Mostrando mais contedo de alta qualidade: uma anlise da filtragem
de informao por algoritmos no Facebook
Willian Fernandes Arajo willian.araujo@ufrgs.br Universidade Federal do Rio Grande do Sul
Alex Primo alex.primo@me.com Universidade Federal do Rio Grande do Sul
Resumo: O objetivo deste estudo discutir a filtragem por algoritmos no Facebook. Em agosto de 2013, os algoritmos responsveis pela hierarquizao da informao no mecanismo chamado Feed de notcias sofreram alteraes a fim de privilegiar contedos de alta qualidade. Desse modo, nossa anlise busca identificar o que esta empresa considera como contedo de alta qualidade e como tais valores se configuram na filtragem por algoritmos. Para isso, partimos do entendimento destes mecanismos como mediadores complexos e hbridos, baseado na Teoria Ator-Rede. Por fim, consideramos que a definio de contedo de alta qualidade est ligada a uma noo utilitria, da eficincia da personalizao algortmica, da seleo de contedos padronizados por escolhas anteriores com objetivo de gerar mais interaes e potencialmente mais lucros.
Os mecanismos baseados na Web que se costuma chamar de sites de redes sociais, mdias sociais ou apenas redes sociais, como cristalizado no linguajar popular, representam formas de comunicao no cotidiano de parte significativa da populao mundial. Cada vez mais notamos e discutimos a insero desses ambientes em nossas atividades dirias, como, por exemplo, nas maneiras pelas quais consumimos informao. Neste sentido, enxergamos a necessidade de discutir como os mecanismos que conformam as mdias sociais 1 agem na construo da sociabilidade e na gesto dos contedos que por eles circulam. Destacamos neste estudo as polticas de hierarquizao e atribuio de relevncia aos contedos no Facebook, um dos sites com maior volume de acessos na Web. Conforme divulgado em blog da empresa (Kacholia, 2013), o algoritmo responsvel pela hierarquizao da informao no mecanismo chamado Feed de Notcias sofreu significativas alteraes em agosto de 2013, a fim de privilegiar contedos de maior qualidade. Por isso, o objetivo do estudo identificar o que esta empresa considera como contedo de alta qualidade e como tais valores so
1 Para aludir aos servios proprietrios na web como o Facebook, usaremos mdias sociais. Primo (2012) considera o termo problemtico, pois carrega consigo uma viso idealizada do social. Entretanto, o autor destaca que este parece ser termo que menos estrago pode causar ao servir apenas como uma etiqueta para aludir a certo conjunto de meios digitais (Primo, 2012). operacionalizados na filtragem por algoritmos. Compreender estes aspectos oferece subsdios importantes para o mapeamento das direes dadas s estratgias de gesto do Facebook. Partimos do entendimento que mdias sociais agem e intervm no curso da ao, possibilitando formas diversas de organizao coletiva e associao entre humanos, assim como novas formas de associao desses humanos com os artefatos tecnolgicos, ou como a Teoria Ator-Rede (ANT) 2 prefere chamar, os actantes no humanos. Por isso, partimos do entendimento desses mecanismos como mediadores complexos e hbridos, com base na ANT, o que traz uma srie de implicaes que sero melhor detalhadas a seguir. Por fim, consideramos que a definio de contedo de alta qualidade est ligada a uma noo utilitria, da eficincia da personalizao algortmica, assim privilegiando contedos padronizados por escolhas anteriores, com objetivo de gerar mais interaes e potencialmente mais lucros.
