Pular para o conteúdo

Contagem de multidões: uma breve história

Parque National Mall, Washington D.C., 16 de outubro de 1995. O líder do grupo ativista Nação do Islã, Louis Farrakhan, caminha até o microfone, observa a grande multidão à sua frente e se prepara para fazer um grandioso discurso diante de 1,5 milhão de pessoas. Ou talvez 2 milhões. Ou, quem sabe, apenas 400 mil. Afinal, quantas pessoas havia lá?

O caso da Million Man March é emblemático sobre um tema que atualmente gera muitas discussões. Como e por que contar grandes multidões, e mais do que isso, por que os números fornecidos divergem tanto de uma fonte para outra?

Um campo em desenvolvimento

Um dos primeiros estudiosos a se dedicar ao tema foi o jornalista americano Herbert Jacobs, na década de 1960. Ele expressava indignação com o fato de nenhuma das estimativas de tamanho de multidões dos grandes jornais dos EUA estar baseada em critérios objetivos. Era comum que os números divulgados variassem enormemente, exagerando ou subestimando os valores reais dependendo das inclinações ideológicas dos responsáveis pela contagem. Em 1967, ele lançou um método inovador [1] que se resumia a medir a área total ocupada, estimar a densidade de ocupação e multiplicar os dois números. Assim, se em um espaço de 15 mil metros quadrados houvesse 4 pessoas por metro quadrado, logo haveria 60 mil pessoas no total. Mesmo simples, esse método foi revolucionário para o desenvolvimento posterior da área, por se tratar da primeira tentativa séria de basear as estimativas em dados concretos, colhidos em campo e tratados matematicamente.

Vários aperfeiçoamentos foram inseridos nos anos seguintes, e o próprio Jacobs desenvolveu versões mais sofisticadas do método para levar em conta variações na densidade de ocupação ao longo do espaço. Em 1976, os pesquisadores John Seidler, Katherine Meyer e Lois Mac Gillivray propuseram o conceito de estimativa por zoneamento [2], baseado em contagem direta de amostras em diferentes pontos da manifestação. Nos últimos anos, foi possível até mesmo desenvolver algoritmos computacionais de contagem através de imagens estáticas [3] ou em movimento [4], baseando-se em abordagens locais a partir de amostras [5] ou em abordagens globais da multidão [6].

De volta ao National Mall

national mall
National Mall, onde foi sediada a Million Man March. Imagem: Wikimedia.

Em 1995, já existiam métodos avançados para contar multidões nos Estados Unidos. Quando os líderes ativistas discursaram no National Mall, os responsáveis pela contagem oficial eram agentes do National Park Service (NPS), que utilizavam uma versão do método de Jacobs desenvolvida anos antes pelo analista de dados Butch Street [7]. O resultado da estimativa apontou a presença de 400 mil ativistas, o que seria um número notável se o evento não se chamasse “marcha de um milhão de homens”.

Imediatamente após a divulgação da estimativa pelo governo, o NPS passou a sofrer duras críticas de Louis Farrakhan, que afirmava que ao menos um milhão de pessoas havia comparecido. Os números que os organizadores divulgaram superestimavam a quantidade medida pelo instituto em até cinco vezes [8], o que culminou com contratação de um pesquisador egípcio, Farouk El-Baz, para realizar uma nova pesquisa e se contrapor ao número oficial [9]. Usando uma metodologia questionável, El-Baz chegou ao número de 870 mil presentes, mas para isso precisou admitir uma enorme margem de erro de 25% para mais ou para menos. Após questionamentos sobre esse problema, refinou seus resultados e chegou a 837 mil, mas ainda com margem de erro de 20%.

Apesar de não contar com grande embasamento, a pressão exercida por Farrakhan e El-Baz afetou a opinião pública, gerando desconfiança sobre as informações divulgadas pelo NPS. Em consequência disso, o governo retirou do departamento a verba destinada a essa atividade em Washington D.C. Essa sanção existe até hoje, a despeito de em 2004 um novo estudo, publicado pelos pesquisadores John McCarty e Clark McPhail, ter chegado ao mesmo resultado de 400 mil manifestantes através de uma metodologia independente [10].

A origem das divergências

Já que há resultados tão díspares para estimativas feitas com diferentes métodos, faz-se necessário identificar as causas dessas diferenças. Saber se elas são provenientes de diferenças intrínsecas entre os métodos ou se são efeitos de interferências humanas é um passo fundamental para refinarmos medidas de eventos futuros rumo a uma maior convergência entre as fontes.

Há pouco mais de dez anos, qualquer tentativa de isolamento dos fatores humanos da pesquisa era inconcebível. Os métodos matemáticos eram objetivos, mas vários parâmetros de decisão, como a estimativa da densidade de ocupação de zonas e a escolha dos locais de contagem de amostras eram feitos diretamente por pessoas, envolvendo uma dose de subjetividade nada desprezível. Com o surgimento e aprimoramento de softwares de contagem de objetos, a maior parte desses trabalhos tornou-se possível de ser automatizada. Isso possibilitou a obtenção de alguns indícios sobre a fonte das divergências, já que é razoável supor que se o problema estiver nos métodos, computadores trabalhando com diferentes métodos chegarão a resultados também muito diferentes. Se o problema estiver nas pessoas aplicando os métodos, então as estimativas realizadas por computadores deverão convergir.

O desenvolvimento de novos softwares possibilitou automatizar muitos métodos de contagem. (Imagem: RYAN et. al., 2015)
O desenvolvimento de novos softwares permitiu automatizar muitos métodos de contagem. Imagem: RYAN et. al., 2015.

Um possível caminho para a resposta veio de um estudo de pesquisadores da Queensland University of Technology [11], da Austrália, que comparou dezenas de diferentes métodos de contagem, estimando via software o tamanho de cinco grupos que já haviam sido medidos de forma direta previamente. Foram detectadas diferenças significativas entre as resultados gerados, e o estudo concluiu que os que mais se aproximam da realidade são os baseados em zoneamento e contagem de amostras locais, superando os métodos de abordagem global da multidão. Ainda assim, mesmo os piores métodos tipicamente conseguiram erros muito menores que os observados nas contagens de eventos reais. Isso parece ser um bom indício de que ainda que os métodos levem a resultados diferentes, o fator humano também é preponderante para as discrepâncias que vemos. Isso pode ser decorrente de subjetividades durante a aplicação dos procedimentos ou até de falhas sistemáticas em seu planejamento e controle.

Mas por que o tamanho importa?

A esse ponto, a verdadeira relevância do tamanho de multidões pode ser uma questão incômoda. Afinal, se havia 400 mil ou 2 milhões de pessoas, a única coisa importante é que foi um evento grande e significativo, certo?

Errado. Em 1999 os pesquisadores Eric Swank e John D. Clapp defenderam que a popularidade de grupos sociais organizados está diretamente ligada ao seu potencial de alcançar metas e objetivos tangíveis. Antes disso, outros pesquisadores já haviam mostrado que o tamanho do grupo está ligado à sua capacidade de barganhar recursos com entidades de maior poder, resistir a investidas ideológicas de grupos discordantes e causar prejuízos a eles com suas próprias investidas [12].

Outro ponto de vista convergente é o das teorias de conformidade social propostas por Muzafer Sherif e Solomon Asch em meados do século passado e desenvolvidas por outros psicólogos como Wesley Schultz, Jessica Nolan e Gregory Berns [13][14]. De acordo com seus estudos, seres humanos possuem forte tendência a moldar seu comportamento de acordo com o grupo em que estão inseridos. Isso quer dizer que agrupamentos numerosos são um poderoso recurso para controle social e ferramenta útil para conseguir objetivos políticos, já que à medida que eles crescem, aumenta a pressão para que mais pessoas façam parte dele.

Agir conforme o grupo é útil em diversas situações, mas também pode levar a erros de julgamento. (Imagem: Wikimedia)
Agir conforme o grupo é útil em diversas situações, mas também pode levar a erros de julgamento. Imagem: Wikimedia.

Em um contexto como esse, ter um grupo grande é uma vantagem, mas apenas aparentar ter um grupo grande gera benefícios semelhantes. Isso seria motivação suficiente para que a organização de eventos agregadores de pessoas tenda a superestimar o tamanho de suas multidões.

