Nonequilibrium phase transitions in a racism-spreading model with interaction-driven dynamics

Este trabalho propõe um modelo de compartimentos de três estados, analisado em diferentes topologias de rede, para estudar as transições de fase entre estados de absorção sem racismo e uma fase ativa de conteúdo racista, demonstrando como ferramentas da física estatística podem elucidar as consequências macroscópicas das interações sociais microscópicas em ambientes digitais.

O essencial

Imagine que o racismo na internet não é apenas uma "ideia ruim", mas sim como um vírus que se espalha, ou como uma fogueira que precisa de lenha (interações) para queimar. É exatamente essa a ideia central deste trabalho de pesquisa, feito por dois físicos brasileiros, Nuno Crokidakis e Lucas Sigaud.

Eles criaram um "simulador de realidade" (um modelo matemático) para entender como o racismo se espalha nas redes sociais e, mais importante, como podemos apagá-lo.

Aqui está a explicação do estudo, traduzida para uma linguagem do dia a dia:

1. O Cenário: Três Tipos de Pessoas na Internet

Para simplificar a complexidade da internet, os autores imaginaram que todas as pessoas online estão em um de três "times":

• Os "Ingênuos" (Suscetíveis): São pessoas que ainda não foram expostas ao racismo ou não têm uma opinião formada. Elas são como folhas em branco. Se alguém falar mal delas, elas podem se tornar racistas. Se alguém as defender, elas podem se tornar defensoras.
• Os "Propagadores" (Infectados): São os que já acreditam no racismo e espalham essa ideia. Eles são como a fogueira que queima e solta faíscas para os lados.
• Os "Negadores" (Deniers): São os que já viram o racismo, mas rejeitaram a ideia. Eles são o "extintor de incêndio". Eles não só não espalham o ódio, como tentam apagar a chama quando veem alguém tentando espalhar. Uma vez que alguém se torna um "Negador", o modelo diz que essa pessoa nunca mais volta a ser racista (é um estado permanente).

2. Como a "Briga" Acontece (A Dinâmica)

O estudo diz que, nas redes sociais, as pessoas não mudam de ideia sozinhas (como se acordassem de manhã decidindo ser racistas). Elas mudam de ideia apenas quando interagem com outras pessoas.

• Se um "Ingênuo" conversa com um "Propagador", ele pode virar um "Propagador" (o racismo pega).
• Se um "Ingênuo" conversa com um "Negador", ele pode virar um "Negador" (o racismo é combatido).
• Se um "Propagador" conversa com um "Negador", o "Negador" pode convencer o "Propagador" a mudar de lado e virar um "Negador" também.

Além disso, existe o fator "Renovação": Pessoas novas entram na rede (nascem ou começam a usar o app) sempre como "Ingênuas", e pessoas saem (morrem ou param de usar). Isso é importante porque traz sangue novo para o sistema.

3. O Grande Descoberta: O Ponto de Virada

Os pesquisadores testaram esse modelo em três tipos de "redes sociais" diferentes:

1. Todos conversam com todos (como uma festa gigante onde todo mundo se conhece).
2. Redes de "Influenciadores" (como o Instagram ou Twitter, onde alguns têm milhões de seguidores e a maioria tem poucos).
3. Redes de "Vizinhança" (como o WhatsApp ou grupos de amigos, onde você fala muito com quem está perto e pouco com quem está longe).

Eles descobriram que existem três cenários possíveis para o futuro da internet:

• Cenário A (O Silêncio Absoluto): O racismo desaparece completamente. Sobram apenas pessoas inocentes e defensoras. A fogueira apaga.
• Cenário B (A Paz Relativa): O racismo some, mas sobram muitos defensores e pessoas inocentes. É um estado de "trégua".
• Cenário C (O Caço Endêmico): O racismo se torna parte da paisagem. Ele nunca some, fica sempre lá, com uma porcentagem de pessoas espalhando ódio e outra defendendo. É como uma doença que nunca é erradicada.

4. O Segredo para Vencer (O Que a Ciência Diz)

A parte mais interessante é o que eles descobriram sobre como mudar de um cenário ruim para um bom:

• A Velocidade de Atualização (Renovação): Se muitas pessoas novas entram na rede o tempo todo (alta taxa de renovação), o racismo tem mais dificuldade de se espalhar, porque as pessoas "novas" são limpas e não carregam o ódio antigo. É como se a internet estivesse sendo "lavada" constantemente.
• O Poder dos "Influenciadores": Em redes onde existem pessoas muito famosas (hubs), se um influenciador espalha racismo, ele contagia milhares. Mas, se um influenciador se torna um "Negador" (defensor), ele pode salvar milhares de pessoas de uma vez. Atacar o ódio nos "centros" da rede é mais eficiente do que tentar mudar a opinião de pessoas aleatórias.
• A Força da Resistência: Quanto mais forte for a capacidade dos "Negadores" de convencer os "Propagadores" a mudar de ideia, mais rápido o racismo desaparece.

