Se hoje é possível pensar em entrelaçamentos entre política e jogos, especialmente entre videogames, cultura gamer e a política brasileira, há uma década isso não seria comum. Isso porque os jogos costumavam ser interpretados como artefatos destinados puramente ao entretenimento, ao lúdico, área que se posicionava na contramão de uma sociedade compromissada com seu desenvolvimento (Falcão; Macedo; Kurtz, 2021).

Apesar do processo conturbado - pautado largamente na clonagem e pirataria - que primeiro trouxe os videogames para o Brasil durante a ditadura militar (Ferreira, 2017), a semente de uma cultura que viria a escalar enormemente décadas depois foi plantada. Nos últimos anos, sobretudo devido à intensa polaridade em torno das disputas políticas no país e aos exemplos notados na política internacional [1], estadistas, partidos, empresas e outros atores vêm buscando atrair a atenção da comunidade gamer, que hoje constitui parcela expressiva na população brasileira.

Sobre isso, dados da Pesquisa Game Brasil (2024) mostram a grandiosidade e pluralidade de indivíduos que têm o hábito de jogar no país, evidenciando, no entanto, certas particularidades. Dentre essas, de notável interesse para a presente pesquisa é a composição do perfil dos gamers brasileiros que utilizam predominantemente o computador como instrumento de jogo. Nesse grupo, 67% dos entrevistados são homens, em grande medida brancos e pardos, pertencentes às classes média e alta e entre 16 e 39 anos (Pesquisa Game Brasil, 2024).

É justamente sobre esse perfil que incidem novas tendências, como o desenvolvimento de jogos que trazem como elementos centrais figuras políticas e mensagens veiculadas em campanhas eleitorais, como em Kandidatos (Shaikonina Games, 2020) e em Bolsomito 2k18 (BS Studios, 2018). Em outros casos, lideranças tentam se aproximar mais diretamente da comunidade gamer, como no “abraço aos gamers” postado no Twitter do então Presidente Jair Bolsonaro em julho de 2019 (Bolsonaro, 2019).

Em articulação com essas estratégias, percebemos no discurso de Bolsonaro o que Seymour (2024) apresenta como “nacionalismo desastroso” (disaster nationalism), uma manipulação das feridas acumuladas por um regime capitalista permeado por inseguranças e crises - econômicas, sociais, ambientais - e a canalização dessa infelicidade coletiva para “inimigos” nominados, a depender do contexto local: “muçulmanos, comunistas, globalistas, judeus, e por aí vai” (p. 25, tradução nossa) [2]. Seymour (2024) e Iamamoto, Mano e Summa (2021) convergem ao apontar que Bolsonaro acompanhou outros líderes políticos internacionais ao mobilizar o discurso nacionalista anticomunista, revivendo tendências da Guerra Fria, e se aportando em “valores patrióticos” - abusando do uso de símbolos nacionais e ufanistas - para chegar ao poder e manter o apoio público.

Rocha (2021) acrescenta uma lente de particular valor ao nosso estudo quando argumenta que grupos de direita no Brasil passaram por um longo período - mais nitidamente entre 1988 e 2013 - de tímidas manifestações políticas de grande escala pública, e encontraram na internet, especialmente em blogs alternativos e nas incipientes redes sociais - um ambiente acolhedor para a disseminação de ideias neoliberais, e às vezes de teor extremista.

Tal cenário sofreu uma alteração significativa a partir das jornadas de junho, em 2013, quando - inicialmente no estado de São Paulo, e posteriormente no país inteiro - grande parte da população foi às ruas reivindicar por melhoras das mais diversas ordens no sistema brasileiro. No entanto, esse movimento vocalmente apartidário passou a ser uma grande oportunidade para grupos de direita - como o Movimento Brasil Livre (MBL), Movimento Endireita Brasil (MEB), Instituto Millenium, Vem pra Rua e os Revoltados Online - assumirem o protagonismo das mobilizações populares e fortalecerem sua rede de apoio ao difundirem seus ideais. A maioria desses grupos já tinha forte presença na internet há alguns anos (Rocha, 2021).

