OFFRE DE MOBILE BANKING

Os conceitos até aqui mobilizados são úteis, uma vez que ampliam nossa visão para a análise de um corpus, uma coleta de dados que vão sendo gerados à medida em que se ajusta ao foco e aos objetivos da pesquisa. Esse processo não foi simples: percorremos um longo caminho até chegarmos ao corpus com o qual trabalhamos nesta pesquisa.

Nossa primeira coleta de dados ocorreu em 17 de abril de 2018, quando copiamos todos os comentários presentes no feed do vídeo. Tínhamos um contingente de mais de 7.000 comentários e pouca experiência para analisá-los. Recuero (2009) elenca uma gama de aspectos que devem ser considerados em análises de interações entre atores de redes sociais, como visibilidade, reputação, popularidade e autoridade, além de outras dinâmicas internas à comunidade virtual e conflitos que emergem instantaneamente, acompanhando o intenso fluxo da informação na internet. Essa realidade, até então velada a nós, foi abraçada da melhor

forma possível, sem perder o foco da leitura subjetiva e discursiva que tínhamos desde o início.

Conscientes de que a leitura de cada comentário seria temporalmente inviável, utilizamos inicialmente uma ferramenta de análise de corpus linguístico para fazer uma pré-seleção. O IRaMuTeQ (Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires) é um software gratuito e desenvolvido segundo a lógica da open source, ancorado no ambiente estatístico do software R e na linguagem python. Camargo e Justo (2013) explicam que essa ferramenta possibilita inúmeros tipos de análises de textos e, principalmente, “organiza a distribuição do vocabulário de forma facilmente compreensível e visualmente clara” (Camargo e Justo, 2013, p. 515). Além da “nuvem de palavras” (maneira visual de representar a frequência das palavras num texto), o programa também gera grafos utilizando as mesmas expressões, o que nos permitiu avaliar não apenas a frequência das palavras, mas também a conexão entre elas a partir da análise de similitude.

O software Iramuteq capta e expõe as palavras mais frequentes do corpus, de modo que pudemos excluir expressões de pouca representatividade. Partimos da hipótese de que as palavras mais frequentes e suas conexões nos forneceriam sugestivos indícios sobre a opinião dos internautas que assistiram ao vídeo e o comentaram. Dentre as ferramentas disponíveis, utilizamos principalmente o gráfico de formas ativas, as nuvens de palavras e os gráficos provenientes das análises de similitude. Essa última análise nos permitiu construir grafos que revelavam não apenas a frequência das palavras, mas principalmente a conexão entre elas:

A análise de similitude se baseia na teoria dos grafos, possibilita identificar as ocorrências entre as palavras e seu resultado traz indicações da conexidade entre as palavras, auxiliando na identificação da estrutura de um corpus textual, distinguindo também as partes comuns e as especificidades em função das variáveis ilustrativas (descritivas) identificadas na análise (MARCHAND e RATINAUD, 2012, apud CAMARGO e JUSTO, 2013, p. 516).

Um grafo é construído a partir de vértices (também chamados de nós) e arestas, que são as conexões entre esses nós. O software Iramuteq representa os nós pelas formas ativas, que são as palavras mais frequentes do corpus. Quanto maior o número de repetições da palavra, maior sua representação no grafo. A

conexão entre as palavras é expressa por uma linha cinza, cuja amplitude do calibre traduz a força da conexão, ou seja, quando duas ou mais palavras se relacionam com maior frequência, a aresta que as liga será mais espessa. A figura abaixo nos dá uma ideia de como os grafos são visualmente representados:

Figura 2: Exemplo de grafo representando a frequência e a conexão entre as palavras presentes nos comentários dos internautas. As dimensões das palavras indicam suas frequências, enquanto a espessura das linhas relaciona-se ao grau de conectividade

A estatística é reconhecida como essencial entre os pesquisadores, recorrendo-se a ela quando se deseja categorizar informações de uma ampla base de dados, com diversas variáveis entre as categorias, o que torna a análise complexa e, por conseguinte, sua interpretação (Lewin, 2005). Uma vez que essa era a realidade de nossos dados, utilizamos a estatística descritiva, cujos parâmetros se encaixam na análise quantitativa que utilizamos nesta pesquisa. A estatística descritiva é utilizada para “descrever e resumir dados e incluir medidas de tendência central (média) e de dispersão (a distribuição de dados ou quão próximo cada caso é da medida de tendência central)” (Lewin, 2005, p. 215)27_{. Tal descrição permite uma análise}

exploratória inicial dos dados, uma vez que gera um levantamento numérico, como um mapeamento no terreno dos dados. Foi assim que decidimos começar a tratar os dados da nossa pesquisa.

