The Course of News Events: A Comparison of Bottom-Up and Top-Down Approaches for Collecting Text-Based Data about Disasters

Resumo Técnico: O Curso dos Eventos de Notícias

Definição do Problema
Nos estudos socioambientais, artigos de notícias servem como uma fonte crítica para compreender os impactos e a adaptação a desastres. No entanto, um desafio metodológico fundamental reside na seleção de uma amostra de dados representativa. Os pesquisadores normalmente dependem de uma de duas abordagens: um método top-down (de cima para baixo), que consulta bases de dados de notícias usando inventários de desastres existentes (ex: EM-DAT) como verdade de campo (ground truth), ou um método bottom-up (de baixo para cima), que utiliza Processamento de Linguagem Natural (NLP) para agrupar textos de notícias com base em características temporais e espaciais. Ambas as abordagens possuem limitações inerentes: métodos top-down negligenciam eventos não registrados nos inventários, enquanto métodos bottom-up podem capturar eventos considerados indignos de notícia por mídias específicas ou gerar falsos positivos. Este artigo investiga como essas decisões de design influenciam a amostra de notícias resultante, particularmente no que diz respeito à cobertura de eventos, o que afeta estudos sobre desigualdade midiática, monitoramento de desastres e enriquecimento de inventários.

Metodologia
O estudo utiliza um conjunto de dados de aproximadamente 55.000 artigos de notícias alemãs relativas a deslizamentos de terra em todo o mundo, coletados entre 2000 e 2024. A análise compara duas estratégias de correspondência de eventos:

1. Abordagem Bottom-Up: Baseada no trabalho prévio de Madureira et al. (2026), este método identifica 4.567 eventos de notícias em 152 países. Um "evento de notícia" é definido como uma sequência de artigos que se referem a deslizamentos de terra no mesmo país, começando no primeiro dia de cobertura e terminando após $\theta = 5$ dias consecutivos sem cobertura.
2. Abordagem Top-Down: Este método extrai 2.014 eventos de deslizamento de terra do inventário EM-DAT (abrangendo 138 países). Ele consulta a base de dados de notícias para artigos dentro de uma janela de tempo específica relativa à data de início do EM-DAT.

Procedimento de Correspondência de Eventos
Para compará-los, os autores empregam uma estratégia de alinhamento temporal (ilustrada na Figura 2) utilizando os parâmetros $\Delta_b$ (dias antes) e $\Delta_a$ (dias depois):

• Alinhamento Bottom-Up: Uma entrada do EM-DAT é considerada alinhada se sua data de início ocorrer dentro de $[\Delta_b, \Delta_a]$ do início do evento de notícia. Para esta abordagem, $\Delta_b = 5$ e $\Delta_a = 1$, reconhecendo que as notícias podem relatar um evento ligeiramente antes da data oficial de início, mas raramente após o primeiro relato.
• Consulta Top-Down: Para cada entrada do EM-DAT, o sistema consulta a base de dados de notícias para artigos na janela $[\Delta_b, \Delta_a]$. Aqui, $\Delta_b = 1$ e $\Delta_a = 5$, permitindo um atraso na reportagem de notícias internacionais e contabilizando potenciais erros nas datas de início.

Resultados Principais
A comparação revela sobreposições não bijectivas significativas entre os dois conjuntos de dados:

• Discrepâncias de Cobertura: A abordagem bottom-up identificou mais do que o dobro de eventos (4.567) do que o inventário EM-DAT (2.014). No entanto, apenas 16,1% (737) dos eventos de notícias bottom-up alinharam-se temporalmente com uma entrada do EM-DAT. Inversamente, consultas top-down recuperaram com sucesso notícias para 42,2% (851) das entradas do EM-DAT.
• Exclusividade Mútua:
  • 57,7% dos eventos do EM-DAT não tiveram cobertura de notícias relevante na base de dados alemã (consultas vazias).
  • 82,9% dos eventos de notícias bottom-up não se alinharam com nenhuma entrada do EM-DAT.
• Viés Espacial e Econômico: As amostras resultantes diferem significamente em distribuição. A abordagem bottom-up atribuiu 54,3% dos eventos ao Sul Global, enquanto consultas top-down atribuíram 81,4% ao Sul Global. Por outro lado, 47,7% dos eventos bottom-up referiam-se a países de alta renda, comparado a 20,6% para as consultas top-down.
• Validade de Conteúdo: A verificação manual de mais de 150 eventos bottom-up revelou que muitos não representam desastres específicos e contínuos. As categorias incluíram "concreto, mas passado" (memórias, decisões judiciais), "indefinido" (avisos gerais, estudos), "vago" (ficcional/retórico) e "falsos positivos" (geolocalização mal classificada ou linguagem figurada).

Significância e Contribuições
O artigo não afirma que uma abordagem seja superior; pelo contrário, argumenta que elas são complementares e que a escolha do método molda fundamentalmente os resultados da pesquisa.

• Insight Metodológico: O estudo demonstra que confiar apenas em consultas top-down perde a maioria dos eventos de notícias (aqueles não registrados nos inventários), enquanto confiar apenas no agrupamento bottom-up introduz ruído significativo e captura discussões de tópicos gerais em vez de ocorrências de desastres específicos.
• Quantificação de Viés: Os resultados destacam que a cobertura midiática e a inclusão em inventários não são aleatórias. O EM-DAT foca em eventos severos, enquanto a atenção midiática é influenciada pela densidade populacional, relevância econômica e interesse público.
• Melhores Práticas: Os autores concluem que a extração automatizada não pode eliminar falsos positivos. Portanto, análises diagnósticas são imperativas para expor as deficiências nos paradigmas de big data. Os pesquisadores devem fazer escolhas informadas sobre qual amostra usar com base em seus objetivos específicos: abordagens bottom-up são adequadas para estudar padrões de atenção midiática, enquanto abordagens top-down são melhores para enriquecer bases de dados de desastres existentes com dados de impacto, desde que os vieses inerentes ao inventário sejam reconhecidos.