Az Országgyűlés 43. ciklusának 1693 felszólalása, négy mérce mentén: mennyire nehéz olvasni, milyen hangulatú, miről szól, és milyen reakciót váltott ki a teremből. Minden szám egyetlen ciklusra vonatkozik — csak ehhez létezik beszédexport.
Hol áll egy képviselő a többiekhez képest?
Minden sor egy mérce. A halvány pontok mind a 88 képviselőt mutatják, akik legalább öt alkalommal szólaltak fel; a kiemelt pont a kiválasztott képviselő, a függőleges vonal a frakciója mediánja. Így nem egy elszigetelt szám látszik, hanem az, hogy az adott érték szokatlan-e.
Milyen erényekről beszél?
Az erénysávok azt mutatják, melyik erkölcsi szókincshez nyúl a képviselő — nem azt, hogy rendelkezik-e az adott erénnyel. Ez a különbség nem szerénykedés: a korpuszban az igazmondás szókincsének 41%-a vád („hazugság”, „megtéveszt”), vagyis egyetlen számként az kapná a legmagasabb pontszámot, aki a legtöbbször nevezi hazugnak a másikat. Aki mást hazugsággal vádol, az is az igazmondás normájára hivatkozik — a téma tehát közös, az állásfoglalás nem. A sávokon az összes említés szerepel; hogy ebből mennyi helyeslő és mennyi vádló, azt az egérmutató mutatja meg.
Képviselő
Frakció
Miről beszél?
A képviselő felszólalásainak megoszlása témák szerint, a saját felszólalásaihoz viszonyítva.
Melyik téma milyen reakciót vált ki?
Soronként egy téma, oszloponként egy mérce. A szín azt mutatja, hány szórásnyira tér el a téma a ciklus átlagától: kék = átlag alatt, narancs = átlag fölött, szürke = átlagos. A reakciók óránkénti gyakoriságok, hogy egy hosszabb vitájú téma ne tűnjön automatikusan indulatosabbnak.
A témák a 2. feladat BERTopic-modelljéből származnak; a neveket kézzel írtuk a modell kifejezései és jellemző dokumentumai alapján. A Nem besorolt maradék nem téma: azok a felszólalások, amelyeket a klaszterezés kihagyott.
Ki beszél miről?
Válasszon témát, és megjelenik, kik szólaltak fel benne. Az „arány” oszlopok azért állnak egymás mellett, mert kétféle kötődés van: valaki lehet a téma szakértője (a saját felszólalásainak nagy része ide esik), és lehet a vita ura (a téma felszólalásainak nagy része az övé). A kettő rendszerint nem ugyanaz az ember.
Kulcsszavak témánként
Ki kit szakított félbe?
Minden nyíl egy bekiabálótól ahhoz vezet, aki éppen beszélt, és a vonal vastagsága azt mutatja, hányszor fordult elő az adott pár. A pontméret kapcsolóval két nézet között válthat: mennyi félbeszakítást kapott valaki (in-degree), illetve mennyit adott (out-degree). A két nézet ugyanazt a méretskálát és ugyanazt az elrendezést használja, így közvetlenül látszik, ki oszt többet, mint amennyit kap. A 294 élből 226 átível a két oldal között — a félbeszakítás túlnyomórészt kormány–ellenzék műfaj. Kattintásra a képviselő profilja nyílik meg.
A projektről
Adatforrás. Az Országgyűlés 43. ciklusának jegyzőkönyvei, a parlamonitor adatbázisából exportálva (1693 felszólalás, 826 775 szó, 215 kérdés-válasz váltás). A jegyzőkönyvi közbevetéseket („Taps a kormánypártok soraiban.”) a 39–43. ciklusból dolgoztuk fel, összesen 261 935 sort.
Módszer. Lemmatizálás és mondatra bontás
emtsv-vel; függőségi elemzés
HuSpaCy-vel
(hu_core_news_md, CC BY-SA 4.0). Olvashatóság:
LIX és RIX a saphes
csomaggal, magyarra kalibrált 8 betűs hosszúszó-küszöbbel, magyar
betűszámlálással (a cs, gy, ly, ny, sz, ty, zs, dzs egy betű).
Szókincs-változatosság: MATTR, 100 tokenes ablakkal. Mondattani
összetettség: átlagos függőségi távolság (MDD) és hierarchikus mélység
(MHD), Jing & Liu (2015) szerint, legalább 3 szavas mondatokon.
Idegenszó-arány: 15 203 lemmás lista alapján (Bakos Ferenc szótárához
mérve), tulajdonnevek nélkül. Kulcsszavak: TextRank és KeyBERT.
Hangulat és érzelem: szótáralapú, nem neurális modell.
Hangulat a Precognox magyar szentimentszótárával (1748 pozitív, 5940
negatív lemma, CC BY-NC 4.0), tagadáskezeléssel: a tagadás hatókörén
belüli szavak polaritása megfordul, így a nem probléma pozitív.
A nélkül névutó visszafelé hat, ezt külön kezeljük. Érzelem:
Ekman hat alapérzelme Putz Orsolya saját gyűjtéséből,
a szerző engedélyével. Témák: BERTopic huBERT-beágyazásokon.
Amit ez nem mér. A szótáralapú mérés minden pontszáma visszavezethető a konkrét szavakra, amelyek létrehozták — de a szótár nem olvas kontextust. Két korlátot érdemes fejben tartani. A szentimentszótár 3,4-szer nagyobb a negatív oldalon, ezért a súlyozatlan számlálás eleve negatív felé húz. Az érzelemszavak a tartalmas lemmák 2,9%-át teszik ki, ezért a kevés találatot tartalmazó felszólalásokat ritkának jelöljük: a 0,0 egyaránt jelentheti azt, hogy „nincs düh”, és azt, hogy „nincs mit mérni”.
A szótárak általános magyar nyelvre készültek, ez a korpusz viszont
parlamenti, és néhány szó itt mást jelent. A vita az
eljárás neve, az elfogadás a törvényjavaslaté, a
fél pedig egyszerre „tart valamitől”, „fél óra” és „a másik
fél”. Szűrés nélkül a jó, támogatás,
kedves és segít miatt az öröm lett volna a
domináns érzelem a felszólalások 62%-ában. Húsz tételt vettünk ki,
szavanként, tényleges korpuszbeli használat alapján; mindegyiknél
rögzítettük az indokot, az eredeti listák érintetlenül megvannak.
Big Five személyiségpontszám nem készült: helyette az
erényetika szótára felé indultunk el.
Köszönet. Az érzelemszótárak Putz Orsolya saját gyűjtésének részei — folyamatban lévő munka, a szerző engedélyével használjuk. A szótárakat nem tesszük közzé.
Lefedettség. Minden képviselőhöz kötött pontszám a 43. ciklusé, mert csak ehhez van beszédexport. A bekiabálás-hálózat 916 névvel jelölt közbeszólásból épül; a ciklus közbeszólásainak további 41%-a felszólaláson kívül hangzott el (szavazás, ügyrend), ezekhez nincs kihez kötni őket.
Eszközök. emtsv · saphes · keyflux · BERTopic · networkx ·
D3 v7 · pandas. Az adatfeldolgozás kódja és a részletes módszertani
jegyzetek a repóban:
parlamonitor-experiments
(data/derived/*/REPORT.md).
Dátum. Az adatok exportja: 2026. A feldolgozás: 2026 szeptember.
Licenc. CC BY-NC-SA 4.0 · hello@crowintelligence.org · Crow Intelligence