Como medimos o viés
Versão do método: cal-v1. Cada matéria linka a versão usada.
Viés é uma palavra perigosa. A gente não usa no sentido de "mentira" ou "distorção" — usa no sentido observável: quais palavras foram escolhidas, quais fontes foram ouvidas, o que foi enfatizado e o que foi deixado de fora, comparado ao conjunto de veículos.
O princípio-mãe
Por que isso importa: se você pedir a uma IA "dê nota de viés de 0 a 10", ela alucina e injeta o próprio viés. Se você pedir "aponte cada palavra carregada e reescreva neutra", ela vira um extrator verificável.
As 6 dimensões
- Seleção de fatos — o que a peça afirma, e o que do fato comum ela deixou de fora.
- Escolha lexical — cada palavra avaliativa, com o trecho e uma reescrita neutra.
- Fontes citadas — quem foi ouvido e a quem serve.
- Omissão / contexto — o que o cluster confirma mas a peça não menciona.
- Manchete vs corpo — a manchete promete mais do que o texto entrega?
- Enquadramento — episódico ou temático; qual a moldura narrativa.
Da evidência à banda
Somamos os sinais válidos e caímos numa banda ordinal — nunca um decimal falso de precisão. Se os veículos não convergem, o rótulo é literalmente consenso factual, enquadramento dividido. Rótulos são relativos ao cluster (lado A / lado B daquele fato), não a um eixo esquerda-direita absoluto.
Salvaguardas
- Span-grounding: trecho que não existe literalmente no texto é descartado antes de contar.
- Extração ≠ julgamento: o modelo diz "a palavra X carrega Y", nunca "o veículo é de tal lado".
- Fonte não confiável não corrobora fato — entra como alegação, nunca no núcleo.
- Toda afirmação sobre pessoa exige duas fontes independentes; imputação criminal passa por revisão humana antes de publicar.