Linked Multi-Model Data on Russian Domestic and Foreign Policy Speeches
Dieser Beitrag stellt einen umfassenden, vernetzten multimodalen Datensatz russischer Regierungsauftritte vor, der mehrsprachige Texte, Bilder und von Experten validierte thematische Annotationen kombiniert, um fortgeschrittene sozialwissenschaftliche Forschung sowie Anwendungen großer Sprachmodelle im Bereich der Untersuchung autoritärer politischer Kommunikation zu ermöglichen.
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 vor, Sie versuchen, ein komplexes, hochbrisantes Gespräch zu verstehen, das innerhalb einer Festung stattfindet. Jahrelang mussten Forscher, die die russische Regierung untersuchen wollten, dieses Gespräch über einen einzigen, knisternden Radiokanal (nur Text) hören oder einige unscharfe Schnappschüsse (nur Bilder) betrachten. Oft war der Text nur auf Russisch verfügbar, was es für viele schwierig machte, ihn zu verstehen, und die Bilder waren selten mit den spezifischen gesprochenen Worten verknüpft.
Dieser Artikel stellt ein massives, hochauflösendes „Überwachungssystem" vor, das das Spiel verändert. Die Autoren haben eine riesige, organisierte Bibliothek aufgebaut, die über 35.000 Reden der führenden russischen Politiker (des Präsidenten und des Außenministers) von 1999 bis Ende 2025 enthält.
So haben sie diese Bibliothek aufgebaut und was sie besonders macht, anhand einfacher Analogien:
1. Die Zwillingsbibliotheken (Text und Übersetzung)
Stellen Sie sich diesen Datensatz als zwei identische Bibliotheken für jede einzelne Rede vor: eine in der Originalsprache Russisch und eine in Englisch.
- Der Haken: Dies sind nicht einfach nur perfekte Übersetzungen. Manchmal sagt die russische Version etwas anderes, und die englische Version etwas leicht Abweichendes. Die Autoren haben beide Versionen nebeneinander belassen. Dies ermöglicht es Forschern, wie Detektiven zu arbeiten, die beiden zu vergleichen, um zu sehen, ob die Regierung ihre Botschaft unterschiedlich „zuschneidet" – einmal für ihr eigenes Volk und einmal für den Rest der Welt.
- Das Ausmaß: Sie haben Reden vom Kreml (dem Büro des Präsidenten) und vom Außenministerium gesammelt. Es ist, als hätte man das vollständige Skript jeder Pressekonferenz, jedes Interviews und jeder Ansprache der beiden Top-Spieler der russischen Regierung über mehr als zwei Jahrzehnte hinweg.
2. Das Fotoalbum (Bilder verknüpft mit Worten)
In der Vergangenheit konnte man, wenn man eine Rede las, die damit verbundenen Fotos nicht leicht einsehen.
- Die Innovation: Die Autoren behandelten jede Rede wie ein Fotoalbum. Für jede Rede holten sie alle zugehörigen Bilder (Fotos des Führers, des Ortes, der Menge) und klebten sie an den Text.
- Das Ergebnis: Sie können nun den „visuellen Kontext" einer Rede sehen. Hat der Führer vor einem Panzer gesprochen? In einem gemütlichen Büro? Bei einer massiven Kundgebung? Die Daten verknüpfen die Worte direkt mit den Bildern und schaffen eine „multimodale" Aufzeichnung (Worte + Bilder).
3. Der intelligente Bibliothekar (Themenmodellierung)
35.000 Reden einzeln zu lesen, würde ein ganzes Leben dauern. Um dies zu lösen, stellten die Autoren einen „intelligenten Bibliothekar" ein (ein KI-System namens BERTopic).
- Funktionsweise: Die KI las jede Rede und jedes Bild und sortierte sie dann in thematische Ordner. Für den Kreml erstellte sie 89 verschiedene Ordner (wie „Ukraine", „Wirtschaft", „Militär", „Energie"). Für das Außenministerium erstellte sie 32 Ordner.
- Menschliche Note: Ein menschlicher Experte, der die russische Politik kennt, prüfte dann die Arbeit der KI, um sicherzustellen, dass die Ordnerbeschriftungen Sinn ergaben. Dies stellt sicher, dass die Themen nicht nur zufälliger Computergeschwafel sind, sondern tatsächlich reale politische Themen widerspiegeln.
- Das Ergebnis: Anstatt eine Rede zu lesen, um zu wissen, worum es geht, können Sie nun sofort sehen: „Diese Rede besteht zu 80 % aus 'Militärischer Sicherheit' und zu 20 % aus 'Diplomatie'."
4. Der GPS-Tracker (Standortdaten)
Jede Rede ist mit dem Ort, an dem sie stattfand, versehen.
- Die Autoren kopierten nicht nur den Ortsnamen; sie verwendeten einen „GPS-Übersetzer", um Ortsnamen (wie „Moskau" oder „Sotschi") in tatsächliche Kartenkoordinaten (Breiten- und Längengrad) umzuwandeln.
- Dies ermöglicht es Forschern, Karten zu zeichnen, die genau zeigen, wo die russische Regierung im Laufe der Zeit geografisch ihre Aufmerksamkeit konzentriert.
5. Das „Perfektes-Match"-System (Datenintegrität)
Die Autoren waren sehr sorgfältig darauf bedacht, dass die Daten sauber und verknüpft sind.
- Einzigartige IDs: Jede Rede hat eine eindeutige ID-Nummer (wie eine Sozialversicherungsnummer). Diese Nummer ist in der russischen Datei, der englischen Datei und dem Bilderordner identisch. Sie ist der „Klebstoff", der den gesamten Datensatz zusammenhält.
- Vollständigkeit: Sie überprüften ihre Arbeit gegen die ursprünglichen Regierungswebsites. Wenn die Website angab, dass es 5 Fotos gab, stellten sie sicher, dass sie genau 5 heruntergeladen hatten. Wenn die Website einen Standort hatte, stellten sie sicher, dass dieser erfasst wurde.
Was können Sie damit tun?
Der Artikel erklärt, dass dieser Datensatz ein „Testfeld" (eine Sandbox für Experimente) ist.
- Für Politikwissenschaftler: Sie können untersuchen, wie autoritäre Regime ihre Absichten signalisieren, wie sie ihre Geschichten für verschiedene Zielgruppen ändern oder wie sich ihre Prioritäten über 25 Jahre hinweg verschieben.
- Für Informatiker: Sie können diesen riesigen, sauberen, beschrifteten Datensatz nutzen, um neue KI-Modelle zu trainieren, die russische Sprache verstehen, politische Bilder analysieren oder testen, wie gut KI mit multimodalen Daten (Text + Bilder) umgeht.
Kurz gesagt: Dieser Artikel hat nicht einfach nur einige Websites abgegrast; er hat eine Zeitmaschine gebaut, die es Ihnen ermöglicht, durch die letzten 25 Jahre russischer politischer Kommunikation zu wandern, die Worte, die Bilder, die Orte und die Themen gleichzeitig zu sehen, sowohl auf Russisch als auch auf Englisch, perfekt organisiert für die Forschung.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.