Unpacking the Eye of the Beholder: Social Location, Identity, and the Moving Target of Political Perspectives

ملخص تقني: تفكيك عين الناظر

بيان المشكلة
اعتمدت العلوم الاجتماعية الحسابية بشكل متزايد على أدوات تعلم الآلة لتحليل النصوص والصور السياسية على نطاق واسع. ومع ذلك، فإن هذه الأدوات مبنية في الغالب على نموذج "الحقيقة المطلقة" (ground truth absolutism)، الذي يفترض وجود تسمية صحيحة واحدة لأي حالة بيانات، بمعزل عن المراقب. وفي المهام التقييمية — مثل تحديد الشعور أو العنف المتصور في صورة سياسية — يبدو هذا الافتراض معيباً. إذ تؤسس النظرية السياسية على أن التقييم يتم بوساطة الموقع الاجتماعي والهوية؛ فالمكانة التي يقف فيها الشخص سياسياً واجتماعياً هي التي تحدد ما يراه. وتتعامل المناهج الحسابية القياسية مع الخلاف بين المقيّمين من هويات مختلفة باعتباره "ضجيجاً" يجب التخلص منه عبر التصويت بالأغلبية. ومن خلال استبعاد هذه الخلافات عبر المتوسط الحسابي، تضيع الأدوات الحالية الظاهرة التي تهتم بها العلوم السياسية: وهي خطوط التوتر الهيكلية والصراع التقييمي الذي يعرّف الخلاف السياسي. وبناءً على ذلك، تنتج النماذج الحالية درجات منفردة تعامل القطعة الإعلامية كأن لها معنى ثابتاً للجميع، مما يفشل في رصد كيف تعمل الصور السياسية كـ "أهداف متحركة" تعتمد على الجمهور.

المنهجية: مصنف المنظور السياسي البصري للمشاعر (PVPS)
لمعالجة ذلك، طور المؤلف مصنف المنظور السياسي البصري للمشاعر (PVPS). وبخلاف المصنفات القياسية التي تتنبأ بدرجة شعور واحدة، يتنبأ PVPS بـ "ملف تقييمي" لكل صورة، حيث يسجل أي شرائح جمهور محددة تقيم الصورة بشكل أكثر إيجابية، وعند أي خطوط هوية يحدث التباين.

• البيانات: تم تدريب النموذج على حوالي 82,000 تقييم لـ 1,264 صورة سياسية قدمها 5,575 بالغاً من الولايات المتحدة عبر أربع موجات مسحية (2022–2025). قدم المستجيبون تقييمات على مقياس مواقف مكون من 7 نقاط إلى جانب مجموعات ديموغرافية كاملة (الحزب، الأيديولوجيا، العمر، الجنس، التعليم، الدخل، العرق). كما تم دمج مجموعة بيانات تكميلية مكونة من 7,543 صورة تم ترميزها من قبل أكثر من 2,000 عامل عبر التعلم الذاتي شبه المشرف.
• البنية الهيكلية: تقوم خطوط المعالجة باستخراج 1,666 ناقل سمات لكل صورة من ستة مصادر:
  1. CLIP (512 بُعداً) و DINOv2 (768 بُعداً) للمحتوى البصري والتخطيط المكاني.
  2. تعليقات Gemini المحولة إلى ناقلات TF-IDF (300 بُعد).
  3. السمات الدلالية (50 بُعداً) التي تشير إلى وجود كلمات تنبؤية.
  4. سمات المفاهيم (24 بُعداً) للأشياء السياسية (مثل الشرطة، الأعلام، اللافتات).
  5. سمات المواضيع السياسية (12 بُعداً) لمجالات السياسة العامة.
     يتم ضغط هذه الناقلات عبر طبقة إسقاط وكتلتين متبقيتين (residual blocks) إلى تمثيل مكون من 128 بُعداً، والذي يتم بعد ذلك رسمه إلى احتمالات الفئات (إجماع مقابل تباين) عبر طبقة softmax.
• استراتيجية التدريب: يدرب النظام مصنفات منفصلة لـ 112 محوراً مختلفاً، تغطي الانقسامات السياسية الأساسية (الحزب، الأيديولوجيا، المقياس الحراري/Thermometer)، والمحاور السوسيو-ديموغرافية (العمر، الجنس، التعليم، الدخل، الهوية الإسبانية)، وتقاطعاتها (مثل: ديمقراطي شاب مقابل جمهوري مسن).
  • بالنسبة لـ المحاور السياسية، يتعلم النموذج التنبؤ بالتباين الجماعي مباشرة من المحتوى البصري.
  • بالنسبة لـ المحاور السوسيو-ديموغرافية، حيث تكون الفجوات لكل صورة مليئة بالضجيج، يتم استخدام خط معالجة ممتد (المسار ب). يتنبأ هذا المسار بالتقييمات الفردية بناءً على سمات الصورة وسمات المستجيب، ثم يحسب الفجوة بين المستجيبين النموذجيين، ويجمع ذلك مع الإشارة البصرية (المسار أ) عبر متعلم ميتا (meta-learner).
• التحقق: تُستخدم مجموعة من عشرة مصنفات مدربة على تقسيمات مختلفة من البيانات وبذور عشوائية مختلفة لضمان المتانة ضد عدم توازن الفئات.

