💬 NLP

AI Application Gives Users Real-Time Feedback on the Level of Peace in the Social Media Videos They Watch

Este artigo apresenta uma aplicação de IA que utiliza grandes modelos de linguagem para analisar transcrições de vídeos do YouTube em tempo real, medindo com sucesso cinco dimensões sociais relevantes para a paz e fornecendo aos usuários feedback sobre sua dieta midiática, superando a análise de sentimento tradicional e demonstrando as limitações de modelos treinados em texto escrito quando aplicados à linguagem falada.

Autores originais: P. Gilda (Columbia University), P. Dungarwal (Columbia University), A. Thongkham (Columbia University), E. T. Ajayi (St John's University), S. Choudhary (Columbia University), T. M. Terol (Columbia Un

Publicado 2026-06-10

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: P. Gilda (Columbia University), P. Dungarwal (Columbia University), A. Thongkham (Columbia University), E. T. Ajayi (St John's University), S. Choudhary (Columbia University), T. M. Terol (Columbia University), C. Lam (Columbia University), J. P. Araujo (Columbia University), M. McFadyen-Mungalln (Columbia University), L. S. Liebovitch (Columbia University), P. T. Coleman (Columbia University), H. West (Columbia University), K. Sieck (Toyota Research Institute), S. Carter (Toyota Research Institute)

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que sua dieta diária de notícias é como uma refeição. Durante décadas, nos disseram para verificar os ingredientes dos nossos alimentos para ver se são saudáveis. Mas hoje, a maioria de nós recebe notícias por meio de vídeos de redes sociais (como o YouTube) em vez de jornais curados. Os autores deste artigo perguntam: Qual é o "valor nutricional" das palavras que ouvimos nesses vídeos? Elas nos alimentam com paz ou nos alimentam com conflito?

Eles construíram uma ferramenta digital chamada BAIT (uma extensão para o Chrome) que atua como um "rótulo nutricional de paz" para vídeos. Enquanto você assiste a um vídeo, o BAIT analisa as palavras faladas em tempo real e lhe dá uma pontuação sobre o quão "pacífico" ou "conflituoso" é o conteúdo.

Aqui está como eles construíram isso, explicado de forma simples:

1. A Receita Falha: Tentando Usar um Livro de Receitas "Escrito"

Primeiro, a equipe tentou ensinar um computador a reconhecer a paz usando uma enorme biblioteca de artigos de notícias escritos.

A Analogia: Imagine tentar ensinar um chef a reconhecer o sabor de uma sopa apenas lendo os cartões de receitas escritos. O computador aprendeu muito bem que certas palavras escritas (como "diplomacia" ou "trégua") geralmente aparecem em artigos sobre países pacíficos.
O Resultado: Quando testado em notícias escritas, o computador foi um gênio, obtendo cerca de 97% de precisão.
O Problema: Quando tentaram usar essa mesma "receita escrita" para analisar transcrições de vídeos falados, ele falhou miseravelmente. Ele tentava rotular quase todos os vídeos como "pacíficos", mesmo quando não eram.
Por quê? Os autores perceberam que a linguagem falada é um animal diferente da linguagem escrita. Um âncora de notícias falando diante das câmeras usa preenchimentos, pausas, tom emocional e peculiaridades conversacionais que não existem em um artigo impresso. O computador era como um chef tentando julgar um programa de culinária ao vivo apenas lendo o cardápio; ele perdeu o verdadeiro sabor.

2. A Nova Abordagem: O "Provador de Contexto"

Como a "receita escrita" não funcionou, a equipe mudou de tática. Em vez de procurar por palavras-chave específicas, eles pediram ao computador para entender a vibe e o tom da conversa.

Eles focaram em cinco "sabores" específicos de paz, identificados por décadas de pesquisa em ciências sociais:

Compaixão vs. Desprezo: O falante é gentil ou debochador?
Notícia vs. Opinião: Eles estão relatando fatos ou apenas desabafando sentimentos?
Promoção vs. Prevenção: Eles estão falando sobre construir algo ou apenas tentando impedir algo ruim?
Criatividade vs. Ordem: A conversa é aberta a novas ideias ou é rígida e controladora?
Nuance vs. Simplificação: Eles estão vendo as áreas cinzentas ou apenas extremos de preto e branco?

