Algoritmos e métricas no trabalho de jornalistas e influenciadores: entrevista com Angèle Christin

Autora de Metrics at Work também discute práticas etnográficas e algoritmos

Angèle Christin, professora do departamento de Comunicação da Stanford University, pesquisa como algoritmos e métricas transformam práticas de trabalho e experiências profissionais. Lançou recentemente o livro Metrics at Work: Journalism and the Contested Meaning of Algorithms, em que analisa a crescente importância de dados de audiência em redações jornalísticas nos Estados Unidos e na França.

Ela também já pesquisou a construção, institucionalização e recepção de algoritmos preditivos no sistema judiciário criminal dos Estados Unidos e atualmente desenvolve uma investigação sobre influenciadores a partir do exame de paradoxos do trabalho algorítmico envolvidos em plataformas como TikTok, Instagram e Youtube.

Em entrevista ao DigiLabour, Christin detalha aspectos de seu livro Metrics at Work e discute relações entre práticas etnográficas e algoritmos, além de falar, em primeira mão, os primeiros resultados de sua mais recente pesquisa.

DIGILABOUR: O que significa considerar algoritmos como objetos simbólicos contestados e como ir além de perspectivas que entendem essas questões apenas a partir de olhares da racionalização e da convergência?

ANGÈLE CHRISTIN: Isso é muito interessante. Minha formação é em sociologia e eu acho que muitos sociólogos, quando prestam atenção em questões como quantificação, métricas e, mais recentemente, algoritmos – estão mais interessados ​​em observar padronizações, homogeneizações e convergências ou aquilo que na análise organizacional as pessoas chamam de isomorfismo institucional. E eu acho que a razão para isso remonta, de certa forma, ao início da sociologia. E, em particular: Marx, em relação à mercantilização; Weber, sobre o desencanto do mundo; Simmel, em relação ao dinheiro – todas essas teorias clássicas que examinam o papel das métricas nos processos de convergência. E é claro que isso faz sentido. Quero dizer, de certa forma, que esse é provavelmente o aspecto mais marcante das métricas: elas parecem estar combinando as coisas, ou algo próximo disso. Mas o que eu argumento no meu livro é que há outra faceta envolvida nisso. À primeira vista, você vê processos de padronização e convergência, mas isso é apenas parte da história. A outra parte é que, na verdade, quando você usa uma abordagem etnográfica, percebe que as pessoas e as organizações realmente usam as métricas como espelhos distorcidos, em que obtêm um reflexo de si mesmas, mas de forma estranha. E elas gastam muito tempo fazendo um trabalho interpretativo e com muitos esforços para compreender o que essas reflexões significam, tentando dar sentido a elas. E, no processo, elas tendem a projetar seus próprios valores, suas próprias prioridades e suas próprias maneiras de ver o mundo a partir de métricas e algoritmos. E é por isso que falo sobre algoritmos como objetos simbólicos contestados: dependendo de onde as pessoas vêm, elas projetarão diferentes tipos de sentidos nos algoritmos. Uma consequência disso é que, quando diferentes sentidos colidem, as pessoas precisam chegar a algum tipo de acordo, discutir as coisas e descobrir quais sentidos prevalecerão. E o que eu acho no caso das redações jornalísticas é que elas não conseguem realmente encontrar um único sentido. E, assim, elas continuam alternando entre diferentes tipos de representações.

DIGILABOUR:Você mostra como os sentidos de algoritmos e métricas no trabalho jornalístico são muito ambíguos e se relacionam de maneiras muito diferentes com a cultura organizacional, por exemplo. Quais foram as descobertas que mais te surpreenderam na pesquisa?

CHRISTIN: Antes de eu começar meu trabalho de campo, já tinha lido bastante sobre modos de avaliação nos Estados Unidos e na França, e sobre jornalismo. E eu esperava duas coisas, na verdade. Em primeiro lugar, vindo de uma perspectiva de economia política crítica e de um olhar a partir de Pierre Bourdieu, eu esperava que as métricas tivessem principalmente um sentido comercial. Porque as métricas, no caso do jornalismo, correlacionam e determinam diretamente as receitas publicitárias de uma empresa jornalística. E, então, as métricas envolverão as pressões do mercado, na verdade, com jornalistas tentando descobrir como essas forças comerciais invadem seu trabalho editorial. E não foi exatamente isso que encontrei. Quando fiz meu trabalho de campo, percebi que os jornalistas ficavam olhando para o Chartbeat – uma espécie de software de analytics que as duas redações que estudei em Nova Iorque e Paris usavam. Os jornalistas olhavam para o Chartbeat e viam suas audiências online, o que chamo de público algorítmico. Por meio de métricas de audiência, os jornalistas têm essa representação – claramente limitada e quantitativa – no painel. O Chartbeat mostra dados refinados sobre o que as pessoas estão fazendo online a qualquer momento, como elas estão convergindo em torno de seus artigos e reagindo a isso. Porque o Chartbeat fornece uma ampla gama de métricas, mas também tweets, tempo de engajamento, de onde as pessoas vieram, como compartilharam o artigo etc. E então, de alguma forma, para os jornalistas, havia algo muito vivo nos webanalitics… Muito mais do que se fosse apenas algo sobre as pressões do mercado. Também era um mundo inteiro, um público distribuído, fazendo coisas ao mesmo tempo. E isso foi muito vívido. Isso foi surpreendente para mim, dado o que eu esperava.

