新冠大流行期间德国推文中政策偏好的变化

在线社交媒体已成为交流政治观点的重要论坛。为应对新冠措施，公民在这些平台上直接表达了他们的政策偏好。量化在线社交媒体中的政治偏好仍然具有挑战性：海量内容需要对政治偏好进行可扩展的自动提取——然而由于缺少数据集，细粒度政治偏好提取在当前的机器学习（ML）技术下十分困难。本文提出了一个带有细粒度政治偏好标注的推文新数据集。在该数据上训练的文本分类模型被用于提取 2019 至 2022 年德国推特语料库中的政策偏好。我们的结果表明，为应对新冠大流行，政治观点的表达有所增加。利用完善的政策偏好分类法，我们分析了细粒度政治观点并突出了不同政治类别中的变化。这些分析表明，政策偏好表达的增加主要由亲福利、亲教育和亲政府行政效率等类别主导。本研究所用的所有训练数据与代码均已公开，以鼓励其他研究者进一步改进自动政策偏好提取方法。我们希望我们的发现有助于更好地理解在线社交媒体中的政治陈述，并更好地评估新冠措施如何影响政治偏好。