The Power of Algorithms: How Algorithmic Trust Shapes the “News Finds Me” Perception Among Gen Z

Resumo Técnico: O Poder dos Algoritmos: Como a Confiança Algorítmica Molda a Percepção de "As Notícias me Encontram" entre a Geração Z

Problema de Pesquisa
O estudo aborda uma lacuna na compreensão dos mecanismos psicológicos que impulsionam a percepção "As Notícias me Encontram" (NFM - News Finds Me), a crença de que os indivíduos podem manter-se adequadamente informados sobre assuntos públicos sem buscar ativamente por notícias. Embora a literatura existente vincule o NFM à exposição incidental e à conectividade social, ela tem negligenciado amplamente o papel dos sistemas algorítmicos como um mecanismo explicativo independente. Especificamente, o processo psicológico que conecta o engajamento na plataforma às atitudes passivas em relação às notícias permanece subexplorado. O artigo postula que a confiança algorítmica — a crença do usuário na confiabilidade e competência dos algoritmos das plataformas — serve como o fator mediador crítico que legitima a delegação do controle editorial a sistemas automatizados, promovendo, assim, o consumo passivo de notícias.

Metodologia

• Design e Amostra: Um levantamento (survey) transversal online foi realizado com 592 estudantes universitários da Geração Z de universidades privadas de Istambul, Turquia. A amostra consistiu principalmente de participantes do sexo feminino (69,8%) e do sexo masculino (29,9%).
• Medidas:
  • Uso de Redes Sociais: Medido via uma escala de 3 itens capturando o engajamento habitual e de baixa deliberação (Alfa de Cronbach $\alpha$ = .82).
  • Influência Algorítmica: Avaliada por meio de uma escala de 4 itens sobre o impacto percebido dos algoritmos na visibilidade e priorização de notícias ($\alpha$ = .89).
  • Confiança Algorítmica: Avaliada com uma escala de 2 itens (coeficiente de Spearman–Brown = .78) medindo a confiança nos algoritmos para decidir o que é importante e fornecer notícias relevantes.
  • Percepção NFM: Medida através de três dimensões adaptadas de Gil de Zúñiga et al. (2017): NFM-informado (sentir-se informado sem busca ativa), NFM não buscando (falta de motivação para buscar notícias) e NFM pares (dependência de laços sociais para notícias).
• Abordagem Analítica: Os dados foram analisados utilizando Modelagem de Equações Estruturais (SEM) no R (pacote lavaan). O estudo empregou uma abordagem de duas etapas:
  1. Análise Fatorial: A amostra foi dividida para realizar uma Análise Fatoral Exploratória (EFA) em metade da amostra e uma Análise Fatoral Confirmatória (CFA) na outra metade.
  2. Modelagem Estrutural: Um modelo completo de variáveis latentes foi estimado na amostra total. A invariância de medida entre gêneros foi confirmada (invariância escalar total).
  3. Teste de Mediação: Os efeitos indiretos foram testados usando intervalos de confiança de bootstrap com correção de viés (5.000 reamostragens).
  4. Teste de Robustez: Um modelo de segunda ordem foi testado, onde as três dimensões do NFM carregaram em um construto de ordem superior do NFM.

Principais Resultados
O modelo estrutural demonstrou ajuste aceitável (CFI = .942, TLI = .930, RMSEA = .064). Todas as cinco hipóteses foram suportadas:

1. Antecedentes da Confiança: Tanto o Uso de Redes Sociais ($\beta$ = .43, $p$ < .001) quanto a Influência Algorítmica ($\beta$ = .13, $p$ = .003) predisseram positivamente a Confiança Algorítmica. Juntos, esses fatores explicaram 21,9% da variância na confiança algorítmica.
2. Confiança e NFM: A Confiança Algorítmica foi um forte preditor positivo de todas as três dimensões do NFM:
   • NFM-informado ($\beta$ = .64, $R^2$ = .40)
   • NFM não buscando ($\beta$ = .51, $R^2$ = .26)
   • NFM pares ($\beta$ = .56, $R^2$ = .31)
3. Mediação: As análises de bootstrap confirmaram que a Confiança Algorítmica mediou significativamente a relação entre ambos os antecedentes (Uso de Redes Sociais e Influência Algorítmica) e todas as três dimensões do NFM. Todos os intervalos de confiança de 95% para os efeitos indiretos excluíram o zero.
4. Robustez: Os achados mantiveram-se consistentes quando o NFM foi modelado como um único construto de ordem superior ($\beta$ = .66, $R^2$ = .44).

Principais Contribuições

• Mecanismo Teórico: O estudo identifica a confiança algorítmica como um mecanismo psicológico distinto que media a ligação entre o engajamento na plataforma e as orientações passivas de notícias. Ele vai além de ver o NFM apenas como resultado de exposição incidental ou laços sociais, argumentando que a confiança na lógica do sistema é o que motiva os usuários a se desengajarem da busca ativa por notícias.
• Distinção Conceitual: O artigo esclarece a diferença entre influência algorítmica (uma consciência externa de como os algoritmos moldam o conteúdo) e confiança algorítmica (uma atitude psicológica interna de dependência). Demonstra que a consciência da influência algorítmica não leva necessariamente ao ceticismo, mas pode, no contexto da Geração Z, fomentar a confiança ao sinalizar eficiência e personalização.
• Expansão Geográfica: Ao fornecer evidências empíricas da Turquia, o estudo expande a pesquisa de NFM para além dos contextos anglo-americanos, testando a aplicabilidade transcultural desses conceitos em um cenário não ocidental com alto uso de plataformas entre a Geração Z.

Significância e Alegações
O artigo alega que a confiança algorítmica é um fator psicológico fundamental que sustenta o consumo passivo de notícias em ambientes impulsionados por algoritmos. Sugere que, à medida que os usuários confiam nos algoritmos para entregar conteúdo oportuno e relevante, é mais provável que reduzam o monitoramento ativo e aceitem a curadoria algorítmica como um substituto para a busca intencional de notícias.

O estudo destaca que essa mudança transfere a responsabilidade de manter-se informado dos indivíduos e das instituições jornalísticas para os sistemas algorítmicos proprietários. O autor observa que, embora isso reflita uma adaptação psicológica aos ambientes saturados de informação, pode haver custos significativos para a qualidade da participação democrática, uma vez que a alta confiança nos algoritmos, sem a devida literacia digital, pode aumentar a vulnerabilidade à desinformação e reduzir o escrutínio crítico do conteúdo curado.

O autor mantém-se modesto quanto às alegações causais, reconhecendo que o design transversal limita a capacidade de inferir causalidade definitivamente. Também nota limitações relativas à amostra (estudantes universitários em Istambul), o desequilíbrio de gênero, a brevidade da escala de confiança algorítmica e a falta de distinção entre redes sociais específicas. No entanto, o estudo conclui que compreender o papel da confiança algorítmica é crucial para a pesquisa em comunicação, à medida que os algoritmos assumem cada vez mais papéis editoriais anteriormente ocupados por jornalistas e usuários.