Metodologia

Brave Search API — busca por notícias usando queries específicas para cada candidato (ex.: "Lula eleições 2026"). Retorna artigos indexados nas últimas horas. Cinco queries por candidato.

Feeds RSS diretos — coleta direta de mais de 40 veículos da imprensa brasileira, organizados por espectro editorial. As URLs são reais (sem proxies intermediários).

Google News RSS — feeds com uma query por candidato (homônimos são desambiguados com o partido na query) mais seis queries gerais: uma ampla sobre a eleição e cinco de fase — debates, pesquisas eleitorais, registro no TSE, horário eleitoral e propaganda. Cada feed retorna até 100 artigos recentes de centenas de fontes. URLs codificadas do Google são decodificadas para a URL real do veículo.

Sitemaps XML — parsing direto dos sitemaps de sete grandes portais (Folha de S.Paulo, VEJA, CNN Brasil, InfoMoney, DCM, Metrópoles e Gazeta do Povo). Captura artigos publicados no dia, incluindo os que não aparecem em buscas por query.

Classificação multi-candidato — cada artigo é analisado para detectar se menciona mais de um candidato. Quando sim, aparece nas análises de cada um. Isso permite que um artigo sobre disputa interna de um partido seja contabilizado para múltiplos candidatos simultaneamente.

Verificação anti-falso-positivo — todo vínculo artigo–candidato passa por uma verificação dedicada com IA antes de contar em qualquer número: o modelo confirma se o artigo de fato trata do candidato, e não de um homônimo ou de uma menção irrelevante. A cada coleta, todos os vínculos pendentes são julgados — não há janela de tempo, nenhum vínculo fica sem adjudicação. Vínculos reprovados são descartados e não aparecem em nenhuma contagem do painel, da API ou dos resumos.

Cada artigo é classificado por inteligência artificial (DeepSeek V4 Flash, versão fixada, via Ollama Cloud — modelo titular desde 29/08/2026; o Gemini 3.1 Flash Lite permanece como reserva da cadeia de resiliência). O modelo recebe o título e o texto da matéria (os primeiros parágrafos do corpo, quando capturado; caso contrário, a descrição) e atribui:

• Classificação: positivo, negativo ou neutro
• Score numérico: de −1.0 (muito negativo) a +1.0 (muito positivo)

O modelo analisa o tom jornalístico da cobertura, não apenas palavras isoladas. Os artigos são processados em lotes para eficiência.

Como o volume é contado: cada número de "artigos sobre um candidato" conta artigos únicos (um artigo que cita dois candidatos conta uma vez para cada candidato) que passaram pela verificação anti-falso-positivo. As janelas de tempo incluem o dia final inteiro. A mesma métrica vale para a API, para as páginas do dashboard e para os resumos editoriais — os números são comparáveis entre eles.

Cálculo do score

Para cada artigo i, o modelo atribui um score individual s_i ∈ [−1,0; +1,0].

Limitações: análise de sentimento automatizada tem margem de erro. O modelo opera em português, mas foi treinado predominantemente em inglês. A acurácia não foi formalmente validada contra classificação humana.

Cada artigo tem seus tópicos-chave extraídos pelo mesmo modelo dos demais classificadores. O classificador retorna de 2 a 4 tópicos em formato curto (1 a 3 palavras), como "pesquisa eleitoral", "reforma tributária" ou "lavagem de dinheiro".

Tópicos auto-referentes (nome do próprio candidato, "eleições 2026") são removidos automaticamente.

Os assuntos da semana (capa). Desde 19/08/2026 a capa faz duas perguntas distintas sobre os últimos 7 dias. O que domina: entre os tópicos com volume mínimo relevante, o que mais se afasta do próprio tamanho habitual — não o maior em números brutos, porque categorias muito largas liderariam quase toda semana e o destaque viraria legenda fixa. O que cresce: os que mais aceleraram frente ao período anterior. O que já aparece como "o que cresce" sai da disputa de "o que domina", para os dois lados nunca repetirem o mesmo assunto. As viradas de liderança do share of voice continuam explicadas por aceleração (volume dos 7 dias dividido pela média semanal histórica do tópico).

