FC Porto vs Benfica: múltiplas cosmologias

O volume de dados fornecido pelas redes sociais é hoje um registo das interações humanas globais a uma escala sem precedentes. Essas interações são um…

Branco Di Fátima

Célia Gouveia


O volume de dados fornecido pelas redes sociais é hoje um registo das interações humanas globais a uma escala sem precedentes. Essas interações são um recurso valioso para analisar alianças, interesses partilhados, entidades e atores chave nas comunidades desportivas. Os adeptos passaram a expressar a sua autoproclamada filiação ao clube, reagir à notícia dos canais oficiais e reinterpretar as mensagens por via das redes. Boa parte dessas transformações pode ser atribuída ao Twitter, que mudaria as representações culturais associadas ao desporto e, principalmente, ao futebol profissional.

A leitura simplista de um jogo de futebol poderia descrever tal evento como uma disputa entre dois clubes: vermelhos contra verdes, azuis contra amarelos. Já a lente de aumento da Análise de Redes Sociais revela um mundo mais complexo, constituído pela colisão de múltiplas cosmologias afetivas, menos binário do que se poderia imaginar.

A partir de um jogo entre FC Porto e SL Benfica, este trabalho buscou identificar os influenciadores do evento no Twitter, a abrangência geográfica das conversações e os períodos de maior fluxo de mensagens na rede. A recolha dos dados ocorreu entre 20h e 24h do dia do jogo: 1º de dezembro de 2017. O dataset conta com 301.451 mensagens (231.210 tweets e 70.241 retweets), criadas por 124.459 perfis, associados pelas hashtags #FCPSLB, #FCPorto e #SLBenfica.

A Figura 1 apresenta centenas de pontos de vista destacados pela perspetiva topológica do confronto entre FC Porto e SL Benfica, com perfis representados por nós e, as suas relações no Twitter, por arestas. Pelo menos 3.045 comunidades podem ser identificadas no grafo de rede, uma prova da diversidade de relações estabelecidas entre os atores.

Figura 1. Grafo com base nas hashtags #FCPorto, #SLBenfica e #FCPSLB. Fonte: Twitter API

A rede é constituída por diversas cosmovisões. Embora boa parte das conversações tenha sido controlada por duas grandes comunidades, o poder de influenciar o debate foi partilhado entre inúmeros pontos de vista.

O cluster Azul, com a perspetiva do FC Porto, agrupou 23.996 perfis (19,2%) e produziu 56.841 mensagens (18,8%) do total. O cluster Vermelho, com a perspetiva do SL Benfica, reuniu 19.083 perfis (15,3%) e difundiu 37.234 mensagens (12,3%) do total. Por um lado, os clusters Azul e Vermelho controlam juntos 31,2% do fluxo de conversações na rede, ocupando assim o lugar das maiores comunidades influenciadoras do jogo. Por outro lado, mais de três mil clusters produziram juntos 68,7% do fluxo, ao apresentar as suas próprias cosmologias.

Resultados como esse também podem ser vistos nos atores sociais mais influentes, que têm origem, motivo e alcance potencial diversos. A Tabela 1 mostra os perfis que atingiram o maior Weighted Degree (Grau Ponderado), com o número de seguidores e a sua atividade. Em geral, esses são os atores que produziram os conteúdos tidos como mais relevantes pela rede. Por isso mesmo, as suas mensagens foram mais partilhadas, inclusive, por utilizadores de peso. Um ponto a observar é a ausência de contas oficiais dos clubes, jornalistas, comentadores desportivos e media tradicionais – televisão, rádio e imprensa.

Tabela 1. Dez principais influenciadores do clássico na rede. Fonte: Twitter API

A polarização vista dentro das quatro linhas dá lugar a um sistema de conversações mais rico, moldado por ideologias, valores e princípios fundadores. Em média, cada uma das comunidades da rede agrupou 40,5 perfis com a sua própria cosmovisão, isto é, uma leitura de mundo sobre o derby. Porém, as pautas de debate vão muito além do jogo, embora esse seja o tema central das mensagens analisadas.

Entre as cem hashtags com o maior Weighted Degree, por exemplo, estão assuntos relacionados aos clubes: #Porto (203) e #SLBenfica (135); ao jogo em si: #PortovBenfica (67) e #Clássico (36); ao desporto em geral: #Football (37) e #WorldCupDraw (10); aos patrocinadores: #HuaweiP10 (438) e #Galaxys8 (45); a temas alheios ao mundo da bola: #DemisWeddingToday (13) e #NavidadPPMadrid (8).

Esses resultados vão de encontro à ideia de que o desporto, sobretudo o futebol, não é uma mera competição entre atletas e brasões, como revelam muitas investigações. É sim um campo de disputas na governança, nos negócios, na política institucional, nas contestações, nos movimentos sociais etc.

As redes de hashtags parecem levar à outra hipótese. Dada a presença de vários idiomas como elementos aglutinadores da narrativa, é possível supor que há uma relação global dentro de um evento local. Para testar esse argumento utilizou-se 12.412 mensagens, referentes a 4,11% da amostra total, em que os seus autores declararam uma localização válida no perfil do Twitter. Entende-se por localização válida o nome de uma cidade, país, região ou distrito.

