Escolar Documentos
Profissional Documentos
Cultura Documentos
2
segregação
ativa
nos
ritmos
urbanos
do
encontro.
Assim,
se
quisermos
entender
o
potencial
integrador
/
segregador
do
encontro,
devemos
nos
voltar
para
o
tecido
de
nossas
ações
diárias
e
movimento
além
das
áreas
segregadas.
Teoricamente,
isso
significa
a
possibilidade
de
acharmos
espacialidades
mais
complexas
da
segregação
e
potenciais
socialmente
integradores
talvez
latentes
em
locais
que
podemos
chamar
de
“convergência
social”.
Uma
visão
mais
atenta
às
práticas
urbanas
de
diferentes
grupos
sociais
requer
um
conceito
capaz
de
identificar
como
os
atores
desempenham
suas
ações
espacialmente,
de
modo
a
acessar
e
participar
de
situações
sociais.
É
importante
ressaltar
que
diferentes
mobilidades
poderiam
estar
associada
a
diferentes
grupos
sociais
e
a
diferentes
formas
de
experiência
urbana.
A
renda
dos
atores
pode
ter
efeitos
sobre
o
número
de
atividades
em
que
são
capazes
de
se
envolver.
A
localização
das
atividades
também
é
importante,
e
aqui
abordagens
à
segregação
espacial
ainda
tem
muito
a
dizer,
dado
que
a
moradia
em
lugares
acessíveis
implica
em
estamos
mais
perto
de
mais
atividades,
podendo
realizá-‐las
em
números
maiores
de
forma
materialmente
mais
eficiente.
Encontros
podem
ser
dispersos
nas
ruas
ou
polarizados
em
locais
de
trabalho,
lazer
e
consumo;
em
pontos
de
ônibus,
estações
de
metrô,
edifícios
institucionais
e
assim
por
diante.
Se
entendermos
a
cidade
como
uma
rede,
poderemos
ver
lugares
de
atividade
como
"atratores"
(Kruger,
1979;
Krafta,
1994):3
uma
parte
substancial
da
vida
social
se
desenrola
dentro
de
edifícios,
por
exemplo,
como
nossa
comunicação
e
a
possibilidade
de
relacionar
nossos
atos
com
os
atos
de
outras
pessoas.
Podemos
participar
de
uma
atividade
em
particular
se
ela
nos
interessa,
se
nós
temos
um
papel
a
desempenhar
na
mesma,
se
temos
condições
financeiras
para
fazê-‐lo,
e
se
tivermos
condições
de
chegar
nesse
lugar
-‐
e
se
sabemos
que
ele
de
fato
existe
na
cidade,
em
primeiro
lugar.
Todas
essas
coisas
significam
que
pelo
menos
algumas
atividades
são
frequentemente
sem
interessante
ou
não
acessíveis
(socialmente
e
espacialmente)
a
todos.
No
entanto,
esses
fatores
ainda
têm
impactos
sobre
nossas
ações,
como
faíscas
para
uma
densa
rede
de
movimentos
diários
provenientes
de
locais
residenciais.
Se
o
movimento
deixasse
marcas
visíveis
no
espaço,
tais
redes
de
apropriação
poderiam
revelar
o
potencial
de
encontros
e
desencontros
e
segregação
desenrolando-‐se
na
cidade.
Exatamente
o
mapeamento
destas
redes
de
ações
e
movimentações
na
cidade
é
um
objetivo
do
presente
trabalho.
Na
verdade,
a
ideia
de
mapear
trajetórias
está
longe
de
ser
nova.
O
trabalho
de
Hägerstrand
(1970)
foi
a
primeira
tentativa
sistemática
de
capturar
trajetórias
e
as
restrições
espaço-‐temporais
que
pesam
sobre
nossas
ações.
Ainda
que
a
abordagem
de
Hägerstrand
tenha
sido
uma
moda
passageira
no
início
dos
anos
1980
na
geografia
humana
(veja
Pred,
1981),
novas
abordagens
empíricas
têm
retomado
o
espírito
daquele
trabalho,
fazendo
uso
de
tecnologias
capazes
de
registrar
o
movimento
de
atores
e
identificar
padrões
de
mobilidade.4
Propomo-‐nos
a
adicionar
novas
camadas
a
essa
ideia,
e
avaliar
como
a
apropriação
cotidiana
dos
atores
molda
encontros.
Para
tanto,
exploraremos
padrões
de
mobilidade
potencialmente
relacionados
a
diferentes
grupos
sociais.
Redes
de
apropriação
urbana
estão
presentes
como
traços
evanescentes
da
nossa
presença
efetiva
no
espaço.
Se
pudéssemos
capturar
pelo
menos
uma
parte
deles,
poderíamos
ter
uma
ideia
melhor
de
como
grupos
socialmente
diferenciados
espacializam
suas
3
Derivamos
uma
forma
de
analisar
a
cidade
dos
estudos
configuracionais
urbanos,
mais
precisamente
Kruger
(1979),
Hillier
e
Hanson
(1984)
e
Krafta
(1994).
4
Um
método
desenvolvido
por
Gonzáles
et
al
(2008)
é
exemplar
em
seu
uso
de
dados
de
localização
registrados
a
partir
de
telefones
celulares
para
mapear
movimentos,
limitados
a
setores,
mostrando
que
atores
têm
uma
marcante
tendência
à
recursividade.
3
ações.
Estes
"caminhos
de
ação"
podem
moldar
as
possibilidades
do
encontro
e
de
formação
de
relações
entre
as
pessoas,
bem
como
podem
conter
os
espaços
potenciais
de
copresença
e
de
ausência
sistemáticas.
Em
outras
palavras,
esta
cartografia
das
ações
pode
permitir
compreender
a
espacialidade
da
presença
e
da
ausência
ativa
na
segregação
social.
Gostaríamos
de
adicionar
uma
definição
de
"rede
social"
particular,
que
vai
ser
útil
para
a
compreensão
de
como
a
espacialidade
do
encontro
molda
a
experiência
da
segregação
social
enquanto
dinâmica
de
formação
de
grupos
sociais.