Para medir isso, eles testaram dois tipos de IA:

O "Contador de Palavras" (Análise de Sentimento): Esta ferramenta apenas conta palavras felizes ou tristes. Era como um termômetro que apenas mede a temperatura, mas não sabe se é um dia ensolarado ou uma tempestade. Teve um desempenho muito ruim (quase um palpite aleatório).
O "Leitor Contextual" (Grandes Modelos de Linguagem): Estas são IAs avançadas que podem ler um parágrafo inteiro e entender a história por trás das palavras. Elas agem como um crítico gastronômico sofisticado que entende que dizer "Esta política é um desastre" com um tom sarcástico é diferente de dizer isso com raiva genuína.

3. Os Resultados: O "Leitor Contextual" Vence

A equipe teve um grupo de especialistas humanos (pesquisadores de paz) assistindo a 52 vídeos e avaliando-os com base nesses cinco "sabores". Então, eles compararam as classificações humanas com as classificações da IA.

A IA "Contadora de Palavras" foi mal, sendo pouco melhor do que jogar uma moeda para o alto.
A IA "Leitora Contextual" (especificamente os modelos mais recentes) acertou cerca de 60% das vezes.
A Analogia: Isso é uma grande vitória. Significa que a IA agora é quase tão boa quanto um especialista humano para entender o tom de um vídeo. Ela consegue distinguir entre um debate acalorado que ainda é respeitoso (pacífico) e um discurso de aparência calma que é, na verdade, cheio de desprezo oculto (não pacífico).

4. O Que o BAIT Faz Agora

O produto final, BAIT, é uma extensão de navegador que fica ao lado do seu vídeo no YouTube.

Para Espectadores: Ele fornece feedback em tempo real sobre sua "dieta de mídia". Ajuda você a perceber: "Oh, eu estive assistindo a vídeos cheios de desprezo e simplificação pela última hora". O objetivo é tornar você autoconsciente para que possa escolher assistir algo mais construtivo.
Para Criadores: Ele fornece aos criadores de vídeo feedback sobre o tom de seu próprio conteúdo, ajudando-os a entender como suas palavras impactam o público.

A Conclusão

O artigo afirma que, embora ainda não possamos medir a paz perfeitamente, finalmente construímos uma ferramenta que pode ouvir vídeos falados e entender o tom emocional muito melhor do que as ferramentas anteriores. Ao usar IA avançada que entende o contexto (não apenas palavras-chave), podemos agora começar a medir o quão "pacíficos" são os vídeos que assistimos, com a esperança de que simplesmente saber o que estamos consumindo possa nos ajudar a nos comportar de forma mais pacífica na vida real.

Resumo Técnico: Medição em Tempo Real de "Discurso de Paz" em Vídeos de Redes Sociais

Problema
O artigo aborda a crescente dependência da população global de vídeos em redes sociais (ex: YouTube, Facebook) como fontes primárias de notícias, observando que o tom e o conteúdo dessa linguagem desempenham um papel crítico na iniciação ou resolução de conflitos. Enquanto ferramentas existentes analisam "Discurso de Ódio" ou viés político, há uma carência de mecanismos para medir o "Discurso de Paz" — linguagem que reforça processos sociais pacíficos. Os autores postulam que "Nos tornamos aquilo que contemplamos", sugerindo que a exposição a tons linguísticos específicos influencia o comportamento no mundo real. O desafio técnico central é desenvolver um sistema capaz de quantificar essas dimensões relacionadas à paz em tempo real dentro de transcrições de vídeos falados não estruturados, um domínio onde modelos tradicionais baseados em texto historicamente falharam.

Metodologia
Os autores desenvolveram o BAIT, uma aplicação de extensão para Chrome, utilizando uma abordagem de duas frentes para construir seu motor de análise de back-end:

