Notas da comunidade do X reduzem envolvimento e expansão de conteúdo falso, revela estudo

A rápida anexação de notas da comunidade na rede social X reduz o envolvimento e a expansão de conteúdo falso, concluiu um estudo da Universidade da Washington, Estados Unidos da América (EUA).

O estudo em questão identificou 40.078 publicações para as quais foram propostas notas de contexto, tendo concluído que a anexação destas "reduz significativamente o envolvimento e a difusão de conteúdo falso".

Depois de serem anexadas, as notas resultam em reduções médias de 46,1% nas republicações, 44,1% nos gostos, 21,9% nas respostas e 13,5 nas visualizações.

As publicações que contam com estas notas na plataforma obtêm menos engajamento e são menos propensas a se tornaram virais, com 'likes' e republicações a cair 44% e 46%, respetivamente.

"Uma vez que uma nota é anexada, as publicações recebem significativamente menos republicações, gostos, respostas e visualizações", lê-se no documento.

No entanto, os investigadores descobriram que, para que as notas da comunidade sejam eficazes, precisam de ser adicionadas rapidamente, sendo mais eficazes em conteúdo manipulado, como fotos e vídeos falsos, do que em publicações baseadas em texto.

Apesar disto, outros estudos anteriores afirmavam que as notas da comunidade não conseguiam moderar o conteúdo mais polarizador, colocando potenciais riscos ao discurso cívico e processos eleitorais.

Nesta perspetiva, um estudo da Universidade de Paris revelou que as notas da comunidade da rede social X captam eficazmente a principal dimensão polarizada de cada país, contudo não conseguem por conceção, moderar o conteúdo mais polarizador, colocando potenciais riscos ao discurso cívico e aos processos eleitorais.

Em junho, a Lusa noticiou que a rede social de Elon Musk iria permitir que a Inteligência Artificial (IA) escreva notas da comunidade, através de um programa-piloto que pretende "acelerar a velocidade e a escala" das notas da comunidade.

Na altura, a rede social explicou que as notas de IA serão regidas pelo mesmo padrão que as restantes notas e serão devidamente identificadas para os utilizadores, pelo que estas apenas ficarão visíveis em mensagens solicitadas pelas pessoas.

Este modelo de notas da comunidade também foi aplicado pela Meta (Facebook, Instagram e WhatsApp) permitindo que os próprios utilizadores adicionem informações e contexto a publicações públicas, embora nem todas as notas fiquem automaticamente visíveis, sendo idêntico ao já utilizado na rede X.

O estudo da Universidade de Washington, nos EUA, procurou examinar o impacto das notas de verificação de conteúdos na forma como os utilizadores interagem com as publicações.