論文技術サマリー：ブラジル下院における政治言説の多面的マッピング

1. 研究の背景と課題

従来の立法府の行動分析は、主に「投票記録（ロールコール・ボート）」に依存しており、政治家の言説が持つ豊かな意味論的・修辞的側面を見落としていました。投票記録は議論の「結果」を示すものの、その結果を形成する「論理」「意味の枠組み」「議論戦略」を捉えることはできません。
特にブラジルでは、「演説（有権者へのアピール）」と「投票（党の規律）」の間に戦略的な乖離（「安価な話」や「戦略的シグナリング」）が存在することが知られており、投票データだけでは政治家の真の立ち位置や優先事項を把握しきれません。
本研究は、**「どのように語られているか（How）」「何が語られているか（What）」「誰が言説的に似ているか（Who）」**という 3 つの補完的な問いに答えるため、大規模な政治演説データを対象とした包括的な計算機科学アプローチを提案します。

2. 提案手法（メソドロジー）

本研究では、2003 年から 2025 年（2025 年は 5 月時点）までのブラジル下院における45 万 3,280 件の演説（1,980 人の代議員による）を対象とした、スケーラブルで一般化可能な計算フレームワークを構築しました。このフレームワークは、以下の 3 つの並列分析パイプラインで構成されています。

A. データ収集と前処理

• データソース: ブラジル下院の公式オープンデータポータル（RESTful API）から収集。
• 前処理:
  • 単一話者の分離: 議事録に含まれる対話や割り込みを正規表現でフィルタリングし、単一の代議員による連続したモノローグのみを抽出。
  • テキスト正規化: 議事形式の挨拶（「閣下」など）や句読点の除去、小文字化、政党名の統一（歴史的変遷の反映）を実施。
  • フィルタリング: 15,000 件以上の演説を持つ 11 大政党に焦点を絞り、最終的に 35 万 4,719 件の演説を分析対象としました。

B. 3 つの分析アプローチ

1. スタイル分析（Stylometric Analysis）: 「どのように語られているか」
   • 指標: 可読性（Flesch Reading Ease）、語彙多様性（Type-Token Ratio）、構文構造（品詞頻度：名詞・動詞・形容詞・副詞）、固有表現認識（NER）。
   • 目的: 時間的（Diachronic）な修辞的スタイルと構造の進化を追跡。
2. トピックモデリング（Thematic Analysis）: 「何が語られているか」
   • 手法: 文脈化されたトピックモデリング手法BERTopicを使用。
   • プロセス:
     • 文書埋め込みには distiluse-base-multilingual-cased-v2 を使用。
     • UMAP による次元削減と HDBSCAN によるクラスタリングでトピックを抽出。
     • 生成された微細なトピックを、LLM（Claude 3 Sonnet）の支援により 6 つの「マクロトピック」に集約・分類。
   • マクロトピック: 政治・行政、経済・財政、治安・司法、保健、人権・社会、開発・インフラ。
3. 意味的クラスタリング（Semantic Clustering）: 「誰が似ているか」
   • 手法: 各代議員の「意味的指紋（Semantic Fingerprint）」を生成し、代議員間の意味的類似性に基づいてクラスタリング。
   • 埋め込みモデル: 大規模コンテキスト（32k トークン）を扱える Linq-Embed-Mistral を使用し、演説全体をベクトル化。
   • クラスタリング: UMAP と HDBSCAN を組み合わせ、Optuna によるハイパーパラメータ最適化（Silhouette Score 最大化）を実施。
   • プロファイリング: 各クラスタの政党集中度（pHHI）、地域集中度（rHHI）、性別構成を分析。

3. 主要な結果（Results）

A. 演説スタイルの進化（2003-2024）

• 短縮と直接性: 演説の平均語数は 2004 年の 456 語から 2020 年の 269 語へと減少。
• 構文の変化: 名詞の割合が減少し、動詞の割合が増加。「名詞的・抽象的」なスタイルから、「動詞的・行動指向」なスタイルへ移行。これは政治コミュニケーションのメディア化（Mediatization）を反映。
• 語彙の維持: 演説が短くなっても語彙多様性（TTR）は安定しており、内容の質が低下したわけではない。