Tais grupos não pararam de se estruturar e renovar suas estratégias em ambientes digitais, se tornando posteriormente fundamentais para a campanha presidencial de Bolsonaro. Kalil (2018) nos permite um melhor entendimento disso a partir do seu mapeamento de 18 perfis de apoiadores de Bolsonaro, com alto destaque para o 3° grupo, intitulado por ela de “nerds, gamers, hackers e haters”. Possuindo uma demografia convergente com a dos “gamers de computador”, a comunidade mapeada por Kalil não engloba apenas gamers, mas usuários assíduos da internet e de comunidades virtuais de maneira mais ampla. Esse público se tornou alvo de exitosas estratégias de comunicação por parte do ex-presidente e sua equipe nos últimos anos (Santos apudMussa; Messias, 2022).

Por um lado, parte dessas estratégias foi pautada na “criação e repercussão de estéticas afins ao público jovem” (Macedo et al., 2023, p. 5), e, por outro, em publicações onde Bolsonaro conversava diretamente com seus eleitores gamers, como em um vídeo onde o político aparecia jogando um jogo de tiro em seu Playstation (Velho; Henn, 2023). Outra faceta da política do ex-presidente foram os discursos abordando a redução de impostos sobre consoles e jogos, insistentemente relembrados por seus apoiadores na comunidade gamer (Marques; Falcão; Mussa, 2021). A busca pelo desenvolvimento dessas táticas de aproximação advém sobretudo da percepção de que o público jovem, protagonista das comunidades virtuais, constitui um setor desmobilizado e cada vez mais desinteressado pela política (Santos apudMussa; Messias, 2022).

Pensando nisso, acreditamos ser frutífero investigar os impactos de discursos e ideologias nacionalistas sobre o público gamer. Dessa forma, buscamos compreender se há a manifestação de elementos nacionalistas - bandeira, cores nacionais, hino, símbolos do país (cânticos e clubes de futebol, músicas e outros elementos culturais), figuras e períodos históricos - dentro de comunidades virtuais gamers no Brasil, e em caso afirmativo, se esses símbolos se misturam com elementos da nova extrema-direita neoliberal nacionalista - notadamente com um discurso nacionalista anticomunista, com distinções entre “a nação e seus inimigos” e a presença de ideais racistas e/ou misóginos (Iamamoto; Mano; Summa, 2021, p. 2-3).

Visando alcançar esse objetivo, elencamos o grupo de espectadores de Counter-Strike 2 (Valve, 2023) do canal do streamer Gaules (Twitch.tv/Gaules) na plataforma Twitch.tv ([2011]). Selecionamos como nosso corpus o chat ao vivo da plataforma durante torneios internacionais de Counter Strike 2 onde há pelo menos uma equipe brasileira em disputa.

A escolha do título Counter-Strike (CS) se justifica por um conjunto de razões. Primeiro, trata-se de um jogo que tem a temática militar e realista, com claras divisões entre “terroristas” e “contraterroristas”, além de ser do gênero FPS (First Person Shooter) [3], que combina elementos culturalmente associados ao exercício da masculinidade, como agressividade, virilidade e competição (Nascimento, 2023; Pereira, 2010).

Segundo, chegando ao Brasil no começo dos anos 2000, o jogo foi pioneiro na formação da cultura gamer dos jovens brasileiros a partir da sua prática em lan houses (Nascimento, 2023). Também Counter-Strike foi uma das origens para a prática competitiva de jogos eletrônicos no país - o que hoje se consolidou como o ecossistema profissional dos e-sports - e, como aponta Mußotter (2021), sentimentos e manifestações nacionalistas são permeadas por noções de competitividade.

Um dos ex-jogadores profissionais formados no começo do cenário é Alexandre Borba Chiqueta, popularmente conhecido como Gaules. Atualmente, ocupando a posição de maior streamer de Counter-Strike do Brasil e figurando constantemente entre os maiores do mundo, Gaules já foi - algumas vezes - alvo de matérias jornalísticas por apresentar discursos polêmicos durante suas transmissões, algumas delas por sugerir um alinhamento político com valores defendidos por partidários da extrema-direita (Araújo, 2021). Certamente, com uma comunidade tão grande e com um alcance enorme, a influência exercida pelo streamer enquanto transmite e narra torneios de CS, acreditamos, pode ser presenciada com espontaneidade em seu próprio chat.