Por
exemplo,
não
pretendemos
usar
o
conceito
como
um
arranjo
matematicamente
identificável
de
vínculos
pessoais,
como
na
abordagem
da
Social
Network
Analysis,
área
da
sociologia
quantitativa
ativa
desde
os
anos
1950.5
Usaremos
uma
definição
de
rede
social
como
um
conjunto
aberto
de
relações
mutáveis
no
tempo
-‐
especialmente
considerando
as
posições
sociais
dos
atores
e
as
circunstâncias
de
tempo-‐espaço
onde
seus
grupos
são
formados.
Esta
definição
intencionalmente
flexível
de
redes
destina-‐se
a
incluir
a
probabilidade
de
encontro,
um
fator
sociológico
que
será
chave
para
entendermos
como
aumentam
ou
diminuem
as
conexões
e
configurações
que
envolvem
os
atores
em
suas
relações
sociais.
Graficamente,
preferimos
não
representar
os
atores
por
pontos
como
na
análise
clássica
de
redes
sociais,
mas
inverteremos
essa
representação,
vendo
os
atores
como
“linhas
de
vida”
(como
em
Hägerstrand)
convergindo
para
posições
no
espaço-‐tempo,
em
relações
homológicas
com
caminhos
espaciais
reais.
Essa
inversão
busca
tornar
a
espacialidade
do
encontro
e
o
papel
do
espaço
na
construção
de
redes
sociais
mais
intuitivos
(figura
1).
Figura
1
-‐
Princípios
de
homologia
entre
as
redes
sociais
e
espaciais
operando
no
tempo.
3.
Distintas
mobilidades
Qual
é
a
chance
de
se
conhecer
pessoas
de
um
grupo
social
diferente?
Vamos
desdobrar
uma
série
de
premissas
trazidas
à
luz
de
achados
anteriores,
para
então
testarmos
essas
suposições
em
nosso
estudo
empírico.
5
Veja
abordagens
baseadas
em
teoria
dos
grafos
em
Gravonetter
(1973),
Freeman
(1978,
2006),
Scott
(1991),
Wasserman
e
Faust
(1994)
e
Marques
(2012).
4
! Primeiramente,
a
formação
de
redes
sociais
em
cidades
parece
dependem,
substancialmente,
de
circunstâncias
de
copresença.
! Em
segundo
lugar,
cidades
são
historicamente
produzidas
e
estruturadas
espacialmente
de
forma
a
tornar
situações
sociais
relativamente
-‐
em
princípio
–
acessíveis
para
possíveis
participantes,
na
forma
de
padrões
de
localização
e
acessibilidades,
revelados
especialmente
por
trabalhos
em
economia
espacial
(de
Hansen,
1959
à
Glaeser,
2010)
e
estudos
urbanos
(de
Lynch,
1960
à
Hillier,
2012).6
! Em
terceiro
lugar,
locais
de
atividade
tendem
a
aumentar
o
potencial
de
convergência
de
atores
que
compartilham
interesses
e
mobilidades
semelhantes.7
! Em
quarto
lugar,
caminhos
de
ação
capazes
de
incluir
mais
lugares
de
atividade
também
aumentariam,
em
tese,
o
potencial
de
contato
social.
Teoricamente,
quanto
mais
amplo
e
complexo
o
padrão
de
apropriação
do
espaço
em
relação
ao
número
de
casas
e
ruas
que
constituem
cidades,
mais
amplo
seria
o
potencial
para
aumentarmos
nossas
redes
sociais
pessoais.
! Em
quinto
lugar,
a
renda
desempenha
um
papel
neste
processo.
Pessoas
com
orçamentos
menores
enfrentam
mais
restrições
na
mobilidade
e
menos
diversidade
em
suas
atividades
-‐
que
por
sua
vez
leva
a
uma
menor
diversidade
de
formas
de
apropriação
do
espaço.
Como
veremos
a
seguir,
limitações
na
mobilidade
intensificam
o
localismo
-‐
o
nível
de
dependência
da
proximidade
para
se
estabelecer
redes
sociais
pessoais.
Nesses
casos,
a
densidade
de
encontros
tende
a
aumentar
especialmente
em
torno
da
residência,
enquanto
atores
sociais
tendem
a
contar
com
lugares
no
entorno
para
criar
e
manter
relacionamentos.
! Além
disso,
há
uma
gama
de
atividades
não
dependentes
de
proximidade
à
residência,
como
aquelas
em
torno
do
trabalho,
o
que
pode
aumentar
a
extensão
e
complexidade
das
trajetórias
urbanas
desses
atores.
O
transporte
público
e
o
aumenta
progressivo
da
propriedade
de
veículos
privados
nos
países
em
desenvolvimento
também
permitem
movimentos
mais
amplos
e
complexos
na
cidade.
Na
verdade,
uma
série
de
trabalhos
empíricos
têm
consistentemente
demonstrado
que
níveis
mais
altos
de
renda
permitem
menor
dependência
de
proximidade
espacial.8
Nossa
hipótese
é
que
limitações
de
mobilidade
contidas
em
padrões
de
apropriação
tenderiam
a
aumentar
a
densidade
de
encontros
entre
atores
sociais
semelhantes.
Por
sua
vez,
esta
tendência
espacial
em
direção
tanto
a
níveis
mais
altos
de
homofilia
e
a
diferentes
graus
de
conectividade
em
redes
pessoais,
ambos
gerados
por
diferenças
de
renda,
estilos
de
vida
e
mobilidades,
pode
ter
fortes
implicações
para
as
atuações
sociais
dos
atores.
Uma
série
de
estudos
oferece
suporte
para
a
ideia
de
uma
variação
substancial
nos
níveis
de
dependência
de
proximidade
na
formação
de
redes
sociais
pessoais
de
acordo
com
classe
e
renda
-‐
no
Brasil,
país
de
nosso
estudo
de
caso,
e
em
outros
países
no
mundo.
Por
exemplo,
o
estudo
recente
de
Marques
(2012)
em
São
Paulo
analisa
os
perfis
de
sociabilidade
dos
atores
em
situação
de
pobreza
e
seu
papel
na
formação
de
redes
sociais,
e
revela
diferenças
entre
as
estruturas
de
6
Há
uma
longa
tradição
desde
Alfred
Weber
(1909)
e
Hansen
(1959)
na
economia
espacial
que
tem
sido
capaz
de
identificar
padrões
de
localização
de
atividades
nas
cidades.
