Por que parece que todo mundo está brigando no seu feed

Você passou dez minutos no aplicativo e saiu cansado de um país inteiro. A mesma briga apareceu vinte vezes, os insultos pareciam não acabar e até quem comentava o exagero ajudava a mantê-lo na tela.

Nessa cena imaginada, ainda falta uma conta: quantas pessoas diferentes você ouviu? Vinte publicações podem vir de vinte autores, de três pessoas discutindo sem parar ou de gente repetindo a mesma mensagem. O cansaço é real. A multidão talvez seja menor do que parece.

A diferença aparece numa pesquisa real: em 2019, os 10% mais ativos entre os usuários adultos americanos do Twitter produziam 80% das publicações. Os outros 90% dividiam os 20% restantes. Se cada mensagem valesse um voto sobre o estado de espírito do país, algumas pessoas votariam o dia inteiro.¹

Essa desigualdade existe antes de o aplicativo escolher o que mostrar primeiro. Feed é o nome da sequência de publicações que aparece na tela; algoritmo, neste caso, é o conjunto de regras usado para selecionar e ordenar essa sequência. Mesmo um feed que mostre as mensagens pela hora da postagem dará mais espaço a quem publica muito. A ordem pode ser neutra em relação ao assunto e continuar desigual em relação às pessoas.

Concentração de publicações no estudo de 2019, entre usuários adultos dos Estados Unidos. Fonte: Pew Research Center. Gráfico: Revista Busleyden.

Além de ampliar algumas vozes, a tela pode sugerir que os outros aprovam o que elas dizem. Esse segundo engano é mais difícil de perceber: não basta contar os autores das mensagens. Precisamos descobrir o que os leitores imaginaram a respeito de quem ficou em silêncio.

Parece que os outros aprovam

Durante oito semanas em torno da eleição americana de 2024, pesquisadores distribuíram aleatoriamente 2 mil usuários do Bluesky, rede social de mensagens curtas, entre três maneiras de receber publicações. Todos se identificavam com um dos dois principais partidos dos Estados Unidos, Democrata ou Republicano. Um grupo viu mensagens por horário; outro, por uma seleção voltada a engajamento, a chance de provocar curtidas e outras reações; o terceiro recebeu uma seleção que reduzia a influência de usuários extremos e de conteúdo tóxico.²

O feed de engajamento mostrou mais conteúdo político hostil. Seus leitores passaram a perceber mais hostilidade entre os campos políticos e a subestimar quanto os demais desaprovavam publicações tóxicas. A tela piorou a imagem que tinham dos outros.

Na maneira de publicar, curtir ou compartilhar, porém, não apareceu uma mudança estatisticamente significativa. O teste não encontrou evidência suficiente para atribuir à ordenação uma alteração desses comportamentos. A pessoa podia achar a conversa pública mais agressiva e continuar agindo de modo parecido.

O terceiro feed reduziu a exposição a conteúdo tóxico e manteve comparável o prazer relatado pelos participantes ao usar a plataforma. A alternativa menos hostil não precisou ser uma experiência sem graça. Eram ordenações preparadas para o estudo, não uma avaliação de tudo o que o Bluesky oferece.²

Pense numa reunião em que duas pessoas falam alto enquanto as demais se calam. O barulho é observável; a concordância dos silenciosos, não. No feed, ainda falta a visão da sala: nem sabemos quantas pessoas ouviram a conversa e foram cuidar de outra coisa.

O algoritmo sai; as contas que você seguiu ficam

Desligar as recomendações parece uma forma simples de sair dessa sala. Um estudo feito em 2023 no X, o antigo Twitter, encontrou uma dificuldade: a experiência anterior pode continuar na lista de contas que você segue.

