Em um estudo recente, publicado na revista Journal of Experimental Psychology, esses autores mostram como os sistemas de recomenda\u00e7\u00e3o online limitam a diversidade de informa\u00e7\u00f5es, levando os usu\u00e1rios a generaliza\u00e7\u00f5es incorretas sobre temas que mal conhecem.<\/p>\n
Em outras palavras, esses cientistas demonstraram em laborat\u00f3rio que, quando algoritmos escolhem o que voc\u00ea v\u00ea, eles limitam a variedade de informa\u00e7\u00f5es. Com uma compreens\u00e3o reduzida da realidade, voc\u00ea aplica esse conhecimento distorcido em situa\u00e7\u00f5es novas, e acredita que domina o assunto, mesmo tendo um conhecimento superficial e enviesado<\/strong>.<\/p>\n Testando a a\u00e7\u00e3o dos algoritmos na aprendizagem A pesquisa revelou que, embora algoritmos personalizados limitem o que as pessoas veem, elas ainda conseguem formar generaliza\u00e7\u00f5es amplas. O problema, explica o pesquisador s\u00eanior Brandon Turner, da OSU, n\u00e3o est\u00e1 somente nas nas informa\u00e7\u00f5es perdidas, mas sim no fato de os usu\u00e1rios n\u00e3o perceberam essas partes que ficaram de fora.<\/p>\n “As pessoas perdem informa\u00e7\u00f5es quando seguem um algoritmo, mas acham que o que sabem se generaliza para outras caracter\u00edsticas e partes do ambiente que nunca experimentaram”, afirma Turner em um comunicado. Ou seja, uma popula\u00e7\u00e3o de pessoas com conhecimentos limitados, mas excessivamente confiantes<\/strong>.<\/p>\n Para ilustrar o fen\u00f4meno, os autores usam um exemplo muito concreto e ilustrativo logo no in\u00edcio do artigo: o de um espectador que nunca assistiu filmes de determinado pa\u00eds e quer experiment\u00e1-los. Para isso, ele usa um servi\u00e7o de streaming que utiliza algoritmo de personaliza\u00e7\u00e3o.<\/p>\n Inicialmente, o servi\u00e7o recomendar\u00e1 alguns filmes populares, entre os quais a pessoa escolher\u00e1 \u2014 por puro acaso \u2014 um filme de a\u00e7\u00e3o\/thriller, ao qual assiste e gosta. O algoritmo ent\u00e3o detecta que pessoas que assistiram esse mesmo filme assistiram principalmente g\u00eaneros similares, como a\u00e7\u00e3o, thriller e neo-noir.<\/p>\n A lista de recomenda\u00e7\u00f5es para esse aprendiz de cin\u00e9filo ficar\u00e1 cheia de mais filmes desses mesmos g\u00eaneros. Portanto, se o seu objetivo era s\u00f3 encontrar algo que gostasse, o algoritmo cumpriu seu papel, mas, se o objetivo era entender a cinematografia daquele pa\u00eds<\/a>, o algoritmo criou um vi\u00e9s ser\u00edssimo.<\/p>\n Embora satisfeita, a pessoa ter\u00e1 perdido \u00f3timos filmes de diferentes g\u00eaneros e, o que \u00e9 pior, desenvolver\u00e1 o que os autores chamam de uma infer\u00eancia injustificada e exagerada sobre a cultura popular e a sociedade do pa\u00eds. Algo como: por que as pessoas do pa\u00eds tal gostam tanto de filmes neo-noir e de crime?<\/p>\n Conhecimento limitado e confian\u00e7a alta: uma combina\u00e7\u00e3o perigosa Para testar como essas curadorias de conte\u00fado podem interferir na forma como as pessoas aprendem, os autores realizaram um experimento online com 346 participantes. A proposta era que eles aprendessem a classificar “alien\u00edgenas fict\u00edcios” com diferentes caracter\u00edsticas.<\/p>\n Divididos em dois grupos, os participantes foram expostos a diferentes est\u00edmulos. Um grupo em que os alien\u00edgenas foram escolhidos por um algoritmo de filtragem colaborativa (parecido com o do YouTube) e outro no qual os aliens eram apresentados de forma aleat\u00f3ria, sem personaliza\u00e7\u00e3o.<\/p>\n Os participantes que receberam sequ\u00eancias personalizadas acabaram prestando aten\u00e7\u00e3o s\u00f3 a algumas partes dos alien\u00edgenas e ignorando o resto. Ou seja, aprenderam de modo distorcido e, mesmo entendendo pouco, ficaram muito confiantes nas suas respostas erradas<\/strong>, inclusive sobre categorias que quase n\u00e3o tinham visto.<\/p>\n Apesar de simples, essa l\u00f3gica \u00e9 perversa e preocupante, pois esses algoritmos s\u00e3o feitos para maximizar o consumo de conte\u00fado e aumentar visualiza\u00e7\u00f5es, cliques e intera\u00e7\u00f5es. Para isso, eles identificam padr\u00f5es de comportamento e passam a recomendar conte\u00fados semelhantes aos j\u00e1 consumidos, o que reduz a diversidade de est\u00edmulos.<\/p>\n
\n![\"O](\"https:\/\/www.europesays.com\/pt\/wp-content\/uploads\/2025\/12\/18928.jpg\")
O problema da exposi\u00e7\u00e3o aos algoritmos n\u00e3o s\u00e3o as informa\u00e7\u00f5es perdidas, mas o fato de os usu\u00e1rios n\u00e3o perceberem essas perdas \u2022 standret\/Freepik<\/p>\n
\n![\"Jovens](\"https:\/\/www.europesays.com\/pt\/wp-content\/uploads\/2025\/12\/2148192467.jpg\")
Jovens em fase de aprendizagem expostos a algoritmos online veem s\u00f3 parte do mundo \u2014 e acham que \u00e9 o todo \u2022 Freepik<\/p>\n