A Polícia Militar do Rio de Janeiro admitiu ter utilizado o ‘olhômetro’ para estimar o público em ato de Bolsonaro, enquanto a PM de São Paulo não forneceu dados. A USP, em contraste, utiliza tecnologia avançada para estimativas.
Créditos: G1
A Polícia Militar do Rio de Janeiro (PM-RJ) admitiu, através de solicitação via Lei de Acesso à Informação, que a estimativa de público no ato político liderado pelo ex-presidente Jair Bolsonaro, em 16 de março, foi realizada sem o uso de tecnologia. A corporação confirmou que a contagem de aproximadamente 400 mil pessoas presentes na manifestação, que tinha como objetivo solicitar anistia para Bolsonaro e outros envolvidos nos eventos de 8 de janeiro de 2023, foi baseada em uma avaliação visual, o chamado ‘olhômetro’. Essa abordagem contrasta com a metodologia utilizada por pesquisadores da Universidade de São Paulo (USP), que empregam tecnologia avançada para realizar estimativas de público em eventos de grande porte. Na ocasião do ato de Bolsonaro, a estimativa da USP apontou para a presença de cerca de 18,3 mil pessoas no auge da manifestação, número que gerou críticas e ataques online aos pesquisadores.
Mais recentemente, em um novo ato realizado na Avenida Paulista, em São Paulo, a equipe do Monitor do Debate Político do Centro Brasileiro de Análise e Planejamento (Cebrap), ligada à USP, estimou a presença de 12,4 mil participantes. A Polícia Militar de São Paulo, ao contrário da PM do Rio, optou por não divulgar nenhuma estimativa oficial de público para o evento. A decisão da PM-RJ de divulgar uma estimativa de público para o ato de Bolsonaro, mesmo sem o uso de métodos científicos, representou uma quebra de protocolo, já que a corporação não divulgava tais dados desde 2013. A ordem para a divulgação, segundo fontes internas, partiu do Palácio Guanabara, sede do governo do estado.
O pedido de informação sobre o método utilizado pela PM-RJ foi feito em 17 de março, um dia após a manifestação. A resposta, que deveria ter sido fornecida em 30 dias, só foi enviada dois meses depois, em 16 de junho. Na resposta, a PM detalhou o processo de estimativa: ‘A Secretaria de Estado de Polícia Militar (SEPM) agradece o contato e informa que o quantitativo de pessoas foi aferido por meio de imagens áreas feitas pelas Aeronaves do Grupamento Aeromóvel da Corporação e também pelas equipes em solo, que monitoraram o acesso à região onde acontecia a manifestação desde o seu início até o término do evento com a finalidade de monitorar a quantidade de pessoas para verificar se o efetivo policial empregado estaria adequado, e para uso Institucional.’
A estimativa da PM-RJ foi amplamente divulgada no perfil da corporação na plataforma X (antigo Twitter), alcançando grande repercussão. A publicação já ultrapassou 11,9 milhões de visualizações, enquanto o perfil da PM possui cerca de 373 mil seguidores. Em contraste com a abordagem visual da PM-RJ, os pesquisadores da USP utilizam métodos científicos baseados em pesquisa e inteligência artificial para estimar o público em eventos.
O Monitor do Debate Político no Meio Digital detalhou o processo utilizado na manifestação em Copacabana. Foram coletadas 66 fotos aéreas em diferentes horários, com seis imagens selecionadas para análise no momento de pico. As imagens cobriam toda a extensão da manifestação, garantindo a abrangência da análise. Para a contagem da multidão, os pesquisadores empregaram o método Point to Point Network (P2PNet). Esse método utiliza drones para capturar imagens aéreas da multidão, e um software de inteligência artificial analisa as imagens para identificar e marcar automaticamente as cabeças das pessoas. O sistema localiza cada indivíduo e conta quantos pontos aparecem na imagem, garantindo uma contagem precisa mesmo em áreas densas.
Segundo o Monitor do Debate Político no Meio Digital, o método P2PNet possui uma precisão de 72,9% e uma acurácia de 69,5% na identificação de indivíduos. Na contagem de público, o erro percentual absoluto médio em imagens aéreas com mais de 500 pessoas é de 12 pontos percentuais para mais ou para menos.
