05/10/2022 às 15h51min - Atualizada em 06/10/2022 às 00h00min

Fake News e Transporte Público

Pesquisa revela dados alarmantes sobre notícias falsas envolvendo mobilidade urbana

Comentar

SALA DA NOTÍCIA Kasane Comunicação Corporativa

Kasane Comunicação

redes sociais

Fake News e Transporte Público

A proposta deste artigo é refletir sobre o perigo da falta de conhecimentos técnicos vem levando os jornalistas a usarem estatísticas de forma equivocadas e sem perceber acabam produzindo Fake News principalmente em assuntos mais técnicos como o transporte público.
Como Mark Twain popularizou na consciência pública: “Existem três tipos de mentiras: mentiras, mentiras malditas e estatísticas”. Seja por malícia, treinamento ruim ou simples ignorância, as “estatísticas ruins” têm um legado rico e célebre que remonta desde que os humanos contaram as coisas. Inúmeros livros, artigos e blogs narram as inúmeras maneiras pelas quais dados e estatísticas são usados para dar falso apoio a argumentos em campos que vão do mundo acadêmico às políticas públicas. À medida que o jornalismo orientado a dados está em ascensão e os pedidos continuam a crescer por uma maior “verificação de fatos” baseada em evidências, vale a pena voltar atrás e perguntar quanto das “notícias falsas” que nos cercam hoje se baseiam, pelo menos em parte, em estatísticas ruins.

