A Mudança de Agenda dos Protestos no Brasil


Mais alguns dados sobre os protestos que estão acontecendo em todo o Brasil. Ontem peguei várias hashtags que emergiam a todo o momento no Twitter e coletei algo como 50 mil tweets. Por que coletei as hashtags? Porque são o indício de organização da narrativa na manifestação que temos. Ao usar uma hashtag para publicar um tweet, o tweet é marcado como parte da narrativa desses protestos. Então o meu método foi organizar as frequencias das palavras nesses diferentes datasets através do NodeXL, filtrar o dataset para pronomes, preposições e alguns elementos menos relevantes (como RT e @s e, é claro, a própria hashtag, porque ela obviamente é a palavra com maior frequência) depois plotar a tagcloud no Wordle

Comparativos:
Tagcloud das 150 palavras mais frequentes no protesto do dia 13 de junho, hashtag #passelivre (Dataset do dia 14/06, 3 mil tweets). (Clique na imagem para ver em tamanho maior.)

passelivre142.jpg
Tagcloud das 150 palavras mais frequentes no protesto do dia 14 de junho, hashtag #protestorj (Dataset do dia 16/06, 19h 5600 tweets). (Clique na imagem para ver em tamanho maior.)

protestorj.jpg

Tagcloud das 150 palavras mais frequentes a partir da hashtag #sp17j (Dataset do dia 17/06 20h, 12 mil tweets). (Clique na imagem para ver em tamanho maior.)

sj17jsemtag.jpg

Tagcloud das 150 palavras mais frequentes a partir da hashtag #vemprarua (Dataset do dia 17/06, 21h, 10 mil tweets).(Clique na imagem para ver em tamanho maior.)

vempraruasemtag.jpg

Tagcloud das 150 palavras mais frequentes a partir da hashtag #EVerasQueUmFilhoTeuNãoFogeALuta (Dataset do dia 18/06, 07h, 8 mil tweets)

everasqueumfilhoteu18.jpg
Vale a pena observar as diferenças entre as principais palavras que aparecem nas tagclouds, bem como a substituição das palavras referentes às demandas variadas por palavras de ordem contra o Estado. O protesto que começa contra as tarifas, por um transporte público de maior qualidade vai sendo ampliado e torna-se um protesto contra todas as coisas que incomodam as pessoas (como a falta de investimento em serviços básicos, a Copa, a corrupção e etc.). Claro que esses dados são absolutamente limitados, até porque pegam principalmente aqueles que se manifestam no Twitter e usando as hashtags. Mas creio que oferecem algumas evidências para pensar as manifestações. 

ARS: A Escalada dos Protestos no Brasil


raquel.23.banner.jpgDesde sexta-feira vemos uma escalada nos protestos que começaram focados contra o aumento das tarifas de ônibus em São Paulo. O protesto não é novo, já aconteceu em Porto Alegre há alguns meses. Entretanto, desta vez, os protestos estão escalando e escalando num nível bastante impressionante. Hoje e durante a semana, há uma agenda de protestos em várias cidades brasileiras.

Eu, o Fábio Malini e o Marco Toledo Bastos começamos a discutir isso na sexta, numa conversa que começou no Twitter e depois migrou. Passamos a coletar os dados conjuntamente, analisar e discutir um pouco o que estava acontecendo. O Malini já fez um belo post discutindo o que aconteceu em São Paulo no dia 13. Eu escrevi um resuminho para o Digital Media and Learning

Ao que parece, a escalada dos protestos deve-se simplesmente à violenta repressão, narrada ao vivo nas e pelas redes sociais dos manifestantes em São Paulo e ontem, no Rio de Janeiro. Os inúmeros relatos, vídeos, fotografias e mensagens acabaram sendo a faísca que faltava para criar uma mobilização de grandes proporções. O que eu vou tentar fazer aqui é mostrar algumas evidências disso. A rede de pessoas falando/preparando os protestos, o número de hashtags utilizadas, os públicos que passaram a mobilizar-se na mídia social agora são muito mais heterogêneos. Há várias causas e não apenas uma. Há vários motivos. Mas o vilão é um só: o Estado. 

