Jul, 2022

2016 年初选期间，美国政客的模式变得更加负面

PDF
TL;DR通过对一系列在线新闻中 18,627 名美国政客的语言进行心理语言学分析，研究发现自 2008 年至 2020 年期间，美国政治家用语的语气从一直下降到 2016 年大选前快速而持久地增加，特别是特朗普的重要演讲对此贡献了很大程度的影响，这表明特朗普的竞选活动是导致美国政治话语变得更加消极的重要因素之一。
us politicstonelanguagetrumppsycholinguistics
发现论文，激发创造
  • 特朗普时代的在线政治话语

    研究 Reddit 在 2007 年 1 月至 2017 年 5 月期间的（不）礼貌和政治讨论的复杂性的趋势，并调查了四个影响美国政治话语质量下降的因素 - 特朗普的日益普及，日益极化的政党派系，新闻媒体的民主化和假新闻的崛起，以及边缘群体融入主流政治讨论。

    Nov, 2017

  • 情感是赢得美国总统选举所需的全部

    本文利用最先进的自然语言处理方法，对 2020 年美国总统选举中的两位候选人特朗普和拜登的竞选演讲与情感进行了研究和分析，比较了美国的种族二元论，分析了不同候选人胜利和失败的原因，希望该研究能够为竞选策略和信息传递提供基础。

    Sep, 2022

  • 量化唐纳德・特朗普在总统演讲中的独特性

    特朗普与其他总统在讲话方式上的差异、独特词汇和攻击性语言对手的特征、以及他在重点强调上的反复模式等方面存在明显差异，这些差异在各种测量策略下都持续存在，并不是世俗时间趋势的产物。

    Jan, 2024

  • 2020 年美国选举中针对政治对手的仇恨：基于攻击性言论和立场检测的 Twitter 语料库研究

    本研究分析 2020 年美国大选期间，支持者在社交媒体上对候选人的仇恨和冒犯性言论，建立了针对这些言论的标注任务，并采用 BERT 基线分类器评测了该任务的性能，从而为针对仇恨语言的计算模型提供了一种新的公开资源。

    Mar, 2021

  • 党派语言使用中的道德共识与分歧

    研究通过分析 Reddit 社群和新闻媒体等大规模真实语言使用数据，使用词嵌入模型发现了政治性语言中存在的情感分化模式以及与七个政治话题相关的词语的语义关联，揭示了跨党派界限的道德联想差异，这些结果强调了虽然在政治谱系上有着共享的道德理解，但仍然存在着塑造党派语言并潜在加剧政治极化的一致差异。

    Oct, 2023

  • Twitter 上极化的长期分析

    通过分析近 8 年来 679,000 个用户在 Twitter 上的行为，研究表明社交媒体在政治话语形成中扮演了重要角色，同时也加剧了政治两极化现象。该研究是少数具有长期展望的，涵盖两次美国总统选举和两次中期选举的罕见纵向分析之一。

    Mar, 2017

  • 政治、情感和病毒式传播：希腊、西班牙和英国的大规模多语言 Twitter 分析

    本研究分析希腊，西班牙和英国国会议员的 Twitter 帖子，通过情感分析探索这些政治家的帖子是否遵循推广负面情绪以获得更高转发量的趋势，结果表明政治家的负面情绪的推文在最近时间内更广泛传播，突显情感和受欢迎程度的交集方面的有趣趋势。

    Feb, 2022

  • 使用语言模型理解政治极化：一个数据集与方法

    通过使用语言模型分析美国政治体系中的政治极化，我们提供了对候选人立场的分析信息，以帮助选民了解其在经济、医疗保健、教育和其他社会问题上的观点，并进一步分析候选人的数据集和使用 “Longformer” 这样更强大的方式，找到每个候选人在其政治观点和背景上的最近邻。

    Jan, 2023

  • 社交媒体上的语言分歧演变

    利用社交媒体数据，我们对美国党派的左右分歧进行语言分析，发现在话题、情感和词汇语义方面存在语言差异，并对可能导致语言分化的沟通问题提出警示。

    Sep, 2023

  • 在线辩论中情绪语调的因果影响估计

    本研究应用统计学方法对社交媒体帖子进行分析，研究了回复对话的语气和后续回复的语言和情感变化之间的因果关系，结果显示陈述事实和断言的语气会对对话产生影响，并提供了从文本中估算因果效应的方法。

    Jun, 2019