Observatório do MIT regista como chatbots respondem sobre as eleições
O projeto repete perguntas, varia perfis de utilizador e arquiva fontes e tom para estudar um ambiente informativo que muda com os modelos.
Uma resposta de chatbot sobre eleições pode mudar com uma atualização do modelo, uma nova notícia ou uma pequena alteração no perfil apresentado pelo utilizador. O LLM Election Observatory, criado por investigadores do MIT, regista essas respostas durante as eleições intercalares norte-americanas de 2026 para construir um arquivo que normalmente desapareceria.
As mesmas perguntas, repetidas
O projeto envia periodicamente um conjunto fixo de perguntas a chatbots populares. Os temas incluem certificação eleitoral, previsões de resultados, cobertura noticiosa e assuntos politicamente disputados. A equipa varia localização, identificação partidária e outros atributos declarados, depois compara factos, fontes citadas, tom, ênfase e grau de certeza.
O que já aparece nos dados
Os investigadores dizem observar diferenças na apresentação, nas fontes e no tom entre identidades de utilizador, por vezes mantendo-se os mesmos factos de base. Ainda não concluíram a análise longitudinal. Não é possível afirmar se as diferenças são estáveis, se resultam de personalização sistemática ou como alteram decisões de pessoas reais. O painel público apresenta dados e análises descritivas preliminares.
Porque um arquivo contínuo é necessário
Auditorias pontuais tratam um modelo como produto estático. Chatbots e páginas que alimentam as respostas mudam ao longo de uma campanha. Ao repetir consultas, o observatório permite reconstruir o que diferentes utilizadores poderiam ter visto em datas distintas e separar uma anomalia isolada de um padrão persistente.
Um instrumento de escrutínio, não um árbitro
O painel pode revelar inconsistências e escolhas de fonte, mas a avaliação da veracidade continua a exigir documentos eleitorais e fontes oficiais. Também não mostra, por si só, quantas pessoas receberam cada resposta. O contributo imediato é criar memória pública sobre sistemas opacos; a pergunta seguinte é ligar essa variação ao comportamento real, sem confundir conteúdo observado com influência demonstrada.