Unpacking the Eye of the Beholder: Social Location, Identity, and the Moving Target of Political Perspectives
Cet article présente le classificateur de sentiment politique visuel perspectiviste (PVPS), un outil entraîné sur plus de 82 000 évaluations pour prédire la manière dont différentes identités politiques et sociales interprètent le contenu visuel, démontrant ainsi que la prise en compte de l'identité du public est essentielle pour mesurer avec précision le sens subjectif et variable des images politiques.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
La Grande Idée : L'Erreur du « Taille Unique »
Imaginez que vous montrez une photo d'une manifestation à une pièce remplie de personnes. Par le passé, les informaticiens ont tenté de construire une machine qui regarderait cette photo et lui attribuerait un seul score unique pour évaluer à quel point elle paraît « en colère » ou « violente ». Ils supposaient que si la machine déclarait la photo « violente », tout le monde dans la pièce serait d'accord.
L'auteure de cet article, Elena Sirotkina, déclare : « Non, c'est faux. »
Elle soutient que les images politiques sont comme un test de Rorschach. Ce que vous voyez dans la tache d'encre dépend entièrement de qui vous êtes. Une photo d'une manifestation peut sembler une « résistance héroïque » à un démocrate, mais un « chaos dangereux » à un républicain. Une photo d'un policier peut sembler représenter la « sécurité » pour un groupe et l'« oppression » pour un autre.
Les outils informatiques standards commettent une erreur en prenant toutes ces opinions différentes, en les moyennant, et en qualifiant le résultat de « vérité ». L'auteure dit que c'est comme mélanger de la peinture rouge et de la peinture bleue, appeler le résultat « violet », puis faire semblant que les couleurs rouge et bleue n'ont jamais existé. En politique, le désaccord est l'essentiel.
La Solution : L'Appareil Photo « Perspectiviste »
Pour corriger cela, l'auteure a construit un nouvel outil appelé PVPS (Sentiment Politique Visuel Perspectiviste).
Pensez à un appareil photo standard comme à un gardien de sécurité qui se contente de compter les têtes. Il voit une foule et dit : « Il y a 50 personnes ici. »
L'outil PVPS est plus comme un détective médium. Il ne regarde pas seulement la photo ; il demande : « Qui regarde cette photo, et comment va-t-elle la ressentir ? »
Au lieu de donner un seul score, PVPS fournit un profil. Il vous dit :
- « Si une femme jeune et libérale voit cela, elle se sentira enthousiaste. »
- « Si un homme âgé et conservateur voit cela, il se sentira effrayé. »
- « Si une démocrate hispanique voit cela, elle se sentira pleine d'espoir. »
Il apprend ces modèles en examinant environ 82 000 évaluations données par 5 575 vrais adultes américains qui ont regardé des images politiques et indiqué comment ils se sentaient. L'ordinateur a appris que des indices visuels spécifiques (comme un poing levé, un uniforme de police ou un drapeau particulier) déclenchent des émotions différentes chez différents groupes de personnes.
Comment Cela Fonctionne (La Recette)
L'auteure n'a pas simplement demandé à un chatbot de deviner. Elle a construit un système qui combine deux éléments :
- À quoi ressemble la photo : Il utilise une IA avancée pour voir les objets, les couleurs et les formes (comme un poing levé ou une voiture de police).
- Qui regarde : Il utilise des données sur l'identité de la personne (son parti, son âge, son genre, son niveau d'éducation).
Le système a appris que les indices visuels agissent comme des déclencheurs. Par exemple, voir une « voiture de police » sur une photo de manifestation peut déclencher une réponse de « peur » dans un groupe, mais une réponse de « sécurité » dans un autre. L'ordinateur a appris à prédire ces réactions uniquement sur la base des indices visuels.
Ce Qu'ils Ont Découvert (Les Moments « Eureka ! »)
L'auteure a testé cet nouvel outil sur deux études célèbres pour voir s'il modifiait les conclusions.
1. L'Expérience de l'« Émotion »
Une étude précédente a examiné des photos de Black Lives Matter (BLM) et a constaté que l'« enthousiasme » incitait les gens à partager davantage les photos.
- L'Ancienne Vision : « L'enthousiasme est bon pour le partage. »
- La Vision PVPS : C'est plus compliqué. L'enthousiasme incite les femmes démocrates à partager les photos davantage. Mais pour les hommes républicains, ce sont la « peur » et le « dégoût » qui les poussent à partager les photos.
- La Leçon : La même émotion (l'enthousiasme) ne fonctionne pas pour tout le monde. Elle ne fonctionne que si la photo correspond à l'identité du spectateur.
2. L'Expérience de la « Violence »
Une autre étude a examiné des photos de manifestations et a demandé : « Lesquelles semblent violentes ? » Ils ont constaté que les photos avec du feu ou des policiers semblaient violentes.
- L'Ancienne Vision : « Feu et police = violence. »
- La Vision PVPS : Les photos qui semblaient « violentes » aux chercheurs originaux étaient en réalité les mêmes photos que les républicains et les conservateurs avaient notées comme « favorables » ou « soutenantes ».
- La Leçon : Ce qui ressemble à de la « violence » pour un observateur neutre est souvent simplement un signal indiquant qu'un groupe spécifique (dans ce cas, les conservateurs) aime l'image. La « violence » n'est pas dans la photo ; elle est dans l'œil de celui qui regarde.
La Conclusion
L'article conclut que les images politiques sont des cibles mouvantes. Vous ne pouvez pas mesurer ce qu'une photo « signifie » à moins de savoir qui la regarde.
Si vous voulez comprendre la communication politique, vous ne pouvez pas simplement demander : « Cette photo est-elle violente ? » Vous devez demander : « Cette photo est-elle violente pour un démocrate ? Est-elle violente pour un républicain ? »
L'outil de l'auteure, PVPS, nous permet d'arrêter de deviner et de commencer à mesurer exactement comment différents groupes de personnes voient le même monde différemment, en fonction des images qu'ils voient. Il transforme le « bruit » du désaccord en données utiles.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.