Entre pessoas que começaram vendo mensagens por ordem cronológica, ativar a seleção algorítmica deslocou opiniões sobre temas políticos em direção mais conservadora. Entre quem já usava recomendações, desligá-las não produziu uma mudança inversa equivalente. O experimento acompanhou quase 5 mil pessoas por cerca de sete semanas.³

Os pesquisadores encontraram um caminho para essa persistência: as recomendações levavam usuários a seguir contas de ativistas conservadores, e parte das novas conexões permanecia depois da troca de configuração. A ordenação voltava ao horário. Os convidados já tinham entrado.³

É fácil reconhecer o mecanismo fora da pesquisa. Você descobre uma conta recomendada e decide segui-la. Depois desliga a recomendação. A conta fica. Voltar à configuração anterior não é voltar à situação em que nunca a encontrou.

Nesse teste, mudaram opiniões e a importância atribuída a certos assuntos; não houve mudança significativa em identificação partidária ou antipatia pelo campo adversário. Os resultados descrevem efeitos específicos, não uma conversão política inteira.

Isso não significa que qualquer alteração da tela transforme opiniões. No Facebook, uma intervenção em torno da eleição americana de 2020 reduziu em aproximadamente um terço a exposição a fontes politicamente próximas dos participantes. Durante três meses, o conteúdo mudou; as oito medidas de atitude definidas antes do teste não apresentaram alterações detectáveis.⁴

Não há uma resposta única escondida nesses testes. No Bluesky, a seleção alterou a impressão sobre os outros; no X, houve mudanças em opiniões e nas contas seguidas; no Facebook, a redução das fontes próximas não produziu alterações detectáveis nas atitudes medidas. É possível melhorar uma conversa na tela sem transformar imediatamente as convicções de quem a acompanha.

Uma mudança no conteúdo visto, na opinião própria ou na percepção dos outros precisa ser demonstrada na medida correspondente. Esquema: Revista Busleyden.

Antes de contar o país, conte a conversa

Volte àquela sequência de vinte publicações. Antes de tomar o barulho como retrato do país, abra a mensagem de origem: os nomes se repetem? O número em destaque conta pessoas, mensagens ou visualizações? Alguém selecionou cinco comentários indignados para mostrar numa captura de tela?

Uma mensagem muito vista pode ter atraído apoiadores, curiosos e adversários. Uma denúncia pode ser verdadeira e grave mesmo quando quase ninguém a conhece. Conferir o fato e estimar quantas pessoas concordam com ele são trabalhos diferentes.

Os estudos americanos não fornecem uma porcentagem pronta para o Brasil. Ajudam a reconhecer passagens que o aplicativo torna fáceis: de muitas mensagens para muita gente; de muita exposição para aprovação; de uma configuração nova para a impressão de que tudo começou do zero.

Talvez você volte à discussão e continue achando os comentários intoleráveis. Mas agora consegue identificar quem os escreveu. Os demais ainda não foram ouvidos — inclusive quem fechou o aplicativo, como você, porque não queria passar o dia naquela briga.

Notas e fontes

1. Pew Research Center, Sizing Up Twitter Users, 24 de abril de 2019. O usuário mediano publicava duas vezes por mês; entre os 10% mais ativos, a mediana era 138. Mediana é o valor que divide um grupo ordenado em duas metades. Os números descrevem aquela população e período, não a distribuição brasileira atual. ↩

2. William Brady e colaboradores, estudo publicado na Nature em maio de 2026; apresentação oficial dos resultados pela Northwestern University. Foram recrutados 2 mil usuários dos Estados Unidos, acompanhados por oito semanas. A descrição dos resultados e do desenho do teste se apoia na apresentação oficial da universidade. ↩ ↩²

3. The political effects of X’s feed algorithm, Nature, fevereiro de 2026. Amostra principal de 4.965 participantes, cerca de sete semanas. A ativação aumentou em 4,7 pontos percentuais a probabilidade de priorizar temas importantes para republicanos; efeito agregado sobre opiniões de 0,12 desvio-padrão. Não houve mudança significativa em identificação partidária ou polarização afetiva. Os autores examinam a persistência de conexões com ativistas conservadores após a troca de configuração. ↩ ↩²

4. Estudo publicado na Nature em 2023 sobre redução de fontes politicamente semelhantes no Facebook. Intervenção de aproximadamente três meses, com oito medidas de atitude previamente definidas. O resultado não autoriza concluir que qualquer mudança de feed seja incapaz de influenciar opiniões. ↩