Coping in Crisis: Computational Modeling of Coping Styles in Digital Crisis Discourse During the 2023 Turkiye Earthquake

Resumo Técnico: Enfrentamento em Crise: Modelagem Computacional de Estilos de Enfrentamento no Discurso de Crise Digital Durante o Terremoto de 2023 na Turquia

Problema
A pesquisa tradicional sobre o enfrentamento psicológico durante desastres baseia-se em autorrelatos retrospectivos (ex: questionários, entrevistas) administrados semanas após um evento. Essa abordagem sofre com vieses de reconstrução de memória e não consegue capturar a dinâmica psicológica em tempo real sob estresse real. Embora as redes sociais ofereçam um registro massivo e com carimbo de tempo da resposta pública, as abordagens computacionais existentes concentraram-se predominantemente em dados na língua inglesa e não operacionalizaram sistematicamente teorias psicológicas estabelecidas, como a teoria do enfrentamento de Lazarus e Folkman (1984), para contextos de baixo recurso e não ingleses. Além disso, a interação específica entre o trauma coletivo e a polarização política no discurso de crise permanece subexplorada na ciência social computacional.

Metodologia
O estudo utiliza um corpus de 1.037.663 tweets originais em língua turca postados entre 6 de fevereiro e 6 de março de 2023, após o terremoto na Turquia. Os dados foram obtidos do corpus Politus, filtrados por palavras-chave relacionadas ao desastre, e divididos em quatro fases de crise motivadas teoricamente: Urgência (Dias 1–3), Culpa (Dias 4–7), Luto (Semanas 2–3) e Busca de Sentido (Semana 4+).

A principal contribuição metodológica é o desenvolvimento de um pipeline de classificação multilabel usando o BERTurk (um modelo BERT-base pré-treinado em um grande corpus turco).

• Anotação: Uma amostra aleatória estratificada de 500 tweets foi anotada para três estilos de enfrentamento derivados de Lazarus e Folkman (1984): focado no problema, focado na emoção e busca de sentido. Uma quarta categoria, evitação, foi excluída devido ao quase nulo acordo entre anotadores ($\kappa = 0,021$).
• Treinamento: O conjunto de dados de 500 tweets foi dividido em conjuntos de treinamento (70%), desenvolvimento (15%) e teste (15%). O modelo BERTurk foi ajustado (fine-tuned) para classificação de sequência multilabel usando ativação sigmoid e perda de entropia cruzada binária.
• Baseline: O desempenho foi comparado contra um baseline zero-shot usando o mDeBERTa (um modelo multilíngue), onde as categorias de enfrentamento foram definidas via hipóteses de linguagem natural.
• Análise: O classificador treinado foi aplicado ao corpus completo para rastrear dinâmicas temporais. Correlações de ranking de Spearman foram computadas entre estilos de enfrentamento e métricas de engajamento (curtidas, retweets) e escores de emoção pré-computados (raiva, medo, tristeza, etc.) do modelo Politus.

Principais Resultados

1. Desempenho do Modelo: O modelo BERTurk ajustado alcançou um F1 macro de 0,693, superando substancialmente o baseline zero-shot mDeBERTa (F1 macro = 0,324). A melhoria foi mais significativa para o enfrentamento focado na emoção ($\Delta F1 = +0,542$), destacando a necessidade de modelos específicos para a língua turca para capturar as nuances emocionais do idioma.
2. Dinâmicas Temporais: A análise revelou uma trajetória clara e não aleatória no enfrentamento coletivo:
   • O enfrentamento focado no problema dominou a fase de Urgência (56,2%) e declinou monotonicamente para 19,4% na Fase 4.
   • O enfrentamento focado na emoção subiu de 32,0% na Fase 1 para se estabilizar em aproximadamente 55% nas Fases 3 e 4.
   • A busca de sentido aumentou constantemente em todas as fases, subindo de 12,4% para 37,3%.
3. Correlatos Demográficos e Emocionais:
   • Demografia: Usuárias do sexo feminino exibiram taxas mais altas de enfrentamento focado no problema, enquanto usuários do sexo masculino mostraram taxas mais altas de enfrentamento focado na emoção e busca de sentido. Contas organizacionais exibiram taxas de busca de sentido significativamente menores do que contas pessoais.
   • Elo Emoção-Enfrentamento: A raiva mostrou a correlação mais forte com a busca de sentido ($r = 0,387$) e uma correlação negativa com o enfrentamento focado no problema ($r = -0,285$). Isso sugere que, neste contexto polarizado, a raiva funcionou como uma força mobilizadora para a atribuição de culpa e interpretação política, em vez de ação prática. A tristeza correlacionou-se mais fortemente com o enfrentamento focado na emoção ($r = 0,184$).

Principais Contribuições

1. Validação Empírica: Este estudo fornece o primeiro teste empírico em larga escala da teoria do enfrentamento no discurso digital de crise do mundo real, estendendo uma literatura anteriormente confinada a ambientes laboratoriais e autorrelatos.
2. Viabilidade Metodológica: Demonstra que a detecção de estilos de enfrentamento é viável em contextos de baixo recurso e não ingleses usando modelos transformer específicos para a língua, preenchendo uma lacuna na ciência social computacional.
3. Insights Substantivos: Os achados oferecem uma visão granular de como o enfrentamento coletivo evolui através das fases da crise, revelando que as dinâmicas de enfrentamento não são meramente psicológicas, mas estão profundamente emaranhadas com o contexto político (ex: a proximidade de uma eleição nacional e questões de prestação de contas do Estado).

Significância e Alegações
O artigo afirma que a teoria do enfrentamento pode ser confiavelmente operacionalizada em dados digitais para revelar como as sociedades processam o trauma coletivo. Os autores argumentam que esses achados não são meramente descritivos, mas possuem utilidade prática para organizações humanitárias e comunicadores de crise. Ao detectar o estilo de enfrentamento dominante de uma população em tempo real, os respondedores podem adaptar suas intervenções:

• A dominância do foco no problema sinaliza uma necessidade de informação, coordenação e acesso a recursos.
• A dominância do foco na emoção sinaliza uma necessidade de reconhecimento, presença e espaço para o luto.
• A dominância da busca de sentido sinaliza uma necessidade de transparência institucional e mecanismos de prestação de contas.

O estudo conclui que, embora os tweets sejam traços textuais públicos e não janelas transparentes para a psicologia individual, os padrões agregados fornecem um sinal válido de estados psicológicos coletivos. Os autores enfatizam que tais ferramentas devem ser usadas para compreender e responder às necessidades da população, e não para vigilância, observando as responsabilidades éticas inerentes à análise de populações vulneráveis em crise.