1. Introdução

A desinformação é um fenômeno que vem causando danos sociais e sendo objeto de análise em diversos campos científicos, além de estar se tornando uma preocupação para algumas instituições. Para enfrentar os efeitos negativos causados pela desinformação à imagem e à credibilidade da Justiça Eleitoral, à realização das eleições e aos atores nela envolvidos, o Tribunal Superior Eleitoral (TSE) instituiu o Programa Permanente de Combate à Desinformação. Uma das ações deste programa consiste na manutenção de um portal, chamado Fato ou Boato, no qual a sociedade e os veículos de imprensa podem ter acesso a todas as checagens de conteúdo realizadas pelo órgão. É da análise de uma das publicações do referido portal que parte a investigação apresentada neste artigo, a qual contribui para o campo dos estudos de plataformas utilizando para isso os métodos digitais, conforme proposto por D’Andréa (2020).

O trabalho consiste em um estudo de caso de uma controvérsia envolvendo um aplicativo para telemóvel desenvolvido pela Justiça Eleitoral ─ o e-Título ─ e as permissões de acesso por ele requeridas no momento da instalação. A partir de tweets coletados referentes ao aplicativo e sua suposta função de espião, busca-se responder: qual foi a repercussão do caso no Twitter? Quantas pessoas tuitaram a respeito e quantos retuítes receberam? Quantos retuítes receberam as publicações do TSE e das agências de checagem? De onde partiram os retuítes que compartilharam o vídeo? Qual o meio utilizado pelas pessoas que compartilharam o vídeo? Como se descrevem as pessoas que compartilharam o vídeo?

Os próximos itens apresentam a fundamentação teórica do artigo, partindo do conceito de desinformação e explorando principalmente os estudos de plataformas e agência dos algoritmos. Apresenta ainda a proposta metodológica fundada nos métodos digitais. Em seguida explora o caso da controvérsia em questão, analisando a repercussão desta no Twitter e apresentando os achados da análise.

2. A Desinformação em Plataformas Digitais

Não é de hoje que as chamadas fake news estão causando danos à sociedades e enganando pessoas. Como apontam Tandoc Jr. et al. (2018), a expressão já vem sendo usada há bastante tempo, mas ultimamente se popularizou ainda mais. Apesar de no Brasil utilizar-se fake news praticamente como sinônimo de desinformação (Recuero & Gruzd, 2019), o uso da expressão não é recomendado por uma série de motivos. Wardle e Derakhshan (2017), por exemplo, defendem que a expressão não é suficiente para dar conta da poluição informacional por ela causada, além de ter seu uso desvirtuado após ter sido adotada por políticos para indicar veículos de imprensa que publicam conteúdos que não os agradam.

Posicionamento semelhante é adotado pela Unesco (2019), que defende que a expressão fake news se trata de um “oxímoro que se presta a danificar a credibilidade da informação que de fato atende ao limiar de verificabilidade e interesse público – isto é, notícias reais” (p. 7). Em seu manual intitulado “Jornalismo, Fake News & Desinformação: manual para educação e treinamento em jornalismo” a organização internacional utiliza o termo desinformação para se referir a tentativas deliberadas que tem como objetivo confundir ou manipular pessoas por meio da transmissão de informações desonestas (Unesco, 2019).

Já Wardle e Derakhshan (2017) propõem o quadro conceitual “desordem informacional”, o qual pode ser dividido em três outros conceitos a depender da veracidade da informação e da intenção do sujeito. São eles:

1. ● informação incorreta (misinformation): ocorre quando um conteúdo falso é compartilhado sem a intenção de causar danos;

   ● desinformação (disinformation): se dá quando o conteúdo falso é intencionalmente compartilhado com a intenção de causar algum dado; e

   ● má informação (malfinformation): acontece quando ocorre o compartilhamento de um conteúdo verdadeiro, mas a divulgação deste conteúdo, que deveria permanecer privado, acaba causando danos a terceiros.

Dessa forma, neste artigo adota-se o conceito de desinformação com base em Wardle e Derakhshan (2017) para designar publicações (textos, fotos, imagens, áudios ou vídeos) que circulam principalmente em plataformas digitais, especialmente mídias sociais e aplicativos de conversa, cujo conteúdo falso, enganoso, manipulado ou fabricado é criado e distribuído com a intenção de causar mal a alguém, a um grupo ou a uma instituição.

