💻 computer science

Bilder ohne Worte: Can AI Identify Political Parties via Unspoken Visual Signatures in the 2025 German Election?

Este artigo apresenta o PREF, um modelo de visão-linguagem interpretável que classifica com sucesso a filiação partidária a partir de mídia de campanha das eleições alemãs de 2025 ao verbalizar pistas perceptivas, alcançando um desempenho comparável a embeddings de caixa-preta enquanto quantifica a extensão em que a identidade partidária persiste mesmo após a remoção da marca explícita.

Autores originais: Ali Abusaleh, Alexander Mehler, Mevlut Bagci

Publicado 2026-08-31

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Ali Abusaleh, Alexander Mehler, Mevlut Bagci

Artigo original sob licença CC BY 4.0 (https://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

Na arena política moderna, as mensagens mais poderosas são frequentemente aquelas que nunca são ditas. Embora as campanhas ainda dependam de discursos políticos e manifestos escritos, o ritmo diário da comunicação política mudou em direção a vídeos curtos e imagens compartilhadas nas redes sociais. Esses fragmentos visuais carregam uma riqueza de informações além das palavras na tela. Assim como a postura, a vestimenta e o tom de voz de uma pessoa podem revelar seu humor ou origem, o estilo visual de uma campanha política pode sinalizar sua identidade. Pesquisadores sabem há muito tempo que os seres humanos podem fazer suposições rápidas e surpreendentemente precisas sobre as inclinações políticas de uma pessoa com base em pistas visuais breves. A questão agora é se um computador pode fazer o mesmo, não lendo o texto, mas compreendendo a linguagem silenciosa da própria imagem.

Este é o desafio enfrentado por uma equipe de pesquisadores da Universidade Goethe de Frankfurt, que buscou verificar se a inteligência artificial poderia identificar partidos políticos alemães apenas observando as assinaturas visuais e auditivas de suas mídias de campanha. Eles não estavam interessados em adivinhar as crenças privadas de eleitores ou políticos individuais. Em vez disso, queriam saber se o estilo coordenado das postagens oficiais de um partido — a maneira como enquadram uma cena, as cores que escolhem, a formalidade das roupas e o tom de voz — cria uma impressão digital única que uma máquina possa reconhecer. Para testar isso, eles reuniram mais de 15.000 imagens e vídeos postados por políticos durante as eleições federais alemãs de 2025. Essas postagens vieram dos principais partidos, variando desde o bloco conservador até os verdes progressistas e os liberais democrata livres.

Os pesquisadores construíram um sistema que chamam de PREF, que significa um modelo de Características Perceptuais-Verbais. Em vez de alimentar as imagens brutas diretamente em um programa de computador complexo e opaco que atua como uma "caixa preta", eles primeiro pediram a uma IA avançada que descrevesse o que viu e ouviu em linguagem clara. O sistema analisou os vídeos e imagens para gerar uma lista de detalhes observáveis: quantas pessoas estavam no quadro, se o ambiente era interno ou externo, se o orador estava usando terno ou roupas casuais, o tom emocional de sua voz e a presença de objetos específicos, como bandeiras ou gráficos. Essas descrições foram então inseridas em um classificador transparente, um tipo de programa de computador que toma decisões baseadas em regras claras e compreensíveis, para determinar qual partido havia postado o conteúdo.

Os resultados foram impressionantes. O sistema identificou corretamente o partido político por trás de uma postagem quase 85% das vezes. Esse nível de precisão igualou-se ao desempenho de sistemas muito mais complexos de "caixa preta", que dependem de padrões matemáticos ocultos em vez de descrições legíveis por humanos. Mais importante, os pesquisadores queriam saber o quanto desse sucesso dependia de uma marca óbvia, como logotipos de partidos, bandeiras ou cores de campanha. Para descobrir, realizaram um segundo teste onde removeram todos esses símbolos explícitos da descrição da IA, deixando apenas as pistas sutis de estilo e comportamento. Mesmo sem os logotipos ou as cores específicas da campanha, o sistema ainda identificou o partido correto com alta precisão, caindo apenas ligeiramente para cerca de 84%. Isso sugere que os partidos políticos desenvolveram linguagens visuais distintas e não ditas. Um partido conservador pode usar consistentemente trajes formais, tons sérios e cenários de púlpito, enquanto um partido progressista pode favorecer roupas casuais, multidões diversas e um tom mais moderado. Esses padrões são tão consistentes que permanecem reconhecíveis mesmo quando os sinais óbvios de identidade são removidos.

Para garantir que essas descobertas não fossem apenas um artefato do computador, os pesquisadores também pediram a voluntários humanos que observassem uma pequena amostra das mesmas imagens e vídeos. Os humanos foram capazes de identificar o partido político baseando-se apenas nas pistas visuais com um alto grau de concordância, confirmando que os sinais detectados pela máquina eram reais e observáveis por pessoas. O estudo também mostrou que as pistas visuais e auditivas eram tão eficazes, se não ligeiramente mais, do que as legendas de texto que geralmente acompanham essas postagens. Isso indica que a estratégia visual de uma campanha carrega seu próprio peso significativo na formação da percepção pública.

O estudo conclui que a identidade política está codificada em uma assinatura perceptiva estruturada que pode ser decodificada sem depender de texto. Embora a tecnologia usada nesta pesquisa seja projetada para analisar materiais de campanha públicos e oficiais, a capacidade de detectar automaticamente esses padrões levanta questões importantes sobre o futuro da comunicação política. Os pesquisadores enfatizam que seu trabalho foca no branding institucional dos partidos, não na ideologia privada de indivíduos, e pedem salvaguardas éticas rigorosas para evitar que tais ferramentas sejam usadas para traçar perfis de cidadãos privados ou manipular a mensagem política. Em última análise, o trabalho demonstra que, na era digital, a maneira como um partido parece e soa é tão parte de sua mensagem quanto as palavras que escolhe dizer.

Resumo Técnico: "Bilder ohne Worte: Pode a IA Identificar Partidos Políticos via Assinaturas Visuais Não Verbais nas Eleições Alemãs de 2025?"

Declaração do Problema
A pesquisa computacional em comunicação política tem permanecido historicamente centrada no texto, apesar da mudança da campanha política para vídeos de formato curto e imagens em plataformas como o X (antigo Twitter). As abordagens multimodais existentes frequentemente dependem de embeddings de caixa-preta (ex: CLIP, embeddings padrão de VLM) que carecem de interpretabilidade e transparência — requisitos críticos para a análise política. Além disso, esses métodos baseados em embeddings lutam contra a opacidade semântica, a falta de interpretabilidade e a "cegueira de congruência" (alinhamento cross-modal insuficiente). Os autores propõem duas questões centrais: (1) Uma representação interpretável pode igualar o desempenho de embeddings de caixa-preta na classificação de filiação partidária a partir de mídia de campanha? (2) Até que ponto a identificabilidade partidária persiste quando o branding explícito (logotipos, bandeiras, cores, texto) é removido, deixando apenas pistas estéticas e comportamentais sutis e coordenadas?

Metodologia: O Framework PREF
Os autores introduzem o PREF (Perceptual–Verbal Feature model), um pipeline modular projetado para converter mídia bruta em esquemas de características estruturados e legíveis por humanos. O framework opera em três estágios:

Extração de Características Multimodais: Utilizando o Modelo de Linguagem-Visão (VLM) Qwen2.5-VL, o sistema processa imagens e quadros de vídeo para gerar descrições semânticas estruturadas. Essas descrições abrangem três modalidades: Visão (o que é apresentado), Auditiva (o que é ouvido no vídeo) e Temporal (como os quadros coesam). A saída adere a um esquema JSON rigoroso.
Elicitação de Características Híbrida: Para garantir que a taxonomia de características seja tanto fundamentada teoricamente quanto orientada por dados, mitigando o viés do pesquisador, os autores empregam uma estratégia de Consenso Multi-Modelo. Um conjunto de seis LLMs de última geração (incluindo GPT-5, Llama3.2, DeepSeek-R1, Mistral, Phi-4 e GPT-OSS) propõe independentemente características audiovisuais observáveis. As características são retidas apenas se atingirem um consenso (sugerido por pelo menos dois modelos), criando um esquema objetivo.
Classificação Interpretável: As características perceptuais-verbais extraídas são alimentadas em classificadores transparentes (Árvores de Decisão, Florestas Aleatórias, Regressão Logística, etc.). Os autores priorizam Florestas Aleatórias (Random Forests) por sua capacidade de fornecer importância de características e caminhos de decisão, garantindo que o raciocínio do modelo seja auditável.

