A epidemia do COVID-19 revelou o papel crítico desempenhado pela difusão de informação num ciclo de notícias sem intermediários. Como afirmou a OMS, o surto e a sua resposta foram acompanhados por uma “infodemia” massiva: o aumento exponencial no volume de informação – nem sempre correta – que dificulta o acesso das pessoas a fontes e orientações confiáveis quando precisam delas. Sem estratégias bem pensadas para evitar a disseminação de desinformação, muita coisa pode correr mal. A desinformação não é apenas um problema de conteúdo. É também um problema de transmissão. Na era da informação, esse fenómeno é ampliado pelas redes sociais, espalhando-se rapidamente como um vírus. Informações imprecisas e falsas sobre todos os aspetos da doença têm circulado: sobre a origem do vírus, a sua causa, tratamento e mecanismo de disseminação. Um desafio importante da investigação é perceber como as pessoas procuram ou evitam a informação e como essas decisões afetam o seu comportamento. A divulgação de informação pode influenciar fortemente o comportamento das pessoas e prejudicar a eficácia de contramedidas aplicadas pelos governos. As questões relacionadas com as infodemias atuais estão a ser abordadas pela literatura científica a partir de múltiplas perspetivas, incluindo a dinâmica do discurso do ódio e das teorias da conspiração, o efeito dos bots e das contas automatizadas e a ameaça representada pela desinformação. A propagação da pandemia global COVID‐19 gerou um volume de dados extraordinário e com um crescimento exponencial, que pode ser aproveitado para melhorar a nossa compreensão sobre a comunicação em saúde. Também evidenciou a necessidade de um mais profundo conhecimento de uma gama de ferramentas analíticas que podem ser utilizadas para melhor antecipar e responder a eventos imprevistos.
A análise de grandes conjuntos de dados, complexos e frequentemente não estruturados permite-nos obter informação valiosa e determinar tendências com precisão. Este projeto usa três estudos interligados entre si, todos eles baseados em big data e design de métodos inovadores para enfrentar o desafio infodémico. Análise de tendências com base em pesquisas na web (Estudo 1) A recolha de dados será orientada por um conjunto de palavras-chave selecionadas com base no Google Trends. Considerou-se a identificação, análise e avaliação da evolução destas tendências em Portugal, no período entre fevereiro de 2020 e fevereiro de 2022. Os principais termos de pesquisa serão selecionados a partir de questões sobre a prevenção e os tratamentos deCOVID-19 comummente colocadas em ambiente clínico. Os dados GT serão correlacionados com os dados diários dos casos COVID-19. Seleção de informação e pegadas digitais (Estudo 2) Desde o surgimento dos media sociais contemporâneos como um canal de notícias adicional, as pessoas enfrentam um cenário informativo altamente diversificado, com opções abundantes. No entanto, o conteúdo quase ilimitado no SMS também amplifica a quantidade de informação imprecisa e questionável e coloca aos indivíduos o desafio de selecionar notícias verificadas. Além disso, verifica-se a proliferação de estratégias para captar a atenção, como o clickbait. Compreender estas características do ambiente social pode ajudar a identificar fatores de risco e a conceber mensagens e intervenções bem-sucedidas. Este estudo aborda os esforços para identificar mensagens e estratégias de comunicação eficazes para a promoção da saúde pública.
O design quase experimental desta abordagem associa uma página web dedicada ao Covid-19 com várias campanhas desenvolvidas através do Google Ads. Clicar nesses anúncios redirecionará os usuários para a página web, permitindo-nos aceder ao trilho criado pelas suas pegadas digitais e cruzar essas informações com outras métricas web. Usando modelos epidemiológicos para estudar a divulgação de informação (Estudo 3) A disseminação da informação será analisada através de modelos epidémicos. Embora a maioria dos estudos sobre difusão de desinformação se concentre numa única plataforma, a dinâmica por trás do consumo de informação pode ser específica do ambiente em que este se dissemina.
Consequentemente, neste projeto, realizamos uma análise comparativa de 3 plataformas de media social (Twitter,Instagram, YouTube) Vários processos de recolha de dados foram selecionados dependendo da plataforma. Em todos os casos, guiaremos a recolha de dados por um conjunto de palavras-chave escolhidas com base nas consultas realizadas no Google Trends sobre o COVID-19, como coronavírus, pandemia, vacinas, atualização do coronavírus, transmissão do coronavírus, notícias do coronavírus, surto de coronavírus. A disseminação da informação será abordada com modelos epidémicos, caracterizando para cada plataforma o seu número de reprodução básico (R0), ou seja, o número médio de casos secundários (usuários que iniciam publicações sobre o COVID-19) que um indivíduo “infecioso” (indivíduo que publica sobre o COVID-19) criará.