O estudo do desvio: o conceito de mediao a partir da Teoria Ator-Rede
Tomar o conceito de mediao como entende a Teoria Ator-Rede (ANT) traz implicaes importantes para se pensar as associaes que ocorrem a partir das mdias sociais. Ao observar estes mecanismos como mediadores, o fazemos no em um modo essencialista, como se escolhssemos coloc-los em determinada categoria, optando entre mediador ou intermediador 3 . Ao contrrio, para ANT a ao de determinado agente (ou actante 4 , como o lxico desta teoria sugere) sempre relativa: cabe ao investigador estudar os desvios que um determinado mediador pode induzir no curso da ao (Latour, 2012). Logo, o conceito de mediao para ANT est calcado na premissa de desvio, de traduo: termo usado por Latour (1994) no para se referir mudana de uma lngua a outra, mas sim para marcar a mediao, o deslocamento, a variao, a inveno de uma ligao que no existia e que at certo ponto, modifica os dois agentes em associao (Latour, 1994). Porm, o mesmo actante (humano ou no humano) pode em outro momento tornar-se um intermediador que no notado no curso da ao. No h essncia, s o que se deve tomar em conta a ao. Por isso, Latour (1994: 33, traduo nossa 5 ) diz que essncia existncia e existncia ao. a ao que produz a diferena, a mediao. E, por isso, deixa rastros (Lemos, 2013). Toda a associao deixa vestgios, que devem ser retraados pelo pesquisador a fim de entender a agncia dos mediadores. No suporte digital os rastros da mediao so mais persistentes e abundantes, graas caracterstica da cibercultura, produtora de controle e monitoramento informacional das aes de humanos e no humanos (LEMOS, 2013, p. 121).
2 Acrnimo de sua nomeao em ingls: Actor-Network Theory. 3 Intermediador representa a entidade que no interfere no curso da ao, sendo um transmissor invisibilizado pela no agncia no processo de associao. Para caracterizar os intermediadores, Latour (2012: 65) tem uma definio simples e prtica: definir o que entra j define o que sai. Ou seja, para considerar um actante como mediador necessrio abrir a caixa preta que o torna um intermediador (Lemos, 2013). 4 Termo se refere a qualquer entidade, humana ou no, que atue para composio de redes temporrias engajadas em determinado programa de ao (Lemos, 2013). 5 Texto original: Essence is existence and existence is action. Neste sentido, rastros da mediao podem ser produzidos em materialidades de diversos tipos. Por exemplo, em de mdias sociais como o Facebook, podemos fazer emergir rastros da agncia desses mecanismos atravs das suas diversas formas de existncia, como nas suas interfaces, nos registros (logs) de uso dos seus recursos, nas instrues aos usurios e polticas de uso das ferramentas, nas entrevistas e relatos de seus produtores (engenheiros, executivos, etc.), etc. So atravs da identificao e produo de alguns dos rastros deixados pela agncia dos mecanismos que conformam o Feed de Notcias do Facebook que discutiremos nos itens a seguir. Neste sentido, no se deve ocupar posies definitivas sobre o tipo de agncia desses mediadores: todo o caso particular e caber ao pesquisador seguir os rastros deixados por estas associaes. Como ressaltam Latour (1994) e Lemos (2013), no existe essncia, Twitter e Facebook, por exemplo, podem ser instrumentos de alienao e explorao, assim como podem servir como potentes espaos para mobilizao poltica. Ou seja, tom-los como mediadores hbridos implica em reconhecer que: a) mdias sociais possuem agncia; b) no possvel pr-determinar o tipo desta agncia; c) devemos observar cada caso em sua especificidade; d) tais mecanismos so resultado momentneo da associao de diversos actantes, humanos (gestores, desenvolvedores, anunciantes, usurios, etc.) e no humanos (cdigos, protocolos, algoritmos, interfaces, servidores, bancos de dados, etc.); e) as associaes que ocorrem tendem a modificar os actantes; f) a agncia desses mecanismos deixam rastros que devem ser reconstrudos pelo pesquisador. Ento, nos prximos itens passamos a apresentar aspectos da ao dos mecanismos de filtragem informativa do Facebook na gesto dos contedos que por eles circulam.
