Critical Slowing Down, Not Intensity, of Collective Anger Predicts Surges of Social Movement Activity
Ao analisar 60 milhões de tweets da #BlackLivesMatter, este estudo demonstra que o aumento da persistência da raiva coletiva, em vez de sua intensidade, serve como um sinal de alerta precoce confiável para prever surtos na atividade de movimentos sociais.
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
Imagine o mundo das ciências sociais como uma estação meteorológica gigante e movimentada. Em vez de rastrear chuva e vento, os cientistas aqui tentam prever as "tempestades" do comportamento humano — aqueles momentos súbitos e massivos quando um grupo de pessoas decide agir de forma conjunta, como um protesto que irrompe ou um movimento que se torna viral. Por muito tempo, os pesquisadores acreditaram que poderiam prever essas tempestades medindo o quão "irritada" a multidão estava em um determinado momento. Parecia lógico: se todos estão gritando de raiva, um motim está chegando, certo? Mas este artigo sugere que olhar para o volume do grito não é a história toda. Em vez disso, a pista real pode ser o quão aderente essa raiva parece ser. Pense nisso como um elástico: se você o puxa e ele volta ao normal instantaneamente, é estável. Mas se você o puxa e ele oscila lentamente, recusando-se a retornar à sua forma original, ele está prestes a romper. Essa "oscilação" é o que os cientistas chamam de desaceleração crítica (critical slowing down). É um termo sofisticado para um sistema que está perdendo seu vigor e ficando preso em seu estado atual, o que frequentemente acontece logo antes de uma grande mudança. Compreender isso é como ter uma bola de cristal para a mudança social; poderia nos ajudar a ver quando uma conversa silenciosa está prestes a se transformar em um rugido, permitindo que líderes e ativistas se preparem para a mudança antes que ela ocorra.
Então, o que os pesquisadores realmente fizeram? Eles decidiram testar essa teoria do "elástico" em uma escala massiva usando o movimento #BlackLivesMatter. Eles não olharam apenas para algumas centenas de pessoas; eles vasculharam uma montanha de dados — cerca de 60 milhões de tweets postados entre 2015 e 2020. O objetivo era ver se consegiam prever os "surtos" de atividade (aqueles dias em que o movimento explodiu com novos posts) observando os padrões climáticos emocionais que antecederam eles.
Primeiro, eles abordaram a ideia antiga: A intensidade da raiva prevê um surto? Eles verificaram o nível médio de raiva nos tweets, dia após dia. Também observaram outros sentimentos negativos, como ansiedade e tristeza. O resultado foi um pouco de reviravolta no enredo: A quantidade média de raiva não previu nada. Só porque as pessoas estavam irritadas em uma terça-feira, não significava que um grande surto viria na quarta-feira. Na verdade, o artigo descobriu que níveis mais altos de ansiedade e tristeza eram, na verdade, melhores em sinalizar que um surto estava se aproximando, enquanto a intensidade da raiva em si foi um beco sem saída para a previsão.
Então, eles mudaram o foco para a "aderência" da raiva, que mediram usando um conceito chamado autocorrelação. Em termos simples, a autocorrelação pergunta: "O que as pessoas estão sentindo agora é fortemente influenciado pelo que elas estavam sentindo ontem?" Se a resposta for sim, a emoção é persistente; ela está pairando e não voltando ao normal rapidamente. Isso é a "desaceleração crítica" em ação.
Aqui está a grande descoberta: Quanto mais persistente a raiva se tornava, mais próximo o movimento estava de um surto massivo. À medida que os dias passavam em direção a um grande evento, a raiva nos tweets não ficava necessariamente mais alta, mas tornava-se mais "lenta" para se recuperar. Ela começou a pairar por mais tempo, criando um padrão onde a raiva de hoje era quase uma cópia perfeita da de ontem. Os pesquisadores descobriram que, conforme o sistema se aproximava de um surto, essa autocorrelação aumentava significamente. É como se a multidão estivesse presa em um ciclo de raiva, incapaz de desapegar, o que sinalizava que uma transição era iminente.
Eles também observaram a variância (o quanto os níveis de raiva saltavam para cima e para baixo). Surpreendentemente, conforme um surto se aproximava, a raiva tornava-se, de fato, menos variável. Não oscilava de forma selvagem; estabelecia-se em um zumbido de raiva constante e persistente. Isso é um pouco diferente da definição clássica de livros didáticos sobre desaceleração crítica, que às vezes sugere que as coisas ficam mais caóticas antes de quebrarem, mas o artigo observa que pesquisas recentes apoiam essa ideia de redução de variância em certos sistemas.
Para garantir que não estavam apenas vendo padrões no ruído, os pesquisadores realizaram verificações sérias. Eles embaralharam as datas dos tweets aleatoriamente, como misturar um baralho de cartas, e tentaram encontrar os mesmos padrões. Quando fizeram isso, a "aderência" da raiva desapareceu. Isso sugere que o padrão que encontraram nos dados reais era um sinal genuíno, não apenas uma falha em seu código de computador. Eles também verificaram se os tweets online correspondiam a protestos no mundo real e encontraram uma forte ligação: quando os tweets subiam, o tamanho dos protestos também subia.
Então, qual é a conclusão? O artigo sugere que não devemos apenas ouvir os gritos mais altos para prever o próximo grande passo de um movimento social. Em vez disso, devemos observar os momentos em que a emoção para de oscilar e começa a aderir. Não se trata de quão irritada a multidão está; trata-se de quanto tempo essa raiva se recusa a desaparecer. Embora o estudo não possa provar que essa raiva causa o surto (ele apenas o prevê), oferece uma nova e poderosa maneira de olhar para a dinâmica invisível dos grupos humanos. Acontece que o sinal mais importante de uma tempestade iminente não é o trovão, mas a forma como o ar parece pesado e imóvel logo antes da chuva começar.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.