Novidades em diversas áreas do conhecimento, educação, design instrucional, EAD, educação corporativa, STEAM, etc.

Um documentário da Netflix transformou a Cambridge Analytica no rosto de um medo novo: o de que nossos dados sejam usados para nos manipular...

Privacidade Hackeada é o título brasileiro de The Great Hack, documentário lançado pela Netflix em 24 de julho de 2019 e dirigido por Karim Amer e Jehane Noujaim. Ele conta o escândalo da Cambridge Analytica por meio de três personagens: David Carroll, professor de design em Nova York que processou a empresa para descobrir quais dados ela guardava sobre ele; Brittany Kaiser, ex-diretora de desenvolvimento de negócios que virou denunciante; e Carole Cadwalladr, a jornalista do Observer que destrinchou o caso.

A tese central é simples de enunciar e difícil de provar: dados pessoais viraram um ativo estratégico, e a segmentação comportamental em escala industrial ameaça o processo democrático. O filme sustenta que a Cambridge Analytica identificava eleitores "persuadíveis" e os bombardeava com conteúdo sob medida, e que isso pesou na eleição de Donald Trump em 2016 e na campanha pelo Brexit.

Vale registrar uma coincidência de calendário que o filme não menciona: ele estreou exatamente no mesmo dia em que a agência reguladora americana anunciou a multa bilionária contra o Facebook (FEDERAL TRADE COMMISSION, 2019). O documentário chegou ao público com o carimbo institucional na mão.

Dezessete marcos, do artigo científico de 2013 à eleição brasileira de outubro de 2018. Clique em cada um.

método e ciência empresa e política plataforma e defesa Brasil

A defesa de Zuckerberg

Coerente por dentro, evasiva na questão de fundo

A segunda é o núcleo técnico: isso não foi um vazamento. Os sistemas do Facebook não foram invadidos. Kogan coletou dados legitimamente pela interface da plataforma, com autorização de cerca de 300 mil pessoas que, pelas regras então vigentes, arrastavam consigo os dados de seus amigos. O ilícito, nessa versão, foi Kogan ter repassado a base à Cambridge Analytica, violando os termos de uso.

A terceira justifica a demora de três anos. A empresa soube do caso em 2015, baniu o aplicativo, exigiu a exclusão e obteve certificações formais. O erro admitido é específico e limitado: confiou nos certificados sem auditar. É uma admissão que preserva a boa-fé da plataforma e desloca a culpa para quem mentiu.

Nada do que ele alegou é factualmente falso. A defesa é internamente coerente e ainda assim contorna a questão de fundo: ela trata como acidente aquilo que era consequência previsível do desenho.

Três anos depois, de novo

Os Facebook Papers e o problema que não era um terceiro

A defesa de 2018 dependia de uma premissa: o dano veio de fora, de um pesquisador que quebrou as regras. Em setembro de 2021 essa premissa foi testada por dentro.

Frances Haugen, ex-gerente de produto da equipe de desinformação cívica, copiou milhares de páginas de pesquisa interna antes de pedir demissão e as entregou ao Wall Street Journal, a reguladores e ao Congresso. A série ficou conhecida como Facebook Files; o conjunto mais amplo, divulgado por um consórcio de veículos em outubro, como Facebook Papers. Haugen depôs ao Senado americano em 5 de outubro de 2021 (WHISTLEBLOWER..., 2021).

Os documentos apontam para três frentes. Pesquisa interna de 2019 registrava que o Instagram agravava questões de imagem corporal em uma de cada três adolescentes; a empresa não divulgou o achado e vinha desenvolvendo uma versão infantil do aplicativo, engavetada após a repercussão (U.S. SENATORS..., 2021). Um programa interno de verificação cruzada aplicava regras mais brandas a usuários de alto perfil. E uma mudança no algoritmo de recomendação, adotada em 2018 para privilegiar interações significativas, teria acabado por favorecer conteúdo que gera indignação.

O quanto o algoritmo te conhece

Existe pesquisa real por trás da técnica, e ela é anterior à Cambridge Analytica. Em 2013, Kosinski, Stillwell e Graepel analisaram as curtidas de 58.466 voluntários americanos que também haviam respondido testes psicométricos. O modelo resultante discriminava pares de pessoas com a precisão abaixo (KOSINSKI; STILLWELL; GRAEPEL, 2013).

Fonte: elaborado pelo autor com base em Kosinski, Stillwell e Graepel (2013) e University of Cambridge (2013).Nota: os valores correspondem à área sob a curva ROC, que expressa a probabilidade de classificar corretamente duas pessoas sorteadas, uma de cada grupo. Não são taxas de acerto individual.Amostra: 58.466 voluntários americanos, com média de 170 curtidas por pessoa.

Dois anos depois, os mesmos pesquisadores compararam máquina e gente. Clique para ver quantas curtidas o modelo precisa para superar cada tipo de pessoa da sua vida (YOUYOU; KOSINSKI; STILLWELL, 2015).