Seu feed não é o país

Alguém abre uma rede social, encontra quinze publicações sobre a mesma controvérsia e conclui que o país não fala de outra coisa. Na mesa ao lado, outra pessoa percorre quinze publicações sobre uma controvérsia diferente. Cada uma chega à conversa com uma certeza sobre o assunto do momento. A divergência pode começar antes de qualquer opinião: elas não concordam sequer sobre o que todos estão discutindo.

A cena é hipotética, mas o salto lógico é preciso. Uma lista organizada para uma pessoa passa a funcionar, em sua interpretação, como retrato de muitas. O feed oferece textos, vídeos e comentários; quem o lê também procura indícios de um público. Quanto uma ideia circula? Quem a aceita? É possível discordar sem se isolar? Essas perguntas acompanham a leitura mesmo quando não aparecem formuladas. Decidimos o que dizer com alguma ideia de quem poderá ouvir.

Costuma-se discutir o poder dos algoritmos como capacidade de mudar convicções. Essa é uma questão indispensável e empiricamente difícil. Há, porém, outra: mudar a percepção das convicções alheias. Posso continuar pensando exatamente o que pensava ontem e passar a acreditar que quase todos perderam o juízo. Posso manter minha posição e concluir que ela se tornou impossível de defender em público. O conteúdo da minha opinião permanece; minha relação com a conversa se altera.

O problema político da personalização inclui essa diferença. Um sistema pode ser eficiente em descobrir o que me interessa e inadequado como instrumento para estimar o que interessa ao país. Isso não depende de haver uma conspiração em cada seleção. É uma questão de finalidade: selecionar uma sequência que me prende à tela e construir uma amostra representativa são tarefas distintas. A primeira não adquire as virtudes da segunda por trazer pessoas reais falando.

O tamanho do coro

Pense numa discussão local sobre uma linha de ônibus. Cem moradores publicam uma reclamação, um deles publica vinte vezes, uma associação compartilha as mensagens e um vídeo ganha circulação fora do bairro. Há vários fatos relevantes: o problema existe, algumas pessoas se mobilizaram, um assunto viajou. Nenhum desses fatos, sozinho, responde quantos moradores apoiam determinada solução. Publicações, pessoas, visualizações e preferências são quantidades diferentes.

Mesmo que todas as mensagens sejam autênticas, sua concentração pode sugerir uma unanimidade que não foi medida. Também pode revelar uma injustiça que uma pesquisa de opinião não captaria como prioridade. A circulação tem valor como acontecimento, como testemunho e como mobilização. O erro aparece quando ela é convertida, sem explicação, em outra espécie de evidência. Um vídeo visto muitas vezes não contém, oculto dentro do contador, um plebiscito.

É possível reconhecer isso abstratamente e continuar exposto ao efeito. Uma sequência apresenta cada publicação separadamente, mas a memória reúne as ocorrências: de novo esse assunto, de novo essa opinião. A repetição fornece uma sensação de prevalência. Quando pessoas de grupos diferentes recebem repetições diferentes, cada grupo pode tomar sua própria experiência como prova de que os demais ignoram o óbvio. A disputa passa a incluir uma acusação anterior ao mérito: você não está vendo o que está acontecendo.

Essa é uma hipótese sobre a leitura pública dos feeds, não um resultado que toda pesquisa disponível tenha confirmado. Para avaliá-la, convém separar três medidas que o debate costuma misturar: o conteúdo ao qual alguém é exposto, a opinião que essa pessoa declara e a opinião que ela atribui aos outros. Estudos que identificam uma mudança na primeira não demonstram automaticamente uma mudança nas demais. Estudos que não encontram uma mudança numa delas tampouco encerram todas as perguntas.

Quando mudar o feed não mudou a opinião

Um experimento publicado por Brendan Nyhan e colegas na Nature, em 2023, reduziu em cerca de um terço a exposição a fontes politicamente afins entre 23.377 usuários do Facebook, durante três meses em torno da eleição americana de 2020. A intervenção alterou o conteúdo visto, mas não produziu efeitos mensuráveis em oito medidas de atitude previamente especificadas, entre elas polarização afetiva e extremismo ideológico. Polarização afetiva, nesse contexto, diz respeito à distância entre os sentimentos dirigidos ao próprio grupo partidário e ao adversário.

Em outro estudo, de Andrew Guess e colegas, publicado na Science, participantes receberam feeds cronológicos no Facebook ou no Instagram durante três meses da mesma campanha. Houve mudanças substanciais na experiência de uso, mas não foram detectadas alterações significativas em medidas centrais como polarização e conhecimento político. Trocar a ordem de exibição não produziu a transformação de atitudes que uma versão simples da teoria das bolhas faria esperar.

