Evoluția topicelor în timp

Despre ce a vorbit ND, trimestru cu trimestru — și cum s-a schimbat framing-ul

TF-IDF distinctive per perioadă + BERTopic + semantic drift. 6 perioade, 18 luni, 1062 discursuri.

Care e povestea

ND nu vorbește la întâmplare — fiecare trimestru are temele lui dominante. Pipeline-ul scoate două măsuri complementare:

TF-IDF inter-perioadă — care lemme sunt distinctiv mai folosite într-o perioadă față de altele (Pasul 7).
BERTopic — care din cele 26 topice descoperite cresc/scad per trimestru (Pasul 8).
Semantic drift — pentru fiecare topic, cât de mult s-a schimbat cum vorbește ND despre el (Pasul 10).

Topice dominante per perioadă

Cum citim trimestrele

Q1 2025 — precampanie + anulare alegeri (55 docs)

Top lemme: romaniaonesta, nicusorpresedinte, anulare, primărie, capitală, nato, schimbare, prooccidental, sondaj

ND e candidat independent. Tema dominantă: anularea alegerilor din 2024 (Georgescu/CCR). Brand campanie (“România onestă”), poziționare pro-occidentală/NATO. Mențiuni explicite ale primăriei București (mandatul curent).

Q2 2025 — campanie + investitură (468 docs — peak!)

Top lemme: romaniaonesta, nicusorpresedinte, schimbare, simion, capitală, tur, ciolacu, financiar

Volumul explodează (468 docs/trimestru = 5× față de Q1). Brand-ul “România onestă” devine dominant pe FB. Adversari: Simion (turul 2) și Ciolacu (premier PSD). Apar primele teme economice (“financiar”).

Q3 2025 — deficit + pensii magistrați (96 docs)

Top lemme: pensionară, magistrat, pensie, pachet, csm, salariu, certificat, parchet, evaziune

Lovitură de subiect. Brand-ul dispare; agenda e dominată de reformă pensii magistrați + pachet fiscal de stabilizare. Apare primul mare conflict de mandat: dezacordul TVA cu Bolojan în negocierile pentru guvern.

Q4 2025 — apărare + Ucraina (136 docs)

Top lemme: apărare, militar, industrie, pensie, magistrat, dezinformare, aderare, csat, ocde, dronă, rus

Pivot către securitate. Apărare militară + industria de apărare, dezinformare rusă (drone), CSAT, aderare OCDE. Pensiile magistraților rămân în discurs (continuă procesul). Scandal Fănel Bogoș (Bolojan) — apăra principialitatea.

Q1 2026 — reformă judiciară + PNRR (157 docs)

Top lemme: procuror, judiciar, judecător, magistrat, piață, preț, apărare, competitivitate, csm, gaza, mercosur

Tema dominantă: numirile la șefia parchetelor + reforma judiciară. Apar piață + preț (criză economică emergentă). EastInvest 20mld €, PNRR 231M€. Tot apărare + Gaza (context internațional).

Q2 2026 — Pfizer + criză coaliție (150 docs)

Top lemme: procuror, summit, apărare, polonia, financiar, parchet, preț, echipament, nuclear, petrol, cotroceni, parchetelor

Pfizer 600M€ (scandalul de transparență cu Bolojan). Summit Varșovia + Polonia (relația B9). Nuclear + petrol — criză energetică. Procurori (continuare reforma judiciară). Apar și echipament + militar (răspuns la Rusia).

Semantic drift — care topice au schimbat cum se vorbește despre ele

Top 3 drift-uri majore (cum s-a schimbat lexiconul + contextul):

Brand campanie (drift 0.37): de la “România onestă / nicusorpresedinte” în campanie la discurs instituțional-prezidențial post-investitură. Brand-ul dispare aproape complet.
Georgescu / campania anulată (drift 0.32): de la tema centrală în Q1 2025 (anulare alegeri, CCR) la silence deliberat după Q2 2025. Mențiuni rare, frame total schimbat.
CSM / reforma judiciară (drift 0.30): de la promisiune electorală abstractă la acțiune concretă (numiri, magistrați, pensii) — vocabularul devine mai tehnic și procedural.

