- O Guardian, em parceria com a University College London, desenvolveu um modelo de aprendizado de máquina para medir o sentimento linguístico sobre imigração no parlamento britânico ao longo de um século.
- O objetivo foi captar apenas o sentimento dirigido à imigração, distinguindo-o de linguagem emocional sobre qualquer tema.
- O conjunto de dados foi criado com 12 pessoas que rotularam manualmente mais de 1.250 trechos de discursos, classificando-os como positivo, negativo ou neutro quando tratavam de imigração.
- Foram avaliados vários modelos de linguagem de grande porte, com testes estatísticos que indicaram precisão robusta; a IA ficou restrita à etapa de anotação para ampliar o conjunto de treino.
- O modelo aplicado analisou quase 238 mil trechos relacionados à imigração entre 1925 e 2025, gerando uma pontuação de sentimento anual e por partido, sem reportar o sentimento de contribuições individuais.
O Guardian revelou uma mudança significativa na retórica sobre imigração entre deputados no parlamento do Reino Unido. A análise abrange um século de debates na Câmara dos Comuns e aponta um deslocamento mais conservador nos últimos cinco anos, segundo a equipe de ciência de dados do jornal, em parceria com a UCL. O objetivo foi medir o sentimento linguístico específico sobre imigração, separando-o de linguagem emocional genérica.
Para isso, o Guardian desenvolveu um modelo de aprendizado de máquina próprio, diferente de ferramentas prontas. O processo começou com uma lista de termos gatilho criados e revisados por especialistas em história da imigração, usados para identificar falas com maior probabilidade de tratar do tema. Essa etapa reduziu o conjunto de dados a uma amostra manejável.
Metodologia e validação
Para evitar viés na escolha de palavras, a equipe testou o método diversas vezes com combinações diferentes de termos, obtendo resultados consistentes. Um grupo de 12 pessoas rotulou manualmente mais de 1.250 trechos de falas ao longo de um século, cada um com até cinco frases. Trechos sobre imigração foram marcados e classificados como positivo, negativo ou neutro.
O grupo também avaliou o desempenho de vários Modelos de Linguagem Grande, usados para rotular mais trechos. A validação estatística indicou precisão robusta. A anotação, limitada à participação humana, ampliou o conjunto de treino para mais de 22,6 mil trechos anotados de contribuições parlamentares do último século.
O modelo sob medida foi aplicado a debates de 1925 a 2025, captando quase 238 mil trechos relacionados à imigração, cada um com uma etiqueta de sentimento. O cálculo do score anual considerou apenas os trechos sobre imigração, descontando trechos que não tratavam do tema.
O que a análise mostra e como foi medida
O score de cada ano foi obtido subtraindo o número de trechos negativos do total de positivos, dividido pela quantidade de trechos sobre imigração naquele ano. O mesmo procedimento foi aplicado separadamente para os principais partidos analisados.
A abordagem agrega falas em conjunto, não sinaliza o sentimento de contribuições individuais. Em períodos com poucas contribuições sobre imigração, partes específicas foram excluídas para manter a consistência da série.
Notas sobre alcance e limitações
A metodologia enfatiza o tom de imigração nas falas, distinguindo de linguagem emocional geral. O uso de IA foi restrito à anotação para ampliar o conjunto de dados, mantendo o papel humano no treinamento do modelo. Os resultados refletem padrões de linguagem observados na Câmara ao longo de um século, até o fim de 2025.
Entre na conversa da comunidade