When Algorithms Guard Democracy : Measuring Authoritarian Rhetorical Behaviour in Political Speech

Share

Abstract

La erosión democrática a menudo comienza retóricamente antes de que las instituciones muestren daños visibles. Aquí probamos si los modelos de lenguaje grandes (LLM) pueden detectar señales lingüísticas tempranas de deriva autoritaria en el discurso político. Discursos formales de Adolf Hitler (1922–1939), Donald Trump (2017–2025), Nicola Sturgeon (2014–2023), Giorgia Meloni (2022–2025) y Viktor Orban (2022–2025) se puntuaron utilizando una taxonomía de 11 indicadores derivada del marco Levitsky–Ziblatt y evaluados independientemente por GPT-4o, Gemini 2.5-Pro y Grok-4-Fast, con un acuerdo intermodelo casi perfecto. El Análisis de Componentes Principales reveló dos polos: un cluster autoritario-populista (Hitler–Trump–Orban) y un polo democrático-institucional (Meloni–Sturgeon). Para cuantificar la proximidad a una referencia autoritaria, introducimos el Índice de Referencia Autoritaria (ARI), definido de manera que captura tanto su alineación como su intensidad en relación con el vector estándar de Hitler. Trump presentó la mayor proximidad a la referencia (99,1% de alineación, 80,7% de intensidad), seguido por Orban, que reflejó la alineación estructural (97,6%) con una intensidad moderada (72,4%). En contraste, el polo democrático-institucional se distinguió por puntuaciones de intensidad significativamente más bajas, con Meloni (16,4%) y Sturgeon (22,3%) manteniéndose distantes de la magnitud autoritaria a pesar de diferentes grados de superposición estructural. Estos resultados muestran que las picos retóricos extremos llevan un peso diagnóstico desproporcionado y que los LLM pueden exponer patrones autoritarios estructurales relevantes para el monitoreo democrático. [Traducción automática al español; idioma original: inglés.]