A large-scale corpus of religious radio broadcast transcripts from webstream recordings in the United States
Este artigo apresenta um corpus de grande escala com mais de 700.000 segmentos de transmissões de rádio religiosas em língua inglesa transcritos e diarizados de julho de 2025, coletados de 785 webstreams representando mais de 2.000 estações dos EUA, para facilitar a pesquisa sobre conteúdo de mídia religiosa, discurso sociopolítico e processamento de fala.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine as ondas de rádio como uma biblioteca gigante e invisível onde milhares de estações de rádio estão constantemente gritando histórias, canções e sermões no vazio. Durante décadas, cientistas que estudam como as pessoas se comunicam conseguiram ler os livros nas seções de "Notícias" e "Programas de Debate" desta biblioteca, mas a seção "Religiosa" era um mistério. Por quê? Porque, embora milhões de pessoas sintonizem o rádio baseado na fé todos os dias, ninguém jamais havia construído um índice gigante e pesquisável do que estava sendo realmente dito. É como tentar entender a cultura de uma cidade inteira olhando apenas para algumas placas de rua, em vez de ler as conversas reais que acontecem nos cafés. Para resolver isso, os pesquisadores precisavam de uma maneira de transformar horas de estática de rádio nebulosa em texto claro e organizado, e então usar programas de computador inteligentes para descobrir sobre o que aqueles textos realmente tratavam. Este é o desafio da "análise de nível de conteúdo": passar de apenas saber que uma estação existe para entender exatamente o que ela diz, como diz e quem está dizendo.
Apresentamos o Corpus de Rádio Religioso, um novo e massivo mapa do tesouro digital criado por uma equipe do Pew Research Center. Pense neste projeto como um bibliotecário robô superpoderoso e automatizado que passou um mês inteiro (julho de 2025) ouvindo 785 diferentes transmissões de rádio ao vivo em todos os Estados Unidos. Em vez de apenas gravar o áudio, essa equipe de robôs capturou trechos de som de 15 minutos a cada 15 minutos, 24 horas por dia. Quando terminaram, haviam reunido mais de 700.000 gravações — mais de 172.000 horas de áudio bruto! Mas a verdadeira mágica aconteceu em seguida: a equipe usou IA avançada para transformar todo aquele áudio em texto, identificando quem estava falando e quando. Eles até usaram um cérebro de computador superinteligente (um Grande Modelo de Linguagem) para ler essas transcrições e etiquetá-las com rótulos como "Sermão", "Interação com Ouvinte" ou "Política".
O resultado é um conjunto de dados contendo mais de 60 milhões de linhas de texto, organizadas em três camadas organizadas: uma lista das transmissões de rádio, um registro de cada gravação e as palavras efetivamente faladas. Isso não é apenas um monte de dados; é uma ferramenta que permite aos pesquisadores finalmente responder a grandes perguntas. Por exemplo, eles agora podem ver como o rádio religioso muda do Sul para o Oeste, ou com que frequência políticos são mencionados em sermões versus a frequência com que falam sobre conselhos familiares. A equipe verificou seu trabalho cuidadosamente, descobrindo que sua transcrição computacional era surpreendentemente precisa — cometendo apenas cerca de 5 erros para cada 100 palavras, o que é próximo de quão bem dois humanos diferentes concordariam se ambos transcrevessem a mesma fita. Embora o computador às vezes tenha tido dificuldades com chamadas telefônicas ruidosas ou música de fundo, o quadro geral é claro e confiável.
Este artigo não diz apenas "temos dados"; ele prova que agora podemos estudar a radiodifusão religiosa em uma escala nunca antes possível. Ele descarta a ideia de que temos que depender de pequenas pesquisas ou adivinhar o que está no ar. Em vez disso, oferece um registro completo e pesquisável do que está sendo efetivamente transmitido. Os autores estão confiantes de que esses dados são sólidos o suficiente para ajudar estudiosos a compreender a "igreja eletrônica" como um fenô fenômeno nacional, em vez de apenas olhar para uma estação de cada vez. Quer você seja um estudante de religião, um cientista político ou um especialista em computação tentando ensinar máquinas a entender a fala humana, este corpus abre a porta para uma forma totalmente nova de ouvir o mundo.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.