Flying chairs, heated takes
Notice bibliographique
Résumé
The 2024 São Paulo mayoral election sparked intense political discourse, particularly following a highly publicized altercation during a live debate on September 15. The incident, in which candidate José Luiz Datena struck Pablo Marçal with a chair, led to widespread discussion on social media, particularly on YouTube. This study investigates the dynamics of online discourse surrounding this event, focusing on audience engagement and sentiment across five major YouTube news channels: UOL, Folha de São Paulo, CNN Brasil, Poder360, and Itatiaia. Using a discourse analysis approach adapted from Teixeira et al. (2018), we collected and categorized 500 top-ranking YouTube comments, classifying them into four primary categories: Humor, Support, Criticism and Protest, and Neutral. A second layer of analysis further refined support and criticism, differentiating between pro-Datena, pro-Marçal, and general political dissatisfaction. Our findings reveal that humor was the dominant response across all platforms, suggesting a tendency toward memefication and satire in Brazilian digital political discourse. However, significant polarization was observed, with Datena receiving both overwhelming support and the highest level of criticism across outlets. Media framing influenced audience reactions, as outlets with in-depth coverage fostered broader critiques, while those with shorter, sensationalist clips amplified polarized sentiments. This study contributes to research on political communication and social media discourse by demonstrating how digital platforms mediate political controversies and shape public perception. The results highlight the role of algorithmic content curation in reinforcing ideological divides and fostering emotionally charged interactions. By offering a systematic analysis of audience reactions, this study provides insights into the evolving nature of digital political engagement in Brazil and lays the groundwork for future research on media framing and discourse analysis in online environments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».