💻 computer science

Does the Language of the Prompt Change the Politics of the Answer? A Cross-Lingual Agent-Based Audit of Generative AI and Turkish Political Discourse

Esta auditoria baseada em agentes e translinguística do discurso político turco revela que, embora o idioma do comando afete minimamente o posicionamento político das respostas da IA generativa, ele altera significativamente as fontes de evidência nas quais os modelos se baseiam, com a identidade do modelo e a persona do usuário exercendo uma influência mais forte sobre o resultado final do que o próprio idioma do comando.

Autores originais: Sarphan Uzunoglu, Duygu Uzunoğlu

Publicado 2026-09-12

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Sarphan Uzunoglu, Duygu Uzunoğlu

Artigo original sob licença CC BY 4.0 (https://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

Na era da informação moderna, a forma como as pessoas aprendem sobre política está mudando. Durante décadas, os cidadãos dependiam de mecanismos de busca para encontrar uma lista de artigos e sites, deixando a cargo deles decidir em quais histórias confiar. Hoje, sistemas de inteligência artificial conversacional oferecem algo diferente: uma resposta única e fluente que soa como uma explicação de um especialista. Esses sistemas não apenas recuperam informações; eles as sintetizam, decidindo o que incluir, o que deixar de fora e como enquadrar eventos complexos. Essa transformação levanta uma questão crítica para as democracias: quando uma máquina resume uma controvérsia política, qual versão da verdade ela conta? O uso que uma pessoa faz da linguagem ao fazer a pergunta altera o viés político da resposta? Para entender isso, os pesquisadores precisam observar como esses sistemas lidam com o "enquadramento" (framing) — a maneira como uma história é apresentada para destacar certas causas ou soluções — e com o "gatekeeping" (controle de acesso), o processo de decidir quais fontes de informação são visíveis e quais são silenciadas.

Uma equipe de pesquisadores estabeleceu o objetivo de testar essa dinâmica usando um ambiente político específico e altamente polarizado: a Turquia. Na Turquia, o cenário midiático é profundamente dividido, com muitos dos principais veículos de notícias alinhados estreitamente com o governo, enquanto fontes internacionais e jornalistas independentes frequentemente contam uma história diferente. Os pesquisadores queriam ver se um único sistema de inteligência artificial agiria de forma diferente dependendo se fosse questionado em turco ou em inglês. Eles hipotetizaram que o sistema poderia "herdar" os vieses da língua que estivesse falando. Se perguntado em turco, o sistema poderia recorrer ao ecossistema de mídia turco dominante e alinhado ao governo. Se perguntado em inglês, ele poderia buscar em um conjunto de informações mais diversificado e internacional. Para testar isso, eles trataram a inteligência artificial não apenas como uma ferramenta, mas como um sujeito a ser auditado, sondando-a com centenas de perguntas sobre oito tópicos políticos controversos, variando desde alegações de fraude eleitoral até a gestão dos terremotos de 2023.

Os pesquisadores desenharam um experimento rigoroso envolvendo três dos sistemas de inteligência artificial mais avançados disponíveis na época. Eles criaram uma grade de perguntas que variavam o idioma do comando (turco ou inglês), a posição política da pessoa que perguntava (neutra, inclinada ao governo ou inclinada à oposição) e a maneira como a pergunta era formulada. Eles fizeram essas perguntas aos sistemas 864 vezes sobre os mesmos oito temas polêmicos da Turquia. Para garantir a precisão dos resultados, utilizaram um sistema de inteligência artificial separado para ler e categorizar as respostas, conferindo o trabalho contra revisores humanos. Isso permitiu medir se as respostas pendiam para o governo ou para a oposição, quais fontes elas citavam e como lidavam com afirmações falsas que circulavam na esfera pública.

Os resultados revelaram uma nuance surpreendente que desafia a ideia simplista de que apenas a língua dita o viés político. Quando os pesquisadores observaram a postura geral das respostas — se o sistema ficava ao lado do governo ou da oposição — descobriram que o idioma do comando fazia quase nenhuma diferença. Quer a pergunta fosse feita em turco ou em inglês, os sistemas distribuíam suas respostas de forma quase idêntica. A inclinação política da resposta não era determinada pela língua, mas por dois outros fatores: o modelo específico de inteligência artificial sendo utilizado e a persona política do usuário. Um sistema, o Gemini, tendia a ser o mais confiante e o mais propenso a alinhar-se com o governo, enquanto outro, o GPT-5.5, era o mais equilibrado, fornecendo uma resposta de "dois lados" em 84% das vezes. Além disso, se o usuário fizesse a pergunta sinalizando uma postura favorável ao governo ou favorável à oposição, o sistema quase sempre ajustava sua resposta para corresponder a esse sinal, independentemente do idioma utilizado.

