UNIVERSIDADE FEDERAL DE MINAS GERAIS
PROTOCOLOS, PLATAFORMAS E APIs:
Experimentações com dados do Google News, Twitter e YouTube sobre o #BrequeDosApps
VICTOR GÓIS DE OLIVEIRA PACHECO
BELO HORIZONTE 2021
VICTOR GÓIS DE OLIVEIRA PACHECO
PROTOCOLOS, PLATAFORMAS E APIs:
Experimentações com dados do Google News, Twitter e YouTube sobre o #BrequeDosApps
Trabalho de Conclusão de Curso apresentado como requisito para obtenção de título de Bacharel em Jornalismo pela Universidade Federal de Minas Gerais.
Orientador: Carlos D’Andréa
BELO HORIZONTE 2021
Dedico este trabalho a todos que contribuíram direta ou indiretamente em minha formação acadêmica
AGRADECIMENTOS
Agradeço a todos que contribuíram no decorrer desta jornada, em especial: A minha família que sempre me apoiou nos estudos e nas escolhas tomadas. A Larissa por sempre me incentivar e compreender nos momentos difíceis.
Às Prof. Dras. Fernanda Duarte e Geane Alzamora pelas oportunidades proporcionadas.
Ao orientador Prof. Dr. Carlos D’Andrea que teve papel fundamental na etapa final deste trabalho.
RESUMO
O projeto experimental tem como objetivo geral a exploração de plataformas de mídias sociais, agregadores de notícias e suas APIs por meio da criação de artefatos midiáticos a partir da apropriação de dados públicos. Tendo como ponto de partida as especificidades técnicas e implicações políticas da “web plataformizada”, neste projeto criei três versões de uma experimentação digital com dados coletados da plataformas Twitter e YouTube e do agregador de notícias Google News sobre o “Breque dos Apps”, como ficou conhecida a greve de trabalhadores de aplicativos de entrega de comida. Inspirado pela instalação de internet-art “TV-Bot Show” e do critical making, nosso experimento consiste na apropriação de dados por meio de APIs públicas e “raspagem de dados” e no deslocamento do uso destes dados por meio de algoritmos que realizam animações e organizam a informação aleatoriamente. A discussão teórica articulada ao experimento está baseada nos conceitos de “protocolo”, “plataformização da web” e “curadoria algorítmica”.
ABSTRACT
The experimental project has the general objective of exploring social media platforms, news aggregators and their APIs through the creation of media artifacts based on the appropriation of public data. Taking as a starting point the technical specificities and political implications of the “platform web”, in this project I created three versions of a digital experimentation with data collected from the Twitter and YouTube platforms and the Google News aggregator on the “Breque dos Apps”, as the strike of food delivery application workers became known. Inspired by the installation of internet-art “TV-Bot Show” and critical making, our experiment consists of the appropriation of data through public APIs and “data scraping” and the displacement of the use of this data through algorithms that perform animations and organize information randomly. The theoretical discussion articulated to the experiment is based on the concepts of "protocol", "web platform" and "algorithmic curation".
LISTA DE FIGURAS
Figura 1 - Exposição “The Show Must Go On - Online TV Show” Figura 2 - TV Bot 3.0
Figura 3 - Comando CLI do Twittescrapper Figura 4 - Script Google News API
Figura 5 - 1ª Versão do Experimento Figura 6 - 2ª Versão do Experimento Figura 7 - Script YouTube API do Iframe Figura 8 - Código HTML principal
Figura 9- Script de carregamento de dados do Google News Figura 10 - Código de inserção do CSS no arquivo HTML Figura 11 - Trecho do código CSS
Figura 12 - Trecho de código CSS responsável pela animação vertical Figura 13 - Trecho de código CSS responsável pela animação vertical Figura 14 - 3ª Versão do experimento
SUMÁRIO 1. INTRODUÇÃO 9 1.1. Objetivos 10 1.1.1. Objetivo Geral 10 1.1.2. Objetivos Específicos 10 1.1.3. Organização do Texto 11 1.1.4. Motivações e Inspirações 11
2. PROTOCOLOS, PLATAFORMAS E APIS 12
2.1. APIs e Plataformização da Web 14
2.2. Políticas de Plataformas de Mídias Sociais 16
2.2.1. Twitter 16
2.2.2. YouTube 17
2.3. Agregadores de Notícias e Curadoria Algorítmica 18
3. DESCRIÇÃO DO EXPERIMENTO 19
3.1. TV-Bot Show 19
3.2. O Breque dos Apps e a #BrequeDosApps 21
3.3. Coleta de Dados 22
3.3.1. Raspagem de Dados no Twitter 23
3.3.2. Google News API 25
3.3.3. YouTube Data Tools 27
3.4. Experimentos Iniciais 27
3.5. Processamento e Animações 29
3.5.1. YouTube API do IFrame 29
3.5.2. HTML, Javascript e CSS keyframe animation 31
3.6. Hospedagem do Projeto 37
4. CONSIDERAÇÕES FINAIS 38
1. INTRODUÇÃO
A história da internet e da tecnologia da informação é vasta e remete a uma diversidade de eventos, invenções técnicas, regulações e empreendimentos. As origens da internet remontam aos anos 1960 no esforço de pesquisadores norte-americanos de criar um sistema de comunicação através de redes de computadores. Já nos anos 1990, no âmbito da Organização Europeia para a Investigação Nuclear (CERN), Tim Berners-Lee, à época consultor da organização, criou a World Wide Web. A Web funcionou primeiro dentro do CERN e, no verão de 1991, foi disponibilizada mundialmente1. Em 2000, ocorreu a “bolha das empresas ponto com”, uma bolha especulativa caracterizada por uma forte alta das ações financeiras das empresas de tecnologia da informação e comunicação (TIC) baseadas na internet. Alguns anos depois, a internet “renasce” através de novas empresas e novos modelos de negócio.
Em 2004, a empresa americana O'Reilly Media cunha o termo Web 2.0 ou “a web como plataforma” (O’REILLY, 2005), denominando a nova fase da internet marcada pelo aumento de velocidade e o dinamismo das relações online. Nesse período, aparecem as primeiras empresas caracterizadas como mídias sociais, como MySpace, Flickr e Facebook. Logo no início deste fenômeno, estes serviços disponibilizam suas primeiras APIs - sigla em inglês para Application Programming Interface - públicas. As APIs são aquilo que torna possível o intercâmbio de dados entre diferentes partes de forma dinâmica, segura e controlada. A título de exemplo, o Twitter disponibilizou suas APIs públicas no fim de 2006, poucos meses depois da empresa ter sido fundada. A adoção desse protocolo por grande parte das empresas de tecnologia, em especial das caracterizadas como mídias sociais, diz respeito a uma mudança infraestrutural, inaugurada na década passada, que tornou possível o que Anne Helmond (2015) descreve como “Plataformização da Web”. A emergência desse fenômeno está intrinsecamente ligada aos escândalos tecnológicos protagonizados pelas grandes empresas de tecnologia, que marcaram a última década. Em 2013, a revelação de Edward Snowden2 acerca do uso de dados pessoais de redes sociais pela Agência de Segurança Nacional (NSA) norte-americana inaugura um período de volubilidade e desconfiança acerca do uso de dados de redes sociais. Em 2018, a desconfiança sobre as
2https://www.theguardian.com/world/2013/jun/09/edward-snowden-nsa-whistleblower-surveillance 1http://info.cern.ch/
empresas de tecnologia chega a seu ápice com o escândalo do abuso de dados pessoais do Facebook pela empresa Cambridge Analytica3. Como aponta Carlos D’Andréa,
ao longo dos anos 2010, as chamadas Big Five – Alphabet-Google, Amazon, Apple, Facebook e Microsoft – se consolidaram como serviços infraestruturais e hoje centralizam cada vez mais atividades cotidianas e estratégicas. Influências em processos eleitorais, uso irrestrito de dados pessoais para fins comerciais e uso de algoritmos e bases de dados para perpetuar preconceitos e desigualdades são algumas das questões que, cada vez mais, preocupam governos, empresas e sociedade civil. (D’ANDRÉA, 2020, p.4)
Tendo como ponto de partida as especificidades técnicas e implicações políticas da “web plataformizada”, neste projeto experimental do curso de Jornalismo criei três versões de uma experimentação digital com dados coletados de plataformas de mídias sociais e do agregador de notícias Google News sobre o “Breque dos Apps”, como ficou conhecida a greve de trabalhadores de aplicativos de entrega de comida. Esse experimento teve como principal referência a instalação de internet-art “TV-Bot Show”, criada por Marc Lee4. Nosso experimento consiste na apropriação de dados por meio de APIs públicas e “raspagem de dados” e no deslocamento do uso destes dados por meio de algoritmos que realizam animações e organizam a informação aleatoriamente.