No decorrer dela, contudo, abandonamos a análise a partir dos grafos, uma vez que ela não atendia aos princípios validade e confiabilidade,28 _{(Somekh e Lewin,} 2005). As ligações entre as expressões nos permitiam a formulação de hipóteses que, no entanto, não eram verificáveis. A leitura dos comentários na íntegra evidenciava que, embora pertencessem a um mesmo grupo de palavras, os sentidos e os discursos ali presentes eram díspares entre si, o que nos impossibilitava de continuar a utilizar tal ferramenta de análise. Buscamos então, uma nova perspectiva para trabalhar com os dados de que dispúnhamos.

Precisávamos selecionar os comentários com maior representatividade, entretanto, classificá-los não era tarefa simples, dado o volume do corpus. A literatura referente à plataforma YouTube traz poucas referências sobre a representatividade dos comentários, porém, o próprio site disponibiliza aos internautas a opção de visualizar os comentários em duas categorias diferentes: “principais comentários” ou “mais recentes primeiro”. Ao selecionarmos a primeira opção, os comentários com o maior número de curtidas e de respostas são inseridos no topo da lista.

O site não traz especificações sobre os mecanismos utilizados para a classificação dos comentários. Contudo, é perceptível que a interação com outros internautas, através de respostas ou “curtidas”, ajudam a manter um comentário nas partes iniciais do ranking. A utilização dessa ferramenta como recorte para o corpus de nossa pesquisa poderia ser questionada, uma vez que os comentários que aparecem primeiro são frequentemente os únicos que a maioria dos internautas lerá. Isso significa que os comentários classificados como principais tendem a permanecer no ranking por retroalimentação, ou seja, ao serem mais visualizados, apresentam maiores possiblidades de gerar interação com internautas, muitas vezes independentemente de seu posicionamento discursivo.

Mesmo cientes de que tal recorte pode ser, de certa forma, tendencioso (e o que não é?), optamos por manter a escolha, uma vez que acreditamos que algum grau de representatividade poderia ser encontrado. Ainda que o internauta se depare somente com os comentários classificados como principais, dificilmente ele interagiria

28 _{No original, respectivamente: validity e reliability. O primeiro termo é definido como o estado de} esclarecimento das perguntas a serem respondidas, de modo que uma pesquisa é válida quando é capaz de responder às perguntas iniciais. O segundo termo é definido como o estado de veracidade e genuinidade dos métodos utilizados, ou seja, uma pesquisa é confiável quando um procedimento é repetidamente testado chegando-se ao mesmo resultado.

com algum com o qual não houvesse qualquer identificação, seja ela positiva ou negativa.

Também visualizamos outro problema que poderia enviesar nossa análise: muitas vezes as réplicas e as tréplicas, que tornam um comentário cada vez mais volumoso, fazendo-o subir no ranking, envolvem assuntos totalmente alheios ao vídeo exibido. Os comentários bem posicionados no ranking do vídeo TbJ chegam a somar mais de 150 respostas cada. A diversidade dos assuntos abordados nessa longa cadeia interativa tornaria a análise de um único comentário tão complexa e extensa, que acabaríamos fugindo de nosso enfoque. Cada pequeno comentário carrega consigo a identidade de um enunciado:

Em cada enunciado – da réplica monovocal do cotidiano às grandes e complexas obras da ciência ou de literatura – abrangemos, interpretamos, sentimos a intenção discursiva de discurso ou a

vontade discursiva do falante, que determina o todo do enunciado

(BAKHTIN, 2003, p. 281).

Por esse motivo, optamos por focar apenas nos comentários primários em nosso recorte, não incluindo as respostas de outros internautas como dado relevante no corpus textual, embora em alguns momentos trouxemos pequenos fragmentos de respostas unicamente para fins de contextualização e melhor compreensão dos posicionamentos discursivos.

