Notas da Comunidade: evidências sobre sua efetividade contra a desinformação

No dia 18 de março de 2025, a Meta lançou nos Estados Unidos, em modo de teste, as “notas da comunidade” (Community Notes), uma funcionalidade que permite aos usuários selecionados adicionarem o contexto a publicações do Facebook, Instagram e Threads que possam resultar enganosas. Este sistema substitui o programa de verificação independente de fatos (Third Party Fact Checking), transferindo assim aos usuários a tarefa de apontar erros ou distorções nas publicações. TikTok anunciou um programa similar chamado Footnotes, mas neste caso trata-se de um complemento ao trabalho dos checadores.

Notas da comunidade é uma ferramenta colaborativa que o Twitter (hoje, X) vem testando desde 2021. Tem base no conceito de “sabedoria das multidões” (“Wisdom of crowds”), que acredita que grupos podem fazer julgamentos coletivos tão acertados quanto os indivíduos especializados (ver exemplo aqui).

Como funcionam?

---

Segundo a Meta, seguindo o modelo de X, para escrever notas é necessário cadastrar-se previamente e cumprir certos requisitos, como residir nos Estados Unidos, ter número de telefone verificado e não ter violado as políticas destinadas a evitar danos graves (terrorismo, exploração infantil, fraude).

Os colaboradores selecionados podem escrever notas para publicações que eles considerem enganosas. Cada nota deve incluir informação geral, dados específicos ou pontos de vista, com pelo menos um link para uma fonte que a apoiar. Uma vez enviada, a nota é revisada por outros colaboradores e somente será publicada se receber avaliações suficientes que a julgarem útil.

Este é o elemento mais importante: a qualificação não é definida por maioria, mas por consenso entre os colaboradores que previamente mostraram desacordo em avaliações anteriores. A lógica é que se as pessoas que não costumam concordar avaliam uma nota como útil, provavelmente seja considerada assim também por pessoas com diferentes pontos de vista.

São efetivas para contrapesar o fluxo de desinformação?

---

Até este momento, e à diferença da plataforma X, a Meta somente publicou dados gerais: aproximadamente 70 mil usuários escreveram 15 mil notas, com uma taxa de publicação de 6%. A evidência disponível provém, principalmente, da experiência na plataforma X.

Qualidade da informação nas notas da comunidade

---

A qualidade das notas da comunidade exige ser medida a partir das fontes que utilizam como apoio da informação. Um estudo examinou mais de 500.000 notas de X publicadas entre janeiro de 2021 e janeiro de 2024 e encontrou que entre as 50 principais fontes citadas constam meios de comunicação prestigiosos (CNN, Reuters, BBC, The Guardian, The New York Times), instituições confiáveis como os Institutos Nacionais de Saúde (NIH) e a Organização Mundial da Saúde (OMS), e organizações de verificação de dados.

Outro estudo, realizado pela organização espanhola de fact-checking Maldita, analisou mais de um milhão de notas propostas em 2024 e encontrou que aproximadamente 3,7% incluíam links a fact-checkers certificados. Globalmente, isso situa os fact-checkers como a terceira fonte mais citada, depois de X e Wikipédia. Mesmo em outras línguas (alemão, francês, italiano, espanhol, polaco), sempre aparece pelo menos um fact-checker no top 20 das fontes mais citadas.

Um estudo de menor porte avaliou umas 650 notas sobre vacinação contra a COVID-19 publicadas entre dezembro de 2022 e dezembro de 2023 e achou que 97% tinham sido apoiadas em evidência científica, sendo que apenas uma porção mínima era parcial ou completamente inexata. Quanto às fontes, quase a metade correspondia a fontes primárias com alta credibilidade (revistas científicas ou sites oficiais), 44% fontes secundárias reconhecidas (meios de comunicação ou fact-checkers) e apenas 7% correspondia a fontes com baixa credibilidade.

Entretanto, o sistema não está isento de vulnerabilidades. Devido a que é colaborativo, pode ser objeto de manipulação: na fase piloto do programa (Birdwatch), um estudo encontrou que em assuntos como as eleições de 2020 nos EUA ou a pandemia da COVID-19 houve uma fração significativa de usuários que considerou como de baixa qualidade as fontes confiáveis citadas por outros. Segundo os autores, isso reflete a existência de “um grupo de pessoas que tentam enganar o programa para servir seu próprio interesse”. Dado que a publicação de uma nota depende de alcançar consenso entre os avaliadores, estas práticas podem reduzir a probabilidade de que correções bem fundamentadas cheguem a ser visíveis.

A barreira do consenso

---

Para que uma nota seja visível, a plataforma X exige consenso entre pessoas com diferentes pontos de vista. Teoricamente, isso garantiria diversidade e equilíbrio. Na prática, o consenso funciona como um filtro que, com frequência, atrasa ou bloqueia a publicação de notas bem fundamentadas.

