激进主义研究中的纵向情感分析：社交媒体平台上的跨时间动态及其启示
计算与语言
2022-10-04 v1 计算机视觉与模式识别
应用统计
摘要
本讨论论文展示了纵向情感分析如何描绘社交媒体平台上的跨时间动态，其中固有的挑战是什么，以及进一步的研究如何能从纵向视角中受益。此外，由于情感分析工具旨在以可接受的评分者间信度简化并加速定性数据的分析过程，因此将考察其在激进主义研究背景下的适用性，所用数据为依据2021年1月6日（华盛顿美国国会大厦遭冲击当日）所收集的推文。为此，将均匀分布于三个不同序列（华盛顿美国国会大厦遭冲击之前、期间和之后）的共计49,350条推文进行分析。这些序列凸显了社交媒体平台评论中的跨时间动态，以及在使用条件均值和条件方差时纵向视角可能带来的益处。同时，也将展示在识别此类事件的支持者及相关仇恨言论方面的局限性，以及常见的应用错误。结果表明，只有在特定条件下，纵向情感分析才能提高激进主义研究背景下基于证据的预测的准确性。
引用
@article{arxiv.2210.00339,
title = {Longitudinal Sentiment Analyses for Radicalization Research: Intertemporal Dynamics on Social Media Platforms and their Implications},
author = {Dennis Klinkhammer},
journal= {arXiv preprint arXiv:2210.00339},
year = {2022}
}
备注
11 pages, 2 figures