Seguindo neste trabalho, apresentamos uma pesquisa de procedimentos metodológicos que vêm sendo aplicados por pesquisadores para estudarem objetos ou plataformas similares ao de nosso estudo. Após a revisão crítica dos métodos encontrados, construímos uma proposta de metodologia personalizada para alcançar nosso objetivo. No fim, manifestamos uma breve reflexão acerca das possibilidades oferecidas pelo método proposto e para as próximas etapas para a pesquisa.

Visando mapear métodos que nos permitirão responder nossa pergunta de pesquisa, “como a linguagem nacionalista da nova extrema-direita brasileira se faz presente na maior comunidade virtual de espectadores de Counter-Strike do país?”, executamos, em um primeiro momento, as seguintes etapas: (a) busca exploratória por trabalhos acerca do tema; (b) pesquisa e identificação de trabalhos com metodologias recicláveis para nosso estudo; e (c) combinação de diferentes estratégias para a elaboração de uma metodologia personalizada.

Para obter um panorama metodológico, iniciamos nossas buscas por trabalhos que envolvessem a análise de bate-papos (chats) on-line, por meio das palavras-chave “bate-papo on-line”, “bate-papo ao vivo”, “chat Twitch”, “chat massivo”, “chat multiparticipante” e seus equivalentes em inglês. Acreditamos que, apesar do nosso corpus se tratar de um bate-papo com interações em tempo real, o que traz especificidades para nosso procedimento de coleta de dados, observar métodos aplicados em chats digitais de interação assíncrona poderia nos fornecer ricas técnicas de coleta e análise das informações.

Ao verificar os resultados obtidos, identificamos um certo padrão: a maioria das pesquisas analisadas (Chakravarthi, 2022; Kim; Wohn; Cha, 2022; Nascimento et al., 2024; Nematzadeh, 2019; Uthus; Aha, 2013) utilizam estratégias envolvendo softwares construídos a partir de algoritmos de Inteligência Artificial tanto para a coleta quanto para a análise dos dados textuais obtidos nos chats. Especialmente para delimitar com precisão os conteúdos textuais desejados, técnicas envolvendo o Processamento de Linguagem Natural (PLN) foram consistentemente aplicadas. Sobre ele:

Um dos esforços da área é a busca pela criação de descrições lógicas entre objetos linguísticos, como as mensagens em um chat, e sua correspondência com situações do mundo real (Gonzalez; Lima, 2003). Dentre as possibilidades oferecidas pelo PLN, destacam-se a habilidade de identificar tópicos por meio da busca por termos compostos; a incorporação de inferências semânticas na análise textual e o potencial de treinar, a partir de um grande volume de informações, algoritmos de localização de padrões, sejam lexicais, gramaticais ou semânticos (Gonzalez; Lima, 2003; Caseli; Nunes; Pagano, 2023). No entanto, ainda que tais tarefas de detecção de tópicos ou realização de inferências de sentido sejam encontradas em outros domínios da análise textual, o contexto específico dos chats com múltiplos participantes traz desafios que pedem técnicas não tradicionais de interpretação de dados (Adams; Martell, 2008; Uthus; Aha, 2013).

Pensando nisso, Kim, Wohn e Cha (2022) realizaram um estudo qualiquantitativo objetivando, primeiro, identificar a ocorrência de toxicidade em chats da Twitch a partir do uso de emotes [4]. Ao reunirem mais de 100 milhões de mensagens de diversos canais da plataforma a partir do pacote JavaScript e da aplicação “npm”, os pesquisadores realizaram uma análise quantitativa, utilizando a ferramenta Hatesonar (c2026) (Davidson et al., 2017), responsável por conter uma biblioteca com palavras associadas à toxicidade e ao discurso de ódio. Nessa primeira verificação, a ferramenta identificou a presença de discurso de ódio ou linguagem ofensiva em 3,8% das mensagens, e ainda notou que emotes estavam presentes em um terço das ocorrências (Kim; Wohn; Cha, 2022).