As duas primeiras versões do experimento foram realizadas utilizando templates no software Adobe After Effects, enquanto que a última versão foi realizada inteiramente com códigos de programação (HTML e CSS) e hospedada em uma página web. A primeira versão do experimento pode ser acessada no YouTube5. A segunda versão foi hospedada no Google Drive6. A versão final pode ser acessada nesta página7.
1.1. Objetivos
1.1.1. Objetivo Geral
O presente trabalho tem como objetivo geral a exploração de plataformas de mídias sociais, agregadores de notícias e suas APIs por meio da criação de experimentos digitais a partir da apropriação de dados públicos.
7Disponível emhttps://breque-dos-apps.herokuapp.com/. Acesso em: 3 mar. 2021 6Disponível em
https://drive.google.com/file/d/119U-xPYh_Ah1W64x5BI_BmkWvsQRTcNs/view?usp=sharing. Acesso em: 27 fev. 2021
5Disponível emhttps://www.youtube.com/watch?v=ODo_NjH-nY8&feature=youtu.be. Acesso em: 21 fev.
2021
4Disponível emhttps://marclee.io/en/tv-bot-world-news-as-soon-as-it-happens/.Acesso em: 21 fev. 2021 3Disponível emhttps://brasil.elpais.com/brasil/2018/03/19/internacional/1521500023_469300.html. Acesso em:
1.1.2. Objetivos Específicos
● Visando atingir o objetivo principal, alguns objetivos específicos são requeridos, entre eles:
○ Realizar coletas de dados através de metodologias digitais. ○ Discutir as políticas das APIs utilizadas
○ Elaborar códigos de software para organização e visualização de dados ○ Explorar as especificidades das plataformas de mídias sociais
○ Deslocar formas de organização da informação a partir da perspectiva do critical making.
1.2. Organização do Texto
No capítulo 2, trago as referências teóricas sobre “protocolo”, conforme discutido por Galloway (2004) e dos “Estudos de Plataformas”, em particular o fenômeno de "plataformização da web”, abordagem que inspirou a discussão sobre plataformas e APIs e suas políticas. No capítulo 3, descrevo a inspiração principal do experimento, o “TV-Bot”. Também discorro brevemente sobre o evento “breque dos apps” e sua repercussão online. Além disso, abordo a metodologia desenvolvida para a coleta de dados, animações automatizadas e hospedagem do experimento. Nas considerações finais, reflito sobre a criação dos experimentos dialogando com as referências teóricas expostas no capítulo 2.
A seguir, falo sobre minhas motivações pessoais e acadêmicas, descrevendo o conceito de critical making, que inspirou a metodologia-prática deste projeto.
1.3. Motivações e Inspirações
O desenvolvimento de software é uma atividade que tenho desenvolvido profissionalmente há alguns anos. Após uma formação acadêmica não concluída em Sistemas de Informação, encontrei na Comunicação uma porta de entrada para uma discussão transdisciplinar sobre tecnologia, comunicação e sociedade. Ao longo da minha graduação, tive a oportunidade de participar do Núcleo de Pesquisa em Conexões Intermidiáticas (NucCon), primeiramente como ouvinte, aluno voluntário de iniciação científica, e depois como bolsista CNPq. Como parte das disciplinas realizadas na graduação, criei o podcast “Digitalmente”8, no qual experimentei narrativas diferentes a cada episódio, sempre sobre o 8Disponível em https://open.spotify.com/show/4BjK27fOYRykmTp10yyKtJ. Acesso em: 27 fev. 2021
tema “cibercultura”. Nessa trajetória, tive a oportunidade de entrar em contato com uma vasta quantidade de referências teóricas que, de uma maneira ou de outra, influenciaram minhas escolhas neste projeto. O presente experimento prático foi realizado com inspiração no fazer-crítico (critical making) e nas mídias táticas. Esse referencial foi me apresentado ao longo do meu percurso acadêmico e na Iniciação Científica voluntária orientado pela Prof. Dra. Fernanda Duarte. A metodologia tem influência nos métodos digitais, abordagem desenvolvida durante minha Iniciação Científica realizada durante o período entre 2018 e 20209, no MediaAção10, sob orientação da Prof. Dra. Geane Alzamora.
O critical making é uma influência metodológica importante, pois ele alia dois modos de engajamento com o mundo em um objeto crítico. Sobre isso, Matt Ratto (2011) diz que
O uso do critical making para descrever nosso trabalho - um desejo de conectar teórica e pragmaticamente dois modos de engajamento com o mundo que são frequentemente separados - pensamento crítico, normalmente entendido como baseado em conceitos e linguísticos, e o “fazer prático” orientado à produção material. (RATTO, 2011, p.1)
Busquei aliar a abordagem teórica à prática no que tange a utilização de APIs de Plataformas de Mídias Sociais. Passando pelo conceito de “protocolo”, como elaborado por Galloway (2004) e pelos “Estudos de Plataformas”, como apresentado por D’Andréa (2020), discorro sobre as relações entre as dimensões das plataformas e as políticas de APIs. Apesar de usar meios de coleta de dados, o experimento não faz consideração especial ao conteúdo coletado, mas ao processo de coleta, às tecnologias e aos atores envolvidos no processo de utilização de APIs. A visualização dos dados não busca revelar nenhuma “verdade” contida implicitamente. A base de dados é processada de forma aleatória a cada novo ciclo, mostrando vídeos, tweets e notícias fora de uma ordem pré-estabelecida. Em suma, o experimento visa criar tensionamentos com relação às plataformas de mídias sociais, suas APIs e explorar seus possíveis usos inesperados. Ao propor um modo de engajamento crítico, espera-se contribuir para a discussão sobre as plataformas e suas especificidades.
2. PROTOCOLOS, PLATAFORMAS E APIS
A centralidade nos dados, seus aspectos políticos e infraestruturais, refletem em uma vasta discussão a respeito dos estudos críticos de internet e cibercultura. Dessa discussão, fica
10Disponível emhttp://mediaacao.com.br/. Acesso em: 25 fev. 2021
9“A dinâmica transmídia mediada por hashtags em conexões de redes sociais online – agenciamentos semióticos e sociotécnicos em contexto de grande mobilização social” - BIC CNPq 2018/2020
claro a importância de estudos que evidenciem as dimensões tecnopolíticas das mídias sociais. Nesta virada crítica, situa-se os Estudos de Ciência e Tecnologia (STS), campo transdisciplinar voltado “para o estudo dos regimes de poder, das práticas situadas e das materialidades que constituem a produção científica e os artefatos tecnológicos.” (D’ANDRÉA, 2020, p.4). Tal abordagem tem inspirações nas filosofias pós-estruturalistas de Gilles Deleuze e Michel Foucault e abrangem uma diversidade de vertentes metodológicas. As principais inspirações para este projeto vêm do meu contato com os Estudos de Ciência e Tecnologia: o conceito de protocolo e seu diálogo com as mídias táticas, internet art e hacking (GALLOWAY, 2004); o fenômeno da “plataformização da web” (HELMOND, 2015); e os estudos de plataformas (D’ANDRÉA, 2020).
No geral, “protocolo” não é uma palavra nova – é utilizada para designar comportamentos pré-estabelecidos, acordados e registrados. O termo é bastante utilizado na diplomacia, ao indicar as linhas gerais da forma correta de agir nesses contextos. Já no âmbito da ciência da computação, o termo “protocolo” se refere especificamente a padrões que regem a implementação de tecnologias específicas. Em poucas palavras, protocolo é uma técnica para alcançar regulamentações voluntárias em um ambiente de contingências (GALLOWAY, 2004, p. 7). A internet, por sua vez, é apresentada por Galloway (2004) como o mais amplo sistema de administração da informação digitalizada. Devido a sua amplitude, esse sistema não deixa transparecer facilmente o núcleo institucional de comando e controle. Isso gera a impressão de que, na internet, os núcleos de poder que exercem o comando e o controle, facilmente identificáveis em sociedades hierarquizadas e centralizadas, desapareceram. No âmbito da internet, protocolos como o IP (internet protocol) não podem ser centralizados. Essas redes distribuídas são entendidas por Galloway (2004, p. 11) como o diagrama da formação social perpassada pelas tecnologias da informação. O protocolo, como Galloway (2004) argumenta, é “uma forma de gerenciamento das relações em torno deste (protocolo)”.