Vejam, por exemplo, a mudança das hashtas que representam o protesto e que são mais narrativas (#sp13j, #passelivre, #protestosp) e etc. por hashtags com palavras de ordem (#todarevolucaocomecacomumafaisca, #vemprarua, #hackeiaG1, #abaixoredegloboopovonaoebobo e etc.). Vejam que ontem o Twitter amanheceu com apenas dois TTs de protesto. Hoje, depois dos eventos do Rio ontem, há um aumento dessas tags.

TTs16060907.jpg
tts17060724.jpg


(A esquerda, TTs Brasileiros do dia 16/06, as 09. A direita, os mesmos no dia 17/06, as 08.)

Vejam a diferença no uso das hashtags mais emergentes x mais narrativas dos movimentos (mapa criado via Topsy):
hashtagscomparatiba.jpg
(Clique na imagem para ver em tamanho maior)

Agora os grafos. Vejam por exemplo, como começaram as movimentações em torno da hashtag #passelivre no Twitter na sexta-feira, antes do protesto na Paulista. Observem a participação e o formato da rede. É uma rede mais clusterizada, onde há um centro de indivíduos comentando e tomando parte na movimentação. É uma rede com 457 atores e 2196 tweets que os conectam. (Clique na imagem para ver em tamanho maior.)

passelivreimagem.png


A seguir, a palavra "protesto" está nos TTs. Vejam o que acontece com a participação na conversação: Não há mais um único centro, um único grupo, mas um monte de atores participando do assunto. Há uma escalada na conversação. A rede passa a ter 3899 atores e 4219 tweets. (Clique na imagem para ver em tamanho maior.)

protesto1406.png


Tag #ProtestoRJ
Agora vejamos o que acontece com o protesto no Rio. A tag começou a aparecer pouco antes do jogo. Vejam a evolução da conversação conforme as notícias a respeito da violência na repressão vão se espalhando. O primeiro mapa começou a ser montado no meio do jogo, por volta de 17h. Temos 3006 nós e 3721 tweets. Na periferia, temos os indivíduos que apenas tuitaram usando a tag. No centro, os atores que repassaram tweets e que mencionam outros atores na conversação. A média do coeficiente de clusterização é 0,007 (o quanto a rede está interconectada). (Clique na imagem para ver em tamanho maior.)

protestosrj18connected.png

Logo a seguir começam as notícias da violência. Vejam o que acontece com a rede. Perto das 19h já são mais de 4870 nós e 6674 tweets. As cores representam os clusters. A média do Coeficiente de Clusterização passa a 0,008. As conversações se descentralizam, as notícias são rapidamente repassadas. Não há mais centros. Há inúmeros relatos circulando, inclusive, de censura de informações pela televisão, o que parece indignar ainda mais gente. Há uma maior densidade das narrativas. (Clique na imagem para ver em tamanho maior.)

grafoprotestorj16061820.png

Essa descentralização e a popularização das hashtags parecem sugerir que há uma participação cada vez maior das pessoas na mobilização (comparem com a primeira hashtag descritiva, do #passelivre) e uma tendência a que essa conversação atinja também outras redes, e que se torne menos homogênea (como no primeiro mapa). Ou seja, a movimentação parece perder uma homogeneidade de centro do protesto (contra as tarifas de ônibus) e parece pluralizar várias reivindicações e indignações (Copa, falta de hospitais e saúde pública, tarifa, rede globo e a manipulação da informação e etc.). O movimento assemelha-se ao que vimos dos Indignados na Espanha, atingindo grupos sociais diferentes daquele inicial. E ao que parece, quanto piores os relatos que chegam dos protestos, mais material sobre eles se encontra na Rede. A hashtag #ProtestoBH, por exemplo, referente as narrativas do mesmo protesto que aconteceu em Belo Horizonte, quase não tem repercussão (menos de 500 tweets) e na maioria, os relatos são referentes ao quao tranquila foi a manifestação. Em compensação, a hashtag do protesto no Rio tem um eco muito maior, principalmente relacionado aos relatos de violência. 

Hoje teremos mais protestos. Esperemos que as narrativas concentrem-se na tranquilidade das manifestações e que seja realmente um ato pacífico.

(Todos os mapas deste post gerados com o NodeXL.)

