Embates discursivos, atores envolvidos e polarização no Twitter: a demissão do Ministro da Educação Abraham Weintraub do governo Bolsonaro

Discursive conflicts, actors, and Twitter polarization: the dismissal of Minister of Education Abraham Weintraub from the Bolsonaro administration

Enfrentamientos discursivos, actores envueltos y la polarización en Twitter: la renuncia del Ministro de la educación Abraham Weintraub del gobierno Bolsonaro

Affrontements discursifs, acteurs impliqués et polarisation sur Twitter : le limogeage du ministre de l'Education Abraham Weintraub du gouvernement Bolsonaro

Este artigo apresenta um estudo das dimensões que envolvem os embates discursivos entre grupos de apoiadores políticos no debate público em plataformas digitais. Por meio do estudo de caso do embate no Twitter em torno da demissão de Weintraub do Ministério da Educação do governo Bolsonaro, apresenta uma análise que destaca três dimensões do embate discursivo: (a) a cronologia do comportamento das redes de interação discursivas sobre o tema; (b) as temáticas que foram mobilizadas; e (c) o perfil daqueles usuários que mais tuitaram durante as discussões. Os resultados apontam que os embates discursivos são dominados 1) pela replicação de mensagens originais (retweets), 2) pelo entrecruzamento de temas que envolvem os personagens e o contexto do conflito e 3) pela grande atividade de perfis não institucionais na difusão das mensagens associadas a seus posicionamentos ideológicos.

embate discursivo; conflito online; Twitter; plataformas digitais; Weintraub

Abstract

This paper presents a study of the dimensions that involve the discursive conflicts between groups of political supporters in the public debate on digital platforms. Through the case study of the conflict that developed on Twitter around the dismissal of Weintraub from the Ministry of Education in Bolsonaro's government, the article presents an analysis that highlights three dimensions of the discursive conflict: (a) the chronology of behavior of discursive interaction networks related to the issue; (b) the issues that were raised; and (c) the profile of the more active users. The results show that the discursive conflicts are dominated by 1) the replication of original messages (retweets), 2) the intersection of themes that involve the leading personalities in and the context of the conflict, and 3) the great activity of non-institutional profiles in the dissemination of messages, associated with their ideological positioning.

discursive conflicts; online conflicts; Twitter; digital platforms; Weintraub

Resumen

El artículo presenta un estudio de las dimensiones que envuelven los enfrentamientos discursivos entre los grupos de apoyadores políticos en el debate político en las plataformas digitales. Por medio de una investigación del caso del embate en Twitter sobre la renuncia de Weintraub del Ministerio de la Educación, del gobierno Bolsonaro, el texto presenta un análisis que destaca tres dimensiones del enfrentamiento discursivo: (a) la cronología del comportamiento de las redes de interacción discursiva sobre el tema; (b) los temas que fueran movilizados; y (c) el perfil de aquellos usuarios que más tuitean durante las discusiones. Los resultados muestran que los enfrentamientos discursivos son dominados 1) por la replicación de mensajes originales (retweets), 2) por el entrecruzamiento de temas que envuelven las personas en el contexto del conflicto, y 3) la grande actividad de perfiles no institucionales en la difusión de los mensajes asociados a su posicionamiento ideológico.

enfrentamientos discursivos; conflictos en línea; Twitter; plataformas digitales; Weintraub

Résumé

L'article présente une étude des dimensions qui impliquent les chocs discursifs entre des groupes de partisans politiques dans le débat public sur les plateformes numériques. À travers l'étude de cas du conflit sur Twitter autour de la démission de Weintraub du ministère de l'Éducation, sous le gouvernement Bolsonaro, le texte présente une analyse qui met en évidence trois dimensions du clash discursif : (a) la chronologie du comportement des réseaux d'interactions discursives sur le sujet ; (b) les thèmes mobilisés ; et (c) le profil des utilisateurs qui ont le plus tweeté au cours des discussions. Les résultats indiquent que les chocs discursifs sont dominés 1) par la réplication de messages originaux (retweets), 2) par le croisement de thèmes qui impliquent les personnages et le contexte du conflit, et 3) par la grande activité des profils non institutionnels dans la diffusion des messages, liés à leur position idéologique.

choc discursif; conflit en ligne; Twitter; plateformes numériques; Weintraub

Introdução

As plataformas digitais de redes sociais produziram importantes transformações no ecossistema de comunicação e têm influenciado diretamente nos processos políticos, o que provocou uma robusta agenda de pesquisa nas áreas de Comunicação Política e Opinião Pública. Com um modelo de comunicação com a participação ativa dos usuários – a autocomunicação de massas (cf. Castells, 2013a), estruturado em sistema de redes distribuídas (Benkler, 2006) e controladas pelas grandes empresas de comunicação digital, as Big Techs (cf. Morozov, 2018) –, as plataformas digitais passam a ter um papel central em diversos processos políticos, como nas eleições de Obama para presidente dos Estados Unidos, em 2008 e 2012 (Bimber, 2014), e nas mobilizações do ciclo de protestos ocorridos entre 2010 e 2013 em diversos países, como Tunísia, Egito, Brasil e Estados Unidos (Castells, 2013b), criando vários tipos de ação política mediada pelo uso de redes sociais de internet (Penteado; Cruz Jr, 2019).

No Brasil, apesar de já serem utilizadas em campanhas eleitorais desde 2010 (Cervi; Massuchin, 2011), as plataformas digitais ganham maior visibilidade a partir das Jornadas de Junho de 2013, como ferramentas para a divulgação de conteúdos alternativos aos dos meios de comunicação tradicionais (Peruzzo, 2013) e para a mobilização massiva de pessoas para participarem de protestos (Parra, 2013). As redes sociais de internet também tiveram um papel importante em outros eventos políticos brasileiros, tais como o debate eleitoral da campanha de 2014, com a forte polarização política e ideológica entre as campanhas de Dilma Rousseff e Aécio Neves (Chaia; Brugnago, 2014), as mobilizações pelo impeachment de Dilma Rousseff em 2015 e 2016 (Penteado; Lerner, 2018) e as eleições de 2018, em que as diferentes redes sociais tiveram papel central na campanha vitoriosa de Bolsonaro para Presidente da República (Dias; Fernandes, 2020).

A centralidade das plataformas digitais dentro do debate público contemporâneo suscita importantes temas de pesquisas nas áreas de Comunicação Política e Opinião Pública, que envolvem estudos sobre desordem informacional e difusão de desinformação influenciando processos políticos (Allcott; Gentzkow, 2017; Benkler et al., 2018; Dourado, 2020), emergência de lideranças populistas autoritárias (Gerbaudo, 2018; Guazina, 2021), polarização afetiva (Iyengar et al., 2019) e sectarismo político (Finkel et al., 2020), mobilização política e ativismo digital (Castells, 2013b) e embates discursivos entre atores políticos (Vinhas; Sainz; Recuero, 2020; Penteado; Goya; França, 2021; Soares; Recuero, 2021), ou ainda a combinação entre os tópicos, como desinformação e polarização (Recuero; Soares, 2021) e populismo e desinformação (Penteado et al., 2022).

Os estudos sobre embates discursivos digitais no Brasil, foco deste artigo, estão centrados principalmente no Twitter, pois, devido à sua estrutura de funcionamento mais aberta para a difusão de conteúdos, a plataforma é comumente utilizada por atores políticos para propagarem suas narrativas bem como por jornalistas para divulgarem informações (Recuero; Zago; Soares, 2019), constituindo, assim, um espaço para o debate público.

As pesquisas sobre o debate público no Twitter têm como objeto embates entre discursos, nos quais os atores políticos buscam difundir suas narrativas e mobilizar interpretações sobre determinados eventos da agenda política. Nelas, é possível identificar diferentes abordagens teóricas e metodológicas adotadas para a análise da complexidade do debate público digital. As abordagens teóricas variam dentre as áreas de conhecimento de que se originam as pesquisas. Os estudos sobre o tema realizados na área de Comunicação têm a abordagem habermasiana como principal base teórica, com privilégio da dimensão deliberativa das conversações em plataformas digitais (Maia et al., 2017). Os estudos da área de Ciência, Tecnologia e Sociedade, por sua vez, seguem uma linha latourniana, com foco nas controvérsias nos ambientes online e com destaque para o papel de agenciamento de atores não humanos – algoritmos, affordances e outros dispositivos computacionais (Venturini; Munk, 2021). Na Ciência Política, prevalecem estudos que destacam as estratégias de campanhas políticas adversárias, por meio de mobilização de frames (Sahly; Shao; Kwon, 2019) e influência sobre a opinião pública (McGregor, 2020). Estudos da Sociologia Política focam na produção de discursos para a mobilização política e a formulação da identidade coletiva das organizações (Oliveira; Conceição Lima; Penteado, 2020). Por fim, seguindo a linha da teoria do discurso laclauniana, que desloca a análise da política para a disputa simbólica entre agentes políticos pela hegemonia, existem pesquisas que buscam examinar como os grupos políticos usam o Twitter (e outras plataformas) para a disputa dos significantes (vazios) (Vinhas; Sainz; Recuero, 2020; Penteado et al., 2021).

As metodologias para a análise do debate público, principal área para a qual este artigo procura contribuir, envolvem estudos que fazem a comparação de mobilizações de hashtags pelos grupos envolvidos (Carvalho et al., 2016; Soares; Recuero, 2021). Outras pesquisas trabalham com uma abordagem de análise de conteúdo das principais publicações, por meio de diferentes estratégias (Recuero; Zago; Bastos, 2014; Passos; Pires, 2019; Campos-Domínguez; Penteado; Cervi, 2021; Penteado et al., 2021). Há também estudos que adotam a abordagem relacional da análise de redes sociais para identificação de clusters temáticos e discursos mobilizados (Oliveira; Conceição Lima; Penteado, 2020; Vinhas; Sainz; Recuero, 2020) e para identificação e classificação ideológica dos usuários mais importantes (Zago; Recuero; Bastos, 2015; De França; Goya; Penteado, 2018). Por fim, vale destacar, ainda, os estudos que avaliam a influência dos algoritmos e das políticas de engajamento das plataformas para influenciar comportamentos e escolhas políticas (Silveira, 2019) e disseminação de fake news, discurso de ódio e medo (Benkler et al., 2018; Empoli, 2019). Contudo, a literatura sobre debate público em plataformas digitais, conforme apresentado anteriormente, tende a privilegiar uma única dimensão, não conseguindo abordar de forma conjunta as diversas dimensões presentes nos embates discursivos⁷, como o comportamento da rede durante o conflito, a análise dos diferentes temas e tópicos mobilizados e a identificação e a classificação dos usuários mais ativos (responsáveis pela produção da maior parte de volume de dados, seguindo a lei de potência das redes sociais⁸).