Aprendizado de Máquina Supervisionado em Textos de Notícias (Linha de Base):
- Dados: Um conjunto de dados de aproximadamente 700.000 artigos de notícias de 18 países (corpus News on the Web) foi rotulado com níveis de paz baseados em índices externos (ex: Índice Global da Paz).
- Modelos: Três arquiteturas neurais foram treinadas: uma rede Feed-Forward Totalmente Conectada, uma Rede Neural Convolucional (CNN) e uma CNN Revisada com max-pooling.
- Processo: O texto foi incorporado (embedded) usando o text-embedding-3-small da OpenAI e classificado como "alta paz" ou "baixa paz".
- Resultado: Esses modelos alcançaram cerca de 97% de precisão em textos de notícias retidos e cerca de 70% de precisão em um conjunto de dados de notícias distinto. No entanto, eles falharam ao generalizar para transcrições do YouTube, classificando 95–100% do conteúdo de vídeo como "alta paz", indicando uma desconexão fundamental entre a sintaxe da notícia escrita e a linguagem falada transcrita.
Dimensões de Ciências Sociais via LLMs (Abordagem Primária):
- Estrutura: Reconhecendo a falta de índices de paz externos para transcrições de vídeo, os autores definiram cinco dimensões sociais derivadas de 59 estudos de ciências sociais: compaixão-desprezo, notícia-opinião, promoção-prevenção, criatividade-ordem e nuance-simplificação.
- Modelos:
  - Análise de Sentimento (SA): O GoEmotions do Google (baseado em RoBERTa) foi testado, mas considerou-se insuficiente devido às janelas de contexto limitadas, bases de neutralidade elevadas e o "nivelamento por média" da volatilidade emocional.
  - Grandes Modelos de Linguagem (LLMs): Os autores migraram para LLMs conscientes de contexto (Gemini 2.5/3 Pro, GPT-4o/5.1). Eles empregaram um processo iterativo de engenharia de prompt, movendo-se de prompts complexos baseados em notícias para prompts simplificados e generalizáveis, otimizados para transcrições conversacionais.
- Verdade de Campo (Ground Truth): Um conjunto de dados de "padrão ouro" foi criado fazendo com que três especialistas humanos (pesquisadores de paz e especialistas em conflitos) pontuassem independentemente 52 vídeos diversos do YouTube nas cinco dimensões usando uma escala de 1 a 5. A confiabilidade inter-avaliador foi alta ( $r^2 > 0,86$ para três dimensões).

Principais Resultados

Falha dos Modelos Apenas de Texto: Redes neurais treinadas em textos de notícias escritos não puderam prever com precisão os níveis de paz em transcrições de vídeos falados, confirmando que as propriedades linguísticas da mídia escrita e da falada diferem significativamente.
Superioridade dos LLMs: Os LLMs superaram significativamente a análise de sentimento ao nível de palavra. Enquanto os modelos de SA mostraram uma correlação fraca com codificadores humanos ( $r^2 \approx 0,03$ ), os LLMs alcançaram correlações de $r^2 \approx 0,60$ nas cinco dimensões sociais.
Desempenho do Modelo: O Gemini 3 Pro Preview demonstrou a maior correlação com codificadores humanos em todas as dimensões, particularmente na desafiadora categoria "nuance-simplificação".
Raciocínio Contextual: Os resultados indicam que a avaliação de paz requer raciocínio contextual (tom, enquadramento, estrutura retórica) em vez de apenas detecção de sentimento bruto ou de palavras-chave.

Principais Contribuições

Aplicação BAIT: O deploy de uma extensão de Chrome funcional que fornece feedback em tempo real aos usuários e criadores de conteúdo sobre a "pacificidade" de sua dieta de mídia.
Validação Empírica de LLMs: Demonstrar que LLMs modernos podem escalar efetivamente a análise de dimensões sociais complexas de transcrições de vídeo de forma semelhante a humanos, alcançando concordância estatística comparável à confiabilidade inter-avaliador humano.
Estrutura Dimensional: Operacionalizar cinco dimensões específicas das ciências sociais (compaixão, notícia, promoção, criatividade, nuance) como métricas mensuráveis para o "Discurso de Paz".
Documentação Aberta: Os autores documentam publicamente seu motor de análise e resultados de testes humanos, distinguindo seu trabalho de outras ferramentas de moderação de conteúdo proprietárias ou opacas.

Significância e Alegações
O artigo alega que o BAIT serve como um motor de análise fundamental capaz de medir o "Discurso de Paz" em escala. Os autores argumentam que, ao tornar os usuários conscientes do tom emocional e social de seu consumo de mídia, a ferramenta poderia potencialmente influenciar o comportamento no mundo real em direção a interações sociais mais positivas.

Os autores mantêm uma postura modesta quanto às implicações futuras. Eles não alegam que a ferramenta provadamente muda o comportamento ainda; em vez disso, afirmam que a capacidade de medir essas dimensões é o primeiro passo necessário para testar a hipótese de que a autoconsciência leva a um melhor comportamento. Eles vislumbram um potencial "ciclo virtuoso" onde a consciência do usuário impulsiona a demanda por conteúdo de alta paz, incentivando criadores e plataformas a produzir tal conteúdo, mas enquadram isso como uma possibilidade futura a ser investigada através de testes comportamentais, e não como uma realidade atual. O trabalho é apresentado como um avanço metodológico na aplicação de IA aos estudos de paz, preenchendo a lacuna entre a teoria das ciências sociais e a análise de mídia digital em tempo real.