Calçadão Mundo – Robôs impulsionaram críticas de Elon Musk a Alexandre de Moraes no X, mostra estudo

O Laboratório de Estudos de Internet e Redes Sociais (NetLab) da Universidade Federal do Rio de Janeiro (UFRJ) publicou um levantamento sobre o embate entre o empresário Elon Musk e o ministro do Supremo Tribunal Federal (STF) Alexandre de Moraes no X (antigo Twitter). Analisando publicações sobre o tema, os pesquisadores identificaram que quase metade (47,9%) dos perfis que endossaram os argumentos de Musk, responsáveis por 53,7% dos compartilhamentos analisados, foram classificados como inautênticos – popularmente conhecidos como bots ou robôs.

O Laboratório de Estudos de Internet e Redes Sociais (NetLab) da Universidade Federal do Rio de Janeiro (UFRJ) publicou um levantamento sobre o embate entre o empresário Elon Musk e o ministro do Supremo Tribunal Federal (STF) Alexandre de Moraes no X (antigo Twitter). Analisando publicações sobre o tema, os pesquisadores identificaram que quase metade (47,9%) dos perfis que endossaram os argumentos de Musk, responsáveis por 53,7% dos compartilhamentos analisados, foram classificados como inautênticos – popularmente conhecidos como bots ou robôs.

O outro grupo, que aponta inconsistências e distorções no discurso de Musk, é composto de 35,5% de bots contra 58,6% de contas verdadeiras. Não foram categorizadas 5,7% das contas. Entre os perfis verdadeiros, estão o do Sleeping Giants Brasil, o da primeira-dama Rosângela da Silva, a Janja, e o do influenciador Felipe Neto.

Outra diferença entre os dois grupos, de apoio e críticas ao bilionário, é a data de criação dos perfis. A comunidade em torno de Musk é formada por 31% de perfis criados nos últimos 24 meses. Entre os bots desse grupo, a taxa sobe para 44,5% de perfis criados recentemente. No grupo oposto, crítico a Musk, 19% dos perfis foram criados nos últimos dois anos. Entre os bots, foram 31%.

O NetLab desenvolveu um classificador com ajuda de inteligência artificial para identificar as contas inautênticas, ou seja, que não pertencem ou não representam uma única pessoa, como no caso dos bots – quando um mesmo usuário pode controlar, por meio de softwares, diversas contas falsas que executam tarefas automatizadas. O modelo de machine learning desenvolvido pelo laboratório tem acurácia (proximidade entre a medição e o valor real) de 73% e precisão (consistência nas medições repetidas) de 64%.