論文の概要: Quantifying Political Partisanship for Cross-Platform Analyses
- arxiv url: http://arxiv.org/abs/2607.21842v1
- Date: Thu, 23 Jul 2026 22:12:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:57.007838
- Title: Quantifying Political Partisanship for Cross-Platform Analyses
- Title（参考訳）: クロスプラットフォーム分析のための政治参加の定量化
- Abstract要約: ソーシャルメディア投稿における政治的党派行動を測定するためのテキストベースのプラットフォーム対応手法を提案する。
埋め込み空間には、反対ラベル付きクラスタのセントロイド間の差としてパルチザン軸が形成される。
2024年アメリカ合衆国大統領選挙の6ヶ月前、ブルースキーと真実社会から集められた約130万のポストのコーパスにこの方法を適用する。
- 参考スコア（独自算出の注目度）: 0.8594140167290097
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research on political polarization on social media depends on the ability to reliably measure partisanship in user-generated content. However, existing approaches are typically tailored to platform-specific properties, such as structural affordances or linguistic conventions, which hurts generalizability across platforms. This limitation is increasingly consequential as the social media ecosystem fragments and fringe, alt-tech platforms emerge alongside mainstream ones. We propose a text-based, platform-portable methodology for measuring political partisanship in social media posts, anchored by an external news-credibility signal. Posts are embedded using a transformer-based sentence encoder and clustered into topic groups, which are labeled using the aggregated AllSides media bias scores of cited news outlets. A partisanship axis is then constructed in the embedding space as the difference between centroids of oppositely labeled clusters, and individual posts are scored by projection onto this axis. We apply the method to a corpus of approximately 1.3 million posts collected from Bluesky and Truth Social during the six months preceding the 2024 U.S. presidential election, providing the first cross-platform comparison of partisanship distributions on these two ideologically asymmetric platforms. The resulting partisanship scores correlate significantly with held-out AllSides media bias scores both in-distribution and out-of-distribution on an independent Twitter corpus, and recover within-platform partisan dynamics that platform identity alone cannot explain.
- Abstract（参考訳）: ソーシャルメディア上での政治的分極に関する研究は、ユーザ生成コンテンツにおけるパルチザンを確実に測定する能力に依存する。
しかしながら、既存のアプローチは典型的には、プラットフォーム間の一般化性を損なう構造的余裕や言語慣習といった、プラットフォーム固有の特性に適合する。
この制限は、ソーシャルメディアのエコシステムの断片化と、Alt-techプラットフォームが主流のプラットフォームと共に出現するにつれ、ますます重要になっている。
本稿では,ソーシャルメディア投稿における政治参加性を測定するためのテキストベースのプラットフォーム対応手法を提案する。
ポストは、トランスフォーマーベースの文エンコーダを使用して埋め込み、トピックグループにクラスタ化され、引用されたニュースメディアの集約されたAllSidesメディアバイアススコアを使用してラベル付けされる。
次に、対向ラベル付きクラスタのセントロイド間の差として、埋め込み空間にパルチザン軸を構築し、この軸に投射することで個々のポストを採点する。
2024年アメリカ合衆国大統領選挙の6ヶ月前、ブルースキーとトゥルース・ソーシャルから集められた約130万のポストのコーパスにこの手法を適用し、この2つのイデオロギー非対称なプラットフォーム上での党派分布のクロスプラットフォーム比較を行った。
