Nigerian Salafi Discourse Corpus (NSDC): Construction, Methods, and Use

No estudo de como as pessoas utilizam a linguagem, os investigadores têm dependido há muito tempo de duas ferramentas diferentes. Uma ferramenta é a leitura atenta de poucos textos, onde um estudioso examina cada palavra para compreender o significado profundo e o contexto social. A outra é a contagem massiva de palavras, onde computadores varrem milhões de páginas para encontrar padrões ocultos que o olho humano perderia. Durante décadas, estas duas abordagens trabalharam frequentemente em mundos separados. No entanto, um campo de estudo crescente combina-as, utilizando o volume puro de dados para guiar a leitura atenta, e utilizando a leitura atenta para dar sentido aos números. Esta abordagem é particularmente poderosa ao estudar a religião, onde as crenças não são apenas pensamentos privados, mas argumentos públicos travados nas ruas, nas mesquitas e, cada vez mais, nas redes sociais. Na Nigéria, um país com uma população muçulmana vasta e diversa, a internet tornou-se uma arena primária onde diferentes grupos debatem a sua identidade, autoridade e lugar na sociedade. Para compreender estes debates, os investigadores precisam de uma forma de capturar a escala total da conversa sem perder a nuance das vozes individuais.

Foi exatamente isto que uma equipa de investigadores da Universidade de Ibadan se propôs a fazer. Eles construíram uma enorme biblioteca digital de publicações no Facebook para acompanhar como o salafismo, um movimento específico e frequentemente controverso dentro do Islão sunita, é discutido na Nigéria. Eles não recolheram apenas publicações aleatórias; construíram um arquivo cuidadosamente organizado chamado Nigerian Salafi Discourse Corpus. Esta coleção contém quase 5.800 publicações publicadas ao longo de dez anos, de 2015 a 2025, por páginas e perfis com grandes seguidores. O texto contido nestas publicações totaliza quase 2,5 milhões de palavras. Os investigadores recolheram estes dados utilizando uma interface de investigação formal fornecida pela Meta, a proprietária do Facebook, garantindo que acediam apenas a conteúdo público de figuras públicas e organizações. O objetivo era criar um registo claro e verificável de como os salafis são retratados, como retratam a si próprios e como argumentam contra outros grupos, tais como os sufis ou os xiitas, dentro do contexto nigeriano.

Para construir esta biblioteca, os investigadores enfrentaram um desafio significativo: os dados brutos do Facebook são desordenados. Contêm formatação quebrada, publicações duplicadas, emojis, escritas estrangeiras e links que podem confundir um computador a tentar contar palavras. Para resolver isto, utilizaram um assistente de inteligência artificial especializado, ao qual chamaram Salih. Esta ferramenta não se limitou a adivinhar as respostas; atuou como um editor rigoroso. Seguiu um conjunto estrito de regras para limpar o texto, removendo ruídos como emojis e URLs, mantendo as palavras significativas. Verificou o seu próprio trabalho em cada etapa, garantindo que nenhuma publicação fosse acidentalmente eliminada e que a contagem final de palavras fosse precisa. O resultado foi uma coleção de texto limpa e organizada que poderia ser analisada por outros investigadores. Este processo foi desenhado para ser completamente transparente, o que significa que qualquer outro cientista poderia seguir os mesmos passos e obter exatamente o mesmo resultado, um padrão crucial para a confiança científica.

Assim que o texto foi limpo, os investigadores adicionaram três camadas de informação detalhada a cada palavra. A primeira camada identificava simplesmente que tipo de palavra era cada uma, como um substantivo, um verbo ou um nome próprio. A segunda camada agrupava as palavras em tópicos específicos, tais como "autoridade religiosa", "conflito" ou "práticas de adoração". A terceira camada, que é a mais complexa, analisava o propósito de frases inteiras. Codificou se uma frase estava a tentar legitimar um grupo, atacar um oponente, apelar à ação ou relatar o que outra pessoa disse. Esta codificação baseou-se num método chamado abordagem histórico-discursiva, que ajuda os investigadores a compreender não apenas o que está a ser dito, mas por que razão está a ser dito e que efeito se pretende alcançar. Os investigadores tiveram o cuidado de notar que, embora o computador tenha feito o trabalho pesado, o sistema não era perfeito. Eles descobriram que o computador por vezes sobreidentificava certos tipos de frases, como apelos à ação, e planeiam refinar estas regras no futuro.

Os dados que descobriram revelam uma conversa vibrante e frequentemente acesa. Os investigadores encontraram que o volume de publicações flutuou ao longo da década, com um pico de atividade por volta de de 2017 e outro aumento em 2024. Uma parte significativa da discussão envolve a nomeação e definição de grupos. Os dados mostram que o termo "muçulmano" é utilizado como uma identidade padrão na vasta maioria das publicações, mas rótulos específicos como "salafi", "sufi", "xiita" e "wahabi" são usados para traçar fronteiras entre grupos. A análise sugere que o rótulo "wahabi" é frequentemente utilizado como um termo negativo para criticar outros, enquanto "salafi" é frequentemente utilizado pelo próprio grupo para se descrever. Os investigadores também observaram que a linguagem utilizada para discutir a autoridade religiosa é intensa, com uma forte dependência de citações de estudiosos e textos religiosos para apoiar argumentos. Curiosamente, os dados mostram que, embora a escritura religiosa seja citada, não é a única ferramenta utilizada; argumentos sobre lei, política e ordem social são igualmente comuns, indicando que o debate está profundamente ligado ao Estado e à sociedade nigeriana mais ampla.

Uma das descobertas mais marcantes é como a extensão destas publicações mudou ao longo do tempo. Embora o número de publicações tenha permanecido relativamente estável nos últimos anos, a quantidade de texto em cada publicação diminuiu. Isto sugere que a natureza do discurso está a deslocar-se para mensagens mais curtas e comprimidas, refletindo talvez a natureza acelerada das redes sociais modernas. Os investigadores também notaram que a conversa não é apenas teológica; está profundamente emaranhada com segurança e conflito. Os dados capturam como grupos religiosos são ligados ou separados da violência, particularmente no contexto da insurgência no norte da Nigéria. Ao manter o termo "Boko Haram" como uma unidade única na sua análise, os investigadores garantiram que a palavra "haram" (proibido) dentro desse nome não acionasse acidentalmente códigos relacionados com regras religiosas, mantendo a discussão de segurança distinta da teológica.

O valor deste trabalho reside na sua capacidade de transformar um fluxo caótico de discussões online num recurso estruturado que qualquer pessoa possa estudar. Permite que os investigadores vão além das anedotas e observem os padrões reais de como milhões de palavras são utilizadas para moldar a identidade religiosa em África. O corpus está agora disponível para outros estudiosos, que podem utilizá-lo para investigar tudo, desde a forma como os estereótipos são formados até como a lealdade política é expressa na linguagem religiosa. Os investigadores enfatizam que, embora o computador tenha feito a contagem, a interpretação destes padrões requer perspicácia humana. Eles forneceram um mapa do território, mas a jornada de compreensão dos significados mais profundos destes debates está apenas a começar. Este projeto demonstra que, com um design cuidadoso e métodos transparentes, a inteligência artificial pode ajudar-nos a compreender as formas complexas pelas quais as comunidades definem a si próprias e o seu lugar no mundo.