A tecnografia

Em If... Then: Algorithmic Power and Politics, Taina Bucher defende um método de investigação que supere as “caixas pretas” dos algoritmos e das plataformas e permita ao pesquisador – especialmente os pesquisadores das Ciências Sociais – compreender o funcionamento desses mecanismos. Não é preciso dizer o quanto isso é importante em pesquisas que almejam elucidar “como as coisas são” no mundo digital.

Assim, bebendo na fonte da Teoria Ator-Rede, a autora compreende que a tecnografia é uma forma “descrever e observar o funcionamento de uma tecnologia para examinar as interrelações entre um conjunto diverso de atores (tanto humanos como não-humanos)”. Apesar de sua obra não ser um manual, ela sugere os caminhos para quem quer aplicar uma tecnografia. Por exemplo, a primeira pergunta a se fazer é: o que os algoritmos parecem sugerir? Um tecnógrafo vai, então, interagir com o sistema de uma forma sistematizada, para descrever “o que ele vê e o que ele acha que vê”.

Essa é a base do procedimento que utilizei para entender as plataformas.

Não estive interessado, entretanto, em demonstrar como os algoritmos de Spotify, Deezer e YouTube transformam a oferta de conteúdo conforme são contaminados pelos dados compilados a partir dos usos. Pelo contrário, minha proposta sempre foi compreender como as plataformas entendem a palavra-chave “política”. Era, também, observar as playlists automáticas montadas por curadoria (humana ou não), antes dos algoritmos determinarem um “perfil” (ou bolha) para o usuário.

Por isso, criei uma conta nova em um telefone Android, com o mínimo de informação possível, e a partir dela criei contas nas plataformas analisadas. A cada conjunto de interação, eu limpava o cache e apagava os dados de navegação nos aplicativos para minimizar os efeitos da busca e eventuais “plays”.

Cada um dos serviços oferece tanto listas prontas (Recomendados para você, Notícias e Política, Sociedade e cultura, etc.) quanto a possibilidade de fazer buscas por palavras-chave. Assim, interagi nas principais listas – as que remetiam ao tema da pesquisa – e fiz buscas por palavras como “política” “política direita” e “política esquerda”.

Os resultados são apresentados de formas diferentes em cada serviço: às vezes, uma lista estava limitada a 50 ou 100 resultados, às vezes, era rolagem infinita. Assim, para manter alguma equivalência entre as plataformas, limitei a observação ao mínimo oferecido em cada tipo de interação.

O resultado foi uma lista de quase 950 programas diferentes, em que anotei: em quais serviço aparece, em quais listas aparecem, em que posição relativa a cada serviço.

É impressionante, entretanto, como muita coisa estrangeira veio no meio dessas recomendações. Sem conhecer o perfil do usuário, a lógica mercadológica predominou. Também chamou atenção que programas que não tratavam de política frequentemente apareciam em buscas – às vezes, porque esporadicamente um ou outro político dá entrevista. Novamente, o critério do “mais buscado” e “mais ouvido” pareceu se sobrepor a qualquer outro critério.

Fui refinando a lista até chegar a um conjunto mais significativo para os interesses da pesquisa. A partir daí, verifiquei os títulos dos programas, as descrições de uma porção significativa de episódios (no mínimo 10, quando disponíveis), os entrevistados frequentes... entre outros dados, em busca de marcas que remetessem a um valor (esquerda, direita, mercado, jornalismo, “neutro”...). Também levei em conta as descrições dos podcasts e, sempre que necessário, ouvi trechos iniciais de episódios para determinar os valores intrínsecos.

A partir daí pude determinar sempre que era um podcast de política, e quando era apenas a política no podcast. Também sinalizei programas que entraram na lista, mas não deveriam estar lá e... voilà! Meu primeiro corpus estava pronto.

A partir daí, era seguir para o refinamento final e escolher os programas que analisaria ao longo do tempo.

Os resultados da tecnografia foram publicados no texto da OBS*. Clique aqui para baixar!

Foto de Markus Spiske na Unsplash