Em quem acreditar então?

Os métodos de contagem de multidão têm enorme relevância para a sociedade humana, já que a adesão a grupos sociais é um dos indicadores mais visíveis de seus poderes como influenciadores de comportamento. O tamanho desses grupos, ou ao menos o tamanho que supomos que eles tenham, pode nos influenciar a apoiar ou rejeitar pautas políticas, concordar ou discordar de movimentos sociais, comprar ou não comprar produtos e serviços.

Ainda que as dezenas de propostas diferentes apresentem discordâncias significativas em seus resultados, as maiores armadilhas com relação a esses dados vêm das influências humanas. Desde falhas por escolhas subjetivas inerentes aos processos até erros metodológicos graves e básicos, tudo isso acontece o tempo todo, e as informações duvidosas chegam até nós enquanto a sociedade nos cobra posicionamentos firmes e decididos. Não existirá caminho fácil. A melhor forma de agir será exercitando o ceticismo quanto aos procedimentos e resultados, fiscalizando as premissas adotadas por cada instituição e avaliando o grau de interferência humana em cada um de seus métodos.

Referências

[1] JACOBS, H. To count a crowd. Columbia Journalism Review 6, 1967.

[2] SEIDLER , John; MEYER Katherine; Lois Mac GILLIVRAY. Collecting Data on Crowds and Rallies: A New Method of Stationary Sampling. Social Forces, Vol. 55, No. 2 (Dec., 1976), pp. 507-519, 1976.

[3] CHEN, Ke; LOY, Chen Change; GONG, Shaogang; XIANG, Tony. Feature mining for localised crowd counting. Pages 21.1–21.11. British Machine Vision Association, 2012.

[4] RABAUD, V.; BELONGIE, S. Counting crowded moving objects. Computer Vision and Pattern Recognition, IEEE Computer Society Conference Proceedings, 705–711. IEEE, New York, 2006.

[5] FEHR, D.; R. et al. Counting people in groups. In Advanced Video and Signal Based Surveillance. AVSS ’09. Sixth IEEE International Conference, pages 152 –157, September 2009.

[6] ZHANG, Junping et al. Predicting pedestrian counts in crowded scenes with rich and high-dimensional features. Intelligent Transportation Systems, IEEE Transactions, 12(4):1037 –1046, December 2011.

[7] MCKENNA, Dave. The 3 to 5 Million Man March : Crowd estimates could lead to post-swearing-in swearing, history shows. Washington City Paper, 2009.

[8] NATION OF ISLAM. About The Million Man March: A Glimpse of Heaven. 2015.

[9] EL-BAZ, Farouk. Remote sensing, controversy and the Million Man March. Earth Observation Magazine (EOM), February, 1996.

[10] MCPHAIL, Clark; MCCARTHY, John. Who Counts and How: Estimating the Size of Protests. Contexts 3(3), 2004.

[11] RYAN, D.; DENMAN, S.; SRIDHARAN, S; FOOKES, C. An evaluation of crowd counting methods features and regression models. CVIV, vol. 130, pp. 1-17, 2015.

[12] SWANK, Eric; CLAPP, John D. Some Methodological Concerns When Estimating the Size of Organizing Activities. Journal of Community Practice, Vol. 6, Iss. 3, 1999.

[13] NOLAN J. M., SCHULTZ P. W., CIALDINI R. B., GOLDSTEIN N. J., GRISKEVICIUS V. Normative social influence is underdetected. Personality and Social Psychology Bulletin, 34: 913-923, 2008.

[14] BERNS, Gregory S. et al. Neurobiological Correlates of Social Conformity and Independence During Mental Rotation. Biological Psychiatry, Volume 58, Issue 3, 245 – 253, 2005.

Leandro Domiciano

Leandro Domiciano

Bacharel em Ciência e Tecnologia e estudante de Engenharia de Gestão pela Universidade Federal do ABC; músico amador, humanista e cético. Interesses: ciência, cultura, arte, música, ceticismo científico. Escreve para o Universo Racionalista desde julho de 2015.