Um estudo do Center for Countering Digital Hate (CCDH) analisou notas propostas entre março e agosto de 2024 sobre as eleições nos Estados Unidos e mostrou limitações significativas. Embora muitas notas fossem precisas e citassem fontes de qualidade, 74% nunca pôde ser acessada por não ter alcançado a necessária categoria de “útil”. Como resultado, publicações com informação errônea sobre as eleições acumularam mais de 2,2 bilhões de visualizações sem ter recebido a correspondente correção. Entre elas, houve postagens que divulgavam afirmações falsas sobre Donald Trump, ou que afirmavam que os democratas estavam “importando votantes ilegais”, que os sistemas de votação eram pouco confiáveis, ou que as eleições presidenciais de 2020 tinham sido roubadas. Até mesmo nos casos que foram acompanhados com notas da comunidade, os tuítes com desinformação receberam 13 vezes mais visualizações que as correções associadas.

Uma análise mais ampla do Digital Democracy Institute of the Americas (DDIA) examinou mais de 1,7 milhões de notas publicadas entre 2021 e 2025 em 55 línguas e também expôs limitações relevantes na efetividade do programa. Embora a quantidade de usuários que enviam notas tenha crescido permanentemente e tenha sido o dobro em 2024, apenas uma pequena porção consegue estar visível: 7,1% das notas redigidas em inglês e apenas 4,7% das escritas em espanhol. Além disso, outra parte significativa das contribuições nem sequer chega a entrar no processo de consenso porque nunca recebe uma primeira avaliação: 17% das notas em inglês e 15% em espanhol ficam sem serem qualificadas, deixando assim fora de circulação uma grande quantidade de possíveis correções. Apesar dos tempos de publicação terem melhorado (passaram de mais de 100 dias, em 2022, para uma média de 14 dias, em 2025), a demora continua sendo excessiva para contrapesar a velocidade de expansão da desinformação online.

O relatório da Maldita também revelou que apenas 8,3% das notas propostas acabam sendo visíveis, ou seja, mais de nove de cada dez correções não se mostram nunca. Entretanto, as notas que citam checagens de verificadores profissionais têm mais chances: 12% chega a ser visível. Além disso, são publicadas mais rápido: após a publicação do tuíte, estas notas se propõem mais rápido e, já na avaliação, alcançam o consenso em menos tempo, tornando-as especialmente valiosas frente à velocidade de propagação da desinformação.

Esses resultados abrem o debate sobre a lógica do consenso, que nem sempre garante que as melhores contribuições sejam publicadas, e indicam a necessidade de repensar um sistema que dê mais valor à solidez das fontes e ao conhecimento especializado.

Conseguem deter a expansão da desinformação?

---

A questão mais importante é se uma vez publicada a nota que adverte ou contextualiza uma publicação desinformativa, ela consegue deter sua expansão. Afinal, as notas dissuadem os usuários de compartilhar estas postagens apontadas como falsas?

Um trabalho publicado em setembro de 2025 encontrou que quando uma nota alcança o consenso necessário e se torna visível, esse tuíte é menos compartilhado, circula menos e perde impulso. O estudo analisou mais de 40.000 publicações da plataforma X que tinham recebido propostas de notas entre março e junho de 2023. Para estimar o efeito das notas publicadas, os autores compararam posts com notas visíveis versus posts que, embora tivessem notas propostas, elas não ficaram visíveis por não terem alcançado o consenso necessário. Os autores do estudo conferiram posts que antes da publicação da nota teriam tido um comportamento similar em termos de viralização.

Os resultados mostram que nas 48 horas posteriores à publicação da nota, as postagens com correção visível foram repostadas 46% menos, receberam 44% menos likes, 22% menos de respostas e 14% menos de visualizações que suas equivalentes sem nota visível. Considerando o total de vida útil de cada publicação, o impacto continua sendo significativo: 11,6% menos reposts, 13,3% menos likes, 6,9% menos respostas e 5,5% menos visualizações. As notas não só desaceleram a divulgação inicial, mas têm influência na distância e massificação com que um conteúdo enganoso circula.

Para compreender o real escopo de cada tuíte e capturar a viralização total, o estudo fez uma análise profunda e nova do que é conhecido como “cascatas de divulgação” através de diferentes métricas. A amplidão mede quantos usuários fazem a repostagem direta da postagem original. É o rebote inicial que tem uma publicação, e costuma depender de quantos seguidores a conta tem, se a postagem é chamativa, etc. A profundidade, entretanto, mede quantas vezes esse conteúdo é compartilhado através de diversos níveis de usuários. Ou seja, alguém vê e compartilha, depois outra pessoa vê essa repostagem e também compartilha, e assim por diante. Quanto mais longa for essa corrente, mais profunda será a divulgação. Por último, a viralização estrutural combina estas duas dimensões – amplidão e profundidade – para medir quanto se “ramificou” a divulgação de um conteúdo. Este tipo de análise não leva em conta apenas a quantidade de pessoas que compartilhou um conteúdo, mas também como se formou essa rede: se foi uma explosão centralizada (muitas repostagens diretas) ou uma propagação na rede mais complexa.

Levando em conta esta análise mais abrangente, os resultados mostram que, apesar das notas reduzirem em média a profundidade e a viralização estrutural das postagens desinformativas, o efeito sobre a amplidão é menor. Isso sugere que o sistema funciona muito bem para cortar a propagação em cadeia, mas não afeta tanto a quantidade de pessoas que fazem repostagens no início.