Há ainda outras questões importantes na análise de um posicionamento discursivo: idade, gênero, localização geográfica do internauta e seu background. Infelizmente, não dispúnhamos dessas informações, uma vez que elas não podem ser deduzidas a partir dos perfis de usuários do YouTube. Trabalhamos com o conteúdo textual dos comentários e, a partir dele, realizamos inferências sobre as conexões com outros enunciados discursivos; não podemos, contudo, nos aprofundar nessas discussões devido à falta de outras informações dos falantes no processo discursivo.

Uma nova coleta de comentários ocorreu em 13 de maio de 2019, seguindo os critérios do novo recorte: a seleção de comentários com maior representatividade. Inicialmente, escolhemos os comentários com mais curtidas e respostas, ainda que essas não fossem analisadas. A primeira leitura já nos permitiu observar que os comentários que estavam em consonância com o conteúdo do vídeo eram os que

apresentavam maiores interações com outros internautas. Uma vez que também buscávamos analisar discursos opostos ao que veicula a TBP, selecionamos manualmente outros comentários, condizentes com essa situação. Ao todo, trabalhamos com 11 comentários, todos originalmente em língua inglesa, traduzidos e revisados por nós, para facilitar a compreensão. O reduzido tamanho do corpus textual foi necessário para desenvolvermos uma análise mais precisa e de maior qualidade, uma vez que um número muito elevado de comentários nos levaria a múltiplas direções.

Desde o início entendemos que, além do corpus acima descrito, também era necessário incluir uma descrição analítica a animação criada pela equipe TBP, sabendo que nosso olhar estaria mais focado em seus aspectos discursivos e não necessariamente em todas as nuances do gênero multimodal das animações. Ainda assim, identificamos dois modos principais em TbJ: o visual e o sonoro, com imagens em movimento e narração através de falas. Os dois modos unidos formam uma narrativa visual ou narrativa exibida (Displayed Narrative, Kress 2005). Para nossa análise, descreveremos a animação a partir da transcrição da narração do vídeo, intercalada de capturas de tela sequenciadas e minutadas. Como se trata de uma produção animada, representá-la neste formato da dissertação é, sem dúvida, limitante, mas certamente fornecerá ao nosso leitor uma noção que lhe norteará durante a análise dos comentários.

Vale dizer que a razão pela qual não nos aprofundaremos na análise da animação como um gênero multimodal é porque fugiria aos nossos objetivos de pesquisa, para os quais uma descrição da animação, que identificasse as principais vozes discursivas ali presentes, seria suficiente. Entretanto, compreendemos que a continuação deste estudo seria relevante para explorar os desdobramentos sociais deste gênero multimodal, e podemos aprofundar nosso conhecimento nesta área em pesquisas futuras.

Nosso trabalho, portanto, lida com dados de diferentes naturezas, e, de acordo com Greene e coautores (2005), corpora com diferentes tipos de dados e, por conseguinte, diferentes designs de pesquisa, podem necessitar de métodos mistos de análise. Por exemplo, uma pesquisa que utiliza questionários pode conter dados numéricos ao mesmo tempo que lida com a complexidade dos discursos proferidos pelos entrevistados. Considerando que nossa pesquisa apresenta dados de naturezas

diversas, optamos por uma análise mista. Greene, Kreider e Mayer (2005, p. 274) apontam quatro razões para se fazer uso do método misto:

a. Entender de maneira defensável, com maior validade ou credibilidade e menos enviesamento, como com a abordagem clássica de triangulação.

b. Compreender de forma mais abrangente, desenvolvendo retratos mais completos do nosso mundo social, através do uso de múltiplas perspectivas e lentes.

c. Compreender com mais perspicácia, com novas ideias, novas perspectivas, conceitos criativos e significados, como quando as descobertas divergem e, portanto, exigem reconciliação através de uma análise mais aprofundada, reenquadramento ou outra mudança de perspectiva.

d. Compreensão com consciência de maior valor e com maior diversidade de valores e posições através da inclusão de diferentes métodos que avançam para ainda outros valores.29

Para se melhor compreender o trecho acima, é necessário descrever o conceito de triangulação, defendido por Somekh e Lewin (2005), que se refere à coleta de dados de pelo menos três perspectivas diferentes sobre o mesmo evento pesquisado. Em se tratando de uma pesquisa em sala de aula, por exemplo, pode-se levar em conta o olhar do observador, do aluno e do professor, de forma que a captura de uma tela lança luz sobre a outra, evitando o enviesamento da análise.

