Gatos vs. Toxicidade: Como os Feeds de Redes Sociais Distorcem Nossa Percepção da Realidade e Quais Algoritmos Podem Corrigi-los
Um estudo inovador revela como os algoritmos de engajamento em redes sociais distorcem nossa percepção da realidade, amplificando o conteúdo tóxico e conflituoso. A pesquisa propõe um novo modelo de 'extremidade diversificada' que promete feeds mais equilibrados e satisfatórios.
MundiX News·23 de junho de 2026·7 min de leitura·👁 1 views
A crença popular de que os feeds de redes sociais, otimizados para o engajamento, exacerbam a hostilidade entre os usuários e distorcem a percepção da realidade é amplamente difundida. Essa visão sugere que as plataformas priorizam conteúdos que geram mais reações, em vez de apresentar uma imagem fiel da comunidade ou dos eventos. No entanto, a natureza fechada dos algoritmos das grandes plataformas sempre dificultou a comprovação empírica dessa hipótese, impedindo a reescrita e comparação direta dos sistemas de ranqueamento em usuários reais. Uma tentativa notável foi realizada pela Meta* durante as eleições americanas de 2020, que indicou um aumento de aproximadamente 40% no conteúdo 'não cívico' em feeds algorítmicos. Contudo, essa pesquisa não conseguiu determinar o mecanismo psicológico exato pelo qual os feeds influenciam os usuários, nem se seria possível corrigir essa influência sem comprometer o interesse dos usuários na plataforma.
Um grupo de pesquisadores, liderado por William Brady, da Kellogg School of Management, buscou preencher essa lacuna. Em um estudo publicado na revista Nature, eles compararam três modelos de feed: um cronológico reverso, um baseado em engajamento (semelhante às plataformas comerciais) e um novo modelo autoral, denominado 'extremidade diversificada'. Este último, embora baseado no engajamento, incorporava três ajustes cruciais: menor exibição de usuários que postam excessivamente, redução de conteúdo explicitamente tóxico e maior destaque para posts calmos e informativos. A toxicidade, neste contexto, foi definida não pela aspereza da opinião, mas pela forma ofensiva e desrespeitosa dos comentários, que levam à desistência da discussão. Para realizar o experimento, os pesquisadores utilizaram a plataforma Bluesky, uma rede social descentralizada e de código aberto, que permite a criação e assinatura de diferentes feeds algorítmicos por seus usuários. A escolha da Bluesky foi estratégica, dada a transparência de seu código, o acesso em tempo real ao fluxo de eventos da plataforma e sua base de mais de 6 milhões de usuários ativos, proporcionando um ambiente ideal para um teste A/B/C controlado em larga escala.
O experimento, que durou oito semanas e envolveu 2.000 usuários americanos divididos entre democratas e republicanos, focou na percepção do discurso político em relação aos oponentes durante as eleições de 2024. A análise de aproximadamente 20 milhões de posts revelou que os feeds baseados em engajamento amplificavam significativamente o conteúdo intergrupo, moralizado e emocional (IME), especialmente em categorias como indignação moral e política, com aumentos de até 80% após as eleições em comparação com feeds cronológicos. Isso criava uma percepção distorcida da realidade, onde o conflito parecia mais prevalente do que realmente era. Surpreendentemente, os pesquisadores observaram que, embora os usuários passassem a perceber a toxicidade como mais aceitável, suas próprias ações (publicações, curtidas, compartilhamentos) não se alteraram significativamente. Isso sugere que o principal impacto dos feeds de engajamento não é a provocação direta de comportamento, mas a distorção da percepção do ambiente social. Em contraste, o feed de 'extremidade diversificada', que reduziu a exposição a super-postadores e conteúdo tóxico, enquanto promoveu posts calmos e informativos, não só corrigiu a percepção da norma social, mas também foi bem recebido pelos usuários, desmistificando a ideia de que a remoção de conflitos tornaria a plataforma entediante. O estudo conclui que é possível criar feeds inteligentes que reduzam a distorção do discurso sem sacrificar o engajamento, promovendo um ambiente mais saudável e representativo, e sugere que as plataformas têm um espaço considerável para inovar em seus designs algorítmicos, equilibrando interesse e diálogo construtivo.