Conflito de audiências e a fraqueza do Facebook


grupos-conectados.jpgNossas redes sociais, no cotidiano, nas nossas vidas, são separadas por "locus". Para cada lugar, cada ambiente onde estamos, temos expectativas de ações e modos de apresentação diferentes. Assim, no trabalho, temos uma rede social que nos conhece (em sua maioria) naquele ambiente, dentro dos modos de apresentação que são esperados naquele espaço. Os amigos, por outro lado, estão mais relacionados ao lazer e a outros modos de apresentação. A família também. E assim por diante. Em nosso cotidiano, portanto, separamos as redes sociais também de acordo com os modos de apresentação que temos em cada uma delas. "Amigos" ou "conhecidos" do trabalho podem jamais se interseccionar com aqueles dentro do grupo "família" ou mesmo dentro do grupo "amigos de infância". Ou com os "amigos" ou "conhecidos" da academia.

Entretanto, nos sites de rede social, como o Facebook, essas fronteiras entre os grupos sociais tendem a desaparecer. Como há um único "locus" de interação, tendemos a misturar todas as redes que, offline, estão separadas. Como é difícil atuar nos diferentes modos de apresentação, tendemos a imaginar uma audiência única (os "amigos", por exemplo) e adotar aquele modo. O problema é que esses modos podem entrar em conflito porque as audiências, as redes que estão conectadas ali não são separadas. Assim, estar no modo "amigos de infância" diante do seu chefe pode não ser a melhor idéia do mundo. Ou publicar aquelas fotos do churrasco do final de semana, onde você passou muito mal, para os "conhecidos" do trabalho tb. 

É por isso que uma das tendências importantes nos sites de rede social é possibilitar a fragmentação dessas redes. No caso do Facebook, ele permite que você separe as audiências e publique só determinados conteúdos para cada uma. Mas é uma divisão fraca porque esses conteúdos podem ser repassados por essas audiências para outros e dá um trabalho imenso fazer essa separação. Muitas pessoas, inconsciente ou conscientemente, fazem essa divisão através da apropriação: Adotam uma determinada ferramenta para conversar com os amigos, outra para o trabalho, outra ainda, para a família. É por isso que a conversação migra. É muito difícil um único espaço conseguir manter todos os seus grupos sociais em contato, como é o caso do Facebook. A tendência é que, com os problemas, e com a experiência, as pessoas vão separando essas redes e os espaços de conversação. (Desde "desligar" o chat, até passar a usar ferramentas substitutas para cada grupo.) E com isso, os espaços "unicos" acabem perdendo audiência e tempo de conexão nele. 

Na minha opinião, essa é a principal fraqueza do Facebook hoje. Como o seu crescimento no Brasil é relativamente recente, os primeiros problemas e conflitos entre os modos de apresentação nas diferentes redes começam a surgir. É o caso do promotor do RJ que resolveu desabafar sua raiva por estar parado no trânsito no Facebook (provavelmente imaginando essa audiência como aquela de um grupo de amigos); ou das soldados israelenses que foram punidas por suas fotos "sensuais" no Facebook, ou mesmo do assaltante que foi preso porque se exibia no Facebook. Em todos os casos, há um conflito de audiências (seja para o bem ou para o mal). Não há uma clara compreensão de quem é a audiência nesse espaço, onde todas as redes se misturam. Aquilo que você diria para seus amigos num bar pode não ser ok quando publicado no Facebook, onde diferentes audiências vão interpretar sua fala sob os seus diferentes modos de apresentação. 

Em parte, é por isso que muitos adolescentes brasileiros também buscam outros espaços de interação, como o WhatsApp, o Twitter e mesmo, mensageiros como o GTalk. E também parte de outras evidências a respeito da "saída" dos adolescentes do Facebook em todo o mundo. Eles estão entre os primeiros a perceber os conflitos de audiência, porque fazem um uso mais frequente dessas ferramentas. 


Concurso para professor do PPGL/UCPel


Link para o edital em PDF  - http://gsi.ucpel.tche.br/uploads/editais/c3f11a2d6ac791b4f7dd629c744e9f32.pdf

ARS: Compós 2013/ GT de Cibercultura - Grafos


Não fui na Compós este ano novamente, mas coletei alguns dados do Twitter sobre o evento como já fiz em outros anos. O evento acontece desde ontem e termina amanhã. Entretanto, ontem e hoje aconteceram os principais eventos nos grupos de trabalho (GTs). Este ano, achei a participação no Twitter bem modesta, apesar do streaming da apresentação de todos os trabalhos no GT de Cibercultura. Ainda assim, como quem me lê aqui sabe, eu adoro perceber as interconexões das conversações nos dados e acho que há várias coisas interessantes que podemos ver, sobre o evento, nestes aqui.

