter e no Facebook: Análise Comparativa das Notícias
mais Repercutidas na Europa e nas Américas. Brazilian Journalism Research, v. 9, n. 1, p. 116-133, 2013.