Como surgiu esse trabalho

  • Eleições presidenciais de 2018 e 2022 no Brasil evidenciaram uma profunda cisão ideológica entre os eleitores;

  • Complexidade das interações sociais e políticas na era digital;

  • identificar fatores que contribuem para a consolidação de narrativas polarizadoras, mapear mecanismos de influência e prever tendências futuras.

Qual o objetivo e como chegar nele

Objetivo Principal

  • utilizar métodos computacionais para prever o comportamento do apoiador “bolsonarista’;

Para atingir esse objetivo

  • dois trabalhos foram feitos: a) A Navalha de Ockham do Bolsonarismo, e b) Redes Neurais e Polarização Política - Modelo BERT-Vi;

Principais conceitos

Principais conceitos

Teoria da Representação (SI)

  • Como informações são estruturadas e processadas para capturar e representar propriedades de sistemas complexos, como comportamentos políticos, dentro de um contexto matemático ou algorítmico;

  • Como conhecemos e conceituamos o mundo; critérios de verdade, validade ou relevância; o que torna uma descrição “adequada” ou “suficiente”; quais metadados ou categorias utilizar podem variar de acordo com o contexto cultural;

  • Quanto melhor essa representação, mais fácil se torna buscar, relacionar e usá-la.

Mas o que é o Bolsonarismo?

  • uma breve digressão metonímica;

Renno: The bolsonaro voter: Issue positions and vote choice in the 2018 brazilian presidential elections (2020).

  • ressentimento contra o PT, uma perspectiva de reação cultural, visões estritas sobre lei e ordem, liberalismo econômico e rejeição de políticas sociais;

Amaral: The victory of jair bolsonaro according to the brazilian electoral study of 2018.

  • identificação política; O aumento significativo do “antipetismo”, tornando-se um fator crucial na vitória de Bolsonaro;
  • Diferencial deste trabalho

Métodos, análises e resultados

  • Representando o Bolsonarismo e o Antipetismo:

  • A classe “bolsonarista”será obtida a partir do redimensionamento das variáveis discretas: gosta do Bolsonaro (0 não gosta e 10 gosta) e ideologia (0 esquerda e 10 direita) do ESEB 2022;

  • “antipetista”será obtida a partir do redimensionamento das variáveis discretas: gosta do Lula (0 não gosta e 10 gosta) e gosta do Partido dos Trabalhadores (PT) (0 não gosta e 10 gosta).

  • Não só redimensionar os dados, mas para testar e representar a convergência dos entrevistados em torno dos conceitos chaves para essa análise.

Métodos, análises e resultados

  • O Fuzzy C-Means é um algoritmo de agrupamento baseado em lógica fuzzy, que atribui níveis de associação a cada ponto de dados com base na sua distância para os centros dos clusters

  • A capacidade de atribuir graus de pertencimento a diferentes agrupamentos reflete a ideia central da representação: traduzir ambiguidades e transições graduais, típicas do comportamento humano, em um sistema formal.

  • Permite representar o “bolsonarismo”e o “antipetismo”como não mutuamente exclusivos, capturando a sobreposição e a interação entre esses fenômenos.

Métodos, análises e resultados

Métodos análises e resultados

Métodos análises e resultados

Métodos análises e resultados

Métodos análises e resultados

Para entender o efeito do “antipetismo” sobre o “bolsonarismo”:

  • A RL mostrará o efeito do antipetismo sobre o bolsonarismo como um todo;

  • Fuzzy Regression Discontinuity - FRD: mostrará o efeito do antipetismo após o corte de tratamento;

  • O corte é necessário porquanto o objeto dessa análise são os eleitores com alto grau de pertencimento ao grupamento “bolsonarista”;

  • probabilidade de receber o tratamento não é perfeitamente determinística na regra de corte, resultando em uma descontinuidade na probabilidade de tratamento em vez de uma descontinuidade no tratamento em si;

Métodos análises e resultados

  • RL: Cada aumento de uma unidade em “antipetismo”está associado a um aumento de 0.7587 unidades em bolsonarismo;

  • FRD: Leve redução de 0.1100 unidades em “bolsonarismo”para indivíduos logo acima do ponto de corte (antipetismo > 0.75);

  • Antipetismo como necessário, mas não suficiente;

  • E AGORA?