APIs podem ser vistas a partir do conceito de “protocolo” porque criam formas específicas de “gerenciar relações”. Os dados que circulam através de APIs estão disponíveis para quem tem acesso a esse protocolo. A forma como essas APIs são montadas e o uso que é feito destas fez emergir a “sociedade da plataforma”, como propõem Van Dijck, Poell e de Wall (2018). Em uma série de entrevistas com desenvolvedores autônomos adeptos ao uso das APIs do Twitter, Taina Bucher (2013) observou o cerceamento da plataforma com relação às políticas de suas APIs e, consequentemente, a mudança da perspectiva da comunidade de desenvolvedores acerca da plataforma. Bucher elabora que
(...) a partir da exploração da API do Twitter, o “material”11em torno dela, “sua
especificidade como um objeto de software protocológico12, em termos de como ele
funciona no mundo. Ao fazer isso, o objetivo é contribuir para uma melhor compreensão da "política de plataforma" das mídias sociais, ou mesmo, a vizinhança das relações e negociações decorrentes das APIs.” (BUCHER, 2013, p.1)
Essa abordagem se concentra em explorar como as APIs são vistas e entendidas pelos desenvolvedores, ampliando seu significado e passando a entendê-las para além de suas especificações técnicas. Analisar as plataformas como objetos protocológicos nos permite, além de ampliar a compreensão da “política de plataforma”, nos engajar de formas inesperadas com esses protocolos. Neste sentido, Galloway (2004, p.16) argumenta que o engajamento tático é uma maneira de criar tensionamentos e resistir aos protocolos. O autor apresenta três atividades consideradas ações de resistência no âmbito do que ele denomina computer culture: o hacking, a mídia tática e a internet art. Todas elas consideradas “táticas políticas” específicas da “era do protocolo”. De acordo com a tese de Galloway, o diagrama distribuído das redes controladas por protocolos é o diagrama organizacional das sociedades do controle baseadas nas redes digitais de comunicação. Considera-se a raspagem de dados, um dos meios utilizados na coleta de dados neste projeto, uma forma de hacking, se aproveitando das aberturas apresentadas pela plataforma para superar as limitações infraestruturais apresentadas pelas APIs oficiais, como o limite de captura de dados retroativos. Além disso, o experimento prático deste projeto se configura como uma ação de natureza tática, reposicionando o uso de APIs de Plataformas de Mídias Sociais.
2.1.APIs e Plataformização da Web
Olhando em retrospecto, no começo da década passada Tarleton Gillespie (2010), já discutia como o termo “plataforma” vinha sendo utilizado na década passada por empresas como Google e Facebook para definir seus produtos. Essa definição, segundo D’Andréa (2020), “contribuiu decisivamente para a constituição de um olhar analítico que considera o entrelaçamento entre os interesses comerciais, as escolhas computacionais e os posicionamentos políticos das plataformas.” A ideia de “plataforma online” pode ser sintetizada pela crescente adoção de uma arquitetura computacional baseada na conectividade e no intercâmbio de dados. Tal conectividade infraestrutural consolida um modelo
12Galloway, Alexander (2004) 11“Stuff” (Tradução nossa)
centralizado de fluxo de dados informacionais. A interoperabilidade, ou seja, a compatibilidade entre sistemas diferentes, faz emergir um “ecossistema” de plataformas (VAN DIJCK, 2013) que se articula de modo distribuído.
O “ecossistema” de plataformas é uma das características do que a pesquisadora Anne Helmond (2015) descreve como a “plataformização da web”. O fenômeno compreende uma transformação infraestrutural da web em direção a modelos de negócio e estruturas tecnológicas que se adequam aos protocolos de acesso e intercâmbio de dados adotados pelas gigantes da indústria, como Google e Facebook. No centro desta infraestrutura estão as APIs - sigla em inglês para Application Programming Interface. As APIs, por sua vez, são interfaces que padronizam a troca de informação entre partes através de protocolos computacionais. Segundo Bodle (2011, p. 322), conforme citado por D’Andréa (2020a, p. 2), uma API aberta “provém informações a aplicativos de terceiros através de ‘requisições’, uma técnica de recuperação de dados em um servidor (...) sem que se interrompa a exibição e o funcionamento de uma página web”. “Por serem os “recursos fronteiriços” que interligam a entrada e saída de dados, as APIs contribuíram decisivamente para o processo de plataformização da web” (D’ANDRÉA, 2020b, p.9).
Para além da definição técnica de API, Bucher (2013) define as APIs como “arranjos contingentes históricos de componentes sociais e materiais que se combinam para produzir novas realidades” (BUCHER, 2013, p.1). A virada da web 2.0 tornou viável a adoção de arquiteturas de software orientadas a recursos web (APIs REST13), criando parcerias entre empresas emergentes de tecnologia e desenvolvedores autônomos. O processo de adoção da arquitetura de APIs, como visto anteriormente, tornou possível o fenômeno da “Plataformização da Web”. De acordo com Helmond (2015), conforme citada por D’Andréa (2020a), “esta mudança (de paradigma infraestrutural) se ancora em três precondições de programabilidade: a separação de conteúdo e apresentação (formato XML); a modularização de conteúdo e recursos (permitindo, por exemplo, que vídeos e posts fossem ‘incorporados’ a páginas externas); e a interface com bancos de dados”.
Juntamente à “plataformização da web”, o “dataísmo” (VAN DIJCK, 2017) é um conceito que ajuda a explicar, de maneira geral, como a sociedade contemporânea se tornou orientada ao “culto aos dados”. O “dataísmo” nos fornece elementos para se pensar as bases ideológicas que fomentam o modelo de sociedade centrado em dados. Como aponta a autora,
13REST é a sigla em inglês para “representational state transfer”. Proposto no ano 2000, permite transferências
direcionadas de recursos específicos da web, que são identificados através de URIs (Uniform Resource Identifiers). A arquitetura REST viabiliza as requisições de dados feitas por uma parte significativa das APIs.
a datificação, como um legítimo meio para acessar, entender e monitorar o comportamento das pessoas está se tornando um princípio central, não apenas entre os adeptos da tecnologia, mas também entre os acadêmicos que a veem como uma revolucionária oportunidade de pesquisa para investigar o comportamento humano (VAN DIJCK, 2017)
A crença nos dados e o processo de “plataformização da web” foram essenciais para a emergência de novos tipos de plataforma, que não somente de mídias sociais. O surgimento de “soluções” como Airbnb, Uber e Spotify transformando profundamente áreas da sociedade como turismo, transporte e música, é uma característica do que Van Dijck, Poell e de Wall (2018) chamam de “Sociedade da Plataforma”. Adiante, falaremos de plataformas de mídias sociais, agregadores de notícias e suas APIs.
2.2. Políticas de Plataformas de Mídias Sociais
Nas plataformas trabalhadas neste projeto, duas delas têm uma característica fortemente social (Twitter e YouTube) e outra é um agregador de notícias (Google News). Neste sentido, é importante sobretudo abordar as especificidades das plataformas de mídias sociais. Sobre esse tipo de plataforma, Van Dijck e Poell (2013) apontaram quatro especificidades: a programabilidade – materializada através de códigos, APIs, algoritmos –, a popularidade – baseada em rankings, por exemplo, e movida por uma “economia de likes” –, a conectividade – que permite a personalização – e a datificação – que subsidiaria, entre outras, a ideia de “tempo real”. Mais recentemente, Van Dijck, Poell e de Wall (2018, p. 4) afirmam que “uma plataforma online é uma arquitetura projetada para organizar interações entre usuários – não apenas usuários finais, mas também entidades corporativas e órgãos públicos”. Além das especificidades, D’Andréa (2020b) caracteriza as plataformas em cinco dimensões. São elas: mediação algorítmica; infraestrutura; modelos de negócio; governança; e práticas e affordances. Neste sentido, iremos explorar algumas das dimensões das plataformas abordadas.
