Este painel reúne inferências descritivas extraídas das matrizes de fatoração do X e do algoritmo de consenso. O foco aqui é organizar padrões observáveis — cobertura, distribuição dos scores, macrotemas, sinais estruturais, contraste lexical e notas-exceção — sem transformar essas associações em explicação causal automática.
Os gráficos abaixo trabalham com universos ligeiramente diferentes. Algumas seções usam a base inteira; outras dependem de notas com score de polaridade, macrotema ou texto disponível. Sempre que o recorte muda, o texto explicativo tenta deixar isso explícito. O objetivo não é provar uma tese política prévia, mas organizar o que a base parece mostrar com mais consistência.
O primeiro passo é explicitar o universo que está sendo lido. Nem toda nota do arquivo já tem score latente ou macrotema,
e a proporção em CRH é muito menor do que o total de registros. Isso ajuda a separar três planos:
base completa, subconjunto enriquecido e subconjunto em CRH.
Em termos descritivos, a maior parte das notas continua em needs more ratings, enquanto o estado CRH permanece concentrado em uma parcela bem menor do conjunto. O contraste dimensiona a distância entre estar na base e ter alcançado CRH até a data do snapshot — o que não equivale a ter sido exibida, aprovada ou verificada.
A primeira leitura útil desta base enriquecida é observar onde as notas em CRH se concentram no eixo de polaridade. O gráfico de distribuição usa apenas as notas com score disponível e compara a forma relativa de dois grupos: em CRH e fora de CRH. Como as curvas são normalizadas, a pergunta principal aqui não é o volume absoluto, mas o formato da distribuição.
81,5% das notas em CRH ficam na faixa central ilustrativa |polaridade| < 0,3,
contra 36,2% entre as fora de CRH com score.
O padrão é consistente com a ideia de maior aceitabilidade transversal perto do centro do eixo latente. Ele não prova, sozinho, uma interpretação ideológica rígida do score.
Parte das notas fora de CRH pode pertencer a grupos que nem sempre são perfeitamente comparáveis
às notas elegíveis para exibição, então a leitura aqui é descritiva, não causal.
A camada temática ajuda a responder outra pergunta: os temas se comportam todos do mesmo jeito? Para cada macrotema com volume suficiente, o painel abaixo combina três dimensões: tamanho da amostra, proporção em CRH e forma da distribuição do score. O eixo horizontal usa o coeficiente de bimodalidade (BC) como um resumo heurístico da forma da polaridade; ele não é uma verdade “natural” do tema, mas uma forma útil de comparar distribuições.
Nos macrotemas com volume suficiente, há uma associação forte entre maior bimodalidade e menor proporção em CRH. Aqui, a correlação de Spearman fica em torno de -0.89.
Essa associação é compatível com a lógica de bridging do sistema, mas ainda não equivale a demonstrar um mecanismo causal único. Tema, composição da amostra e dinâmica de avaliação também importam.
Mais prudente do que dizer “o algoritmo reage ao tema” é dizer que, neste conjunto, temas com polaridade mais claramente repartida tendem a apresentar menor proporção em CRH.
| Macrotema | Notas | Em CRH | BC |
|---|---|---|---|
| Sátira clara | 9.053 | 0,7% | 0.546 |
| Crise Política | 8.258 | 5,4% | 0.706 |
| Economia e Política | 5.681 | 6,7% | 0.730 |
| Sátira de humorista | 5.538 | 20,7% | 0.453 |
| Cotas e Cortes no Ensino Superior | 5.236 | 10,0% | 0.656 |
| Taylor Swift e Política | 4.964 | 17,8% | 0.414 |
| Futebol e Racismo | 4.037 | 19,0% | 0.248 |
| Musk e Censura | 3.323 | 22,2% | 0.508 |
Nem todo padrão relevante nesta base é temático. Algumas diferenças aparecem na forma da nota: presença de URLs, extensão do texto e outros sinais de gênero discursivo. Os dois painéis abaixo trabalham apenas com notas que têm texto disponível. Eles mostram associações robustas, mas é melhor lê-las como características recorrentes das notas que atravessam o sistema, e não como uma “regra secreta” do algoritmo em sentido estrito.
CRHO salto entre 0 URL e 1 ou mais URLs é muito forte nesta amostra. Isso é coerente com a ideia de nota referencial, mas ainda não isola se o efeito vem do link em si, do tema ou do tipo de nota que costuma carregar prova externa.