7
Os
efeitos
de
trajetos
lineares
sobre
a
densidade
do
encontro
foi
recentemente
teorizada
em
Bettencourt
(2013).
8
Veja
Holanda
(2000)
e
Marques
(2012).
Dados
empíricos
sobre
gastos
em
transporte
no
Brasil
mostram
que
grupos
de
alta
renda
não
apenas
gastam
mais
que
os
de
baixa
renda:
eles
gastam
mais
que
proporcionalmente
(POF,
2009;
veja
Netto,
2014).
5
redes
pessoais
de
atores
de
diferentes
classes
sociais.
Redes
na
classe
média
tendem
a
ser
pouco
dependentes
da
proximidade,
como
se
fossem
“comunidades
desterritorializadas”
pessoais
(Wellman
em
Marques,
2012)
-‐
um
padrão
muito
diferente
de
atores
em
situação
de
pobreza.
Uma
relação
similar
de
renda
e
formação
de
rede
é
encontrada
em
outros
países.
Análises
na
Califórnia,
EUA,
e
Israel
(Fischer
e
Shavit,
1995),
França
(Grosseti,
2007),
Finlândia
e
Rússia
(Lonkila,
2010)
e
China
(Lee
et
al.,
2005),
entre
outros,
sugerem
que
as
redes
pessoais
variam
mais
de
acordo
com
a
classe
do
que
em
relação
a
contextos
culturais
e
regionais.
A
relação
inversa
entre
a
dependência
de
proximidade
e
a
renda
também
encontra
suporte
em
Briggs
(2003;
2005).
Estas
abordagens
à
segregação,
no
entanto,
ainda
tendem
a
ver
o
espacialidade
das
redes
superficialmente,
principalmente
limitada
à
localização
de
áreas
residenciais.
Temos
que
esclarecer
como
a
formação
de
redes
sociais
é
efetivamente
realizada
tanto
espacial
quanto
temporalmente,
envolvendo
circunstâncias
de
copresença
e
ausência.
Poderia
a
mobilidade
-‐
e
não
a
proximidade
espacial
-‐
ser
o
fator
chave
nessa
formação?
Por
sua
vez,
abordagens
à
mobilidade
que
fazem
uso
de
informação
geográfica
derivada
de
dados
digitais
(digamos,
o
dados
de
uso
de
telefones
celulares)
ainda
estão
restritos
a
captura
de
padrões
de
comportamento
espacial
(por
exemplo,
Gonzales
et
al,
2008)
-‐
sem
qualquer
ligação
com
as
condições
sociais
dos
comportamentos
espaciais,
como
a
influência
da
renda
e
classe.
Propomos
que
uma
análise
detalhada
da
estrutura
das
rotinas
e
das
trajetórias
de
atores
urbanos
poderia
esclarecer
fatores
causais
na
formação
de
redes
separadas
e
naquilo
que
podemos
chamar,
lembrando
Young
(1990),
de
"a
invisibilidade
do
Outro".
4.
Redes
de
segregação
na
cidade
Agora
vamos
analisar
a
formação
temporal
de
redes
sociais
pessoais
em
contexto
urbano.
Parece
bastante
razoável
dizer
que
as
redes
pessoais
poderiam
ser
expandidas
ao
aumentarmos
o
acesso
a
diferentes
situações
sociais.
Também
parece
razoável
dizer
que
esse
aumento
depende
de
maior
mobilidade.
Sabemos
que
as
redes
pessoais
mais
amplas
e
diversificadas
permitem
mais
oportunidades
de
atividade
social
e
econômica
(Marques,
2012).
Chegamos
aqui
outro
ponto-‐chave
de
nossa
argumentação.
Para
que
redes
sociais
ofereçam
de
fato
mais
oportunidades
de
atividade,
as
redes
devem
antes
de
tudo
ser
formadas.
Entretanto,
lembremos
que
a
formação
de
redes
sociais
presenciais
é
uma
capacidade
espacial.
Em
outras
palavras,
a
mobilidade
e
as
trajetórias
urbanas
criam
os
encontros
que
produzem
e
expansão
de
redes,
e
geram
novos
contatos
e
oportunidades
de
atividade.
Se
estas
implicações
(lógicas
e
materiais)
fazem
sentido,
a
mobilidade
deve
ser
considerada
um
fator
potencial
chave
na
superação
do
localismo
e
na
diversificação
da
sociabilidade.
A
renda
certamente
mantém
seu
papel
central,
uma
vez
que
suporta
a
mobilidade,
mas
temos
que
considerar
que
uma
crescente
mobilidade
está
diretamente
relacionada
ao
aumento
da
capacidade
de
formarmos
e
ampliarmos
nossas
redes
pessoais.
Por
outro
lado,
uma
mobilidade
baixa
tende
a
limitar
interações,
como
podemos
ver
no
caso
de
atores
mais
pobres.
Mobilidade
e
renda
estão
associados
em
um
círculo
que
leva
a
aumentos
ou
reduções
no
potencial
para
criarmos,
mantermos
e
expandirmos
redes
pessoais.
6
Mas
como
isso
acontece?
Se
a
rede
depende
de
situações
de
encontro,
precisamos
entender
como
a
mobilidade
importa
na
estrutura
de
encontros,
enquanto
a
instância
onde
a
segregação
social
opera
no
cotidiano.
Vimos
que
a
mobilidade
pode
ter
uma
influência
direta
sobre
os
potenciais
de
interação.
Sabemos,
também,
que
os
atores
de
baixa
renda,
apesar
de
ter
mobilidades
mais
limitadas,
não
são
estáticos
dentro
de
áreas
socialmente
homogêneas.
As
diferenças
nos
seus
níveis
de
localismo
e
sociabilidade
em
suas
redes
pessoais
sugerem
variações
no
alcance
espacial
e,
por
extensão,
nas
condições
da
sua
presença
em
certos
lugares
na
cidade.
