Ementa: Desde que utilizadas as técnicas corretas, tudo que pode ser reconhecido, pode ser mensurado. Neste curso exploraremos a operacionalização de conceitos, mais especificamente a mensuração estatística de fenômenos sociais e políticos, sobretudo o que podemos resumir no conceito de ideologia. Nosso foco será a estimação de pontos ideais, isto é, a mensuração das posições de agentes políticos, econômicos e sociais. O ponto de partida é o modelo espacial da política (ou do voto), a concepção abstrata de que é possível posicionar as preferências dos atores sobre políticas (ou outros assuntos) em uma ou mais dimensões. Escolhas comportamentais, assim, poderiam ser explicadas e medidas por uma estrutura de preferências latente de baixa dimensionalidade. O desafio é passar da teoria para dados inteligíveis. É esse desafio que enfrentaremos no curso. Exploraremos algumas aplicações clássicas da estimação de pontos ideais, como a aferição de posições políticas precisas dos legisladores na escala esquerda-direita a partir de votos nominais e discursos nos parlamentos, a geração de medidas de preferências latentes dos indivíduos a partir de dados de surveys e mídias sociais. Introduziremos diversas técnicas utilizadas para tanto, como modelos de teoria de resposta ao item e w-nominate. Por fim, o curso abordará como podemos usar as estimativas de pontos ideais em outros modelos.

Pré-requisitos: Conhecimentos básicos de R e estatística.

Método de Ensino: Aulas expositivas serão combinadas com manipulação de dados e uso intenso de software de análise estatística. A ampla participação das pessoas estudantes será incentivada.

Avaliação: Ao final de cada uma das 4 primeiras aulas será realizado um exercício prático supervisionado pelo professor. Na última aula as pessoas estudantes aplicarão uma técnica introduzida no curso em um problema de pesquisa de seu interesse. Cada exercício valerá 20 pontos e quem obtiver 60 ou mais pontos será considerado aprovado.

Software: R e RStudio para manipulação, análise e visualização de dados.

Expectativas: As pessoas estudantes aprenderão a: - Identificar o conjunto de estratégias de mensuração apropriadas para tipos específicos de dados; - Estabelecer uma conexão entre os resultados de um modelo de mensuração e uma compreensão qualitativa do conceito sendo medido; - Implementar versões básicas dessas estratégias e operacionalizar o modelo espacial em sua própria pesquisa; - Operacionalizar extensões do modelo espacial em análises do comportamento legislativo e pesquisas de opinião; - Reconhecer as limitações de cada abordagem e avaliar o desempenho e adequação dos modelos.

Bibliografia para aprofundamento:

• Armstrong, David A. II, Ryan Bakker, Royce Carroll, Christopher Hare, Keith T. Poole, and Howard Rosenthal. 2014. Analyzing Spatial Models of Choice and Judgment with R. Boca Raton, FL: Chapman & Hall/CRC.
• Bafumi, Joseph, Andrew Gelman, David K. Park, and Noah Kaplan. 2005. “Practical Issues in Implementing and Understanding Bayesian Ideal Point Estimation.” Political Analysis 13(2): 171–87.
• Bartholomew, David J., Fiona Steele, Irini Moustake, and Jane I. Galbraith. 2008. Analysis of Multivariate Social Science Data. Boca Raton, FL: Chapman & Hall/CRC.
• Carrubba, Clifford, Matthew Gabel, and Simon Hug. 2008. “Legislative Voting Behavior, Seen and Unseen: A Theory of Roll-call Vote Selection.” Legislative Studies Quarterly 33(4): 543–72.
• Carrubba, Clifford, Matthew Gabel, Lacey Murrah, Ryan Clough, Elizabeth Montgomery, and Rebecca Schambach. 2006. “Off the Record: Unrecorded Legislative Votes, Selec­tion Bias and Roll-call Vote Analysis.” British Journal of Political Science 36(4): 691–704.
• Highton, Benjamin, and Michael Rocca. 2005. “Beyond the Roll-call Arena: The Determi­nants of Position Taking in Congress.” Political Research Quarterly 58(2): 303–16.
• Hug, Simon. 2009. “Selection Effects in Roll Call Votes.” British Journal of Political Science 40(1): 225–35.
• Izumi, Mauricio. 2016. “Governo e oposição no senado brasileiro (1989–2010).” Dados 59(1): 91–138.