5. A Analogia Final: O Jogo de "Pedra, Papel e Tesoura"

Imagine que a internet é um jogo de "Pedra, Papel e Tesoura":

• O Racismo é a Pedra.
• A Defesa (Negadores) é o Papel.
• A Inocência é a Tesoura.

Se o "Papel" (os defensores) for forte o suficiente e estiver bem conectado, ele cobre a "Pedra" (o racismo) e a apaga. Mas se a "Pedra" tiver muitos "Influenciadores" (que são como pedras gigantes) e a rede for muito conectada, o racismo pode vencer e se tornar eterno.

Conclusão Simples

O estudo nos diz que não basta apenas proibir o racismo. Para vencer o ódio online, precisamos:

1. Focar nos líderes: Fazer com que os influenciadores e pessoas com muitos seguidores se tornem defensores.
2. Fortalecer a defesa: Incentivar as pessoas a se tornarem "Negadores" (defensores) rapidamente, para que elas atuem como extintores.
3. Entender a estrutura: Saber que em redes onde todos se conhecem, o racismo se espalha de um jeito, e em redes de influenciadores, se espalha de outro. A estratégia de combate deve mudar dependendo do tipo de rede.

Em resumo: O racismo é como um incêndio. Se você tem muitos "bombeiros" (Negadores) bem posicionados e se foca em apagar as chamas nos prédios mais altos (influenciadores), você pode impedir que a cidade inteira pegue fogo.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "Non-equilibrium phase transitions in a racism-spreading model with interaction-driven dynamics", apresentado em português:

1. Problema e Contexto

A propagação de mensagens racistas e ideologias de ódio em redes sociais online tornou-se um problema societal crítico, amplificado pela estrutura e dinâmica dessas plataformas. Embora modelos epidemiológicos tradicionais (como o SEID - Susceptible-Exposed-Infected-Denier) tenham sido utilizados para estudar esse fenômeno, eles frequentemente dependem de transições espontâneas de estado. O presente trabalho busca preencher lacunas ao modelar a disseminação do racismo como um processo estritamente impulsionado por interações sociais, sem transições espontâneas, refletindo melhor a dinâmica das plataformas digitais onde o contato social é o motor principal da mudança de opinião. O objetivo é entender como a topologia da rede e as regras de interação local influenciam a persistência ou a extinção do racismo em nível macroscópico.

2. Metodologia

Os autores propõem um modelo de compartimentos de três estados (S, I, D) aplicado a redes de contato, analisado sob duas abordagens principais: equações diferenciais acopladas (limite de campo médio) e simulações baseadas em agentes (Monte Carlo).

• Estados do Modelo:

  • S (Susceptível): Indivíduos que nunca tiveram contato com racismo e são vulneráveis a influências.
  • I (Infectado): Indivíduos que acreditam na propaganda racista e atuam como disseminadores.
  • D (Negador/Denier): Indivíduos que rejeitam o racismo e atuam para suprimir sua propagação. Este estado é absorvente (uma vez que um agente se torna um negador, ele não pode ser "reinfetado" por racistas).

• Mecanismos de Transição (Reações):
  As transições ocorrem exclusivamente através de interações entre vizinhos na rede:

  1. $S + I \to I + I$ (Probabilidade $\beta$): Um susceptível adota o racismo ao interagir com um infectado.
  2. $S + I \to D + I$ (Probabilidade $\alpha$): Um susceptível rejeita o racismo ao interagir com um infectado (resistência imediata).
  3. $S + D \to D + D$ (Probabilidade $\eta$): Um susceptível torna-se um negador ao interagir com um negador.
  4. $I + D \to D + D$ (Probabilidade $\delta$): Um infectado é convencido a abandonar o racismo ao interagir com um negador.
  5. Dinâmica Demográfica: Taxa de nascimento ($\Lambda$) introduzindo novos indivíduos apenas no estado $S$, e taxa de morte ($\mu$) aplicável a todos os estados. Assume-se $\Lambda = \mu N$ para manter o tamanho da população constante.

• Topologias de Rede Analisadas:

  1. Rede Completamente Conectada (Homogênea): Limite de campo médio, onde todos interagem com todos.
  2. Rede Barabási-Albert (BA): Rede livre de escala (scale-free) com distribuição de grau em lei de potência, simulando a presença de "hubs" (influenciadores).
  3. Rede Watts-Strogatz (WS): Rede de mundo pequeno, caracterizada por alto agrupamento e caminhos curtos.