A Figura 2 mostra a distribuição geográfica dos tweets e dos retweets do jogo, com base em uma escala de frequência das publicações. Quanto mais escuro está um determinado território do mapa, maior é a incidência das mensagens naquela zona do globo. As áreas cinzas não tiveram atividades registadas. O fenómeno pode ter múltiplas explicações, como a infoexclusão que castiga mais algumas zonas que outras, a baixa penetração do Twitter em certos países ou a censura da internet por regimes autoritários.

Figura 2. Distribuição geográfica de tweets e retweets do jogo. Fonte: Twitter API

Embora Portugal represente 10.520 mensagens da amostra (84,7% do total), os dados também indicam uma concentração de frequências por todos os continentes. Das 1.892 mensagens restantes (15,3%), a Europa lidera com 42,7%, seguida ao longe pela América Latina (24,9%), América do Norte (14,4%), África (10,4%), Ásia (6,8%) e Oceania (0,8%). No fundo, perfis de ao menos 96 países e territórios podem ter se envolvido diretamente com o clássico FC Porto e SL Benfica.

As proximidades geográfica e afetiva ajudam a desvendar esses resultados, mas também os diferentes interditos sociais, culturais, económicos e políticos. O ranking dos dez países, fora Portugal, com a participação mais ativa na rede parece confirmar esse raciocínio.

O Brasil aparece em primeiro lugar no mapa das publicações, com 302 mensagens, seguido por França (293), EUA (219), Reino Unido (170), Angola (116), Espanha (101), Turquia (68), México (67), Suíça (56) e Canadá (46). A lista poderia ser dividida em três grupos. Primeiro, as ex-colónias, como Brasil e Angola. Depois, países com grandes comunidades de imigrantes portugueses, como França, Espanha ou EUA. Por fim, nações com jogadores em ambos os clubes nacionais, como México.

O Gráfico 1 destaca a média de mensagens para cada intervalo de 15 minutos no período estudado. As informações estão agrupadas em dois momentos. Primeiro, com a média das 20h às 24h (área amarela). Segundo, com o horário específico do duelo (área verde).

Gráfico 1. Média de mensagens a cada 15 minutos entre 20h e 24h. Fonte: Twitter API

A representação dos dados manifesta uma curva de frequência multimodal, com quatro valores máximos, seguida por uma longa cauda descendente. Ao que tudo indica, há uma relação entre as polémicas do jogo e o tráfego mais intenso de conversações, sobretudo nos instantes de paragem. A média simples do pós-jogo foi de 485 tweets e retweets, muito acima das 310 mensagens do período regulamentar. O cruzamento dos dados do Twitter e dos eventos em campo também mostram isso:

– O primeiro valor máximo ocorreu entre as 21h15 e 21h30, durante o intervalo do jogo, com a média de 498 mensagens por minuto. O final da primeira volta ficou marcado por um alegado penálti não assinalado (21h01) e por um cartão amarelo (21h06).

– O segundo valor máximo teve lugar entre as 21h45 e 22h, com uma média de 448 mensagens por minuto, logo depois de um jogador do Benfica receber cartão amarelo por simulação de um penálti (21h49).

– O terceiro valor máximo apareceu entre as 22h15 e 22h30, com uma média de 736 mensagens por minuto. Este é o período mais tenso do encontro, com a expulsão de um jogador que estava em campo há menos de dez minutos (22h13), e o fim do encontro (22h18).

– O quarto valor máximo ocorreu no pós-jogo, entre as 22h30 e 22h45, com a média de 811 mensagens por minuto. Este foi o momento mais acentuado dos fluxos, seja pelas conversas habituais de um evento desportivo, seja pela perceção dos adeptos sobre as polémicas.

Mapear os influenciadores, o fluxo das mensagens e a abrangência das conversações de um evento desportivo levanta outros problemas para trabalhos futuros no âmbito do CDESLab. Entre as questões está o relacionamento dos fluxos e dos lugares, numa tentativa de perceber se determinadas zonas podem estar a impulsionar o debate na rede.

Outro caminho seria o cruzamento de atores e os tipos de discursos produzidos para além da bola, como igualdade, racismo, extremismo etc. Uma terceira via é identificar como as diferentes áreas recebem a mesma narrativa, numa iniciativa de criar oportunidades para os clubes, marcas e media tradicionais em períodos específicos.


NOTA METODOLÓGICA: Os dados foram extraídos durante o jogo FC Porto e SL Benfica, a 1 de dezembro de 2017, no Estádio do Dragão, a contar para a 13ª jornada da Liga NOS. Utilizou-se o plugin Twitter Streaming Importer do programa Gephi, capaz de se conectar à Interface de Programação de Aplicações (API) do Twitter, gerando redes de tweets e de retweets associados pela utilização de palavras-chave. A recolha de dados, realizada entre as 20h (meia hora antes do jogo) e as 24h (uma hora e quarenta minutos após), permitiu englobar a antecipação e o rescaldo da partida. O dataset tem 301.451 mensagens de 124.459 perfis associados pelas hashtags #FCPorto, #SLBenfica e #FCPSLB. Para a análise e visualização dos dados, utilizou-se um conjunto de métricas do Gephi: i) algoritmos de Modularity (emprega cores diferentes para cada cluster da rede) e Force Atlas 2 (aproxima os perfis que mais interagiram dentro das comunidades), ii) a estatística Weighted Degree (destaca os nós com o maior número de conexões ponderadas), e iii) o filtro Attributes (fragmenta o grafo em subgrafos de rede). Este texto tem por base uma investigação mais longa, publicada originalmente na revista Estudos em Comunicação, vol. 1, nº 30.

Relacionados: