Visualizing Semantic Similarity in Political Discourse: A Comparative Analysis of Word Embeddings in Trump’s 2016 and 2024 Campaign Speeches

A linguagem é mais do que apenas uma forma de trocar informações; é a ferramenta primária através da qual os líderes políticos constroem a realidade, definem quem pertence e moldam as batalhas de uma nação. Quando um político fala, ele não está meramente listando políticas; ele está tecendo uma tapeçaria de significados onde as palavras se conectam umas às outras de maneiras específicas, muitas vezes invisíveis. Durante décadas, estudiosos estudaram esses discursos contando palavras ou lendo o tom, mas um campo de estudo mais recente usa computadores para mapear a arquitetura oculta dessas conexões. Essa abordagem trata a linguagem como uma vasta paisagem tridimensional onde palavras que frequentemente aparecem juntas situam-se próximas umas das outras, enquanto palavras que raramente se encontram derivam para longe. Ao traçar essas distâncias, os pesquisadores podem ver não apenas o que um líder está dizendo, mas como a própria estrutura de seu pensamento mudou ao longo do tempo. Este é o território explorado por um estudo recente que observa a evolução da retórica política de Donald Trump, comparando os discursos de sua campanha de 2016 com os de sua campanha de 2024 para entender como o mapa de seu mundo político foi redesenhado.

Os pesquisadores começaram com uma pergunta simples, mas ambiciosa: como mudou a maneira como Donald Trump conecta ideias ao longo de um período de oito anos? Para responder a isso, eles reuniram duas coleções massivas de texto: 166.297 palavras de seus discursos de campanha de 2016 e 218.892 palavras de seus discursos de campanha de 2024. Não eram fragmentos aleatórios, mas transcrições cuidadosamente selecionadas de comícios e eventos oficiais, garantindo uma comparação justa do mesmo tipo de comunicação política. A equipe então alimentou esse texto em um modelo de computador projetado para aprender o significado das palavras com base em sua companhia. Imagine um modelo que lê milhares de frases e aprende que "rei" e "rainha" estão próximos porque frequentemente aparecem em contextos semelhantes, enquanto "rei" e "areia" estão distantes. Este modelo, conhecido como Word2Vec, converte cada palavra nos discursos em um ponto matemático no espaço. A distância entre esses pontos revela o quão semelhantes são os significados das palavras dentro daquele período específico.

Uma vez que o computador mapeou as palavras, os pesquisadores usaram um método para agrupá-las em clusters, muito parecido com separar um saco misto de bolinhas de gude por cor e tamanho para ver os padrões dominantes. Eles então usaram uma técnica para achatar esses mapas complexos e multicamadas em imagens bidimensionais que pudessem ser vistas e analisadas pelos olhos humanos. O que encontraram foi uma história de continuidade e mudança profunda. Os temas centrais da mensagem de Trump permaneceram notavelmente estáveis ao longo dos dois períodos. Tanto em 2016 quanto em 2024, os discursos foram construídos sobre uma base de populismo, colocando "o povo" contra uma "elite" corrupta e prometendo força nacional e renovação. O computador confirmou que esses pilares centrais de sua retórica não desapareceram; eles ainda eram as características mais pesadas e proeminentes da paisagem.

No entanto, a maneira como esses temas estavam arranjados uns em torno dos outros sofreu uma transformação dramática. Nos discursos de 2016, o mapa era denso e estritamente tecido. Ideias econômicas como empregos, comércio e desenvolvimento nacional estavam agrupadas proximamente com temas de segurança e identidade. A linguagem sugeria uma visão unificada onde a prosperidade econômica e a força nacional estavam intrinsecamente ligadas como partes de uma história única e coesa. As visualizações do computador mostraram essas ideias amontoadas, indicando que, em 2016, a narrativa política era um tecido único e integrado, onde um tópico naturalmente levava a outro.

Em 2024, esse tecido havia se esgarçado. Os mesmos temas centrais de populismo e força ainda estavam presentes, mas não estavam mais estritamente ligados aos problemas econômicos que outrora os definiam. Em vez disso, o mapa de 2024 parecia disperso e fragmentado. A análise do computador revelou que os temas haviam se afastado, formando ilhas distintas e isoladas de significado. O discurso tornou-se mais dividido, com novos clusters surgindo em torno da legitimidade política, narrativas de mídia e conflitos de identidade. A conexão estreita entre política econômica e identidade nacional havia se afrouxado, substituída por uma estrutura onde diferentes tópicos existiam em esferas separadas e, muitas vezes, conflitantes. Isso sugere que a mensagem política mudou de uma visão ampla e orientada para políticas para uma narrativa mais fragmentada, impulsionada por batalhas ideológicas e pela defesa da verdade política.

O estudo também observou de perto palavras específicas para ver como seus significados haviam mudado no espaço entre as duas campanhas. Palavras como "China", "luta", "eleição" e "verdade" mostraram o movimento mais dramático. Em 2016, "China" era vizinha de palavras sobre comércio, manufatura e empregos; era enquadrada primordialmente como uma competidora econômica. Em 2024, a palavra havia se afastado de seus vizinhos econômicos e se estabelecido ao lado de termos relacionados à segurança nacional, ameaças e rivalidade geopolítica. Da mesma forma, a palavra "luta" mudou de posição. Nos discursos anteriores, estava associada à força militar e ameaças externas. Nos discursos posteriores, ela migrou para o centro das lutas políticas domésticas, agrupando-se com palavras sobre eleições, censura de mídia e conflito interno.

Talvez a mudança mais reveladora tenha ocorrido com a palavra "verdade". Em 2016, esta palavra estava na periferia, não sendo central para os principais clusters de significado. Em 2024, ela tornou-se um ponto focal, formando seu próprio cluster isolado cercado por palavras sobre narrativas de mídia, censura e identidade política. Isso indica um movimento para longe da discussão de fatos objetivos ou detalhes de políticas em direção a uma luta sobre a própria natureza da realidade e quem tem o poder de defini-la. A palavra "eleição" percorreu uma jornada semelhante, movendo-se de um contexto de vitória e apoio popular em 2016 para um contexto de fraude, disputas de legitimidade e resultados contestados em 2024.

Os pesquisadores concluíram que essas mudanças não foram apenas sobre trocar um tópico por outro, mas sobre uma reestruturação fundamental de como o significado político é construído. O discurso de 2016 era caracterizado por uma estrutura coesa e orientada economicamente, onde as ideias se reforçavam mutuamente. O discurso de 2024 era mais fragmentado, impulsionado ideologicamente e focado em identidade e conflito. O estudo sugere que, à medida que a polarização política se aprofunda, a linguagem usada para descrever o mundo torna-se menos sobre objetivos de políticas compartilhados e mais sobre a defesa de realidades separadas e, muitas vezes, incompatíveis. Os modelos de computador não apenas contaram palavras; eles revelaram que a própria arquitetura do discurso político mudou, passando de uma narrativa unificada para uma coleção de fragmentos desconectados e ideologicamente carregados. Esta descoberta oferece uma nova maneira de entender como os líderes políticos adaptam sua linguagem não apenas a novos eventos, mas a um cenário de crença pública e conflito em mudança.