O Guardian revelou uma mudan\u00e7a significativa na ret\u00f3rica sobre imigra\u00e7\u00e3o entre deputados no parlamento do Reino Unido. A an\u00e1lise abrange um s\u00e9culo de debates na C\u00e2mara dos Comuns e aponta um deslocamento mais conservador nos \u00faltimos cinco anos, segundo a equipe de ci\u00eancia de dados do jornal, em parceria com a UCL. O objetivo foi medir o sentimento lingu\u00edstico espec\u00edfico sobre imigra\u00e7\u00e3o, separando-o de linguagem emocional gen\u00e9rica.<\/p>\n
Para isso, o Guardian desenvolveu um modelo de aprendizado de m\u00e1quina pr\u00f3prio, diferente de ferramentas prontas. O processo come\u00e7ou com uma lista de termos gatilho criados e revisados por especialistas em hist\u00f3ria da imigra\u00e7\u00e3o, usados para identificar falas com maior probabilidade de tratar do tema. Essa etapa reduziu o conjunto de dados a uma amostra manej\u00e1vel.<\/p>\n
Para evitar vi\u00e9s na escolha de palavras, a equipe testou o m\u00e9todo diversas vezes com combina\u00e7\u00f5es diferentes de termos, obtendo resultados consistentes. Um grupo de 12 pessoas rotulou manualmente mais de 1.250 trechos de falas ao longo de um s\u00e9culo, cada um com at\u00e9 cinco frases. Trechos sobre imigra\u00e7\u00e3o foram marcados e classificados como positivo, negativo ou neutro.<\/p>\n
O grupo tamb\u00e9m avaliou o desempenho de v\u00e1rios Modelos de Linguagem Grande, usados para rotular mais trechos. A valida\u00e7\u00e3o estat\u00edstica indicou precis\u00e3o robusta. A anota\u00e7\u00e3o, limitada \u00e0 participa\u00e7\u00e3o humana, ampliou o conjunto de treino para mais de 22,6 mil trechos anotados de contribui\u00e7\u00f5es parlamentares do \u00faltimo s\u00e9culo.<\/p>\n
O modelo sob medida foi aplicado a debates de 1925 a 2025, captando quase 238 mil trechos relacionados \u00e0 imigra\u00e7\u00e3o, cada um com uma etiqueta de sentimento. O c\u00e1lculo do score anual considerou apenas os trechos sobre imigra\u00e7\u00e3o, descontando trechos que n\u00e3o tratavam do tema.<\/p>\n
O score de cada ano foi obtido subtraindo o n\u00famero de trechos negativos do total de positivos, dividido pela quantidade de trechos sobre imigra\u00e7\u00e3o naquele ano. O mesmo procedimento foi aplicado separadamente para os principais partidos analisados.<\/p>\n
A abordagem agrega falas em conjunto, n\u00e3o sinaliza o sentimento de contribui\u00e7\u00f5es individuais. Em per\u00edodos com poucas contribui\u00e7\u00f5es sobre imigra\u00e7\u00e3o, partes espec\u00edficas foram exclu\u00eddas para manter a consist\u00eancia da s\u00e9rie.<\/p>\n
A metodologia enfatiza o tom de imigra\u00e7\u00e3o nas falas, distinguindo de linguagem emocional geral. O uso de IA foi restrito \u00e0 anota\u00e7\u00e3o para ampliar o conjunto de dados, mantendo o papel humano no treinamento do modelo. Os resultados refletem padr\u00f5es de linguagem observados na C\u00e2mara ao longo de um s\u00e9culo, at\u00e9 o fim de 2025.<\/p>\n","protected":false},"excerpt":{"rendered":"