النتائج الرئيسية

• أداء التصنيف: نجح المصنف في التنبؤ بالتباين التقييمي في جميع المحاور السياسية الثلاثة الأساسية (الحزب، الأيديولوجيا، المقياس الحراري) بدقة متوسطة دنيا تتراوح بين 68.7% و78.9%. كما حقق دقة عالية (60–83%) في العديد من المحاور العابرة للأحزاب والتقاطعية.
• الإشارات السوسيو-ديموغرافية: تظهر المحاور السوسيو-ديموغرافية الصرفة (مثل العمر، الجنس) إشارات أضعف عند الاعتماد فقط على الخلاف على مستوى الصورة (دقة 50–58%). ومع ذلك، فإن الخط الممتد، الذي يشترط سمات المستجيب، يستعيد إشارة كبيرة للعمر (68.9%)، والجنس (62.0%)، والتعليم (61.0%)، مما يثبت أن الهوية الاجتماعية تشكل التقييم ولكن بطرق متشابكة مع البنية السياسية.
• إعادة تحليل الدراسات القائمة:
  • كاساس وويب ويليامز (2019): عند تطبيق PVPS على صور حركة "حياة السود مهمة" (BLM)، يتضح أن التأثير التعبوي للمشاعر ليس موحداً. فالحماس يحفز المشاركة للصور المفضلة لدى النساء الديمقراطيات، بينما يدفع الخوف والاشمئزاز التفاعل للصور المفضلة لدى الرجال الجمهوريين. إن متوسط درجات المشاعر يحجب هذه الآليات المتباينة.
  • وون، شتاينرت-ثريلكيلد، وجو (2017): تجد الدراسة أن الصور التي صنفها المقيّمون على أنها "عنيفة" هي نفسها الصور التي توقع PVPS أن يتم تقييمها بشكل إيجابي من قبل الجمهوريين والمحافظين والميلين للحزب الجمهوري. وعلى العكس من ذلك، فإن الصور التي تحتوي على لافتات احتجاجية (المرتبطة بانخفاض العنف المتصور في الدراسة الأصلية) هي التي يُتوقع أن يفضلها الديمقراطيون. وهذا يشير إلى أن العنف المتصور ليس سمة بصرية محايدة بل يتبع خطوط صدع حزبية.

الأهمية والادعاءات
يدعي البحث تقديم مساهمتين رئيسيتين تربطان العلوم السياسية بالطرق الحسابية:

1. للعلوم السياسية: يوفر طريقة قابلة للتوسع لقياس التقييم الوسيط للمجموعات. وبينما أرست النظرية منذ زمن طويل أن الحكم السياسي مصنف حسب الهوية وتقاطعاتها، إلا أن الأدوات التجريبية تأخرت، وغالباً ما قامت بدمج الخلاف في تسميات أغلبية. يجعل PVPS الخلاف الهيكلي قابلاً للرصد والتنبؤ، مما يسمح للباحثين بقياس كيفية تباين تأثيرات الإقناع البصري عبر شرائح محددة من الجمهور بدلاً من افتراض استجابة جمهور متجانس.
2. للعلوم السياسية الحسابية: يثبت أن محاور الصراع الجماعي حول الصور السياسية تحمل إشارة قوية بما يكفي لنمذجتها مباشرة من المحتوى البصري. ومن خلال دمج الافتراضات المنظورية (أن الخلاف هو إشارة وليس ضجيجاً) في بنية النموذج، يتغير تفسير كيفية استقبال الصور بشكل جوهري. وهذا يسم يسمح بإعادة تحليل تأثيرات الوسائط والإقناع البصي على نطاق واسع، مع الإقرار بأن "ما تنقله الصورة السياسية" هو هدف متحرك يعتمد على الموقع الاجتماعي للمشاهد.

يخلص البحث إلى أن قياس الصور السياسية يتطلب معرفة "من الذي تحركه". ولا يدعي البحث حل جميع مشكلات التحيز أو القدرة على التعميم (مشيراً إلى أن السياق الأمريكي يعد حالة استثنائية في الاستقطاب العاطفي)، لكنه يؤسس لإطار عمل يصبح فيه "عين الناظر" ليس مصدراً للخطأ يجب حذفه عبر المتوسط، بل هو الموضوع المركزي للتحليل.