Mas
como
(e
onde)
o
potencial
do
encontro
entre
os
diferentes
se
materializa?
Para
responder
essa
questão,
precisamos
examinar
os
efeitos
de
diferentes
mobilidades
na
formação
de
redes
pessoais
dentro
e
entre
os
grupos
sociais,
a
fim
de
compreender
as
oportunidades
de
encontro.
Sugerimos
que,
se
as
redes
sociais
são
formadas
pela
realização
de
conexões
possíveis
entre
atores,
as
redes
de
classe
(ou
seja,
as
redes
sociais
que
operam
dentro
dos
grupos
em
grande
escala
com
recursos
comuns
econômicos
que
influenciam
fortemente
suas
ações
e
estilos
de
vida) 9
e
outras
formas
de
formação
de
grupos
sociais
são
moldadas
por
probabilidades
de
encontro
e
de
novas
conexões
de
redes
pessoais.
Veremos
em
nosso
estudo
empírico
abaixo
que
o
espaço
importa
aqui.
Mesmo
que
não
costumemos
pensar
nisso,
nossas
trajetórias
diárias
definem
o
cenário
de
nossas
interações
e
moldam
a
estrutura
elusiva
de
nossa
vida
social
na
cidade.
A
distância
entre
lugares
dentro
de
uma
cidade
associada
a
diferences
mobilidades
impõem
limitações
nessas
probabilidades.
Diferenças
em
mobilidade,
renda
e
estilos
de
vida
trazem
desigualdades
na
capacidade
de
participar
de
suas
situações
sociais.
Essas
incompatibilidades
são
formas
de
disjunção
do
encontro
–
de
se
desconstituir
a
possibilidade
de
encontros
que
poderiam
acontecer
de
outra
forma.
A
disjunção
do
encontro
significa
um
deslocamento
das
presenças
a
lugares
distintos.
Ela
parece
ocorrer
especialmente
entre
pessoas
socialmente
diferentes
–
ativa
nas
condições
sociais
e
materiais
que
evitam
que
pessoas
diferentes
venham
a
estar
co-‐presentes,
reconhecendo
assim
a
existência
alheia.
Dito
de
outro
modo,
há
uma
chance
muito
maior
de
redes
sociais
incorporarem
atores
que
compartilham
mobilidades
semelhantes
e
padrões
de
apropriação.
Estas
descrições
começam
a
retratar
o
complexo
tecido
da
socialidade
na
cidade.
No
entanto,
como
podemos
compreender
em
detalhe
essa
espacialidade
volátil
do
encontro?
Como
podemos
ver
o
tecido
das
trajetórias
pessoais
que
entrelaçam-‐se,
apenas
para
a
separar-‐se
adiante,
em
situações
no
espaço-‐tempo
de
nossas
vidas
urbanas?
5.
Pegadas
digitais
na
paisagem
urbana:
o
uso
metodológico
de
Big
Data
Naturalmente,
ver
a
espacialidade
dos
fluxos
tremendamente
complexos
de
convergências
e
divergências
de
nossas
ações
e
trajetos
na
cidade
parece
praticamente
impossível.
Nossos
próprios
estudos
anteriores
permaneceram
em
um
nível
de
pequena
escala,
que
faziam
uso
de
dados
sociais
e
espaciais
derivados
de
entrevistas
de
um
número
de
atores
(Netto
et
al,
2010;
Netto,
2014).
Eles
ofereceram
imagens
delicadas
da
segregação
em
redes
de
classe
social
atuando
na
cidade.
A
pergunta-‐chave
nesse
momento
é:
como
podemos
expandir
esta
abordagem
dinâmica,
de
modo
a
ver
o
panorama
da
segregação
para
uma
cidade
inteira?
9
Derivamos
essa
definição
da
definição
de
Giddens
(1993)
para
classes
sociais.
7
A
resposta
é
que
podemos
rastrear
e
registrar
o
movimento
de
uma
grande
quantidade
de
atores
(socialmente
diferentes)
na
cidade
explorando
o
potencial
enorme
do
chamado
‘Big
Data’
como
forma
de
lidar
com
um
ambiente
urbano.
Nesse
espírito,
realizamos
um
estudo
empírico
no
Rio
de
Janeiro.
O
Twitter
oferece
condições
particularmente
interessantes,
ao
tornar
seu
banco
de
metadados
público
e
em
princípio
anômimo.
O
conjunto
de
variáveis
fornecidas
pelo
Twitter
API
inclui
os
IDs
númericos
dos
usuários
(não
sua
identificação
completa)
bem
como
as
coordenadas
geográficas
e
o
timestamp
de
cada
tweet
emitido
por
esses
IDs.
Gostaríamos
de
mostrar
os
resultados
iniciais
de
um
experimento
em
andamento
no
Rio.
Coletamos
os
metadados
de
tweets
postados
na
cidade
do
Rio
de
Janeiro
entre
os
dias
12
(00:07:13
am)
e
14
de
novembro
(2:36:45)
de
2014.
Registramos
postagens
durante
o
intervalo
de
tempo
de
56
horas,
gerando
um
banco
de
dados
com
14.960
usuários,
incluindo
a
localização
espacial
e
o
momento
em
que
os
tweets
foram
feitos
(figura
2).
Figura
1
–
Total
de
tweets
no
Rio
de
Janeiro,
12/11
(12:07:13)
–
14/11/2014
(2:36:45).
Primeiramente,
padrões
temporais
se
tornam
visíveis
e
mostram
como
o
Twitter
pode
ser
usado
como
uma
forma
de
reconhecermos
o
pulso
social
da
cidade.
Há
um
aumento
constante
durante
o
dia,
um
pequeno
pico
por
volta
de
meio-‐dia,
um
rápido
crescimento
e
uma
queda
brusca
em
torno
da
meia-‐noite
até
05:00,
quando
o
ciclo
começa
novamente
(figura
3).
8
Figura
3
-‐
O
pulso
das
comunicações
na
cidade:
frequência
de
tweets
no
Rio
de
Janeiro.
Esses
metadados
permitiram
que
classificássemos
os
usuários
de
acordo
com
seu
comportamento
de
postagem.