Agrupamento de tópicos. O classificador rotula cada artigo sem memória dos anteriores: a mesma história aparece fatiada ("filiação partidária", "fraude eleitoral"), e a mesma ideia com grafias diferentes ("tarifas comerciais", "tarifas de importação"). Desde 20/08/2026 o agrupamento é automático, por coocorrência, recalculado a cada coleta sobre as últimas oito semanas: rótulos que aparecem juntos em pelo menos 70% dos artigos do menor deles são tratados como um único assunto, com o nome do rótulo de maior volume — sem lista manual, sem curadoria caso a caso. O mesmo cálculo detecta as editorias: um agrupamento grande cujas partes quase não se sobrepõem entre si (como "política externa", que abriga do tarifaço à crise diplomática) não é um assunto, é uma seção de jornal — continua na base, nos filtros e no grafo, mas não disputa destaque na capa nem aciona edição extraordinária. Os dados gravados nunca mudam; o agrupamento vive em uma tabela própria, refeita a cada coleta.

Temperatura nos rankings. Nas listas de tópicos e fontes do Panorama, a barra de sentimento mostra a fatia positiva, neutra e negativa dos vínculos candidato-artigo verificados daquele tema ou veículo no período — a mesma leitura da barra por candidato.

Tópicos em alta. As listas de tópicos em alta (capa e Balanço, nas duas janelas) comparam o período corrente com o anterior usando uma razão amortecida e um piso mínimo de volume: um tema que salta de 1 para 10 artigos tem crescimento percentual enorme, mas segue pequeno — e não vira destaque. O selo mostra o múltiplo de crescimento ("4×"), não percentual; "NOVO" marca tema sem nenhuma ocorrência no período anterior.

Mede o quanto cada artigo conecta o debate eleitoral brasileiro às grandes agendas estruturais do século XXI. A pergunta de fundo é editorial: quais candidatos e quais veículos ancoram a discussão em questões globais e quais se fecham em temas estritamente locais?

Os seis clusters

Classificador: o mesmo modelo titular dos demais estágios, com o esquema JSON descrito no prompt. Cada artigo é analisado sobre título + descrição + corpo. O modelo retorna lista de clusters aplicáveis com confidence ∈ [0.0, 1.0] e trecho literal do texto como evidência de auditoria.

• Multi-rótulo por artigo — um mesmo texto pode tocar múltiplos clusters.
• Threshold de persistência: confidence ≥ 0.5. Abaixo disso é ruído e descartado.
• A maioria dos artigos não tem nenhum cluster — política interna, pesquisa eleitoral, alianças e ataques de campanha não ativam a classificação.
• "Democracia" tem escopo estrito: cobre erosão institucional, fake news como agenda e ataques ao STF/TSE — não rejeição/aprovação presidencial nem disputas comuns.
• Declaração política em solo estrangeiro não vira "geopolítica" automaticamente — o conteúdo precisa desenvolver relações internacionais de forma substantiva.

Limitações: a classificação é automatizada e não passou por validação humana formal com métrica de concordância (segue no roadmap do projeto). Falsos positivos com confidence = 0.5 são esperados; análises críticas devem preferir filtros por confiança mais alta.

Os tópicos dizem de que assunto uma matéria trata; não dizem que fato a provocou. "Tarifas de importação", "relações bilaterais" e "comércio exterior" são três rótulos para o mesmo tarifaço. Desde 11/09/2026 cada matéria recebe também um acontecimento: o fato datado de que ela trata, escolhido numa lista controlada — ou nenhum. A maioria não tem nenhum: pesquisa de intenção de voto, agenda de campanha e análise de cenário não são acontecimentos.

Como a lista nasce. Editoria é constante; acontecimento é rajada. Na última coleta de cada dia o painel compara os sete dias anteriores com as oito semanas antes deles, tópico a tópico: o que tem ao menos 15 matérias e triplicou a própria média é uma rajada. O modelo de linguagem recebe as rajadas com uma amostra de títulos e diz o que elas revelam — um fato novo, que ganha nome, descrição e termos; um capítulo de um fato já listado (a ameaça, a reunião, a resposta do mesmo tarifaço); ou rotina sem fato nomeável. A lista só cresce; fatos que se revelam o mesmo são fundidos, com a trilha preservada.