Estatísticas sobre estatísticas nas notícias
Das 6.916 notícias examinadas em pesquisa feita pela Forbes, mais de 20% apresentavam uma estatística. A maioria dessas referências estatísticas era bastante vaga, com pouco ou limitado contexto ou explicação. No geral, apenas um terço forneceu algum contexto ou fez uso de dados comparativos.
As estatísticas aparecem principalmente em matérias sobre negócios, economia, política e saúde. Assim, por exemplo, três quartos de todos os itens de economia apresentavam pelo menos uma estatística, em comparação com quase metade das notícias sobre negócios. Mas havia algumas áreas – onde as estatísticas podem desempenhar um papel útil na comunicação de tendências ou níveis de risco – em que as estatísticas raramente eram usadas.
As fontes mais comuns utilizadas nas notícias foram os políticos (20,6%), empresas e departamentos ou agências governamentais (ambos 12,3%). Outras fontes de informação, como ONGs (7,3%), acadêmicos (6,5%), órgãos reguladores (4,4%) e think tanks (3,8%) tiveram muito menos destaque. Quase três quartos das referências estatísticas político-partidárias – 72,6% – vieram de políticos conservadores, com os trabalhistas – a oposição oficial – representando apenas 18,4%.
Muitas vezes nos são apresentados dados estatísticos que nos parecem bastante robustos. Na verdade, quando expostos, estes dados são no mínimo muito frágeis, quando não totalmente falsos. Conheça aqui alguns erros comuns praticados pelos jornais.
01. Uso de amostra com tendenciosidade embutida: o conceito de amostra tendenciosa é apresentado. Você pode ter o resultado que quiser, se fez uma seleção enviesada que lhe interesse da amostra. Nestes casos a aleatoriedade na seleção dos dados é totalmente colocada de lado. De forma prática, você direciona sua amostragem de acordo com o resultado que deseja que ocorra. Além desse conceito, a forma em que uma entrevista foi elaborada e conduzida pelo entrevistador pode, por exemplo, induzir determinadas respostas.
02. O mito da média: Aqui, caso queira, pode escolher a medida de tendência central que retorne o valor que mais se encaixe no que quer mostrar. Por exemplo, em uma determinada linha o tempo de viagem dos passageiros de uma determinada empresa é de: 15, 15, 16,18, 20,20,21,21 e 84 minutos - média = 26 minutos e mediana = 20 minutos. Se entrar um passageiro que mora em outra cidade e usa esta linha somente como um ponto de integração e o seu tempo total de viagem é de 3 horas (ou seja, 180 minutos), temos agora: média = 41 minutos e mediana = 20 minutos. O jornalista irá colocar no título da reportagem: Linha do transporte coletivo possui um tempo média de viagem superior a 40 minutos...
03. Os números ocultos: Qualquer tipo de omissão de dados pode indicar algum problema. Este ponto trata da importância da utilização de um tamanho amostral adequado para as pesquisas. Utilizando um grupo pequeno, a força do acaso tem uma possibilidade maior de mostrar o resultado exatamente como o manipulador deseja. Em um grupo grande, as diferenças produzidas pelo acaso são diluídas e o resultado tende a ser mais próximo do real. Há exemplos de empresas que repetem experimentos várias vezes com grupos bem pequenos até que a força do acaso jogue a seu favor. Será exatamente este resultado enviesado que será veiculado nas propagandas da empresa.
04. A desproporção: Os erros de medida e a importância de utilizar intervalos de confiança para lidar com isso. Este tipo de erro, presente em todos os estudos por amostragem, não deve ser ignorado. A amostra nunca representará a população perfeitamente
05. Ilusionismo gráfico: Esse é um dos métodos mais eficientes para distorcer informações. Com uma pequena alteração na escala do gráfico, é possível aumentar ou reduzir a importância de determinados fatos. Cortar uma parte do gráfico e alterar a proporção entre os eixos provoca uma mudança assombrosa.
06. O número semiligado: Esse tipo de manipulação se baseia na seguinte premissa: “Se não consegue provar o que deseja, demonstre alguma outra coisa e finja que são equivalentes.” Você não pode provar que seu aplicativo de transporte resolve o problema da mobilidade urbana, mas pode publicar (em letras grandes) o relatório de estudo “científico”, segundo o qual sua solução recebeu somente em 5% das viagens uma avalição negativa. Ou se uma porcentagem grande de artistas usa determinado aplicativo, isso não quer dizer que o App daquela marca é melhor do que as outras. Por último: Morreram mais pessoas em aviões no ano passado do que em 1910. Portanto, os aviões modernos seriam mais perigosos? Isso não faz o menor sentido. O número de pessoas que pegam aviões hoje em dia é centenas de vezes maior, só isso.
07. Correlações sem sentido: Correlação não implica necessariamente em causalidade. Falácia lógica post hoc: se B acontece depois de A, então A causou B. Nem sempre há relação de causa e efeito quando duas coisas variam juntas. Atualmente a mídia vincula que nas cidades onde o Bolsonaro venceu teve mais óbitos por coronavírus. Num primeiro momento até que parece racional este pensamento, mas esquece que como ele foi o vencedor nas eleições, ele venceu na maioria dos municípios e, portanto, a maioria dos municípios com mais mortes por coronavírus teve o Bolsonaro como vencedor e não o contrário.
08. Análises apressadas: “Não são bem as coisas que não sabemos que nos causam problemas. São as coisas que sabemos que não são assim” Artemus Ward, escritor americano. Dar informações erradas às pessoas usando material estatístico pode ser chamado de manipulação estatística. Esta é a arte de utilizar as manipulações estatísticas vistas anteriormente para montar uma mentira.
09. Estatística como uma verdade absoluta: Um dos comentários mais repetidos é que os jornalistas carecem de habilidades matemáticas e de matemática. Muitos jornalistas pensam que as estatísticas representam a verdade e podem ser citadas sem maiores investigações. Partidos políticos e corporações usam estatísticas para defender ou justificar interesses particulares. Por isso, é indispensável que os jornalistas analisem os números tão profundamente quanto analisam as palavras.
10. Não compreensão quanto ao risco: Os estatísticos também estão preocupados com a forma como os jornalistas convertem ameaças de baixo risco em manchetes. Neste sentido, o principal problema é a mídia falar sobre riscos sem levar em conta a quantidade de pessoas afetadas. Por exemplo, a manchete “Andar de ônibus dobra o risco de desenvolver câncer tipo Y” pode estar correta, mas o artigo deve explicar que “o câncer tipo Y é extremamente raro e o risco de desenvolvê-lo é de 1 em 500 milhões, de modo que um aumento de 100% é bastante irrisório”. Outro exemplo: “200 pessoas não conseguem embarcar no transporte público”. É uma manchete atraente, mas o número mencionado representa apenas cerca de 0,5% dos embarques.
Conclusão
Para mitigar este problema é que surgiu o Fórum de Mobilidade Mova-se que pretende com embasamento técnico auxiliar os jornalistas (formadores de opinião) a entender a situação a mobilidade urbana e em conjunto apontar caminhos e soluções para reestruturar a forma de deslocamento nas cidades para o período pós pandemia tendo como base a refundação do transporte público urbano e os princípios da Lei Federal da Mobilidade. O Mova-se, portanto, está alicerçado em três firmes pilares:

Ciência: a importância do conhecimento científico para identificar problemas e encontrar as soluções.
Compartilhamento: levar ao conhecimento da sociedade, por meio das mídias, os estudos e artigos elaborados pelo grupo de especialistas com objetivo de mapear novos caminhos que ajudarão a transformar a qualidade de vida nas cidades.
Diversidade: em colaboração com os formadores de opinião buscar as diversas visões sobre os problemas enfrentados pela mobilidade urbana, uma vez que não exista uma única visão para o problema da mobilidade, mas, sim, que na multidão de conselhos há sabedoria.

Para conhecer mais o trabalho do Fórum se inscreva e/ou siga suas redes sociais: