Análise das postagens efetuadas no Facebook e no Twitter

Nesta seção serão apresentadas as estratégias de análise do material coletado, bem como as categorias elaboradas para se efetuar a análise de conteúdo das postagens.

O Facebook e o Twitter são ferramentas classificadas como sites de redes sociais digitais, pois ambos permitem a construção de perfil público e articulam a lista de usuários, estabelecendo conexões entre esta lista (BOYD & ELLISON, 2008). Porém, eles possuem diferenças básicas tanto na sua estrutura, terminologia e funcionamento (LARSSON, 2015a; 2015b).

Embora existam diferenças entre as ferramentas, é possível estabelecer um comparativo entre elas, pois em ambas os usuários compartilham e têm acesso a uma grande quantidade de informação, onde é possibilitado fornecer uma série de

feedbacks, que possuem semelhança entre si e que oferecem modos comparáveis

de comunicação (LARSSON, 2015a; 2015b).

São quatro as formas de comparação da comunicação entre as duas ferramentas: Broadcasting, Redistributing, Interacting e Acknowledging. A função de transmissão (Broadcasting) refere-se ao fato de emitir uma mensagem aos seguidores; a função redistribuir (Redistributing) é entendida como a maneira de espalhar o conteúdo postado originalmente, sendo esta uma função importante, pois ela permite sobrevida ao conteúdo originalmente postado e amplia o alcance da mensagem; a função de interagir (Interacting) permite o contato entre os usuários; e

por fim, a função de reconhecimento (Acknowledging) permite reconhecer ou destacar determinado conteúdo postado (LARSSON, 2015b).

A tabela 4 abaixo apresenta de que forma estas quatro funcionalidades são reconhecidas no Facebook e no Twitter.

TABELA 4 - MODOS DE COMUNICAÇÃO NO FACEBOOK E TWITTER

FACEBOOK TWITTER

Transmitir Post Tweet

Redistribuir Share Retweet

Interagir Comentário Menção (@reply)

Reconhecer Like Favorite

Fonte: LARSSON, 2015b, p. 2.

Conforme visto na tabela 4, é possível estabelecer uma comparação entre as duas ferramentas. Em ambas existe a possibilidade de se emitir conteúdo, redistribuir, interagir e efetuar reconhecimento. No Facebook, as funções de postar (post), compartilhar (share), interagir (comment) e efetuar reconhecimento (like) se equivalem às funções de emitir tweets, retweets, mention e favorite, oferecidas na ferramenta Twitter.

Destaca-se, entre estas funcionalidades, a redistribuição de conteúdo, pois é esta função que permite sobrevida ao conteúdo postado originalmente, ou seja, ela permite que as informações se espalhem rapidamente na rede, e em alguns casos, até se tornem conteúdos virais³⁷ (LARSSON, 2015a).

Diante de tal metodologia proposta, torna-se possível quantificar o conteúdo postado em uma ferramenta e comparar uma com a outra. Neste sentido, Larsson (2015a) efetuou pesquisa na qual apresentou análises estatísticas referentes ao conteúdo postado nas ferramentas Facebook e Twitter, pelos partidos políticos suecos, durante as eleições de 2014.

Utilizando a mesma metodologia acima proposta, Kalsnes; Larsson e Enli (2017) examinam as interações entre políticos e cidadãos através do Facebook e Twitter no contexto do cotidiano, ou seja, não em um contexto mediado pelo noticiário. Os autores apontam que o Facebook é a plataforma que as “pessoas

37 “We define virality as the process which gives any information item (picture, video, text or any other audio-visual-textual artifact) the maximum exposure, relative to the potential audience, over a short duration, distributed by many nodes” (NAHON, et. al.; 2011, p. 1).

comuns” (“ordinary” people, no original) utilizam para se comunicar e receber respostas dos políticos.

Por meio da coleta dos dados dos candidatos que concorreram à reeleição será possível estabelecer uma comparação não somente entre eles, mas também as formas e usos das duas ferramentas, por exemplo, qual a frequência das postagens, quais os candidatos mais ativos, a evolução temporal e se a utilização de alguma ferramenta é preferida.