Filtros
foram
usados
para
excluir
usuários
que
não
fornecem
dados
suficientes
para
inferir
a
localização
residencial,
excluindo
40%
dos
usuários
com
apenas
dois
ou
menos
tweets
no
período
avaliado.
Usuários-‐robô,
que
postam
de
modo
automatizado
para
fins
comerciais
(bots),
identificáveis
pelo
elevado
número
de
tweets
postados
de
uma
mesma
posição
no
espaço,
também
foram
excluídos.
Ainda,
a
análise
da
distância
Euclidiana
média
entre
as
posições
dos
tweets
revelou
usuários
cujos
deslocamentos
não
eram
relevantes
para
nosso
estudo.
Uma
classificação
estatística
via
quantil
dos
resultados
obtidos
mostrou
que
o
limiar
entre
altas
frequências
de
pequenas
distâncias
e
a
distribuição
exponencial
de
longas
distâncias
foi
de
106
metros
por
tweet.
Valores
menores
do
que
este
foram
filtrados,
reduzindo
o
conjunto
de
dados
para
78.825
tweets
postados
por
4.325
usuários.
Após
essa
sequência
de
procedimentos
de
filtragem
no
banco
inicial,
selecionamos
um
leque
de
2.543
usuários
cujo
movimento
na
cidade
era
relevante
para
o
presente
estudo.
Em
seguida,
identificamos
padrões
espaciais
e
temporais
de
postagens,
visando
a
dedução
do
local
de
residência
dos
usuários.
Os
tweets
dos
usuários
válidos
foram
espacializados
na
rede
urbana
via
modelo
de
deslocamentos
que
conecta
as
posições
geográficas
dos
tweets
através
da
lógica
de
menores
caminhos,
fazendo
uso
de
software
de
geoprocessamento
(GIS).
O
resultado
foi
uma
trama
de
milhares
de
trajetórias
dentro
da
rede
de
ruas
[FIGURA].
Deve
ficar
claro
que
a
ligação
entre
posições
das
postagens
via
menores
caminhos
não
pode
ser
tida
como
o
percurso
certamente
percorrido
por
usuários
ao
se
moverem
entre
seus
tweets,
mas
há
número
grande
o
bastante
de
estudos
teóricos
e
evidências
empíricas
(sobretudo
nos
campos
da
sintaxe
espacial,
redes
urbanas
e
estudos
de
wayfinding)
para
oferecer
confiabilidade
a
este
procedimento
enquanto
proxy
dos
movimentos
reais.
Estes
estudos
têm
mostrado
que
humanos
tendem
fortemente
a
escolher
o
menor
caminho
entre
dois
pontos,
no
sentido
métrico,
topológico
e
na
minimização
angular
entre
os
trechos
que
compõem
um
trajeto
(veja
Hillier,
2012).
O
próximo
passo
foi
diferenciar
os
atores
entre
si
usando
o
critério
da
renda.
Esse
passo
demanda
o
cruzamento
das
localizações
residenciais
e
os
trajetos
inferidos
dos
usuários
com
dados
econômicos.
Fizemos
uso
do
Censo
de
2010
do
Instituto
Brasileiro
de
Geografia
e
Estatística
(IBGE),
que
disponibiliza
dados
de
renda
para
setores
censitários
na
cidade.
Associamos
em
seguida
as
posições
iniciais
dos
tweets
com
os
setores,
o
que
permitiu
atribuir
níveis
de
rendimento
médio
9
para
os
usuários.
Analisamos
a
renda
a
partir
do
desvio
padrão
da
renda
média
per
capita
no
Rio
de
Janeiro,
que
sugeriu
faixas
entre
R$
750;
R$
1.600;
$
2.500;
R$
3.400
e
R$
6.200,
e
acima.10
Estes
valores
foram
identificados
como
grupos
sociais
de
baixa,
média-‐baixa,
média,
médio-‐alta
e
alta
renda,
diferenciadas
através
de
cores
(figura
4).
Figura
4
–
Padrão
residencial
e
posições
dos
tweets
de
acordo
com
a
renda
(azul-‐baixa
a
vermelho-‐alta)
Sumarizando,
nossos
passos
metodológicos
foram:
1.
Colheta
de
metadados
Identificação
da
posição
no
tempo
e
no
espaço
dos
tweets
postados
na
cidade
Período:
12
nov
(00:07:13)
-‐
14
(02:36:45)
2014
Usuários
ativos
do
Twitter
no
período:
14.960
usuários
2.
Filtragem
de
usuários
Número
mínimo
de
tweets
por
usuário
(3)
Exclusão
de
usuários
automáticos
Usuários
selecionados:
2.543
usuários
3.
Espacialização
dos
tweets
e
identificação
da
localização
residencial
dos
usuários
Identificação
da
localização
do
primeiro
tweet
de
manhã
(primeiro
na
sequência
de
tweets)
Confirmação
via
repetição
da
localização
do
primeiro
tweet
do
dia.
4.
Geração
dos
caminhos
mais
curtos
entre
posições
dos
tweets
dos
usuários
Um
procedimento
analítico
realizado
por
meio
de
um
software
de
GIS
nos
permitiu
encontrar
os
caminhos
mais
curtos
dentro
da
malha
urbana,
como
uma
proxy
para
os
caminhos
reais
dos
usuários.
5.
Cruzamento
dos
dados
do
censo
(renda)
com
a
localização
dos
usuários
Há
diferenças
marcantes
entre
o
que
o
mapa
gerado
a
partir
do
censo
mostra
(figura
4,
à
esquerda)
e
uma
análise
de
escala
mais
fina,
quando
nos
aproximamos
dos
atores
(figura
4,
à
direita).
As
localizações
dos
usuários
do
Twitter,
derivadas
dos
dados,
revelam
mais
complexidade
locacional
do
que
os
procedimentos
baseados
em
rendas
médias
e
setores
censitários
sugerem.
Ao
mesmo
10
Para
fins
de
confronto
e
referência
com
nosso
estudo
anterior,
o
salário
mínimo
no
Brasil
em
2010
foi
de
R
$
510,00.
10
tempo,
é
possível
identificar
padrões
de
agregação
entre
usuários
de
renda
similar.