Pattern observat — 3 ere distincte

Era brand-ului campaniei (Q1-Q2 2025) — “România onestă” + “nicusorpresedinte” domină. Adversari nominalizați (Simion, Ciolacu). Volum peak.
Era guvernării interne (Q3 2025 - Q1 2026) — apar temele de policy: pensii magistrați → apărare/Ucraina → reforma judiciară. Brand-ul dispare. Volum scade 3.6×.
Era crizei (Q2 2026) — Pfizer + criză coaliție + summit Polonia + nuclear/petrol. Limbaj instituțional-tehnic, dar tensiune crescândă (vezi raportul ND-Bolojan).

Ce nu surprinde TF-IDF

TF-IDF e bun pentru a găsi lemme distinctive, dar are blind spots:

Brand-shedding (“România onestă” trece de la TF-IDF 0.60 în Q2 la dispariție în Q3-Q4) — semnal puternic doar dacă te uiți la deltă, nu absolute
Stilul — nu spune nimic despre dacă ND vorbește categoric sau ezitant (asta vezi în scris vs vorbit)
Sentimentul — nu spune cum vorbește despre topic (vezi entități)

Pentru poveste completă, TF-IDF + BERTopic + semantic drift + sentiment lucrează împreună.

← Acasă · Vezi metoda completă → · Despre Bolojan →

--- title: "Evoluția topicelor în timp" subtitle: "Despre ce a vorbit ND, trimestru cu trimestru — și cum s-a schimbat framing-ul" description: "TF-IDF distinctive per perioadă + BERTopic + semantic drift. 6 perioade, 18 luni, 1062 discursuri." --- ```{python} #| include: false import sys, json, re from pathlib import Path ROOT = Path("..").resolve() sys.path.insert(0, str(ROOT)) import pandas as pd import plotly.graph_objects as go import plotly.express as px ``` ## Care e povestea ND nu vorbește la întâmplare — fiecare trimestru are **temele lui dominante**. Pipeline-ul scoate două măsuri complementare: - **TF-IDF inter-perioadă** — care lemme sunt distinctiv mai folosite într-o perioadă față de altele (Pasul 7). - **BERTopic** — care din cele 26 topice descoperite cresc/scad per trimestru (Pasul 8). - **Semantic drift** — pentru fiecare topic, cât de mult s-a schimbat **cum** vorbește ND despre el (Pasul 10). ## Topice dominante per perioadă ```{python} #| echo: false # Parse tfidf_by_period.md manual — cleanest way to get top lemmas per period tfidf_path = ROOT / "results" / "02_tfidf_overall" / "tfidf_by_period.md" content = tfidf_path.read_text() # Sections like "## 2024Q4-2025Q1 candidatură-precampanie (55 documente)" periods_data = {} period_pattern = re.compile(r"^## (\d{4}Q\d.*?)\s+$(\d+) documente$\s*$", re.MULTILINE) matches = list(period_pattern.finditer(content)) for i, m in enumerate(matches): period_name = m.group(1).strip() n_docs = int(m.group(2)) start = m.end() end = matches[i+1].start() if i+1 < len(matches) else len(content) section = content[start:end] # Parse table rows lemmas = [] for line in section.split("\n"): row = re.match(r"^\|\s*([^|]+?)\s*\|\s*([\d.]+)\s*\|", line) if row: lemma = row.group(1).strip() if lemma in ("lemmă", ":-"): continue try: score = float(row.group(2).strip()) lemmas.append((lemma, score)) except ValueError: pass periods_data[period_name] = {"n_docs": n_docs, "lemmas": lemmas[:10]} # Build subplots — one bar chart per period import plotly.subplots as sp period_order = [ "2024Q4-2025Q1 candidatură-precampanie", "2025Q2 campanie + investitură", "2025Q3 deficit + reforma economică", "2025Q4 stabilizare + diplomație", "2025Q4-2026Q1 reformă judiciară", "2026Q2 cotitură UE + criză guvern", ] period_short = { "2024Q4-2025Q1 candidatură-precampanie": "Q1 2025 — precampanie/anulare alegeri", "2025Q2 campanie + investitură": "Q2 2025 — campanie + investitură", "2025Q3 deficit + reforma economică": "Q3 2025 — deficit + pensii