Com o intuito de compreender a dinâmica do desenvolvimento de disputas discursivas em plataformas digitais e contribuir para o avanço da agenda de pesquisa na área de estudo sobre debate público digital, este artigo apresenta um estudo de caso sobre a disputa discursiva no Twitter sobre a demissão do ex-ministro da Educação do governo Bolsonaro, Abraham Weintraub, e sua nomeação para um cargo no Banco Mundial, em junho de 2020. Esse evento, que envolveu uma figura importante do grupo bolsonarista no Twitter (e com grande visibilidade nessa plataforma), gerou amplo debate que mobilizou os usuários alinhados ao governo Bolsonaro e os críticos ao ministro e ao governo federal, caracterizando uma situação de embate entre diferentes usuários em torno do significado do evento. O objetivo deste artigo é analisar três questões relacionadas ao embate discursivo que se desenvolveu no Twitter em torno da demissão de Weintraub: (a) a cronologia do comportamento no tempo das redes de interação discursivas sobre o tema; (b) as temáticas que foram mobilizadas pelos grupos políticos; e (c) o perfil daqueles usuários que mais tuitaram durante as discussões sobre o tema.

O artigo está dividido em cinco partes. Esta breve introdução é seguida da apresentação da discussão teórica sobre disputas discursivas em plataformas de redes sociais digitais. As perguntas de pesquisa, os métodos e metodologias são apresentados na parte três. Os resultados são apresentados na quarta parte. Nas considerações finais, buscamos apontar alguns limites desta pesquisa e uma agenda de pesquisas futuras.

Dos embates discursivos em plataformas digitais

As duas primeiras décadas do século XXI ficaram marcadas por três fenômenos que, relacionados, ajudaram a reconfigurar os espaços de produção, transmissão e discussão de questões políticas: a popularização dos smartphones, o aumento exponencial de acesso à internet e o desenvolvimento das plataformas de mídia social (tais como Facebook, Twitter, Instagram, TikTok, entre outros) e de aplicativos de troca de mensagens (WhatsApp, Telegram, entre outros). Com essas mudanças, o campo de estudos de comunicação política se expandiu para a análise da participação dos cidadãos/usuários em conversações públicas nessas plataformas, com o intuito de identificar fenômenos comunicativos que poderiam influenciar processos políticos (Braga; Silveira; Penteado, 2014; Cervi; Carvalho, 2019; Segurado; Penteado; Silveira, 2021).

No contexto de digitalização das sociedades contemporâneas, as redes de comunicação assumem um papel central nas relações de poder (Castells, 2013a) e produzem uma transformação da estrutura do ecossistema de comunicação, que coloca desafios para a prática democrática (Rasmussen, 2014), principalmente pelas características sociotécnicas dessas plataformas privadas, gerenciadas por dispositivos algorítmicos, que permitem a produção e a disseminação de desinformação e a manipulação de ideias e comportamentos dos usuários, que afetam processos políticos (Benkler et al., 2018) e tensionam as democracias liberais (Castells, 2018).

Passada a euforia com os potenciais emancipatórios das mídias digitais adotadas no ciclo de protestos globais entre 2010 e 2013 (Castells, 2013b; Di Felice, 2013; Malini; Antoun, 2013), um olhar mais crítico em relação a essas tecnologias (e seus algoritmos) começou a se desenhar a partir da interpretação de eventos políticos, como a eleição de Donald Trump à presidência dos Estados Unidos e o surpreendente resultado do Brexit, ambos em 2016 (Bimber, 2014; Sustein, 2017; Castells, 2018). Em função desses acontecimentos, tornou-se patente que, em ambientes de interações digitais, a comunicação política contemporânea também está sujeita a uma combinação de desinformação, polarização ideológica (e afetiva), propaganda microssegmentada e manipulação informacional (Zeitzoff, 2017; Benkler et al., 2018; Bennett; Livngston, 2018). Nesse sentido, as redes sociais de internet começaram a ser estudadas como espaços geradores de uma “internet ambivalente” (Chadwick, 2019). Esses temas passam, então, a ganhar uma maior atenção de acadêmicos, jornalistas e atores políticos, preocupados em entender as transformações das dinâmicas das práticas políticas contemporâneas (Tucker et al., 2018).

Uma das transformações foi a mudança do debate público, que, se antes era controlado pelos meios de comunicação tradicionais, se torna mais complexo, envolvendo uma nova lógica híbrida, que combina informações do antigo modelo comunicacional de broadcast controlado por empresas de comunicação de massa (televisão, rádio e jornal) com a comunicação em redes distribuídas, na qual os usuários têm um papel ativo em produção, transmissão e circulação de informações, formando um sistema híbrido de mídia, que vai influenciar as dinâmicas da política e do poder (Chadwick, 2019).

Nesse sistema híbrido de mídia, o debate público em plataformas digitais ganha maior complexidade, pois envolve diferentes características comunicacionais que combinam elementos sociotécnicos com diferentes estratégias discursivas adotadas pelos usuários, o que desperta novos desafios para os estudos de Comunicação Política e Opinião Pública. Um deles está associado à possibilidade de disputa dos sentidos (significados e leituras) de eventos políticos por grupos políticos, o que impossibilita o fechamento discursivo em torno de uma universalidade hegemônica (cf. Laclau; Mouffe, 2015). Há, assim, espaço para a expressão de contradiscursos (Soares; Recuero, 2021) e a disputa discursiva, manifestada por diferentes narrativas dos usuários nas redes. Os embates entre discursos em plataformas digitais podem se expressar de diferentes formas. Neste artigo, adota-se o termo embate discursivo para designar os estudos dos conflitos entre as narrativas mobilizadas por perfis, a partir de alinhamento político e ideológico dos usuários com determinados discursos que refletem disputas políticas conjunturais (Penteado et al., 2021), que, por sua vez, alinham-se em comunidades de interesses (clusters) e podem levar à ampliação da polarização política (Kamienski et al., 2023). A partir deste recorte, o embate discursivo online possui uma dupla dimensão: a primeira reflete a interação direta entre discursos conflitantes, e a segunda, identitária, característica do efeito homofilia⁹ da interação em redes sociais online, produz narrativas que alimentam os posicionamentos político e ideológico dos usuários.

O embate discursivo em plataformas digitais se articula de diferentes formas, como o antagonismo discursivo em torno de hashtags, nas eleições de 2018, entre os apoiadores dos principais candidatos (Vinhas; Sainz; Recuero, 2020), e os embates em torno do assassinato da vereadora Marielle Franco e de seu motorista, Anderson, quando diferentes grupos usaram estratégias distintas para difundir campanhas de desinformação contra a vereadora, e, outros, para desmentir as notícias falsas contra ela (Soares et al., 2019), ou para a mobilização em rede, por meio do compartilhamento de mensagens (retweets, no caso) em torno da investigação para saber quem mandou matar Marielle (Oliveira; Conceição Lima; Penteado, 2020).

O embate de discursos também pode se expressar em torno de candidaturas nas campanhas políticas e contribuir para a polarização ideológica e a difusão de campanhas de desinformação em clusters (comunidades) hiperpartidarizados, principalmente entre grupos de extrema-direita, como mostra o estudo de Recuero e Soares (2021), por meio da análise das hashtags mobilizadas pelos apoiadores dos candidatos à Presidência da República. As hashtags ajudam a agrupar as narrativas em conflito, como no embate sobre a legalidade ou a ilegalidade (golpe) do impeachment de Dilma Rousseff (Carvalho et al., 2014; Penteado; Lerner, 2018).

A abordagem de análise de conteúdo é outra forma de identificar e analisar a disputa de narrativa de eventos políticos, como ilustram os trabalhos de Passos e Pires (2019) sobre a desconstrução discursiva da imagem pública de Lula nas redes sociais de internet durante a crise política de 2016. Essa abordagem também possibilita identificar as narrativas construídas para a mobilização de protestos políticos (Recuero; Zago; Bastos, 2014) e as estratégias discursivas de lideranças políticas, como mostram as pesquisas de Penteado et al. (2021) e Monari et al. (2021) sobre a construção do discurso populista de Bolsonaro.

Para lidar com a grande quantidade de conteúdo produzido no debate público digital, a análise automatizada de conteúdo possibilita o processamento de todos os dados coletados por meio de técnicas e ferramentas computacionais, o que traz contribuições importantes para a Ciência Política e para o estudo de conversações em redes sociais de internet (Cervi, 2018), como demonstra o estudo de Campos-Domínguez, Penteado e Cervi (2021) sobre a polarização ideológica por meio da análise de cinco conflitos discursivos no Twitter.

Os embates discursivos também se caracterizam pela construção de narrativas antagônicas por meio da produção de sentidos mobilizados por grupos políticos ideológicos que podem reforçar a polarização política e que refletem as disputas simbólicas entre os agentes políticos (Vinhas; Sainz; Recuero, 2020; Penteado et al., 2021). A identificação ideológica dos perfis que participam ativamente do debate público (por meio de produção de conteúdo, compartilhamento de mensagens e comentários) contribui para a análise dos conflitos (De França; Goya; Penteado, 2018) e dos diferentes papéis que os usuários desempenham no embate (Zago; Recuero; Bastos, 2015).

Como evidencia a bibliografia sobre o debate público digital¹⁰, os embates discursivos apresentam diferentes dimensões analíticas que envolvem a produção de conteúdos e sua difusão (dinâmica de interações), narrativas, temas (tópicos) e sentidos mobilizados sobre determinados eventos e o posicionamento político e ideológico dos usuários envolvidos. Compreendendo essas três dimensões, este artigo apresenta um estudo de caso sobre o embate discursivo entre os usuários do Twitter em torno da demissão do ex-ministro da Educação Abraham Weintraub, com o objetivo de responder às seguintes perguntas: Há um embate discursivo no Twitter sobre a demissão de Weintraub no período analisado? Em caso positivo, qual o comportamento da rede (interações) durante o embate? Quais são as narrativas e temas envolvidos? Quem são os usuários mais ativos? Qual o posicionamento político desses usuários? E como eles atuam no debate?