Já o conceito de desinformação eleitoral refere-se ao conteúdo falso, enganoso, fabricado ou manipulado que é criado, publicado e compartilhado com a intenção de causar descrédito às eleições, tendo como alvo principal a Justiça Eleitoral; seus órgãos, como tribunais e cartórios eleitorais; seus funcionários, desde os ministros até os colaboradores eventuais; seus processos e aparatos tecnológicos, como, por exemplo, o processo eletrônico de votação, os sistemas utilizados e a própria urna eletrônica (Silva, 2022).

A desinformação circula hoje principalmente nas plataformas digitais. Isso se dá por uma série de motivos, dentre os quais Recuero (2020) destaca as estratégias discursivas utilizadas e as características próprias dessas ferramentas. Como reforçam Lemos e Oliveira (2021), características da cultura digital como a plataformização, a dataficação e a performatividade dos algoritmos contribuem para potencializar a propagação de desinformação. Assim, a circulação de conteúdo nas mídias sociais não se dá tanto pela razão, mas pela adesão a bolhas e nichos, pela crença no produtor da mensagem, reforçando estereótipos e ideologias (Lemos & Oliveira, 2021). “As plataformas de redes sociais contribuem para esse processo, permitindo a transmissão da autoria, o recompartilhamento e mixagem das postagens, e garantindo visibilidade a mensagens de usuários específicos” (Lemos & Oliveira, 2021, p. 79).

De acordo com D’Andréa (2020), os estudos de plataformas digitais têm como matriz conceitual os estudos de ciência e tecnologia (Science and Technology Studies, ou STS, em inglês) e se localizam em uma virada crítica nas pesquisas envolvendo Internet e cibercultura que tem como objetivo buscar uma refinada articulação entre as dimensões técnicas, políticas e econômicas que constituem as chamadas redes sociais online.

Em um dos primeiros textos da área, Gillespie (2010) traz uma importante crítica à adoção discursiva e estratégica do conceito de plataforma por empresas de tecnologia como o Google e o YouTube, por exemplo, para se apresentarem como meras intermediárias entre a criação e a recepção de conteúdos, buscando assim se eximir de possíveis responsabilidades cíveis e penais decorrentes dos conteúdos.

O autor traz ainda uma revisão do conceito de plataforma apontando quatro categorias principais de uso: computação; arquitetura; figurativo e político. Na área da computação, plataforma significa todo o apartado infraestrutural e de software necessário para rodar determinada aplicação, seja um sistema operacional, jogos ou aplicativos de telemóvel. Na arquitetura, o termo plataforma é usado para descrever uma estrutura para um uso específico, como em plataformas de metrô, de mergulho ou de petróleo. Este é o uso mais próximo com a origem etimológica da palavra, que significa forma plana. Já no sentido figurado, o termo plataforma é usado para simbolizar as bases, a fundação ou a origem de algo. Como, por exemplo, um emprego inicial pode ser usado como plataforma para subir de classe social ou status. Por fim, na política, o uso do termo teve origem mais denotativa nos discursos em palanques e púlpitos, mas também ganhou uso mais conotativo para significar as propostas e crenças dos políticos (Gillespie, 2010).

O uso do termo plataforma como sinônimo de plataformas digitais se popularizou de tal forma que autores como van Dijck et al. (2018) propõem denominar a sociedade contemporânea como “sociedade da plataforma”. Para eles, uma “plataforma online é uma arquitetura projetada para organizar interações entre usuários—não apenas usuários finais, mas também entidades corporativas e órgãos públicos” (van Dijck et al., 2018, p. 4). Os autores afirmam também que a “sociedade da plataforma não é algo dado, mas um arranjo social que evolui dinamicamente, no qual valores públicos são constantemente alterados por diferentes atores” (van Dijck et al., 2018, p. 26).