2.2.1. Twitter
O Twitter é uma plataforma de mídia social, muitas vezes definida como uma ferramenta de microblogging, fundada em 2006. Em 2007, os usuários da ferramenta enviaram 1,2 milhão de tweets no ano. A empresa teve um crescimento rápido já nos
primeiros anos. Em junho de 2010, cerca de 65 milhões de tweets foram enviados por dia14. O aumento do número de usuários e do volume de informação foram acompanhados por uma série de mudanças de layout da plataforma. Em 2011, a companhia testou uma nova homepage15 que, após uma falha, foi reintroduzida meses depois. Em 2012, a empresa estimou ter 140 milhões de usuários e 340 milhões de tweets por dia16. Já no primeiro ano de existência, a companhia lançou sua API pública para desenvolvedores. Rapidamente, sua API virou referência para a implementação de outras APIs REST. Entre 2006 e 2010, houve uma lua de mel entre a empresa e a comunidade de desenvolvedores. Através de sua API, o Twitter era visto pelos desenvolvedores como uma possibilidade de se criar um negócio tecnológico.
Contudo, a partir de 2010, a empresa tomou decisões que foram recebidas negativamente pelos desenvolvedores. Primeiramente, o Twitter passou a exigir um tipo de autenticação OAuth17 com um prazo de apenas nove semanas para que os desenvolvedores adaptassem seus aplicativos. Esse acontecimento ficou conhecido como "OAuthcalypse". Ainda no mesmo ano, a empresa lançou seu próprio encurtador de URLs, em uma competição direta com alguns dos melhores aplicativos de terceiros que utilizavam a API da plataforma. Já em 2012, a companhia introduziu limites rigorosos de uso de sua API por terceiros, o que levou milhares de aplicativos ao desuso e empresas terceiras à falência.
Partindo para as especificidades da plataforma, sua programabilidade pode ser identificada, entre outras “caixas pretas”, pelas APIs oficiais. A plataforma disponibiliza duas APIs para recuperação de dados (uma que recupera dados em “tempo real” e outra para dados antigos. Sua “popularidade” é vista dentro da dinâmica de “curtidas”, “retweets”, entre outras lógicas quantitativas que levam em consideração metadados de cada tweet. Sua “conectividade” está na possibilidade da personalização de um perfil e na conexão com outros perfis mediante a dinâmica de “seguir” um perfil. A “datificação” envolve todo o funcionamento da plataforma, mas mais especificamente os algoritmos que geram as timelines, levando em consideração toda personalização e os metadados da informação gerada pelo usuário.
17Disponível em https://mashable.com/2010/04/24/twitter-oauthcalypse/. Acesso em 11 de fev. 2021. 16Disponível em https://mashable.com/2012/03/21/twitter-has-140-million-users/. Acesso em 10 fev. 2021. 15Disponível emhttps://www.huffpost.com/entry/new-twitter-homepage_n_845110. Acesso em: 10 fev. 2021 14Disponível em
https://www.telegraph.co.uk/technology/twitter/7297541/Twitter-users-send-50-million-tweets-per-day.html. Acesso em: 10 fev. 2021
2.2.2. YouTube
O YouTube foi criado por três ex-funcionários do PayPal - Chad Hurley, Steve Chen e Jawed Karim - em fevereiro de 2005. Em 2006, a Google comprou o serviço por 1,65 bilhão de dólares americanos. A partir de então, a plataforma cresceu, modificando o panorama midiático mundial. Milhares de novos profissionais surgiram a partir da plataforma, os chamados “YouTubers”, criadores de conteúdo e formadores de opinião. Para entregar o conteúdo, cada vez maior, aos seus milhões de usuários, o YouTube conta com algoritmos que geram os feeds dos usuários e criam as recomendações do que assistir em seguida. Essa caixa preta é inacessível para pessoas de fora da companhia, apesar dos esforços da comunidade de pesquisadores e desenvolvedores em realizar a “engenharia reversa” a partir das APIs. Ao longo dos anos, essa mediação algorítmica foi criticada em numerosos episódios, principalmente com relação a sua parcialidade. Em produção anterior (PACHECO, SILVA, 2019), discutimos sobre como o YouTube se tornou um ecossistema onde a extrema direita política brasileira prosperou. Isso aconteceu em grande parte por causa do algoritmo de recomendação da plataforma. O fenômeno também foi denunciado em reportagens nacionais18e internacionais19. Leva-se em consideração neste episódio dimensões definidoras da plataforma (mediação algorítmica e governança).
A plataforma disponibiliza um conjunto20 de APIs para recuperação e transmissão de dados. Dentro desse conjunto estão as APIs para dispositivos móveis, dados, transmissão ao vivo, analytics, parametrização e a do Iframe player, que é a utilizada no experimento descrito na seção 3.5.1.
2.3.Agregadores de Notícias e Curadoria Algorítmica
Agregadores de notícias são serviços que realizam a indexação e a curadoria automatizada de notícias publicadas na web. Em sua etimologia, o termo curadoria está vinculado ao ato de zelar ou vigiar por algo: um conceito originalmente relacionado aos campos do Direito. Com a evolução social o termo passa a relacionar-se com o campo das artes, dos museus e de seus respectivos acervos. Segundo Corrêa e Bertocchi (2012),
Na medida em que ocorre a expansão da sociedade digitalizada, o termo curadoria passa a ser utilizado para uma diversidade de ações que envolvem organização de
20Disponível emhttps://developers.google.com/youtube/documentation. Acesso em: 12 fev. 2021
19Disponível emhttps://www.nytimes.com/2019/08/11/world/americas/youtube-brazil.html. Acesso em: 12 fev.
2021
dados a partir de critérios ou recortes. Nesse contexto, a “curadoria de informação” assume uma idéia muito mais de organização que de inauguração de uma nova proposta ou visão de mundo.
A curadoria algorítmica pode ser definida de maneira geral como organização de informação por meio de algoritmos. Os “algoritmos curadores” abrangem uma variedade de algoritmos com objetivos diferentes que vão desde a geração de uma timeline social, como a do Facebook, a criação de sugestões de compras na Amazon. No campo do jornalismo, Flipboard e Zite são alguns exemplos de aplicativos de curadoria algorítmica de informação. Contudo, nenhum agregador de notícias se destaca mais que o Google News. Na seção 3.4.2 falarei mais sobre este serviço, bem como sua API, utilizada no experimento. Neste sentido, consideramos o Google News como um tipo de plataforma, uma vez que ele apresenta características de programabilidade (API pública), popularidade (rankeamento do conteúdo) e conectividade (personalização do feed).
3. DESCRIÇÃO DO EXPERIMENTO
3.1. TV-Bot Show
A principal referência estética para este experimento é a instalação de internet-art “TV-Bot Show”, criada por Marc Lee21. Neste projeto, Marc Lee usa conteúdo gerado pelo usuário em postagens de redes sociais. Segundo o artista,
Usando conteúdo gerado pelo usuário, pessoas em todo o mundo recebem uma voz compartilhando seus pensamentos e histórias nas redes sociais. Suas postagens são pontos de vista pessoais e uma janela para um mundo em mudança. Como uma soma gigantesca, eles fornecem uma imagem abrangente do mundo que se torna parte da obra de arte. O espectador desta obra participa dos movimentos sociais de nosso tempo. Dessa forma, somos capazes de refletir nossa vida, esperanças, desejos e principalmente a cultura da geração mais jovem. Essa obra de arte está mudando e se alterando continuamente. Ela nunca é a mesma - sempre se regenera. Como a natureza - um rio sem fim, a cada segundo novo. (MARC LEE, 2016)22
Em sua versão mais recente,23 a obra compreende a coleta, indexação e animação de dados e informações de uma diversidade de fontes. Os vídeos utilizados têm origem diversa, como YouTube, sites de stream e webcams públicas. As imagens utilizadas vêm do Instagram e do Twitter. O conteúdo dos tweets coletados (em tempo real) é representado como um fluxo
23Disponível emhttp://marclee.io/tvbot/. Acesso em: 01 fev. 2021 22Tradução Nossa
de informações infinito. Todas as informações coletadas, por sua vez, obedecem a uma entrada do usuário por determinado(s) termo(s). Dessa forma, toda a informação é obtida em tempo real e representa a mesma busca em diferentes plataformas e fontes de informação.