A partir disso, a equipe selecionou aleatoriamente uma amostra de 1.200 mensagens para analisar qualitativamente, observando padrões na utilização de emotes com mensagens ofensivas, descobrindo que as figuras poderiam vir como complemento para a mensagem (expressando o sentimento do interlocutor), ou como substituição de uma das letras da palavra ofensiva para “driblar” a moderação da plataforma. Com essas informações, os pesquisadores treinaram um modelo baseado no PLN e em uma rede neural que permitiu prever letras “camufladas” pelo uso de um emote de substituição. Embora a aplicação criada não tenha sido capaz de identificar todos os casos previamente não capturados, o resultado final mostrou um crescimento de 1,3% nas detecções (Kim; Wohn; Cha, 2022).

A possibilidade de operacionalizar uma abordagem mista a partir do PLN se mostra rica para o estudo de grandes fluxos de dados digitais (Ford et al., 2017). Isso porque se torna viável comparar ocorrências em conversas que tomam parte em diferentes dias e ocasiões, construindo uma noção estatística do fenômeno estudado, ao mesmo tempo em que viabiliza a percepção de características e padrões de linguagem presentes nas interações dos participantes das conversas de maneira a desmascarar conexões ocultas ao observador casual.

Explorando essa possibilidade, um grupo de pesquisadores brasileiros realizou um estudo visando identificar as relações textuais presentes nos vídeos e em comentários de um canal de games no YouTube, a fim de desvendar traços do pensamento reacionário presente no discurso do youtuber e de sua comunidade. Com um corpus de quase 200.000 comentários coletados por meio da ferramenta YouTube Data Tools (2015) e analisados por meio do website Voyant Tools (c2026), os estudiosos descobriram conexões interessantes entre a racionalidade neoliberal e uma comunidade gamer brasileira (Marques; Falcão; Mussa, 2021).

Para além do YouTube, o aplicativo de mensagens Telegram ([2013]) é uma outra plataforma propícia para a disseminação de ideias violentas, teorias conspiracionistas e o cultivo de grupos extremistas, devido a sua capacidade de comportar um número ilimitado de participantes em comunidades, aliado à baixa moderação de conteúdo (Nascimento; Cesarino; Fonseca, 2020; Nascimento et al., 2022). Nascimento et al. (2024) buscaram analisar o chat de comunidades da plataforma a partir de uma abordagem de “vigilância-como-método” (p. 158), em que pesquisadores se inseriram e observaram silenciosamente as interações rotineiras em grupos que manifestavam discursos de ódio contra demografias específicas (mulheres, pessoas negras e LGBTQIA+) e que apresentavam postagens de cunho extremista.

Os acadêmicos relatam que uma das táticas apresentadas pelos líderes dessas comunidades é a de deletar periodicamente as mensagens a fim de evitar seu rastreamento digital (p. 166), e por conta disso, precisaram desenvolver um método de coleta de mensagens em tempo real. Sendo assim, desenvolveram uma solução na linguagem de programação Python, que permitiu a coleta e armazenamento do conteúdo do chat em servidores próprios para análise posterior (Nascimento et al., 2024).

Comparando essa situação com a de nosso objeto de estudo, é possível traçar um paralelo. Na Twitch, não é tão comum os criadores deletarem suas transmissões ou conversas espontaneamente, especialmente por conta do enorme fluxo de mensagens presente em canais de grande difusão. Contudo, como o foco da plataforma se situa nas transmissões ao vivo, a própria Twitch estabelece um tempo limite relativamente curto para armazenar o conteúdo transmitido em determinada ocasião, e isso inclui o registro de mensagens. Por isso, a utilização de uma solução que permita a coleta de dados em tempo real se faz de extrema importância para nossa questão de pesquisa.

Ainda em sua análise do Telegram, Nascimento et al. (2024) decidem utilizar o algoritmo do BERTopic (Grootendorst, 2022) para conduzir a modelagem dos dados em tópicos. Tal estratégia se justifica porque

A modelagem em tópicos, segundo Uthus e Aha (2013), constitui uma técnica de alto nível em análises baseadas em PLN em chats. Segundo os autores, outros métodos de alto nível são: identificação de atributos de mensagens (classificação da oração, marcação de diálogo, identificação de mensagens importantes…), classificação de perfis de usuário, detecção de fenômenos sociais e a sumarização automática de mensagens (p. 110, tradução nossa) [5].