Assim, os autores evidenciam o entrelaçamento de diversas dimensões (econômicas, culturais, políticas e materiais) que interconectam vários tipos de actantes humanos e não humanos. Dentre estes atores é possível destacar as famosas big techs ocidentais que vêm sendo agrupadas sob o acrônimo GAFAM, que reúne Google, Apple, Facebook, Amazon e Microsoft, bem como as orientais que geralmente são menos lembradas, como Tencent, Alibaba, Baidu, ByteDance, Meituan e Didi Xuxing, e os aplicativos por elas desenvolvidos, os computadores, telemóveis e outros aparelhos nos quais esses aplicativos estão instalados e ainda os algoritmos que gerenciam todas essas trocas entre os usuários e servidores.

Ao tratar da relevância dos algoritmos, Gillespie (2014) chama a atenção para a necessidade de se buscar compreender de que forma a introdução de algoritmos nas práticas de conhecimento humano podem levar a ramificações políticas. O autor aponta seis aspectos fundamentais dos algoritmos de relevância pública com valor político:

1. 1. 1. Padrões de inclusão: entender quais são os critérios usados para incluir e também excluir determinada informação do índice e como os dados são formatados para serem “usados” pelos algoritmos;

   2. Ciclos de antecipação: como os algoritmos guardam históricos de uso (navegação, curtidas, compartilhamentos, etc.) e calculam as preferências dos usuários, muitas vezes prevendo seus gostos e necessidades;

   3. Avaliação de relevância: analisar quais critérios os algoritmos usam para calcular o que é relevante, quais critérios não são revelados e como eles fazem escolhas para definir o que é um conhecimento legítimo e adequado;

   4. Promessa da objetividade algorítmica: como o aspecto técnico dos algoritmos é usado como garantia de objetividade e como essa alegação é mantida nos casos de controvérsias;

   5. Entrelaçamento com a prática: como os usuários se apropriam dos algoritmos alterando práticas cotidianas e como essa adoção pode acabar alterando o próprio algoritmo; e

   6. Produção de públicos calculados: como os algoritmos apresentam os públicos para eles mesmos e como essa apresentação molda a própria percepção de si destes públicos e quem está melhor preparado para aproveitar desse conhecimento.

Dessa forma, o autor defende que é preciso considerar não apenas o efeito dos algoritmos nas pessoas, mas um entrelaçamento multidimensional entre algoritmos colocados na prática e as táticas sociais dos usuários que os utilizam e se apropriam deles (Gillespie, 2014, p. 183).

Ainda neste sentido, Pariser (2012) argumenta que os serviços de informação baseados em algoritmos podem ser personalizados de tal forma que a diversidade de conhecimento público e debate político pode diminuir. Isso se dá porque os algoritmos, baseados nos gostos e preferências de cada usuário, criam “filtros bolha”, estruturas que têm várias consequências sociais, nas quais circulam majoritariamente informações com as quais o usuário concorda (viés de confirmação) e de pessoas com posicionamentos e ideologias parecidas (câmaras de eco).

Além disso, os algoritmos se aproveitam das lógicas de compartilhamento ─ base de praticamente todas as plataformas digitais ─ para incentivar a distribuição de conteúdos, o que faz com que as pessoas fiquem mais tempo nas plataformas, gerando lucros para as empresas de tecnologia e para as páginas que hospedam os conteúdos, e no fim, ainda, gerando poluição ambiental (Lemos et al., 2021).

Entende-se, assim, que para estudar práticas de desinformação em plataformas digitais é preciso utilizar-se de métodos e procedimentos de pesquisa que abarquem as diversas características deste fenômeno, focando não apenas na análise conteudista das publicações, mas também nas lógicas inerentes ao contexto digital e ainda nos modelos de negócios das companhias. Para isso, o próximo item apresenta os métodos digitais.