Talvez
ironicamente,
o
mapa
dos
usuários
digitais
Twitter
parece
nos
aproximar
mais
da
cidade
real.
Uma
última
questão
metodológica
envolve
a
representatividade
do
Twitter
frente
à
população
do
Rio
de
Janeiro
–
por
exemplo,
como
saber
se
teremos
todos
as
classes
sociais
e
faixas
de
renda
que
compõem
a
cidade
proporcionalmente
presentes
no
uso
do
Twitter?
Primeiramente
comparamos
os
histogramas
das
distribuições
das
médias
de
renda
per
capita
dos
usuários
e
da
população
do
Rio
em
geral
(figura
4,
à
esquerda).
Embora
os
histogramas
mostrem
uma
semelhança
em
suas
curvas,
há
diferenças
relevantes.
Investigamos
mais
essa
questão
e
encontramos
uma
correlação
significativa
entre
a
população
(em
seus
diferentes
níveis
de
renda)
e
o
perfil
de
renda
dos
usuários
do
Twitter
(figura
5,
à
direita).
A
regressão
linear
(linha
escura)
representa
um
R
ajustado
ao
quadrado
de
0,67,
mostrando
que
a
distribuição
de
renda
dos
usuários
tem
razoável
grau
de
semelhança
com
a
distribuição
de
renda
da
população
em
geral.
Distribution of users x
Populations in sectors
Figure
5
–
Histogramas
da
média
de
renda
per
capita
da
população
do
Rio
como
um
todo
e
entre
os
2.543
usuários
do
Twitter
selecionados
no
estudo
(esquerda).
Em
seguida,
a
regressão
entre
usuários
(eixo
Y)
e
população
nos
bairros
do
Rio
(eixo
X),
com
cores
mostrando
os
níveis
de
renda
(direita).
Portanto,
o
uso
do
Twitter
não
parece
estar
associado
com
faixas
específicas
de
renda,
como
fica
evidente
na
escala
de
cores
do
gráfico
abaixo.
Essa
constatação
empírica
nos
leva
a
descartar
a
hipótese
de
exclusão
digital
dentro
da
cidade
neste
universo
de
usuários.
Outras
análises
gráficas
esclarecem
as
proporções
de
população
distribuída
nas
faixas
de
renda
no
Rio
em
comparação
com
os
usuários
do
Twitter
(figura
6)
11
Figure
6
–
Histogramas
distribuição
de
renda
na
população
do
Rio
e
entre
usuários
do
Twitter
(acima);
e
o
aumento
progressivo
na
renda
no
Rio,
mostrando
uma
grande
diferença
entre
ricos
e
outros
grupos
de
renda,
e
entre
os
usuários
do
Twitter
(áreas
cinza,
abaixo).
A
linha
vermelha
mostra
a
variação
da
média
de
renda.
O
que
os
mapas
revelam
quanto
à
segregação
dinâmica,
contida
nas
trajetórias
dos
usuários
do
Twitter
na
cidade?
Notamos
que
a
segregação
residencial
segue
um
fator
importante:
há
uma
ampla
distribuição
de
localizações
residenciais
socialmente
diferenciadas
(figura
7).
Figura
7
–
A
dinâmica
da
segregação:
usuários
em
azul
(renda
baixa),
verde
(média-‐baixa),
amarela
(renda
média),
laranja
(média-‐alta)
e
vermelho
(alta
renda).
Faixas
de
renda
de
baixa
renda
e
média-‐baixa
apresentam
considerável
sobreposição,
com
a
diferença
de
mais
profundidade
e
distância
em
relação
ao
CBD
nos
caminhos
de
baixa
renda.
Uma
diferença
mais
substancial
aparece
entre
usuários
de
renda
média-‐baixa
e
média,
seguindo
a
tendência
de
predominância
dos
caminhos
mais
próximo
ao
CBD.
Os
trajetos
de
renda
média-‐alta
e
alta
confirmam
esta
observação.
A
sobreposição
de
todos
os
caminhos
proporcionalmente
ao
volume
de
usuários
em
movimento,
no
último
mapa
da
figura
6,
torna
visível
as
predominâncias
das
redes
de
cada
faixa
de
renda.
O
panorama
dinâmico
da
segregação
fica
assim
mais
evidenciado.
Por
outro
lado,
há
uma
forte
convergência
no
centro
da
cidade
e
na
Zona
Sul,
onde
usuários
de
todas
as
classes
terminam
convergindo
em
uma
sobreposição
interessante
de
redes
de
apropriação,
ainda
12
que
haja
claramente
predominâncias.
Entretanto,
os
trajetos
de
usuários
de
rendas
mais
altas
claramente
predominam
mais
junto
ao
mar
e
à
Zona
Sul.
Esta
abordagem
permite
uma
leitura
precisa
da
extensão
da
sobreposição
das
redes
de
classe,
a
partir
dos
caminhos
de
ação
dos
usuários,
a
fim
de
verificar
o
potencial
de
copresença
de
grupos
de
renda,
buscando
mais
precisão
quanto
a
convergências
e
divergências
entre
usuários
socialmente
diferenciados.
Os
grupos
que
mais
se
sobrepõem
são
os
de
baixa
e
média-‐baixa
rendas
(1.996,10
Km).
A
sobreposição
das
movimentações
dos
mais
pobres
e
dos
mais
ricos
é
substancialmente
menor
(112,26
Km),
em
que
pese
o
menor
número
de
usuários
de
alta
renda
e
seus
percursos;
ao
passo
que
entre
baixa
e
média
rendas
há
sobreposição
de
102,81
Km.
Podemos
ainda
verificar
o
quanto
um
grupo
de
renda
compartilha
espaços
com
os
demais
grupos
em
sua
rotina
(tabela
1).
Usuários
Soma
(Km)
%
Percursos
sobrepostos
Total
percurso:
13.695,65
-‐
Baixa
renda
Sobreposição:
2.300,22
17%
Total
percurso:
22.605,81
-‐
Média-‐baixa
renda
Sobreposição:
2.974,04
13%
Total
percurso:
3.929,42
-‐
Média
renda
Sobreposição:
528,05
13%
Total
percurso:
6.090,69
-‐
Média-‐alta
renda
Sobreposição:
491,62
8%
Total
percurso:
5.784,36
-‐
Alta
renda
Sobreposição:
381,32
7%
Tabela
1
–
Nível
de
sobreposição
entre
as
redes
de
apropriação
de
cada
grupo
social
em
relação
aos
demais.
