Lá e de Volta

Eu vivo falando que os grandes grupos de mídia no Brasil são parciais e defendem o quanto podem os governos de direita, historicamente mais favoráveis aos seus interesses elitistas. Neste sentido eu concordo com diversos outros blogueiros, entre eles Idelber, Nassif, e Miguel do Rosário. Concordo também com o jornalista Mário Prata quando diz que “a imprensa brasileira está podre. Os grandes jornais, as coisas que são consideradas grande imprensa no Brasil como Folha de S. Paulo, Globo, Estadão, Jornal Nacional, Veja, para mim são piadas.”

Pois bem, decidi que precisava testar de maneira computacional estas afirmações. Estes testes, basicamente análises textuais, são uma idéia antiga minha mas que nunca pude colocar em prática por pura falta de tempo. Foram os últimos abusos da imprensa que me motivaram a retomar a idéia e colocá-la em prática.

O que segue é uma análise de palavras vizinhas dentro do conteúdo do jornal O Globo. Uma palavra é definida como vizinha de outra quando as duas ocorrem próximas uma da outra. Por exemplo, na frase “Ao vencido, ódio ou compaixão; ao vencedor, as batatas.”, as palavras vizinhas de “vencedor” são “compaixão”, “ao”, “as” e “batatas”. Isto quando consideramos apenas 2 vizinhas antes e 2 depois.

Assim, o que fiz foi analisar as palavras vizinhas de “dilma” e “serra” nos 100 primeiros documentos retornados em uma busca no Yahoo por estes dois termos (os nomes dos candidatos) individualmente e, depois, em conjunto. Ou seja, obtive 300 documentos: 100 documentos para os resultados da busca por “dilma”, outros 100 para os resultados da busca por “serra” e mais 100 para busca “dilma serra”.

Para cada documento encontrado, eu processei as 8 palavras vizinhas de cada ocorrência de “dilma” e “serra”, antes e depois delas. Ou seja, 16 palavras vizinhas para cada ocorrência em cada documento. Artigos, números, dentre outras palavras que não contribuem para a análise (o termo técnico para elas é “stop words”) foram removidas da lista. No final deste post você pode ver a lista completa de palavras removidas. Após esta remoção, sobraram 2645 palavras vizinhas de “serra” e 2772 vizinhas de “dilma” n’O Globo.

Estas palavras vizinhas foram então contadas para que eu pudesse medir a frequência de cada uma. Também calculei a distância média da palavra vizinha atribuindo um peso que varia de 8 (para a palavra vizinha que ocorre imediatamente antes ou depois de “serra” ou “dilma”) a 1 (para a palavra vizinha que está separada de “dilma” ou “serra” por outras 7 palavras antes ou depois). Em outras palavras, quanto mais perto de 8 o peso estiver, mais vezes a palavra vizinha ocorre próxima de “dilma” ou “serra”.

Resultados

As 20 palavras vizinhas de “serra” mais frequentes são:

Dentre as 5 primeiras, destaque para a palavra “não”, que ocorre 70 vezes. Mais para baixo, repare que “dilma” e “lula” ocorrem com certa frequência próximas da palavra “serra”. Dentre as demais palavras, nada de muito especial. Quase todas estão relacionadas ao partido ou à pessoas próximas do candidato. Note porém que a palavra “fhc” não está nesta lista.

Agora veja as 20 palavras vizinhas de “dilma” mais frequentes:

A primeira coisa que salta aos olhos é que a palavra “lula” é mencionada 96 vezes mas não ocorre tão próxima assim de “dilma”. O peso de “lula” com “serra” é maior do que com “dilma”. Outro destaque é a quantidade de vezes 37% maior com que a palavra “não” é mencionada perto de “dilma”. Mais, a palavra “pt” como vizinha de “dilma”, ao contrário, ocorre muito menos que a palavra “psdb” como vizinha de “serra”. As demais palavras, como no caso de “serra”, ocorrem dentro do que eu esperava.

Outro ponto para análise é verificar quais palavras são vizinhas de “serra” mas não de “dilma” e vice-versa. Veja primeiro a lista das palavras mais frequentes vizinhas apenas de “serra”:

A palavra “erra” é a única que poderia ser interpretada como negativa ao candidato. Quase todas as outras estão relacionadas ao trabalho do ex-governador, ao partido ou à pessoas ligadas a ele.

Já no caso de “dilma”, a lista é a seguinte:

Reparem a quantidade maior de palavras que podem ser interpretadas de maneira negativa à candidata como ”apagão”, ”duvido” e ”collor”. Reparem também as palavras associadas à saúde da candidata. Muito menos palavras podem ser associadas positivamente a ela.

Conclusão

Acho que é cedo para fazer qualquer tipo de afirmação. Primeiro, a freqüência das palavras podem estar fora de contexto é só a sua quantidade próxima de uma palavra não pode necessariamente significar mais ou menos crítica a esta palavra. Segundo, os 300 documentos analisados são aqueles mais populares numa busca do Yahoo. Não representam, portanto, uma amostragem estatística de todos os documentos do jornal. Terceiro, as tabelas analisam apenas as 20 palavras vizinhas mais freqüentes. Elas não representam, portanto, uma amostragem estatística de todas as palavras vizinhas processadas.

Mesmo assim, os resultados podem servir como indicativo de diferença de tratamento entre uma palavra, “serra”, e outra, “dilma”. Há claramente diferenças nos textos analisados entre as palavras vizinhas a dos candidatos. Por isto, os próximos passos seriam dois. Primeiro, analisar uma quantidade maior de documentos deste jornal e de outros. Folha e Estadão também deve servir como ótimos exemplos. Segundo, uma análise do sentimento do conteúdo (sim, existe algoritmo para isto) pode revelar o contexto e ajudar a determinar se as palavras vizinhas são mais ou menos críticas a cada candidato.

Infelizmente, tudo isto toma um bocado de tempo e não sei se dará para continuar antes das eleições. Uma grande ajuda seria ter acesso a uma base de dados maior de cada jornal. Alguém aí poderia me fornecer estes dados?

Posts Relacionados:

• A importância da eleição de Dilma
• Quão justa (ou democrática) é uma eleição
• Corrupção – parem com este falso moralismo
• José Serra errou muito, insistiu nos erros e atrasou o país – estes erros devem ficar registrados
• A Sabedoria do Povo