3. Os Métodos Digitais

Apoiado no conceito de “controvérsia”, que caracteriza situações de instabilidade, incerteza e conflito envolvendo as plataformas digitais, D’Andréa (2020) sugere duas abordagens para estudá-las:

Mas o que mesmo caracteriza uma “controvérsia”? Esse termo é hoje muito usado para caracterizar o processo ininterrupto de disputas e incertezas em torno de situações tão diferentes quanto a “treta da semana” entre influenciadores digitais e as discussões entre especialistas, autoridades e sociedade civil sobre um tema complexo (a descriminalização do aborto, por exemplo). No âmbito das Ciências Sociais e dos Estudos de Ciência e Tecnologia, o conceito vem, pelo menos desde os anos 1950, subsidiando estudos sobre as transformações, incertezas e disputas em torno de artefatos técnicos, teorias, políticas públicas etc. (p. 55)

A primeira abordagem para se estudar as plataformas digitais apresentada pelo autor tem a ver com controvérsias desencadeadas pelas plataformas, geralmente decorrente de seus vieses tecnopolíticos adotados nas gestões. Para estudar as controvérsias protagonizadas pelas plataformas é preciso assumir que elas “são atores-rede fortemente entrelaçados nas dinâmicas políticas, nas engrenagens econômicas e nas atividades cotidianas da contemporaneidade” (D’Andréa, 2020, p. 56). Assim, o autor sugere como um caminho metodológico possível a análise documental, focada em documentos de patentes, políticas de governança, modelos de negócio e publicações na imprensa.

Já a segunda abordagem trazida por D’Andréa (2020), mais próxima da proposta apresentada neste artigo, foca em controvérsias que se dão com as plataformas, ou seja, surgem das instabilidades sociais que são desencadeadas a partir das características próprias das ferramentas. Para isso, ele propõe a utilização dos métodos digitais, os quais são a perspectiva teórico-metodológica que melhor ajudam a embasar as pesquisas que se voltam para os entrelaçamentos entre temáticas diversas e as materialidades online. Segundo ele:

Um dos caminhos metodológicos dos Métodos Digitais é o uso de dados fornecidos pelas próprias plataformas por meio de suas APIs públicas. Em especial, notamos o interesse de investigar como o social ou as controvérsias se constituem através de pesquisas empíricas baseadas na coleta, processamento e visualização de dados fornecidos por uma plataforma. (D’Andréa, 2020, p. 55)

O autor traz o exemplo de uma pesquisa no Twitter, a qual deve além de considerar o conteúdo dos tuítes, do levantamento das hashtags usadas, analisar outros pontos como: os recursos tecnogramaticais como o retuíte, a menção e o curtir, que são os recursos usados para alcançar visibilidade; essas ações gramatizadas são variáveis importantes para as decisões de ranqueamento dos algoritmos, pois quanto mais rastros materiais uma publicação deixa, mais visibilidade para o ator envolvido e mais ganhos financeiros para a empresa; a existência de robôs automatizados (bots) que artificializam a conversação online; as políticas de governança da plataforma com relação a publicações com discurso de ódio, intolerância, conteúdo sexual, entre outros temas delicados; e também os trending topics, que são a lista dos assuntos mais falados do momento no Twitter.

A partir das contribuições teóricas e metodológicas apresentadas, o próximo item apresenta uma controvérsia envolvendo desinformação sobre o aplicativo e-Título e a sua repercussão no Twitter.

4. O Caso do Aplicativo e-Título Espião

A controvérsia analisada neste estudo empírico parte de uma publicação feita no dia 12 de abril de 2022, no portal “Fato ou Boato”, mantido pela Justiça Eleitoral. A notícia esclarece que é falsa a afirmação de que o aplicativo e-Título é espião e aponta uma série de motivos para o referido aplicativo acessar diversos recursos físicos, lógicos e de segurança ao ser instalado em um telemóvel.

Em resumo, no dia 11 de abril de 2022, um vídeo foi postado no YouTube. Neste vídeo, que não está mais disponível, uma mulher que se apresenta como professora comenta uma lista de notícias ligadas à política e antes de encerrar faz um alerta aos seguidores sobre a quantidade de permissões que precisariam ser concedidas ao aplicativo e-Título durante a instalação no seu aparelho. Ela então lê a lista de permissões com entonação de curiosidade. Ela diz que talvez não entende muito bem do assunto, mas sugere ser “muito estranho” um aplicativo pedir tantas autorizações, deixando a dúvida para o público refletir. Ela não afirma que o TSE esteja capturando informações, mas diz: “será que eles vão poder ouvir as conversas de vocês em casa através do telefone? Não sei. Não sei. Ó a dúvida!”