A segunda surpresa foi sobre as diferenças entre Estados Unidos e França. Voltando a Alexis de Tocqueville e pensando nos trabalhos mais recentes de Michele Lamont e Marion Fourcade, eu esperava que os franceses fossem mais antimercado, mais críticos em relação às pressões do mercado do que os americanos e mais relutantes em usar métricas quantitativas para avaliar o valor das coisas. E o que descobri nas duas redações foi o oposto: em muitos aspectos, os jornalistas franceses estavam mais sintonizados e fixados no Chartbeat do que seus colegas estadunidenses, que diziamm “Ah, sim, métricas, é claro que temos que prestar atenção a elas, mas é muito chato. Nós não queremos”. Isso, para mim, foi realmente o quebra-cabeça-chave que motivou minha análise: eu estava esperando uma coisa e descobri o oposto. Por que? O que está acontecendo? E o que tento fazer em Metrics at Work é esmiuçar essas descobertas paradoxais observando o quão voláteis são os sentidos das métricas de audiência nas redações. Dependendo da redação, da tradição jornalística, de onde vêm os jornalistas, eles vão ver coisas diferentes nas métricas. E, especificamente, o que descobri é que os jornalistas franceses eram mais propensos a ver seus públicos algorítmicos e tomar isso como uma espécie de indicação de sua relevância na esfera pública, enquanto os jornalistas estadunidenses eram muito mais “distantes” em relação isso , dizendo: “trata-se de pressão comercial e não nos importamos muito com isso”.

DIGILABOUR: Qual é o papel da “cultura nacional” em relação aos sentidos das métricas de audiência no trabalho jornalístico?

CHRISTIN: É complicado falar sobre culturas nacionais. O conceito de cultura nacional é realmente amplo e difícil de manejar, e há muitas perspectivas dentro de um mesmo país. Uma maneira de tentar entender as diferenças nacionais entre os Estados Unidos e a França foi baseando-me em uma estrutura de múltiplas camadas, na qual olho para os campos jornalísticos nacionais e depois para as organizações dentro desses campos jornalísticos. Os campos jornalísticos nos Estados Unidos e na França têm trajetórias e estruturas muito diferentes. Aqui, fui muito inspirada pelo trabalho de Rodney Benson em seu livro de 2013 “Shaping Immigration News”, em que ele compara o jornalismo nos Estados Unidos e na França usando a teoria dos campos. Em ambos os países, os campos jornalísticos são moldados por uma tensão entre as forças comerciais e cívicas. Mas, nos Estados Unidos, o jornalismo passou por um processo de profissionalização que realmente se desenvolveu em reação e em oposição às forças do mercado. E isso está claramente incrustrado nas estruturas organizacionais. E é por isso que mudei das estruturas de nível de campo para as dinâmicas organizacionais. Nas redações estadunidenses, as duas principais estruturas organizacionais que refletem essas avaliações em nível de campo são o muro que separa os departamentos editoriais e de marketing e a forte divisão de trabalho dentro dos departamentos editoriais, entre os editores-chefes – que são responsáveis pelas questões orçamentárias – e os redatores, que realmente são protegidos da pressão comercial, tanto pelo “muro de separação” quanto pelos editores, e podem, consequentemente, se concentrar em escrever boas matérias. Quer façam isso ou não, essa é uma questão diferente, é claro, mas é isso que as estruturas organizacionais devem garantir.

Em contraste, no contexto francês, eu me senti retornando a essa ideia de “os intelectuais”, que é basicamente um tipo de categoria social, cultural e intelectual que surgiu no final do século XIX após o caso Dreyfus – um grande escândalo em que, pela primeira vez, acadêmicos, jornalistas, escritores e artistas se uniram para defender Dreyfus e formar a opinião pública dessa forma. Trazendo para o presente, ainda vemos traços da História nas redações francesas, em que muitos jornalistas ainda exercem seu papel de intelectuais públicos encarregados de formar e orientar a opinião pública. Consequentemente, no nível organizacional, não há uma forte divisão de trabalho entre editores e redatores. E eu realmente acho que essa ausência de divisão de trabalho significa que não havia algo para proteger redatores e jornalistas da pressão de ter que lidar com métricas de audiência e, consequentemente, da internalização de tais pressões, que é o que levou os jornalistas franceses a fixar seus olhos nos cliques.

