Community Notes Brasil · Visão Geral do Projeto

Do snapshot público a um mapa
navegável de controvérsias,
tópicos e utilidade das notas de comunidade
em língua portuguesa

Arquitetura atual: o que já foi implementado, o que o site já entrega e quais são os próximos passos.

~142 mil
notas em português
~900
tweets hidratados
8 camadas
catálogo · tópicos · entidades · modelos · validação
Richard Rorty

"a sociedade liberal é aquela que se contenta em chamar de "verdadeiro" (ou "cor-reto", ou "justo") o que quer que resulte da comunicação não distorcida, qualquer visão que saia vencedora num cotejo livre e franco..."

Este projeto investiga as Community Notes — mecanismo distribuído de checagem de fatos adotado pela plataforma X (ex-Twitter) —, no qual usuários comuns colaboram para adicionar contexto a publicações potencialmente enganosas. Uma nota só se torna visível quando consegue reunir concordância entre avaliadores de perspectivas distintas: o algoritmo, em tese, filtra pelo consenso em vez de pela autoridade.

O interesse por esse mecanismo ganhou urgência recente. Nos últimos anos, grandes plataformas flexibilizaram suas políticas de moderação centralizada de conteúdo, transferindo para sistemas como as Community Notes um papel cada vez mais central na governança do que circula como verdade online.

É nesse contexto que a provocação de Rorty se torna um bom ponto de partida — não necessariamente como receita, mas como diagnóstico. Se a verdade é, na prática, aquilo que sobrevive ao debate livre entre perspectivas diferentes, então as Community Notes são uma tentativa de institucionalizar exatamente esse processo. Vale perguntar: como esse mecanismo funciona, quem participa, o que ele aprova — e o que ele silencia.

Como o corpus é construído

Arquitetura em 5 etapas

Cada etapa transforma o dado bruto em algo mais legível — do snapshot público até rótulos semânticos que qualquer leitor pode entender.

01 · Ponto de partida empírico

Snapshot público do Community Notes

O projeto começa com os dados disponibilizados pelo X, coletados em 07/04/2026, e após um processo de ETL consolidado para facilitar acesso e consultas, o snapshot disponibilizado em Hugging Face em modo de streaming, o que tornou possível filtrar as notas em português com o modelo fastText lid.176.bin.

dados X ETL e consulta filtro de idioma
02 · Restrição de aquisição

Hidratação parcial dos tweets

Os tweets associados às notas são recuperados em uma segunda etapa, de forma amostral, porque o custo da API limita o quanto do ecossistema pode ser hidratado. Em vez de consultar toda a base, a coleta prioriza os tweetIds com mais notas associadas, casos potencialmente mais controversos, e faz a hidratação em lotes, com checkpoint, para caber no orçamento sem perder progresso.

tweet + nota + metadados
UC
UpdateCharts ✓ @updatecharts

O Japão desenvolveu SANGUE ARTIFICIAL UNIVERSAL compatível com todos os tipos sanguíneos.

Update Cart
Os leitores adicionaram contexto

O post omite contexto: este "sangue artificial" não está em uso hospitalar. A alegação baseia-se num estudo de 2019 da Faculdade de Medicina de Defesa Nacional do Japão que obteve sucesso em laboratório apenas com coelhos.

pubmed.ncbi.nlm.nih.gov/31257633/  ·  pt.wikipedia.org/…
03 · Representação semântica

Embeddings focados no assunto factual

Usamos o modelo multilingual-e5-large-instruct com uma instrução voltada ao assunto factual em disputa — não a aspectos procedurais da plataforma. Esse passo cria o espaço vetorial usado depois para agrupar textos.

Prompt de embedding "Identifique o assunto factual em disputa, ignorando aspectos procedurais sobre a plataforma."
multilingual-e5-large-instruct
04 · Organização temática

Modelagem de tópicos + rótulos legíveis

O BERTopic organiza o espaço semântico em clusters. KeyBERT e MMR ajudam a representar cada tópico, e o Marco-Mini quantizado recebe palavras-chave e documentos representativos para resumir cada cluster em um contexto central, uma categoria ampla e um rótulo curto mais legível.

Prompt de rótulo "Considere o contexto sociopolítico brasileiro, leia palavras-chave e exemplos do tópico, identifique o assunto concreto em disputa e responda em JSON com contexto_central, categoria_ampla e rotulo_curto, evitando rótulos genéricos como 'desinformação' ou 'manipulação'."
BERTopic MMR KeyBERT Marco-Mini

Produto atual

Oito camadas públicas

O site já entrega leituras complementares do corpus: da navegação por casos ao diagnóstico metodológico das abordagens.

01
Catálogo de casos
Navegue por notas individuais com contexto completo: tweet, avaliações, utilidade e tópico associado.
02
Explorador de tópicos
Visão agregada da modelagem de tópicos para identificar quais assuntos concentram mais controvérsias, destinos de publicação e padrões semânticos.
03
Entidades nomeadas
Mapa de atores, fontes, lugares, instituições e co-ocorrências extraídas das notas, com correferência e curadoria semântica.
04
Análise de polaridade
Inferências descritivas a partir das matrizes do X: cobertura, distribuição dos scores, macrotemas, sinais estruturais e notas-exceção.
05
Camada do algoritmo
Explicação do mecanismo de consenso — como o sistema decide se uma nota é útil a partir da polaridade dos avaliadores.
06
Classificador de utilidade
Anatomia dos modelos que estimam utilidade das notas, com sinais preditivos, SHAP textual, vizinhança semântica e limites de interpretação.
07
Conclusão global
Síntese editorial dos achados, reunindo padrões do corpus, implicações analíticas e cuidados para leitura dos resultados.
08
Endpoint público
Interface demonstrativa para consultar a inferência do modelo e experimentar, de forma controlada, a camada aplicada do classificador.

O que vem a seguir

Próximo passo

Com as camadas principais publicadas, a próxima frente deixa de ser construção e passa a ser validação das abordagens.

Linha de validação
Validação das abordagens analíticas
Comparar resultados entre tópicos, entidades, polaridade e classificação; testar estabilidade, vieses, amostras de erro e limites de generalização antes de transformar os achados em afirmações finais.
~142 mil
notas em português
~900
tweets hidratados
8 camadas
catálogo · tópicos · entidades · modelos · validação