A plataformização da desinformação e o Projeto de Lei das Fake News 414 produção de conteúdo deixou de ser um hobbie para se tornar uma profissão, portanto, muitos profissionais têm sua renda afetada diretamente pelas políticas das plataformas. Igualmente merece ser destacado que o YouTube não foi transparente quanto ao processo de monetização, o que dificulta a compreensão e questionamento por parte dos produtores (Poell; Nieborg; Duffy, 2022, p. 14-17). A filtragem automatizada dos conteúdos foi outro foco de crítica, tendo em vista que nenhum relatório explicava os motivos da desvinculação da monetização, tampouco o que levou determinado vídeo ser categorizado como “conteúdo hostil para anunciantes”. Como exemplo de filtragem automatizada para fins de exclusão do Programa de Parceria, podem ser citados os vídeos que possuíam palavras como “guerra” – ainda que educativos sobre a históriamundial – e “LGBT”, pois compreendidos como conteúdo sexual inseguro para anunciantes (Poell; Nieborg; Duffy, 2022, p. 17). Nesse ponto, é possível perceber como as plataformas podem direcionar a produção do conteúdo, indicando o que será monetizado ou não e tornando seus criadores reféns da infraestrutura, governança e monetização ditados pela plataforma. Isso igualmente se reflete no alcance do conteúdo que já foi categorizado como “inseguro para o anunciante” e no engajamento dos usuários. A polêmica sobre a monetização dos anúncios vinculados aos vídeos do YouTube que possuíam conteúdo sobre discurso de ódio, bem como o prejuízo financeiro após a implementação das alterações pela plataforma ao Programa de Parcerias, inicia a provocação desse estudo sobre o engajamento que a desinformação gera nas plataformas, bem como as consequências oriundas desse tipo de produção de conteúdo. São vários os exemplos da influência das plataformas na produção cultural, indo desde o tipo de música que vai viralizar, até mudanças na distribuição de bens culturais. Outra transformação se dá com o surgimento de Sistemas de Recomendação (SR) que além de auxiliarema pesquisar e a classificar informações, tambémsugerem conteúdos aos usuários moldando seus gostos com “implicações consideráveis na dinâmica de como o gosto musical de diferentes públicos é formado e modelado”. Algoritmos de recomendação são desenvolvidos a partir do registro de buscas e hábitos de usuários, ou impulsionados para novos gostos e hábitos, apoiados em apren-
RkJQdWJsaXNoZXIy MjEzNzYz