B. 論題的アジェンダの動態

• 危機への反応: 立法アジェンダは国家的危機に鋭く反応し、急激に再編される。
  • 2005 年・2015-17 年: 汚職スキャンダル（Mensalão）やディルマ・ルセフ大統領の弾劾により、「政治・行政」が支配的トピックに。
  • 2007-2011 年: 成長加速プログラム（PAC）の時期、「開発・インフラ」が支配的。
  • 2020-2023 年: コロナパンデミックにより「保健」が急上昇。
  • 2025 年: 「治安・司法」が急上昇し、新たな支配的トピックへ。
• 主要な固有名詞: 大統領（ルラ、ルセフ、ボルソナロ）、下院議長（エドゥアルド・クーニャ、アルトゥール・リラ）、最高裁判事（アレシャンドレ・デ・モライス）、社会活動家（マリエレ・フランコ）などの言及頻度が、その時代の政治的焦点を反映。

C. 代議員の意味的クラスタリング

• 政党を超えた 49 のクラスター: 分析対象の 11 政党に対し、49 の異なる言説クラスターが特定されました。
• 政党の限界: 平均的な政党集中度（pHHI）は 0.28 と低く、多くのクラスターが複数の政党から構成されています。政党所属は言説的整合性の主要な決定因子ではないことが示唆されます。
• 地域的アイデンティティ: 23 のクラスターが強い地域集中度（rHHI > 0.7）を示し、特定の地域（北東部、南部など）の代議員が政党を越えて連帯している「言説的連邦主義」の存在が確認されました。
• 性別の影響力: 女性代議員が 90% 以上を占めるクラスター（例：クラスター 37, 19）が複数発見され、これらは複数の政党にまたがっています。これは、イデオロギーを超えた「女性政治言説」の存在を示唆しています。
• ノイズ（Outliers）: 分析対象の 30.4% の代議員が「ノイズ」として分類されました。これは発言数が少ないか、特定のイデオロギーや政策に特化しない「一般論的」な演説を行うため、明確なクラスに属さなかったことを示しています。

4. 主要な貢献（Key Contributions）

1. 多面的分析フレームワークの提案: 形式（スタイル）、内容（トピック）、整合性（意味的クラスタリング）の 3 つの次元を統合し、議会言説を多角的に捉える手法を確立。
2. スケーラブルな NLP パイプラインの実装: 大規模な立法テキスト（45 万件以上）を処理するための、Diachronic（時間的）なスタイル分析、文脈化トピックモデリング、意味的クラスタリングを組み合わせた統合パイプラインを構築。
3. ブラジル政治の実証的記述: 投票記録では見えない、地域や性別に基づく複雑な政治的連合や、危機への即応性をデータ駆動で解明。比較政治学研究における未開拓領域（ブラジル下院）への大規模実証研究を提供。

5. 意義と将来展望

本研究は、計算機社会科学が民主主義機関の内部 workings（作動原理）を解明する可能性を証明しました。

• 学術的意義: 投票データや SNS データだけでは捉えきれない、審議プロセスにおける「戦略的シグナリング」や「アイデンティティに基づく連合」を可視化。
• 社会的意義: 政治家の言動を多面的に分析するツールを提供し、市民の説明責任（アカウンタビリティ）と透明性を高める可能性。
• 将来の課題: 演説と具体的な法案（立法行動）のリンク付け、対話的ダイアログ（議論の相互作用）の分析、ブラジルポルトガル語特化モデルへの検証、および対話型プラットフォームの開発が今後の課題として挙げられています。

結論として、この研究は「形式・内容・整合性」という 3 つの次元を統合することで、立法府の行動をより豊かで多次元的に理解するための堅牢な方法論を提供し、デジタル時代における民主主義の新たな洞察手段となりました。