Blogosfera, estratégias de subversão e o campo da comunicação no Brasil: uma análise do Movimento dos Blogueiros Progressistas sob uma perspectiva de estudos organizacionais

O campo da comunicação tem passado por um processo de intensas mudanças no que tange ao modo como a notícia é produzida, distribuída e consumida em seus diversos segmentos. Tal fenômeno está ligado, principalmente, a mudanças de ordem tecnológica que têm possibilitado novas alternativas de se produzir e comercializar a noticia e que fogem ao modelo estabelecido pelas organizações dominantes nesse espaço. A Internet, além de ter modificado o processo tradicional de produção, comercialização e distribuição da informação praticado pelas corporações de mídia, possibilitou também que diferentes grupos da sociedade civil pudessem expressar-se de maneira mais livre. Nesse sentido, graças à utilização das novas tecnologias de informação e comunicação por parte de tais grupos, viu-se o surgimento, no campo da comunicação no Brasil, de um conjunto de blogs políticos que possui como principal intuito desafiar o poder da mídia tradicional e também o de permitir a difusão de pontos de vista políticos distintos aos das organizações mainstream. Tal espaço é aqui denominado como uma blogosfera política alternativa. Dentre os diversos grupos de agentes que ingressaram no campo da comunicação nos últimos tempos, pode-se mencionar um movimento organizado específico que ganhou visibilidade nos últimos anos tanto por sua atuação política, como por seu engajamento na discussão sobre a democratização da mídia no Brasil: o Movimento dos Blogueiros Progressistas (BlogProg). O BlogProg, que é composto por jornalistas egressos de grandes organizações de mídia tradicional, jornalistas ligados a veículos de mídia alternativa e militantes políticos vinculados a partidos de esquerda, foi responsável pela realização de diversos encontros nacionais em que foram feitas diversas reivindicações em prol da formulação de políticas públicas que garantissem a democratização do campo da comunicação no Brasil e que incentivassem a própria blogosfera. Nesse sentido, a presente tese possui como objetivo analisar de que maneira a gênese e a consolidação de uma blogosfera política alternativa possibilitou, sobretudo a partir da criação do Movimento de Blogueiros Progressistas (BlogProg), o surgimento de estratégias de subversão por parte de diferentes agentes pertencentes ao campo da comunicação no Brasil. Procura-se realizar uma articulação entre a teoria sociológica de campo social desenvolvida pelo sociólogo francês Pierre Bourdieu, e a perspectiva de ativismo de mídia advinda dos campos dos estudos de mídia e comunicação e da sociologia, especialmente aquela desenvolvida por autores como Carroll e Hackett (2006) e Hackett (2008). Para que o objetivo deste trabalho pudesse ser atingido, optou-se por coletar diferentes tipos de dados que pudessem ser contrapostos e que permitissem uma maior profundidade no que tange à analise dos elementos aqui sob investigação. Assim, foram coletados dados provenientes de treze blogs vinculados ao movimento BlogProg. Também, foram coletados dados provenientes de observação participante nos principais eventos promovidos pelos agentes que compõem o movimento. Por fim, foram entrevistados dezoito pessoas, dentre blogueiros e ativistas digitais que possuem algum tipo de relação com o movimento aqui analisado. Como resultado foi possível verificar que este novo movimento social faz uso de diferentes micro e macro estratégias de subversão não só para que seja possível desafiar as organizações dominantes vinculadas aos meios de comunicação tradicionais, mas também para modificar as regras dominantes e a ordem estabelecida no campo da comunicação. Entretanto, evidenciou-se que as estratégias de subversão, ainda que sejam orientadas por um desejo de promover transformações revolucionárias no campo por meio da defesa de práticas opostas às práticas dominantes, ainda assim muitas vezes são obrigadas a incorporar algumas práticas ou elementos que também estão presentes nestas últimas, o que está relacionado à força do habitus dos agentes que exercem mais peso no movimento e também pela necessidade do movimento continuar a disputar o jogo em questão. Espera-se que a pesquisa aqui proposta contribua para os estudos sobre as organizações e o elemento poder presente em toda a sua rede de relações sociais. Tais estudos, de acordo com Faria (2003), deve ser capaz de revelar não apenas o que é manifesto e que somos capazes de ver facilmente, mas também o que não pode ser expresso, o que jaz oculto.