No entanto, centrar a análise apenas em questões quantitativas não será suficiente para identificar de que forma a sociabilidade estabelecida entre candidato e eleitorado afeta a utilização do Facebook e do Twitter por parte dos candidatos. Para verificar se os candidatos por meio de suas postagens procuram conversar com eleitores de algum bairro ou com algum público específico, se existe algum tema dominante em suas publicações, faz-se necessário analisar o conteúdo de tais postagens.

Desta maneira, quanto à parte qualitativa da pesquisa, será efetuada uma análise de conteúdo (AC) das postagens dos candidatos. A análise de conteúdo trata-se de um

conjunto de técnicas de análise das comunicações visando obter, por procedimentos, sistemáticos e objetivos de descrição do conteúdo das mensagens, indicadores (quantitativos ou não) que permitam a inferência de conhecimentos relativos às condições de produção/recepção destas mensagens (BARDIN, 1977, p. 42).

Segundo Bardin (1977, p. 95), são três as fases da análise de conteúdo: “i) a pré-análise; ii) a exploração do material; iii) o tratamento dos resultados, a inferência e a interpretação”. No primeiro momento é efetuada a pré-análise do material coletado, ou seja, a seleção do corpus, a formulação de hipóteses, bem como o tratamento, a padronização e preparação do material a ser analisado (BARDIN, 1977). O segundo momento refere-se à exploração do material, que consiste na codificação do material a partir de regras previamente formuladas. A codificação “corresponde a uma transformação dos dados brutos do texto” (BARDIN, 1977, p. 103). Portanto, ela trata-se de um esforço metodológico em agrupar o material coletado em categorias previamente selecionadas.

Neste sentido, diversas pesquisas em comunicação política centraram seus esforços na busca de estabelecer categorias consistentes, por meio das quais fosse possível codificar e agrupar as postagens nas redes sociais digitais dos candidatos (MARQUES; MONT’ALVERNE, 2014; 2016; MARQUES; SILVA; MATOS, 2013; MASSUCHIN; TAVARES, 2015; CERVI; MASSUCHIN, 2011; CASERO-RIPOLLÉS; SINTES-OLIVELLA; FRANCH, 2017; AGGIO; REIS, 2013; AGGIO 2016; PARMELEE; BICHARD, 2012).

Tendo como base os trabalhos citados anteriormente, foram estabelecidas nove categorias que serão utilizadas na presente pesquisa para se efetuar a análise de conteúdo das mensagens postadas pelos candidatos a vereador nas eleições em Curitiba em 2016, nas ferramentas Facebook e Twitter. As categorias são as seguintes:

1) Agenda & Atos Políticos: postagens relacionadas a divulgação de agenda, eventos ou ato político do qual o candidato participe, como por exemplo: visita a bairros, comícios, entrevistas; carreatas, etc.

2) Imagem Política: mensagens de apoio recebidas pelo candidato e divulgação de realizações pregressas vinculadas a sua imagem;

3) Posicionamento: postagens que marquem a posição política do candidato, seja em apoio a outros candidatos e partidos, seja relacionado a temas ideológicos, manifestações populares, como protestos, etc.;

4) Campanha Negativa: ataque a adversários e a outros atores, políticos ou não, tais como partidos adversários, instituições, os meios de comunicação etc.;

5) Mobilização e Engajamento: postagens que busquem o engajamento e convites relacionados a participação e mobilização, seja através de doações, sugestão para que o eleitor mude o avatar da sua rede social em apoio ao candidato;

6) Promessas e Projetos: divulgação de propostas e promessas futuras; 7) Links: postagens com links que direcionem a outros sites ou que divulguem notícias etc.;

8) Temas não relacionados à política: postagens que não façam alusão à política, tais como as relacionadas à religião ou ao esporte etc.;

9) Outros: categorias não englobadas anteriormente, tais como atualizações do perfil da rede social digital.

