Corpusul Cotroceni
Cinci președinți, 36 de ani de discurs public, 1,63 milioane de cuvinte. Cauți orice termen și vezi paragraful-sursă, compari vocabularul, măsori teme și stil sau verifici cu cine seamănă un text nou. Acces liber, fără cont.
Caută în discursuri
Separă termenii prin virgulă. Căutarea ignoră diacriticele: tara găsește și „țară”. Folosește * pentru prefix (europ*) și spații pentru expresii (statul de drept).
Concordanță
Apasă pe un rând ca să vezi paragraful complet și sursa exactă.
Ce cuvinte îl deosebesc pe fiecare
Fiecare vorbitor e comparat cu toți ceilalți la un loc. Cuvintele sunt ordonate după log-likelihood (G²). Bara arată de câte ori e mai frecvent cuvântul la el (log₂ al raportului). Apasă pe un cuvânt ca să-l vezi în context.
Teme, la 10.000 de cuvinte
Fiecare temă e un dicționar de termeni. Celula arată de câte ori apar termenii la 10.000 de cuvinte, iar culoarea compară valorile pe rând. Apasă pe o celulă ca să vezi exemplele. Poți edita dicționarele sau adăuga unele noi.
Editează dicționarele (o temă pe linie: Nume: termen, prefix*, expresie din mai multe cuvinte)
Profil retoric
Indicatori de stil calculați pe tot textul fiecărui vorbitor. Bogăția lexicală e măsurată cu MATTR (media raportului tipuri/cuvinte pe ferestre de 500 de cuvinte), care nu depinde de lungimea textului.
Persoana I singular: eu, mie, meu, mea, mei, mele, îmi. Persoana I plural: noi, nouă, nostru, noastră, noștri, noastre.
Amprenta stilistică
Stilometria recunoaște autorul unui text după felul în care scrie sau vorbește, nu după ce spune. Temele se schimbă de la un discurs la altul. Cuvintele mărunte, precum „și”, „că”, „nu”, „pe”, „care”, le folosim aproape automat, fiecare în proporții proprii, relativ stabile. Aceste proporții funcționează ca o amprentă.
Textul fiecărui președinte e împărțit în fragmente egale, de exemplu de 2.000 de cuvinte. Rezultă 170–274 de fragmente pentru primii patru și doar 18 pentru Nicușor Dan, al cărui mandat a început în 2025.
Pentru fiecare fragment calculăm cât de des apare fiecare dintre cele mai frecvente 150 de cuvinte din corpus. Apoi le standardizăm (scoruri z), ca „și”, foarte frecvent, să nu acopere restul.
Delta e media diferențelor dintre profilul unui fragment și profilul mediu al fiecărui președinte. Cea mai mică distanță indică autorul cel mai probabil.
Fiecare fragment e atribuit fără să fie inclus în profilul autorului său (leave-one-out). Așa aflăm cât de bine ar funcționa metoda pe un text necunoscut.
Cum citești graficul: fiecare punct e un fragment. Punctele apropiate au stiluri asemănătoare. Axele (PCA) sunt direcțiile pe care fragmentele diferă cel mai mult. Tabelul arată pe rânduri autorul real și pe coloane cui i-a fost atribuit fragmentul: diagonala înseamnă atribuiri corecte. În cercetare poți verifica, de exemplu, dacă un discurs a fost scris de alt autor (consilieri, ghostwriteri), dacă stilul unui politician se schimbă în timp sau cât de mult seamănă un candidat nou cu un președinte anume.
Cu cine seamănă un text?
Lipește un discurs (ideal peste 1.000 de cuvinte) sau testează metoda pe un fragment ales la întâmplare din corpus, al cărui autor îl știm.
Rețeaua de asocieri
Cu ce cuvinte apare un termen, la fiecare președinte? Același cuvânt poate fi încadrat foarte diferit. „Popor” poate sta lângă „muncă” și „sacrificii” la unul și lângă „vot” și „referendum” la altul. Harta arată asocierile specifice fiecăruia și pe cele comune.
Pentru fiecare apariție, luăm cele 5 cuvinte dinainte și cele 5 de după. Cuvintele funcționale (și, de, că…) sunt ignorate.
Scorul arată cât de exclusiv apar cele două cuvinte împreună, nu doar cât de des. Merge de la 0 la 14; peste 7 înseamnă o asociere puternică. Luăm în calcul doar perechile care apar de cel puțin 3 ori.
Fiecare președinte e un colț. Un cuvânt asociat doar cu unul stă lângă colțul lui, iar unul comun mai multora ajunge între ei, spre centru. Cercul mai mare înseamnă mai multe apariții împreună.
Adaugă textele tale
Aici transformi corpusul prezidențial într-un termen de comparație pentru orice alte texte: discursurile unui candidat, postările unui partid, declarațiile unui premier sau materialele dintr-o campanie. Textele tale rămân în browser și nu sunt trimise nicăieri.
Minimum 300 de cuvinte, dar rezultatele devin solide de la 5.000 de cuvinte în sus. Pentru stilometrie, ideal peste 10.000.
Scoate întrebările jurnaliștilor, titlurile și textul care nu aparține vorbitorului. Altfel măsori și vocea altcuiva.
