Measuring Negative Campaigning across Languages with Large Language Models: A Study of 18 Million Tweets in 19 Countries
Diese Studie zeigt, dass Zero-Shot-Large-Language-Models effektiv und skalierbar negative Kampagnen über 19 Sprachen hinweg klassifizieren können, wobei sich offenbart, dass Regierungsparteien weniger negativ agieren, während ideologisch nicht-zentristische Parteien, insbesondere solche auf der radikalen Rechten, signifikant mehr konfrontative Rhetorik betreiben.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Welt der Politik wie ein riesiges, lärmendes Stadion vor, in dem jeder versucht, die Menge dazu zu bringen, für sein Team zu jubeln. Jahrzehntelang waren Wissenschaftler, die dieses Stadion untersuchen, besessen von einem ganz bestimmten Verhalten: „negativer Kampagnenführung“. Denken Sie dabei nicht nur daran, dass ein Politiker sagt: „Ich bin großartig“, sondern eher daran, dass er auf einen Rivalen zeigt und schreit: „Schaut euch diesen Typen an, der ist schrecklich!“ Es ist die Kunst des politischen „Roasts“. Obwohl wir wissen, dass das überall passiert, von antiken griechischen Tonscherben bis hin zu moderner Fernsehwerbung, war es eine massive Kopfschmerzquelle für Forscher, herauszufinden, warum manche Teams das öfter tun als andere. Das Problem? Diese Beleidigungen manuell zu zählen, ist so, als würde man versuchen, jedes Sandkorn an einem Strand zu zählen, während man Ofenhandschuhe trägt. Es dauert ewig, kostet ein Vermögen, und wenn man versucht, dies in zwanzig verschiedenen Sprachen zu tun, bräuchte man für jeden einzelnen Satz einen Übersetzer. Aus diesem Grund waren die meisten Studien darauf beschränkt, sich nur auf ein einziges Land (meistens die USA) zu konzentrieren oder sich auf Experten zu verlassen, die die „Vibe“ einer Kampagne schätzen, was nicht sehr präzise ist. Aber vor kurzem ist ein neues Werkzeug auf den Plan getreten: Large Language Models (LLMs). Sie können Sie sich wie superintelligente, unermüdliche Roboter vorstellen, die fast alles gelesen haben, was jemals im Internet geschrieben wurde. Sie können Nuancen, Sarkasmus und Beleidigungen in Dutzenden von Sprachen verstehen, ohne dass man ihnen die Regeln von Grund auf neu beibringen muss. Dieses Paper stellt eine große Frage: Können diese KI-Roboter die neuen Schiedsrichter sein, die politische Beleidigungen auf der ganzen Welt zählen, und was verraten sie uns darüber, wer eigentlich gerne Schlamm wirft?
Die Autoren dieser Studie beschlossen, diese KI-Roboter in großem Maßstab auf die Probe zu stellen. Zuerst mussten sie beweisen, dass die Roboter gut bei der Sache sind. Sie fütterten die KI mit Millionen von Tweets und baten sie, negative Angriffe zu identieren, und verglichen dann die Antworten der Roboter mit denen menschlicher Experten, die dieselben Beiträge jahrelang manuell gelesen hatten. Das Ergebnis? Die Roboter waren schockierend gut. In einigen Fällen war die KI sogar konsistenter und genauer als die menschlichen Experten, und sie konnte die Aufgabe in zehn verschiedenen Sprachen erledigen, ohne ins Schwitzen zu geraten. Es war, als würde man ein Team aus müden, überarbeiteten Doktoranden gegen eine Flotte von superschnellen, mehrsprachigen Drohnen austauschen, die niemals müde werden oder die Orientierung verlieren.
Als sie den Robotern vertrauten, ließen die Forscher sie auf einen Berg von Daten los: 18 Millionen Tweets, die zwischen 2017 und 2022 von Politikern in 19 europäischen Ländern gepostet wurden. Sie wollten sehen, ob die alten Regeln darüber, wer gemein wird, Bestand haben, wenn man die ganze Kontinent betrachtet. Sie testeten einige große Ideen: Verhalten sich Politiker in der Regierung (das „Regierungsteam“) netter, weil sie verantwortungsbewusst wirken müssen? Verhalten sich Politiker am äußersten Rand des politischen Spektrums (die Radikalen) gemeiner, weil sie nichts zu verlieren haben? Und werfen „populistische“ Politiker, die behaupten, gegen die „korrupte Elite“ zu kämpen, von Natur aus mehr Beleidigungen?
Die Ergebnisse waren eindeutig und überraschend konsistent. Die KI-Daten zeigten, dass Politiker, die derzeit in der Regierung sitzen, in der Tat viel weniger negativ agieren. Sie scheinen die Beleidigungen zurückzuhalten, vielleicht weil sie wissen, dass es ihre Chancen auf den Verbleib in der Macht oder die Zusammenarbeit mit anderen Parteien später gefährden könnte, wenn sie einen Streit beginnen. Es ist wie ein Mannschaftskapitän, der versucht, den Frieden zu wahren, damit das Team nicht auseinanderbricht. Auf der anderen Seite waren die Politiker, die nicht an der Macht sind, insbesondere jene am rechten und linken Rand des politischen Spektrums, diejenigen, die am meisten Schlamm warfen. Die Studie legt nahe, dass die Entfernung vom politischen Zentrum eine Partei wahrscheinlicher aggressiv macht. Speziell die „rechtsextremen“ Parteien waren am negativsten und nutzten konfrontative Sprache in einer wesentlich höheren Rate als alle anderen. Während die Studie auch untersuchte, ob das „Populistisch-Sein“ einen Unterschied machte, fand sie heraus, dass der eigentliche Treiber tatsächlich die Frage war, wie weit eine Partei am Extremen war; die Gemeinheit schien eher daraus zu resultieren, ein Außenseiter zu sein, als nur ein Populist zu sein.
Interessanterweise untersuchte die Studie auch, ob die Wahlzeit die Menschen gemeiner macht. Die Ergebnisse waren etwas gemischt; manchmal machten Wahlen die Dinge schlimmer, aber nicht immer. Das wichtigste Fazit war nicht das Timing, sondern die Akteure selbst. Das Paper legt nahe, dass der Anstieg der negativen Kampagnenführung, den wir in den sozialen Medien sehen, nicht nur daher kommt, dass Twitter (jetzt X) die Leute wütend macht. Stattdessen ist es eine strategische Entscheidung bestimmter Arten von Parteien – insbesondere jener am Rand und jener, die nicht an der Macht sind –, Negativität als Waffe einzusetzen. Durch den Einsatz dieser KI-Roboter konnten die Forscher Muster über 19 Länder hinweg erkennen, die mit alten Methoden unmöglich gewesen wären, und bewiesen damit, dass im Spiel der Politik die Außenseiter diejenigen sind, die am ehesten schmutzig spielen, während die Leute in der Führung versuchen, ihre Hände sauber zu halten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.