DIGILABOUR: No artigo The Etnographer and the Algorithm, você teoriza três estratégias: refração algorítmica, comparação algorítmica e triangulação algorítmica. Quais são suas possibilidades teóricas e metodológicas?

CHRISTIN: Deixe-me voltar um pouco. Nos últimos quatro anos, tenho dado aulas sobre métodos etnográficos na Universidade de Stanford. É uma aula maravilhosa de se ministrar – em parte porque há alunos de várias disciplinas diferentes: de engenharia e ciência da computação, passando por comunicação, sociologia, antropologia, administração… é incrível ver estudantes vindos de tantos lugares diferentes. Nos últimos anos, percebi que cada vez mais alunos queriam fazer etnografia digital, com observações e entrevistas online. Originalmente, eu me opunha a isso, e ficava repetindo: “Não, não, não, para fazer etnografia, você tem que fazer observações pessoais, você tem que fazer entrevistas pessoalmente”. Isso em parte porque acredito fortemente que o papel dos etnógrafos é experimentar as coisas por meio de seus corpos, por meio da presença corporificada. E isso é mais difícil de fazer online, em comparação a pessoalmente. Mas os alunos não recuaram, dizendo “não, discordamos disso”. E assim, comecei a levar isso a sério, tentando analisar o que podemos fazer, metodologicamente, com as tecnologias digitais.

Isso levou a este artigo metodológico, que se baseia em três projetos que fiz ao longo dos anos: um sobre jornalismo, um sobre justiça criminal e o mais recente sobre influenciadores. Eu analiso como o trabalho de campo etnográfico pode lançar luzes sobre as tecnologias digitais e, especificamente, sobre os sistemas algorítmicos, e como eles moldam nossas interações. Eu coloco três estratégias para o estudo etnográfico de sistemas algorítmicos. O primeiro, refração algorítmica, é realmente baseado no meu trabalho jornalístico e em uma espécie de perspectiva clássica dos Estudos de Ciência e Tecnologia (STS), que tem muitas semelhanças com o que escreveram Wanda Orlikowski ou Trevor Pinch e Wiebe Bijker. Mas, basicamente, a ideia é que, quando você introduz uma nova forma tecnológica, neste caso sistemas algorítmicos, em um determinado mundo social, você terá essas ondulações que vão em várias direções. Em primeiro lugar, obviamente, um sistema tecnológico muda as coisas ao seu redor, mas, em segundo lugar, as pessoas que se envolvem com esse sistema tecnológico também vão mudá-lo e colocá-lo para seu próprio uso. Portanto, é uma dinâmica circular, ou o que os pesquisadores de STS chamam de “formação mútua entre tecnologia e sociedade”. Queria colocar essa ideia em termos etnográficos, usando metáforas que achei que poderiam ser úteis para etnógrafos.

O segundo conceito, comparação algorítmica, é algo que me preocupa profundamente. A maioria das etnografias são monografias, e elas estudam muito bem um lugar, passando muito tempo lá e obtendo uma profundidade que é notável. Mas eu acho – e até certo ponto isso é apenas o que eu fiz, então estou tentando justificar e, espero, encorajar outros a não terem medo disso – que é preciso comparar casos. E é isso que chamo de comparação algorítmica. A ideia aqui é que, sim, algoritmos são opacos, eles são difíceis de ler quando você não tem formação em computação, é difícil obter acesso aos dados e aos códigos. Mas ao comparar algoritmos – dois algoritmos em dois casos diferentes, ou dois algoritmos no mesmo lugar, ou um algoritmo em dois lugares – você pode brincar com as modalidades, pode aprender coisas sobre o sistema algorítmico que não veria se estivesse apenas olhando para ele em um único contexto. E, então, falo sobre isso com base em um artigo que escrevi com Sarah Brayne, que estudou algoritmos preditivos no contexto do sistema judicial criminal, e comparamos e contrastamos os algoritmos nesses dois casos, mostrando que, primeiro, os algoritmos não têm o mesmo lógica, e que, em segundo lugar, eles não são recebidos da mesma forma.