Contextualização da demissão de Weintraub

No dia 18 de junho de 2020, o então Presidente da República Federativa do Brasil, Jair Messias Bolsonaro, anunciou a exoneração de seu ministro da Educação, Abraham Weintraub, para indicá-lo ao cargo de diretor representante do Brasil e de outros oito países no Banco Mundial. Weintraub esteve ao lado do Presidente comandando a pasta por mais de 14 meses, frequentando constantemente as manchetes dos jornais devido aos seus posicionamentos polêmicos, principalmente por meio de sua conta pessoal no Twitter. No fim de sua curta gestão, acumulou desentendimentos com a comunidade judaica, com diplomatas e representantes da China no Brasil, com a comunidade universitária, além de defender, com ofensas, a prisão dos ministros do Supremo Tribunal Federal (STF) brasileiro.

Tendo por base um discurso pautado pelo tradicionalismo moral e pela manutenção das hierarquias de gênero, raça e sexo e com uma concepção de livre mercado¹¹, em menos de um mês de sua posse, o ex-ministro, considerado um dos integrantes da ala ideológica mais radical daquele governo, despertou a revolta da comunidade acadêmica ao bloquear parte dos recursos destinados às universidades públicas e afirmar que elas seriam “centros de drogas”¹² e estariam promovendo “balbúrdia”, gerando protestos e paralisações estudantis em todo o país. Weintraub ainda propôs o “Future-se”¹³, programa que objetivava a maior autonomia financeira das universidades e institutos federais por meio de financiamentos privados, cujos propósitos foram criticados por parte da comunidade acadêmica. Ademais, outro acontecimento controverso ocorreu no Exame Nacional do Ensino Médio (ENEM) de 2019, prova nacional utilizada para o ingresso em Instituições de Ensino Superior no Brasil, quando milhares de inscritos contestaram os resultados alegando alterações no gabarito. Para além dessas situações conflituosas, a gestão do ex-ministro foi frequentemente questionada em sua efetividade pelos veículos de comunicação¹⁴, tendo ele sido, inclusive, convocado pelo Congresso Nacional para dar esclarecimentos de suas declarações¹⁵.

Metodologia

A análise das interações no Twitter após a oficialização da demissão do ministro Weintraub enquadra-se no campo de abordagens empíricas dos estudos de caso. Utilizamos as interações no ambiente digital da plataforma como um caso exemplar de análise de embates discursivos em plataformas digitais. Seguindo o que define Quimelli (2009), nesse tipo de estudo, o caso é uma entidade complexa que atua em vários contextos. Ele é singular, porém, não excludente ou exclusivo. O caso do debate público no Twitter sobre a demissão de Weintraub do Ministério da Educação ajuda a ilustrar as dinâmicas e complexidade dos embates políticos em uma sociedade digitalizada.

No estudo desse caso, optamos por uma abordagem metodológica que une análise de conteúdo clássica e análise de produtores de conteúdo. Com isso, as técnicas de pesquisa começam identificando as contas a partir de suas características principais. Consideramos os dados agregados a partir das características como produtores dos conteúdos. Em seguida, analisamos, a partir da técnica de clusters hierárquicos descendentes, os conjuntos formados pelo uso de léxicos similares nos tweets. O resultado é que conseguimos relacionar as características das contas produtoras com os conteúdos produzidos e que geraram os embates discursivos. Dessa forma, foram três os procedimentos de pesquisa: i) análise do fluxo de tweets por horário; ii) análise léxica dos conteúdos por meio da técnica de clusterização; e iii) estudo dos traços de posicionamento político dos perfis mais ativos (perfis que mais publicaram tweets, retweets e replies) em torno do episódio da saída de Weintraub do Ministério da Educação.

O primeiro procedimento corresponde à coleta e ao processamento dos dados para identificação do tráfego de mensagens no Twitter (mensagens originais e retweets) e sua incidência por hora para identificar o período de maiores conflito e interação entre os usuários. A coleta resultou em um corpus textual para a análise formado por 442.573 tweets, coletados em streaming (em tempo real) pela API¹⁶ do Twitter, que citam o nome do ex-ministro¹⁷ (termo usado para a coleta de dados) no período analisado nos dias 18 e 19 de junho de 2020 – intervalo temporal escolhido devido à exoneração do então ministro da Educação brasileiro em 18 de junho de 2020. Assim como acontece com outros temas objeto de controvérsia política no Twitter, a maior parte do tráfego é de retweets e não de textos originais. No caso em análise, 78% do total – mais de 345,2 mil – são retweets. Para garantir uma análise exploratória textual, mantivemos todos os tweets do corpus.

Para o segundo procedimento, utilizamos o algoritmo de Reinert (1998) para análise léxica de conteúdo dos tweets durante as 26 horas seguintes à demissão do ex-ministro da Educação (o período de coleta abrange desde o anúncio da demissão de Weintraub até a diminuição do fluxo de menções a ele, de forma a coletar o momento de maior interação entre os usuários sobre o evento). A partir de uma interface para análise de conteúdo no software R, o Iramuteq, foi possível identificar os clusters de termos que mais ocorreram em determinado momento das postagens. Os clusters de termos são uma técnica de análise semântica automatizada para identificar a intensidade de léxicos (termos) para estudo de grande corpus textual, como de Big Data, que permite atribuir sentido a partir de termos que aparecem associados em clusters de ocorrência (Cervi, 2018), ideal para o estudo de embates discursivos em plataformas de redes sociais de internet. Pela análise dos termos dentro dos clusters, também foi possível identificar qual foi a temática predominante em cada um deles. Há um potencial maior do que o que será apresentado aqui na análise léxica de conteúdo, contudo, para atingir o objetivo proposto neste artigo, vamos nos concentrar na análise descritiva exploratória dos resultados, que permite observar e identificar as temáticas envolvidas no conflito discursivo em análise.

Para o estudo dos perfis mais ativos no conflito (com maior número de publicações, retweets e replies) e a análise dos traços de posicionamento político dos perfis, primeiramente foi realizada a identificação destes perfis na base de dados. A partir desta identificação, o artigo descreve as características (traços de posicionamento político) das contas mais ativas em cada cluster da rede no Twitter, por meio de uma adaptação da metodologia proposta por Crosset, Tanner e Campana (2019)¹⁸ para a contextualização de conteúdos publicados em redes sociais.

A análise dos perfis dos usuários mais ativos é relevante pois nos ajuda a compreender de forma empírica onde e como esses perfis se posicionam e atuam no embate discursivo. Por formar clusters com milhares de perfis, optamos por apresentar as 20 contas com maior atividade na rede, por cluster. Algumas contas de usuários aparecem entre as mais ativas em mais de um cluster, como indicado no ^Anexo. As contas foram classificadas em duas dimensões: na primeira, o tipo de conta; na segunda, a partir da presença ou não de indicadores de posicionamento político, como menções de apoio ou ataque a determinado político, texto de autoidentificação na mini bio, uso de imagens associadas a posicionamentos político-ideológicos (“emojis”, fotos de perfil, símbolos de ideologia etc.) e até textos de tweets fixados. O objetivo aqui é identificar se as contas com determinada marcação político-ideológica tendem a concentrar-se em determinado cluster.

Resultados

O Gráfico 1 mostra a intensidade do tráfego de mensagens ao longo do tempo, com o total de tweets por hora, entre a primeira e a 26ª hora (horário de término da coleta) após a demissão oficial. Para entendermos a composição dos embates discursivos, salientamos tweets e retweets: a linha contínua no gráfico indica os tweets e, a tracejada, os retweets. Podemos observar que há um pico de mensagens nas três primeiras horas, período em que há, também, proporcionalmente menos retweets em relação ao total. Conforme o tempo passa, a proporção de retweets em relação ao total aumenta, chegando quase à totalidade do tráfego entre as horas 11ª e 14ª, que coincidem com final da madrugada e início da manhã. Esse maior volume de retweets pode ser um indicativo de automação das contas para tráfego de mensagens programadas. Conforme o tempo passa, volta a crescer o número de tweets originais sobre Weintraub, porém sem a mesma intensidade das primeiras horas. Na 26ª hora, o número de mensagens apresenta queda acelerada.

Gráfico 1
– Tráfego de mensagens no Twitter com o termo Weintraub em 18 e 19 de junho de 2020

O primeiro achado do artigo é a diferença entre tweets e retweets ao longo do tempo. Para a definição dos clusters, via método de Reinert, são utilizados todos os tweets que citam Weintraub no período analisado. Para uma análise mais assertiva, o termo “Weintraub” foi excluído da formação dos clusters. Ao final da análise, o algoritmo desenvolveu quatro clusters. O Quadro 1, a seguir, reúne os termos com maior significância estatística para cada agrupamento. A partir desses termos, nominamos os grupos. Percebemos que o primeiro grupo reúne os termos mais gerais sobre o embate discursivo em torno da demissão de Weintraub. Ali está “Ministério da Educação”, termo relacionado à saída do ex-ministro da respectiva pasta. Os termos “Banco” e “Mundial” também aparecem e estavam relacionados, naquele momento, com a especulação a respeito da ida de Weintraub para um cargo no Banco Mundial por indicação de Jair Bolsonaro. Já os termos “Rodrigo” e “Maia” tinham ligação com o pronunciamento irônico do ex-presidente da Câmara dos Deputados, Deputado Rodrigo Maia (DEM-RJ), a respeito da ida de Weintraub para o Banco Mundial, em que disse “No Banco Mundial? É… Porque não sabem que ele trabalhou no Banco Votorantim, que quebrou em 2009, e ele [Weintraub] era um dos economistas do banco”¹⁹. Em resposta ao deputado, em 19 de junho de 2020, o próprio Weintraub escreveu em seu Twitter: “Digo apenas que o Banco Votorantim NUNCA quebrou e que existe até hoje. A afirmação dele é uma MENTIRA. Tive a honra de trabalhar lá. Comecei como liquidante (boy) e cheguei a diretor estatutário. Fui economista chefe, ranqueado várias vezes no Top5”²⁰. Além disso, também integra o mesmo cluster o termo “Queiroz”²¹, referindo-se a Fabrício Queiroz, que apareceu nas mensagens por ter sido preso no mesmo dia da demissão do ex-ministro. Esse foi o cluster com maior participação do conjunto total de tweets, representando 77,8% dos termos classificados.