Esses resultados precisam ter a força de contrariar uma intuição. Não basta observar um ambiente hostil, localizar nele um algoritmo e concluir que descobrimos a causa da hostilidade. Pessoas escolhem fontes, partidos e relações por razões que precedem uma sessão de navegação. Também recebem informação fora da plataforma. Uma intervenção numa parte da vida informativa não recomeça essa vida do zero.

Os resultados, por sua vez, têm um alcance delimitado. Referem-se a intervenções, participantes, medidas e períodos específicos. Não autorizam concluir que qualquer seleção automatizada seja politicamente inofensiva. A precisão consiste em aceitar o que o experimento efetivamente contradiz sem exigir que ele responda por situações que não estudou. Nem a hipótese alarmista nem a tranquilizadora recebe um passe livre.

Há ainda uma questão de acesso. Os dois trabalhos integraram uma colaboração entre acadêmicos e a Meta. No artigo de Nyhan e colegas, os autores informam que a empresa não podia impedir a publicação dos resultados e que as decisões analíticas cabiam à liderança acadêmica. Esse arranjo permite investigar aspectos inacessíveis a um observador externo, mas também merece escrutínio. Conhecer a colaboração é mais útil do que descartar os achados por associação ou recebê-los sem examinar o desenho.

E quando houve mudança

Um experimento de Germain Gauthier e colegas, publicado em fevereiro de 2026, estudou usuários americanos do X em 2023. A amostra principal reuniu 4.965 pessoas que completaram a pesquisa final, após cerca de sete semanas de atribuição aleatória a um feed cronológico ou algorítmico. Entre quem usava inicialmente o cronológico, mudar para o algorítmico deslocou opiniões em direção conservadora. Nas prioridades de políticas públicas, o efeito foi de 0,11 desvio-padrão, com intervalo de confiança de 95% entre 0,02 e 0,20: uma fração da dispersão observada, não uma porcentagem de eleitores convertidos. A troca contrária não apresentou efeitos comparáveis; não houve efeito significativo sobre identificação partidária ou polarização afetiva.

A assimetria exige cuidado: essas duas mudanças partem de grupos com histórias de uso diferentes. Não são a gravação de um único percurso que avançamos e rebobinamos. O estudo oferece evidência causal situada de influência política. Não estabelece que qualquer algoritmo leve qualquer população para a direita, nem permite transportar seus resultados diretamente para o Brasil. Também não converte uma opinião sobre um tema em mudança de voto. São desfechos diferentes, e a diferença faz parte do achado.

Os resultados de 2023 e 2026 não precisam ser arrumados numa disputa em que um estudo cancela o outro. Plataformas, épocas, participantes e intervenções diferem. Uma causa pode operar sob certas condições e não sob outras. A pergunta produtiva é quais condições importam. “O algoritmo” é um nome singular para decisões que podem selecionar, inserir, ordenar ou repetir conteúdos de maneiras bastante distintas.

Uma investigação publicada em maio de 2026 aproxima-se de outro nível do problema. No estudo de William Brady e colegas, dois mil participantes foram distribuídos aleatoriamente entre feeds construídos pelos pesquisadores no Bluesky, durante oito semanas em torno da eleição americana de 2024. Comparados aos cronológicos, feeds baseados em engajamento ampliaram conteúdo moralizado, emocional e tóxico e aumentaram a animosidade partidária percebida. Não alteraram significativamente os próprios comportamentos de engajamento dos usuários. Foi um experimento de campo com algoritmos específicos, cujo sistema está documentado pela equipe, não uma auditoria de todas as redes.

Esse último resultado ajuda a formular uma possibilidade com mais precisão: o mundo social pode parecer mais hostil sem que a pessoa passe a se comportar de modo mais hostil na medida observada. Não significa que nenhuma mudança posterior ocorrerá, nem demonstra que ocorrerá. Entre perceber, sentir, publicar e votar existem passos que precisam de evidência própria. Saltá-los torna uma narrativa mais dramática e uma explicação menos confiável.

Quem tem direito a aparecer

Há um contra-argumento político que a preocupação com feeds fragmentados precisa enfrentar. A conversa pública anterior às redes também era selecionada, e frequentemente por poucos. Uma primeira página compartilhada podia produzir uma referência comum à custa de excluir experiências inteiras. Grupos sem acesso aos grandes veículos ganharam meios de se encontrar, reunir documentos e contestar o que recebia o nome de interesse geral. Seria pobre defender a esfera pública por saudade de seus antigos porteiros.