Indo na contramão dos trabalhos analisados até aqui, Ford et al. (2017) adotam um conjunto de métodos qualiquantitativos que não envolvem o uso de algoritmos de Inteligência Artificial e nem de Processamento de Linguagem Natural na obtenção e análise dos seus dados. Argumentando a favor da construção de sentido em chats com alto fluxo de mensagens, o conjunto de pesquisadores reuniu 1.000 mensagens de 10 canais da Twitch, divididas em agrupamentos de 50 mensagens cada. Metade dos agrupamentos fazia parte de canais com baixo volume de mensagens (até 2.000 participantes simultâneos), e metade de canais com “chats massivos” (10.000 participantes ou mais).

A coleta dos comentários foi feita manualmente pela equipe enquanto assistia às lives. Os agrupamentos de 50 mensagens foram tabelados e revisados por pares de pesquisadores. Nesse momento, eles estabeleceram quatro métricas primárias de categorização (taxa de rolagem, comprimento da mensagem, conteúdo do chat e número de “vozes” a cada 50 mensagens) e três métricas secundárias (número de caracteres por mensagem, número de palavras únicas a cada 50 mensagens, número de participantes distintos a cada 50 mensagens) (Ford et al., 2017).

Tais critérios permitiram que os pesquisadores identificassem a presença de mensagens mais curtas e a manifestação de menos conteúdos originais em “chats massivos”, sem que isso, no entanto, afetasse a construção de sentido e a compreensão coletiva nesses ambientes (Ford et al., 2017). Além disso, a equipe foi capaz de perceber que alguns dos critérios utilizados, como o de “número de caracteres por mensagem” e “comprimento da mensagem” seriam inadequados para a investigação que propuseram, tanto pelo uso de emotes quando pela repetição de palavras e letras, comum em comunidades da Twitch.

Acreditamos que a abordagem de coleta manual não seja operacionalizável como método único para observar um fluxo de dezenas de milhares de dados, como no caso de nossa pesquisa. Entretanto, vemos potencial nos critérios de análise estabelecidos por Ford et al., uma vez que viabilizam a percepção de certos comportamentos comunicativos de uma dada comunidade, ao mesmo tempo em que reconhecemos a utilidade da convergência do método de agrupamento em conjuntos menores de mensagens com a tática descrita previamente em Kim, Wohn e Cha (2022), o que nos sugere a viabilidade de analisar fragmentos menores do corpus a fim de obter uma percepção qualitativa mais exata do fenômeno que buscamos compreender.

Finalmente, é útil pontuar que, ao pesquisarmos por análises de chat ao vivo em geral, e da Twitch em particular, não localizamos pesquisas brasileiras que tratassem do tema. Mesmo que se notem estudos nacionais endereçados para a observação de comentários (Marques; Falcão; Mussa, 2021), acreditamos que os métodos de análise de dados podem não ser compatíveis, uma vez que as interações em transmissões ao vivo apresentam comportamentos totalmente diferentes (Ford et al., 2017) devido ao feedback instantâneo entre interlocutores (Herring, 1999).

Após refletir sobre os trabalhos encontrados e buscar conexões de seus métodos com a condução desta pesquisa, acreditamos ter reunido materiais suficientes para compor uma sequência de procedimentos metodológicos que envolvem etapas qualitativas e quantitativas, e que nos ajudarão a responder nossa pergunta problema.

Em um primeiro momento, já nos é muito claro que extrair os dados do batepapo do canal da Twitch do streamer Gaules parece uma decisão acertada. Contudo, a variação de conteúdos transmitidos na página é muito alta, às vezes ocorrendo transmissões de múltiplos eventos diferentes em um único dia, o que inevitavelmente gera uma mudança completa no comportamento do chat.

Pensando nisso, nos parece interessante seguir a abordagem de Kim, Yim e Ko (2013) e analisar o fenômeno das manifestações nacionalistas na comunidade de Counter-Strike durante três contextos distintos. O primeiro envolve a participação de uma equipe brasileira durante a transmissão de partidas do maior campeonato da modalidade, o Valve Major Championship [6]. Nesse torneio, equipes distribuídas pelos cinco continentes disputam premiações milionárias, tornando o ambiente altamente competitivo e centrado em contornos determinados por representações de território.