Então, sem maiores delongas, vamos aos dados:

1) #Compós2013 
Crawleei por tweets que continham a hashtag oficial. Fora dela, muito ruído. Foram 210 tweets com a hashtag e 86 nós participando neste dataset.

Quais outras hashtags mais apareceram? (Dá para ter uma idéia dos GTs mais citados)
GTCiber (59), GtJornalismo (33), GTCidadania (9), GTEpistemi (6), GTinteração, GTSociabilidade e GTMidias (4) (outros com menos presença). Detalhe: Era preciso ter as duas hashtags (#compos2013 e a do GT no mesmo tweet).

Quem foi mais mencionado neste dataset?
Na ordem: @erickfelinto (18), @antounh (15), @falc4o (11), @trasel @alemaia e @jmessias (8), @gabizago (7), @fabiomalini (6) e @tattiana (5).

A seguir, o grafo separado por grupos de clusters -atores que se referenciaram de alguma forma usando a hashtag na conversação (clique na imagem para ver maior):

compowsfinal.png
E ainda, o cluster com os influenciadores mais centrais (clique na imagem para ver maior):

compowsfinalcluster.png


2) #GTCiber
Crawleei pela hashtag e, portanto, apenas os tweets que a continham. Foram 331 tweets e 57 participantes da conversação. Como foi um GT com muita discussão também online, muita gente tuitou bem mais do que apenas uma vez. 

Quem foi mais citado nos tweets que usaram a hashtag? 
Na ordem: @antounh (50 menções), @falc4o (36 menções), @jmessias (33 menções), @fabiomalini e @compos2013 (empatados c/ 27 menções), @suely_ (23), @erickfelinto (14), @alemaia (13) e empatadas em último, @raquelrecuero e @letsperani (9 cada).

Quem mais tuitou usando a hashtag?
Na ordem: @antounh (23), @compos2013 (18), @falc4o (16), @fabiomalini e @jmessias (13), @erickfelinto (10), @vitorbragamg (9), @alemaia e @raquelrecuero (7) e @letsperani (6).

O grafo (clique na imagem para ver maior):

gtciberfinal.png

Fenadoce - Grafos e análise de Tweets


logofenadoce.jpgBrincando de analisar mais algumas conversações, coletei tweets que se referenciavam a um evento que vai acontecer, desta vez a Fenadoce (a Feira Nacional do Doce) que acontece aqui na minha cidade. Como o evento começa na próxima semana, achei que era interessante tentar observar um pouco da expectativa e das percepções em cima dos tweets. Como sempre, usei o NodeXL para coletar e plotar os grafos. 

A primeira imagem é a dos grupos que conversaram nos tweets coletados, a respeito do evento. Estão agrupados por cluster. O cluster azul está principalmente composto pelos veículos "oficiais" de divulgação e imprensa. Os tweets estão mais focados na divulgação do evento e em notícias do mesmo. O cluster vermelho, por outro lado, são pessoas dizendo que querem ir para a feira. O grupo laranja também anuncia que vai, mas está discutindo as atrações. Os grupo rosa e verde também citam atrações, mas combina entre si de ir. Os demais tweets vão citando o evento de alguma forma, mas sem criar/compartilhar conversações. (Clique na imagem para ver maior.)

fenadocegrupos.png
A seguir, o grafo só com as conversações (RTs e menções). Novamente, com os mesmos grupos aparecendo. Curiosamente, há uma imensa quantidade de usuários muito jovens falando da feira, conjuntamente com veículos e canais oficiais. (Clique na imagem para ver maior.)

fenadocegruposconversas.png
Quem são os usuários mais mencionados no grafo? Primeiro, é claro, @fenadoce. Depois @pelotas_rs_. Depois, com um número menor de menções, @giovananolasco, @vivih_oliveira_, @hellenavila, @laurarecart. 

E quais são aqueles que mais influenciaram suas redes a conversar/repassar informações sobre a Fenadoce? @DiarioPopularRS (37) e @fenadoce (25).  

