基于自动文本分析对美国总统和州长演讲中的民粹主义语言进行分类
计算与语言
2024-08-28 v1
摘要
民粹主义是一个常被使用但难以衡量的概念。常见的定性测量方法如整体评分或内容分析需要大量的时间和劳动力，这使得快速判断哪些政治家应被归类为民粹主义者而哪些人则不应被归类为民粹主义者变得困难，而定量方法在对民粹主义修辞进行分类时显示出混合结果。本文我们发展了一个管道来训练和验证自动分类模型，以估计民粹语言的使用情况。我们基于2010至2018年300名美国州长演讲中识别为民粹主义和复数主义的句子，以及2016年45位总统候选人演讲中的句子进行训练。我们发现这些模型正确分类了大多数演讲，包括84%的州长演讲和89%的总统演讲。这些结果扩展到不同的时间段（在更近期的美国州长演讲中准确率达92%）、不同的数据量（仅需70个训练句子即可获得类似结果）以及在对政治家而非单个演讲进行分类时。因此，这个管道是一个有效的工具，可以优化民粹语言在政治家演讲中的系统性和快速分类。
引用
@article{arxiv.2408.15213,
title = {Classifying populist language in American presidential and governor speeches using automatic text analysis},
author = {Olaf van der Veen and Semir Dzebo and Levi Littvay and Kirk Hawkins and Oren Dar},
journal= {arXiv preprint arXiv:2408.15213},
year = {2024}
}