Esta diferenciação é importante porque uma publicação não precisa de milhões de likes para ser perigosa: se consegue entrar em uma rede que a reproduz em cadeia, ela pode continuar circulando durante vários dias. As notas da comunidade parecem interferir sobre essa capacidade de continuar vivas ao longo do tempo através de redes de usuários.

O estudo identificou também quais são as condições em que as notas funcionam melhor. A velocidade é fundamental: quanto mais rápido for publicada a nota, menor será a viralização. As notas que chegam tarde quase não têm efeito. O tipo de conteúdo também importa: as correções têm maior impacto em imagens ou vídeos manipulados versus postagens só de texto. Por último, a redação tem importância: as notas moderadamente extensas, com linguagem simples, costumam ter melhor resultado.

Substituem ou complementam os fact-checkers?

---

Quando Mark Zuckerberg anunciou o lançamento das notas da comunidade, ele explicou que o novo programa permitiria “livrar-se” dos fact-checkers. Porém, a evidência aponta em outra direção: as notas da comunidade não substituem os verificadores, os complementam.

Os dados mostram que quando uma nota se apoia em uma verificação profissional, gera maior confiança entre os usuários e tem maiores probabilidades de superar a barreira do consenso, tornando-se visível mais rapidamente e com maior frequência. Algo similar ocorre quando a afirmação desinformativa é complexa, tanto porque exige vários passos de raciocínio ou porque mistura dados de diversas fontes: nesses casos, as notas costumam citar com maior frequência as verificações profissionais. Devido a que uma das principais limitações do sistema colaborativo é conseguir que as notas fiquem visíveis, as verificações dos fact-checkers são um recurso essencial.

Do ponto de vista das organizações de verificação de dados, não se trata de concorrência, mas de cooperação. Como a Maldita afirma, as notas da comunidade e os verificadores podem (e devem) trabalhar juntos, combinando a rapidez e a escala do modelo colaborativo com o rigor metodológico do fact-checking profissional. Os verificadores efetuam pesquisas em profundidade que estão fora do alcance dos usuários aficionados, enquanto as notas divulgam seu trabalho.

Finalmente, a discussão não é se um substitui o outro, mas como poderiam complementar-se melhor no mesmo ecossistema para deter a desinformação.

Bibliografia consultada

---

1. Allen, J., Arechar, A. A., Pennycook, G., & Rand, D. G. (2021). Scaling up fact-checking using the wisdom of crowds. Science Advances, 7(36), eabf4393. https://doi.org/10.1126/sciadv.abf4393
2. Allen, M. R., Desai, N., Namazi, A., Leas, E., Dredze, M., Smith, D. M., & Ayers, J. W. (2024). Characteristics of X (formerly Twitter) Community Notes addressing COVID-19 vaccine misinformation. JAMA, 331(19), 1670–1672. https://doi.org/10.1001/jama.2024.4800
3. Borenstein, N., Warren, G., Elliott, D., & Augenstein, I. (2025). Can Community Notes replace professional fact-checkers? In Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers) (pp. 535–552). https://doi.org/10.18653/v1/2025.acl-short.42
4. Braga, R., Tardáguila, C., & Soares, M. (2025, July 9). A deep dive into X’s Community Notes: An analysis of English and Spanish contributions between 2021 and 2025. The Digital Democracy Institute of the Americas. https://ddia.org/en/a-deep-dive-into-xs-community-notes-report
5. Center for Countering Digital Hate. (2024, October 30). Rated not helpful: How X’s Community Notes system falls short on election disinformation [Report]. https://counterhate.com/wp-content/uploads/2024/10/CCDH.CommunityNotes.FINAL-30.10.pdf
6. Fundación Maldita. (2025). Faster, trusted, and more useful: The impact of fact-checkers in X’s Community Notes [Report]. https://files.maldita.es/maldita/uploads/2025/02/maldita_informe_community_notes_2024.pdf
7. Fundación Maldita. (2025, January 17). Por qué las Notas de la Comunidad y los verificadores pueden (y deben) trabajar juntos, y cómo hacerlo para que funcione. https://maldita.es/nosotros/20250117/notas-comunidad-verificadores-juntos-funcione/
8. Kangur, U., Chakraborty, R., & Sharma, R. (2024). Who checks the checkers? Exploring source credibility in Twitter’s Community Notes. arXiv. https://doi.org/10.48550/arXiv.2406.12444
9. Saeed, M., Traub, N., Nicolas, M., Demartini, G., & Papotti, P. (2022). Crowdsourced fact-checking at Twitter: How does the crowd compare with experts? arXiv. https://doi.org/10.48550/arXiv.2208.09214
10. Slaughter, I., Peytavin, A., Ugander, J., & Saveski, M. (2025). Community notes reduce engagement with and diffusion of false information online. Proceedings of the National Academy of Sciences of the United States of America, 122(38), e2503413122. https://doi.org/10.1073/pnas.2503413122