Métodos análises e resultados

  • são analisadas as variáveis relacionadas ao apoio de golpe militar (“intervenção militar”). Analisa-se como o apoio a essas “intervenções”está relacionada com as variáveis de grau de pertencimento ao agrupamento “bolsonarista”e ao agrupamento “antipetista”;

  • Como “antipetismo” se mostrou uma categoria por si só; ele começa a ser tratado também como variável alvo;

  • Três modelos de regressão logística para avaliar a influência das variáveis bolsonarismo, antipetismo e sua interação sobre a probabilidade de ser a favor de uma intervenção militar em diferentes contextos: crimes, corrupção e problemas institucionais.

Métodos análises e resultados

Métodos análises e resultados

  • Como a regressão logística avalia variáveis dependentes binárias, métrica AUC (Área Sob a Curva) ROC (Receiver Operating Characteristic) é amplamente utilizada para avaliar a performance desses modelos binários;

  • Relação entre a taxa de verdadeiros positivos (True Positive Rate - TPR) e a taxa de falsos positivos (False Positive Rate - FPR);

  • Resultados sugerem que “bolsonarismo”é uma variável preditiva mais robusta do que “antipetismo”na previsão do apoio à intervenção militar. A interação entre as duas variáveis acrescenta algum valor preditivo, mas não o suficiente para superar o poder preditivo do “bolsonarismo”por si só.

Métodos análises e resultados

Conclusão Navalha de Ockham do Bolsonarismo

  • Os resultados indicam que, embora o “antipetismo”seja um fator significativo na determinação do “bolsonarismo”, ele não é suficiente por si só;

  • Esses resultados sugerem que “bolsonarismo”é uma variável preditiva mais robusta do que “antipetismo”na previsão do apoio à intervenção militar. A interação entre as duas variáveis acrescenta algum valor preditivo, mas não o suficiente para superar o poder preditivo do “bolsonarismo”por si só;

  • Analisar somente o voto (como foi feito por Reno e Amaral) mascara o fato de que há “antipetistas”que não são “bolsonaristas”e, por essa razão, não compartilham dos mesmos traços que a literatura canônica sobre “bolsonarismo”estabelece.

Redes Neurais e Polarização Política

Objetivo Geral:

  • entender como redes neurais podem ser utilizadas para detectar posicionamentos políticos;

Como isso é feito?

  • fazer uma análise exploratória das respostas dadas pelos entrevistados com o intuito de encontrar padrões e convergências que sustentem a construção de um modelo específico para essa análise;

  • será construído um modelo de rede neural de classificação que sustente que as respostas convergem de maneira preditiva;

Teoria da Representação

  • aplicação de representações permite que o modelo capture as interações entre dimensões ideológicas e sociais, como progressismo e conservadorismo, ou entre alinhamentos partidário;

  • esse trabalho se encaixa no âmbito da Teoria da Representação ao abordar como diferentes formas de dados políticos, como transcrições de entrevistas e respostas a pesquisas podem ser sistematicamente transformadas em representações estruturadas.

Banco de Dados

  • Transcrição das entrevistas em grupos focais de profundidades realizadas em ESTRELLA; BORBA, 2024.

  • 62 pessoas; grupos compostos de forma mista, incluindo homens e mulheres, com idades entre 25 e 55 anos, pertencentes à classe C em termos de rendimento mensal;

  • Foram selecionadas somente as respostas referentes à pergunta de avaliação do Governo de Jair Messias Bolsonaro;

  • o banco de dados foi criado a partir de entradas de até 360 caracteres, contando uma afirmação e a justificativa dessa afirmação;

  • as opiniões foram classificadas em contra o Governo Bolsonaro, essas entradas foram rotuladas com o valor 1; todas as outras entradas: opiniões mistas, positivas ou divagações foram classificadas como 0;

  • Banco de dados raiz com 600 entradas igualmente equilibradas.