Quadro 1
– Principais termos componentes dos clusters léxicos no embate sobre a saída de Weintraub do Ministério da Educação, em 18 e 19 de junho de 2020

Cl1 Saída de Weintraub	Cl2 Ação afirmativa	Cl3 Imprensa	Cl4 Covid-19
Ficar Banco Cargo Educação Maia Ministério Ministro Mundial Queiroz Rodrigo	Cota Deficiência Inclusão Indígena Negro Portaria Revogar	Afirmação Antagonista Azevedo Diretor Dizer Entrevista Fofoca Globo Honra Reinaldo Vaiar	China Comprar Dinheiro Dispensar Federal Governador Governo Morrer Pandemia Povo Respirador Tratamento Verba
171.971 (77,8)	25.510 (11,6)	20.672 (9,3)	2.859 (1,3)

Fonte:

O segundo cluster reúne termos ligados às políticas de “ações afirmativas” ligadas ao Ministério da Educação. Aparecem nele os léxicos “cota”, “deficiência”, “inclusão”, “portaria” e outros. Uma das últimas medidas de Weintraub, como ministro, foi a revogação da portaria que tratava da implantação de políticas afirmativas em programas de pós-graduação de universidades federais brasileiras. O cluster de “ação afirmativa” representou 11,6% dos termos classificados.

Assim como normalmente acontece em outros embates discursivos no Twitter, há muitas referências sobre imprensa e meios de comunicação tradicionais. Os termos do terceiro cluster dizem respeito à imprensa e são principalmente nomes de veículos de comunicação, como “Globo” e “Antagonista”, ou de jornalistas, como “Reinaldo Azevedo”. Esse cluster tem um número de termos classificados pouco abaixo do anterior, representando 9,3% das classificações.

Por fim, um cluster que diz respeito à pandemia da Covid-19. São termos como “China”, “governador”, “morrer”, “pandemia”, “respirador”. É o menor dos clusters, representando apenas 1,3% do total de termos classificados. A ocorrência desses termos é compreensível, pois, no período de coleta dos dados, a conjuntura política era de críticas à gestão do governo Bolsonaro em relação ao enfrentamento da pandemia no país.

Podemos perceber, portanto, uma conexão entre todas as temáticas dos quatro clusters no embate discursivo analisado, no qual o governo federal era o referente principal, seja por conta da demissão do seu ministro da Educação (cluster 1), que havia tentado revogar a portaria que incentivava a implementação de cotas na pós-graduação no apagar das luzes de sua gestão (cluster 2), seja em função da sua postura em relação ao combate ao vírus SARS-Cov-2 (cluster 4). Assim como podemos compreender também a presença do cluster relacionado à imprensa, vítima constante dos ataques dos apoiadores do ex-presidente, que buscam deslegitimar e desqualificar qualquer crítica à figura de Bolsonaro (cluster 3).

Na nuvem de palavras do Quadro 1, os termos em azul são os que apareceram o maior número de vezes nas mensagens classificadas; os em vermelho são os que ficaram com menor número de citações. Percebemos que os termos que mais aparecem são os do primeiro cluster, pois ele representa mais de 77% do total de aparições. Pode-se dizer que o “conflito” direto foi o que predominou nos embates logo após a demissão do ministro da educação, ainda que tenha sido possível encontrar outros três clusters. Assim, Weintraub, o Ministério da Educação, sua ida ao Banco Mundial e um dos críticos de peso ao político, Rodrigo Maia, estiveram no centro da controvérsia vista no Twitter a partir de um olhar mais focalizado, o que, de fato, demonstra alguns pontos importantes. Primeiro, quanto o Twitter torna-se espaço de grande movimentação política quando uma controvérsia emerge, o que fica visível nas milhares de mensagens, precisamente 171.971, circundantes ao primeiro cluster. Em segundo lugar, sublinha-se o modus operandi dos atores políticos brasileiros que se utilizam ainda da mídia tradicional para se posicionar, mas também se utilizam de mídias sociais, como o Twitter, para pontuar sua opinião política, o que confere a esta plataforma espaço extraoficial de enfrentamentos e exposição de controvérsias.

Encontrados os termos para os clusters, a segunda etapa da análise léxica é a classificação dos tweets nos clusters. A partir da presença de termos com maior significância estatística em um cluster, o tweet é classificado como pertencendo a determinado cluster. Como um tweet pode apresentar termos de mais de um cluster, ele pode ser classificado em mais de uma categoria. Assim como também é possível encontrar mensagens que não apresentam nenhum dos termos com significância estatística para enquadrá-las em um ou mais clusters. A Tabela 1, a seguir, mostra os principais indicadores descritivos das mensagens por cluster. Ela mostra que dos 442,5 mil tweets do corpus empírico, 146,2 mil, representando 33% do total, não foram classificados em nenhum cluster. Além disso, a tabela mostra o percentual de tweets com classificação total, indicando a relação entre número de tweets e cluster em relação ao total classificado. Novamente chama a atenção o cluster 1, dado que 58,6% dos tweets foram classificados nele, ou seja, 58,6% dos tweets compuseram o “conflito”. Em segundo lugar em percentual de tweets apareceu o cluster 4, sobre “Covid-19”, com 11,3% do total de tweets. Em seguida, o cluster 2, “ação afirmativa”, com 9,5% do total de classificados. O cluster 3, “imprensa”, representou apenas 3,6% do total de mensagens classificadas.

Tabela 1
– Distribuição dos tweets por cluster no embate sobre a saída de Weintraub do Ministério da Educação, em 18 e 19 de junho (%)

Cluster	Clas. Única	Clas. Total	N total
CL1 – saída de Weintraub	198.899 (76,7)	259.168 (58,6)
CL2 – ação afirmativa	9.019 (56,1)	16.070 (3,6)
CL3 – imprensa	3.895 (9,4)	41.386 (9,5)
CL4 – Covid-19	22.307(44,6)	49.948 (11,3)
Subtotal	234.120 (63,8)	366.572 (83)
Não classificados			62.191 (14)
Classificados em mais de um cluster			146.262 (33)
Total			442.573 (100)

Fonte:

A primeira coluna da Tabela 1, “clas. Única (%)”, mostra o número e o percentual de tweets que foram classificados em um único cluster. A categoria “saída de Weintraub”, além de ser a mais numerosa, também apresenta o maior percentual de tweets com classificação única: 76,7% do total. Depois vem o cluster de “ação afirmativa”, com 56,1% de classificações, seguido pelo cluster 4, sobre Covid-19, com 44,6% de classificações únicas. O cluster 3, “imprensa”, apresenta a maior diferença em relação aos anteriores. Apenas 9,4% dos tweets do cluster “imprensa” foram classificados somente nessa categoria. Esse é outro achado do estudo: quando se refere à imprensa, os textos deste cluster se relacionam com outro cluster, ou seja, ele não tem autonomia como as demais categorias. Podemos depreender que o cluster “imprensa” serve como base para a discussão de outros temas. Apesar de não serem os perfis mais retuitados, eles ainda são importantes atores na produção de informações, mostrando a existência de um complexo ecossistema de informações. Como veremos adiante, as contas de veículos de comunicação, como UOL, DCM, Antagonista, Globo, Brasil 247 e Agência Brasil, estão entre as que mais tuitaram, servindo de referência para outros clusters, por tratarem das temáticas que estavam em disputa (seja sobre a demissão de Weintraub, as ações afirmativas ou sobre a Covid-19).

Além das diferenças nos números totais de tweets, é possível descrever como cada cluster se comportou durante a coleta de dados. O Gráfico 2, a seguir, mostra o número total de tweets por cluster ao longo do tempo. Percebemos que apenas o cluster 1 apresenta uma grande variação, aproximando-se do formato da curva geral. Os outros três clusters apresentaram uma linearidade temporal maior, com pouca variação entre as 26 horas de análise. Ou seja, o que varia, apresentando uma concentração alta no início do período de circulação das mensagens, é, exatamente, o “embate”. Nota-se também que o conflito observado tem um movimento de pico, mas rapidamente se dispersa. Esse movimento de explosão de debate em torno de uma questão e, a posteriori, esfriamento da querela é característico das controvérsias observadas no Twitter (Recuero; Soares, 2020). A constância dos clusters 2, 3 e 4 pode ser explicada por não serem o foco principal do embate discursivo. Eles contêm questões secundárias que, embora dialoguem com o tema principal – o embate em torno de Weintraub -, não geraram tanto engajamento como a temática de sua demissão.

Gráfico 2
– Tráfego de mensagens no Twitter por cluster no embate sobre a saída de Weintraub, em 18 e 19 de junho de 2020

Como próxima etapa da análise exploratória, apresentamos a identificação das contas que mais interagiram sobre Weintraub no Twitter. As Tabelas 2a e 2b reúnem dois grupos de informações distintas, por contas. A primeira delas mostra as 20 contas com maior número de interações sobre o tema, separando tweet, retweet e reply. A Tabela 2b indica as 20 contas que mais tuitaram sobre o tema em 26 horas.

Tabela 2a
– Atividades das contas na rede de tweets sobre Weintraub em 18 e 19 de junho de 2020 (%)

Contas com maior número de mensagens por tipo
Nome	Tweet	Retweet	Reply	Total
marcelo_suisso	0	0	358(100)	358
Evilzio5	2(0,6)	1(0,3)	294(99,1)	297
odio_nao	0	216(100)	0	216
bigjason252	0	137(100)	0	137
LIPPI2	1(0,8)	128(98,4)	1(0,8)	130
9ClaudioRR	0	119(100)	0	119
BleyLacerda	0	109(93,9)	7(6,1)	116
LucianneDalsec1	0	116(100)	0	116
saby_mary	1(0,9)	5(4,6)	103(94,5)	109
Edvaldo71383333	0	108(100)	0	108
wordminions	0	105(100)	0	105
AC_Moreiraa	0	97(100)	0	97
Cccalado	0	94(100)	0	94
FabioIng	0	27(29)	66(71)	93
moema4	0	89(100)	0	89
hebertonslva	0	88(100)	0	88
wagnerbsb	0	88(100)	0	88
liliane_sol6	2(2,3)	85(97,7)	0	87
PAULOPARMM	0	87(100)	0	87
JLJuninho	0	85(100)	0	85

• Fonte: Elaborada pelos autores.

