Propagação de boatos em hipergráficos

Por que os chats em grupo importam para os boatos

Cada dia, milhões de mensagens correm por chats em grupo em aplicativos como WhatsApp e Telegram. Um único link ou captura de tela pode saltar de grupo em grupo, tornando‑se rapidamente um boato que molda as opiniões das pessoas sobre política, saúde ou acontecimentos do cotidiano. Ainda assim, a maioria dos modelos científicos de disseminação de informação continua a tratar a comunicação como se ocorresse em pares — uma pessoa falando com outra — em vez de em grupos. Este artigo pergunta: o que muda quando levamos os grupos a sério, e como isso altera nossa compreensão sobre quando os boatos explodem ou se apagam?

De conexões simples a teias complexas de grupos

Em plataformas de mensagens, as pessoas não conversam apenas de um a um — elas participam de muitos grupos sobrepostos. Para capturar isso, os autores usam uma estrutura matemática chamada hipergráfico, em que uma única “aresta” pode conectar muitas pessoas ao mesmo tempo, representando um grupo de chat. No modelo, cada pessoa pode estar em um de três estados: desconhece o boato, está ativamente espalhando-o, ou já ouviu mas não o repassa mais. Um boato se espalha dentro de um grupo apenas quando membros suficientes já o estão divulgando, refletindo a pressão social que se acumula quando muitos contatos repetem a mesma história. Nesse ponto, todos no grupo que estavam desinformados podem de repente se tornar divulgadores, imitando surtos reais de atividade em chats populares.

Como os boatos perdem força

Boatos não se espalham para sempre. As pessoas acabam perdendo interesse ou decidindo que “todo mundo já sabe”, e param de encaminhar mensagens. A novidade central deste trabalho é como ele trata essa desaceleração. Em vez de supor que as pessoas param aleatoriamente de espalhar, os autores permitem que isso ocorra por saturação baseada em grupos. Uma vez que uma pessoa pertence a grupos suficientes onde o boato já circulou amplamente, ela se torna um “estífero” que não o repassa mais. Essa regra simples dá origem a duas formas bem distintas de declínio dos boatos. Em alguns casos, o número de divulgadores ativos cai rapidamente de forma exponencial, semelhante a muitos modelos epidêmicos padrão. Em outros, a queda é muito mais lenta e segue uma lei de potências, o que significa que cascatas raras, mas de longa duração, tornam‑se possíveis.

Pontos críticos de virada nas cascatas de boatos

Ao executar grandes simulações de computador, os pesquisadores mapeiam quando os boatos se apagam, quando eles explodem e como eles se aproximam dos pontos de virada entre esses comportamentos. Eles mostram que o equilíbrio entre quão facilmente grupos são ativados (o limiar de propagação) e quão rapidamente as pessoas se saturam (o limiar de parada) determina qual regime aparece. Interessantemente, em uma ampla variedade de estruturas de rede — desde coleções relativamente uniformes de grupos até configurações muito desiguais com muitos chats pequenos e alguns canais enormes — as transições observadas são contínuas. Não há um salto repentino de “quase nenhum boato” para “todo mundo sabe”, mas sim uma mudança suave em que as cascatas de boato crescem de forma progressiva e se tornam mais persistentes perto do ponto crítico.

Casuamento da teoria com dados reais do Telegram

Para testar se seu modelo abstrato captura o comportamento real, os autores recorrem a um grande conjunto de dados de canais públicos do Telegram contendo centenas de milhões de mensagens. Eles constroem uma rede baseada em grupos na qual usuários pertencem a um ou mais canais, e então acompanham cascatas de mensagens que compartilham o mesmo link da web, tratando cada link como um boato distinto. Para cada cascata medem quanto tempo o boato sobrevive e com que frequência é encaminhado. Quando simulam seu modelo diretamente sobre essa rede do Telegram, eles descobrem que as estatísticas das cascatas simuladas — quão grandes são e quanto tempo duram — casam melhor com os dados reais quando o sistema está sintonizado próximo ao ponto crítico. Resultados semelhantes a partir de um conjunto de dados de comunicação por e‑mail reforçam esse quadro.

O que isso significa para a informação online

Em conjunto, o estudo sugere que a propagação de boatos em sistemas de grupos online tende a operar perto de um ponto de equilíbrio delicado: boatos não estão sempre explodindo de forma descontrolada nem sempre morrendo rapidamente, mas sim se situam perto de um regime crítico onde pequenas e grandes cascatas coexistem. Ao modelar explicitamente conversas em grupo em vez de apenas ligações individuais, e ao vincular a extinção do boato à saturação dos grupos de uma pessoa, os autores oferecem um arcabouço mais realista para entender conteúdo viral em aplicativos de mensagem. Para formuladores de políticas e projetistas de plataformas, este trabalho sugere que mesmo pequenas mudanças em como os grupos se formam, se sobrepõem ou encaminham mensagens podem afastar a dinâmica dos boatos dessa borda crítica e ajudar a conter a disseminação de desinformação sem a necessidade de monitorar cada mensagem individual.

Citação: Oliveira, K.A., Traversa, P., Ferraz de Arruda, G. et al. Rumor propagation on hypergraphs. Nat Commun 17, 3253 (2026). https://doi.org/10.1038/s41467-026-70096-w

Palavras-chave: propagação de boatos, grupos em redes sociais, redes em hipergráficos, cascatas de informação, criticalidade