O vídeo então foi entregue pelo algoritmo do YouTube aos seguidores do canal que engajaram com o conteúdo dando curtidas, comentando e compartilhando em outras mídias sociais através de seus computadores e dispositivos móveis. No dia 02 de agosto de 2022, a publicação contava com 442.615 visualizações e 4.299 comentários sobre os diversos temas explorados no vídeo, não apenas relacionados ao aplicativo. O vídeo também foi baixado, recortado e começou a circular em outras plataformas, como o Twitter, o que será analisado a seguir, e, provavelmente, aplicativos de mensagem como Whatsapp e Telegram, os quais são mais difíceis de serem investigados devido às suas configurações de privacidade e criptografia.

No dia seguinte à publicação do vídeo, o TSE publicou a nota citada acima. Na esteira do TSE, agências de checagem que são parceiras do órgão no programa de enfrentamento à desinformação como o Uol Confere, Estadão Verifica e Boatos.Org, também fizeram publicações esclarecendo o caso. As publicações do TSE e das agências de checagem, no entanto, não alcançaram o mesmo êxito de compartilhamento no Twitter.

Para a coleta dos tuítes referenciados utilizou-se a ferramenta Netlytic (Gruzd, 2022). A busca pelo termo “e-Título”, no dia 19 de abril de 2022 às 18:54, retornou 3.098 tuítes. Depois de excluídos aqueles não relacionados à controvérsia restaram 2.825 tuítes na base de dados. As publicações foram organizadas e os gráficos foram gerados no Google Planilhas. Para o cálculo das coocorrências de palavras nas biografias utilizou-se o Textometrica (Lindgren & Palm, 2011). Para construção dos grafos utilizou-se a ferramenta Gephi (Bastian et al., 2009).

Algumas perguntas de pesquisa que podem ser respondidas a partir dos dados coletados são: qual foi a repercussão do caso no Twitter? Quantas pessoas tuitaram a respeito e quantos retuítes receberam? Quantos retuítes receberam as publicações do TSE e das agências de checagem? De onde partiram os retuítes que compartilharam o vídeo? Qual o meio utilizado pelas pessoas que compartilharam o vídeo? Como se descrevem as pessoas que compartilharam o vídeo? A análise que segue busca responder a estes questionamentos.

A Tabela 1 apresenta um resumo dos tuítes que compartilharam o conteúdo desinformativo e que mais receberam retuítes. Os usuários foram anonimizados e os textos dos tuítes corrigidos e alterados em alguns pontos para evitar a identificação do usuário. A soma das republicações passa de 1.800. Nota-se que são tuítes em tom de denúncia e dúvida com relação à atuação do TSE e seus objetivos por trás do aplicativo. Interessante destacar também que a publicação com mais retuítes pede para que os usuários compartilhem o post até chegar ao Presidente do Brasil, Jair Bolsonaro, negligenciando toda a equipe de assessores e servidores que poderiam informá-lo diretamente.

Já a Tabela 2 apresenta os dados das publicações do TSE e das agências de checagem. Dentre os oito perfis destacados nos dois quadros, o TSE é o que detém o maior número de seguidores, entretanto, sua publicação alcançou apenas 12 retuítes. A baixa repercussão também afeta as agências de checagem parceiras do órgão que conseguiram juntas apenas nove retuítes.

Destaca-se, assim, a grande desproporcionalidade de divulgação alcançada pelos conteúdos desinformativos em detrimento das checagens e publicações oficiais.

Figura 1

Grafo do espalhamento de desinformação sobre e-Título

A Figura 1 apresenta um grafo de espalhamento da desinformação relacionada ao e-Título. Ela representa a rede formada pelos perfis que republicaram o vídeo, a partir dos dados apresentados na Tabela 1. Os clusters foram coloridos por modularidade e o tamanho dos nós varia conforme o grau de entrada do ator, ou seja, quanto mais retuítes um nó tem, maior ele fica. Dessa forma, os nós maiores são os usuários autores dos tuítes e os pequenos orbitando em volta representam pessoas que retuitaram estes usuários.

O grafo apresentado na Figura 1, portanto, destaca a importância dos atores na rede desinformativa. O grupo em azul, cujo ator principal pede o espalhamento da informação para chegar ao presidente, é o maior da rede e se liga fortemente ao grupo rosa, cujo principal argumento se fundamenta na desconfiança com relação a possíveis segundas intenções do TSE e do ministro Barroso, presidente do órgão.