Dă-i un nume vorbitorului, lipește textul sau încarcă unul ori mai multe fișiere .txt. Poți adăuga până la 3 vorbitori.
Vorbitorul apare în toate tab-urile: în căutare și concordanță, în vocabularul distinctiv, pe harta temelor, în profilul retoric și în stilometrie, unde vezi cu care președinte seamănă.
Exemple de întrebări: Seamănă retorica unui candidat antisistem mai mult cu Băsescu sau cu Iliescu? Ce teme lipsesc din discursul unui partid, comparat cu discursul prezidențial? Folosește un politician mai des „eu” decât „noi” după ce ajunge la putere?
Date și metodă
Corpusul
Discursuri, declarații și intervenții publice ale celor cinci președinți de după 1989, 1.629.400 de cuvinte în total. Primii trei sunt echilibrați la circa 350.000 de cuvinte fiecare; Klaus Iohannis are 548.559 (mandatele 2014–2024, încheiate prin demisie în decembrie 2024), iar Nicușor Dan 37.585, fiindcă mandatul lui a început în mai 2025 și acoperă doar 1 an și 4 luni.
De ce contează asta. Toate frecvențele sunt raportate la 10.000 de cuvinte, deci mărimile diferite nu umflă singure cifrele. Ce se schimbă e stabilitatea: pe 37.000 de cuvinte, un singur discurs lung despre un subiect poate muta un procent tematic, intervalele de încredere sunt de circa trei ori mai largi decât la ceilalți, iar metodele care cer volum — Burrows' Delta și asocierile rare cu logDice — dau rezultate mai zgomotoase. De aceea Nicușor Dan e marcat cu * în fiecare grafic și tabel comparativ.
Cum funcționează instrumentul
Tot ce vezi aici se calculează pe calculatorul tău, în browser. Pagina descarcă o singură dată corpusul comprimat (3,6 MB), îl despachetează în memorie și de acolo încolo fiecare căutare, scor de cheie, procent tematic sau distanță stilometrică e socotit local, în JavaScript. Nu există server care să facă analiza, deci nu există cozi de așteptare, limite de interogări sau cont de utilizator.
Pentru tine asta înseamnă trei lucruri. Rapid: după prima încărcare, rezultatele apar instantaneu, fiindcă nu mai pleacă nimic în rețea. Privat: textele pe care le lipești la „Textele tale” rămân pe calculatorul tău — nu se încarcă nicăieri, nu le vede nimeni, nici eu. Verificabil: toată metoda e în codul paginii, îl poți citi cu „Vizualizare sursă”, iar dacă salvezi pagina și fișierul de corpus, instrumentul funcționează identic offline, peste ani, fără să depindă de un serviciu care s-ar putea închide.
Curățare
Am reparat codificările greșite din sursă (de ex. „ĂŽn” în loc de „în”), am unificat ş/ţ cu sedilă cu ș/ț cu virgulă, am eliminat caracterele de control și am scos pasajele rostite în alte limbi (germană, engleză), care ar fi umflat artificial vocabularul unic. Toate calculele ignoră diacriticele, pentru că o parte din textele lui Constantinescu sunt scrise fără ele.
Metode
- Vocabular distinctiv: log-likelihood G² (Dunning, 1993) și log-ratio (Hardie, 2014), fiecare vorbitor față de restul.
- Teme: dicționare de termeni, cu prefixe și expresii, numărate la 10.000 de cuvinte.
- Bogăție lexicală: MATTR pe ferestre de 500 de cuvinte (Covington și McFall, 2010).
- Asocieri: coocurențe într-o fereastră de ±5 cuvinte, cu scorul logDice (Rychlý, 2008), cum le calculează Sketch Engine.
- Stilometrie: Burrows' Delta (2002) pe cele mai frecvente cuvinte, cu scoruri z, validare leave-one-out și proiecție PCA.
Limite
- Volum inegal la Nicușor Dan: 37.585 de cuvinte față de 347.000–549.000 la ceilalți, adică de circa 9 ori mai puțin. Diferențele care îl privesc pot veni din volumul mic sau din subiectele primului an de mandat, nu neapărat din stilul lui. Pentru o publicație, orice afirmație despre el cere un test de stabilitate (bootstrap pe discursuri) sau o comparație cu primul an de mandat al celorlalți.
- Textele nu au dată în corpusul de analiză, deci instrumentul nu permite serii temporale în interiorul unui mandat.
- Genurile diferă de la un președinte la altul: la Băsescu apar mai multe intervenții spontane, la Iohannis și la Nicușor Dan mai multe discursuri protocolare. O parte din diferențele de stil vin din gen, nu doar din persoană.
- Unele texte ale lui Constantinescu sunt dinainte de mandat (1995–1996).
- Dicționarele tematice sunt un punct de plecare. Pentru o publicație trebuie validate: verifici concordanța ca să vezi ce prind de fapt.
Statut juridic
Textele oficiale de natură politică nu sunt protejate de dreptul de autor (Legea 8/1996, art. 9).
Cum citezi
Spoaller, D. (2026). Corpusul Cotroceni: instrument de analiză a discursului prezidențial românesc, 1990–2026. România Interactivă, FSPAC, Universitatea Babeș-Bolyai. https://presedintii.ro/