Análise Exploratória

  • propósito é revelar padrões, relações e estruturas que possam informar o desenvolvimento de modelos preditivos ou outros quadros analíticos;

  • para garantir que dados textuais sejam não apenas representados, mas também alinhados aos requisitos dos modelos de aprendizado profundo nas etapas posteriores;

Análise Exploratória

Análise Exploratória

Análise Exploratória

Análise Exploratória

Análise Exploratória

  • Essa convergência de resultados não apenas reforça a validade das análises exploratórias, mas também destaca a viabilidade de desenvolver um modelo de aprendizado profundo;

  • . Os textos do grupo “contra”representam uma narrativa crítica e emocionalmente carregada, fundamentada em falhas de governança e insatisfação;

  • Enquanto os textos do grupo “naocontra”refletem uma perspectiva defensiva e alinhada ideologicamente, marcada por confiança e justificativas.

O que são redes neurais?

  • A crescente disponibilidade de dados em estudos políticos não só criou uma janela de oportunidade para o desenvolvimento de modelos de aprendizado de máquina e aprendizado profundo, mas também surge como uma necessidade para analisar e classificar a complexidade destes.

  • As redes neurais são modelos computacionais inspirados nas estruturas neurais biológicas do cérebro humano. Elas consistem em camadas de nós interconectados (ou “neurônios”) que aprendem a reconhecer padrões complexos nos dado.

O que são redes neurais?

  • Uma rede neural geralmente é composta por uma camada de entrada, uma ou mais camadas ocultas e uma camada de saída;

  • Cada neurônio possui parâmetros associados (pesos e biases) que ajustam a maneira como os sinais de entrada são processados. Na etapa de passagem direta (forward pass), os dados percorrem a rede, camada por camada, gerando previsões na saída;

  • Após calcular uma previsão, a perda (ou erro) é determinada em relação aos rótulos reais, em seguida essa perda é então propagada de volta pela rede, permitindo que os pesos sejam ajustados para minimizar erros futuros (retropropagação ou backpropagation).

BERT-Vi

Banco de Dados utilizados:

  • Foram utilizados dois conjuntos:

  • Primeiro com aproximadamente 1500 entradas balanceadas com data augmentation do primeiro (reescrita com sinônimos)

  • Segundo com aproximadamente 6000 entradas balanceadas com data augmentation de retrotradução (línguas não latinas: mandarim, japonês e coreano)

BERT-Vi

BERT-Vi

BERT-Vi

Conclusão BERT-Vi

  • Não só é possível detecar o comportamento contra e a favor do governo bolsonaro em entrevistas de profundidade no escopo do banco de dados analisado, como também é possível treinar um modelo para prevê-lo;

  • Embora esse estudo ressalte o potencial das redes neurais na captura e análise de fenômenos políticos, algumas limitações, como a dependência de conjuntos de dados balanceados e a necessidade de ajustes extensivos de hiperparâmetros, apontam caminhos para futuras pesquisas;

Conclusões e considerações finais

  • Esse trabalho buscou representar o conceito de bolsonarismo e o que o influi;

  • “antipetismo”é um movimento autônomo e independente do Bolsonarismo, as eleições locais de 2024 intuem a isso também;

  • com essa dissociação foi possível treinar um modelo de rede neural - BERT-Vi - para prever comportamento político a favor ou não do governo Bolsonaro;

  • analisar entrevistas de profundidade se torna uma tarefa menos custosa, podendo aumentar ainda mais a quantidade de dados de entrada, expandindo a Ciência Política para além das análises de dados tabulares e da análise qualitativa de textos.

  • Avanços para a ciência política computacional.

Em busca do Algoritimo Bolsonarista