Como cada matéria é rotulada. Título e resumo, em lotes, contra a lista dos acontecimentos iniciados até a data da matéria (com duas semanas de tolerância, porque a cobertura começa antes do pico). A matéria precisa tratar do fato, não mencioná-lo de passagem; um acontecimento por matéria, o do título quando dois disputam; confiança abaixo de 0,6 vira "nenhum". Quando a lista ganha um fato novo, as matérias recentes rotuladas como "nenhum" cujo título casa os termos dele são reavaliadas. O acervo desde março de 2026 foi rotulado de uma vez, semana a semana, na ordem em que os fatos apareceram.

Alimenta as peças da série 18 respostas sobre a imprensa sobre as pautas que mandaram na campanha e as anotações dos tapetes de cobertura. Como os demais classificadores, é apuração por máquina com amostra conferida à mão; a rubrica é versionada no código (acontecimento-v1.0-2026-09-11).

Mudanças de metodologia que afetam a comparabilidade das séries históricas são registradas aqui. Quando um defeito de medição é corrigido, os números podem mudar retroativamente — e o leitor tem o direito de saber quando isso aconteceu.

• 30/08/2026 — régua única aplicada a todo o acervo. Até aqui a série carregava quatro réguas de sentimento sobrepostas, e o efeito era visível: a fatia de textos neutros saltava de cerca de 29% (março a julho) para 56% em agosto — um degrau que era a mudança do nosso critério, não da imprensa. Duas rodadas de avaliação humana às cegas, em 29 e 30/08, fecharam a régua definitiva, cuja mudança central é o tratamento do jornalismo declaratório: matéria construída apenas sobre a declaração de uma fonte, sem que o veículo apure ou confronte o que foi dito, passa a ser favorável a quem fala — ceder manchete e alcance a uma fala não verificada é ganho editorial para quem a proferiu, seja o conteúdo verdadeiro ou não — e desfavorável a quem a fala ataca. Com a régua fechada, todo o acervo desde 25/03 foi reclassificado, para que comparações entre fases da campanha midam a cobertura e não o nosso método. O contexto de cada época é preservado: a matéria de março é lida com o campo ainda aberto, a de setembro com as candidaturas registradas. Na avaliação humana às cegas, a régua nova reproduz o julgamento editorial em 89% dos casos, contra 67% da anterior. Os rótulos antigos foram preservados para auditoria.
• 29/08/2026 — troca do modelo titular de classificação. Por custo, o titular dos cinco classificadores (sentimento, tópicos, gênero, verificação e Zeitgeist) passou do Gemini 3.1 Flash Lite para o DeepSeek V4 Flash (versão fixada, via Ollama Cloud), com o Gemini como reserva — inversão da cadeia que operava desde 11/08. Benchmark de suporte: 87% de concordância do DeepSeek com o gabarito independente (Claude Haiku 4.5), acima dos 78% do próprio Gemini, no mesmo conjunto de 100 casos. Vale a partir da coleta das 07h de 29/08 (o reprocessamento noturno de 29/08 já roda no titular novo). Comparações finas de sentimento que cruzem essa data carregam a troca.
• 28/08/2026 — janela de 23/08 reclassificada pelo modelo titular. Entre ~13h e ~22h48 de 23/08, o teto de gasto da API esgotou e três coletas classificaram pelo modelo reserva da cadeia de resiliência. Sentimento (729 vínculos) e tópicos dessa janela foram refeitos pelo modelo titular em 28/08 — 14% dos vínculos mudaram de classe de sentimento; o agregado mudou pouco. Gênero, Zeitgeist e a verificação anti-falso-positivo da janela foram mantidos (concordância de 94–97% entre os modelos nessas tarefas). Comparações finas que toquem 23/08 ganharam consistência retroativa nesta data.
• 28/08/2026 — categoria "checagem" no gênero jornalístico. Com a estreia do horário eleitoral, o classificador de gênero ganhou a categoria fact-check (textos de verificação com veredito explícito — Lupa, Aos Fatos, Comprova, Estadão Verifica e afins). Vale só para frente: artigos anteriores permanecem como classificados à época — checagens antigas aparecem como "notícia". Comparações de gênero que cruzem 28/08 devem considerar o degrau.
