Em pesquisa no âmbito da pós-graduação em Ciência da Computação da UFMG, Manoel Horta Ribeiro descobriu crescimento acentuado nas taxas de engajamento das comunidades da direita norte-americana, que, segundo ele, compartilham cada vez mais os mesmos usuários. O pesquisador percebeu também a existência de um fluxo consistente de migração de conteúdos mais leves para os mais extremos, o que se confirma por meio de cálculos matemáticos aplicados aos comentários.

Em seu estudo, Manoel Ribeiro, sob orientação de Wagner Meira Jr. e coorientação de Virgílio Almeida, analisou automaticamente 300 mil vídeos e quase 80 milhões de comentários de 360 canais, além de 2 milhões de recomendações feitas pela plataforma de vídeos. Segundo o pesquisador, esse banco de dados não tem precedentes na literatura.

Os canais foram classificados em três comunidades, que recebem denominações já consagradas: Intellectual Dark Web (IDW), Alt-lite e Alt-right. As duas primeiras aparecem como porta de entrada para o conteúdo mais radical da Alt-right, que reúne extremistas como os supremacistas brancos. Manoel conta que os canais mais extremos são acessíveis pelos canais da Alt-lite, por meio do sistema de recomendação do YouTube.

Essa pesquisa e as outras duas resultaram na dissertação de mestrado Desinformação, ódio e radicalização na perspectiva dos usuários. Em 2018, Manoel recebeu o Google Latin America Research Award (Lara), que lhe propiciou apoio financeiro para sua pesquisa de mestrado.

A ideia central dos estudos era melhorar o entendimento de fenômenos sociais complicados por meio do estudo de usuários em redes sociais. De acordo com o pesquisador, “fenômenos como a radicalização e o ódio povoam as redes sociais, e as empresas de tecnologia têm dificuldade de fazer a moderação. Para ser entendido, o conteúdo precisa de contexto. A intenção é extrair esse contexto necessário a partir dos usuários”.

Manoel usou técnicas de análise de dados e aprendizado de máquina também para entender o ódio e a desinformação no Twitter. Ele mostrou, por exemplo, como usuários diferentes têm opiniões discrepantes sobre o que é fake news e como analisar usuários em seu contexto social pode ajudar a detectar, de forma automática, o discurso de ódio.