Community Notes Brasil · Visão Geral do Projeto
Arquitetura atual: o que já foi implementado, o que o site já entrega e quais são os próximos passos.
"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..."
Como o corpus é construído
Cada etapa transforma o dado bruto em algo mais legível — do snapshot público até rótulos semânticos que qualquer leitor pode entender.
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.
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 + metadadosO Japão desenvolveu SANGUE ARTIFICIAL UNIVERSAL compatível com todos os tipos sanguíneos.

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.
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.
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.
contexto_central, categoria_ampla e rotulo_curto,
evitando rótulos genéricos como 'desinformação' ou 'manipulação'."
Produto atual
O site já entrega leituras complementares do corpus: da navegação por casos ao diagnóstico metodológico das abordagens.
O que vem a seguir
Com as camadas principais publicadas, a próxima frente deixa de ser construção e passa a ser validação das abordagens.