eleições 2026
Registros de LGBTfobia na internet crescem em anos eleitorais no Brasil
Os registros de LGBTfobia na internet crescem em anos eleitorais no Brasil. Em 2018, foram 63,73% maiores que no ano anterior. Em 2020, a alta chegou a 92,30% e, em 2022, a 51,90%. Os dados são da SaferNet e do Ministério Público Federal (MPF) e foram compilados por pesquisadores em estudo publicado na Revista GEMInIS.
O movimento se repetiu nos três anos eleitorais analisados. Nos mesmos períodos, também aumentaram os registros de racismo, misoginia, xenofobia, intolerância religiosa e apologia a crimes contra a vida.
Os números foram reunidos pelos autores a partir de bases externas e servem para contextualizar os crimes de ódio em anos eleitorais. A pesquisa, portanto, não investigou diretamente esses registros de LGBTfobia.
A pesquisa “Discursos de ódio em redes sociais: uma análise com Processamento de Linguagem Natural”, de Gustavo Gurjão Camargo Campos, Eanes Torres Pereira e Sylvia Iasulaitis, foi publicada na Revista GEMInIS, periódico vinculado ao Programa de Pós-Graduação em Imagem e Som da Universidade Federal de São Carlos (UFSCar).
O estudo investigou publicações feitas no X, antigo Twitter, entre julho e dezembro de 2022 para analisar como as opiniões sobre o Nordeste e seus habitantes variaram conforme a aproximação das eleições.
Por meio de técnicas de Processamento de Linguagem Natural (PLN), os pesquisadores identificaram que as palavras mais associadas a nordestinos se tornaram progressivamente mais negativas conforme as eleições se aproximaram, atingindo o ápice nos meses do pleito.
Em 2022, a xenofobia foi o crime de ódio com maior crescimento entre os registros analisados, com alta de 821% em relação a 2021. Na sequência, aparecem intolerância religiosa, com aumento de 522%, e misoginia, com 184%.
Registros de LGBTfobia aumentam nos três anos eleitorais analisados
Total cresceu 61% entre 2018 e 2022, passando de 4.244 para 6.829 registros
2.585 registros a mais entre o primeiro e o último ano eleitoral analisados.
Algoritmos favorecem conteúdos negativos
Para o doutor em Ciência Política e diretor do Centro de Estudos de Segurança e Cidadania (CESeC), Pablo Nunes, a lógica econômica das plataformas ajuda a explicar a circulação de conteúdos preconceituosos.
Segundo Nunes, análises feitas desde a eleição de Donald Trump e o Brexit mostraram que publicações capazes de provocar sentimentos negativos geram mais engajamento do que conteúdos associados a reações positivas. A partir disso, afirma, os algoritmos passaram a favorecer conteúdos que provocam raiva e outros sentimentos negativos.
“Essa soma fez com que um grupo muito expressivo de usuários, que já tinha interesse em fomentar e espalhar ódio para determinadas populações, pudesse prosperar”, afirma.
Para Nunes, o modelo também passou a permitir que conteúdos nocivos e preconceituosos fossem usados para gerar receita.
“Hoje, aquele interesse de ganhar dinheiro por meio dos engajamentos em conteúdos nocivos, prejudiciais e preconceituosos não encontra mais nenhum tipo de barreira ou vergonha; desavergonhadamente, eles fazem dinheiro com esses conteúdos negativos”, diz.
O pesquisador afirma que a moderação das plataformas nunca foi totalmente eficaz para impedir a circulação de conteúdos nocivos. Segundo ele, estudos anteriores já mostravam dificuldades enfrentadas por populações vulnerabilizadas, especialmente a população LGBTQIA+ e a população negra, para conseguir retirar conteúdos das redes.
Nunes afirma que, até dois ou três anos atrás, havia políticas de moderação “um pouco mais robustas”, que não eram perfeitas, mas apresentavam alguma efetividade. Para ele, o cenário atual é pior.
O doutor em Sociologia e pesquisador da FGV Comunicação, Renato Contente, faz uma ressalva sobre a relação entre plataformas e discurso de ódio. Segundo ele, as empresas não têm o ódio como objetivo declarado, mas buscam aumentar o tempo de tela e o engajamento.
“Conteúdo moralmente carregado, indignado ou transgressivo costuma ter desempenho sistematicamente melhor nessas métricas do que conteúdo considerado ‘neutro'”, afirma.
Segundo Contente, a LGBTfobia pode ser apresentada nas redes por meio de discursos de “ameaça moral”, como pautas relacionadas à “ideologia de gênero” ou acusações de sexualização de crianças. Esse tipo de abordagem, afirma, provoca reações e pode alcançar maior circulação.
