Quase dois terços dos bots de mídia social com atividade política no Twitter antes da eleição presidencial dos EUA de 2016 apoiaram Donald Trump. Mas todos aqueles bots Trump foram muito menos eficazes em mudar a opinião das pessoas do que a proporção menor de bots que apoiavam Hillary Clinton. Como mostra minha pesquisa recente, um pequeno número de bots altamente ativos pode mudar significativamente as opiniões políticas das pessoas. O principal fator não era quantos bots existiam - mas sim, quantos tweets cada conjunto de bots emitiu.

Meu trabalho se concentra nos aspectos militares e de segurança nacional das redes sociais, Então, naturalmente, fiquei intrigado com a preocupação de que os bots pudessem afetar o resultado das próximas eleições de meio de mandato de 2018. Comecei a investigar o que exatamente os bots faziam em 2016. Havia muita retórica - mas apenas um princípio factual básico:se os esforços de guerra de informação usando bots tivessem tido sucesso, então as opiniões dos eleitores teriam mudado.

Eu queria medir o quanto os bots eram - ou não eram - responsáveis ​​pelas mudanças nas visões políticas dos humanos. Tive que encontrar uma maneira de identificar bots de mídia social e avaliar sua atividade. Então, precisei medir as opiniões dos usuários de mídia social. Por último, Tive que encontrar uma maneira de estimar quais seriam as opiniões dessas pessoas se os bots nunca tivessem existido.

Encontrar tweeters e bots

Para restringir um pouco a pesquisa, meus alunos e eu focamos nossa análise na discussão do Twitter em torno de um evento antes da eleição:o segundo debate entre Clinton e Trump. Coletamos 2,3 milhões de tweets que continham palavras-chave e hashtags relacionadas ao debate.

Em seguida, fizemos uma lista de cerca de 78, 000 usuários do Twitter que postaram esses tweets e construíram a rede de quem seguia quem entre esses usuários. Para identificar os bots entre eles, usamos um algoritmo baseado em nossa observação de que os bots costumam retuitar humanos, mas não são retweetados com frequência.

Este método encontrou 396 bots - ou menos de 1 por cento dos usuários ativos do Twitter. E apenas 10% das contas os seguiram. Eu me senti bem com isso:parecia improvável que um número tão pequeno de bots relativamente desconectados pudesse ter um grande efeito nas opiniões das pessoas.

Um olhar mais atento para as pessoas

Em seguida, começamos a medir as opiniões das pessoas em nosso conjunto de dados. Fizemos isso com um tipo de algoritmo de aprendizado de máquina chamado rede neural, que, neste caso, configuramos para avaliar o conteúdo de cada tweet, determinar até que ponto apoiou Clinton ou Trump. As opiniões dos indivíduos foram calculadas como a média das opiniões de seus tweets.

Uma vez que atribuímos a cada usuário humano do Twitter em nossos dados uma pontuação que representa o quão forte era um apoiador de Clinton ou Trump, o desafio era medir o quanto os bots mudavam a opinião das pessoas - o que significava calcular quais seriam suas opiniões se os bots não existissem.

Felizmente, um modelo que remonta à década de 1970 estabeleceu uma forma de medir os sentimentos das pessoas em uma rede social baseada nas conexões entre elas. Neste modelo baseado em rede, as opiniões dos indivíduos tendem a se alinhar com as das pessoas conectadas a eles. Depois de modificar ligeiramente o modelo para aplicá-lo ao Twitter, nós o usamos para calcular as opiniões das pessoas com base em quem seguia quem no Twitter - em vez de olhar seus tweets. Descobrimos que as opiniões que calculamos a partir do modelo de rede combinam bem com as opiniões medidas a partir do conteúdo de seus tweets.

Vida sem os bots

Até agora, mostramos que a estrutura da rede de seguidores no Twitter pode prever com precisão as opiniões das pessoas. Isso agora nos permitiu fazer perguntas como:Quais seriam suas opiniões se a rede fosse diferente? A rede diferente em que estávamos interessados ​​era uma que não continha bots. Então, para nossa última etapa, removemos os bots da rede e recalculamos o modelo de rede, para ver quais seriam as opiniões de pessoas reais sem os bots. Com certeza, os bots mudaram as opiniões dos usuários humanos - mas de uma forma surpreendente.

Dada grande parte das reportagens, esperávamos que os bots ajudassem Trump - mas não ajudaram. Em uma rede sem bots, o usuário humano médio teve uma pontuação pró-Clinton de 42 em 100. Com os bots, no entanto, descobrimos que o humano médio tinha uma pontuação pró-Clinton de 58. Essa mudança foi um efeito muito maior do que havíamos previsto, considerando o quão poucos e desconectados os bots eram. A estrutura da rede ampliou o poder dos bots.

Ficamos imaginando o que tornou os bots Clinton mais eficazes do que os bots Trump. Uma inspeção mais detalhada mostrou que os 260 bots que apoiavam Trump postaram 113, 498 tweets, ou 437 tweets por bot. Contudo, os 150 bots que apoiam Clinton postaram 96, 298 tweets, ou 708 tweets por bot. Parecia que o poder dos bots de Clinton não vinha de seus números, mas de quantas vezes eles tweetaram. Descobrimos que a maior parte do que os bots postaram eram retuítes dos candidatos ou de outros indivíduos influentes. Então, eles não estavam realmente criando tweets originais, mas compartilhando os existentes.

É importante notar que nossa análise analisou um número relativamente pequeno de usuários, especialmente quando comparado com a população votante. E foi apenas durante um período relativamente curto de tempo em torno de um evento específico da campanha. Portanto, eles não sugerem nada sobre os resultados gerais das eleições. Mas eles mostram o efeito potencial que os bots podem ter nas opiniões das pessoas.

Um pequeno número de bots muito ativos pode realmente mudar significativamente a opinião pública - e apesar dos esforços das empresas de mídia social, ainda há um grande número de bots por aí, constantemente tweetando e retweetando, tentando influenciar pessoas reais que votam.

É um lembrete para ter cuidado com o que você lê - e no que acredita - nas redes sociais. Recomendamos verificar novamente se você está seguindo pessoas que conhece e em quem confia - e ficar de olho em quem está tweetando o quê em suas hashtags favoritas.

Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.