O padrão aqui é mais não linear do que “quanto maior, melhor”. O principal contraste está entre notas muito curtas e notas já um pouco mais desenvolvidas.
Em vez de falar em “premiação automática”, este painel sugere que notas em CRH costumam parecer mais documentadas e um pouco mais desenvolvidas do que a média das demais.
A camada lexical tenta responder a uma pergunta concreta: que palavras aparecem com mais frequência relativa em cada extremo do eixo de polaridade? Ela aproxima o score — uma coordenada abstrata — de algo legível como vocabulário. Para estimar essa distintividade de forma robusta, o cálculo segue o método de log-odds-ratio com prior Dirichlet informativo de Monroe, Colaresi e Quinn (2008). Em vez de contar frequência bruta — que favoreceria palavras comuns —, o método produz um Z-score que penaliza tanto palavras ubíquas quanto palavras raras sem significância estatística. Como leitura prática: |Z| > 2 indica distintividade relevante; |Z| > 5 indica padrão muito nítido.
A seção combina três vistas. A primeira olha o léxico agregado — todas as notas polarizadas juntas. A segunda troca palavras por bigramas, que captam construções (“estado democrático”, “liberdade expressão”) que um único termo não revela. A terceira pergunta algo mais estrutural: o vocabulário distintivo de um polo é o mesmo em temas diferentes, ou cada tema tem o seu? A última vista, de contraste por tema selecionável, permanece ao final como a camada mais granular.
Agrupa-se em torno de economia (inflação, juros, impostos,
copom, picanha), crítica ao governo atual (governo, lula,
dilma, corrupção, esquerda) e imprensa e censura
(jornalista, censura, omite). Referências internacionais são
trump, milei, biden, maduro.
Organiza-se em dois blocos: responsabilização jurídica de Bolsonaro (tornozeleira,
inelegível, prisão, jair, tentativa) e disputa de
gênero e raça (mulher, trans, transfobia, gênero,
imane, khelif).
Os dois retratos são coerentes com leituras usuais da polarização brasileira, mas é útil lembrar que
parte da distintividade vem de eventos e nomes conjunturais. Uma palavra como khelif é
distintiva porque houve uma controvérsia específica — não porque pertence intrinsecamente a um polo.
Aparecem linhas de ataque estruturadas: governo lula, atual governo,
governo dilma; debate sobre regulação do discurso: fake news,
liberdade expressão, marco civil, civil internet; e pautas
concretas do período: comando vermelho, taxação bets,
acabar pix.
O vocabulário é fortemente jurídico-constitucional: tentativa golpe, golpe estado,
estado democrático, democrático direito, associação criminosa, dano qualificado.
E muito específico ao 8 de janeiro: patrimônio tombado, deterioração patrimônio.
Unigramas sugerem temas; bigramas sugerem argumentos. Golpe sozinho é ambíguo;
tentativa golpe e golpe estado indicam a chave discursiva. Liberdade sozinha
é neutra; liberdade expressão revela um frame específico.
Nos 6 macrotemas polarizados analisados separadamente, cerca de 97–98% das palavras que são distintivas de um polo num tema não aparecem como distintivas em nenhum outro. O vocabulário polarizado é quase totalmente específico ao assunto.
É uma observação que complica a ideia de um “dicionário fixo de cada polo”. Quem está no polo − de Economia e Política usa palavras diferentes de quem está no polo − de Transfobia e Direitos, mesmo que sejam, provavelmente, pessoas parecidas. O eixo latente parece estável no agente, mas o conteúdo muda de tema para tema.
A análise aqui cobre apenas os 6 maiores temas polarizados e usa o top-10 do Z-score. Com mais temas ou janela maior, haveria mais sobreposição. O padrão, ainda assim, é forte o suficiente para ser relevante: é raro uma mesma palavra funcionar como distintiva em múltiplos assuntos.
Ele mostra contraste lexical relativo dentro de um macrotema selecionado, entre notas com polaridade abaixo de −0,3 e acima de 0,3. Não é um "dicionário fixo" dos polos em toda a base.
O contraste lexical ajuda a ver que o eixo latente ganha manifestações linguísticas observáveis, mas essas manifestações costumam ser muito dependentes de tema, conjuntura e entidades específicas — algo que a vista de transversalidade acima já tinha antecipado de forma quantitativa.
