An Analysis of Socialbots Activity and Influence in Modern Japanese Social Media

Este estudo analisa a atividade e influência de socialbots nas redes sociais japonesas, descobrindo que seu impacto supera o observado na eleição presidencial dos EUA de 2016 e que contas de socialbots retuitadas por humanos não diferem significativamente de contas humanas.

O essencial

Imagine que o Twitter (agora X) é uma grande praça pública no Japão. Nela, milhões de pessoas conversam, compartilham notícias e debatem o que está acontecendo no mundo. Mas, escondidos entre a multidão, existem "robôs" invisíveis. Estes são os Socialbots: contas automatizadas criadas para parecerem pessoas reais, mas que na verdade são máquinas programadas para postar, compartilhar e amplificar certas mensagens.

Este estudo é como uma investigação policial que entrou nessa praça para contar quantos robôs existem e ver o quanto eles estão bagunçando a conversa. Aqui está o resumo da pesquisa, explicado de forma simples:

1. O Grande Mistério: Quantos Robôs Existem?

Os pesquisadores olharam para três situações diferentes no Japão onde havia muita confusão e desinformação:

• O Funeral do Ex-Primeiro-Ministro Abe: Um momento de grande divisão na opinião pública.
• As Eleições Locais Unificadas: Quando todo o país vota em prefeitos e vereadores.
• O Caso "PASCO": Uma mentira viral sobre uma empresa de panificação que supostamente estava usando grilos para ganhar subsídios do governo (o que era falso).

A Descoberta Chocante:
Em todos esses casos, os robôs estavam muito mais presentes do que os especialistas esperavam.

• Nos EUA, na famosa eleição de 2016, os robôs representavam cerca de 15% das contas.
• No Japão, nestes casos recentes, os robôs representavam entre 17% e 29% das contas!
• Pior ainda: eles não apenas falavam, eles falavam muito. Cerca de 30% a 37% de todas as mensagens (tweets) nessas discussões vinham de robôs.

Analogia: Imagine que você está em uma festa. Se 15% dos convidados forem robôs, já é estranho. Mas se 30% dos gritos e risadas que você ouve virem de robôs, a festa inteira está sendo manipulada por uma orquestra invisível.

2. O Truque de Magia: Eles Parecem Humanos

Antigamente, robôs eram fáceis de pegar. Eles postavam 100 vezes por hora, não tinham foto de perfil e não tinham biografia. Era como um robô de brinquedo: você sabia que não era humano.

Mas os robôs japoneses estudados são robôs de alta tecnologia.

• Eles têm foto de perfil.
• Têm uma biografia escrita.
• Têm uma data de criação antiga.
• Eles postam devagar, como uma pessoa normal faria.

A Grande Revelação:
Quando os pesquisadores compararam os robôs com as pessoas reais, não conseguiram encontrar diferenças significativas. Eles são tão bem disfarçados que, se você olhar apenas para o perfil, não consegue dizer quem é quem. É como se um ator de cinema estivesse tão bem maquiado que ninguém na plateia percebe que ele não é um vizinho real.

3. O Efeito Dominó: Humanos Estão Ajudando os Robôs

Aqui está a parte mais importante e assustadora. O estudo descobriu que pessoas reais estão compartilhando (retweetando) as mensagens dos robôs.

Os robôs não estão apenas gritando sozinhos na praça. Eles estão sussurrando algo, e as pessoas reais, sem perceber, estão pegando esse sussurro e gritando para a multidão inteira ouvir.

• No caso do funeral e nas eleições, humanos compartilharam mensagens de robôs.
• Isso significa que a desinformação não é apenas "posta" pelos robôs; ela é validada e espalhada por pessoas reais que acreditam que aquilo é verdade.

Analogia: Imagine que um robô é um vendedor de jornal falso. Antigamente, as pessoas passavam por ele e riam. Agora, o robô entrega o jornal para uma pessoa real, que lê, acha interessante e corre para entregar para 100 outras pessoas. A mentira se espalha não porque o robô é forte, mas porque as pessoas reais são o "motor" que leva a mentira adiante.

4. Por que isso importa?

O estudo conclui que o problema da desinformação no Japão é maior e mais sofisticado do que o famoso caso da eleição americana de 2016.

• Os robôs são mais numerosos.
• Eles são mais inteligentes (parecem humanos).
• Eles estão conseguindo enganar as pessoas reais, que acabam sendo os "soldados" que espalham a desinformação.

Resumo Final

Pense no Twitter japonês como um grande espelho. Este estudo diz que, quando olhamos para esse espelho, vemos muitos robôs disfarçados de humanos, e o mais perigoso é que as pessoas reais estão segurando o espelho e refletindo a imagem dos robôs para o mundo.