E sobre o que as pessoas estão falando quando citam a Fenadoce? A tag cloud a seguir mostra as 100 palavras que mais apareceram nos tweets. (Clique para ver maior.)
words.jpg




Big Data: Apontamentos e Limitações


big-data.jpgA última palavra da moda em pesquisa é um termo que você talvez já tenha ouvido: "Big Data". Há toda uma gama de pesquisadores de todo o mundo interessadíssimos no que parece ser a grande novidade em termos de dados, proporcionada principalmente pelo advento das ferramentas de Comunicação Mediada por Computador. Mas o que é isso? 

"Big Data" se refere à imensidão de dados sobre indivíduos e grupos que hoje são gerados na Internet por esses atores. Imaginem que, durante anos e anos, as chamadas ciências sociais e humanas que se preocupavam com o comportamento/ações humanas tinham um grande problema: a subjetividade da coleta de dados. Ou seja, coletar dados de pessoas sempre foi um problema para a pesquisa. Pessoas mentem, inventam, são subjetivas e, o "pior", esses dados ainda eram "traduzidos" pelo pesquisador. Análise de redes sociais, por exemplo, era feita como no tempo do Moreno: perguntando às pessoas. Eis que com a Internet, centenas de milhares de pessoas passaram a criar e e espalhar "rastros digitais". Passaram a deixar por aí registros de suas falas, seus gostos, seus pensamentos, seus amigos e etc. Centenas de milhares de dados passaram a ser gerados e publicados por todos nós. E o uso desses dados é o que "Big Data" se refere. É a primeira vez na História que cientistas têm acesso a dados brutos humanos "não subjetivos" e que essas análises podem ser feitas de forma quantitativa e em grande escala. E mais do que isso, de dados que são gerados em outras plataformas especialmente para isso (como dados de consumo, dados de comportamento e etc.) Basicamente, Big Data é sobre todos nós e as informações que publicamos/concedemos a outros. Big Data é sobre análise dos dados de milhares de consumidores. É sobre padrões. 

E como as pesquisas focam esse tipo de "Big Data"?

O pessoal das ciências exatas, principalmente da computação, caiu de cara em cima do Big Data. Mas é na área das ciências humanas e sociais que eu tenho focado mais. E tem bastante gente olhando para esses dados. O Axel Bruns, na Austrália, por exemplo, tem usado "Big Data" pra entender o comportamento das pessoas na mídia social em momentos de crise (por exemplo, durante um desastre) e tentando aprender com isso como criar estratégias para lidar com essas crises. E também tem estudado como a mídia social (o que as pessoas falam na Internet, basicamente) tem a ver com as audiências, tentando entender um pouco melhor o comportamento desses públicos. Aqui no Brasil, o Fábio Malini (UFES) tem trabalhado as organizações e manifestações políticas e de ativismo nesses espaços de fluxos comunicativos. Mas há muito mais gente, que não vou citar aqui porque senão escreveria até amanhã.  

Como pesquisar Big Data?

Aí que está. Embora seja super sedutor ter acesso a esse tipo de dado, é uma coisa cara. Minerar dados na casa dos milhares,  guardar a analisar esses dados demandam recursos que nós - povo das humanas e sociais - nunca tivemos dentro das agências de fomento. Estamos falando de áreas onde os pesquisadores recebem 2 ou 3 mil reais para equipamentos por projeto (dois computadores simples). Enquanto nas Exatas, por exemplo, as cifras giram em torno de 10 -100 vezes esse valor. Por isso, a área tem se desenvolvido principalmente com quem já tem esses recursos - o pessoal das Exatas. Entretanto, é uma área em si interdisciplinar. Dados de pessoas podem estar agora mais facilmente mineráveis, o que não significa que estejam mais facilmente compreensíveis sem elementos qualitativos. E isso, no Brasil, é um desafio muito maior do que parece. As ciências poderiam oferecer mais em conjunto do que separadas.

Big Data vai resolver os problemas do mundo?