EdgeRank e Feed de notcias
Apesar de ser hoje a face mais visvel do Facebook, o Feed de Notcias foi apenas implementado em 2006 (Vogelstein, 2007), convertendo-se em um dos diferenciais competitivos que ajudou a consolid-lo como um dos maiores ambientes de trocas informativas na Web (Pariser, 2012). Este recurso configura-se como uma coluna central na primeira pgina acessada pelos usurios do site, como uma lista de publicaes em fluxo contnuo que concentra em um mesmo espao contedos de diversos tipos (textos, fotos, vdeos, links), originados por amigos 6 (atravs de seus perfis), pelos recursos de Pginas 7 , por aplicativos usados e pelos anncios veiculados no mecanismo (Facebook, 2013). O Feed de notcias apresenta duas verses quando acessado por um navegador de Web 8 : na opo mais recentes, possvel ver os contedos na sua ordem de publicao. J na opo Principais
6 Referimos-nos a amigos no sentido que o prprio Facebook d, como os usurios conectados atravs do site. 7 importante compreendermos aqui a diferena entre Pginas e Perfis. As Pginas so espaos dentro do Facebook voltados a empresas, organizaes, marcas, etc, onde qualquer pessoa pode se conectar atravs da opo de curtir. Como se v, uma forma de comunicao idealizada para a relao com pblicos amplos. J o Perfil, recurso recorrente em sites de redes sociais, voltado ao uso individual, no qual o Facebook busca fomentar a prevalncia de identidades reais. Para mais detalhes sobre essas diferenas, ver : https://www.facebook.com/help/217671661585622 8 Quando acessamos o Feed de Notcias a partir de aplicativos para dispositivos mveis, o Facebook apresenta uma configurao diversa, com consideravelmente menos opes para gerenciamento das publicaes veiculadas neste espao. histrias, sero destacadas as histrias consideradas mais interessantes de acordo com os critrios de filtragem. Alm disto, o usurio do Facebook possui opes de gerenciamento sobre quais amigos tero seus contedos destacados neste ambiente. A implementao do Feed de notcias vista pelo Facebook como gatilho para o desenvolvimento de mecanismos capazes de lidar com o significativo volume de postagens que passam a integrar esse espao: atualmente, cada vez que algum acessa o Feed de Notcias existem em mdia 1500 contedos potenciais a serem mostrados (Backstrom, 2013). Para resolver este problema foram desenvolvidos processos algortmicos para hierarquizao e atribuio de relevncia aos contedos que integram o Feed de Notcias de cada usurio. Este algoritmo de ranqueamento ficou popularmente conhecido como EdgeRank, apesar da empresa rejeitar esta nomeao, informando que no tem nenhum produto ou sistema assim chamado (Thomas, 2013). Bucher (2012) chama esse processo de filtragem exercido por algoritmos como a voz editorial algortmica do Facebook, no qual se cria um regime de visibilidade com relao inversa ao panptico foucaultiano, onde a ameaa da invisibilidade faz usurios seguir certa lgica incorporada na arquitetura da plataforma (Bucher, 2012). Backstrom (2013), engenheiro da empresa, enfatiza atravs do blog Facebook for Business 9 que o objetivo da filtragem exercida pelo EdgeRank garantir que no Feed de Notcias sejam includos os contedos certos, para as pessoas certas, no momento certo. Para isto, sabe-se que o EdgeRank classifica toda a interao passvel de ser includa no Feed de Notcias com um valor de relevncia. De acordo com Backstrom (2013), o algoritmo responde aos rastros deixados pelo usurio durante o uso do Feed de Notcias. Desse modo, sabe-se que a matemtica para definir o valor de relevncia dos contedos filtrados para cada usurio do site se constitui ao menos atravs de trs fatores principais (Bucher, 2012; Pariser, 2012): a) Afinidade: Se refere ao relacionamento atravs do Facebook entre o usurio e o amigo gerador do contedo avaliado. Aqui so levadas em considerao a quantidade e natureza das interaes: quanto mais interagir com determinado amigo, maior a probabilidade de suas atividades figurarem no Feed de Notcias; b) Peso relativo: A cada contedo dado um peso de acordo com sua popularidade ou importncia, conforme o entendimento do Facebook (Bucher, 2012). O significado de popularidade aqui est intimamente ligado s taxas de comentrios, compartilhamentos e seleo do boto de curtir de cada publicao; c) Tempo: Por fim, componente mais intuitivo, o tempo da ao em relao ao acesso ao Feed de Notcias pelo interagente. Em tese, quanto maior o tempo decorrido da ao ao acesso, menos importante o contedo ser considerado. Entretanto, o Facebook informou sobre uma atualizao em seu algoritmo que possibilita a publicaes que permaneam com nmero relevante de interaes sejam reapresentadas no Feed de Notcias, mesmo antes de
9 O blog o espao oficial da empresa para esclarecimento aos anunciantes sobre seus servios. publicaes mais recentes (Backstrom, 2013). Conforme Backstrom, em testes com interagentes do Facebook, a mudana apresentou um aumento de 5% a 8% nas interaes com as postagens. O que, em ltima anlise, representa um aumento de lucratividade da empresa. Dessa maneira, a escala de relevncia dos contedos no Feed de Notcias atribuda principalmente atravs da multiplicao entre Afinidade, Peso Relativo e o Tempo. Assim, o resultado dessa filtragem que, quando utilizado em modo de Principais histrias, o Feed de Notcias tende apresentar 20% das publicaes consideradas mais relevantes para cada interagente do total de publicaes em um dado perodo (Backstrom, 2013). Entretanto, como pondera Bucher (2012), importante reconhecer que outros fatores, muitos deles desconhecidos, so considerados nas lgicas codificadas nos algoritmos. Estes mecanismos so fluidos, adaptveis e mutveis, no podendo ser pensados como estruturas que apenas impem uma lgica especfica.
