Redes sociais e inteligência artificial já mediam como nos informamos, conversamos e votamos. Estudamos essas interações para entender como nascem a polarização e os conflitos online, e que caminhos existem para reduzi-los.
O que pesquisamos
Este projeto de pesquisa investiga a identificação, o estudo e a caracterização de fenômenos sociais — como polarização, radicalização e conflitos — por meio da análise empírica e modelagem de redes de interação em plataformas digitais. A partir da coleta e análise de dados em larga escala, examinamos a estrutura e a dinâmica de comunidades online, avaliando como o conteúdo e o comportamento dos usuários influenciam a formação de grupos extremos.
A pesquisa mapeia a propagação de interações negativas, avalia a organização hierárquica dos grupos e mensura os riscos de radicalização. Com isso, buscamos fornecer insights para o desenvolvimento de algoritmos, sistemas e políticas que promovam ambientes digitais mais saudáveis e mitigadores de conflitos.
Temas de investigação
Modelagem Matemática de Dinâmica de Opiniões em Redes
Impacto de Algoritmos de Recomendação na Polarização
Detecção de Padrões de Radicalização e Comportamento Extremista
Investigação científica avançada com abordagens quantitativas e computacionais sobre os fenômenos sociopolíticos contemporâneos.
Polarização
Estudo sobre câmaras de eco digitais, divisão do discurso público e as dinâmicas extremas nas redes sociais.
Radicalização
Mapeamento dos vetores de contágio ideológico e a formação de comunidades de extrema-esquerda e extrema-direita.
IA e política
O impacto da inteligência artificial generativa na desinformação e automação de campanhas eleitorais modernas.
Ciência de redes
Modelagem matemática da difusão de conteúdos e fluxo estrutural de informações em redes complexas de atores.
Artigos relacionados
scientific reports · 2026
LLMs are ideological chameleons: personalized echo chambers in the Brazilian political context
Soares, A.L.B., Almeida, B.A.V.d., Ferreira, L.N. et al.
O estudo testou 21 modelos de linguagem com afirmações políticas opostas sobre temas do debate brasileiro. Todos ajustaram suas posições à ideologia declarada pelo usuário, em graus variados, o que indica bajulação e o risco de atuarem como câmaras de eco personalizadas.
Relação IA-sociedade representada na mídia: Construção e análise multidisciplinar de redes de entidades nomeadas a partir de textos de notícias
Godoy, P., & Interian, R.
O estudo mapeia a rede de vínculos entre entidades citadas em notícias brasileiras sobre inteligência artificial, usando reconhecimento de entidades nomeadas e teoria de grafos. A rede se mostrou livre de escala, o que indica um efeito de vantagem acumulada: poucas entidades concentram a maioria das conexões no debate público sobre IA.
Group polarization, influence, and domination in online interaction networks: a case study of the 2022 Brazilian elections
Interian, R. & Rodrigues, F.A.
O estudo analisa a evolução da polarização e da influência no X/Twitter durante as eleições brasileiras de 2022, criando a metodologia d-modularity e usando dominação parcial. Os resultados revelam que influenciadores de esquerda dominaram o alcance global da rede, enquanto a comunidade de direita apresentou alto isolamento e maior capacidade de comunicação coordenada interna, o que pode ter influenciado os atos golpistas em Brasília.
Network polarization, filter bubbles, and echo chambers: an annotated review of measures and reduction methods
Interian, R., Marzo, R. G., Mendoza, I., & Ribeiro, C. C.
O estudo apresenta uma revisão anotada de métricas e modelos de polarização em redes complexas, identificando abordagens baseadas em homofilia, modularidade, passeios aleatórios e teoria do balanço. Além disso, mapeia estratégias para mitigar a polarização, como edições na rede (inserção ou remoção de nós e arestas) e alterações em sistemas de recomendação.