Iriscópio

Monitoramos continuamente os feeds RSS de veículos brasileiros de imprensa selecionados pela equipe editorial. Cada veículo entra no sistema com uma linha editorial declarada — esquerda, centro ou direita — atribuída com base no seu histórico e posicionamento público conhecido.

• Coletamos apenas conteúdo publicado abertamente pelos próprios veículos em seus feeds. Cada card no Iriscópio traz o link para o artigo original — o crédito e o clique são sempre do veículo.
• Artigos duplicados (mesma URL já coletada) são descartados automaticamente. De cada feed, processamos um número limitado de artigos novos por ciclo, para manter a cobertura equilibrada entre veículos grandes e pequenos.

Cada artigo coletado passa por uma análise feita por inteligência artificial, que produz:

• Um micro-resumo do que o artigo diz, na nossa interface chamado de card;
• Uma classificação de enquadramento — esquerda, centro ou direita — baseada no texto daquele artigo específico, e não na reputação do veículo.

O enquadramento de um artigo pode divergir da linha declarada do veículo que o publicou; medimos exatamente isso na página Fontes.

Ao analisar um artigo, a IA também verifica se ele trata de um fato que já está sendo acompanhado. Se sim, o artigo vira mais um card daquele evento; se não, um novo evento é criado, com um resumo neutro — uma descrição factual do ocorrido, escrita sem adotar o enquadramento de nenhum dos veículos.

Na página de cada evento, os cards aparecem organizados em três colunas — esquerda, centro e direita — para que a comparação entre perspectivas seja imediata.

Nem tudo que os veículos publicam tem interesse público. Cada card recebe uma avaliação de relevância social, e o evento consolida essas avaliações por uma regra simples e determinística (sem IA nessa etapa):

Somente eventos relevantes disputam espaço na página inicial.

O destaque da página inicial não é escolhido manualmente. Os eventos relevantes dos últimos 33 dias são ordenados por uma fórmula que combina amplitude de cobertura e frescor:

O ranking é recalculado ao longo do dia; a página reflete essa deriva a cada hora.

Para os cinco eventos mais bem ranqueados, o Iriscópio gera uma síntese adicional, também por IA, dividida em:

Essa síntese só é gerada quando o evento é coberto por pelo menos dois veículos distintos — sem contraste real, não há consenso a medir. Ela é produzida sob demanda, quando o evento entra no topo do ranking, e recalculada quando novos cards chegam.

Na página Fontes, publicamos, para cada veículo monitorado, a distribuição dos enquadramentos dos seus artigos e a taxa de divergência: o percentual de artigos cuja classificação individual não coincidiu com a linha editorial declarada do veículo.

Divergência alta não é um defeito: indica um veículo cuja produção transita entre enquadramentos com mais frequência do que sua linha declarada sugere. O dado existe para que você calibre a própria leitura, não para ranquear veículos como "melhores" ou "piores".

A busca roda a mesma consulta em dois motores diferentes, sobre os mesmos 3.119 eventos, e mostra os resultados lado a lado, com o tempo de cada um. Os dois entendem o sentido do que você escreve, não só as palavras. Eis o que isso quer dizer.

O que é um embedding

Um embedding é um texto convertido numa lista de números — coordenadas num mapa de significados. Textos que falam da mesma coisa ficam perto nesse mapa, mesmo com palavras diferentes: “o pai do craque argentino faleceu” fica perto de “Jorge Messi, pai de Lionel Messi, morre aos 68 anos”. Buscar, então, é converter a sua pergunta em coordenadas e listar os eventos mais próximos. O modelo usado é o Gemini Embedding, do Google.

Motor 1: MariaDB vetorial

Cada evento é guardado no banco de dados do próprio site (MariaDB 11.8) como um vetor de 3.072 dimensões, com um índice vetorial nativo. A busca mede a distância de cosseno entre a sua pergunta e cada evento e descarta o que passa de um limite de distância — se nada está perto o bastante, o resultado é vazio. Usa só o significado: nenhuma palavra é procurada literalmente. Vantagem: um único banco, sem serviço extra.

Motor 2: Solr híbrido

O Apache Solr é um motor feito para texto. Aqui ele soma duas pontuações, e é isso que “híbrido” significa: o BM25, a pontuação clássica de palavras-chave (palavras raras e repetidas no título e no resumo pesam mais, com análise própria do português: plurais, acentos), mais a pontuação de significado de um vetor de 768 dimensões, que é menor e mais barato. Acerta tanto a busca por um nome exato quanto a pergunta com outras palavras. Vantagem: filtros por veículo, cobertura e data (veja o /explorar).

Por que dois motores

Porque cada um erra de um jeito, e a melhor forma de mostrar isso é pôr os dois diante da mesma pergunta. O MariaDB é simples e fica dentro do banco; o Solr custa um serviço a mais, mas soma palavras-chave e oferece filtros. Qual acerta mais é o que a tabela abaixo mede, e ela tem uma ressalva. Na página de busca, o contador de sobreposição diz quantos eventos os dois listaram em comum; onde divergem, vale ler os dois lados.

Números medidos

Medidos com o comando maemgaba:search-eval, sobre 27 consultas em português escritas à mão (23 com um evento esperado: 9 com outras palavras, 5 com as palavras do título, 5 com nomes, 4 com erro de digitação; 4 sem resposta certa). Acerto @5 é a parte das consultas em que o evento esperado aparece entre os cinco primeiros (recall@5).

Leitura honesta: são 23 consultas, então uma consulta a mais ou a menos mexe 4 pontos percentuais, e a diferença entre vetor e híbrido é de uma consulta. A latência do vetor e do híbrido é quase toda a chamada ao modelo de embeddings (rede), medida em ambiente de desenvolvimento; a busca por palavras-chave não faz essa chamada. Os exemplos da página de busca saíram deste mesmo conjunto de consultas.

Ainda não há correções aceitas para creditar aqui — a sua pode ser a primeira.

Sugerir correção e, se aceita, seu nome pode aparecer nesta lista.