Pesquisadores publicam 2 bilhões de mensagens transmitidas via Discord

Uma equipe de pesquisadores da Universidade Federal de Minas Gerais (UFMG) disponibilizou um gigantesco banco de dados com mais de 2 bilhões de mensagens trocadas via plataforma Discord. Os dados, extraídos de servidores considerados públicos, abrangem quase uma década de interações, entre 2015 e 2024.

O material foi divulgado no artigo “Discord Unveiled: A Comprehensive Dataset of Public Communication (2015-2024)”, disponível no arXiv — repositório de pré-publicações científicas em que pesquisadores do mundo todo podem publicar versões preliminares de seus estudos.

O objetivo é criar o “mais extenso conjunto de dados do Discord disponível” para apoiar pesquisas sobre saúde mental, análise de discurso político, desinformação e desenvolvimento de moderação e treinamento de chatbots. No entanto, a atuação do grupo fere os termos de uso da plataforma, além de levantar dúvidas sobre a privacidade das pessoas.

Para desenvolver o banco de dados, a equipe coletou 2 bilhões de mensagens trocadas por mais de 4 milhões de usuários. A pesquisa mapeou todos os 31.673 servidores públicos da plataforma, listados na aba “Discovery” do aplicativo até novembro de 2024, mas selecionou apenas 10% deles para a extração de mensagens.

A coleta foi realizada utilizando a própria API (Interface de Programação de Aplicação) pública do Discord, e o banco de dados foi disponibilizado online em uma série de arquivos JSON, formato usado para armazenar dados de forma organizada e legível por máquinas. O conjunto completo de dados ocupa 118 GB comprimidos.

Segundo o portal 404 Media, a publicação acendeu um alerta entre usuários e moderadores de comunidades no Discord, preocupados com a exposição de suas conversas, mesmo que os pesquisadores aleguem ter anonimizado as informações. A plataforma de comunicação é uma das mais populares entre gamers e comunidades de streamers, inclusive no Brasil.

Fonte: Tecnoblog