Figura 1. Exposição “The Show Must Go On - Online TV Show”
Figura 2. TV Bot 3.0
Há pouca informação a respeito da metodologia técnica empreendida no TV-Bot. O que se tem registrado pelo artista são as tecnologias utilizadas em cada versão do experimento. A versão 1.024, criada em 2004 (não mais disponível) compreendeu na
elaboração de um plugin RealPlayer e foi criada para funcionar em sistemas operacionais Windows e MacOs e em navegadores Firefox, IE e Safari. As tecnologias empreendidas no script foram o C++, HTML e SMIL. A versão 2.025, criada em 2010, manteve os mesmos sistemas operacionais da primeira versão, mas o RealPlayer foi substituído por um plugin FlashPlayer. As tecnologias envolvidas na elaboração do script foram ActionScript, HTML, CSS e Javascript. A versão 3.0, criada em 2016, por sua vez, abrangeu sistemas operacionais Linux, navegadores Google Chrome, Firefox, IE e Safari. A compilação do código em um plugin foi abandonada e o script foi concebido com HTML5, CSS e Javascript. Uma mudança importante que ocorreu entre as versões foi o aumento do número de fontes de informação a serem exibidas simultaneamente. Enquanto as primeiras versões permitiam apenas 3 fontes de informação, a última versão permitiu 5 fontes de informação simultâneas.
3.2.O Breque dos Apps e a #BrequeDosApps
O “Breque dos Apps” compreendeu um movimento ativista protagonizado pelos entregadores que trabalham para empresas de entrega de comida por aplicativo, cuja pauta principal foi a precarização e a informalidade do trabalho da categoria26. Tal fenômeno é chamado de “uberização” e “plataformização do trabalho”, conforme aponta Ana Guerra (2018). O movimento buscou atrair atenção midiática e fomentar o debate sobre o fenômeno. Ganhou repercussão a partir da primeira greve da categoria, realizada no dia 1º de julho de 2020. Em 25 de julho de 2020, realizou-se a segunda parada dos profissionais da categoria nas principais cidades do país, como São Paulo, Belo Horizonte e Rio de Janeiro.
Em ambas datas, o ativismo de rede teve um papel muito importante, seja através do uso das hashtags nas mídias sociais, seja na produção de uma diversidade de conteúdo (jornalístico, ativista, informativo, desinformativo, por exemplo). Portanto, escolheu-se trabalhar com três termos de pesquisa. A hashtag #BrequedosApps e os termos “Breque dos Apps” e “Greve dos Apps”, como uma extensão da hashtag. A hashtag foi utilizada na busca no Twitter, enquanto os termos foram utilizados na busca das outras plataformas. Não é intenção deste trabalho se aprofundar em uma análise dos conteúdos mais circulados entre/nas plataformas. Mesmo assim, faz-se necessário uma visão contextual dos usos da hashtag #BrequedosApps.
26Disponível em
https://digilabour.com.br/2020/07/26/bibliografia-sobre-organizacao-de-trabalhadores-de-aplicativos/. Acesso em: 13 fev. 2021.
A dinâmica do uso de hashtags é predominante no Twitter, mesmo que haja o uso em outras plataformas, como Instagram e YouTube. #BrequedosApps foi a hashtag principal utilizada dentro do contexto das greves dos motoristas de aplicativo. Segundo análise realizada por meio da ferramenta hashtagify.me27, verificou-se a utilização da hashtag em conjunto com hashtags como #GreveDosApps, #AmanhaTemBrequedosApps, #ForaBolsonaro, #grevedosentregadores, #BrequeDosApp, #JulhoDasPretas, #EsquerdistasSeguemEsquerdistas, #EntregadoresAntifascistas, entre outras. Tais hashtags possuem um caráter ativista e político, algumas estando relacionadas a outros temas políticos. Ainda segundo o site, os usuários com “maior influência” (maior números de seguidores) que utilizaram a hashtag foram o apresentador Gregório Duvivier (@gduvivier), a política Manuela Davila (@ManuelaDavila), o coletivo Mídia Ninja (@MidiaNINJA) e o político Guilherme Boulos (@GuilhermeBoulos).
Os dados coletados por raspagem, cerca de 2100 tweets, representam apenas uma parte pequena dos dados completos referentes ao uso da hashtag. As notícias coletadas através da Google News API se limitaram a 20 (definido pela API) e os vídeos do YouTube verificados através do YouTube Data Tools, a 50. Dessa forma, não se pode tirar conclusões generalizantes a respeito das relações entre os dados. Pelo contrário, como está sendo abordado desde a descrição teórica, um dos objetivos da experimentação deste projeto é explorar novos usos de APIs e, dessa forma, abrir espaço para a discussão sobre o funcionamento destes protocolos e as políticas das plataformas abordadas.
O tema escolhido remete diretamente à discussão realizada pelos Estudos de Plataformas, especificamente ao processo de “plataformização do trabalho”. Como aponta Ana Guerra, as transformações implicadas pelo processo de plataformização do trabalho são diretamente afetadas pelas especificidades das plataformas tanto em sua dimensão socioeconômica, quanto em sua materialidade técnica e nas apropriações por parte dos trabalhadores plataformizados (GUERRA, 2018).
3.3.Coleta de Dados
A metodologia deste trabalho se vale de técnicas de extração e manipulação digital dentro do contexto das novas mídias e da big data. Tais técnicas têm origem nas ciências da computação e da informação, tendo como obstáculo didático sua complexidade técnica e
especializada. Dessa forma, nessa etapa eu irei explicar cada procedimento técnico de forma didática para não iniciados no fazer-computacional.
Este trabalho se inicia na coleta dos dados de três plataformas: Google News28, Twitter29e YouTube30. Essa extração é feita por meio de algumas técnicas distintas. Os dados coletados do Google News são obtidos através da API da plataforma. Os dados do YouTube foram obtidos por meio da utilização do YouTube Data Tools31, ferramenta criada por Bernhard Rieder e hospedada pelo Digital Methods Initiative (DMI)32. Os dados do Twitter, por sua vez, foram obtidos pela técnica de raspagem de dados.
3.3.1. Raspagem de Dados no Twitter
O Twitter fornece APIs REST que podem ser usadas por desenvolvedores para acessar e ler dados do Twitter. Eles também forneceram uma API de streaming que pode ser usada para acessar os dados do Twitter em tempo real. A maior parte do software escrito para acessar os dados do Twitter fornece uma biblioteca que funciona como um invólucro em torno das APIs de busca e streaming do Twitter e, portanto, são restringidos pelas limitações das APIs.
Em virtude da escolha temática do experimento (a greve dos motoristas de aplicativos de entrega de comida) ter acontecido em um momento específico do ano de 2020 (meses de junho e julho), tornou-se inviável a utilização das APIs do Twitter para obtenção dos dados, uma vez que as APIs não permitem o acesso a dados retroativos com mais de sete dias. Dessa forma, procurou-se outra maneira de capturar estes dados. Encontrou-se na técnica de raspagem de dados, mais especificamente no código aberto twitterscrapper, produzido por Ahmet Taspinar33 e disponibilizado no GitHub34 sob a licença MIT License35. O twitterscrapper é um conjunto de scripts Python que permite aos desenvolvedores obter dados do Twitter sem as restrições presentes nas APIs oficiais. Ao usar o TwitterScraper, não há limite de requisições, nem de acesso a tweets antigos.
A raspagem de dados, resumidamente, compreende a extração de dados indexados em páginas HTML por meio de algoritmos que localizam e salvam estes dados em um arquivo de
35Disponível emhttps://opensource.org/licenses/MIT. Acesso em: 14 dez. 2020. 34Disponível emhttps://github.com/taspinar/twitterscraper. Acesso em: 14 dez. 2020. 33Disponível emhttps://github.com/taspinar. Acesso em: 13 dez. 2020.