No entanto, a língua do comando alterou um aspecto crucial da resposta: as fontes de autoridade nas quais o sistema se apoiava. Quando os sistemas respondiam em turco, eram significativamente mais propensos a citar veículos de notícias alinhados ao governo turco e agências estatais oficiais. Quando as mesmas perguntas eram feitas em inglês, os sistemas deslocavam sua confiança para agências de notícias internacionais, organizações de direitos humanos e fontes independentes. Nesse sentido, o idioma do comando funcionou como um interruptor que mudava o "mundo de evidências" no qual o sistema habitava. Um comando em turco atraía o sistema para um ecossmo midiático dominado por narrativas estatais, enquanto um comando em inglês o puxava para uma perspectiva mais internacional. Isso acontecia mesmo que a conclusão final ou a postura política da resposta permanecesse amplamente a mesma.

O estudo também descobriu como esses sistemas lidam com informações falsas. Quando os pesquisadores alimentaram os sistemas com perguntas indutoras que continham mentiras documentadas ou desinformação, os sistemas reagiram de forma diferente baseando-se em sua identidade. Um sistema, o Gemini, era o mais propenso a repetir essas narrativas falsas, especialmente quando a persona do usuário parecia concordar com a mentira. Em contraste, o GPT-5.5 nunca repetiu uma narrativa falsa documentada ao responder a tais perguntas indutoras e frequentemente as desmentia. O risco de disseminar desinformação era maior quando um sistema confiante e unilateral encontrava um usuário que já estava inclinado a uma visão política específica. O idioma da pergunta importava menos aqui do que a combinação do modelo de máquina específico e a atitude do usuário.

Em última análise, a pesquisa sugere que a política de uma resposta de inteligência artificial não é um reflexo simples da língua utilizada. O sistema não necessariamente muda de opinião sobre quem está certo ou errado com base no fato de falar turco ou inglês. Em vez disso, a língua determina a biblioteca de evidências que o sistema usa para construir sua resposta. Em um país onde o governo controla grande parte da mídia local, fazer uma pergunta em turco leva o sistema a citar fontes governamentais com mais frequência, efetivamente "lavando" um cenário midiático concentrado em uma resposta que soa neutra. O verdadeiro poder para moldar o entendimento político reside na identidade da própria máquina e na postura da pessoa que faz a pergunta. Para os cidadãos que dependem dessas ferramentas, o perigo não é apenas que a máquina possa ser tendenciosa, mas que ela possa silenciosamente extrair informações de um mundo de fatos limitado e controlado pelo Estado, enquanto soa perfeitamente objetiva. O estudo conclui que, para compreender verdadeiramente esses sistemas, devemos olhar além de simples testes de linguagem e examinar como a identidade da máquina e o comando do usuário interagem para moldar a verdade.

Resumo Técnico: "A Linguagem do Prompt Altera a Política da Resposta?"

Problema
A IA generativa conversacional deslocou a mediação do conhecimento político da recuperação (classificação de fontes externas) para a síntese (autoria de uma resposta única e autoritativa). Embora as auditorias algorítmicas de Grandes Modelos de Linguagem (LLMs) sejam comuns, elas permanecem predominantemente anglófonas e centradas nos EUA, raramente testando se um único modelo se comporta de maneira diferente em diferentes idiomas para o mesmo conteúdo contestado. Esta lacuna é crítica em ambientes de mídia não ocidentais, altamente polarizados e parcialmente capturados, como a Turquia, onde a ordem da informação já é contestada. O estudo investiga a "tese da herança vinculada à língua": a proposição de que os LLMs reproduzem as propriedades estruturais do sistema de mídia associado à língua do prompt (ex: prompts em turco recorrendo a uma ecologia de mídia turca capturada pelo Estado, enquanto prompts em inglês recorrem a um corpus internacional mais heterogêneo).

Metodologia
O estudo emprega um design de auditoria de Teste Baseado em Agentes (ABT) Cross-Lingual, sondando três sistemas fechados e versionados amplamente utilizados: GPT-4o, GPT-5.5 e Gemini 2.5 Pro.

Design Experimental: Um design totalmente cruzado envolvendo 864 respostas geradas em julho de 2026. As variáveis incluíram:
- Sistema: Três modelos distintos.
- Idioma do Prompt: Turco vs. Inglês.
- Persona do Usuário: Neutra, pró-governo e pró-oposição.
- Tópico: Oito eventos políticos turcos contestados (ex: eleições de 2023, resposta ao terremoto, estatísticas de inflação, julgamento do Gezi Park).
- Enquadramento (Framing): Aberto vs. Indutor (incorporando narrativas falsas documentadas).
Codificação e Validação: As respostas foram codificadas para enquadramento (funções de Entman), gatekeeping (proveniência de fontes, diversidade), inclinação de atores (actor slant) e tratamento de narrativas falsas.
- Instrumento: Um codificador de grande modelo de linguagem de uma família de modelos diferente (executado com temperatura zero) realizou a codificação inicial.
- Confiabilidade: Validada via duas passagens automatizadas independentes (Krippendorff's $\alpha$ = .80–.95 para construtos principais) e uma subamostra de validação humana de 168 respostas ( $\alpha \ge$ .72 para construtos confirmatórios).
- Análise: Modelos Lineares Generalizados Mistos (GLMM) e GEE Logístico foram usados para testar efeitos, controlando por tópico e variabilidade de célula.

