Atualizado em
Filtro bolha é a seleção que o algoritmo faz do que cada pessoa vê. Câmara de eco é o grupo que afasta quem discorda. A pesquisa mostra que o isolamento informacional depende tanto das escolhas humanas quanto do código.
SÉRIE · A praça pública em disputa
1 de 5
De onde veio a ideia do filtro bolha?
Em 2011, Eli Pariser mostrou numa palestra do TED duas buscas no Google pelo mesmo termo – “Egito” – feitas por dois amigos seus. Um recebeu cobertura da Primavera Árabe. O outro, dicas de turismo.
No livro The Filter Bubble, do mesmo ano, Pariser argumentou que a personalização cria um universo informacional para cada usuário. O mecanismo que ele descreveu tem três movimentos:
- reforça o que o usuário já demonstrou preferir;
- esconde perspectivas divergentes;
- faz isso sem que a pessoa perceba.
A metáfora ganhou força em 2016, quando a eleição de Donald Trump e o plebiscito do Brexit surpreenderam analistas – e a bolha virou explicação pronta para a polarização.
Depois, ela foi testada. E o resultado é mais interessante do que a metáfora.
Filtro bolha e câmara de eco são a mesma coisa?
Os dois termos circulam como sinônimos, mas descrevem fenômenos diferentes.
Filtro bolha é técnico: o sistema de recomendação seleciona o que aparece com base no que você já consumiu. Acontece sem escolha consciente.
Câmara de eco é social: o ambiente em que vozes discordantes são afastadas ou desacreditadas. Depende de quem está dentro – sair de grupos, deixar de seguir, desqualificar quem diverge.
A distinção é importante porque cada um pede uma resposta. O primeiro se enfrenta com design e regra; o segundo, com hábitos de informação – tema que a era da opinião trata pelo ângulo cultural.
O que a pesquisa encontrou?
Uma revisão do Reuters Institute reuniu estudos de vários países e chegou a uma conclusão que contraria o senso comum: a seleção algorítmica tende a expor as pessoas a fontes ligeiramente mais diversas do que elas escolheriam sozinhas.
O isolamento forte aparece numa minoria muito partidária, que busca ativamente o que confirma suas crenças.
O teste mais direto veio em 2023, com estudos feitos em parceria com a Meta durante a eleição americana de 2020:
- Um experimento publicado na Nature, com 23.377 usuários do Facebook, mostrou que o usuário mediano recebia cerca de metade do conteúdo de fontes alinhadas a ele, mas só 20,6% viviam em bolhas extremas, com mais de três quartos vindos do mesmo lado. Reduzir essa exposição em cerca de um terço, por três meses, não alterou nenhuma das oito medidas de atitude política acompanhadas.
- Outro estudo, na Science, trocou o feed algorítmico pelo cronológico. O tempo gasto na plataforma caiu, a exposição a conteúdo político e a fontes pouco confiáveis subiu – e a polarização medida ficou onde estava.
Repare no alcance desses resultados: alguns meses, uma eleição, um único país.
Dentro desse limite, indicam que mexer no feed por pouco tempo não desfaz atitudes formadas ao longo de anos – e deixam em aberto o efeito acumulado de uma década de recomendação.
Por que conteúdo que divide circula mais?
O algoritmo pode não trancar ninguém numa bolha e, mesmo assim, favorecer o conflito. Plataformas ordenam o feed por engajamento, e o que gera engajamento tem padrão conhecido.
Um estudo publicado na PNAS analisou 2,7 milhões de posts de veículos de imprensa e parlamentares americanos no Twitter e no Facebook.
Cada palavra referente ao grupo político adversário aumentou em média 67% a chance de compartilhamento – efeito muitas vezes maior que o de palavras de indignação moral.
Ninguém precisa decidir promover a divisão. Basta ordenar por interação: o conteúdo que ataca o outro lado rende mais reações e sobe sozinho. É a lógica que a atenção em leilão descreve em detalhe.
Literacia digital resolve?
Parte do problema é comportamental, e parte da resposta também:
- desconfiar do que confirma exatamente o que você já pensava;
- procurar a mesma notícia em fontes de linhas editoriais diferentes;
- perguntar por que um assunto domina o seu feed nesta semana.
O limite dessa resposta aparece rápido.
Quem trabalha doze horas e cuida dos filhos não tem energia para auditar o sistema que ordena o que lê – e jogar toda a responsabilidade no usuário convém às plataformas.
A assimetria entre usuário e plataforma é estrutural. Por isso a discussão chegou à lei.
Na União Europeia, a Lei de Serviços Digitais exige que as maiores plataformas expliquem os principais critérios de seus sistemas de recomendação e ofereçam ao menos uma opção de feed que não dependa do perfil do usuário (artigos 27 e 38).
Literacia digital sem regra para as plataformas lembra pedir a cada morador que trate o próprio esgoto.
O que Pariser acertou?
Acertou ao mostrar que personalização é escolha de design com consequência política. Exagerou ao descrever o isolamento como automático e invisível – a pesquisa encontrou agência humana no centro dele.
O isolamento é construído a quatro mãos, e o algoritmo torna mais barato e mais agradável continuar dentro dele.
Uma câmara de eco também depende de quantos vínculos alguém consegue sustentar.
No próximo texto, o número que virou referência para esse limite – e o que a pesquisa diz sobre ele.
A PRAÇA PÚBLICA EM DISPUTA
Próximo: Número de Dunbar: o que é e por que 150 não é um limite fixo?
1 de 5 – Filtro bolha