Tabela 2b
– Contas com maior número de tweets sobre Weintraub em 18 e 19 de junho de 2020

Contas com mais tweets
Nome	tweets
gojammaj	79
gabge	27
UOLNoticias	25
DCM_online	24
o_antagonista	23
MCLEDIMAR	23
celsoelias	22
nicsllwe	22
carlosrro	21
Globo_online1	20
brasil247	20
jornalfloripa	19
botsensacional	16
AGENCIABR1	16
goldofogo	15
EsquerdaRadica1	15
deivisonworllck	14
LeiaJaOnline	14
tomruled	14
vonivar	14

Fonte:

Na Tabela 2a, verificamos que as contas com maiores atividades variaram entre 358 e 85 tweets nas 26 horas de coleta. A maior parte delas participou principalmente com retweets ou replies. Foram poucos os tweets originais nas contas com maior volume de atividade. Podemos observar pelos nomes que as que mais atuaram na rede no episódio não foram contas institucionais, mas, sim, individuais.

Na Tabela 2b, na qual estão as 20 contas com maior número de tweets, percebemos um número bem menor de atividades, que vai de 79, da conta com maior número de tweets, até 14 mensagens, no período analisado. Outra diferença é que, entre as que mais tuitaram, havia contas institucionais, em especial de veículos de comunicação, como UOL, DCM, Antagonista, Globo, Brasil 247 e Agência Brasil.

Para relacionar os clusters léxicos com as contas mais atuantes, a partir daqui, organizamos os responsáveis pelas contas por agrupamento temático. A maior parte das contas mais ativas aparece em um único cluster, porém algumas são classificadas em mais de um agrupamento. O Gráfico 3 mostra a distribuição das contas por número de clusters em que elas aparecem. Do total, 51 contas mais ativas (85%) aparecem em um único cluster. Outras seis contas (9,7%) estão presentes em dois clusters. Mais três contas (4,8%) estão em três clusters e apenas duas contas (3,2%) foram classificadas em todos os clusters hierárquicos. Dada a repetição de algumas contas em mais de um cluster, ao todo, são 62 contas entre as mais ativas na rede analisada aqui.

Gráfico 3
Distribuição das contas por número de cluster em que se enquadram, no embate sobre a saída de Weintraub do Ministério da Educação, em 18 e 19 de junho de 2020

Com o objetivo de entender melhor quem eram esses perfis que protagonizaram o embate entre os diferentes discursos, buscamos, em seguida, analisar suas características, a partir da análise qualitativa de informações neles disponíveis, adaptando a proposta de Crosset et al. (2019). As contas foram classificadas inicialmente segundo o tipo de usuário, conforme apresentado na Tabela 3. Como as classificações incluem as 20 contas mais atuantes por cluster, o total da Tabela 3 é de oitenta contas, sendo consideradas, portanto, aquelas que aparecem em mais de um agrupamento. Foram definidos quatro grupos de perfis a que as contas poderiam pertencer: “influenciador”²², “mídia digital” (alguma fonte de notícia criada originalmente na internet), “político” (usuário que ocupe algum cargo eletivo ou que ocupe ou tenha ocupado algum cargo de nomeação) ou usuário “comum” (que não se encaixa em nenhum anterior).

Tabela 3
Contas mais atuantes no embate sobre a saída de Weintraub do Ministério da Educação, por tipo de perfil por cluster, em 18 a 19 de junho de 2020

Cluster	Conta inexistente, suspensa ou não localizada	Influenciador	Mídia digital	Político	Comum
Cl1	2	0	0	0	18
Cl2	0	1	0	1	18
Cl3	2	1	0	0	17
Cl4	1	2	1	1	15
Total	5 (6,2)	4 (5)	1 (1,3)	2 (2,5)	68 (85)

Fonte:

Além dessas, houve também cinco contas que não foram localizadas no momento da pesquisa, por estarem suspensas ou apontadas como inexistentes²³. Como a Tabela 3 demonstra, usuários comuns representam 85% do total de contas mais ativas (sem um significativo número de seguidores); influenciadores representam 5% do total; políticos 2,5%; e mídia digital apenas uma conta entre as mais ativas. O que demonstra a ampla participação de pessoas comuns, sem nenhuma notoriedade, no centro das controvérsias do Twitter, que atuam principalmente respondendo ou retuitando as mensagens produzidas por outrem.

A segunda dimensão na classificação é a de marcadores de posicionamento ideológico dos usuários mais ativos na rede. Para compreendermos em qual campo ideológico estavam as contas centrais no “conflito Weintraub”, definimos quatro marcadores. O primeiro é o alinhamento com Bolsonaro; o segundo, o alinhamento com a direita; o terceiro, o alinhamento com a esquerda; o quarto e último é a neutralidade. A classificação por tais marcadores foi feita a partir dos traços presentes nos perfis dos usuários, ou seja, observamos o posicionamento do usuário em sua apresentação no Twitter a partir de elementos presentes na biografia, de fotos, nome do usuário e “emojis” usados.

A Tabela 4 mostra a distribuição da presença de marcadores por cluster. As contas que indicam estarem alinhadas com Bolsonaro aparecem apenas nos clusters 3 e 4. As contas que indicam estarem alinhadas com a direita aparecem em todos os clusters, mas estão predominantemente presentes no 4 e depois no 3, relacionados respectivamente à Covid-19 e à imprensa. Isso demonstra a importância que os apoiadores do governo Bolsonaro davam para essas temáticas e a pouca mobilização que foi feita por esse grupo político em razão da demissão de Weintraub e da discussão sobre ações afirmativas. As contas com indicação de alinhamento com a esquerda também aparecem em todos os clusters, mas predominantemente no cluster 2, seguido do 1, exatamente no sentido contrário ao comportamento dos perfis alinhados com a direita. Como esperado, as contas que se apresentam como neutras são as que aparecem distribuídas de maneira mais uniforme em todos os clusters. O maior percentual delas está no cluster 1, com 33,3%, seguido do Cl2, com 30%, e 27,8% e 15,8% nos Cl3 e Cl4, respectivamente.

Tabela 4
Contas mais atuantes no embate sobre a saída de Weintraub do Ministério da Educação, por alinhamento ideológico por cluster, em 18 a 19 de junho de 2020

Cluster	N	Indica estar alinhado com Bolsonaro?		Indica estar alinhado com a direita?		Indica estar alinhado com a esquerda?		Apresenta-se como neutro?
		Sim	Não	Sim	Não	Sim	Não	Sim	Não
Cl1	18	0,0	100,0	16,7	83,3	50,0	50,0	33,3	66,7
Cl2	20	0,0	100,0	5,0	95,0	65,0	35,0	30,0	70,0
Cl3	18	22,2	77,8	55,6	44,4	16,7	83,3	27,8	72,2
Cl4	19	36,8	63,2	68,4	31,6	15,8	84,2	15,8	84,2

Fonte:

O Gráfico 4, a seguir, apresenta os percentuais de presença de indicadores de posicionamento ideológico por cluster, o que permite comparar as presenças relativas de cada grupo de indicador por cluster. As casas mostram o percentual de um tipo de indicador por cluster. As cores indicam tendência de presença ou não. Os tons azuis mostram os pares em que os percentuais ficaram acima da média geral de cruzamentos. Os tons em vermelho indicam os percentuais que ficaram abaixo da média. Quanto mais intenso o tom, mais distante da média. O gráfico pode ser lido tanto nas linhas quanto nas colunas. Faremos a descrição dos resultados por coluna, verificando as distribuições por clusters, que é o nosso objetivo.

Gráfico 4
Percentuais de presença de indicadores de posicionamento ideológico por cluster no embate sobre a saída de Weintraub do Ministério da Educação

Fonte: Elaborado pelos autores.

No cluster 1, que é o de conflito, predominam perfis de esquerda entre os de alta participação na rede. Não há perfil identificado com Bolsonaro entre os de maior atividade nesse cluster. No cluster 2, o de ação afirmativa, também predominam contas com indicadores de alinhamento com a esquerda. Já no cluster 3, sobre a imprensa, e no cluster 4, sobre a Covid-19, aparecem mais perfis com indicadores de alinhamento com a direita entre os mais intensos.

Em relação aos indicadores ideológicos, os perfis com alta intensidade de participação que indicam alinhamento com Bolsonaro estão presentes principalmente no cluster 4, o da Covid-19. O mesmo acontece com os perfis que indicam alinhamento com a direita. Já os perfis com alinhamento com a esquerda tendem a se concentrar no cluster 2 – sobre ação afirmativa.

Por fim, resta identificar o tipo de conta por presença de indicadores ideológicos. Como já indicado, as contas de usuários comuns são as predominantes em todos os clusters. Porém, há diferenças entre os percentuais de outros tipos de conta por presença de indicadores. A Tabela 5 mostra que as contas com participação intensa na rede, com indicadores de alinhamento com Bolsonaro, conformam o menor percentual de usuários comuns (81,8% do total de contas) e o maior percentual de influenciadores (18,2% do total de contas). Dessa forma, fica evidente que, no contexto do conflito sobre a saída de Weintraub, a perspectiva alinhada ao Presidente Jair Bolsonaro contou com uma rede maior de perfis de influenciadores que contêm muitos seguidores e que, assim, têm capacidade de pulverizar de maneira mais ampla as suas perspectivas. Entre os indicadores de alinhamento com a direita, também aparecem apenas influenciadores (7,4%) e usuários comuns (92,6%). Há uma diferença em relação aos alinhados com a esquerda, que são 89,3% de usuários comuns, 3,6% de influenciadores, além de 7,1% de políticos. Já dentre os que se apresentam como neutros, há influenciadores e mídia digital com 5% cada e 90% de usuários comuns.

Tabela 5
Tipo de conta por presença de indicadores ideológicos no embate sobre a saída de Weintraub do Ministério da Educação, em 18 a 19 de junho de 2020

Tipo	Indica estar alinhado com Bolsonaro	Indica estar alinhado com a direita	Indica estar alinhado com a esquerda	Apresenta-se como neutro
Influenciador	2 (18,2)	2 (7,4)	1 (3,6)	1 (5)
Mídia digital	0	0	0	1 (5)
Político	0	0	2 (7,1)	0
Usuário comum	9 (81,8)	25 (92,6)	25 (89,3)	18 (90)

• Fonte: Elaborada pelos autores.