A
análise
espacial
mostra
padrões
muito
distintos
de
relações
espaciais
de
copresença
entre
atores
de
diferentes
níveis
de
renda,
visíveis
na
extensão
da
sobreposição
das
redes
de
movimentação
na
cidade.
As
linhas
e
traços
vermelhos
são
os
espaços
mais
prováveis
para
encontrarmos
atores
socialmente
distintos
(figura
8).
Pareando
os
grupos
de
menor
renda
e
os
mais
ricos
(R1xR5
e
R2xR5),
os
mapas
mostram
que
a
celebrada
Zona
Sul
não
é
apenas
uma
área
territorialmente
segregada
com
a
presença
dominante
dos
mais
ricos.
Ela
é
a
área
de
maior
visibilidade
mútua
e
copresença
entre
aqueles
de
renda
mais
alta
e
os
de
renda
mais
baixa.
Usuários
de
rendas
média-‐
baixa
e
alta
(R2xR5)
também
convergem
em
São
Conrado,
Barra
e
Recreio,
no
sudoeste
e
oeste
do
Rio,
no
centro,
e
na
Glória,
Catete
e
Flamengo,
no
início
da
Zona
sul.
Na
verdade,
usuários
de
renda
média-‐baixa
(R2;
veja
também
as
redes
em
verde
na
figura
7)
têm
um
papel
social
importante,
criado
por
um
alcance
em
seus
percursos
e
uma
mobilidade
potencializada
recentemente
pelo
aumento
de
renda
e
propriedade
do
veículo
privado
(veja
Netto,
2014).
Eles
se
sobrepõem
com
todos
os
demais
grupos
de
renda
acima
ou
abaixo
da
sua.
Usuários
de
rendas
média-‐baixa
e
média
(R2xR3)
convergem
sobretudo
em
torno
da
Tijuca
(início
da
Zona
Norte,
próximo
ao
Centro)
e
Jacarepaguá
(entre
zonas
Norte
e
Oeste).
Por
sua
vez,
as
redes
de
renda
baixa
e
média-‐baixa
(R1xR2)
mostram
forte
a
mais
extensa
sobreposição,
principalmente
nas
Zonas
Norte
e
noroeste.
Os
espaços
da
convergência
social
são
encontrados
nas
áreas
mais
densas
e
economicamente
centrais,
como
o
centro
e
a
Zona
Sul
do
Rio.
Estes
são
os
espaços
mais
prováveis
para
encontrarmos
alteridades
no
Rio
de
Janeiro.
13
Figura
8
–
Relações
espaciais
entre
grupos
de
renda:
a
sobreposição
das
movimentações
entre
pares
R1
(renda
baixa),
R2
(média-‐baixa),
R3
(média),
R4
(média-‐alta)
and
R5
(alta
renda).
6.
Conclusão:
segregação
e
a
probabilidade
da
interação
Tendo
em
vista
que
este
estudo
consiste
de
uma
proxy
capaz
apenas
de
mostrar
as
tendências
da
segregação,
podemos
observar
potenciais
de
encontro
mesmo
dentro
das
trajetórias
de
um
número
limitado
de
usuários,
o
que
sugere
a
cidade
também
como
um
lugar
de
convivência.
O
estudo
sugere
que
a
probabilidade
do
encontro
é
impregnada
de
espacialidade,
e
que
diferentes
espacialidades
igualmente
contém
diferentes
potenciais
de
interação
em
suas
estruturas
visíveis.
Essas
propriedades
materiais
da
ação
e
seus
espaços
parecem
ativas
na
passagem
da
ação
14
individual
para
a
copresença
como
fator
de
experiência
social.
A
espacialidade
urbana
parece
fazer
isso
de
um
modo
não-‐mecanicista:
a
materialização
da
vida
social
envolve
alta
variabilidade
no
arranjo
das
trajetórias
urbanas.
A
relação
inerente
entre
mobilidade,
encontro
e
heterogeneidade
espacial
abre
possibilidades
para
a
mudança
constante
e
para
a
imprevisibilidade,
uma
relação
não-‐
determinística,
imersa
em
aleatoriedade.
Contingências
entram
em
jogo
como
mudanças
imprevisíveis
em
decisões
e
escolhas
e
trajetórias,
e
na
própria
cidade,
onde
novas
atividades
e
eventos
surgem
o
tempo
todo.
A
análise
das
‘pegadas
digitais
das
redes
de
classe’
parece
revelar
essa
complexidade
de
um
modo
que
a
análise
puramente
territorial
da
segregação
não
poderia.
Neste
sentido,
nossa
abordagem
destina-‐se
a
lançar
luz
sobre
a
complexidade
da
segregação,
agora
capturada
como
uma
micro-‐
segregação
altamente
dinâmica,
ocorrendo
ao
nível
das
nossas
movimentações
e
seus
espaços.
As
probabilidades
de
encontrarmos
o
‘outro’
parecem
distribuídas
de
acordo
com
as
estruturas
espaciais
e
temporais
da
ação
de
diferentes
grupos
dentro
de
uma
cidade.
Elas
parecem
um
fator
de
coesão
mais
forte
nas
redes
operando
no
interior
das
classes
sociais,
moldadas
pelas
diferenças
de
renda,
mobilidade
e
acesso
social
a
lugares
e
eventos
urbanos.
Os
caminhos
dos
usuários
do
Twitter,
mapeados
no
espaço-‐tempo,
sugerem
uma
maior
compatibilidade
entre
certos
usuários
–
e,
por
extensão,
um
potencial
maior
de
interação
social
gerada
por
meio
de
encontros.
Os
laços
sociais
em
redes
pessoais
são
formados
a
partir
da
recursividade
dos
encontros,
de
modo
que
redes
possam
surgir
de
forma
mais
coesa
dentro
de
classes
sociais
do
que
entre
elas.