結果のパルチザンのスコアは、AllSidesのメディア偏見のスコアと、独立系Twitterコーパスのイン・ディストリビューションとアウト・オブ・ディストリビューションの両方に大きく相関し、プラットフォームアイデンティティだけで説明できない、プラットフォーム内のパルチザンのダイナミクスを回復する。
関連論文リスト
- Elite Proxies, Algorithmic Bottlenecks, and Multi-Platform Information Cascades in the 2026 Iran War [0.0]
この研究は、2026年のイラン戦争中のトランプ大統領の発言が、真理社会からX-TwitterとBlueskyへと移行していく様子を追跡。
その結果,社会的技術的余裕が引き起こす行動の相違が明らかとなった。
論文 参考訳（メタデータ） (2026-06-09T16:55:50Z) - Platform Sorting Drives Ideological Fragmentation in the Social Media Ecosystem [38.151143956051705]
オンライン政治コミュニケーションにおけるイデオロギー的漸近は、しばしば地域社会に現れる局所的な現象として研究される。
ここでは、断片化がプラットフォーム全体のレベルで動作し、プラットフォームソートプロセスと一致していることを示す。
私たちは、2020年と2024年の大統領選挙で、Bluesky、Facebook、Reddit、Trath Social、Twitter/X、YouTubeの政治情報のダイナミクスを分析します。
論文 参考訳（メタデータ） (2026-06-09T08:41:17Z) - Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。
われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。
提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
論文 参考訳（メタデータ） (2025-10-16T20:30:20Z) - Ideological Fragmentation of the Social Media Ecosystem: From echo chambers to echo platforms [39.58317527488534]
我々は、2020年の米大統領選挙に関連する1億1700万の投稿を9つのソーシャルメディアプラットフォームから分析する。
以上の結果から, 生態系におけるプラットフォーム中心性において, プラットフォーム間の大きな違いが明らかとなった。
これらの結果は、ソーシャルメディアの風景の断片化と分極を形作る重要な次元を浮き彫りにしている。
論文 参考訳（メタデータ） (2024-11-25T18:45:03Z) - All Things Considered: Detecting Partisan Events from News Media with
Cross-Article Comparison [19.328425822355378]
我々は,ニュース記事のイデオロギーを予測するための潜在変数ベースのフレームワークを開発する。
以上の結果から,主観性や非党派的傾向が強い主流メディアにおいても,メディアバイアスのレベルが高いことが明らかとなった。
論文 参考訳（メタデータ） (2023-10-28T21:53:23Z) - Understanding Divergent Framing of the Supreme Court Controversies:
Social Media vs. News Outlets [56.67097829383139]
我々は、米国最高裁判所の一連の判決に関して、ソーシャルメディアや伝統的なメディアのフレーミングにおける微妙な区別に焦点を当てている。
メディアが肯定的な行動や中絶の権利を扱い、学生ローンの話題はより深いコンセンサスを示す傾向にある。
論文 参考訳（メタデータ） (2023-09-18T06:40:21Z) - Computational Assessment of Hyperpartisanship in News Titles [55.92100606666497]
われわれはまず、超党派ニュースタイトル検出のための新しいデータセットを開発するために、人間の誘導する機械学習フレームワークを採用する。
全体的に右派メディアは比例的に超党派的なタイトルを使う傾向にある。
我々は、外国問題、政治システム、ニュースタイトルにおける過党主義を示唆する社会問題を含む3つの主要なトピックを識別する。
論文 参考訳（メタデータ） (2023-01-16T05:56:58Z) - 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) - Publishing patterns reflect political polarization in news media [1.5039745292757671]
コントリビュータの出版軌道が、アウトソーシングの政治的傾向とどのように一致しているかを示す。
また、党派的分裂を横切るコントリビュータが、政治的トピックをあまり明確にしない傾向にあることも示している。
論文 参考訳（メタデータ） (2021-01-13T13:26:18Z) - Right and left, partisanship predicts (asymmetric) vulnerability to
misinformation [71.46564239895892]
我々は、Twitter上でのニュース共有行動を研究することにより、パルチザン、エコーチャンバー、およびオンライン誤情報に対する脆弱性の関係を分析する。
誤情報に対する脆弱性は、左派と右派の両方のユーザーの党派の影響を強く受けている。
論文 参考訳（メタデータ） (2020-10-04T01:36:14Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z)
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。