🛡️⚡
Pare de pesquisar. Comece a hackear.
O MundiX é seu copiloto de pentest com IA: comandos exatos, análise de outputs e próximo passo na kill chain — em segundos.
Sem cartão para começar · Planos a partir de R$49/mês
A crença popular de que os feeds de redes sociais, otimizados para o engajamento, exacerbam a hostilidade entre os usuários e distorcem a percepção da realidade é amplamente difundida. Essa visão sugere que as plataformas priorizam conteúdos que geram mais reações, em vez de apresentar uma imagem fiel da comunidade ou dos eventos. No entanto, a natureza fechada dos algoritmos das grandes plataformas sempre dificultou a comprovação empírica dessa hipótese, impedindo a reescrita e comparação direta dos sistemas de ranqueamento em usuários reais. Uma tentativa notável foi realizada pela Meta* durante as eleições americanas de 2020, que indicou um aumento de aproximadamente 40% no conteúdo 'não cívico' em feeds algorítmicos. Contudo, essa pesquisa não conseguiu determinar o mecanismo psicológico exato pelo qual os feeds influenciam os usuários, nem se seria possível corrigir essa influência sem comprometer o interesse dos usuários na plataforma.
Um grupo de pesquisadores, liderado por William Brady, da Kellogg School of Management, buscou preencher essa lacuna. Em um estudo publicado na revista Nature, eles compararam três modelos de feed: um cronológico reverso, um baseado em engajamento (semelhante às plataformas comerciais) e um novo modelo autoral, denominado 'extremidade diversificada'. Este último, embora baseado no engajamento, incorporava três ajustes cruciais: menor exibição de usuários que postam excessivamente, redução de conteúdo explicitamente tóxico e maior destaque para posts calmos e informativos. A toxicidade, neste contexto, foi definida não pela aspereza da opinião, mas pela forma ofensiva e desrespeitosa dos comentários, que levam à desistência da discussão. Para realizar o experimento, os pesquisadores utilizaram a plataforma Bluesky, uma rede social descentralizada e de código aberto, que permite a criação e assinatura de diferentes feeds algorítmicos por seus usuários. A escolha da Bluesky foi estratégica, dada a transparência de seu código, o acesso em tempo real ao fluxo de eventos da plataforma e sua base de mais de 6 milhões de usuários ativos, proporcionando um ambiente ideal para um teste A/B/C controlado em larga escala.
O experimento, que durou oito semanas e envolveu 2.000 usuários americanos divididos entre democratas e republicanos, focou na percepção do discurso político em relação aos oponentes durante as eleições de 2024. A análise de aproximadamente 20 milhões de posts revelou que os feeds baseados em engajamento amplificavam significativamente o conteúdo intergrupo, moralizado e emocional (IME), especialmente em categorias como indignação moral e política, com aumentos de até 80% após as eleições em comparação com feeds cronológicos. Isso criava uma percepção distorcida da realidade, onde o conflito parecia mais prevalente do que realmente era. Surpreendentemente, os pesquisadores observaram que, embora os usuários passassem a perceber a toxicidade como mais aceitável, suas próprias ações (publicações, curtidas, compartilhamentos) não se alteraram significativamente. Isso sugere que o principal impacto dos feeds de engajamento não é a provocação direta de comportamento, mas a distorção da percepção do ambiente social. Em contraste, o feed de 'extremidade diversificada', que reduziu a exposição a super-postadores e conteúdo tóxico, enquanto promoveu posts calmos e informativos, não só corrigiu a percepção da norma social, mas também foi bem recebido pelos usuários, desmistificando a ideia de que a remoção de conflitos tornaria a plataforma entediante. O estudo conclui que é possível criar feeds inteligentes que reduzam a distorção do discurso sem sacrificar o engajamento, promovendo um ambiente mais saudável e representativo, e sugere que as plataformas têm um espaço considerável para inovar em seus designs algorítmicos, equilibrando interesse e diálogo construtivo.
📤 Compartilhar & Baixar
🧰 Ferramentas recomendadas
Divulgação: alguns links são patrocinados. Podemos receber comissão se você comprar — sem custo extra para você. Só indicamos o que faz sentido para a comunidade.