32Disponível emhttps://wiki.digitalmethods.net/Dmi/DmiAbout. Acesso em: 13 dez. 2020. 31Disponível emhttps://tools.digitalmethods.net/netvizz/youtube/. Acesso em: 12 dez. 2020. 30Disponível emhttps://developers.google.com/youtube/v3. Acesso em: 11 dez. 2020. 29Disponível emhttps://developer.twitter.com/. Acesso em: 12 dez. 2020.
saída. A busca retornou cerca de 2100 tweets. Utilizou-se a CLI (Command Line Interface)36 do twitterscrapper com os seguintes parâmetros:
Figura 3. Comando CLI do Twittescrapper Onde:
-l: limite de tweets a serem retornados -bd: data inicial de publicação do tweet -ed: data final de publicação do tweet -o: arquivo que recebe o retorno da busca
Os dados retornados compreendem os seguintes metadados do Twitter:
Metadado Significado
has_media Booleano que indica se o tweet tem alguma mídia
anexada a ele
hashtags Hashtags utilizadas no tweet
img_urls Urls das imagens anexadas ao tweet
is_replied Booleano que indica se o tweet é uma resposta a outro tweet
is_reply_to Booleano que indica se o tweet é uma resposta a outros usuários
likes Quantidade de likes que o tweet teve até o momento
da coleta
links Links presentes no corpo do tweet
parent_tweet_id Número de identificação do tweet original ao qual o tweet é resposta
replies Quantidade de respostas que o tweet teve até o
momento da coleta
reply_to_users Vetor com os números de identificação de usuários ao qual o tweet respondeu (se foi uma resposta)
retweets Quantidade de compartilhamentos que o tweet teve
screen_name Nome do usuário que tweetou (@)
text Texto do corpo do tweet
text_html HTML do texto do corpo do tweet
timestamp Data em que o tweet foi criado
timestamp_epochs Data em que o tweet foi criado convertida em padrão epoch
tweet_id Número de identificação do tweet
tweet_url Url do tweet
user_id Número de identificação do usuário que tweetou
username Nome do usuário que tweetou (texto)
video_url Url do vídeo anexado ao tweet
Tabela 1. Metadados Twitterscrapper
Recentemente, o Twitterscrapper se tornou inoperante37, uma vez que o Twitter fechou o cerco às ferramentas de raspagem de dados. Tal ação evidencia ainda mais a importância de se estudar as políticas das plataformas. Ao limitar o acesso a outros modos de obtenção de dados, o Twitter obriga os pesquisadores e desenvolvedores a utilizarem suas APIs e, com isso, ficarem a mercê de suas mudanças inesperadas.
3.3.2. Google News API
O Google Notícias (News) é a plataforma de notícias da Google. Criada em 2002, possui disponibilidade em língua portuguesa desde 2005. Segundo definição da própria empresa, a plataforma é uma “Cobertura jornalística abrangente e atualizada, agregada de fontes do mundo inteiro pelo Google Notícias.” Desde sua criação, a plataforma ganhou diversas novas funcionalidades, como a introdução de algoritmos “inteligentes” para a seleção de notícias personalizadas e a parceria com agências independentes de checagem de fatos - uma sutil aproximação ao tema das notícias falsas.
Juntamente ao Google News, Em paralelo ao serviço de notícias, o Google conta com o Google News Lab38, uma equipe integrada ao Google News Initiative39, iniciativas da empresa norte-americana de integração de sua plataforma de notícias às redações, empresas e profissionais do meio jornalístico. Tal relação entre a empresa e jornalistas tem um histórico conturbado, dentro e fora do Brasil. Seja em relação a alçada jurídica no que diz respeito à reprodução e publicação de material jornalístico sem permissão, como aconteceu em países europeus em meados dos anos 200040, seja em relação a aproximação da empresa com
40Disponível emhttps://academic.oup.com/jiplp/article-abstract/2/7/463/2910811?redirectedFrom=PDF. Acesso
em: 11 dez. 2020.
39Disponível emhttps://newsinitiative.withgoogle.com/intl/pt_br/. Acesso em: 11 dez. 2020.
38Disponível emhttps://newsinitiative.withgoogle.com/intl/pt_br/google-news-lab/. Acesso em: 11 dez. 2020. 37Disponível emhttps://github.com/taspinar/twitterscraper/issues/343. Acesso em: 10 dez. 2020.
produtores de conteúdo falso no Brasil, como denunciado pelo “The Intercept Brasil”41, em 2019.
A Google News API42faz parte da suíte de APIs disponibilizada pela Google aos desenvolvedores ao redor do mundo. Ela está disponível em 54 países, incluindo o Brasil, cobrindo artigos de mais de 50 mil fontes de notícias. A utilização dessa API é gratuita estando limitada a uma série de restrições (artigos disponíveis com 1 hora de atraso, limite de artigos retroativos de até 1 mês, limite de 100 requisições por dia, entre outras). As versões pagas apresentam poucas ou nenhumas restrições43. Para utilizar a versão gratuita basta realizar um cadastro na plataforma, onde é disponibilizado uma chave de API. A partir da obtenção dessa chave, desenvolvedores podem utilizar uma das client libraries para criar scripts para a coleta dos dados.
No caso deste experimento, foi escolhido trabalhar com a client library de Python pela familiaridade com essa linguagem de programação. Como pode ser visto na figura 9, foi criado um script para a coleta dos dados, usando como termos-chaves “greve dos apps” e “greve dos aplicativos”. O período coletado foi de 01 de junho a 30 de julho de 2020. Os dados foram exportados para um arquivo JSON, como feito com o Twitterscrapper. Essa busca retornou 20 notícias sobre o tema, de fontes como BBC News, The Intercept, Exame, UOL, Terra, entre outras.
fromnewsapiimportNewsApiClient
importtime
fromdatetimeimportdatetime,timedelta, date
importjson
timestr=time.strftime("%Y%m%d-%H")
newsapi=NewsApiClient(api_key='2de5d157d448424db4574be570b492d4')
everything=newsapi.get_everything(
q="(greve dos apps OR greve dos aplicativos)", from_param='2020-06-01',
43Disponível emhttps://newsapi.org/pricing. Acesso em: 09 dez. 2020.
42Disponível emhttps://newsapi.org/s/google-news-br-api. Acesso em: 09 dez. 2020.
41Disponível emhttps://theintercept.com/2019/11/19/fake-news-google-blogueiros-antipetistas/. Acesso em: 09
to='2020-07-30', sort_by='relevancy')
withopen('./google-news/greve_dos_apps'+'.json','w')asf: json.dump(everything,f,indent=4)
Figura 4. Script Google News API
Os metadados correspondentes a cada artigo estão descritos na tabela 2. A versão gratuita da utilização da API limita o número de caracteres para o metadado de content em 200 caracteres. Felizmente, no experimento utilizou-se apenas os metadados de title e source/name.
Metadado Significado
source/id
-source/name Nome do veículo/fonte de notícia
author Nome do autor da notícia
title Título da notícia
description Descrição/Manchete da notícia
url Url da notícia
urlToImage Url da imagem principal da notícia
publishedAt Data de publicação da notícia
content Conteúdo da notícia (limitado a 200
caracteres no plano gratuito) Tabela 2. Metadados Google News API
3.3.3. YouTube Data Tools
A coleta de vídeos do YouTube por meio da ferramenta YouTube DataTools44, do Digital Methods Initiative (DMI)45. O YouTube DataTool utiliza a YouTube API v3 para a extração de informações de canais, vídeos e listas de vídeos, redes de canais e de vídeos, através de buscas por palavras-chave ou pelas IDs de vídeos.
A coleta foi realizada utilizando-se o módulo "Vídeo List”, buscando-se pelo termo “breque dos apps”, com apenas 1 interação, ranqueando os vídeos por “relevância”. As interações delimitam o número de dados coletados (1 interação significa uma rede de 50 vídeos). Dessa forma, a busca retornou os 50 vídeos mais relevantes para os parâmetros buscados. A partir dessa coleta, organizou-se os 50 vídeos em uma playlist pública no próprio
45Disponível emhttps://wiki.digitalmethods.net/Dmi/DmiAbout.Acesso em: 05 dez. 2020. 44Disponível emhttps://tools.digitalmethods.net/netvizz/youtube/.Acesso em: 05 dez. 2020.
YouTube. Essa playlist é acessada utilizando a YouTube API do IFrame, como será visto na seção 3.5.1.
3.4.Experimentos Iniciais
Em caráter exploratório foram produzidas duas versões anteriores do experimento principal deste projeto. Ambas versões seguiram uma metodologia diferente no que tangem as animações e carregamento de informações em um vídeo. O corpus utilizado nos experimentos não variou, sendo o mesmo da versão final.
