Ficha do Proponente
Proponente
- Matheus Henrique do Vale Alencar (UFPE)
Minicurrículo
- Designer, pesquisador e músico. Com graduação pela UFC, mestrado pela UFPE onde atualmente também curso o doutorado em Design na linha de Design de Artefatos Digitais. Me aproximo do cinema ao estudar a forma como os algoritmos (sistemas de recomendação) das plataformas de stream afetam nossas escolhas e agências e impactam a cultura.
Ficha do Trabalho
Título
- Governança do gosto e mediação algorítmica na Netflix: escolha, visibilidade e agência no streaming
Resumo
- Este trabalho investiga a mediação algorítmica na Netflix, analisando como sistemas de recomendação participam da governança do gosto no streaming. A partir de revisão teórica e netnografia exploratória no Twitter, discute-se como a escolha do espectador é mediada por lógicas opacas de engajamento, produzindo padrões de visibilidade e repetição estética. Argumenta-se que o streaming configura um regime de escolha condicionada no audiovisual contemporâneo.
Resumo expandido
- A plataformização do consumo audiovisual transformou as formas de acesso, circulação e visibilidade de obras. Em ambientes como a Netflix, a experiência do espectador é mediada por sistemas de recomendação que organizam o catálogo e operam como instâncias centrais de curadoria (TIWARI et al., 2025). Este trabalho investiga como esses sistemas participam da governança do gosto e tensionam a noção de escolha no streaming contemporâneo.
Parte-se da hipótese de que, embora os usuários percebam a navegação como expressão de preferências individuais, suas escolhas são mediadas e condicionadas por lógicas algorítmicas opacas, orientadas por métricas de engajamento e retenção (MASSIMO; ROKKA, 2022). O amplo volume de opções convive com padrões recorrentes de visibilidade que privilegiam conteúdos mais previsíveis e de acordo com as demandas comerciais das platformas, reforçam dinâmicas de repetição estética e limitam a diversidade de obras acessadas (FERRARO et al., 2022; TIWARI et al., 2025).
Metodologicamente, o trabalho articula uma revisão teórica sobre cultura algorítmica, plataformização e sistemas de recomendação com uma incursão netnográfica exploratória em discussões públicas de usuários no Twitter (BUCHER, 2016). A análise busca aproximar duas dimensões: a produção acadêmica que discute a opacidade e os efeitos estruturais dos algoritmos e as percepções dos usuários sobre sua experiência nas plataformas.
Os resultados indicam uma relação ambivalente com os sistemas de recomendação. Os usuários reconhecem sua utilidade prática e o conforto na tomada de decisão, mas também relatam repetição de conteúdos, limitação das sugestões e dificuldade de acessar obras fora dos padrões sugeridos (FREEMAN; GIBBS; NANSEN, 2022; SCHAFFNER et al., 2023). Essa ambivalência revela um regime de visibilidade no qual a escolha é continuamente modulada por infraestruturas técnicas pouco transparentes.
A análise permite compreender o streaming como um ambiente de escolha mediada e condicionada, no qual a governança do gosto se desloca da curadoria humana para sistemas automatizados (BONINI; GANDINI, 2019). Em diálogo com o tema do encontro, essa transformação pode ser entendida como uma reconfiguração da experiência de escolha no audiovisual, marcada pela ampliação do acesso e pela restrição dos percursos efetivamente explorados.
Bibliografia
- BONINI, T.; GANDINI, A. “First Week Is Editorial, Second Week Is Algorithmic”: Platform Gatekeepers and the Platformization of Music Curation. Social Media + Society, 2019.
BUCHER, T. “Neither black nor box: Ways of knowing algorithms”. In: Innovative methods in media and communication research. Palgrave Macmillan, 2016.
FERRARO, A. et al. Measuring Commonality in Recommendation of Cultural Content to Strengthen Cultural Citizenship. UCL, 2022.
FREEMAN, S. et al. ‘Don’t mess with my algorithm’: Exploring the relationship between listeners and automated curation and recommendation. 2022.
MASSIMO, M.; ROKKA, J. Algorithmic consumer culture. Consumption Markets & Culture, 2022.
SCHAFFNER, B. et al. Don’t Let Netflix Drive the Bus: User’s Sense of Agency Over Time and Content Choice on Netflix. ACM, 2023. TIWARI, M. et al. The Quiet Revolution: How Recommendation Algorithms Are Rewriting the Story of Culture. IRJET, 2025.