magistrați", "2025Q4 stabilizare + diplomație": "Q4 2025 — apărare + Ucraina", "2025Q4-2026Q1 reformă judiciară": "Q1 2026 — reformă judiciară + PNRR", "2026Q2 cotitură UE + criză guvern": "Q2 2026 — Pfizer + criză coaliție", } period_colors = { "2024Q4-2025Q1 candidatură-precampanie": "#003049", "2025Q2 campanie + investitură": "#669BBC", "2025Q3 deficit + reforma economică": "#f4a261", "2025Q4 stabilizare + diplomație": "#2a9d8f", "2025Q4-2026Q1 reformă judiciară": "#8d99ae", "2026Q2 cotitură UE + criză guvern": "#e63946", } fig = sp.make_subplots( rows=3, cols=2, subplot_titles=[period_short[p] for p in period_order], vertical_spacing=0.10, horizontal_spacing=0.15, ) for idx, period in enumerate(period_order): row = idx // 2 + 1 col = idx % 2 + 1 data = periods_data.get(period, {}) lemmas = data.get("lemmas", []) if not lemmas: continue lemmas = list(reversed(lemmas)) # so top is at top fig.add_trace(go.Bar( x=[l[1] for l in lemmas], y=[l[0] for l in lemmas], orientation="h", marker_color=period_colors[period], showlegend=False, text=[f"{l[1]:.2f}" for l in lemmas], textposition="outside", hovertemplate="%{y} TF-IDF: %{x:.3f}<extra></extra>", ), row=row, col=col) fig.update_layout( title="Top 10 lemme distinctive per perioadă (TF-IDF inter-perioadă)", height=1100, margin=dict(t=80, b=40, l=20, r=20), plot_bgcolor="white", ) fig.update_xaxes(showgrid=True, gridcolor="#eee") fig.update_yaxes(automargin=True) fig.show() ``` ## Cum citim trimestrele ::: {.callout-note} ### Q1 2025 — precampanie + anulare alegeri (55 docs) **Top lemme**: *romaniaonesta, nicusorpresedinte, anulare, primărie, capitală, nato, schimbare, prooccidental, sondaj* ND e candidat independent. Tema dominantă: **anularea alegerilor din 2024** (Georgescu/CCR). Brand campanie ("România onestă"), poziționare pro-occidentală/NATO. Mențiuni explicite ale primăriei București (mandatul curent). ::: ::: {.callout-note} ### Q2 2025 — campanie + investitură (468 docs — peak!) **Top lemme**: *romaniaonesta, nicusorpresedinte, schimbare, simion, capitală, tur, ciolacu, financiar* Volumul **explodează** (468 docs/trimestru = 5× față de Q1). Brand-ul "România onestă" devine dominant pe FB. Adversari: Simion (turul 2) și Ciolacu (premier PSD). Apar primele teme **economice** ("financiar"). ::: ::: {.callout-note} ### Q3 2025 — deficit + pensii magistrați (96 docs) **Top lemme**: *pensionară, magistrat, pensie, pachet, csm, salariu, certificat, parchet, evaziune* **Lovitură de subiect**. Brand-ul dispare; agenda e dominată de **reformă pensii magistrați + pachet fiscal de stabilizare**. Apare primul mare conflict de mandat: dezacordul TVA cu Bolojan în negocierile pentru guvern. ::: ::: {.callout-note} ### Q4 2025 — apărare + Ucraina (136 docs) **Top lemme**: *apărare, militar, industrie, pensie, magistrat, dezinformare, aderare, csat, ocde, dronă, rus* **Pivot către securitate**. Apărare militară + industria de apărare, dezinformare rusă (drone), CSAT, aderare OCDE. Pensiile magistraților rămân în discurs (continuă procesul). Scandal Fănel Bogoș (Bolojan) — apăra principialitatea. ::: ::: {.callout-note} ### Q1 2026 — reformă judiciară + PNRR (157 docs) **Top lemme**: *procuror, judiciar, judecător, magistrat, piață, preț, apărare, competitivitate, csm, gaza, mercosur* Tema dominantă: **numirile la șefia parchetelor + reforma judiciară**. Apar **piață + preț** (criză economică emergentă). EastInvest 20mld €, PNRR 231M€. Tot apărare + Gaza (context internațional). ::: ::: {.callout-note} ### Q2 2026 — Pfizer + criză coaliție (150 docs) **Top