As postagens tanto do Facebook quanto do Twitter serão reduzidas às nove categorias propostas acima, com o objetivo de identificar se existe uma padronização nas postagens dos candidatos.

Um dos limites da utilização da análise de conteúdo pode ser relacionado ao fato de que a análise do observador seja influenciada por pré-conceitos, devido a uma proximidade do observador com o objeto relacionado, ou seja, existe a possibilidade de que o ponto de vista do observador se sobreponha aos fenômenos a serem explicados (CAVALCANTE; CALIXTO; PINHEIRO, 2014).

Com a intenção de reduzir a subjetividade e ampliar o rigor na categorização das postagens, o processo de codificação obedecerá ao Livro de Códigos (disponível nos anexos), composto com as categorias propostas anteriormente e o material coletado será classificado por três pesquisadores, que além do autor é composto por mais dois pesquisadores³⁸ do grupo de pesquisa Comunicação, Política e Tecnologia – PONTE/UFPR. Cabe destacar que os codificadores participaram de reuniões para treinamento e discussão das categorias. Foram realizados testes preliminares para garantir que os critérios estabelecidos no Livro de Códigos fossem obedecidos.

Para que se tenha um maior rigor e maior fiabilidade na categorização proposta, foram efetuados testes estatísticos de confiabilidade entre os três codificadores com 10% da amostra, escolhida de forma aleatória. A utilização de 10% do conjunto de dados é recomendada para amostras grandes, e caso elas sejam pequenas, deve-se utilizar um percentual maior (GRAHAM; et al., 2013; DE SWERT, 2012; BECKERS; HARDER, 2016),

O teste de confiabilidade utilizado foi o alpha de Krippendorff, devido a seu maior poder estatístico, pois ele pode ser usado com qualquer número de observadores, com ou sem dados faltantes e por satisfazer todos os critérios para uma boa medida de confiabilidade (HAYES; KRIPPENDORFF, 2007). Destaca-se que o alpha de Krippendorff é comumente utilizado em pesquisas de comunicação política (ROSSINI; OLIVEIRA, 2016; MAIA; BOTELHO; MUNDIN, 2011; RAMOS-SERRANO; GÓMEZ; PINEDA, 2016).

O primeiro teste de confiabilidade utilizou 328 postagens, tanto do Facebook quanto do Twitter, escolhidas aleatoriamente e proporcionalmente. O resultado

38

Os pesquisadores do PONTE envolvidos na categorização do conteúdo são os bolsistas de iniciação cientifica Pedro Henrique Moura Leite e Jackeline Saori Teixeira.

obteve um alfa de 0,6119. Para a amostra ser confiável, o alfa encontrado deve ser superior a 0,8000 (KRIPPENDORFF, 2004, p. 241).

Depois de efetuados ajustes entre os codificadores, um novo teste foi efetuado com uma amostra de 323 postagens, novamente escolhidas de forma aleatória e diferente das utilizadas no primeiro teste. O resultado do segundo teste encontrou um alfa de Krippendorff de 0,8051, o qual indicou que a codificação entre os três pesquisadores pode ser considerada confiável. Depois de efetuado os dois testes de confiabilidade, a amostra foi dividida entre os três codificadores e categorizada.

Por meio da categorização proposta foi possível identificar e quantificar os assuntos mais abordados pelos candidatos dentro das redes sociais digitais. O principal ganho de tal parametrização é ter como comparar as postagens entre os candidatos e a sua ocorrência.

Cabe destacar que as mensagens postadas foram classificadas somente em uma única categoria, ou seja, nenhuma mensagem foi duplicada (presente em mais de uma categoria). Caso alguma das postagens abordasse mais de um tema, ela foi classificada de acordo com o assunto dominante. Foram analisados somente os textos postados pelos candidatos, portanto fotos, vídeos e links que levassem a outras páginas não tiveram seu conteúdo analisado. Esta escolha deve-se ao fato de que para efetuar a análise de fotos e vídeos, outras estratégias metodológicas deveriam ser abordadas com a intenção de que seja reduzida a subjetividade que a análise de um vídeo ou de uma foto poderia proporcionar.