Skip to main content

​
Situação

Após o surto de COVID-19, houve um aumento nos incidentes de ódio direcionados a asiáticos-americanos e habitantes das ilhas do Pacífico (AAPIs). Enquanto alguns desses incidentes eram cobertos pelas notícias, milhares de indivíduos estavam registrando denúncias no centro nacional de denúncias Stop AAPI Hate, que responde e enfrenta incidentes de ódio por meio de pesquisa, advocacy e capacitação. Durante esse período, foi fundada The American Asian Foundation (TAAF). Essa organização tornou-se a força motriz por trás da equipe que decidiu aproveitar o X para oferecer uma nova janela sobre como esses incidentes estavam afetando pessoalmente as pessoas visadas.

​
Solução

A pequena equipe de dois engenheiros olhou para o X como sua fonte de dados sobre incidentes. Eles escolheram esta plataforma por duas razões: primeiro, ela contém informações ricas e diversas, como notícias, ideias das pessoas, pensamentos, eventos cotidianos e o que está acontecendo em suas comunidades. Por causa disso, o X oferece uma amostra única e íntima de várias populações. O X também é a única plataforma com uma API verdadeiramente aberta, onde os desenvolvedores da TAAF puderam acessar dados e ter ferramentas aprofundadas para coletar e analisar esses dados. Usando os endpoints de search Tweets e Tweets lookup da X API v2, a equipe conseguiu pesquisar status de posts e identificar quando as pessoas relatavam um incidente de ódio (e até quais hashtags usariam). Isso ajudou a equipe a projetar uma consulta de busca de 1023 caracteres que reduziu bilhões de posts a um volume gerenciável pela equipe. Em seguida, veio a tarefa de verificar se os posts realmente tratavam de incidentes de ódio. A equipe desenvolveu uma ferramenta com processamento de linguagem natural para ajudar a filtrar milhares de posts para encontrar aqueles relevantes ao projeto. Depois de aplicar seu modelo de machine learning treinado, os posts eram verificados por um humano para aumentar ainda mais a precisão. Em 2021, a TAAF também coautoriou o Documenting Anti-AAPI Hate Codebook com a coalizão Stop AAPI Hate. Este recurso inclui rascunhos de padrões e práticas para coleta de dados baseados na comunidade, que ajudaram a equipe a classificar os incidentes que as pessoas estavam compartilhando no X. A partir daí, o próximo desafio foi apresentar esses dados de uma forma que as pessoas pudessem facilmente digerir. A TAAF criou uma ferramenta de visualização de dados, Decoding Hate, que exibe sua vasta quantidade de dados de forma interativa. Com a ajuda de um estúdio de visualização de dados, eles conseguiram pegar os dados anotados do X e transformar milhares de posts em histórias reveladoras que expõem a verdade por trás do que estava acontecendo nas comunidades AAPI.

​
Impacto

O projeto Decoding Hate ajudou a detectar milhares de incidentes relacionados ao ódio que, de outra forma, estavam sem denúncia, e continua a fazê-lo hoje. Este projeto tornou-se uma ferramenta contínua para disseminar conscientização sobre as experiências individuais que acontecem na comunidade AAPI. Para a próxima fase do trabalho, a TAAF fará parceria com a Stop AAPI Hate para pilotar respostas humanas individuais a pessoas que relatam incidentes de ódio no X. Durante essa fase, a Stop AAPI Hate se envolverá ativamente com muitas pessoas que enviam posts discutindo o ódio que sofreram e as incentivará a relatar os incidentes por meio do Stop AAPI Hate Reporting Center. Quanto mais pessoas relatarem à Stop AAPI Hate, melhor a coalizão e seus parceiros poderão entender a natureza dos incidentes de ódio que estão ocorrendo e defender as soluções políticas mais eficazes. Junto com a exposição dos incidentes relacionados ao ódio nas comunidades AAPI, o projeto também destaca o valor da API do X. Este caso nos mostra que, ao aproveitar os dados certos com as ferramentas certas, os desenvolvedores podem usar o X para inovar por uma boa causa.