A agncia da mquina de identificao de contedo de alta qualidade
Ainda em 2013, o Facebook informou uma alterao do seu algoritmo de ranqueamento no Feed de Notcias, dando mais detalhes sobre o funcionamento do mecanismo. Conforme Kacholia (2013), engenheiro da empresa, novos procedimentos foram acrescido no processo de filtragem com o objetivo de garantir maior visibilidade a contedos considerados de alta qualidade, publicados por Pginas no Facebook. A atualizao implementada em um momento onde a visibilidade no Facebook disputada pelos gestores de Pginas atravs de estratgias para que seus contedos sejam melhor avaliados pelo EdgeRank, assim como pelo pagamento para obter mais visibilidade atravs de anncios direcionados. De acordo com o relato de Kacholia (2013), o conceito de contedo de alta qualidade foi desenvolvido atravs de uma pesquisa com um pequeno nmero de usurios do mecanismo. Entre os parmetros divulgados listam-se questes como contedo relevante e oportuno, genuinamente interessante, fonte confivel e postagem de baixa qualidade ou meme (Kacholia, 2013). Outro aspecto considerado no questionrio a tentativa de identificar Pginas que ao publicarem determinado contedo solicitam aos interagentes que curtam a publicao. Tal prtica considerada pelo Facebook como trapaa com os critrios de aferio de relevncia pelo seu algoritmo (Costine, 2013). A partir das respostas, Kacholia (2013) informa que foi desenvolvido um sistema de aprendizado de mquina, que leva em considerao mais de mil fatores distintos. Entretanto, apenas alguns so divulgados: a freqncia com que o contedo de uma determinada pgina relatado como de baixa qualidade (como atravs da ocultao de postagens, poucas curtidas), o quo completo o perfil da pgina e se sua base de fs coincide com a de outras Pginas consideradas de alta qualidade (Kacholia, 2013). Atravs desses aspectos pode-se reconhecer a complexidade do algoritmo, que extrapola sobremaneira uma suposta trivialidade da to debatida frmula afinidade-peso-tempo. A partir da implementao deste novo fator na filtragem algortmica no Feed de Notcias, Kacholia (2013) garante que o mecanismo obteve xito, pois nos testes realizados aleatoriamente com mais de 20 milhes de usurios houve um crescimento das taxas de interao com os contedos selecionados. Tambm, houve um decrscimo do nmero de postagens ocultadas (Kacholia, 2013). Atravs da abordagem aqui proposta, possvel estabelecer algumas consideraes sobre as aes configuradas na mediao realizada pelo Facebook em seu Feed de Notcias. O entendimento de contedo de qualidade baseado em uma viso utilitria das relaes que se estabelecem no Facebook. Ou seja, a qualidade do contedo, diante dos clculos do EdgeRank, est na sua capacidade de gerar volume de interaes, respeitando os critrios estabelecidos no algoritmo. Notamos que o objetivo de privilegiar informao de alta qualidade construdo atravs da implementao de mecanismos que causam maior interferncia no processo de visibilidade do Feed de Notcias. Destacamos, por exemplo, as intervenes do Facebook para diminuir a circulao de memes, contedos humorsticos de rpido consumo e apropriao (Kacholia, 2013). Observamos esta ao como estratgia para garantir a relevncia do produto da empresa em um mercado altamente competitivo. Como explica Dijck (2013), o potencial de uma plataforma de fornecer boa conectividade no diz respeito apenas s faculdades tcnicas de estabelecimento de conexo, mas tambm sobre a natureza e qualidade dos contedos que por l circulam. Muito embora a lgica potencial do algoritmo seja a mesma aplicada em todos Feeds de Notcias, ela se atualiza em cada uso individual. Essa personalizao leva em conta que posts so curtidos, ocultados, comentados e compartilhados (entre