A primeira versão46utilizou imagens estáticas procedentes do Twitter e do Google News, notícias do corpus do Google News e Tweets do corpus do Twitter. Àquela altura, ainda não havia sido realizada a coleta da rede de vídeos do YouTube, o que aconteceu a partir da segunda versão do experimento. Em ambas versões, todo o conteúdo era processado dentro do software Adobe After Effects, utilizando sua linguagem de programação nativa denominada ExtendScript (ADOBE SYSTEMS INCORPORATED, 2012). As bases de dados coletadas eram carregadas dentro do software e cada elemento era processado em um Template, criado previamente, através dessa linguagem de programação. Essa metodologia apresentou problemas cruciais que motivaram sua troca. Inicialmente, planejou-se a criação de vídeos no Adobe After Effects que fossem hospedados posteriormente no YouTube.
Figura 5. 1ª Versão do Experimento
O primeiro problema encontrado foi o tempo de renderização dos vídeos. As primeiras exportações (renderização, processamento) levaram cerca de 5 horas de duração. Já na segunda versão, quando foram adicionados os vídeos do YouTube, além do tempo de renderização aumentar, após o upload para o YouTube, a plataforma tirou o vídeo do ar por infringir direitos autorais (o vídeo usava outros vídeos da plataforma). Logo, uma nova metodologia foi pensada para contornar esses problemas. Tanto o After Effects (como compilador), quanto o YouTube (como site de hospedagem) foram substituídos pelo Navegador de Internet (veja mais detalhes na seção 3.5). Assim, todo o processamento passou a ocorrer em tempo real de execução. Isso significa que a cada vez que a página é carregada, a informação é processada e animada de uma nova forma.
Figura 6. 2ª Versão do Experimento
3.5.Processamento e Animações 3.5.1. YouTube API do IFrame
A YouTube API do IFrame47é uma API de incorporação de vídeos do YouTube em páginas Web. A partir dela é possível incorporar vídeos e playlists de vídeos em páginas independentes, assim como controlar a exibição desses vídeos (qualidade, dimensões, ordem de execução, entre outras formas). A partir da coleta das URLs de vídeos, utilizando o YouTube DataTools, do tema “greve dos aplicativos”, criou-se uma playlist com estes vídeos.
Resumidamente, utilizando-se da YouTube API do IFrame desenvolveu-se um script que cria um elemento iFrame, em uma página web, que recebe o player do YouTube. Assim, o script organiza e executa os vídeos de maneira aleatória, através da função setShuffle, cada vídeo sendo executado durante 20 segundos antes de ser interrompido e o próximo vídeo da playlist iniciar. Essa lógica computacional traz o efeito de aleatoriedade para a execução dos vídeos, realocando a lógica algorítmica das timelines e da recomendação do YouTube.
// Load YouTube library
functiononYouTubeIframeAPIReady() {
varnumPl=Math.floor(Math.random()*50+1);
varinputVideoId=["1X9RvuSuU_Y","lNz_4dOF4NE","qPVd290KUro"];
varsuggestedQuality="large";
varheight="100%";
varwidth="100%";
varplayer= newYT.Player("player", { height: height, width: width, playerVars: { listType:"playlist", list:"PLbouzmFCyUKZUZkyRZRX06N230bDX1hE8", index: numPl, autoplay:1, controls:0, rel:0, showinfo:0, start:20, modestbranding:0, }, events: {
onReady:function(event) {
setTimeout(function() {
},1000); },
onStateChange:function(event) {
switch(event.data) { caseYT.PlayerState.PLAYING: setTimeout(function() { event.target.nextVideo(); },20000); break; caseYT.PlayerState.ENDED: event.target.nextVideo(); break; default: return; } },
onError:function(event) {
event.target.setShuffle({ shufflePlaylist:true}); event.target.nextVideo();
console.log("deu erro no player"); },
}, });
Figura 7. Script YouTube API do Iframe
3.5.2. HTML, Javascript e CSS keyframe animation
O HTML (Linguagem de Marcação de Hipertexto) pode ser definido como o esqueleto da web. No caso deste experimento, ele é responsável por criar os elementos na página web onde serão colocados os dados coletados nas plataformas. Cada <div> pode ser vista como um elemento bidimensional com propriedades específicas. As class são o que definem as propriedades particulares de cada elemento. Logo, uma <div class =
“news-wrapper”> receberá as propriedades específicas definidas pelo desenvolvedor para a classe “news-wrapper” (nome definido para receber o fluxo de notícias vindo da coleta presente no news.json). Da mesma forma, as <div class tweets-update-left> e <div class tweets-update-right> terão as propriedades específicas definidas para receber o fluxo de tweets vindo da coleta presentes no tweets.json.
<!DOCTYPEhtml> <html>
<head>
<linkrel="stylesheet"href="style.css"/>
<linkrel="preconnect"href="https://fonts.gstatic.com"/> <link href="https://fonts.googleapis.com/css2?family=Roboto:ital,wght@0,100;0,300;0,400;0,500; 0,700;0,900;1,100;1,300;1,400;1,500;1,700;1,900&display=swap" rel="stylesheet" /> </head> <body> <div id="player" style=" position: absolute; left: 50%; top: 50%; -webkit-transform: translate(-50%, -50%); transform: translate(-50%, -50%); " ></div>
<divclass="news-wrapper"> <divclass="news-update"></div> </div>
<!-- News JSON --> <script>
<divclass="left-twitter-wrapper"> <divclass="tweets-update-left"></div> </div>
<divclass="right-twitter-wrapper"> <divclass="tweets-update-right"></div> </div>
<divclass="image-flow"/> <divclass="image2-flow"/> <!-- Tweets JSON --> <script>
</script>
<!-- YouTube API --> <script>
// Load YouTube library </script>
</body> </html>
Figura 8. Código HTML principal
Enquanto o HTML diz onde cada elemento existe em uma página, o código javascript presente entre as tags <script> realiza a parte programática do código. Ou seja, é através desta parte do código que se realiza a consulta dos arquivos JSON da coleta, através da função fetch, navega-se por esses arquivos, realizando-se a extração do que é interessante para o desenvolvedor, inserindo-se esses dados nas <div> pré estabelecidas no código HTML (através das funções document.getElementsByClassName e appendChild). Para cada código javascript é necessário criar uma tag <script> no código HTML. Por isso, existem vários scripts dentro do mesmo código. Neste experimento, há um código diferente para cada base de dados (Google News, Twitter e YouTube).
Figura 9. Script de carregamento de dados do Google News
A estilização e animação dos elementos fica a cargo do CSS (Cascading Style Sheets). O CSS é criado em outro arquivo (style.css) e adicionado dentro do HTML pela tag:
<linkrel="stylesheet"href="style.css"/>
Figura 10. Código de inserção do CSS no arquivo HTML .news-wrapper{ position:fixed; bottom:0; width:100%; overflow:hidden; height:4rem; background-color:#ec0b43; padding-left:100%; box-sizing:content-box; }
No arquivo CSS, cada elemento recebe propriedades de estilo, como dimensões, posição, valor de margem, cor de fundo, cor de fonte, entre outras. Além disso, a partir de uma das características mais recentes do CSS possibilita a animação de elementos em tempo de execução de navegador. Isso significa que tornou-se possível criar animações simples sem a necessidade de uma linguagem de programação ou de um editor de vídeos. Essa propriedade é representada pela palavra-chave @keyframes, como pode ser visto na figura 15. Neste trecho do código criou-se uma função chamada verticalMoving que realiza a animação vertical dos elementos onde ela for atribuída.
@keyframesverticalMoving{ 0% { -webkit-transform:translate3d(0,0,0); transform:translate3d(0,0,0); visibility:visible; } 100% { -webkit-transform:translate3d(0,-100%,0); transform:translate3d(0,-100%,0); } }
Figura 12. Trecho de código CSS responsável pela animação vertical
A figura 16. mostra a função verticalMoving sendo atribuída aos elementos HTML da classe tweets-update-right, com uma duração de animação de 3500 segundos e uma iteração infinita. Isso significa que depois que os 3500 segundos acabarem, a animação irá recomeçar. Isso garante que o fluxo de tweets e de notícias não pare, mesmo que a base de dados tenha chegado a seu limite.