Configuração Experimental
O estudo utiliza o PolTweetCorpus, um conjunto de dados de 39.546 tweets coletados durante a campanha das eleições federais alemãs de 2025 (6 de novembro de 2024 – 23 de fevereiro de 2025). A análise foca em 15.043 itens de mídia rotulados (imagens e vídeos) postados por representantes verificados de sete grandes partidos alemães (rotulados como Grupos A–G) e uma categoria "Outros".

Divisão de Dados: 80% treinamento (12.034 amostras), 20% teste (3.009 amostras).
Estudo de Ablação (H2): Um procedimento de "desmarcação controlada" (de-branding) remove sistematicamente características de marca explícitas (Grupo G1: logotipos, bandeiras, cores de campanha, sobreposições de texto) para testar se o modelo ainda consegue classificar partidos baseando-se apenas em pistas sutis (Grupo G2: vestimenta, cenário, tom, movimento).
Validação Humana: Um estudo em um subconjunto aleatório ( $n=140$ ) envolveu anotadores humanos rotulando as mesmas 12 dimensões semânticas usadas pelo PREF para medir o Acordo Inter-Anotador (IAA) e o alinhamento LLM-Humano.

Resultados Principais

Desempenho vs. Baselines: O framework PREF, utilizando um classificador de Floresta Aleatória em características perceptuais-verbais, alcançou 84,98% de acurácia e um AUC de 0,9219. Este desempenho iguala ou excede os modelos baseados em texto e os baselines de embeddings opacos (ex: k-NN, Redes Neurais em embeddings brutos), que tiveram dificuldade com a sensibilidade de classes minoritárias e alcançaram AUCs menores (ex: 0,8267 para RF em embeddings brutos).
Robustez da Desmarcação (H2): Crucialmente, quando as características de marca explícita (G1) foram removidas, a acurácia do modelo caiu apenas marginalmente para 84,11% (AUC 0,8977). Isso confirma que os partidos políticos possuem "assinaturas" estéticas e comportamentais distintas e mensuráveis (G2) que persistem mesmo sem logotipos ou texto.
Validação Humana: Os anotadores humanos alcançaram concordância substancial no esquema PREF (Krippendorff's $\alpha = 0,67$ geral; $\alpha = 0,78$ para identificação visual de partido). O VLM (Qwen2.5-VL) mostrou alinhamento moderado com humanos ( $\alpha = 0,50$ ), com alta concordância em dimensões relevantes ao partido ( $\alpha = 0,73$ ), confirmando que as pistas do modelo são verificáveis por humanos e não meros artefatos da geometria interna do VLM.
Eficiência do Modelo: O estudo encontrou um "efeito de saturação" onde o modelo Qwen2.5-VL de 3B parâmetros performou comparavelmente às variantes maiores de 32B e 72B, sugerindo que modelos menores podem extrair eficientemente o conhecimento relevante para esta tarefa específica.

Significância e Alegações
O artigo reivindica três contribuições primárias:

Paridade Interpretável: Demonstra que um framework de características verbalizadas e transparentes pode igualar o poder preditivo de embeddings de caixa-preta na classificação política, oferecendo um caminho para a IA auditável em domínios sociopolíticos sensíveis.
Decomposição de Branding vs. Estilo: Através da ablação de desmarcação, o estudo fornece a primeira quantificação de quanto a identidade partidária sobrevive à remoção de símbolos explícitos. Conclui-se que a filiação partidária é codificada não apenas em logotipos, mas em uma "linguagem visual" de estéticas coordenadas (vestimenta, tom, cenário) que é empiricamente detectável.
Elicitação de Características com Mitigação de Viés: Ao utilizar um consenso multi-modelo para definir o esquema de características, os autores abordam a subjetividade do pesquisador, criando uma taxonomia mais robusta e objetiva para a análise de mídia política.

Os autores enquadram explicitamente seu trabalho como uma análise do branding de campanha institucional e dos valores de produção coordenados, e não como uma inferência da ideologia privada de indivíduos. Eles enfatizam que as "assinaturas visuais não verbais" identificadas são propriedades da própria estratégia de comunicação, oferecendo um método para decodificar a identidade política em uma era de discurso multimodal desverbalizado.

Mais como este