“Em período eleitoral esse efeito é amplificado porque candidatos e influenciadores de determinados segmentos políticos usam pautas de costumes como cunha polarizadora, sabendo que isso maximiza alcance orgânico”, diz.
Quem fiscaliza o discurso de ódio?
Para Nunes, a responsabilização depende do tipo de conteúdo e do contexto em que ele é publicado. Durante as eleições, o Tribunal Superior Eleitoral (TSE) e o Ministério Público Eleitoral podem atuar em questões relacionadas às regras eleitorais.
Quando a publicação caracteriza crime, porém, o pesquisador afirma que é necessário acionar as autoridades responsáveis pela investigação e pela ação penal.
“Se estamos falando de disseminação de discurso de ódio para populações LGBTQIAPN+, estamos falando de Código Penal”, afirma.
Segundo Nunes, nesse caso, a Polícia Federal pode realizar a investigação, e o Ministério Público atuar como titular da ação penal. No âmbito eleitoral, denúncias podem levar à atuação do Ministério Público Eleitoral ou do TSE para a retirada de conteúdos que violem as regras do pleito.
O pesquisador também defende que as plataformas tenham mecanismos preventivos para lidar com conteúdos danosos. A partir das discussões relacionadas ao artigo 19 do Marco Civil da Internet, afirma, passou-se a discutir a necessidade de um “dever de cuidado” das empresas.
A ideia, segundo Nunes, é que as plataformas não esperem uma denúncia para agir, mas construam mecanismos capazes de enfrentar os conteúdos de maneira preventiva.
Entre os obstáculos à fiscalização, ele cita a dificuldade da Autoridade Nacional de Proteção de Dados (ANPD) para investigar todas as situações relacionadas à proteção de dados e a existência de poucas delegacias especializadas em crimes cometidos na internet.
Nunes também aponta uma pressão internacional para que as plataformas não sejam submetidas a regulações ou restrições mais rígidas. Segundo ele, há um conflito entre essa pressão e as discussões brasileiras sobre o “dever de cuidado” e a responsabilização das empresas pelos conteúdos danosos que circulam em suas plataformas.
Moderação precisa agir antes da viralização
Para Contente, as medidas mais efetivas de moderação são aquelas que interferem na própria arquitetura de viralização das plataformas, em vez de depender apenas da retirada individual de conteúdos.
O pesquisador cita como exemplo os limites para encaminhamentos em massa. Segundo ele, esse tipo de medida apresentou efeito mensurável na redução de correntes de conteúdo problemático quando testado em aplicativos de mensagem, embora o resultado possa ser diferente em plataformas como o Instagram.
Diadorim no seu celular
Receba nosso conteúdo direto no celular. Entre para o canal da Diadorim no WhatsApp. É de graça!
entrarA identificação, por inteligência artificial, de publicações relacionadas também é apontada por Contente como uma ferramenta efetiva. Ele ressalta, porém, que seu funcionamento depende da disposição das próprias plataformas para aplicar as medidas de moderação.
“A moderação reativa, baseada em denúncia e remoção pós-publicação, tende a fracassar em período eleitoral porque o conteúdo já cumpriu sua função de circulação antes de ser removido”, afirma.
A rotulagem de conteúdos por checagem de fatos também apresenta limitações, segundo Contente. Em públicos já polarizados, afirma, a medida pode produzir um efeito contrário ao pretendido e reforçar a crença original.
Inteligência artificial é usada para detectar discurso de ódio
A pesquisa também aborda o uso de tecnologia para identificar discursos de ódio, citando estudos que empregaram Aprendizagem de Máquina e Processamento de Linguagem Natural para classificar e detectar esse tipo de conteúdo.
Entre eles está o trabalho de Barbosa (2021), que utilizou dados do Twitter para desenvolver uma rede neural voltada ao reconhecimento de mensagens com teor transfóbico. O trabalho é apresentado como exemplo do uso de técnicas computacionais para identificar conteúdos que, pelo grande volume de publicações nas redes, dificilmente poderiam ser analisados manualmente.
Os dados citados no estudo sobre LGBTfobia apontam o mesmo padrão de crescimento nos anos eleitorais analisados: 4.244 registros em 2018, 5.293 em 2020 e 6.829 em 2022. Os números situam esse tipo de violência entre os crimes de ódio que apresentaram crescimento nos períodos eleitorais considerados, embora a pesquisa não tenha analisado diretamente essas manifestações nas redes.