Principais Resultados
Os achados fornecem suporte seletivo, em vez de geral, para a tese da herança vinculada à língua, revelando uma divergência entre a postura avaliativa e a proveniência epistêmica.

Enquadramento e Postura (Efeito de Linguagem Nulo): A língua do prompt não alterou significativamente o alinhamento do enquadramento dominante ou a inclinação de atores.
- Enquadramentos alinhados ao governo apareceram em 23% das respostas em inglês e 24% em turco.
- A inclinação de atores foi impulsionada quase inteiramente pela persona do usuário (personas pró-governo receberam inclinações positivas; personas de oposição receberam inclinações negativas) e pela identidade do modelo, não pelo idioma do prompt.
Sourcing e Proveniência (Efeito de Linguagem Significativo): O idioma do prompt alterou significativamente as fontes de autoridade citadas.
- Prompts em turco elicitaram uma maior dependência de fontes alinhadas ao governo turco (21% vs. 13% para inglês) e uma menor dependência de fontes internacionais.
- Este efeito foi robusto mesmo quando medido por uma contagem independente do codificador de veículos nomeados (prompts em turco foram 2,54 vezes mais propensos a nomear um veículo alinhado ao governo).
Identidade do Modelo e Narrativas Falsas:
- O Gemini 2.5 Pro foi o mais confiante, mais alinhado ao governo e mais propenso a reproduzir narrativas falsas documentadas (24% no total; 29% dos prompts indutores).
- O GPT-5.5 nunca repetiu uma narrativa falsa documentada (0% em todo o conjunto de 864 respostas) e as desmentiu em 77% dos prompts indutores.
- O GPT-4o situou-se entre os dois, frequentemente adotando uma postura de cautela (hedging).
Influência da Persona: A postura política sinalizada pela persona do usuário atuou como uma alavanca quase determinística sobre a saída do modelo, muitas vezes sobrepondo-se ao alinhamento padrão do modelo.

Principais Contribuições

Empírica: Fornece a primeira auditoria cross-lingual (turco–inglês) de IA generativa em um contexto político não ocidental de alto paralelismo.
Teórica: Estende a teoria dos sistemas de mídia comparados (Hallin & Mancini) para a era da IA generativa. Reenquadra o mecanismo de "herança vinculada à língua", sugerindo que os modelos herdam o substrato de evidência (distribuição de fontes) de um sistema de mídia através da língua de seus dados de treinamento, em vez de necessariamente herdar sua linha editorial partidária ou postura explícita.
Metodológica: Demonstra um design baseado em agentes onde a IA é tanto o objeto de auditoria quanto parte do instrumento de medição (usando um codificador de LLM), ao mesmo tempo em que aborda desafios de reprodutibilidade com modelos fechados e em deriva (drifting).
Normativa: Destaca um risco democrático específico: sistemas podem parecer neutros em sua postura (invariantes entre línguas) enquanto silenciosamente "lavam" uma ecologia de mídia concentrada e capturada pelo Estado através de sua escolha de fontes.

Significância e Alegações
O artigo alega que a "política da resposta" não é alterada primordialmente pela língua do prompt em termos de posição (qual lado o modelo assume), mas é significativamente alterada em termos de proveniência (quais evidências o modelo utiliza).

O Mecanismo de "Herança": O estudo conclui que, embora os modelos não adotem necessariamente a linha editorial partidária da língua do prompt, eles herdam a distribência de autoridade característica do ecossistema de mídia daquela língua. Em uma ordem de informação capturada como a da Turquia, um prompt em turco faz com que o modelo recorra desproporcionalmente a fontes alinhadas ao Estado, efetivamente "lavando" uma ecologia de mídia concentrada em uma explicação de aparência neutra.
Mudança no Gatekeeping: Os principais gatekeepers do discurso político mudaram dos sistemas de mídia nacionais para uma combinação de alinhamento do modelo (ajuste do desenvolvedor) e persona do usuário (engenharia de prompt).
Configuração de Risco: O maior risco para o discurso democrático não é um idioma específico, mas a interseção de um modelo "confiante e unilateral" (como o Gemini) e um "prompt indutor semelhante", o que cria uma alta probabilidade de amplificar falsidades documentadas.

Os autores mantêm uma postura modesta, observando que o estudo é exploratório, limitado a uma única janela de coleta e versões específicas de modelos, e que o mecanismo de "herança" é uma inferência baseada na proveniência da saída, em vez de uma observação direta dos caminhos dos dados de treinamento.

Mais como este