Termos altamente distintivos podem refletir eventos, nomes próprios ou controvérsias de momento. Por isso a leitura mais segura é: “é assim que os extremos falam neste tema”, não “é assim que cada lado fala em geral”.
As camadas anteriores mostraram que notas com polaridade extrema publicam pouco — e que a linguagem das em CRH
costuma evitar opinião declarada e nomes políticos. Mas existem 738 notas nesta base que contrariam esse padrão:
têm |polaridade| > 0,3, estão em macrotemas polarizados, e ainda assim foram em CRH. São o que aqui chamamos
de notas-exceção. Compará-las com notas fora de CRH do mesmo polo e mesmo tema ajuda a descrever,
sem recorrer a mecanismos ocultos, como costuma ser a aparência de uma nota polarizada que atravessa o filtro.
Exceções: 450 no polo + e 288 no polo −, todas em um dos 11 macrotemas mais polarizados e com score
de qualidade médio três vezes maior que as fora de CRH do mesmo recorte. Controle: notas com a mesma
polaridade extrema, nos mesmos temas, que ficaram em NEEDS_MORE_RATINGS ou similar.
A comparação é descritiva — o objetivo é caracterizar o formato das notas-exceção, não afirmar que esse formato cause o estado observado.
As exceções têm, em média, ~10% mais caracteres que as fora de CRH dos mesmos polos. O efeito é modesto em magnitude, mas consistente entre os dois polos.
As exceções trazem, em média, 22–28% mais URLs. Combinado com o que a camada estrutural geral já mostrava (notas sem link dificilmente atravessam), isso reforça a ideia de que link externo é um sinal recorrente das notas que chegam ao público.
Diferença expressiva nos números presentes no texto — +33% no polo + e +14% no polo −. Datas, percentuais, valores: a nota-exceção tende a ser mais referenciada do que a média do mesmo polo.
A palavra “opinião” aparece em cerca de 2,6% das fora de CRH e em apenas 0,2–0,3% das exceções. Essa é a diferença mais nítida do gráfico — notas que se declaram como opinião quase não aparecem entre as em CRH polarizadas.
Nomes como bolsonaro, lula, governo, deputado aparecem menos nas exceções
do que nos controles do mesmo polo. A redução é consistente, não dramática — as exceções não evitam figuras políticas,
elas as mencionam com menos frequência.
Essa diferença não prova que o algoritmo “puniu” essas palavras. Mas é coerente com a leitura recorrente no painel: notas que atravessam tendem a parecer mais factuais e menos opinativas, independentemente do polo a que pertencem.
opinião cai cerca de 10×A leitura qualitativa das 30 notas mais extremas sugere um formato recorrente — abertura notarial (“É falso que…”, “Na verdade…”, “A afirmação…”), figura política como sujeito gramatical de afirmação verificável, link final. Os quatro casos abaixo são exemplos desse padrão, não amostras aleatórias — foram selecionados para ilustrar.
“A afirmação que Bolsonaro operou câncer é falsa, ele recebeu uma facada de um ex-filado do PSOL durante a campanha
eleitoral de 2018, realizando diversas cirurgias desde então devido a sequelas.”
+ link para oglobo.globo.com
“É falso que o grupo proposto Sul-Sudeste tenha sido criado para ser contra o Nordeste. A manchete do Estadão exibida
na imagem foi atualizada por eles após perceberem o erro.”
+ link para estadao.com.br
“Os deputados não votam pedidos de impeachment de ministros do STF. O print é de um site e contabiliza os deputados
que assinaram a Petição Pública para pedir o impeachment ao presidente do Senado, Rodrigo Pacheco.”
+ link para votosdeputados.com.br
“O dólar não bateu R$ 7,00. O Google mostrava erroneamente a cotação. Em todas as casas de câmbio mostrava-se o valor
correto; apenas o Google divergia. A Morning Star, empresa que alimenta a cotação do Google, admitiu o erro.”
+ link para economia.uol.com.br
Juntando as três comparações — forma estrutural, termos evitados, casos concretos — emerge um perfil observável das notas-exceção: abertura de refutação, fonte externa linkada, números concretos, figura política no papel de sujeito gramatical de uma afirmação desmentível. Isso é um perfil, não uma receita — muitas notas com esse formato não são em CRH, e algumas em CRH não têm nenhum desses traços. Mas, quando olhamos o que há de comum entre as polarizadas que atravessam o filtro, este é o retrato que a base desenha.