論文の概要: Politics of Feelings: Emotional Expression and Legislative Effectiveness in the U.S. Congress

• arxiv url: http://arxiv.org/abs/2609.10198v1
• Date: Wed, 09 Sep 2026 14:03:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.044261
• Title: Politics of Feelings: Emotional Expression and Legislative Effectiveness in the U.S. Congress
• Title（参考訳）: フィーリングの政治:米国議会における感情表現と法的効力
• Abstract要約: 怒り、恐怖、嫌悪、悲しみ、喜び、熱意、誇り、希望の8つの独立した感情を測定する。 議会演説は時間とともに感情的に表現されつつある。 感情表現と立法効果の関係は、表現された特定の感情に依存する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Emotions are a pervasive feature of political communication, yet existing research has focused primarily on describing patterns of emotional expression rather than examining whether they are associated with consequential legislative outcomes. We address this gap by investigating the expression and correlates of discrete emotions in more than 1.7 million speeches delivered in the U.S. Congress between 1973 and 2024. Using a transformer-based emotion classifier, we measure eight discrete emotions: anger, fear, disgust, sadness, joy, enthusiasm, pride, and hope. We examine how these emotions vary over time, across policy topics, legislator characteristics, and their relationship with legislative effectiveness. We find that congressional speeches are becoming emotionally expressive over time. Emotional expression also varies systematically across policy domains and ideological positioning of legislators. Notably, the relationship between emotional expression and legislative effectiveness depends on the specific emotions expressed: enthusiasm and pride are positively associated with effectiveness, whereas anger exhibits a negative association. Emotional valence and emotional diversity are positively associated with legislative effectiveness, while emotional intensity is negatively associated with legislative effectiveness. These findings demonstrate that computationally derived measures of discrete emotions can provide insight into affective dimensions of legislative speeches and facilitate our understanding of how legislators communicate, interact, and perform within democratic institutions.
• Abstract（参考訳）: 感情は政治的コミュニケーションの広汎な特徴であるが、既存の研究は感情表現のパターンを記述することに重点を置いている。 1973年から2024年にかけて、米国議会で170万人以上のスピーチで、離散的な感情の表現と関連性を調べることで、このギャップに対処する。 トランスフォーマーに基づく感情分類器を用いて、怒り、恐怖、嫌悪感、悲しみ、喜び、熱意、誇り、希望という8つの独立した感情を測定する。 これらの感情は、政策トピック、立法者特性、および立法効果との関係など、時間とともにどのように変化するかを検討する。 議会演説は時間とともに感情的に表現されつつある。 感情表現はまた、政策領域や立法者のイデオロギー的位置によって体系的に異なる。 特に、感情的表現と立法的効果の関係は、表現される特定の感情に依存する:熱意とプライドは効果と肯定的に関連しているのに対して、怒りは否定的な関連を示す。 感情の原子価と感情の多様性は、立法効果に肯定的に関連し、感情の強さは立法効果に否定的に関連している。 これらの結果は、離散的な感情の計算的に導かれた尺度が、立法府のスピーチの感情的次元に関する洞察を与え、立法府が民主的な機関内でどのようにコミュニケーションし、相互作用し、実行しているかを理解するのに役立つことを示している。

関連論文リスト

• Epistemic orientation predicts legislative effectiveness among members of the US Congress [0.5607632629560914]
  アメリカ議会のフロアスピーチにおけるエビデンス指向の言語は1970年代半ばから減少している。 この研究は、議会のセッションから議会の個々のメンバーへと分析をシフトさせる。
  論文  参考訳（メタデータ） (2026-09-10T17:41:54Z)
• Hopes and Fears -- Emotion Distribution in the Topic Landscape of Finnish Parliamentary Speech 2000-2020 [1.0307233077374252]
  既存の研究はしばしば、議会の言論を、トピック固有のパターンを見渡す、均質な全体として扱う。 本研究は,2000年から2020年にかけてフィンランド議会で実施された議会演説の話題の中で,感情表現を考察することによって,このギャップを埋めようとしている。 感情分析モデルを用いて、同期性およびダイアクロニック性の両方の観点から、トピックにおける感情表現を調査する。
  論文  参考訳（メタデータ） (2026-01-28T09:32:41Z)
• UDDETTS: Unifying Discrete and Dimensional Emotions for Controllable Emotional Text-to-Speech [61.989360995528905]
  制御可能な感情的TTSのための離散的感情と次元的感情を統一する普遍的なフレームワークであるUDDETTSを提案する。 このモデルは、次元的感情記述のための解釈可能なArousal-Dominance-Valence(ADV)空間を導入し、離散的な感情ラベルまたは非線形に定量化されたADV値によって駆動される感情制御をサポートする。 実験の結果, UDDETTSは3次元の線形感情制御を実現し, エンドツーエンドの感情音声合成能力に優れていた。
  論文  参考訳（メタデータ） (2025-05-15T12:57:19Z)
• The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
  私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。 ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
  論文  参考訳（メタデータ） (2023-04-19T18:32:49Z)
• Speech Synthesis with Mixed Emotions [77.05097999561298]
  異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。 次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。 実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
  論文  参考訳（メタデータ） (2022-08-11T15:45:58Z)
• Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
  感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。 本稿では,感情の強さを明示的に表現し,制御することを目的とする。 本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
  論文  参考訳（メタデータ） (2022-01-10T02:11:25Z)
• A Circular-Structured Representation for Visual Emotion Distribution Learning [82.89776298753661]
  視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。 具体的には、まず感情圏を構築し、その内にある感情状態を統一する。 提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
  論文  参考訳（メタデータ） (2021-06-23T14:53:27Z)
• MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
  共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。 共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
  論文  参考訳（メタデータ） (2020-10-04T00:35:47Z)

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。