Humanidades
Modelo revela por que desmascarar informações falsas sobre eleições geralmente não funciona
O novo estudo também identifica fatores que podem tornar esses esforços mais bem-sucedidos.
Por
Anne Trafton - 18/10/2024
Cientistas do MIT e da Universidade da Califórnia em Berkeley criaram um modelo computacional que analisa os fatores que ajudam a determinar se os esforços de desmascaramento persuadirão as pessoas a mudar suas crenças sobre a legitimidade de uma eleição. Crédito: MIT News, iStock
Quando um resultado eleitoral é contestado, pessoas céticas sobre o resultado podem ser influenciadas por figuras de autoridade que se posicionam de um lado ou de outro. Essas figuras podem ser monitores independentes, figuras políticas ou organizações de notícias. No entanto, esses esforços de “desmascaramento” nem sempre têm o efeito desejado e, em alguns casos, podem levar as pessoas a se apegarem mais firmemente à sua posição original.
Neurocientistas e cientistas políticos do MIT e da Universidade da Califórnia em Berkeley criaram um modelo computacional que analisa os fatores que ajudam a determinar se os esforços de desmascaramento persuadirão as pessoas a mudar suas crenças sobre a legitimidade de uma eleição. Suas descobertas sugerem que, embora o desmascaramento falhe na maior parte do tempo, ele pode ser bem-sucedido sob as condições certas.
Por exemplo, o modelo mostrou que a desmistificação bem-sucedida é mais provável se as pessoas estiverem menos certas de suas crenças originais e se acreditarem que a autoridade é imparcial ou fortemente motivada por um desejo de precisão. Também ajuda quando uma autoridade se manifesta em apoio a um resultado que vai contra um viés que ela é percebida como tendo: por exemplo, a Fox News declarando que Joseph R. Biden havia vencido no Arizona na eleição presidencial dos EUA de 2020.
“Quando as pessoas veem um ato de desmascaramento, elas o tratam como uma ação humana e o entendem da maneira como entendem as ações humanas — isto é, como algo que alguém fez por suas próprias razões”, diz Rebecca Saxe, a Professora John W. Jarve de Ciências Cognitivas e do Cérebro, membro do Instituto McGovern de Pesquisa do Cérebro do MIT e autora sênior do estudo. “Usamos um modelo geral muito simples de como as pessoas entendem as ações de outras pessoas e descobrimos que isso é tudo o que você precisa para descrever esse fenômeno complexo.”
As descobertas podem ter implicações enquanto os Estados Unidos se preparam para a eleição presidencial que ocorrerá em 5 de novembro, pois ajudam a revelar as condições que provavelmente levariam as pessoas a aceitar o resultado da eleição.
O estudante de pós-graduação do MIT Setayesh Radkani é o autor principal do artigo, que aparece hoje em uma edição especial com tema eleitoral do periódico PNAS Nexus . Marika Landau-Wells PhD '18, uma ex-pós-doutoranda do MIT que agora é professora assistente de ciência política na Universidade da Califórnia em Berkeley, também é autora do estudo.
Modelagem de motivação
Em seu trabalho de desmascaramento das eleições, a equipe do MIT adotou uma abordagem inovadora, com base no extenso trabalho de Saxe estudando a “teoria da mente” — como as pessoas pensam sobre os pensamentos e motivações de outras pessoas.
Como parte de sua tese de doutorado, Radkani vem desenvolvendo um modelo computacional dos processos cognitivos que ocorrem quando as pessoas veem outras sendo punidas por uma autoridade. Nem todo mundo interpreta ações punitivas da mesma forma, dependendo de suas crenças anteriores sobre a ação e a autoridade. Alguns podem ver a autoridade agindo legitimamente para punir um ato que foi errado, enquanto outros podem ver uma autoridade exagerando para emitir uma punição injusta.
Ano passado, após participar de um workshop do MIT sobre o tópico de polarização em sociedades, Saxe e Radkani tiveram a ideia de aplicar o modelo a como as pessoas reagem a uma autoridade tentando influenciar suas crenças políticas. Eles recrutaram Landau-Wells, que recebeu seu PhD em ciência política antes de trabalhar como pós-doutoranda no laboratório de Saxe, para se juntar ao esforço deles, e Landau sugeriu aplicar o modelo para desmascarar crenças sobre a legitimidade de um resultado eleitoral.