Forecasting accuracy and estimation uncertainty using VAR models with short- and long-term economic restrictions: a Monte-Carlo study

Using vector autoregressive (VAR) models and Monte-Carlo simulation methods we investigate the potential gains for forecasting accuracy and estimation uncertainty of two commonly used restrictions arising from economic relationships. The Örst reduces parameter space by imposing long-term restrictions on the behavior of economic variables as discussed by the literature on cointegration, and the second reduces parameter space by imposing short-term restrictions as discussed by the literature on serial-correlation common features (SCCF). Our simulations cover three important issues on model building, estimation, and forecasting. First, we examine the performance of standard and modiÖed information criteria in choosing lag length for cointegrated VARs with SCCF restrictions. Second, we provide a comparison of forecasting accuracy of Ötted VARs when only cointegration restrictions are imposed and when cointegration and SCCF restrictions are jointly imposed. Third, we propose a new estimation algorithm where short- and long-term restrictions interact to estimate the cointegrating and the cofeature spaces respectively. We have three basic results. First, ignoring SCCF restrictions has a high cost in terms of model selection, because standard information criteria chooses too frequently inconsistent models, with too small a lag length. Criteria selecting lag and rank simultaneously have a superior performance in this case. Second, this translates into a superior forecasting performance of the restricted VECM over the VECM, with important improvements in forecasting accuracy ñreaching more than 100% in extreme cases. Third, the new algorithm proposed here fares very well in terms of parameter estimation, even when we consider the estimation of long-term parameters, opening up the discussion of joint estimation of short- and long-term parameters in VAR models.

Model selection, estimation and forecasting in VAR models with short-run and long-run restrictions

We study the joint determination of the lag length, the dimension of the cointegrating space and the rank of the matrix of short-run parameters of a vector autoregressive (VAR) model using model selection criteria. We consider model selection criteria which have data-dependent penalties for a lack of parsimony, as well as the traditional ones. We suggest a new procedure which is a hybrid of traditional criteria and criteria with data-dependant penalties. In order to compute the fit of each model, we propose an iterative procedure to compute the maximum likelihood estimates of parameters of a VAR model with short-run and long-run restrictions. Our Monte Carlo simulations measure the improvements in forecasting accuracy that can arise from the joint determination of lag-length and rank, relative to the commonly used procedure of selecting the lag-length only and then testing for cointegration.

Model selection, estimation and forecasting in VAR models with short-run and long-run restrictions

We study the joint determination of the lag length, the dimension of the cointegrating space and the rank of the matrix of short-run parameters of a vector autoregressive (VAR) model using model selection criteria. We consider model selection criteria which have data-dependent penalties as well as the traditional ones. We suggest a new two-step model selection procedure which is a hybrid of traditional criteria and criteria with data-dependant penalties and we prove its consistency. Our Monte Carlo simulations measure the improvements in forecasting accuracy that can arise from the joint determination of lag-length and rank using our proposed procedure, relative to an unrestricted VAR or a cointegrated VAR estimated by the commonly used procedure of selecting the lag-length only and then testing for cointegration. Two empirical applications forecasting Brazilian inflation and U.S. macroeconomic aggregates growth rates respectively show the usefulness of the model-selection strategy proposed here. The gains in different measures of forecasting accuracy are substantial, especially for short horizons.

Model selection, estimation and forecasting in VAR models with short-run and long-run restrictions

We study the joint determination of the lag length, the dimension of the cointegrating space and the rank of the matrix of short-run parameters of a vector autoregressive (VAR) model using model selection criteria. We consider model selection criteria which have data-dependent penalties as well as the traditional ones. We suggest a new two-step model selection procedure which is a hybrid of traditional criteria and criteria with data-dependant penalties and we prove its consistency. Our Monte Carlo simulations measure the improvements in forecasting accuracy that can arise from the joint determination of lag-length and rank using our proposed procedure, relative to an unrestricted VAR or a cointegrated VAR estimated by the commonly used procedure of selecting the lag-length only and then testing for cointegration. Two empirical applications forecasting Brazilian in ation and U.S. macroeconomic aggregates growth rates respectively show the usefulness of the model-selection strategy proposed here. The gains in di¤erent measures of forecasting accuracy are substantial, especially for short horizons.

Model selection, estimation and forecasting in VAR models with short-run and long-run restrictions

We study the joint determination of the lag length, the dimension of the cointegrating space and the rank of the matrix of short-run parameters of a vector autoregressive (VAR) model using model selection criteria. We suggest a new two-step model selection procedure which is a hybrid of traditional criteria and criteria with data-dependant penalties and we prove its consistency. A Monte Carlo study explores the finite sample performance of this procedure and evaluates the forecasting accuracy of models selected by this procedure. Two empirical applications confirm the usefulness of the model selection procedure proposed here for forecasting.