E, finalmente, a triangulação algorítmica: este é o conceito que me deixa, ao mesmo tempo, animada e hesitante, em parte porque é baseado em minhas novas pesquisas. Atualmente, estou fazendo um trabalho de campo etnográfico sobre influenciadores e criadores de conteúdo online, algo que só acontece online. Na era do distanciamento social, isso acaba sendo uma boa notícia, já que o trabalho de campo presencial está atualmente suspenso. A ideia aqui é que você pode inscrever sistemas algorítmicos para fazer alguns trabalhos etnográficos para você. Eu faço isso principalmente em plataformas de mídias sociais – olho para influenciadores e criadores de conteúdo, principalmente no YouTube, Instagram, e também um pouco Twitter e TikTok, e faço estudos de casos de diferentes grupos de influenciadores, incluindo criadores de ficção e dramaturgia e criadores veganos no YouTube e Instagram. Comecei a usar os algoritmos do YouTube e Instagram para identificar novas pessoas, para recrutar entrevistados, seguindo as recomendações do sistema para ver quem pode ser interessante entrevistar e alcançar. O mesmo acontece com os anúncios: levo a publicidade online a sério – em particular porque agora lido com tanto conteúdo de influenciadores que recebo muitos anúncios sobre como me tornar uma influenciadora. Trata-se de levar esses dados a sério e, simplesmente, segui-los e usá-los como dados etnográficos. Mas também se trata de contemplar o que esses novos métodos e sistemas podem trazer em termos de trabalho de campo etnográfico. Por exemplo, quando você está fazendo a maior parte do seu trabalho de campo em plataformas de mídias sociais, bem, você segue as pessoas e as pessoas frequentemente seguem você de volta. Isso significa que você não está se desligando, você não está lidando com o campo da maneira que as pessoas faziam nos estudos sociológicos ou antropológicos tradicionais, onde você iria fazer o trabalho de campo e então pararia de fazer o trabalho de campo e, na maioria das vezes, você nunca mais veria as pessoas. Então, o que penso sobre a triangulação algorítmica é apenas abraçar todas essas possibilidades. Em outras palavras: os sistemas algorítmicos são opacos, as plataformas são opacas, é difícil fazer um trabalho de campo etnográfico considerando esses tópicos, mas também isso cria novas possibilidades, que estou tentando mapear. Na era do COVID-19, é difícil não conseguir sair e interagir, especialmente para etnógrafos, mas isso também cria outras oportunidades.

DIGILABOUR: Quais foram os resultados iniciais de sua pesquisa com influenciadores?

CHRISTIN: Estou no meio disso agora, então poderia falar sobre isso por horas. No ano passado, analisei diferentes aspectos do mundo dos influenciadores. Primeiro, do lado dos criadores, estou tentando descobrir como é e que tipo de carreira os influenciadores têm? Como eles interagem com as plataformas? Como eles interagem uns com os outros? Em segundo lugar, estou olhando para o lado do dinheiro, fazendo muitas entrevistas e observações com pessoas que trabalham no marketing de influência – que é a publicidade que acontece em conjunto com influenciadores, em que marcas pagam influenciadores para promover conteúdo, o que é chamado de “conteúdo patrocinado”, em seus canais. Com base nisso, surgem algumas descobertas interessantes.

Em primeiro lugar, do lado dos criadores, tenho prestado muita atenção nas estruturas coletivas de comunidades de influência. No momento, estou tentando desenvolver o conceito de “campo algorítmico”. Estou argumentando que as comunidades de influenciadores parecem campos de produção cultural, como os que Bourdieu analisou em seu trabalho, mas são diferentes porque ocorrem em plataformas de mídias sociais. Como resultado, você vê diferentes dinâmicas dentro das comunidades de influenciadores, por exemplo, há mais polarização, as pessoas tendem a adotar posições de nicho ou a confiar em teorias de conspiração, desinformação, assumindo posições extremas e violentas. E eu acho que essas são muito mais uma dinâmica a nível de campo.

Um segundo conjunto de descobertas está no lado econômico, no lado do marketing. Eu analiso como uma nova indústria, o marketing de influência, é criada a partir de pedaços de diferentes setores. O que é fascinante no caso do marketing de influenciadores é que a maioria das pessoas vem de lugares muito diferentes. Um primeiro grupo vem da publicidade tradicional, como a publicidade impressa ou a publicidade televisiva, e eles se preocupam principalmente com marcas, marketing e vendas. Um segundo grupo de pessoas vem do entretenimento, de Los Angeles e Hollywood: eles querem gerenciar talentos, e os influenciadores são as novas celebridades. Você tem esses dois grupos, com seus próprios incentivos, seus próprios valores e suas próprias maneiras de fazer as coisas. O terceiro grupo vem do setor de tecnologia, do Vale do Silício e São Francisco. Eles estão interessados ​​em dimensionar e fornecer métricas e análises para gerenciar influenciadores. Estou interessada em como essas diferentes perspectivas e incentivos moldam o campo do marketing de influência, que é montado a partir dessas diferentes partes e peças. E estou tentando descobrir como isso, por sua vez, afeta o tipo de conteúdo que os influenciadores postam nas plataformas de mídias sociais. Então, ainda estou trabalhando em questões de métricas, algoritmos, trabalho e sentidos, mas desta vez focando em um campo emergente, o campo dos influenciadores, onde muitas coisas ainda estão sendo negociadas. Tem sido divertido!