O modelo computacional criado por Radkani é baseado na inferência bayesiana, que permite que o modelo atualize continuamente suas previsões das crenças das pessoas conforme elas recebem novas informações. Essa abordagem trata o desmascaramento como uma ação que uma pessoa realiza por suas próprias razões. Pessoas que observam a declaração da autoridade então fazem sua própria interpretação do porquê a pessoa disse o que disse. Com base nessa interpretação, as pessoas podem ou não mudar suas próprias crenças sobre o resultado da eleição.
Além disso, o modelo não pressupõe que quaisquer crenças sejam necessariamente incorretas ou que qualquer grupo de pessoas esteja agindo de forma irracional.
“A única suposição que fizemos é que há dois grupos na sociedade que diferem em suas perspectivas sobre um tópico: um deles acha que a eleição foi roubada e o outro grupo não”, diz Radkani. “Fora isso, esses grupos são semelhantes. Eles compartilham suas crenças sobre a autoridade — quais são os diferentes motivos da autoridade e quão motivada a autoridade é por cada um desses motivos.”
Os pesquisadores modelaram mais de 200 cenários diferentes nos quais uma autoridade tenta desmascarar uma crença mantida por um grupo sobre a validade de um resultado eleitoral.
Cada vez que eles executaram o modelo, os pesquisadores alteraram os níveis de certeza das crenças originais de cada grupo, e eles também variaram as percepções dos grupos sobre as motivações da autoridade. Em alguns casos, os grupos acreditavam que a autoridade era motivada pela promoção da precisão, e em outros não. Os pesquisadores também alteraram as percepções dos grupos sobre se a autoridade era tendenciosa em relação a um ponto de vista específico, e quão fortemente os grupos acreditavam nessas percepções.
Construindo consenso
Em cada cenário, os pesquisadores usaram o modelo para prever como cada grupo responderia a uma série de cinco declarações feitas por uma autoridade tentando convencê-los de que a eleição tinha sido legítima. Os pesquisadores descobriram que, na maioria dos cenários que analisaram, as crenças permaneceram polarizadas e, em alguns casos, tornaram-se ainda mais polarizadas. Essa polarização também poderia se estender a novos tópicos não relacionados ao contexto original da eleição, descobriram os pesquisadores.
No entanto, sob algumas circunstâncias, o desmascaramento foi bem-sucedido, e as crenças convergiram para um resultado aceito. Isso era mais provável de acontecer quando as pessoas estavam inicialmente mais incertas sobre suas crenças originais.
“Quando as pessoas estão muito, muito certas, elas se tornam difíceis de mover. Então, em essência, muito dessa desmistificação de autoridade não importa”, diz Landau-Wells. “No entanto, há muitas pessoas que estão nessa faixa incerta. Elas têm dúvidas, mas não têm crenças firmes. Uma das lições deste artigo é que estamos em um espaço onde o modelo diz que você pode afetar as crenças das pessoas e movê-las em direção a coisas verdadeiras.”
Outro fator que pode levar à convergência de crenças é se as pessoas acreditam que a autoridade é imparcial e altamente motivada pela precisão. Ainda mais persuasivo é quando uma autoridade faz uma alegação que vai contra seu viés percebido — por exemplo, governadores republicanos afirmando que as eleições em seus estados foram justas, embora o candidato democrata tenha vencido.
À medida que a eleição presidencial de 2024 se aproxima, esforços de base têm sido feitos para treinar observadores eleitorais apartidários que podem atestar se uma eleição foi legítima. Esses tipos de organizações podem estar bem posicionadas para ajudar a influenciar pessoas que possam ter dúvidas sobre a legitimidade da eleição, dizem os pesquisadores.
“Eles estão tentando treinar as pessoas para serem independentes, imparciais e comprometidas com a verdade do resultado mais do que qualquer outra coisa. Esses são os tipos de entidades que você quer. Queremos que elas tenham sucesso em serem vistas como independentes. Queremos que elas tenham sucesso em serem vistas como verdadeiras, porque neste espaço de incerteza, essas são as vozes que podem mover as pessoas em direção a um resultado preciso”, diz Landau-Wells.
A pesquisa foi financiada, em parte, pela Fundação Patrick J. McGovern e pela Fundação Guggenheim.