Big Data é extremamente limitado justamente por conta de sua abrangência. Como eu disse, é complicadíssimo fazer sentido desses dados. Pensemos, por exemplo, em análise de sentimento: se focarmos a coisa mais simples da Internet, o emoticon para analisar o que as pessoas sentem: Como escalar isso? Uma coisa tão óbvia quanto ":-P", por exemplo, tem zilhares de sentidos conversacionais e esses sentidos ainda podem variar também dentro de grupos sociais diferentes. Pode marcar ironia ou sarcasmo, pode marcar uma piada, pode marcar uma implicância, uma insegurança, etc. Como determinar, a priori, o que ele significa? É complexo. Do mesmo modo, onomatopéias. Como medir "riso"? É o "hahahahaha"? É o "kkkkk"? É o :-D? É o hiahiuhaiu? Ou é o "rs, rs"? É como tentar fazer sentido de uma conversa que não foi presenciada: complicado, porque muito do contexto se perdeu.  E na correria, análises quantitativas de zilhares de dados podem gerar preceitos simplistas e generalistas que não têm nada a ver com a realidade. É aí que mora o cuidado e a interdisciplinariedade da questão. É preciso buscar, em outras áreas, as contribuições para compreender esses fenômenos.

Além disso, Big Data tem também problemas éticos e de responsabilidade. Como trabalhar com dados que são disponibilizados (mas não voluntariados) para pesquisa pelas pessoas? Como lidar com questões éticas profundas, como dados de menores que não necessariamente estão cientes de sua publicação? É também um gigantesco desafio para os Comitês de Ética das universidades e centros de pesquisa e mesmo para todos nós que não sabemos exatamente o que pode ou não ser feito.






Formato das Conversações em Rede


Uma das coisas que tem me intrigado, ainda no tema do meu último livro, são as formas das conversações. O que eu quero dizer com formas? São as representações (grafos) das conversações que acontecem no Twitter e em outras ferramentas e sua análise. Vejamos alguns exemplos:

O grafo a seguir mostra as conversações em torno de um tópico que bombou ontem a noite no Twitter, "Morena", referente à novela da Globo (vejam que estou falando de TTs, não de hashtags). Os grupos que participaram da conversa estão separados em cada "quadrado" no mapa abaixo. Vejam como há uma imensa pluralidade de contas participando da conversação, com vários grupos conversando entre si mais do que com todos os demais. Cada grupo referencia um contexto específico, com muito poucas conexões entre os grupos. Há um grande assunto que permeia todas as conversações, mas cujo microcontexto é definido por cada grupo, na participação dos atores na conversa.

morena.png(Clique na imagem para ver maior.)


Nesse segundo exemplo, outro tópico que bombou ontem. A referência é uma hashtag que pedia a vinda do Justin Bierber a Porto Alegre, referenciada pelo anúncio de que as datas da próxima tour do cantor pela América do Sul serão divulgadas em breve. Reparem que, diferentemente do exemplo anterior, essa é uma conversação muito mais fechada e muito mais auto-referenciada. Há muito menos participantes e muito mais conexões entre eles. Não há conversações paralelas como no exemplo anterior, mas uma única rede, com muito mais participação. Há um único contexto da conversação, que é dividido por todos os participantes.

justinpoa.png(Clique na imagem para ver maior.)


O terceiro exemplo, a seguir, reflete as conversações em torno do tópico "Matemático", referente a uma matéria do Bom Dia Brasil que trazia a morte do traficante Matemático. Essa conversação tem também grupos separados (nota-se na análise dos tweets, mais claramente, um contexto predominante  diferente da conversação para cada grupo. Por exemplo, alguns faziam piada - azul claro e verdes. Outros comentavam que era menos um ou comentavam que não era para "ter pena" e etc. - azul escuro e vermelho.). Observa-se que existem grupos participantes da conversa que seguem falando em paralelo, mas que se referenciam (conexões entre eles) muito mais do que no primeiro caso, quando praticamente nao há conexões entre os grupos, mas muito menos do que no segundo caso. 

matematicotwitter.png(Clique na imagem para ver maior.)


Essas "formas" indicam um pouco a pluralidade de contextos que temos para cada conversação. Quanto mais contextos em torno do assunto, parece que temos menos conexões entre os grupos. Quanto menos contextos, ou seja, mais participantes da "mesma" conversação, mais fechada é a rede e mais interconectados os grupos. Quanto mais contextos, também, parece que há mais "organicidade" no tópico, no sentido de representar algo  do que muitas pessoas estão realmente falando. Quanto menos contextos, menos relevante para uma maioria é o tópico.

Enfim, apenas algumas idéias alinhadas para discussão. :)