Os métodos digitais também permitem, a partir da base de tuítes coletados, traçar algumas ponderações sobre os perfis das pessoas que compartilharam os tuítes com conteúdo desinformativo. Por exemplo, a Figura 2 apresenta um mapa de calor, com indicação dos Estados brasileiros e países de onde vieram as publicações, baseado na localização informada pelos usuários que foi limpa e normalizada para gerar o mapa no Google Planilhas. Destaca-se no mapa a concentração nos grandes centros urbanos brasileiros, principalmente São Paulo e Rio de Janeiro, mas também alguns pontos espalhados pelo mundo. Percebe-se, assim, que a desinformação eleitoral não se limita às fronteiras do país.

Já a Figura 3 foca em outro tipo de dado interessante a se analisar: o meio, ou seja, a ferramenta utilizada para propagar os retuítes. Percebe-se que a maioria dos usuários utiliza o aplicativo do Twitter, em telemóveis com sistema operacional Android (63,5%). Em segundo lugar (20.6%), estão usuários que utilizam a web, ou seja, navegadores em computador. Um total 15.2% dos usuários utilizam o aplicativo em aparelhos com sistema operacional iOS. Por fim, apenas 0,7% dos usuários utilizaram um tablet.

Figura 2

Mapa de Calor da Desinformação sobre e-Título

Figura 3

Meio utilizado para compartilhar a desinformação no Twitter

Figura 4

Coocorrências de palavras nas bios

Importar imagenPor fim, a Figura 4 apresenta um grafo com as coocorrências das palavras que mais apareceram nas biografias dos usuários que compartilharam o vídeo, ou seja como essas pessoas se descrevem. Nota-se a formação de cinco grupos de coorrências, no mais central em cor verde estão o termo família e o lema da campanha do governo Bolsonaro: “Brasil acima de tudo. Deus acima de todos”. O grupo azul relaciona elementos descritivos masculinos como pai, cristão, conservador, casado, por exemplo, ao passo que o grupo rosa inclui características femininas como cristã e conservadora. O grupo preto é centralizado pelo nome e cargo do presidente e a palavra “sou” que simboliza apoio ao governante. Por último, um grupo laranja reúne as palavras senhor, melhor e vida. O emoji com a bandeira do Brasil ( ) apareceu 889 vezes nas descrições de 1.892 usuários. Estes dados demonstram que boa parte das pessoas que compartilharam a desinformação em estudo neste artigo tendem a ser pessoas com posicionamento político conservador e alinhadas à direita, além de se identificarem e apoiarem o governo Bolsonaro.

5. Considerações Finais

Depois de descrever o conceito de desinformação e adequá-lo para a variação de desinformação eleitoral, o artigo apresentou os estudos de plataforma com atenção especial à agência dos algoritmos. Revisitou também os métodos digitais, proposta apresentada por D’Andréa (2020) para se estudar controvérsias envolvendo as plataformas.

Com relação às categorias de uso do termo plataforma trazidas por Gillespie (2010) pode-se perceber que à princípio a análise atravessaria apenas nos aspectos informáticos do termo, limitando-se à plataforma enquanto infraestrutura de hardware e software. No entanto, a análise das biografias dos usuários acabou revelando conexões com o aspecto político listado pelo autor, simbolizando afinidades entre as pessoas que compartilham desinformação e o governo Bolsonaro.

Além disso, também cabe destacar a relevância que os algoritmos tiveram na propagação da desinformação neste caso específico (Gillespie, 2014). Como apontado, os tuítes com conteúdo desinformativo circularam bem mais que os conteúdos oficiais e as checagens. Possivelmente a primeira rede de usuários seja mais engajada em compartilhar os conteúdos de seus filtros-bolha (Pariser, 2012), mas há de se atentar para a possível baixa relevância atribuída pelo algoritmo ao tuíte do TSE, por exemplo. Esse tipo de investigação é praticamente impossível dada a opacidade dos algoritmos das plataformas.

