Polarização, fragmentação, desinformação e intolerância: dinâmicas problemáticas para a esfera pública nas discussões políticas no Twitter

Abstract

O problema de pesquisa que guia esta tese é: como se caracterizam as dinâmicas problemáticas para a esfera pública nas discussões políticas no Twitter? São analisadas quatro dinâmicas, definidas com base nas discussões teóricas sobre fenômenos que ameaçam ou prejudicam a esfera pública e a democracia: (1) polarização, a divisão entre grupos com posicionamentos opostos (BARBERÁ, 2020); (2) fragmentação, o isolamento de grupos em contextos de redução de acesso a conteúdo heterogêneo, como as câmaras de eco (SUNSTEIN, 2001, 2017); (3) desinformação, informações distorcidas, manipuladas ou interamente fabricadas que possuem a função de enganar (FALLIS, 2015); (4) intolerância, discursos antidemocráticos, que envolvem o ataque a grupos sociais, ameaças pessoais e reforço de sentimentos contrários aos valores democráticos (PAPACHARISSI, 2004; ROSSINI, 2019a). São utilizados métodos mistos para analisar quatro discussões políticas com foco em Jair Bolsonaro durante as campanhas eleitorais brasileiras de 2018. A Análise de Redes Sociais é utilizada para analisar redes de retweets, redes de circulação de URLs e redes de replies. A Análise de Conteúdo é utilizada para analisar amostras das mensagens mais retuitadas, URLs que mais circularam e amostras de respostas a tweets. Os resultados mostram (1) discussões polarizadas, em que são identificados um grupo anti-Bolsonaro e outro pró-Bolsonaro. Estas estruturas favorecem a circulação de conteúdo distinto em cada grupo. (2) Apesar da polarização, a fragmentação é limitada, já que as redes de replies mostram interações que cruzam barreiras ideológicas e a análise das fontes de informações mais utilizadas nos grupos mostra sobreposições. (3) A desinformação ocorre de forma assimétrica, com o grupo pró-Bolsonaro compartilhando mais conteúdo desinformativo. Além disso, há uma dinâmica coletiva que faz da desinformação sistêmica, já que os índices de desinformação no grupo seguem padrões semelhantes de variações em todos os níves (Tweets mais retuitados, URLs que mais circularam e amostras de respostas). (4) a intolerância também é identificada de forma assimétrica, novamente mais associada ao grupo pró-Bolsonaro. Além disso, a intolerância é identificada em um número reduzido de mensagens, enquanto a impolidez, ou seja, comentários rudes, uso de termos de baixo calão, etc, aparece com índices mais amplos. A partir destes resultados, argumenta-se que as estruturas e dinâmicas que caracterizam as discussões políticas no Twitter não são pressupostos das arenas da esfera pública na plataforma, mas resultado das ações dos usuários, influenciadas por um contexto social mais amplo.

Our research problem is as follows: how are characterized the problematic dynamics to the public sphere in political discussions on Twitter? We analyze four dynamics, which are selected based on the theoretical discussions about the phenomena that threaten or harm the public sphere and democracy: (1) polarization, the division between groups with opposite views (BARBERÁ, 2020); (2) fragmentation, the isolation of groups in context with reduced access to heterogeneous content, such as echo chambers (SUNSTEIN, 2001, 2017); (3) disinformation, distorted, manipulated or entirely fabricate information that has the function of misleading (FALLIS, 2015); (4) intolerance, anti-democratic discourse, which includes attacks toward social groups, personal threats and reinforcing sentiments that are opposite to the democratic values (PAPACHARISSI, 2004; ROSSINI, 2019a). We use mixed methods to analyze four political discussions about Jair Bolsonaro during the 2018 Brazilian presidential election campaigns. We use Social Network Analysis to analyze retweet networks, URLs circulation networks and replies networks. We use Content Analysis to analyze samples of the most retweeted messages, most shared URLs and replies. Our main findings are: (1) polarized discussions, in which we identified an anti-Bolsonaro group and a pro-Bolsonaro group. The polarized structure favored the circulation of different content within each group. (2) Although the polarized structure, the fragmentation is limited, as we identified cross-cutting interactions in the replies networks and overlaps in the analysis of the most central sources of information within the groups. (3) The disinformation is asymmetric, as the pro-Bolsonaro group shares more disinformation. In addition, we identified a collective dynamic that makes disinformation spread systemic. The amount of disinformation follows a pattern within the pro-Bolsonaro group at every level (most retweeted messages, most shared URLs, samples of replies). (4) The intolerance is also asymmetric, once again most prevalent within the pro-Bolsonaro group. Furthermore, we identified less intolerant messages compared to impolite messages, that is, rude comments, swearing, etc. Based on these results, we argue that the structures and dynamics of the political discussions on Twitter are the results of users’ actions, influenced by a broader social context, not presuppositions of public arenas on the platform.