Já o segundo contexto de análise trata-se de uma competição regional, o American RMR. Essa competição ocorre previamente às edições dos Majors, e consiste em uma disputa continental para determinar as equipes que ascenderão ao torneio principal. Como as partidas são disputadas apenas entre países das Américas, visualizamos a possibilidade do surgimento de dinâmicas de rivalidade únicas a essa arena durante partidas que envolvam uma equipe brasileira e uma estrangeira, uma vez que disputas com países historicamente rivais - e vizinhos - são muito mais comuns.

O último evento que buscamos observar é o Campeonato Brasileiro de Counter-Strike (CBCS). Embora essa competição seja aberta para equipes da América do Sul, sua última edição contou com 13 equipes brasileiras e apenas três argentinas (Liquipedia, 2024). Essa incidência é costumeira dentre as últimas edições, e cria um ambiente mais focado em disputas entre nacionais. Kim, Yim e Ko (2013) argumentam a favor da observação do patriotismo [7] nessas diferentes arenas pois, segundo seus achados, o fenômeno pode se manifestar de formas distintas em cada uma delas.

Definidos os dias e horários das transmissões selecionadas, partimos para a etapa de coleta de dados. Nesse ponto, optamos pela utilização de uma solução em Python, assim como Nascimento et al. (2024). O programa foi desenvolvido para interagir com a API [8] da Twitch por meio da utilização da biblioteca twitchio. O software se chama TwitchLiveComments, e permite a coleta em tempo real dos comentários de qualquer transmissão que esteja ao vivo na plataforma. Percebemos que esse método pode ser facilitado, também, pelo intermédio da plataforma Google Colab ([202-]), que permite a execução de códigos em Python. Nesse caso, contudo, o usuário necessitará do uso adicional das bibliotecas nest asyncio (para evitar conflitos da coleta em tempo real) e openpyxl para a conversão do arquivo em .CSV, além do token de acesso da Twitch [9], que permite a interação do usuário com sua API.

Figura 1 Fonte: elaboração própria (2024)

Ao finalizar a coleta, o programa transporta automaticamente todo o material para um arquivo do formato .XLSX ou .CSV, a partir do qual podemos começar a execução dos processos de refinamento dos dados. Nessa etapa, identificamos e excluímos as mensagens enviadas por bots [10], pois não se tratam de manifestações humanas. Além disso, realizamos processos de “nível raso” para a análise de chats multiparticipativos, dentre eles, a aplicação de técnicas de pré-processamento de mensagens, que incluem, mas não se limitam à: identificação de variações da mesma palavra, radicalização de palavras, mapeamento de abreviações e gírias comuns (Uthus; Aha, 2013).

Para auxiliar na análise do conteúdo, compartilhamos da posição de Souza (2022) ao adotar a ferramenta ATLAS.ti. A escolha se baseia na versatilidade do software em reconhecer arquivos brutos de distintos formatos, traduzindo para o seu sistema, e em sua oferta de múltiplos recursos de visualização e mapeamento dos dados fornecidos, facilitando a visualização de resultados por meio da representação em gráficos e mapas mentais, criados a partir de técnicas de PLN, que se adaptam de acordo com as instruções dadas aos seus algoritmos de Inteligência Artificial (ATLAS. ti, 2024).

Nesse ponto, é válido mencionar que buscamos por trabalhos que aplicassem medidas de mensuração de comportamentos nacionalistas em comunidades específicas para nos fornecer referências de critérios de análise para o fenômeno. Todos os trabalhos localizados (Ariely, 2011; Blank; Schmidt, 2003; Davidov, 2009; Fleiß; Hollinger; Kuzmics, 2009; Kosterman; Feshbach, 1989; Li; Brewer, 2004) utilizam questionários e entrevistas para indagar diretamente os participantes sobre sentimentos e comportamentos relacionados a certos elementos atrelados ao nacional.