A análise da amostra de tuítes coletada demonstrou que as publicações contendo desinformação foram bem mais republicadas do que as checagens postadas pelo TSE e por agências de checagem parceiras do órgão no programa de enfrentamento à desinformação. Além disso, também foi possível demonstrar que o principal meio utilizado pelos usuários que compartilharam a desinformação foi o telemóvel, além de permitir uma análise geográfica da localização destes usuários e um perfil de afinidade política com base nas suas biografias.

Esta pesquisa empírica possui várias limitações como recortes intencionais e outros causados por insuficiência de dados. Importante destacar que as inferências apresentadas se fundamentam apenas nesta controvérsia específica e que generalizações não são possíveis, nem almejadas.

Apesar destas limitações inerentes aos estudos que dependem de dados fornecidos pelas plataformas, o presente artigo colabora para os estudos de desinformação no Brasil, principalmente os ligados ao contexto político e eleitoral. Espera-se que outras pesquisas continuem analisando a propagação de desinformação principalmente com o objetivo de evitar e coagir esse tipo de prática que traz prejuízos materiais e simbólicos para toda a sociedade.

Referências

Bastian, M., Heymann, S., & Jacomy, M. (2009). Gephi: An Open Source Software for Exploring and Manipulating Networks. Proceedings of the International AAAI Conference on Web and Social Media, 3(1), 361—362. https://doi.org/10.1609/icwsm.v3i1.13937

D’Andréa, C. F. d. B. (2020). Pesquisando plataformas online: conceitos e métodos. EDUFBA. http://repositorio.ufba.br/ri/handle/ri/32043

Van Dijck, J., Poell, T., & Waal, M. d. (2018). The Platform Society: Public Values in a Connective World. Oxford University Press.

Gillespie, T. (2010). The Politics of ‘Platforms’. New Media & Society, 12(3), 347—364. https://doi.org/10.1177/1461444809342738

Gillespie, T. (2014). The relevance of algorithms. In T. Gillespie, P. J. Boczkowski, & K. A. Foot (Eds.), Media Technologies: Essays on Communication, Materiality, and Society (pp. 167—194). MIT Press.

Gruzd, A. (2022). Netlytic: Software for Automated Text and Social Network Analysis. http://Netlytic.org

Lemos, A., Bitencourt, E. C., & Santos, J. G. B. (2021). Fake News as Fake Politics: The Digital Materialities of YouTube Misinformation Videos about Brazilian Oil Spill Catastrophe. Media, Culture & Society, 43(5), 886—905. https://doi.org/10.1177/0163443720977301

Lemos, A., & Oliveira, F. (2021). Fake news e cadeias de referência: a desinformação sobre Covid-19 e o projeto de verificação do Facebook. Revista Fronteiras . estudos midiáticos, 23(2), 73—88. https://doi.org/10.4013/fem.2021.232.06

Lindgren, S. & Palm, F. (2011). Textometrica Service Package. http://textometrica.humlab.umu.se

Pariser, E. (2012). O filtro invisível: o que a internet está escondendo de você. Zahar.

Recuero, R. (2020). #FraudenasUrnas: estratégias discursivas de desinformação no Twitter nas eleições 2018. Revista Brasileira de Linguística Aplicada, 20(3), 383—406. https://doi.org/10.1590/1984-6398202014635

Recuero, R., & Gruzd, A. (2019). Cascatas de Fake News Políticas: um estudo de caso no Twitter. Galáxia, 41, 31—47. https://doi.org/10.1590/1982-25542019239035

Silva, M. L. H. d. (2022). O combate à desinformação como função de comunicação pública: estudo de caso da Justiça Eleitoral. In Anais do 45º Congresso Brasileiro de Ciências da Comunicação, 1—15. https://www.portalintercom.org.br/anais/nacional2022/resumo/0706202216312562c5e30dd9a33

Tandoc Jr., E. C., Wei Lim, Z., & Ling, R. (2018). Defining “Fake News”. Digital Journalism, 6(2), 137—153. https://doi.org/10.1080/21670811.2017.1360143

UNESCO. (2019). Jornalismo, Fake News & Desinformação: manual para educação e treinamento em jornalismo. Unesco.

Wardle, C., & Derakhshan, H. (2017). Information disorder: toward an interdisciplinary framework for research and policymaking. Conselho Europeu.

Autor notes