3. Contribuições Principais

• Foco em Interações: Diferente de modelos anteriores que incluem taxas espontâneas de mudança de estado, este modelo assume que a mudança de opinião é puramente resultado de interações sociais, reduzindo o número de parâmetros livres e focando nos mecanismos de contato.
• Identificação de Estados Absorventes e Transições de Fase: O trabalho caracteriza rigorosamente os estados estacionários do sistema, identificando estados absorventes (onde o racismo desaparece) e uma fase ativa (onde o racismo persiste endemicamente).
• Análise de Topologias Heterogêneas: Estende a análise de modelos epidemiológicos sociais para redes complexas (BA e WS), investigando como a heterogeneidade de conexões afeta a resiliência ou fragilidade dos estados livres de racismo.
• Fundamentação Analítica: Fornece uma análise de estabilidade linear e derivada de pontos críticos analíticos para o caso de campo médio, conectando o modelo à classe de universalidade da percolação direcionada (Directed Percolation - DP).

4. Resultados

• Regimes Estacionários: O sistema exibe três regimes distintos:

  1. Estado Absorvente (Fase II): Apenas susceptíveis ($S=1, I=0, D=0$). Ocorre quando a taxa de renovação da população ($\mu$) é alta o suficiente para diluir a propagação antes que ela se estabeleça.
  2. Coexistência Livre de Racismo (Fase I): Susceptíveis e Negadores coexistem ($I=0, S>0, D>0$). O racismo é extinto, mas a população não é totalmente inocente; há uma resistência ativa.
  3. Fase Ativa (Fase III): Coexistência de todos os três estados ($S, I, D > 0$). O racismo persiste endemicamente na rede.

• Pontos Críticos e Transições:

  • Foram identificados dois pontos críticos para a probabilidade de contágio ($\beta$):
    • $\beta_c^{(1)} = \mu$: Transição entre o estado absorvente e a fase de coexistência livre de racismo.
    • $\beta_c^{(2)} = \frac{(\delta + \mu)\eta}{\mu - \delta}$: Transição entre a fase livre de racismo e a fase ativa (endêmica).
  • As transições são contínuas, consistentes com a classe de universalidade da percolação direcionada.

• Impacto da Topologia:

  • Redes BA (Livre de Escala): A presença de hubs (nós altamente conectados) pode amplificar a propagação, mas também torna o sistema sensível a intervenções direcionadas. Em altas taxas de renovação ($\mu$), a rede BA tende a um estado absorvente mais rapidamente do que o campo médio, pois o "reset" da população supera a velocidade de propagação através dos nós de baixa conexão.
  • Redes WS (Mundo Pequeno): O alto agrupamento facilita a formação de clusters de negadores, o que pode suprimir a propagação do racismo através de reforço local, mantendo o comportamento qualitativo semelhante ao das outras topologias, mas com deslocamentos nos valores críticos.

• Efeito da Taxa de Renovação ($\mu$): Um aumento na taxa de entrada de novos indivíduos (que começam como Susceptíveis) atua como um mecanismo de controle. Se $\mu$ for suficientemente alto, o sistema é forçado para o estado absorvente, independentemente da probabilidade de contágio $\beta$, pois os novos indivíduos "diluem" a densidade de infectados antes que a rede se estabilize em uma fase ativa.

5. Significância e Implicações

• Políticas Públicas e Moderação: O estudo sugere que intervenções genéricas podem ser menos eficazes do que estratégias direcionadas. Em redes livres de escala (como o Twitter/X ou Facebook), focar na moderação de conteúdo de hubs (usuários com alto grau de conexão) ou promover contra-narrativas nesses nós estratégicos pode ser mais eficiente para suprimir o racismo do que intervenções aleatórias.
• Resiliência Comunitária: A existência de estados onde negadores e susceptíveis coexistem sem infectados indica que comunidades podem desenvolver resiliência endêmica contra o ódio, desde que haja uma densidade crítica de agentes que rejeitam ativamente o racismo e interagem com os susceptíveis.
• Ferramentas de Física Estatística: O trabalho demonstra como conceitos de física estatística fora do equilíbrio (transições de fase, estados absorventes) podem ser aplicados para prever consequências macroscópicas de interações sociais microscópicas, oferecendo um quadro teórico para o combate a discursos de ódio online.
• Limitações e Futuro: O modelo assume probabilidades de transição fixas e ignora feedbacks de moderação de plataformas ou fatores externos (mídia, políticas). Futuras extensões poderiam incorporar dados empíricos para calibrar os parâmetros e modelar a evolução adaptativa das redes.

Em suma, o artigo fornece um framework matemático robusto que não apenas descreve a dinâmica do racismo online, mas também identifica limiares críticos e estratégias de intervenção baseadas na estrutura da rede para promover ambientes digitais mais seguros.