• 10/08/2026 — adjudicação retroativa de vínculos pendentes. Uma falha na janela de tempo do verificador anti-falso-positivo deixou cerca de 9,4 mil vínculos artigo–candidato sem julgamento, acumulados desde maio. Todos foram adjudicados nesta data: ~7,9 mil removidos como falso positivo e ~1,5 mil confirmados. O efeito é um degrau nas séries históricas — e o viés corrigido penalizava mais os candidatos de menor volume, que chegavam a ter metade dos vínculos invisíveis. Desde então o verificador julga todos os vínculos pendentes a cada coleta.
• 10/08/2026 — recalibração do classificador de sentimento. O prompt foi atualizado para o contexto da campanha oficial (campo fechado, oposição atual). Quebra leve de comparabilidade entre artigos classificados antes e depois.
• 10/08/2026 — espectro editorial em cinco níveis. As análises por espectro passaram de três (esquerda, centro, direita) para cinco níveis (extrema-esquerda a extrema-direita). Agregadores e veículos sem classificação ficam fora do espectro, com nota nas páginas.
• 10/08/2026 — comparações por período equivalente. Os deltas "vs. semana anterior" e "vs. mês anterior" passaram a comparar o mesmo número de dias decorridos da janela anterior (numa terça-feira, segunda+terça desta semana contra segunda+terça da anterior), em vez de comparar o parcial corrente com a janela anterior inteira.
• 10/08/2026 — coleta de três para cinco rodadas diárias.
• 17/08/2026 — sentimento passa a medir o enquadramento, não o fato. A instrução do classificador foi reescrita sob o princípio que sempre foi o deste painel: medimos como a imprensa cobre, não se o acontecimento é bom ou mau para o candidato. A versão anterior mandava tratar liderança em pesquisa como positivo e queda como negativo — o número virava sinal. Agora relato de pesquisa, aprovação, votação, registro ou decisão é neutro por padrão; só a redação em volta do número pode puxar o tom, e menção de passagem é neutra. Continua negativa a matéria em que o candidato é protagonista de eixo desfavorável (operação, acusação, crise, crítica editorial), e positiva a de eixo favorável. Efeito medido num lote de validação: nas matérias sobre pesquisa eleitoral, 100% neutras (eram 40%); no restante, a fatia neutra sobe de cerca de 15% para 55%. É um degrau: séries de sentimento anteriores a 17/08 não comparam diretamente com as posteriores. A fatia histórica de matérias sobre pesquisa e intenção de voto foi reclassificada sob a instrução nova na noite de 17/08 — ver a nota seguinte.
• 17/08/2026 — reclassificação da fatia de pesquisa eleitoral. Na mesma noite, 19 mil vínculos artigo–candidato de matérias sobre pesquisa, intenção de voto e aprovação — 22,5% de tudo o que o painel mede — foram reclassificados sob a instrução nova, sem nenhum erro. O resultado mostra o tamanho do problema anterior: nessa fatia, o que era 39,2% negativo, 19,8% neutro e 40,9% positivo passou a 12,5% negativo, 80,2% neutro e 7,3% positivo. Oito em cada dez matérias de pesquisa eram lidas como elogio ou ataque quando apenas relatavam um número. Quem mais tinha tom inflado pela régua antiga foi quem aparecia bem nas pesquisas: no recorte reclassificado, o tom médio de Ronaldo Caiado cai 0,19 e o de Renan Santos 0,09; entre os descontinuados, Ciro Gomes cai 0,35. Lula e Flávio Bolsonaro, com volume muito maior e cobertura mais variada, quase não se mexem (−0,03 e −0,02). No conjunto dos últimos sete dias, o tom geral do painel sai de +0,002 para −0,006 — a correção é grande onde a distorção estava, e discreta no agregado. As séries de sentimento anteriores a 17/08 continuam disponíveis nas páginas, mas comparações que atravessem essa data devem levar o degrau em conta.
• 21/08/2026 — corpo recuperado, classificação provisória e rubrica v2.1. Parte dos veículos barra robôs (HTTP 403) ou entrega página vazia; até aqui esses artigos eram classificados só pelo título — 8.848 pares, 10% do total. O scraper ganhou uma segunda tentativa com identidade de navegador e um backfill noturno recupera o acervo aos poucos. Classificação feita sem o corpo passa a ser provisória: quando o texto chega, o par é reclassificado com a mesma rubrica, guardando o valor anterior. A rubrica ganhou a cláusula "defesa não é acusação": matéria cujo eixo é desmontar uma acusação é neutra ou positiva leve, mesmo com o vocabulário da acusação no título. Efeito esperado: revisão gradual de uma fração dos pares antigos, concentrada nos veículos que bloqueavam o robô.

