> ## Documentation Index
> Fetch the complete documentation index at: https://docs.x.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Decoding Hate

> Como o projeto Decoding Hate usou a X API para analisar experiências pessoais de incidentes de ódio durante a COVID-19 e revelar padrões para pesquisadores.

## 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](https://stopaapihate.org/), que responde e enfrenta incidentes de ódio por meio de pesquisa, advocacy e capacitação. Durante esse período, foi fundada [The American Asian Foundation (TAAF)](https://www.taaf.org/). 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](https://stopaapihate.org/wp-content/uploads/2021/12/SAH-x-TAAF-Codebook-FINAL-2021-08-19.pdf) 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](https://decodinghate.taaf.org/), 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](https://stopaapihate.org/). 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.