論文の概要: Affective Polarization Amongst Swedish Politicians

• arxiv url: http://arxiv.org/abs/2503.16193v2
• Date: Fri, 21 Mar 2025 11:50:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-24 11:33:46.840741
• Title: Affective Polarization Amongst Swedish Politicians
• Title（参考訳）: スウェーデンの政治家の間での感情的な分極
• Authors: François t'Serstevens, Roberto Cerina, Gustav Peper,
• Abstract要約: 本研究では,2021年から2023年までのスウェーデンの政治家のTwitter上での感情分極について検討した。 グループ内が党レベルで定義されると、否定的な党派が圧倒的に支配的になる。 否定的な党派は、オンラインの可視性にとって戦略的選択であることを証明し、3.18以上のお気に入りと1.69以上のリツイートを惹きつける。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study investigates affective polarization among Swedish politicians on Twitter from 2021 to 2023, including the September 2022 parliamentary election. Analyzing over 25,000 tweets and employing large language models (LLMs) for sentiment and political classification, we distinguish between positive partisanship (support of allies) and negative partisanship (criticism of opponents). Our findings are contingent on the definition of the in-group. When political in-groups are defined at the ideological bloc level, negative and positive partisanship occur at similar rates. However, when the in-group is defined at the party level, negative partisanship becomes significantly more dominant and is 1.51 times more likely (1.45, 1.58). This effect is even stronger among extreme politicians, who engage in negativity more than their moderate counterparts. Negative partisanship also proves to be a strategic choice for online visibility, attracting 3.18 more likes and 1.69 more retweets on average. By adapting methods developed for two-party systems and leveraging LLMs for Swedish-language analysis, we provide novel insights into how multiparty politics shapes polarizing discourse. Our results underscore both the strategic appeal of negativity in digital spaces and the growing potential of LLMs for large-scale, non-English political research.
• Abstract（参考訳）: 本研究では,2021年から2023年9月の総選挙を含む,スウェーデンの政治家のTwitter上での感情分極について検討した。 25,000件以上のツイートを分析し,感情や政治的分類に大規模言語モデル(LLM)を用いて分析し,肯定的な党派(同盟者支援)と否定的な党派(反対者批判)を区別した。 本研究の成果は, グループ内定義に即したものである。 政治的内集団がイデオロギー・ブロックレベルで定義されるとき、否定的かつ肯定的なパルチザンは同様の速度で起こる。 しかし、党レベルでグループ内が定義されると、負の党派が圧倒的に支配的になり、1.51倍の確率(1.45, 1.58)になる。 この効果は、穏健な政治家よりも悪質な政治家の間でさらに強くなっている。 否定的な党派は、オンラインの可視性にとって戦略的選択であることを証明し、3.18以上のお気に入りと1.69以上のリツイートを惹きつける。 スウェーデン語分析にLLMを適用した二者間システムのための手法を応用することにより、多政党政治が言論を分極する方法についての新たな洞察を提供する。 我々の結果は、デジタル空間における負性性の戦略的魅力と、大規模で非イギリスの政治研究におけるLLMの増大の可能性の両方を裏付けるものである。

関連論文リスト

• Analyzing political stances on Twitter in the lead-up to the 2024 U.S. election [1.2764774886497106]
  我々は2024年アメリカ合衆国大統領選挙に関するツイートのイデオロギー的位置について検討する。 我々は、イデオロギー的スタンスを、民主派、反共和派、反共和派、反民主派、中立派に分類する。 共和党の候補者は、民主党とその候補者に対する批判の中で、その逆よりもはるかに多くのツイートを投稿している。
  論文  参考訳（メタデータ） (2024-11-28T07:05:34Z)
• When Neutral Summaries are not that Neutral: Quantifying Political Neutrality in LLM-Generated News Summaries [0.0]
  本研究では, LLMの政治的中立性を定量化するための新たな視点を示す。 我々は、中絶、銃規制/権利、医療、移民、LGBTQ+の権利という、現在のアメリカの政治における5つの迫る問題について検討する。 我々の研究は、いくつかのよく知られたLLMにおいて、民主的偏見に対する一貫した傾向を明らかにした。
  論文  参考訳（メタデータ） (2024-10-13T19:44:39Z)
• Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
  本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
  論文  参考訳（メタデータ） (2024-07-16T05:52:26Z)
• Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
  大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。 我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。 この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-15T04:02:24Z)
• Generalizing Political Leaning Inference to Multi-Party Systems: Insights from the UK Political Landscape [10.798766768721741]
  ソーシャルメディアユーザーの政治的傾きを推測する能力は、世論調査の収集に役立つ。 政治的傾きと相互のインタラクションによってラベル付けされたユーザからなるデータセットをリリースする。 我々は、ユーザー間のリツイートという形でのインタラクションが、政治的に傾いた推論を可能にする、非常に強力な機能であることを示します。
  論文  参考訳（メタデータ） (2023-12-04T09:02:17Z)
• Whose Opinions Do Language Models Reflect? [88.35520051971538]
  質の高い世論調査と関連する人的反応を利用して,言語モデル(LM)に反映された意見を検討する。 我々は、現在のLMが反映している見解と、アメリカの人口集団の見解の間にかなりの不一致を見出した。 我々の分析は、人間のフィードバック調整されたLMの左利き傾向に関する事前の観察を裏付けるものである。
  論文  参考訳（メタデータ） (2023-03-30T17:17:08Z)
• Millions of Co-purchases and Reviews Reveal the Spread of Polarization and Lifestyle Politics across Online Markets [68.8204255655161]
  多様な市場において,異なる製品セグメントにおける分極とライフスタイル政治の広範性について検討する。 政治的に関連性があり、整列し、偏極化した製品カテゴリーを見つけるために、218万の市場組織間で236万の関連をサンプリングした。 文化製品は他のどの部分よりも4倍偏光度が高い。
  論文  参考訳（メタデータ） (2022-01-17T18:16:37Z)
• Shifting Polarization and Twitter News Influencers between two U.S. Presidential Elections [92.33485580547801]
  我々は2016年米大統領選挙と2020年米大統領選挙の間の分極の変化を分析した。 トップインフルエンサーのほとんどが、両選挙の間にメディア組織に所属していた。 2020年のトップインフルエンサーの75%は2016年は存在しなかった。
  論文  参考訳（メタデータ） (2021-11-03T20:08:54Z)
• Perspective-taking to Reduce Affective Polarization on Social Media [11.379010432760241]
  ブラウザエクステンションを通じてランダムなフィールド実験をTwitter上で1,611人の参加者に展開する。 参加者を「アウトグループ」フィードに露出するだけでエンゲージメントが向上するが、他の人々が政治的見解を持っている理由の理解は得られない。 参加者に不一致を思い出させるよう促すことによって、親しみやすく共感的な言葉で経験をフレーミングすることは、エンゲージメントに影響を与えず、反対の見解を理解する能力を高める。
  論文  参考訳（メタデータ） (2021-10-11T20:25:10Z)
• Reaching the bubble may not be enough: news media role in online political polarization [58.720142291102135]
  分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。 本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
  論文  参考訳（メタデータ） (2021-09-18T11:34:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。