論文の概要: Automated Identification of Competing Narratives in Political Discourse on Social Media

• arxiv url: http://arxiv.org/abs/2609.11202v1
• Date: Thu, 10 Sep 2026 08:10:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.249247
• Title: Automated Identification of Competing Narratives in Political Discourse on Social Media
• Title（参考訳）: ソーシャルメディア上での政治談話における競合する物語の自動識別
• Abstract要約: 本稿ではソーシャルメディア上での政治談話における競合する物語の識別と特徴付けのための教師なしの枠組みを提案する。 このフレームワークは競合する主要な物語を検知し、流行する政治トピックを取り巻く対立や対立を浮き彫りにする。 この発見は、物語がデジタル公共空間内でどのように伝播するかのより広い理解に寄与する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media platforms have become central to shaping political discourse, serving as arenas where narratives form and evolve, influencing public opinion. Identifying and analyzing these narratives, particularly when they compete across different political ideologies, is crucial for understanding the dynamics of modern political communication. This paper presents an unsupervised framework for identifying and characterizing competing narratives in political discourse on social media, focusing on German politicians' tweets. The framework employs a multi-stage pipeline that integrates natural language processing techniques such as topic modeling, event detection, and event linking. By forming data into coherent stories and uncovering the distinct perspectives of user communities, the system is able to detect the key competing narratives, highlighting the divergent framings and conflicts surrounding trending political topics. Two case studies on polarizing political issues demonstrate the efficacy of the methodology, showcasing its ability to uncover and analyze divergent viewpoints. The findings contribute to the broader understanding of how narratives propagate within the digital public sphere and offer insights for policymakers, social media platforms, and researchers interested in monitoring political discourse.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、政治談話の形成の中心となり、物語が形成・発展する場として機能し、世論に影響を与える。 これらの物語の特定と分析は、特に異なる政治的イデオロギーを巡って争うとき、現代の政治コミュニケーションのダイナミクスを理解するために不可欠である。 本稿では、ドイツの政治家のつぶやきに着目し、ソーシャルメディア上での政治談話における競合する物語を識別・特徴づけするための教師なしの枠組みを提案する。 このフレームワークは、トピックモデリング、イベント検出、イベントリンクといった自然言語処理技術を統合するマルチステージパイプラインを使用している。 データを一貫性のあるストーリーに形成し、ユーザコミュニティの異なる視点を明らかにすることで、システムは重要な競合する物語を検知し、トレンドとなる政治トピックを取り巻く対立や対立を浮き彫りにする。 政治的問題を分極化する2つのケーススタディは、その方法論の有効性を示し、異なる視点を解明し分析する能力を示している。 この発見は、物語がデジタル公開領域内でどのように伝播するかを広く理解し、政策立案者、ソーシャルメディアプラットフォーム、そして政治談話の監視に関心のある研究者に洞察を提供するのに寄与する。

関連論文リスト

• Against Political Polarization: A Unified Framework for Tracing Evolving Political Ideologies on Social Media [17.163713154720806]
  TSN4PIは、ソーシャルメディア上の政治イデオロギーの進化を追跡する統一的なフレームワークである。 PIDNは、スタイル転送と教師なしドメイン適応を備えた大きな言語モデルを使用して、堅牢なイデオロギー検出を可能にする。 PIPNは、将来のイデオロギーシフトを予測するために、時間グラフニューラルネットワークを使用している。
  論文  参考訳（メタデータ） (2026-08-18T16:33:32Z)
• 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)
• Conflicting narratives and polarization on social media [0.0]
  本研究では、対立する物語の分析が、公共空間における偏光の分散メカニズムと課題整合性について、どのように洞察を与えるかを示す。 2021年から2023年の間、ドイツのTwitter圏でイデオロギー的に偏極化の問題を特定してきた過去の研究に基づいて、偏極の分散次元を分析した。 両者の相反する物語の証拠として, (i) アクタントの役割の異なる帰属, (ii) 異なるアクタントの同一イベントへの参加を示す。
  論文  参考訳（メタデータ） (2025-07-21T13:22:57Z)
• Unveiling Political Influence Through Social Media: Network and Causal Dynamics in the 2022 French Presidential Election [0.0]
  2022年のフランス大統領選挙では、政治候補者とその近しいネットワークが投稿した重要なトピックについて、毎日のTwitterメッセージを収集しました。 データ駆動型アプローチを用いて、政党間の相互作用を分析し、政治討論の風景を形成する中心的なトピックを特定します。 以上の結果から, 保健政策や外交政策といった特定の課題が, 特に急激な選挙期において, 政党間の影響力の触媒としてどのように振る舞うかが示唆された。
  論文  参考訳（メタデータ） (2025-06-19T16:35:02Z)
• Talking Point based Ideological Discourse Analysis in News Events [62.18747509565779]
  本稿では,イデオロギー的談話分析理論をモチベーションとして,実世界の出来事に関するニュース記事を分析する枠組みを提案する。 我々のフレームワークは,話題のトピックとともに,エンティティ,役割,メディアフレーム間の相互作用を捉えた,会話ポイントという関係構造を用いたニュース記事を表現している。 我々は,人間の検証によって補足されたイデオロギーや分派的分類タスクを通じて,これらの視点を自動で生成するフレームワークの能力を評価する。
  論文  参考訳（メタデータ） (2025-04-10T02:52:34Z)
• Political-LLM: Large Language Models in Political Science [159.95299889946637]
  大規模言語モデル(LLM)は、政治科学のタスクで広く採用されている。 政治LLMは、LLMを計算政治科学に統合する包括的な理解を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-12-09T08:47:50Z)
• Extracting narrative signals from public discourse: a network-based approach [2.320417845168326]
  本稿では,選択した物語信号の抽出,表現,分析を行うためのグラフベースフォーマリズムと機械誘導手法を提案する。 我々は,政治演説のアーカイブ,ソーシャルメディア投稿,議会討論書の写し,政党ウェブサイト上の政治宣言など,デジタルメディアから文章を引用する政治談話について研究する。
  論文  参考訳（メタデータ） (2024-11-01T16:05:59Z)
• A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
  姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました 近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。 本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-09-24T03:06:25Z)
• Modeling Political Orientation of Social Media Posts: An Extended Analysis [0.0]
  オンラインソーシャルメディア上で政治的分極を特徴付ける機械学習モデルを開発することは、大きな課題である。 これらの課題は主に、注釈付きデータの欠如、ソーシャルメディアデータセットにおけるノイズの存在、膨大な量のデータなど、さまざまな要因に起因している。 本稿では、ソーシャルメディア投稿のラベル付けに、メディアバイアスと投稿コンテンツを活用する2つの方法を紹介する。 ソーシャルメディア投稿の政治的指向を予測することで,現在の機械学習モデルの性能向上を実証する。
  論文  参考訳（メタデータ） (2023-11-21T03:34:20Z)
• 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)
• 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)
• 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。