在线政治传播中相似与意识形态相关的图像考察

本文调查了美国全国政客在 Twitter 上分享的视觉媒体，政客所分享图像类型的多样性如何反映其政治立场，并指出了在此背景下使用标准图像表征方法的风险。尽管过去的工作在政客社交媒体图像使用方面产生了有价值的结果，但这些工作主要关注摄影媒体，考虑到此类空间中分享的视觉媒体多样性（例如信息图、插图或表情包），这可能不够。利用多个流行的预训练深度学习模型来表征政客的视觉内容，本工作使用聚类识别了 Twitter 上分享的八种视觉媒体类型，其中若干并非摄影性质。结果显示个别政客分享这些类型的多样性，且它们跨这些聚类的图像分布与其整体意识形态立场相关——例如，自由派政客似乎分享较大比例的信息图风格图像，而保守派政客似乎分享更多爱国图像。然而，人工评估揭示这些图像表征模型常将具有不同语义但视觉相似的图像归入同一聚类，这对研究者如何解释该空间中的聚类以及与政治意识形态的基于聚类的相关性具有启示。特别是，这些预训练模型中语义意义的坍缩可能导致某些图像聚类的零发现，而非跨意识形态光谱的政客分享常见图像类型。我们在本文结尾给出一组研究者建议以防止此类问题。