.tweets-update-right{ height:max-content; overflow:hidden; -webkit-animation-iteration-count:infinite; animation-iteration-count:infinite; -webkit-animation-timing-function:linear; animation-timing-function:linear; -webkit-animation-name: verticalMoving; animation-name: verticalMoving;
-webkit-animation-duration:3500s;
animation-duration:3500s; }
Figura 13. Trecho de código CSS responsável pela animação vertical
De forma análoga a função verticalMoving, a função horizontalMoving realiza a animação horizontal das notícias do Google News. Essa, por sua vez, tem uma duração de 200 segundos, basicamente 10 segundos para cada notícia. Quando acabam, elas recomeçam em um loop infinito.
Como resultado, obteve-se uma colagem de conteúdo audiovisual com uma organização aleatória. Os tweets se organizam em duas colunas, enquanto que os vídeos ocupam a tela inteira. As notícias são mostradas no canto inferior da tela, fazendo alusão aos noticiários televisivos.
Figura 15. 3ª Versão do experimento
3.6. Hospedagem do Projeto
Inicialmente, os vídeos seriam hospedados em um canal no YouTube. No entanto, após a realização da segunda versão do experimento, o YouTube não permitiu o upload do vídeo gerado para sua plataforma, acusando restrição de direitos autorais. Dessa forma, partiu-se para uma outra abordagem metodológica no qual os vídeos e animações são gerados em tempo-real no navegador. Assim, tanto os códigos quanto os arquivos envolvidos foram hospedados em uma página web independente48, de forma que fiquem disponíveis sem a restrição das plataformas de hospedagem.
4. CONSIDERAÇÕES FINAIS
Em diálogo com os “Estudos de Plataformas” e o conceito de “Protocolo”, e com inspiração no critical making, neste projeto experimental buscou-se criar uma ação tática utilizando APIs e “raspagem de dados” para coletar e visualizar dados gerados durante a “Greve dos Apps”. O evento diz respeito ao processo de “platafomização do trabalho” que, por sua vez, está inserido dentro do fenômeno da “sociedade plataformizada”.
A experimentação realizada teve como objetivo geral a exploração crítica de plataformas de mídias sociais, agregadores de notícias e suas APIs. Isso foi alcançado realizando coletas de dados através de metodologias digitais. A partir das coletas, elaborei códigos de software para organização e visualização de dados, deslocando a forma como as informações coletadas são organizadas pelos criadores das APIs. Por fim, realizei uma discussão sobre as políticas das APIs, bem como as especificidades das plataformas utilizadas.
As primeiras versões do experimento foram abandonadas ao nos depararmos com limitações das plataformas de hospedagem de vídeos. A versão final, por sua vez, foi realizada com três bases de dados coletadas a partir de APIs e raspagem de dados. Neste experimento, os dados são carregados de forma aleatória em uma página web. Ao fundo, uma playlist com os vídeos coletados é carregada. A frente, os tweets coletados se materializam através de um fluxo constante. Abaixo, as notícias coletadas no Google News correm em um fluxo igualmente constante. Em seu processamento, há um trecho de código que torna a ordem do fluxo de dados aleatória, fazendo com que cada vez que a página é recarregada, o fluxo seja distinto. Nesta etapa, realizou-se um deslocamento da maneira como os dados coletados são organizados para o usuário nas plataformas. No âmbito da curadoria algorítmica, houve um deslocamento da noção de relevância de notícias, vídeos e tweets importantes sobre um determinado tema.
Ao se apropriar de dados de plataformas, seja através do uso de suas APIs públicas ou de outros métodos, buscou-se criar uma reflexão ampla sobre políticas de APIs de plataformas de mídias sociais. Neste âmbito, explorou-se uma diversidade de métodos de coleta e visualização de dados em três versões do experimento. As três versões tiveram inspiração da ação de internet-art “TV-Bot Show”, em especial sua última versão realizada em 2016. Além disso, considerou-se as APIs como um tipo de protocolo contemporâneo, ou seja, uma forma de gerenciamento e organização de informação que se baseia na interoperabilidade de dados. Essa forma de gerenciamento exerce influência em outras áreas
da sociedade, desde o trabalho (uberização) a comunicação (mídias sociais). Ao realizar essa consideração, concluímos que a ampla adoção deste protocolo está fortemente ligada à ideologia do “culto aos dados” e à transformação social em que passa a “sociedade plataformizada”.
Muitas questões surgiram ao longo do desenvolvimento deste trabalho. Desde as definições estéticas e limitações inesperadas que tornaram necessárias novas versões do experimento, às novas referências teóricas que eu vim a conhecer ao longo do desenvolvimento. Adiciona-se as dificuldades impostas pela pandemia de COVID-19 e o regimento de ensino remoto emergencial (ERE) adotado pela UFMG.
Como se pesquisar plataformas de mídias sociais quando as plataformas limitam o acesso às suas APIs? De que forma podemos nos engajar em plataformas sem adotar perspectivas enviesadas? Como as pesquisas em comunicação lidarão com a emergência de novas tecnologias no contexto das plataformas? Essas são algumas das questões que surgiram ao longo do processo e que serão trabalhadas no decorrer da minha jornada acadêmica.
Ao concluir o experimento, fica a reflexão quanto ao seu processo de construção. A diversidade de tecnologias envolvidas, os tipos de usos observados das APIs, a documentação disponível e utilizada. Creio que para entender o contexto atual da web, isto é, o da “web plataformizada” é necessário se aprofundar nas tecnologias com uma perspectiva transversal e transdisciplinar. Neste âmbito, foi o que tentei realizar com esse trabalho prático. Ao aliar a perspectiva teórica à “mão na massa”, característica típica do critical making, busquei conectar teórica e pragmaticamente dois modos de engajamento às plataformas e, com isso, discutir sobre as especificidades das plataformas trabalhadas.
5. REFERÊNCIAS BIBLIOGRÁFICAS
ADOBE SYSTEMS INCORPORATED. Adobe After Effects CS6 Scripting Guide, 2012. BUCHER, T. Objects of intense feeling: the case of the Twitter API. Computational Culture, Nottingham, n. 3, 2013a.
CORRÊA, Elizabeth Saad; BERTOCCHI, Daniela. O algoritmo curador - O papel do
comunicador num cenário de curadoria algorítmica de informação. In: Anais do XXI
Encontro Anual da Compós. Juiz de Fora, 2012, p. 1-15.
D’ANDRÉA, C. Pesquisando plataformas online : conceitos e métodos. Salvador: EDUFBA, 2020a.
D’ANDRÉA, C. Para além dos “dados coletados”: políticas das APIs e mediações
algorítmicas nas plataformas de mídia social. In: COMPÓS, 29., 2020, Campo Grande.
Anais [...]. Campo Grande: COMPÓS, 2020b.
GALLOWAY, Alexander. Protocol: how control exists after decentralization. Cam-bridge: MIT Press, 2004.
GILLESPIE, T. The politics of ‘platforms’. New Media & Society,Thousand Oaks, v. 12, n. 3, p. 347-364, 2010.
GUERRA, A. Plataformização do Trabalho: um estudo sobre as redes em ação no
trabalho dos Motoristas UBER. 2018. Trabalho de Conclusão de Curso (Graduação em
Comunicação) – Universidade Federal de Minas Gerais, Belo Horizonte, 2018.
HELMOND, A. The platformization of the Web: making web data platform ready. Social Media + Society,Thousand Oaks, v. 1, n. 2, p. 1-11, 2015.
O’REILLY, T. (2005, setembro 30). What Is Web 2.0. Recuperado 30 de janeiro de 2021, de
http://www.oreilly.com/pub/a/web2/archive/what-is-web-20.html
PACHECO V; SILVA, P. O Ecossistema Político No Youtube: Uma Análise De Rede Dos
Youtubers Indicados pelo Presidente. In: 2º Simpósio Internacional Subjetividade E
Cultura Digital: Saber, Criação E Virtualidade. p. 251-261, 2019.
RATTO, Matt. Critical Making: Conceptual and Material Studies in Technology and
Social Life. Toronto. The Information Society, 27: 252–260, 2011
RIEDER, Bernhard (2015). YouTube Data Tools (Version 1.21) [Software]. Disponível em
https://tools.digitalmethods.net/netvizz/youtube/.
VAN DIJCK, J. Confiamos nos dados? As implicações da datificação para o
VAN DIJCK, J.; POELL, T.; WALL, M. The Platform Society: public values in a
