Um estudo publicado na revista científica PLOS One está deixando o universo da comunicação, da tecnologia e da política em alerta. Liderado por Ronja Thelen-Rönnback, doutoranda na Tilburg University e integrante do Tilburg Algorithm Observatory, a pesquisa revela algo que muitos suspeitavam, mas poucos conseguiam provar de forma concreta e em larga escala. O viés político presente na mídia digital é muito mais profundo, sofisticado e estruturado do que aparenta.
Diferente dos métodos tradicionais, que dependem da análise manual feita por especialistas — lenta, limitada e, ironicamente, também sujeita a vieses — este estudo desenvolveu um modelo de inteligência artificial capaz de mapear, classificar e explicar os vieses políticos presentes em milhares de portais de notícias ao redor do mundo.
O ponto de partida foi a análise de centenas de milhares de artigos de 2022, todos extraídos do banco de dados Global Database of Events, Language, and Tone (GDELT), uma das maiores plataformas de monitoramento de notícias globais. A ambição dos pesquisadores? Desvendar não apenas o que está sendo dito, mas o que não está sendo dito. Além disso, também mensurar, quantas vezes certos temas aparecem e até como elementos visuais contribuem para a construção de uma narrativa enviesada.
Por Dentro Da Arquitetura Oculta Do Viés Político na Mídia
Os pesquisadores encontraram como primeiro desafio transformar dados brutos em informações estruturadas. Cada artigo no GDELT recebe etiquetas temáticas — desde assuntos como crime, imigração e economia, até pautas ambientais e de direitos civis. Esses temas, aliados a metadados como tom emocional, contagem de palavras e presença de imagens ou vídeos, foram transformados em indicadores mensuráveis de viés.
A metodologia adotada não se limitou a detectar palavras sensacionalistas ou manchetes tendenciosas. Ela foi muito além. Foram mapeadas três grandes categorias de viés: viés de tom (quando a carga emocional do texto é manipulada), viés de seleção (quando determinados temas são sistematicamente ignorados ou supervalorizados) e viés de tamanho(quanto espaço e destaque cada tema recebe).
Além disso, para garantir precisão, os pesquisadores limparam o ruído dos dados e filtraram temas muito obscuros ou pouco recorrentes. Dessa forma, chegaram a um total robusto de mais de 500 temas e quase 7 mil variáveis analisadas por domínio de notícia. Essa riqueza de dados permitiu observar, por exemplo, como veículos conservadores priorizam crimes, imigração e segurança. Por outro lado, veículos progressistas dão mais espaço para pautas como justiça social, meio ambiente e desigualdade.
Quando A Inteligência Supera O Lugar-Comum
Na construção do modelo, os pesquisadores foram além dos algoritmos tradicionais. Testaram redes neurais, máquinas de vetor de suporte (SVM), AdaBoost, XGBoost e até grandes modelos de linguagem como GPT-4o-mini e LLaMA 3.1. O resultado? Um verdadeiro banho de água fria no hype em torno dos LLMs. Modelos como GPT-4o-mini se mostraram pouco eficazes nessa tarefa, frequentemente rotulando a maioria dos portais como “imparcial”, comportamento equivalente a um chute estatístico.
O destaque absoluto foi para a rede neural desenvolvida pela equipe, que, ao combinar todas as variáveis — tom, presença de imagens, quantidade de artigos sobre certos temas e mais — atingiu 76% de acurácia e um AUC de 81%quando comparada com as classificações humanas do Media Bias Fact Check. Isso representa quase o dobro da precisão do modelo baseline, que simplesmente escolhia a categoria mais comum.
Curiosamente, quando os pesquisadores treinaram o modelo apenas com dados tradicionais de tom e linguagem, seu desempenho caía. O salto de performance só acontecia quando se adicionavam indicadores estruturais, como cobertura temática e presença midiática. Assim, provando que o viés não está apenas nas palavras… mas também nos silêncios.
As Feridas Que A Mídia Não Quer Que Você Veja
Usando uma técnica chamada SHAP (Shapley Additive Explanations), os pesquisadores conseguiram abrir a famosa “caixa preta” da inteligência artificial. Pela primeira vez, foi possível entender não apenas o que o modelo estava classificando, mas por que fazia isso.
O estudo revelou que temas como porte de armas, fraude eleitoral, imigração e regulação ambiental foram os maiores preditores de viés. Um exemplo contundente foi o portal Breitbart, classificado como de direita devido à alta frequência de reportagens negativas sobre crime, cartéis e violência. Por outro lado, o The Guardian foi corretamente identificado como de esquerda, com forte ênfase em desigualdade social, meio ambiente e direitos civis.
Até temas inesperados, como desastres naturais ou saneamento, surgiram como relevantes — uma descoberta que nem os próprios especialistas sabem explicar completamente, mas que evidencia como a construção do viés é mais difusa, complexa e muitas vezes inconsciente até mesmo para quem o produz.
O Debate Inesperado Sobre Viés Político na Mídia
Um dado desconcertante surgiu na comparação entre os dois principais sistemas de rotulagem usados no estudo, pois apenas 46% dos veículos analisados receberam o mesmo rótulo de viés quando comparados os dados do Media Bias Fact Check com os dados inferidos pelo comportamento de usuários no Twitter. Essa taxa de discordância é um sinal claro de que até os mecanismos tradicionais de medição de viés — feitos por humanos — estão longe de serem consensuais.
Quando se compara dois serviços profissionais de checagem humana — Media Bias Fact Check e AllSides — a taxa de concordância sobe, mas apenas para 57%. Isso levanta uma questão perturbadora: se nem os humanos conseguem concordar sobre onde está o viés, como podemos confiar no que consumimos diariamente?
A resposta da pesquisa é contundente: a inteligência artificial, quando bem construída e calibrada, pode sim ser uma aliada poderosa na detecção de padrões ocultos, operando em uma escala impossível para analistas humanos — e, muitas vezes, revelando vieses que passam despercebidos.
Será que a Mídia Nunca Mais Será a Mesma?
Os pesquisadores deixam claro que este é apenas o começo. Embora o modelo atual tenha usado a clássica divisão esquerda-direita, a metodologia permite adaptações para diferentes realidades políticas e culturais. Mais que isso: a equipe já planeja expandir o sistema para mapear desinformação, confiabilidade e até manipulações nos próprios mecanismos de busca, que hoje são a principal fonte de informação para bilhões de pessoas.
A mensagem é cristalina: os algoritmos que moldam sua percepção do mundo estão longe de serem neutros. E se você achava que viés político na mídia era um problema menor… talvez precise rever essa crença.
