Centro de Pesquisa em Ciência, Tecnologia e Sociedade

Os sistemas de recomendação das plataformas digitais assumiram um papel central, atuando como curadores algorítmicos que processam dados dos usuários para conectá-los a prestadores de serviços ou criadores de conteúdo. Compreender o que esses sistemas promovem—isto é, os resultados do conteúdo indicado por essa curadoria—exige métodos de rotulagem escaláveis e confiáveis.

Em um estudo publicado nos anais da International Conference on Advances in Social Networks Analysis and Mining (ASONAM), os pesquisadores Adriano Mourthé, pesquisador-bolsista do Centro de Pesquisa em Ciência, Tecnologia e Sociedade do Instituto de Pesquisa Econômica Aplicada (CTS-Ipea), Carlos Eduardo Mello, da Universidade Federal do Estado do Rio de Janeiro (UniRio) e ex-pesquisador-bolsista do CTS-Ipea, e Alípio Jorge, da Universidade do Porto, em Portugal, analisam o uso de grandes modelos de linguagem (LLMs) para classificar vídeos da plataforma YouTube com base exclusivamente em seus metadados, como título, descrição e palavras-chave.

Para isso, propuseram uma abordagem baseada em comitês, na qual sete LLMs atuam de forma conjunta, cada uma atribuindo um rótulo ao vídeo, com a classificação final resultando da opção escolhida pela maioria, em um processo semelhante a uma votação em grupo. Os resultados indicam que esses comitês produzem rótulos altamente consistentes quando há baixo nível de discordância entre os modelos, evidenciando o potencial do uso de LLMs na anotação de conteúdo para auditorias algorítmicas em redes sociais.