A análise dos perfis mais ativos na rede por cluster nos permite algumas conclusões. A primeira delas é que a organização de clusters hierárquicos por termos é validada pela distribuição das contas mais ativas, pois a maior parte das contas aparece em apenas um cluster. Também foi possível verificar que a maior parte dos perfis mais ativos é de usuários comuns. Além disso, há uma distribuição coerente entre os indicadores de alinhamento ideológico e a presença em clusters. Os indicadores de alinhamento com Bolsonaro e com a direita tendem a estar nos mesmos clusters, os que tratam mais especificamente da imprensa e da Covid-19, enquanto os perfis com indicadores de alinhamento com a esquerda tendem a ter mais atividade nos clusters sobre conflito e política afirmativa. E, por fim, encontramos mais usuários influenciadores alinhados com Bolsonaro e com a direita.

Considerações finais

O estudo de caso do debate no Twitter em torno da demissão de Weintraub do Ministério da Educação em junho de 2020 ajuda a ilustrar a complexidade dos embates discursivos políticos em plataformas digitais. O tema das interações em conversações políticas online vem mobilizando uma ativa agenda de pesquisas. Este artigo busca contribuir com o debate conceitual e metodológico.

Do ponto de vista conceitual, os dados ilustram que as conversações políticas no Twitter em torno da saída de Weintraub do Ministério da Educação têm uma dimensão política de “competição entre discursos” que reflete as disputas entre os agentes políticos antagônicos na formação da opinião pública, conforme apontam os trabalhos de Vinhas, Sainz e Recuero (2020) e Penteado et al. (2021).

Contudo, a principal contribuição deste artigo é apresentar uma metodologia que possibilita identificar as diferentes dimensões que envolvem a disputa pela influência na opinião pública e as estratégias de comunicação política, expressas em embates discursivos em plataformas digitais.

A partir da leitura dos resultados, pode-se destacar os seguintes achados para a compreensão dos embates discursivos online: o primeiro está associado ao comportamento da rede, evidenciado pela diferença entre tweets e retweets. Ao longo do tempo, observou-se um aumento na proporção de retweets em relação ao total, atingindo quase a totalidade do tráfego entre as horas 11ª e 14ª. Esse intervalo coincide com o final da madrugada e o início da manhã do período analisado. A elevação significativa dos retweets sugere a possibilidade de automação de contas para a disseminação de mensagens programadas. Com o passar dos dias, durante o conflito online, verificamos que houve um retorno do crescimento do número de tweets sobre Weintraub, porém, sem a mesma intensidade das primeiras horas, indicando um caráter episódico do conflito.

O segundo achado, associado às temáticas mobilizadas durante o embate, possibilitou classificar os tweets e retweets em quatro clusters léxicos, sendo o maior deles (77,8% dos classificados) composto pelos termos mais gerais sobre o conflito em torno da demissão de Weintraub. Outras três temáticas foram identificadas por termos relacionados à ação afirmativa (11,6%), à imprensa (9,3%) e à Covid-19 (1,3%), que não estavam diretamente ligados ao conflito em torno da demissão do ministro, o que indica que o conflito principal pode incorporar outros temas. Como vimos na discussão sobre os dados, as temáticas paralelas se conectam de alguma forma com a temática principal (como no caso da política de ação afirmativa nas universidades públicas que foi revogada pelo ministro demitido): questões relacionadas à imprensa (que é foco de agressões constantes perpetradas pelo ex-presidente e seus apoiadores) ou relacionadas à pandemia e à postura do governo federal em relação ao seu combate. Podemos perceber que todo o embate discursivo esteve pautado por uma discussão entre apoiadores e detratores do governo Bolsonaro, com posições opostas em relação aos temas que compuseram os quatro clusters léxicos desta pesquisa.

Na segunda etapa da análise léxica, os tweets e retweets foram classificados em clusters a partir da maior significância estatística dos termos encontrados. A categoria “conflito”, além de ser a mais numerosa, apresentou o maior percentual de tweets com classificação única, com 76,7% do total. No cluster “imprensa”, apenas 9,4% dos tweets e retweets foram classificados somente nessa categoria, o que indica ausência de autonomia desse cluster em relação aos demais.

Por meio da análise de comportamento da rede ao longo do tempo da coleta de dados, foi possível identificar uma grande variação apenas do cluster “conflito”. Embora haja indícios de que essa variação esteja relacionada a contas automatizadas, uma conclusão a esse respeito exigiria a adoção de metodologias específicas para análise de comportamento de bots, o que ultrapassa os limites deste artigo. Mas essa é uma indicação de importante agenda de pesquisa para o estudo de conflitos online. Tanto Heghelich e Janetzko (2016) como Murthy et al. (2016) usaram técnicas específicas para identificar bots sociais no Twitter com o objetivo de influenciar o comportamento humano. Nos dois casos, as ações de retweet são identificadas como uma das mais comuns em bots sociais. A definição mais aceita de bot social é a de que se trata de programa ou algoritmo que controla contas em redes sociais online. A particularidade dos bots sociais é que eles são criados com o objetivo de alterar ou influenciar o comportamento humano, interferindo em redes mais amplas (Murthy et al., 2016).

Por fim, a pesquisa identificou e classificou as contas com maiores atividades. A maior parte dos usuários participou, principalmente, por meio de retweet ou reply. Como já observado, foram poucos os tweets originais nas contas mais ativas. A partir da análise dos traços digitais dessas contas, pudemos constatar que a maior parte delas pertence a usuários não institucionais – a primeira colocada contabilizou 358 interações. Por outro lado, ao considerar apenas os tweets – ou seja, desconsiderando retweets e replies –, percebemos uma atividade menor e a predominância de contas institucionais, principalmente de veículos tradicionais de comunicação. Nesse recorte, a conta com mais atividade postou apenas 79 tweets no período da coleta.

A análise dos traços ideológicos dos perfis nos permitiu observar que a temática dos clusters influencia a atuação dos perfis. Perfis mais à esquerda estavam mais presentes nos clusters 1 e 2, enquanto os perfis mais à direita estavam presentes nas discussões dos clusters 3 e 4. Também foi possível identificar que os perfis mais ativos eram de usuários comuns, com poucos seguidores, o que pode indicar a atuação de robôs, como citado anteriormente.

Em resumo, os resultados apontam que os embates discursivos são dominados: 1) pela replicação de mensagens originais (retweets), o que pode sinalizar a atuação de contas automatizadas nesse processo; 2) pelo entrecruzamento de temas que envolvem os personagens e o contexto do conflito que são mobilizados pelos perfis de apoiadores; e 3) a grande atividade de perfis não institucionais (usuários comuns) na difusão de mensagens associadas a posicionamentos ideológicos.

Em razão de seu objetivo e seu escopo (estudo de caso), este artigo limitou-se a uma abordagem descritiva dos resultados. Contudo, a combinação de métodos apresentados se mostrou útil para a análise de embates políticos discursivos em plataformas digitais em suas diferentes dimensões: comportamento da rede (análise do tráfego de informações), análise de temas (análise léxica) e classificação dos perfis mais ativos, de forma a contribuir com a agenda de pesquisa nas áreas de Comunicação Política e Opinião Pública.

Entretanto, não desconsideramos o potencial maior desse tipo de análise, que poderá ser desenvolvido em artigos futuros por meio de estudo sistemático de diferentes embates discursivos, tampouco a necessidade de se problematizar os impactos e efeitos dos algoritmos das plataformas nas interações dos usuários e da presença de estratégias de propaganda computacional.

Referências bibliográficas

• Allcott, H.; Gentzkow, M. “Social media and fake news in the 2016 election”. Journal of economic perspectives, vol. 31, nº 2, p. 211-236, 2017.
• Benkler, Y. The Wealth of Networks: How Social Production Transforms Markets and Freedom. New Haven and London: Yale University Press, 2006.
• Benkler, Y.; Faris, R.; Roberts, H. Network propaganda: Manipulation, disinformation, and radicalization in American politics. Oxford: Oxford University Press, 2018.
• Bennett, L.; Livingston, S. “The disinformation order: Disruptive communication and the decline of democratic institutions”. European Journal of Communication, vol. 33, nº 2, p. 122-139, 2018.
• Bimber, B. "Digital media in the Obama campaigns of 2008 and 2012: Adaptation to the personalized political communication environment". Journal of Information Technology & Politics, vol. 11, nº 2, p. 130-150, 2014.
• Braga, S.; Silveira, S. A.; Penteado, C. Cultura, política e ativismo nas redes digitais São Paulo, 2014.
• Brown, W. Nas ruínas do neoliberalismo – a ascensão da política antidemocrática no ocidente. São Paulo: Editora Politeia, 2019.
• Campos-Dominguez, E.; Penteado, C.; Cervi, E. “Polarización en Twitter. El caso de Brasil a través de cinco conflictos políticos”. Cultura, Lenguaje y Representación, nº 26, p. 127-147, 2021.
• Carvalho, C. D. S., et al. “The people have spoken: Conflicting Brazilian protests on Twitter”. In: 49th Hawaii International Conference on System Sciences (HICSS), p. 1986-1995, 2016.
• Castells, M. Communication power. Oxford: Oxford University Press, 2013a.
• Castells, M. Redes de indignação e esperança: movimentos sociais na era da internet. Rio de Janeiro: Zahar, 2013b.
• Castells, M. Ruptura: a crise da democracia liberal. Rio de Janeiro: Zahar, 2018.
• Cervi, E. “Análise de conteúdo automatizada para conversações em redes sociais online: uma proposta metodológica”. In: Anais do GT 17 - Mídias, política e eleições, 42º Encontro ANPOCS, Caxambu, 2018.
• Cervi, E.; Carvalho, F. C. “Conversação eleitoral em democracias monitoradas: uma tipologia para análise de comentários em redes sociais on-line”. Política & Sociedade, vol. 18, nº 41, p. 292-327, 2019.
• Cervi, E.; Massuchin, M. G. “O uso do twitter nas eleições de 2010: O microblog nas campanhas dos principais candidatos ao governo do Paraná”/ “The use of twitter in the elections of 2010: the microblog in the campaigns of the major candidates for government of Paraná”. Contemporânea - Revista de Comunicação e Cultura, vol. 9, nº 2, p. 319-334, 2011.
• Chadwick, A. The new crisis of public communication. Challenges and Opportunities for Future Research on Digital Media and Politics. Loughborough: Online Civil Culture Center/ Loughtborough University, 2019.
• Chaia, V. L. M.; Brugnago, F. “A nova polarização política nas eleições de 2014: radicalização ideológica da direita no mundo contemporâneo do Facebook”. Aurora, vol. 7, nº 21, p. 99-129, 2014.
• Crosset, V.; Tanner, S.; Campana, A. “Researching far right groups on Twitter: Methodological challenges 2.0”. New Media & Society, vol. 21, nº 4, p. 939-961, 2019.
• De França, F.; Goya, D.; Penteado, C. “Analysis of the twitter interactions during the impeachment of Brazilian president”. In: Anais the 51st Hawaii International Conference on System Sciences, Waikoloa, 2018.
• Dias, L. M.; Fernandes, C. M. “Campanha de Jair Bolsonaro para presidência em 2018: a construção do Mito Político”. ECCOM, vol. 11, nº 22, p. 477-488, 2020.
• Di Felice, M. "Ser redes: o formismo digital dos movimentos net-ativistas”. Matrizes, vol. 7, nº 2, p. 49-71, 2013.
• Dourado, T. G. “Fake News na eleição presidencial de 2018 no Brasil”. Tese de Doutorado em Comunicação e Culturas Contemporâneas. Programa de Pós-Graduação em Comunicação e Culturas Contemporâneas, Universidade Federal da Bahia, Salvador, 2020.
• Dubois, E.; Gaffney, D. “The Multiple Facets of Influence: Identifying Political Influentials and Opinion Leaders on Twitter”. American Behavioral Scientist, vol. 58, nº 10, p. 1260–1277, 2014.
• Empoli, G. Os engenheiros do caos: como as fake news, as teorias da conspiração e os algoritmos estão sendo utilizados para disseminar ódio, medo e influenciar eleições. São Paulo: Vestígio Editora, 2019.
• Garbado, A. C. Análise de redes sociais: uma visão computacional. Novatec Editora, 2015.
• Gerbaudo, P. "Social media and populism: an elective affinity?". Media, Culture & Society, vol. 40, nº 5, p. 745-753, 2018.
• Guazina, L. S. “Populismos de direita e autoritarismos: apontamentos teóricos para estudos sobre a comunicação populista”. Mediapolis – Revista de Comunicação, Jornalismo e Espaço Público, nº 12, p. 49-66, 2021.
• Iyengar, S., et al. “The origins and consequences of affective polarization in the United States”. Annual R eview of P olitical S cience, vol. 22, p. 129-146, 2019.
• Kamienski, C., et al. “Measuring Network Polarization and Political Sectarianism During the 2020 Pandemic”. IEEE Transactions on Computational Social Systems, vol. 10, nº 3, p. 1356–1371, jun. 2023. Disponível em: < https://doi.org/10.1109/TCSS.2022.3159449 Acesso em: 12 nov. 2023.
  » https://doi.org/10.1109/TCSS.2022.3159449
• Laclau, E.; Mouffe, C. Hegemonia e estratégia socialista: por uma política democrática radical. São Paulo: Intermeios, 2015.
• Maia, R., et al. “Conversação e deliberação sobre questões sensíveis: um estudo sobre o uso das razões que circulam nos media”. Galáxia, São Paulo, nº 34, p. 55–72, jan. 2017. Disponível em: < https://doi.org/10.1590/1982-2554201728000 >. Acesso em: 12 nov. 2023.
  » https://doi.org/10.1590/1982-2554201728000
• Malini, F.; Antoun, H. A internet e a rua: ciberativismo e mobilização nas redes sociais. Porto Alegre: Sulina, 2013.
• McGregor, S. C. “Taking the temperature of the room” how political campaigns use social media to understand and represent public opinion. Public Opinion Quarterly, vol. 84, S1, p. 236-256, 2020.
• Monari, A. C. P., et al. “Disputas narrativas e legitimação: análise dos argumentos de Bolsonaro sobre vacinação contra Covid-19 no Twitter”. Liinc em Revista, vol. 17, nº 1, e5707-e5707, 2021.
• Morozov, E. Big tech. São Paulo: Ubu Editora, 2018.
• Murthy, D., et al. “Bots and political influence: a sociotechnical investigation of social network capital”. International Journal of Communication, vol. 10, p. 4952-4971, 2016.
• Oliveira, T. S.; Conceição Lima, D.; Penteado, C. L. “# QuemMandouMatarMarielle: a mobilização online um ano após o assassinato de Marielle Franco”. LÍBERO, vol. 45, p. 138-157, 2020.
• Parra, H. “Jornadas de Junho: uma sociologia dos rastros para multiplicar a resistência”. Pensata, vol. 3, nº 1, p. 141-150, 2013.
• Passos, M. R. D.; Pires, T. M. D. “Narrativas políticas em disputa no Twitter: a (des) construção da imagem pública de Lula no contexto da crise política brasileira de 2016”. Intercom: Revista Brasileira de Ciências da Comunicação, vol. 42, p. 179-200, 2019.
• Penteado, C. L.; Cruz, B. G. “Ação política na internet na era das redes sociais”. Ponto-e-Vírgula, vol. 26, p. 109-122, 2019.
• Penteado, C. L.; Goya, D. H.; França, F. O. de. “Discursive conflicts around the impeachment of Dilma Rousseff (Brazil) on Twitter”. Perspetivas da Contemporaneidade, nº 1, p. 2184-9021, 2021.
• Penteado, C. L.; Lerner, C. “A direita na rede: mobilização online no impeachment de Dilma Rousseff”. Debate, Belo Horizonte, vol. 10, nº 1, p. 12-24, 2018.
• Penteado, C. L., et al. “Populismo, desinformação e Covid-19: comunicação de Jair Bolsonaro no Twitter”. Media & Jornalismo, vol. 22, nº 40, p. 239-260, 2022.
• Peruzzo, C. “Movimentos sociais, redes virtuais e mídia alternativa no junho em que ‘o gigante acordou’”. Matrizes, vol. 7, nº 2, p. 73-93, 2013.
• Quimelli, G. A. S. Considerações sobre o Estudo de Caso na pesquisa qualitativa. In: Bourguignon, J. A. (org.). Pesquisa Social: reflexões teóricas e metodológicas. Ponta Grossa: Ed. Toda Palavra, p. 63-84, 2009.
• Rasmussen, T. “Internet and the political public sphere”. Sociology Compass, vol. 8, nº 12, p. 1315-1329, 2014.
• Recuero, R.; Soares, F. B. “O discurso desinformativo sobre a cura do Covid-19 no twitter: estudo de caso”. Revista e-compós, [S. l.], vol. 24, 2021. Disponível em: < https://www.e-compos.org.br/e-compos/article/view/2127 >. Acesso em: 12 nov. 2023.
  » https://www.e-compos.org.br/e-compos/article/view/2127
• Recuero, R.; Zago, G.; Soares, F. “Using social network analysis and social capital to identify user roles on polarized political conversations on Twitter”. Social Media + Society, vol. 5, nº 2, 2019.
• Recuero, R.; Zago, G.; Bastos, M. T. “O Discurso dos #ProtestosBR: análise de conteúdo do Twitter”. Galáxia, nº 14, p. 199-216, 2014.
• Reinert, M. Alceste. Analyse de donnes textuelles. Paris: Societé IMAGE, 1998.
• Sahly, A.; Shao, C.; Kwon, K. H. “Social media for political campaigns: An examination of Trump’s and Clinton’s frame building and its effect on audience engagement”. Social Media + Society, vol. 5, nº 2, 2019.
• Segurado, R.; Penteado, C.; Silveira, S. A. Ativismo digital hoje: política e cultura na era das redes. São Paulo: Hedra, 2021.
• Silveira, S. A. Democracia e os códigos invisíveis: como os algoritmos estão modulando comportamentos e escolhas políticas. São Paulo: Edições Sesc, 2019.
• Soares, F. B.; Recuero, R. “Hashtag wars: political disinformation and discursive struggles on twitter conversations during the 2018 Brazilian presidential campaign”. Social Media + Society, vol. 7, nº 2, 2021.
• Soares, F. B.; Recuero, R.; Zago, G. “Influencers in Polarized Political Networks on Twitter. Proceedings of the 9th International Conference on Social Media and Society”. In: Anais SMSociety ’18. New York: Association for Computing Machinery, 18 jul. 2018. Disponível em: < https://doi.org/10.1145/3217804.3217909 >. Acesso em: 12 nov. 2023.
  » https://doi.org/10.1145/3217804.3217909
• Tucker, J. A., et al. “Social Media, Political Polarization, and Political Disinformation: A Review of the Scientific Literature”. SSRN Electronic Journal, 1 jan. 2018. Disponível em: < http://dx.doi.org/10.2139/ssrn.3144139 >. Acesso em: 12 nov. 2023.
  » http://dx.doi.org/10.2139/ssrn.3144139
• Venturini, T.; Munk, A. K. Controversy mapping: A field guide. Nova Iorque: John Wiley & Sons, 2021.
• Vinhas, O.; Sainz, N.; Recuero, R. “Antagonismos discursivos nas hashtags #marqueteirosdojair e #bolsolão no Twitter nas eleições de 2018 no Brasil: contribuições da análise de redes sociais à sociologia digital”. Estudos de Sociologia, vol. 25, nº 48, 2020. Disponível em: <https://periodicos.fclar.unesp.br/estudos/article/view/13433 >. Acesso em: 12 nov. 2023.
  » https://periodicos.fclar.unesp.br/estudos/article/view/13433
• Zago, G.; Recuero, R.; Bastos, M. T. “Quem Retuita Quem? Papéis de ativistas, celebridades e imprensa durante os #protestosbr no Twitter”. Observatório, vol. 9, nº 3, p. 67-83, 2015.
• Zeitzoff, T. “How social media is changing conflict”. Journal of Conflict Resolution, vol. 61, issue 9, p. 1970-1991, 2017.