outros recursos aqui relatados). Ou seja a filtragem automtica que compor cada Feed de Notcias particular, julgando quais posts sero exibidos e em qual ordem, operacionalizado em tempo real a partir de uma mensurao da relevncia das informaes. Em outras palavras, trata-se da pretensa quantificao do qualitativo. Mas se a definio do que relevante e de qualidade uma avaliao subjetiva, situada e momentnea, como pode um mecanismo acertar ao escolher a priori o que uma pessoa gostaria de ler? E se ela gostar de memes, sendo essa uma das razes por sua consulta frequente ao Facebook? Outro problema a ser destacado que a manifestao explcita de curtidas, comentrios e compartilhamentos, e a privada ocultao de posts e suspenso da assinatura de Pginas representam um nmero restrito de aes, aquelas que so observveis pelo sistema. O julgamento pessoal do que relevante em dado momento fruto de uma infinidade de condicionantes, que nem mesmo o prprio sujeito julgador tem condies de reconhecer e listar. A insatisfao com o provvel descompasso entre o pr-julgamento da empresa Facebook e a avaliao pessoal de qualidade relatada por Philippe Durand em um dos comentrios ao texto de Kacholia (2013: online, traduo nossa) no site Facebook for Business:
No se incomode com algoritmos. Seu eu gosto de uma pgina, isso significa que eu considero seu contedo de alta qualidade para mim. Logo, eu gostaria de ver tudo que essa pgina publica. Se eu no mais a considerar de qualidade, ento eu desmarcarei minha curtida naquela pgina. simples assim. Por favor, pare de decidir por mim o que eu devo ou no ler 10
Por outro lado, considerados os objetivos mercadolgicos da empresa Facebook, pode- se antever que o algoritmo encontra suas metas no terreno da efetividade. Ou seja, quanto mais personalizadas (segundo a perspectiva do Facebook) forem as ofertas de informao, maior ser a chance de o usurio ser exposto a mensagens publicitrias. esta tendncia que Pariser (2012) busca criticar, denominando tais operaes como filtros invisveis. Para o autor, o papel redemocratizante que se atribua Internet em seu princpio se v ameaado pela busca empresarial da personalizao. A democracia exige que os cidados enxerguem as coisas pelo ponto de vista dos outros; em vez disso, estamos cada vez mais fechados em nossas prprias bolhas (Pariser, 2012, p. 10). Pariser (2012) comenta que identificou a ao de algoritmos de personalizao no Facebook quando gradativamente passou a no receber as postagens de amigos com viso poltica contrria sua. Interessantemente, embora discordasse das opinies de seus adversrios polticos, tais informaes eram julgadas por ele como altamente relevantes, pois a partir delas poderia desenvolver novos argumentos. Mas, como no as curtia ou compartilhava, o Facebook passou a defini-las a priori como irrelevantes. Como se v, esta concepo problemtica do que relevante nos ajuda a entender o que o Facebook considera contedo de maior qualidade: contedo padronizado por escolhas anteriores com objetivo de gerar mais interaes e potencialmente mais lucros. Outrossim, nem as empresas e marcas avaliam bem o algoritmo reformado que passou a afetar suas Pginas. Conforme Slegg (2014), a real motivao pela alterao no mecanismo foi diminuir a incidncia de posts de Pginas nos Feeds para que as empresas passem a pagar para que suas publicaes sejam exibidas. Vale lembrar que o Facebook oferece um recurso pago que fora o aparecimento de posts no Feeds de potenciais consumidores. Quanto mais se paga, maior o alcance da mensagem (levando a publicao a amigos de pessoas que curtiram a Pgina e assim sucessivamente). Nesse sentido, acusa-se o anunciado privilgio a contedos de qualidade como uma manobra econmica, visando lucros superiores.
Consideraes finais
No era inteno deste artigo avaliar quo preciso pode ser a seleo e hierarquizao de informaes no Feed de notcias de cada pessoa no sistema. Nem tampouco apontar se de fato as Pginas de marcas vinham publicando contedos pouco informativos ou se o Facebook est chantageando as empresas a pagarem pela ateno de sua audincia. O que nos importa
10 Texto original: Don't bother with the algorithms. If I like a page, it means I consider its content of high quality for me. Therefore, I would like to see everything this page publishes. If I no longer consider it of quality, then I uncheck like on that page. It's that simple. Please stop deciding for me what I should or shouldn't read. aqui mostrar como o Facebook no pode ser visto como um simples intermedirio, que serve de mera ponte por onde trafegam informaes. Em verdade, trata-se de um mediador que participa ativamente das interaes. Sua participao tal que muda o curso das aes e transforma os outros envolvidos. No se pode supor, todavia, que sua interferncia se d na degradao das mensagens atravs de rudos impostos, segundo a Teoria da Informao. Muito alm disso, a agncia desse dispositivo digital to significativa que ele faz os outros actantes (humanos e no humanos) fazerem coisas. Ao mesmo tempo que o Facebook filtra e organiza o volume de informao disponveis para cada cliente, estes tambm lhe delegam tal tarefa e dele esperam uma experincia interativa gil, relevante e prazerosa. Assim que essa condio for mudada, outro servio concorrente pode levar embora sua audincia. Tampouco deveria surpreender que o Facebook manipule seus algoritmos de forma a pagar sua cara estrutura e gerar lucros. Da mesma forma, compreende-se a resistncia dos mantenedores de Pginas ao verem o alcance de seus posts reduzido, j que at ento gozavam de uma divulgao gratuita (ou pouco gastavam) para atingir um pblico bem segmentado. Contudo, toda esta movimentao, incluindo as presses recebidas pela empresa Facebook, mostra como, mais do que intermediao, as intrincadas associaes produzem novas aes e modificam o real. Finalmente, cabe destacar que a complexidade do sistema digital como um todo chama ateno para seu carter hbrido. Facebook um sistema informtico, mas tambm uma empresa que visa lucros. Sua interface (a dimenso mais visvel e mais conhecida) e seus algoritmos agem a partir das associaes entre humanos e no humanos. Nesse sentido, pode-se reconhecer as associaes contnuas que conformam redes, nas quais cada um se transforma em virtude do outro.
Referncias
Backstrom, L. (2013). News Feed FYI: A Window Into News Feed. Facebook for Business. Disponvel em: <https://www.facebook.com/business/news/News-Feed-FYI-A-Window-Into- News-Feed>. Acesso em: 07 jan. 2014.
Bucher, T. (2012). Want to be on the top? Algorithmic power and the threat of invisibility on Facebook. New Media Society. Vol. 0, Issue 0, pp.1 17.
Dijck, J. v (2013). Facebook and the Engineering of Connectivity: A multi-layered approach to social media platforms. Convergence: The International Journal of Research into New Media Technologies, pp.1-15.
Facebook (2013). O que o Feed de notcias? Disponvel em: <https://www.facebook.com/help/www/210346402339221>. Acesso em: 07 jan. 2014.
Kacholia, V. (2013). News Feed FYI: Showing More High Quality Content. Disponvel em: <https://www.facebook.com/business/news/News-Feed-FYI-Showing-More-High-Quality- Content>. Acesso em: 07 jan. 2014.
Latour, B. (1994). On Technical Mediation, in Common Knowledge Vol. 3 Issue 2, pp. 29-64.
_____ (2012). Reagregando o social: uma introduo teoria do Ator-rede. Bauru: EDUFBA, Salvador: UDUSC.
Lemos, A. (2013). A comunicao das coisas: Teoria Ator-Rede e Cibercultura. So Paulo: Annablume.
Pariser, E. (2012). O filtro invisvel: o que a internet est escondendo de voc. Rio de Janeiro: Jorge Zahar editor.
Primo, A. (2012). O que h de social nas mdias sociais? Reflexes a partir da Teoria Ator- Rede. Contemporanea, vol. 10, pp. 618-641.
Thomas, O. (2013). Here's Why Everyone's Going Crazy About Facebook's News FeedAnd Why It Will Never Stop. Business Insider. Disponvel em: <http://www.businessinsider.com/facebook-edgerank-ad-controversy-2013-3#ixzz2sekzIIyX>. Acesso em: 11 fev. 2014.
Vogelstein, F. (2007). How Mark Zuckerberg Turned Facebook Into the Web's Hottest Platform. Wired. Disponvel em: <http://www.wired.com/techbiz/startups/news/2007/09/ff_facebook?currentPage=all>.Acesso em: 20 dez. 2013.