Classifying populist language in American presidential and governor speeches using automatic text analysis

要約

ポピュリズムはよく使われる概念ですが、測定するのが難しいことで知られています。
全体的な格付けや内容分析などの一般的な定性的測定には多大な時間と労力が必要で、どの政治家をポピュリストとして分類すべきか、どの政治家を分類すべきでないかを迅速に見極めることが困難ですが、定量的手法ではポピュリストのレトリックの分類に関してはまちまちの結果が示されています。
このペーパーでは、ポピュリスト言語の使用を推定する自動分類モデルをトレーニングおよび検証するパイプラインを開発します。
私たちは、2010 年から 2018 年までの 300 の米国知事の演説と、2016 年の大統領候補の 45 の演説でポピュリストおよび多元主義と特定された文章に基づいてモデルをトレーニングしました。これらのモデルは、知事の演説の 84% を含む、ほとんどの演説を正しく分類していることがわかりました。
大統領の演説の89％。
これらの結果は、さまざまな期間（最近のアメリカの知事については 92% の精度）、さまざまなデータ量（カテゴリごとにわずか 70 のトレーニング文で同様の結果が得られました）、および個々の演説ではなく政治家を分類した場合にまで広がります。
したがって、このパイプラインは、政治家の演説におけるポピュリスト言語の使用を体系的かつ迅速に分類することを最適化できる効果的なツールです。

要約(オリジナル)

Populism is a concept that is often used but notoriously difficult to measure. Common qualitative measurements like holistic grading or content analysis require great amounts of time and labour, making it difficult to quickly scope out which politicians should be classified as populist and which should not, while quantitative methods show mixed results when it comes to classifying populist rhetoric. In this paper, we develop a pipeline to train and validate an automated classification model to estimate the use of populist language. We train models based on sentences that were identified as populist and pluralist in 300 US governors’ speeches from 2010 to 2018 and in 45 speeches of presidential candidates in 2016. We find that these models classify most speeches correctly, including 84% of governor speeches and 89% of presidential speeches. These results extend to different time periods (with 92% accuracy on more recent American governors), different amounts of data (with as few as 70 training sentences per category achieving similar results), and when classifying politicians instead of individual speeches. This pipeline is thus an effective tool that can optimise the systematic and swift classification of the use of populist language in politicians’ speeches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google