lemme**: *procuror, summit, apărare, polonia, financiar, parchet, preț, echipament, nuclear, petrol, cotroceni, parchetelor* **Pfizer 600M€** (scandalul de transparență cu Bolojan). Summit Varșovia + Polonia (relația B9). **Nuclear + petrol** — criză energetică. Procurori (continuare reforma judiciară). Apar și **echipament + militar** (răspuns la Rusia). ::: ## Semantic drift — care topice au schimbat *cum* se vorbește despre ele ```{python} #| echo: false drift_path = ROOT / "results" / "07_semantic_drift_overall" / "max_drift_per_topic.csv" drift_df = pd.read_csv(drift_path) # Friendly labels friendly = { 0: "Brand campanie (nicusorpresedinte / românia onestă)", 1: "București / primăria capitalei", 2: "Vot / alegeri", 3: "România onestă (sub-cluster)", 4: "Guvern / momentul prezent", 5: "CSM / reforma judiciară", 6: "Responsabilitate / unire / istorie", 7: "Statele Unite / SUA", 8: "Live / declarații de presă", 9: "Georgescu / campania anulată", } drift_df["label"] = drift_df["topic_id"].map(friendly).fillna(drift_df["topic_label"]) drift_df = drift_df.sort_values("drift", ascending=True) colors = ["#e63946" if d > 0.25 else "#f4a261" if d > 0.15 else "#669BBC" for d in drift_df["drift"]] fig = go.Figure(go.Bar( x=drift_df["drift"], y=drift_df["label"], orientation="h", marker_color=colors, text=[f"{d:.2f}" for d in drift_df["drift"]], textposition="outside", hovertemplate="%{y} Drift: %{x:.3f}<extra></extra>", )) fig.update_layout( title="Drift semantic per topic (cosine distance centroid Q1 → Q2 2026)", xaxis_title="Drift (0 = identic, 1 = complet schimbat)", height=420, plot_bgcolor="white", margin=dict(t=60, b=40, l=20, r=20), xaxis=dict(showgrid=True, gridcolor="#eee", range=[0, 0.42]), ) fig.show() ``` **Top 3 drift-uri majore** (cum s-a schimbat lexiconul + contextul): - **Brand campanie** (drift 0.37): de la "România onestă / nicusorpresedinte" în campanie la **discurs instituțional-prezidențial** post-investitură. Brand-ul dispare aproape complet. - **Georgescu / campania anulată** (drift 0.32): de la **tema centrală** în Q1 2025 (anulare alegeri, CCR) la **silence deliberat** după Q2 2025. Mențiuni rare, frame total schimbat. - **CSM / reforma judiciară** (drift 0.30): de la *promisiune electorală* abstractă la **acțiune concretă** (numiri, magistrați, pensii) — vocabularul devine mai tehnic și procedural. ## Pattern observat — 3 ere distincte 1. **Era brand-ului campaniei (Q1-Q2 2025)** — "România onestă" + "nicusorpresedinte" domină. Adversari nominalizați (Simion, Ciolacu). Volum peak. 2. **Era guvernării interne (Q3 2025 - Q1 2026)** — apar temele de policy: pensii magistrați → apărare/Ucraina → reforma judiciară. Brand-ul dispare. Volum scade 3.6×. 3. **Era crizei (Q2 2026)** — Pfizer + criză coaliție + summit Polonia + nuclear/petrol. Limbaj instituțional-tehnic, dar tensiune crescândă (vezi [raportul ND-Bolojan](bolojan.qmd)). ## Ce nu surprinde TF-IDF TF-IDF e bun pentru a găsi **lemme distinctive**, dar are blind spots: - **Brand-shedding** ("România onestă" trece de la TF-IDF 0.60 în Q2 la **dispariție** în Q3-Q4) — semnal puternic doar dacă te uiți la deltă, nu absolute - **Stilul** — nu spune nimic despre dacă ND vorbește categoric sau ezitant (asta vezi în [scris vs vorbit](doua-registre.qmd)) - **Sentimentul** — nu spune cum vorbește despre topic (vezi [entități](entitati.qmd)) Pentru poveste completă, **TF-IDF + BERTopic + semantic drift + sentiment** lucrează împreună. --- [← Acasă](index.qmd) · [Vezi metoda completă →](metoda.qmd) · [Despre Bolojan →](bolojan.qmd)