Dissemination of political content and the viral aspect on Twitter: topological analysis, characterization and classification

Abstract

As redes sociais online desempenham um papel central na disseminação de informações e na formação da opinião pública. Durante as eleições presidenciais brasileiras de 2022, o Twitter foi amplamente utilizado para compartilhar conteúdos políticos, moldando o debate eleitoral. No entanto, compreender os padrões de disseminação da informação e os fatores que impulsionam a viralidade das mensagens ainda é um desafio. Embora diversos estudos tenham explorado o debate político nas redes sociais, poucos analisaram sistematicamente a interação entre a estrutura de disseminação e as características textuais para prever a viralidade do conteúdo. Neste contexto, este trabalho investiga a propagação do conteúdo político no Twitter durante as eleições brasileiras de 2022, combinando análises topológicas, caracterização textual e modelos de classificação. Primeiramente, modelamos as redes de difusão a partir de retweets e aplicamos técnicas de extração de backbone para identificar os usuários mais ativos na disseminação do debate eleitoral. Em seguida, realizamos uma caracterização linguística dos conteúdos compartilhados, avaliando aspectos como diversidade lexical, complexidade das mensagens e temas predominantes. Por fim, exploramos a adição de informações topológicas a classificação de viralidade, considerando se as mensagens foram ou não disseminadas por usuários nos backbones das redes de difusão construídas anteriormente, visando analisar se tal informação contribui para aprimorar o desempenho da classificação de mensagens virais ou não virais. Os principais resultados indicam que a estrutura topológica da rede é fundamental para entender a dinâmica de disseminação: usuários identificados no backbone possuem um papel crucial na manutenção do fluxo de informações, enquanto as mensagens virais tendem a apresentar maior complexidade linguística. No entanto, a inclusão de informações estruturais no modelo de classificação resultou em um aumento da sensibilidade na identificação de mensagens virais, mas reduziu a precisão geral da classificação. Estes resultados destacam a importância de considerar simultaneamente fatores textuais e estruturais para prever a viralidade do conteúdo e apontam direções para estudos futuros sobre a interação entre comportamento do usuário e disseminação da informação em redes sociais.