• Frequência: cinco vezes ao dia — 07h00, 10h00, 13h00, 16h00 e 21h00 BRT (desde 10/08/2026; antes, três vezes ao dia).
• Período coberto: artigos publicados a partir de 25/03/2026 (anteriores são descartados na ingestão).
• Deduplicação: por URL normalizada (remove tracking params, fragments, trailing slashes; força HTTPS antes de comparar).
• Multi-candidato: via tabela article_candidates (relação N:N).
• Snapshot público do banco: ao final de cada coleta, o pipeline gera uma cópia atômica (cp + mv) do banco de trabalho para um arquivo público, do qual o dashboard lê. Isso garante coerência: o dashboard mostra o estado anterior à coleta (já completo, com sentimento, tópicos e zeitgeist) ou o estado posterior (já completo). Nunca um meio-do-caminho com artigos sem classificação. Custo: defasagem de até cerca de uma hora e meia entre o início de uma coleta e o snapshot final, em troca de coerência sempre garantida.
• Armazenamento: SQLite local com backup diário (local + remoto).

Dois produtos editoriais saem automaticamente deste banco, ambos publicados como rascunho em sapienslabs.com.br para revisão humana antes da publicação.

Resumo Semanal — toda segunda às 06h30 BRT, cobrindo a semana anterior fechada (segunda a domingo). Mesma janela da aba semanal do Balanço. Retrato da cobertura recente, tópicos emergentes e movimentos de sentimento.

Resumo Mensal — todo dia 1º às 06h45 BRT, cobrindo o mês anterior fechado (1º ao último dia). Balanço com mais fôlego (1500–2000 palavras): tendências consolidadas, viradas de narrativa e comparações com o mês anterior quando os dados sustentam.

Ambos compartilham a mesma arquitetura técnica:

• Modelo editorial: Claude Opus 5 com raciocínio adaptativo. Cadeia de fallback: Opus 4.8 → 4.7 → 4.6 → Sonnet 4.6 → Haiku 4.5.
• Insumos quantitativos: volume e sentimento por candidato com comparação ao mesmo período da janela anterior, tópicos, espectro editorial em cinco níveis, gênero jornalístico (notícia, opinião, análise, entrevista e, desde 28/08/2026, checagem) e Zeitgeist com variação.
• Ordem das seções: segue o volume de menções no período — o candidato com mais artigos publicados abre o post; os demais aparecem em ordem decrescente.
• Continuidade narrativa: o modelo lê os 5 últimos resumos publicados antes de redigir, para manter coerência de tom e referenciar a evolução de narrativas.
• Imagens: geradas por Gemini 3.1 Flash Image (Google) — duas variantes (16:9 para o post, 1:1 para Instagram) com paleta inspirada em pôsteres políticos brasileiros dos anos 60-70.
• Revisão humana obrigatória: todo rascunho passa por revisão editorial antes de virar post publicado.

Edição extraordinária (desde 17/08/2026). Além do resumo semanal (segundas) e do mensal (dia 1º), uma edição curta sobre um único fato pode sair quando um tópico da cobertura de um dia ultrapassa uma aceleração de referência frente ao próprio histórico — a mesma régua do "tópico do momento" da capa, com piso de volume e fatia mínima da cobertura do dia. O critério é do painel, não do calendário: em dias sem acontecimento não há edição. Para não repetir o resumo regular, ela não sai quando o próximo semanal ou mensal está a menos de 36 horas (o fato vai para ele) e um mesmo tópico só volta a disparar depois de sete dias. Nasce como rascunho e passa pela mesma revisão humana das outras edições.

O painel utiliza FastAPI + Jinja2 + Plotly no front, SQLite como armazenamento e DeepSeek V4 Flash + Claude Opus 5 como modelos de linguagem (classificação automatizada e redação editorial respectivamente).

Fuso horário: a infraestrutura roda em America/Sao_Paulo (BRT, UTC-3). Timestamps de coleta (fetched_at) já são gravados em BRT. Datas de publicação (published_at) são gravadas em UTC com offset explícito e convertidas no momento da exibição.

Este projeto é mantido por Leonardo Fontes de Sales como parte do SapiensLabs.