Não estamos propondo um método misto qualitativo-quantitativo, como Greene e colaboradores (2005) defendem, mas justificamos as diferenças entre as naturezas de nossos dados: corpus textual, a animação e o texto bíblico. O resultado dessa reformulação está descrito nos objetivos específicos que cunhamos:

1. Analisar quais discursos são mobilizados na animação, tendo como base de comparação o texto bíblico a que se refere, a partir dos conceitos teóricos discutidos ao longo de todo o trabalho.

2. Analisar uma seleção de comentários – os mais populares, cuja representatividade do posicionamento tende a ser mais significativa, – referentes à animação supracitada, verificando se/como/em que medida replicam os discursos identificados no objetivo 1.

Retomemos a perspectiva de Kress e Mavers (2005), segundo a qual a linguagem textual não dá conta de todas as nuances existentes na comunicação atual e a tecnologia da informação é capaz de unir diferentes modos convergindo-os em uma tela. Os autores sugerem que “o modo30 _{tem aspectos materiais e carrega em} todos os lugares o selo de representações sócio-culturais do passado, e entre outras coisas, o selo de regularidade de organização” (Kress e Mavers, 2005, p.173). Para eles, devido a essa regularidade, o modo assume determinadas funções comunicativas, sendo utilizado para suprir uma demanda comunicativa. A materialidade dos modos relaciona-se ao tempo (música, fala), ao espaço (esculturas, imagens, arquitetura) ou a ambos (cinema, animações) (Kress e Mavers, 2005). A combinação entre os modos resulta em designs e cada design deve ser escolhido para responder a perguntas básicas, como as que se seguem:

[…] O que um modo específico pode fazer? Quais são suas limitações e potenciais? Quão intuitivo é este modo? [...] Minha audiência está mais propensa a corresponder a imagens ou à escrita? Preferem imagens em movimento, efeitos sonoros de diversos tipo (fala, música, trilha sonora, etc.) numa tela mais do que somente escrita em um livro? (KRESS e MAVERS, 2005, p. 173).

Tais questionamentos auxiliam na análise de produções multimodais, mas essas podem ser muito amplas. Burn (2010, p. 88), por sua vez, propõe quatro categorias de análise de representações multimodais:

(a) Discurso (conhecimento de algum aspecto da realidade);

(b) Design (escolha do modo semiótico; por exemplo, linguagem, design visual, música);

(c) Produção (escolha do meio; por exemplo papel, mármore, programação de computadores);

(d) Distribuição (levar o texto a um público, às vezes por meio de outra camada de tecnologia; por exemplo, transmissão ou exibição na Web).

Para o autor, esses passos constituem um ciclo que se repete, pois, após a distribuição, a recepção gerará o discurso do espectador, corporificado em um

30 _{Esclarecemos que a expressão modo, frequentemente traduzida do inglês mode, por vezes assume} mais de um significado, variando de autor para autor. Comumente, modo refere-se à maneira de se veicular uma mensagem: visual, sonoro, gestual. Sua interpretação pode se misturar ao conceito de mídias, que são os suportes, materiais ou imateriais, pelos quais a mensagem é veiculada.

design, que, por sua vez, resultará em uma nova produção. O autor também sugere o isolamento de aspectos particulares de cada modo, a depender do tipo de dado:

Podemos abordar os dados concentrando-nos nos modos, talvez isolando uma característica específica, como por exemplo o design é realizado usando imagem visual, movimento corporal e gesto; movimento entre diferentes espaços e visualizações; ou como a linguagem escrita e falada é usada para transmitir informações, dar instruções e construir diálogos entre personagens [de um] jogo (BURN, 2010, p. 88).

No capítulo seguinte, apresentamos as análises como propusemos até aqui. É importante relembrar que já apresentamos informações sobre o texto bíblico como obra literária a partir da visão teórica aqui trabalhada. Nossa proposta não era dissecar o texto bíblico, nem defender a melhor forma de leitura da Bíblia (se em texto monomodal ou multimodal); ao contrário, visamos criar uma concepção mais aberta do texto sagrado a partir da perspectiva de alguns autores (Frye, 2004; Alter e Kermode, 1997), o que fizemos na última subseção do capítulo 1. Essas reflexões serão retomadas no próximo capítulo em diversos momentos, gerando conexão entre as ideias abordadas ao longo do trabalho.