Além disso, a visibilidade desproporcional pode ser justa. Uma minoria que sofre um dano grave não deve esperar tornar-se maioria para ser ouvida. A reclamação dos moradores sobre o ônibus pode merecer atenção ainda que a maior parte da cidade nunca use aquela linha. Confundir legitimidade com tamanho seria um erro tão grande quanto confundir tamanho com quantidade de publicações. Uma esfera pública decente precisa ouvir experiências que não são estatisticamente predominantes.

Por isso, a alternativa não é um feed que dê a cada posição exatamente a fração de espaço correspondente a seu número de adeptos. Um tal ideal transformaria a opinião existente numa regra de distribuição do futuro. Ideias novas, denúncias incômodas e causas ainda pouco reconhecidas começariam condenadas à margem. A visibilidade serve também para mudar o que as pessoas consideram relevante. Sua força política não cabe numa regra de proporcionalidade.

O que se pode exigir é que uma seleção não passe inadvertidamente por uma descrição do conjunto. Quero poder conhecer uma denúncia sem acreditar que ela é o único assunto do país. Quero poder encontrar uma posição minoritária sem que sua pouca popularidade a desqualifique. E quero distinguir a importância de ouvir alguém da alegação de que todos pensam como essa pessoa. Essa distinção preserva tanto a abertura do debate quanto a honestidade sobre seu tamanho.

Uma discordância que possa ser encontrada

A esfera pública não precisa que todos leiam a mesma coisa. Precisa de meios para que as divergências possam se encontrar em objetos reconhecíveis. Se duas pessoas discutem uma declaração, devem conseguir chegar à fala completa. Se disputam um número, devem conseguir localizar a fonte e sua abrangência. Se afirmam que uma posição cresceu, precisam dizer em qual população e por qual medida. Isso não produz concordância; permite saber melhor em que se discorda.

Uma fonte comum também pode mentir ou excluir. O documento oficial de uma disputa não ganha a última palavra só porque é fácil encontrá-lo; pode ser precisamente o que uma denúncia contesta. Tornar algo verificável significa permitir que se confronte o registro com o testemunho, que se investigue uma omissão, que se questione uma categoria. O benefício de um objeto comum está em poder atacá-lo de maneira precisa. Se a exigência de referência servir para impedir que alguém relate o que ainda não foi documentado, terá apenas construído outra porta fechada.

“A internet reagiu” é uma frase jornalística que esconde escolhas de amostragem sob a aparência de um sujeito coletivo. Uma reportagem pode informar que certas contas reagiram, quais foram os critérios para selecioná-las e por que sua reação interessa. Pode investigar uma mobilização sem fingir que contou o país inteiro. A precisão não exige neutralizar o conflito. Exige nomear quem está nele e como sabemos de sua presença.

Também há uma consequência para o desenho das plataformas: favorecer o acesso à origem de uma publicação, tornar reconhecíveis repetições do mesmo conteúdo e explicar melhor o universo de uma indicação de popularidade. São propostas para discussão, não soluções cuja eficácia esteja demonstrada pelos experimentos citados. Elas procuram reduzir uma confusão específica: tomar o que apareceu muitas vezes diante de mim como medida do que existe fora de mim.

Nenhum botão pode fabricar sozinho a confiança entre adversários. As condições materiais da disputa, os interesses e as desigualdades continuam lá. Mas tampouco precisamos aceitar como destino que cada participante entre no debate carregando uma multidão imaginada como testemunha. A expressão “todo mundo sabe” pede uma população que o feed, por si, não tem como fornecer.

De volta à mesa, as duas pessoas ainda discordam. Uma mostra o vídeo; a outra pede a gravação inteira. Descobrem que as quinze publicações de um lado reproduziam a mesma fala e que, do outro, várias respondiam a um corte dela. Nada garante que se convencerão. Mas a conversa ganhou um objeto que cabe entre os dois celulares. Pela primeira vez naquela manhã, há algo ali que ambos podem apontar.

Fontes e leituras

• Brendan Nyhan e colaboradores, “Like-minded sources on Facebook are prevalent but not polarizing”, Nature, 620, 2023, pp. 137–144. Experimento durante a eleição americana de 2020.
• Andrew M. Guess e colaboradores, “How do social media feed algorithms affect attitudes and behavior in an election campaign?”, Science, 381, 2023, pp. 398–404. Resumo na instituição de um dos autores; artigo e DOI.
• Germain Gauthier, Roland Hodler, Philine Widmer e Ekaterina Zhuravskaya, “The political effects of X’s feed algorithm”, Nature, 652, 2026, pp. 416–423. Publicado em 18 de fevereiro de 2026; experimento de 2023.
• William J. Brady e colaboradores, “Redesigning algorithms to intervene on social norm misperceptions during a national election”, Nature, 655, 2026, pp. 942–956. Publicado em 27 de maio de 2026; estudo em torno da eleição americana de 2024, com protocolo aceito previamente como Registered Report.