Não apenas por conta disso, mas também pelo fato da comunidade conter uma alta presença de gírias e termos muito específicos do nicho da Twitch, do público do Gaules, e da comunidade de Counter-Strike, optamos por combinar a automatização dos processos realizada pelo software ATLAS.TI com uma abordagem similar à de Ford et al. (2017). Nosso intuito é selecionar fragmentos de mensagens de cada chat coletado em cada uma das instâncias (mundial, regional e nacional), com o propósito de capturar as particularidades da comunicação entre o público e o streamer e identificar pormenores de elementos nacionalistas que podem passar despercebidos em uma análise macro, como por exemplo menções à símbolos nacionais ou fenômenos que ocorreram em um período específico, que não terão nenhum significado se vistos apenas como palavras pelos algoritmos de IA.

De modo complementar, reconhecemos que o bate-papo não é completamente espontâneo em suas manifestações e em muito é influenciado pelas ações e falas de Gaules. Por isso, inspirados pelo trabalho de Recktenwald (2017), e com o apoio do ChatGPT v2 (Open AI, 2023), geramos um código em Python que nos permitiu baixar o vídeo das lives que coletamos o chat [11], recortar o trecho desejado em .mp3 e mobilizar o Whisper (Open AI, 2022) para fazer a transcrição do áudio. Com a coluna de áudio de um lado e a de mensagens do outro, é possível sincronizar ambas a partir das marcações de tempo fornecidas pelo próprio programa durante a coleta.

As últimas etapas de nossa análise residem sobre esse banco de dados. Com ele, podemos classificar cada linha de texto com base nos critérios de nossa escolha, como pode ser observado nas figuras 2 e 3. Nesse sentido, vemos como caminho viável procurar pelos elementos da nova extrema-direita em articulação com símbolos nacionais durante as partidas. Finalizada a categorização de todos os grupos, poderemos fazer uma observação qualiquantitativa dos resultados obtidos, para então compará-los com o que obtivemos na análise automatizada do conjunto maior.

Figura 2 Fonte: Twitch.tv/Gaules; elaboração própria (2025)

Figura 3 Fonte: Twitch.tv/Gaules; elaboração própria (2025)

O nacionalismo possui uma longa história na população brasileira, especialmente quando associado a eventos esportivos (De Souza, 2021). Recentemente, Iamamoto, Mano e Summa (2021), assim como Rocha (2021), identificaram que novos grupos políticos associados à extrema direita vêm se apropriando criativamente de elementos da cultura, história e política do país em prol da reconstrução de uma “brasilidade” alinhada com seus valores.

Observamos, paralelamente, a manifestação fervorosa de elementos associados à cultura nacional durante transmissões de e-sports, mais especificamente de torneios de Counter-Strike, na comunidade da Twitch.tv do influenciador Gaules. Acreditamos que a combinação dos elementos elencados para a análise (o nacionalismo brasileiro, um jogo de tiro em primeira pessoa, o simbolismo da rivalidade entre países e um influenciador alinhado com os ideais da nova direita nacionalista) pode ser uma fonte rica de informações para compreender melhor como o pensamento reacionário se mistura com a cultura jovem e com o ambiente digital.

Nesse trabalho, refletimos principalmente acerca da construção de uma metodologia apropriada para a análise desse fenômeno. Para isso, levantamos as principais bibliografias relacionadas à pesquisa em chats ao vivo, assim como estratégias de coleta e análise de dados envolvendo ambientes digitais com grande fluxo de dados. Observamos a recorrência do uso de métodos pautados em algoritmos de inteligência artificial e de técnicas de Processamento de Linguagem Natural (PLN) para o estudo desses ambientes.

Visualizamos uma gama de possibilidades para o estudo de ambientes digitais a partir do refinamento da metodologia proposta. Com isso, definimos como próximas etapas desta pesquisa a instrumentalização deste método nesta e em outras comunidades digitais, e a realização de um possível cruzamento dos dados obtidos com os de outros estudos etnográficos nessas comunidades.

Finalmente, destacamos a importância de se estudar como ideologias que conversam com grupos extremistas se alastram a partir de diferentes comunidades virtuais, campo esse que vem sendo mais e mais explorado pela academia nos últimos anos (Schlegel; Kowert, 2024).