Nov, 2023

利用ChatGPT进行政治文本的扩展

HTML
PDF
TL;DR我们使用GPT-4在连续空间中获得政治文本的位置估计，通过将英国政党纲领在经济、社会和移民政策维度上定位，以及将美国国会议员的推文在左右意识形态谱系上定位，我们开发并验证了一种新的方法。对于政党纲领，GPT-4产生的位置与专家的相关性为93%或更高，性能与众包位置估计相当或更好。对于个别推文，GPT-4获得的位置与众包位置估计的相关性达到91%。对于美国第117届国会的参议员，使用GPT-4获得的位置与基于点名表决的估计相关性为97%，与基于竞选资金的估计相关性为96%。同一党派内的相关性也很大，表明使用GPT-4产生的位置估计捕捉到了参议员之间的党内差异。总体而言，使用GPT-4进行意识形态伸缩是快速、经济高效且可靠的方法，这为专家评估和众包评估提供了可行的替代方案。
发现论文，激发创造
  • 基于文本的理想点

    本文介绍了一种基于文本的理想点模型（TBIP），通过分析议员的演讲、推文等文本来量化其政治立场。研究表明，该模型能够将议员按党派划分，并学习到可解释的政治主题，并推断出与基于选票的理想点接近的理想点。此外，TBIP 可以估计任何撰写政治文本的人的理想点，包括非投票行为者，并用于研究 2020 年民主党总统候选人的推文，将他们识别为沿着一个可解释的渐进到温和的光谱。

    May, 2020

  • Twitter 是否知道你的政治观点？POLiTweets 数据集和半自动方法的政治倾向发现

    研究发现，使用社交媒体平台的用户只需发表13篇与社会相关的帖子即可预测其政治取向，作者通过创新的半自动化方法来发现用户的政治倾向，并公开了波兰的POLiTweets数据集，以研究多党制的政治倾向和领域转移等问题。

    Jun, 2022

  • CommunityLM: 从语言模型中探究党派世界观

    利用社区语言模型，研究政治言论语言化的分歧，通过观察群体在社交媒体中的表达，详细分析不同派别的观点，并且发现了相对于其他方法更高的对比度。

    Sep, 2022

  • 利用大型语言模型在零样本学习下估算政治家意识形态

    本篇研究利用ChatGPT等大语言模型对美国116届参议员进行纵向比较和分析，并筛选出与其政治思想立场相关的因素，在政治科学等领域进一步开拓了利用大语言模型技术进行测量与收集社会科学数据的新途径。

    Mar, 2023

  • ChatGPT-4在使用零样本学习对政治Twitter信息进行注释方面胜过专家和众包工作者

    本文研究了大型语言模型ChatGPT-4在Twitter文本分析任务中对发布者政治意向分类的精度、可靠性和偏差，并结论该模型精度更高、可靠性更高、偏差相等或更低，从而证明了该模型在社会科学中的巨大影响。

    Apr, 2023

  • 多语言政党立场估计：从标签聚合到长输入变换器

    计算政治学的技术之一是扩展分析，根据（通常较长的）文本集合（如议会演讲或选举宣言）给予政治参与者（如政治家或政党）一个预定义的评分。本研究通过实施和比较两种自动扩展分析政党宣言的方法：标签聚合和基于长输入的Transformer模型，对41个国家和27种语言的比较宣言项目数据集进行分析，发现最佳结果可通过先进的模型和标签聚合的方式高效解决。

    Oct, 2023

  • 语义缩放：使用大型语言模型的贝叶斯理想点估计

    本文介绍了一种名为“语义缩放”的新方法，用于从文本中进行理想点估计。利用大规模语言模型根据表达的立场对文档进行分类，并提取类似调查的数据。然后使用项目反应理论对这些数据进行尺度化处理。语义缩放显著改进了现有的基于文本的尺度化方法，并允许研究人员明确定义他们所测量的意识形态维度。这是首个在调查工具之外提供此种灵活性的尺度化方法，为难以进行调查的人群开辟了新的研究途径。此外，它适用于不同长度的文档，并生成对大众和精英意识形态的有效估计。作者证明该方法能区分政策偏好和内外群体情感，并根据人类判断在公众中表现出更好的效果。在国会中，它重新捕捉到了第一维DW-NOMINATE，并在解决构建效度挑战方面具有更大的灵活性。

    May, 2024

  • L(u)PIN: 基于LLM的政治意识形态实时预测

    利用 LLM 的潜在知识，本文提出了一种分析个别国会代表意识形态立场的方法，通过使用经过微调的 BERT 分类器从代表的演讲中提取基于意见的句子，并将每个代表的平均 BERT 嵌入投影到一对参考种子上，这些参考种子是在特定话题上具有相对立观点的已知代表，或者使用 OpenAI 的 GPT-4 模型生成的句子。

    May, 2024

  • 大型语言模型对报纸政治取向的检测

    报纸定位存在明显差异问题，需加强LLM评估，改进算法以填补该民主国家敏感问题的重大空白，并促进社区参与。

    May, 2024

  • 以多样的政治观点对齐大型语言模型

    通过使用100,000个瑞士国会候选人的评论，将大型语言模型与不同政治观点对齐，从而克服ChatGPT等商业模型的政治偏见，并提出了使用这种模型生成多个观点的平衡概述的方法。

    Jun, 2024