Incompatibilidades
entre
padrões
de
apropriação
da
cidade
assumem
a
forma
de
diferenças
nas
escolhas
e
capacidades
para
acessar
atividades,
a
supressão
de
certos
lugares
como
possibilidades
de
apropriação,
e
diferenças
estruturais
no
materialização
das
trajetórias
urbanas
dos
atores
no
tempo.
Referências
Briggs,
X.
(2003)
“Bridging
networks,
social
capital
and
racial
segregation
in
America”.
Faculty
Research
Working
Paper
Series,
John
F.
Kennedy
School
of
Government,
Cambridge,
MA.
Briggs,
X.
(2005)
“Social
capital
and
segregation
in
the
United
States”
In
L.Varady
(ed.),
Desegregating
the
city,
Suny
Press,
Albany,
NYBurgess,
E.W.
(1928)
Residential
Segregation
in
American
Cities.
Annals
of
the
American
Academy
of
Political
and
Social
Science
140,
105–115.
Fischer,
C.
and
Y.
Shavit
(1995)
National
differences
in
network
density:
Israel
and
the
United
States.
Social
Networks
17.2,
129–45.
Freeman,
L.
(1978)
“Segregation
in
social
networks”.
Sociological
Methods
&
Research
6.4,
411–429.
Hansen,
W.G.
(1959)
“How
acessibility
shapes
land
use.”
Journal
of
the
American
Institute
of
Planners.
v.
25,
Issue
2.
Glaeser,
E.
(2010)
The
triumph
of
the
city:
how
our
greatest
invention
makes
us
richer,
smarter,
greener,
healthier
and
happier.
New
York:
Penguim.
Giddens,
A.
(1984)
The
Constitution
of
Society.
Cambridge
Polity
Press,
Cambridge.
Giddens,
A.
(1993)
Sociology.
Cambridge
Polity
Press,
Cambridge.
Gonzales,
M.,
Hidalgo,
C.
and
Barabási,
A-‐L.
(2008)
Understanding
individual
human
mobility
patterns.
Nature
453,
479-‐
482.
Grosseti,
M.
(2007)
Are
French
networks
different?
Social
Networks
29.3,
391–404.
Hägerstrand,
T.
(1970)
What
about
people
in
regional
science?
Papers
of
the
Regional
Science
Association
24.1,
6–21.
Hillier,
B.
(2012)
The
genetic
code
for
cities:
Is
it
simpler
than
we
think?
In
Juval
Portugali,
Han
Meyer,
Egbert
Stolk
and
Ekim
Tan
(Eds)
Complexity
theoris
of
cities
have
come
of
age:
an
overview
with
implications
to
urban
planning
and
design.
London:
Springer,
pp
67-‐89.
Hillier,
B.
and
Hanson,
J.
(1984)
The
Social
Logic
of
Space.
Cambridge
University
Press,
Cambridge.
Holanda,
F.
(2000)
Class
footprints
in
the
landscape.
Urban
Design
International
5,
189-‐198.
15
Krafta,
R.
(1994)
“Urban
convergence:
morphology
and
attraction.”
Environment
and
Planning:
Planning
and
Design
B,
v.
23.
Kruger,
M.
(1979)
An
approach
to
buiIt-‐form
connectivity
at
an
urban
scale:
variations
of
connectivity
and
adjacency
measures
amongst
zones
and
other
related
topics.
Environment
and
Planning
B
6.3,
305–320.
Lee
et
al
Lee,
R.,
D.
Ruan
and
G.
Lai
(2005)
Social
structure
and
support
networks
in
Beijing
and
Hong
Kong.
Social
Networks
27.3,
249–74.
Lynch,
K.
(1960)
The
image
of
the
city.
Cambridge:
The
M.I.T.
Press.
Lonkila,
M.
(2010)
The
importance
of
work-‐related
social
ties
in
post-‐soviet
Russia:
the
role
of
co-‐workers
in
the
personal
networks
in
St.
Petersburg
and
Helsinki.
Connections
30.1,
46–56.
Maloutas,
T.
(2004)
Segregation
and
residential
mobility
spatially
entrapped
social
mobility
and
its
impact
on
segregation
in
athens.
European
Urban
and
Regional
Studies
11.3,
195–211.
Maloutas,
T.
(2007)
Segregation,
Social
Polarization
and
Immigration
in
Athens
during
the
1990s:
Theoretical
Expectations
and
Contextual
Difference.
International
Journal
of
Urban
and
Regional
Research
31.4,
733–758.
Netto,
V.M.
(2014)
Cidade
&
Sociedade:
As
Tramas
da
Prática
e
seus
Espaços.
Editora
Sulina:
Porto
Alegre.
Netto,
V.M.;
Paschoalino,
R.;
Pinheiro,
M.
(2010)
Redes
sociais
na
cidade,
ou
a
condição
urbana
da
coexistência.
Virus,
v.
01,
p.
04.
Park,
R.E.
(1916)
The
City:
Suggestions
for
the
Investigation
of
Human
Behaviour
in
the
Urban
Environment.
American
Journal
of
Sociology,
577–612;
reprinted
in
Park,
R.E.
(1957)
Human
Communities:
The
City
and
Human
Ecology.
Free
Press,
Glencoe.
Pred,
A.R.
(1981)
(ed)
Space
and
time
in
geography:
Essays
dedicated
to
Torsten
Hägerstrand.
Lund
Studies
in
Geography,
Series
B,
No.
48.
Lund:
C.W.K.
Gleerup.
Simmel,
G.
(1997)
Simmel
on
Culture.
In
D.
Frisby
and
M.
Featherston
(eds.),
Sage
Publications,
London.
Scott,
J.
(1991)
Social
Network
Analysis.
Sage
Publications,
London.
Urry,
J.
(2002)
Mobility
and
proximity.
Sociology
36.2,
255–274.
Wasserman,
S.
and
Faust,
K.
(1994)
Social
Network
Analysis:
Methods
and
Applications.
Cambridge
University
Press,
Cambridge.
Young.
I.M.
(1990)
Justice
and
the
Politics
of
Difference.
Princeton
University
Press,
Princeton.
16