Para combater isso, os pesquisadores dizem que precisamos aprender a identificar esses "robôs de alta tecnologia" e entender como as pessoas reais estão sendo manipuladas para compartilhá-los, em vez de apenas focar em bloquear os robôs "toscos" do passado.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "An Analysis of Socialbots Activities and Influence in Modern Japanese Social Media", apresentado em português:

Título: Uma Análise das Atividades e Influência de Socialbots na Mídia Social Japonesa Moderna

1. Problema e Contexto

A disseminação de desinformação tornou-se um problema crítico no Japão, impulsionada pelo aumento do uso de redes sociais (Twitter, LINE, Instagram) e pela capacidade de criar conteúdo rapidamente e a baixo custo. Diferente das mídias tradicionais, a desinformação relacionada a política, teorias da conspiração e negócios espalha-se mais rápido, fundo e longe.
Um dos principais vetores dessa disseminação são os socialbots (contas automatizadas). Embora alguns forneçam informações úteis (como alertas de terremotos), muitos são usados para manipular a opinião pública. O problema central é que os socialbots modernos tornaram-se mais sofisticados, dificultando sua detecção, e a capacidade humana de distingui-los de contas reais é limitada, permitindo que a desinformação se propague através de retweets humanos.

2. Metodologia

O estudo focou em três casos específicos de desinformação ou polarização no Japão, coletando dados via API do Twitter e analisando-os com a ferramenta Botometer v4 (Universidade de Indiana).

• Critério de Classificação: Utilizou-se uma pontuação de bot (bot score) de 0,5 como limiar para classificar uma conta como socialbot, seguindo padrões de pesquisas anteriores.
• Casos de Estudo:
  1. Funeral de Estado do ex-Primeiro-Ministro Abe (Jul-Set 2022): Coletados 21,3 milhões de tweets de 980.894 contas.
  2. Eleições Locais Unificadas (Mar-Abr 2023): Coletados 440.601 tweets de 143.440 contas.
  3. Caso PASCO (Fev-Mar 2023): Desinformação sobre a empresa Shikishima Baking Company glorificando grilos por subsídios governamentais. Coletados 98.297 tweets de 49.467 contas.
• Análise Comparativa: Além da contagem de bots, os autores compararam 10 características de perfil (foto, biografia, seguidores, tempo de conta, etc.) entre as contas de bots retuitadas por humanos e contas humanas, para verificar se os bots que influenciaram a rede se diferenciavam dos humanos.

3. Contribuições Principais

• Primeira análise abrangente no Japão: Este estudo é um dos primeiros a utilizar o Botometer para quantificar a proporção de socialbots em eventos japoneses específicos, preenchendo uma lacuna na literatura que focava majoritariamente em países ocidentais.
• Desmistificação da detecção baseada em volume: Demonstra que os socialbots japoneses modernos não operam mais apenas com o comportamento de "spam" (milhares de tweets), mas sim com comportamentos sutis que imitam humanos.
• Validação da "Amplificação Humana": Confirma que humanos retuitam ativamente conteúdo de socialbots, atuando como vetores de amplificação, e que essas contas de bots retuitadas são estatisticamente indistinguíveis de contas humanas em termos de perfil.

4. Resultados Chave

Os resultados dos três casos de estudo foram consistentes e alarmantes:

• Proporção de Socialbots:

  • Funeral de Abe: 17,4% das contas eram bots; 30,1% dos tweets foram de bots.
  • Eleições Locais: 23,8% das contas eram bots; 37,4% dos tweets foram de bots.
  • Caso PASCO: 28,9% das contas eram bots; 37,1% dos tweets foram de bots.
  • Comparação: Em todos os casos, a proporção de bots superou a estimada na Eleição Presidencial dos EUA de 2016 (onde bots representavam cerca de 15-20% das contas e 1/5 dos tweets), sugerindo que a atividade de bots no Japão é mais intensa do que em casos emblemáticos globais.

• Comportamento dos Bots:

  • Diferente dos bots antigos, os bots identificados neste estudo postavam, em média, menos de 1 tweet por dia. Eles não tentavam saturar o feed com volume, mas sim com timing e conteúdo estratégico.
  • Semelhantes a Humanos: As contas de bots que foram retuitadas por humanos apresentavam perfis muito similares aos de humanos: alta taxa de fotos de perfil (90-97%), biografias preenchidas e contas ativas por mais de um ano. Não havia diferença estatística significativa que permitisse a um usuário comum distingui-los.

• Falsos Positivos e "Middle Media":

  • No caso das Eleições Locais, mais de 10% dos bots identificados eram contas verificadas (governos locais, políticos, mídia). O estudo sugere que o Botometer pode gerar falsos positivos para contas oficiais, mas também aponta para a existência de "mídias intermediárias" (web media) que podem estar impulsionando desinformação, como visto no caso PASCO.

5. Significado e Conclusão

O estudo conclui que a influência dos socialbots no Japão é maior do que em casos de referência internacionais (como a eleição de 2016 nos EUA). A descoberta mais crítica é que a eficácia desses bots não reside apenas na automação bruta, mas na sua capacidade de se camuflar como contas humanas legítimas, sendo facilmente retuitadas por usuários reais.

Isso implica que as contramedidas atuais, que focam na detecção de comportamentos de spam ou volume excessivo, são insuficientes. O futuro da pesquisa e das políticas de moderação deve focar em:

1. Desenvolver índices de influência mais sofisticados que vão além da contagem de seguidores.
2. Investigar o papel das "mídias intermediárias" na propagação de desinformação.
3. Reconhecer que a distinção entre humano e bot no ecossistema japonês atual é extremamente tênue, exigindo novas abordagens de detecção baseadas em contexto e rede, e não apenas em metadados de perfil.