• 7
  O conceito de embate discursivo em plataformas digitais é melhor apresentado nas seções subsequentes deste artigo.
• 8
  Para saber mais sobre o funcionamento da lei de potência (power law), ver Gabardo (2015).
• 9
  Como mostra o estudo de De França, Goya e Penteado (2018), as interações em redes sociais de internet, mesmo em eventos políticos, têm uma tendência à homofilia, isto é, os usuários, em geral, interagem com conteúdo alinhado com seu posicionamento político e ideológico.
• 10
  Como apresentado no artigo, os estudos sobre o debate público digital utilizam um amplo espectro teórico e metodológico para retratar as discussões e conversações políticas, mobilizando diferentes termos como: conflitos, controvérsias, polêmicas, discordâncias, divergências etc. Para este artigo, optou-se pelo uso do termo embate discursivo para evidenciar as disputas entre os diferentes discursos mobilizados por usuários nas plataformas, considerando as três dimensões identificadas pela análise descritiva dos dados sobre as interações a partir do tema selecionado.
• 11
  Weintraub é representante político do neoliberalismo conservador, conforme aponta o trabalho de Brown (2019).
• 12
  Para maiores informações, verificar: <https://www1.folha.uol.com.br/educacao/2019/12/weintraub-reafirma-que-federais-sao-centros-de-drogas-e-que-isso-e-reflexo-de-uso-desenfreado.shtml. Acesso em: 23 fev. 2021.
• 13
  Projeto associado a uma visão neoliberal direcionado para as universidades públicas (e gratuitas) brasileiras. Para maiores informações, verificar: <https://www.camara.leg.br/proposicoesWeb/fichadetramitacao?idProposicao=2254321. Acesso em: 11 set. 2020.
• 14
  Para maiores informações, verificar: <https://www1.folha.uol.com.br/educacao/2019/12/veja-os-feitos-e-os-desfeitos-de-abraham-weintraub-como-ministro-da-educacao.shtml e <https://www.redebrasilatual.com.br/educacao/2020/01/gestao-weintraub-e-marcada-por-erros-retrocessos-e-ataques-a-educacao-professores-e-estudantes/. Acessados em: 11 set. 2020.
• 15
  Para maiores informações, verificar: <https://www12.senado.leg.br/noticias/materias/2020/05/25/senado-convoca-abraham-weintraub-para-explicar-declaracoes-em-reuniao-ministerial. Acesso em: 11 set. 2020.
• 16
  API (interfaces de programação de aplicativo) é uma aplicação de interface desenvolvida pela plataforma Twitter, que possibilita coletar dados publicados pelos usuários. Maiores informações em “Sobre as APIs do Twitter”, disponível em: <https://help.twitter.com/pt/rules-and-policies/twitter-api. Acesso em: 04 jul. 2022.
• 17
  Para este estudo, a coleta foi realizada a partir do sobrenome do ministro ”Weintraub”, não foram adotadas variações do nome ou outro termo, o que pode ter excluído alguns tweets que tenham usado a grafia errada do nome ou algum outro termo para se referenciar a ele.
• 18
  Crosset, Tanner e Campana (2019) desenvolveram uma tipologia dos traços digitais para mapear ações de usuários da extrema-direita canadense no Twitter. Dentre esses diferentes traços, há um conjunto específico (chamados de traço 1) que busca analisar as características do perfil dos usuários, fundamental para a autoapresentação do indivíduo nas redes. Por meio de pseudônimos, biografias e avatares, o usuário desenha sua identidade online e simbolicamente se constrói diante dos olhares dos demais usuários.
• 19
  Para maiores informações verificar: <https://istoe.com.br/maia-ironiza-indicacao-de-weintraub-para-o-banco-mundial-trabalhou-no-banco-votorantim-que-quebrou-em-2009/. Acesso em: 23 fev. 2021.
• 20
  Disponível em: <https://blogs.oglobo.globo.com/sonar-a-escuta-das-redes/post/weintraub-rebate-ironia-de-maia-sobre-sua-ida-para-o-banco-mundial.html. Acesso em: 23 fev. 2021.
• 21
  Fabrício Queiroz é amigo pessoal do ex-presidente Jair Bolsonaro e ex-assessor de seu filho, o senador Flávio Bolsonaro. Queiroz é investigado pela polícia federal na operação conhecida como Lava Jato no Rio de Janeiro por suposto pagamento de propina a deputados. Veja mais em: <https://noticias.uol.com.br/politica/ultimas-noticias/2020/06/18/saiba-quais-sao-as-suspeitas-sobre-fabricio-queiroz.htm?cmpid=copiaecola. Acesso em: 23 fev. 2021.
• 22
  Usuário que (re)produz conteúdo para influenciar a opinião, atitude ou comportamento das audiências. Especificamente, podemos definir os influenciadores na amostra como lideranças de opinião (Dubois; Gaffney, 2014; Soares; Recuero; Zago, 2018), isto é, usuários que assumem uma posição no conflito e cujas ideias são divulgadas por quem concorda com elas, dentro do mesmo cluster ou módulo na rede.
• 23
  A API do Twitter retorna resultados que podem conter tweets e/ou contas suspensas, substituindo o conteúdo original por informações sobre a indisponibilidade (e.g. suspensão por ordem judicial).

Anexo

Cl	Contas	Num. cluster	Tipo	Indica estar alinhado com Bolsonaro?	Indica estar alinhado com a direita?	Indica estar alinhado com a esquerda?	Perfil se apresentou neutro?
1	9ClaudioRR	1	usuário comum	não	não	não	sim
1	AC_Moreiraa	3	usuário comum	não	não	não	sim
1	AtaideLemoss	1	usuário comum	não	sim	não	não
1	bigjason252	2	usuário comum	não	não	sim	não
1	BleyLacerda	1	usuário comum	não	não	não	sim
1	cataysweetener	1	usuário comum	não	não	não	sim
1	cccalado	3	usuário comum	não	sim	não	não
1	Edvaldo71383333	1	usuário comum	não	não	sim	não
1	Evilzio5	1	usuário comum	não	não	sim	não
1	hebertonslva	1	usuário comum	não	não	não	sim
1	LIPPI2	3	usuário comum	não	não	sim	não
1	LucianneDalsec1	4	usuário comum	não	sim	não	não
1	marcelo_suisso	2	usuário comum	não	não	não	sim
1	moema4	1	usuário comum	não	não	sim	não
1	odio_nao	4	usuário comum	não	não	sim	não
1	OficialElenao	1	usuário comum	não	não	sim	não
1	Pedroeadias	1	não localizado
1	saby_mary	1	conta suspensa
1	wagnerbsb	2	usuário comum	não	não	sim	não
1	wordminions	1	usuário comum	não	não	sim	não
2	analaur09267596	1	usuário comum	não	não	sim	não
2	Analima_alef	1	usuário comum	não	não	não	sim
2	AndreGT74	1	usuário comum	não	não	não	sim
2	arte_prima	1	influenciador	não	não	não	sim
2	BLOGdoPEPE	1	usuário comum	não	não	sim	não
2	HerlyPereira	1	usuário comum	não	não	sim	não
2	Laurenc56062362	1	usuário comum	não	não	sim	não
2	LIPPI2	3	usuário comum	não	não	sim	não
2	LoboTeresinha	1	usuário comum	não	não	não	sim
2	LucianneDalsec1	4	usuário comum	não	sim	não	não
2	MalvasioRolando	1	usuário comum	não	não	sim	não
2	marioasouza72	1	usuário comum	não	não	sim	não
2	meninagols	1	usuário comum	não	não	sim	não
2	MNessuna	1	usuário comum	não	não	não	sim
2	NaTransversal	1	usuário comum	não	não	sim	não
2	odio_nao	4	usuário comum	não	não	sim	não
2	PTnaCamara	2	político	não	não	sim	não
2	ROBSON_M_MATOS	1	usuário comum	não	não	não	sim
2	SilviaN50269083	1	usuário comum	não	não	sim	não
2	wagnerbsb	2	usuário comum	não	não	sim	não
3	AC_Moreiraa	3	usuário comum	não	não	não	sim
3	BorjaoOp	1	usuário comum	não	sim	não	não
3	cccalado	3	usuário comum	não	sim	não	não
3	Elciocb	1	usuário comum	não	sim	não	não
3	Freire06215368	1	usuário comum	não	sim	não	não
3	Gregory61935764	1	usuário comum	sim	sim	não	não
3	herculanofagu	2	usuário comum	não	sim	não	não
3	HerosMoraes	1	usuário comum	não	não	não	sim
3	IsaOliveiraSilv	1	usuário comum	sim	sim	não	não
3	JLJuninho	2	usuário comum	não	não	não	sim
3	LIPPI2	3	usuário comum	não	não	sim	não
3	LucianneDalsec1	4	usuário comum	não	sim	não	não
3	marcelo_suisso	2	usuário comum	não	não	não	sim
3	MARY_VELOZO	1	usuário comum	sim	sim	não	não
3	Maufalavigna	1	influenciador	não	não	sim	não
3	nicsllwe	1	conta inexistente
3	odio_nao	4	usuário comum	não	não	sim	não
3	Ordemprogresso7	1	usuário comum	sim	sim	não	não
3	PAULOPARMM	1	usuário comum	não	não	não	sim
3	ZBrasil6	1	conta suspensa
4	AC_Moreiraa	3	usuário comum	não	não	não	sim
4	alexbcastro_adv	1	usuário comum	não	sim	não	não
4	bigjason252	2	usuário comum	não	não	sim	não
4	Carlos_E_Braga	1	usuário comum	sim	sim	não	não
4	cassiagontijo	1	usuário comum	sim	sim	não	não
4	cccalado	3	usuário comum	não	sim	não	não
4	Heitor83351025	1	usuário comum	não	sim	não	não
4	herculanofagu	2	usuário comum	sim	sim	não	não
4	IveteSi13484259	1	conta inexistente
4	JLJuninho	2	usuário comum	não	não	não	não
4	JosMarcelodoNa3	1	usuário comum	não	sim	não	não
4	LucianneDalsec1	4	usuário comum	não	sim	não	não
4	MariaLi17412762	1	usuário comum	sim	sim	não	não
4	odio_nao	4	usuário comum	não	não	sim	não
4	PauloFr42424097	1	influenciador	sim	sim	não	não
4	PTnaCamara	2	político	não	não	sim	não
4	Ribamar42840546	1	usuário comum	não	sim	não	sim
4	sofadamidia	1	mídia digital	não	não	não	sim
4	terra_cunha	1	usuário comum	sim	sim	não	não
4	tovaga	1	influenciador	sim	sim	não	não

Datas de Publicação

• Publicação nesta coleção
  05 Fev 2024
• Data do Fascículo
  Sep-Dec 2023

Histórico

• Recebido
  31 Ago 2022
• Aceito
  12 Set 2023