Emotividad y polarización política en discursos parlamentarios chilenos

Abstract

El uso de argumentos emotivos en el arte de la persuasión ha sido objeto de estudio desde el mundo antiguo (Aristóteles 2020) hasta la actualidad (Elster 1998). De hecho, existe una larga tradición en las ciencias sociales que aborda la dicotomía entre racionalidad y emoción en la experiencia humana (Damasio 1995; Elster 1998). La economía del comportamiento considera que las emociones y sentimientos juegan un rol en las conductas sociales y en las decisiones económicas (Elster 1998; Loewenstein 2000; Kahneman 2012; Wälde y Moors 2017; Xiao y Houser 2005). No es de extrañar, entonces, que las emociones, en conjunto con la racionalidad, ocupen un papel relevante en lo que respecta a los discursos políticos. Pese a la constatación anterior, sabemos muy poco en Chile sobre cuál es el rol que cumple la emocionalidad en la decisiones de los políticos y cuál es el balance entre las dimensiones emotiva y cognitiva en el devenir del proceso político y, por ende, en el desarrollo de la vida en sociedad. La escasa información se debe, en cierta medida, a la inexistencia de fuentes de información estructurada y a la poca familiaridad de los cientistas sociales con técnicas de análisis (provenientes del campo de la computación) para grandes volúmenes de texto. Esta situación ha venido cambiando aceleradamente durante los últimos años y las técnicas de Procesamiento de Lenguaje Natural (NLP) se encuentran cada vez más establecidas como estrategia de investigación dentro de las ciencias sociales. Este trabajo contribuye a superar las 2 barreras antes mencionadas. En primer lugar, se pone a disposición un set de datos semi estructurado de discursos parlamentarios con información desde 1965 a 2022, construido a partir de información web. En segundo lugar, se incorporan técnicas de NLP para analizar más de 200.000 intervenciones parlamentarias, lo cual sería imposible mediante métodos tradicionales del enfoque cualitativo en ciencias sociales. Con ello, se busca impulsar el uso de datos de texto en el análisis de problemas económico-sociológicos. Siguiendo la metodología de Gennaro y Ash (2021), se utiliza una estrategia de deep learning que permite construir representaciones vectoriales de palabras, denominadas word embeddings (Bojanowski et al. 2016; Mikolov et al. 2013). Los vectores resultantes han demostrado ser capaces de reflejar la semántica de las palabras y dar cuenta de conceptos complejos. Aprovechando esta potencialidad, este trabajo busca construir dimensiones que capturen un polo cognitivo y otro emotivo, utilizando para ello conjuntos de palabras clasificadas en un diccionario desarrollado por Pennebaker et al. (2015). Calculando la cercanía de cada discurso respecto de los polos cognitivo y emotivo, se computa un valor sintético de emocionalidad para cerca de 2.6 millones de párrafos, correspondientes a más de 3 décadas de discursos parlamentarios, lo cual permite construir una serie histórica desde 1965 a la actualidad. Utilizando un clasificador automático de textos, se elaboran tópicos de discusión parlamentaria, con el objetivo de identificar cuál es el nivel de emocionalidad presente en cada uno de ellos.