Measuring Negative Campaigning across Languages with Large Language Models: A Study of 18 Million Tweets in 19 Countries
यह अध्ययन प्रदर्शित करता है कि ज़ीरो-शॉट लार्ज लैंग्वेज मॉडल्स 19 भाषाओं में नकारात्मक प्रचार (नेगेटिव कैंपेनिंग) को प्रभावी ढंग से और व्यापक रूप से वर्गीकृत कर सकते हैं, जिससे यह पता चलता है कि सत्ताधारी दल कम नकारात्मक होते हैं जबकि वैचारिक रूप से गैर-मध्यमार्गी दल, विशेष रूप से कट्टर दक्षिणपंथी दल, काफी अधिक टकरावपूर्ण बयानबाजी में संलग्न होते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
राजनीति की दुनिया की कल्पना एक विशाल, शोर-शराबे वाले स्टेडियम के रूप में करें जहाँ हर कोई भीड़ को अपनी टीम के लिए चीयर करने के लिए मनाने की कोशिश कर रहा है। दशकों से, इस स्टेडियम का अध्ययन करने वाले वैज्ञानिक एक विशिष्ट व्यवहार के प्रति जुनूनी रहे हैं: "नकारात्मक प्रचार" (नेगेटिव कैंपेनिंग)। इसे केवल एक राजनेता द्वारा यह कहने के रूप में न सोचें कि "मैं महान हूँ," बल्कि इसके रूप में देखें जहाँ वे एक प्रतिद्वंद्वी की ओर इशारा करते हुए चिल्लाते हैं, "उस आदमी को देखो, वह बुरा है!" यह राजनीतिक रोस्ट करने की कला है। हालांकि हम जानते हैं कि यह हर जगह होता है, प्राचीन ग्रीक मिट्टी के बर्तनों के टुकड़ों से लेकर आधुनिक टीवी विज्ञापनों तक, यह पता लगाना कि कुछ टीमें इसे दूसरों की तुलना में अधिक क्यों करती हैं, शोधकर्ताओं के लिए एक बड़ा सिरदर्द रहा है। समस्या क्या है? इन अपमानों को मैन्युअल रूप से गिनना समुद्र तट पर रेत के हर कण को ओवन मिट्स (ओवन दस्ताने) पहनकर गिनने जैसा है। इसमें बहुत समय लगता है, बहुत पैसा खर्च होता है, और यदि आप इसे बीस अलग-अलग भाषाओं में करने की कोशिश करते हैं, तो आपको हर एक वाक्य के लिए एक अनुवादक की आवश्यकता होगी। इस कारण से, अधिकांश अध्ययन केवल एक ही देश (आमतौर पर अमेरिका) को देखने तक सीमित रह गए या विशेषज्ञों के उस "वाइब" (अहसास) पर निर्भर रहे जो एक अभियान का अनुमान लगाता है, जो कि बहुत सटीक नहीं है। लेकिन हाल ही में, एक नया उपकरण दृश्य में आया है: लार्ज लैंग्वेज मॉडल्स (LLMs)। आप इन एलएलएम को सुपर-स्मार्ट, अथक रोबोट के रूप में समझ सकते हैं जिन्होंने इंटरनेट पर लिखी गई लगभग हर चीज़ को पढ़ा है। वे दर्जनों भाषाओं में सूक्ष्मता, व्यंग्य और अपमान को बिना मूल नियम सीखे समझ सकते हैं। यह पेपर एक बड़ा सवाल पूछता है: क्या ये एआई रोबोट पूरी दुनिया में राजनीतिक अपमानों को गिनने के लिए नए रेफरी बन सकते हैं, और वे हमें यह बताते हैं कि वास्तव में कौन कीचड़ उछालना पसंद करता है?
इस अध्ययन के लेखकों ने इन एआई रोबोट्स को बड़े पैमाने पर परखने का फैसला किया। सबसे पहले, उन्हें यह साबित करना था कि रोबोट अपने काम में अच्छे हैं। उन्होंने एआई को लाखों ट्वीट्स दिए और उससे नकारात्मक हमलों को पहचानने के लिए कहा, फिर उन्होंने रोबोट के उत्तरों की तुलना उन मानव विशेषज्ञों से की जिन्होंने उन्हीं पोस्टों को मैन्युअल रूप से पढ़ने में वर्षों बिताए थे। परिणाम क्या रहा? रोबलेट आश्चर्यजनक रूप से अच्छे थे। वास्तव में, कुछ मामलों में, एआई मानव विशेषज्ञों की तुलना में अधिक सुसंगत और सटीक भी था, और वह बिना किसी परेशानी के दस अलग-अलग भाषाओं में यह काम कर सकता था। यह थके हुए, काम के बोझ तले दबे स्नातक छात्रों की एक टीम को सुपर-फास्ट, बहुभाषी ड्रोन्स के बेड़े से बदलने जैसा था जो कभी थकते या भ्रमित नहीं होते।
एक बार जब उन्होंने रोबोट्स पर भरोसा कर लिया, तो शोधकर्ताओं ने उन्हें डेटा के एक पहाड़ पर छोड़ दिया: 2017 और 2022 के बीच 19 यूरोपीय देशों के राजनेताओं द्वारा पोस्ट किए गए 18 मिलियन ट्वीट्स। वे देखना चाहते थे कि क्या पुराने नियम कि कौन बदतमीजी करता है, पूरे महाद्वीप को देखते समय भी कायम रहते हैं। उन्होंने कुछ बड़े विचारों का परीक्षण किया: क्या सत्ता में बैठे (सरकार वाली) टीम के राजनेता अधिक सभ्य व्यवहार करते हैं क्योंकि उन्हें जिम्मेदार दिखना पड़ता है? क्या राजनीतिक स्पेक्ट्रम के बिल्कुल किनारों पर मौजूद (कट्टरपंथी) राजनेता अधिक बदतमीज होते हैं क्योंकि उनके पास खोने के लिए कुछ नहीं है? और क्या "पॉपुलिस्ट" (लोकलुभावन) राजनेता, जो "भ्रष्ट अभिजात वर्ग" के खिलाफ लड़ने का दावा करते हैं, स्वाभाविक रूप से अधिक अपमान करते हैं?
निष्कर्ष स्पष्ट और आश्चर्यजनक रूप से सुसंगत थे। एआई डेटा ने दिखाया कि वर्तमान में सरकार में बैठे राजनेता वास्तव में बहुत कम नकारात्मक होते हैं। वे अपमान को रोक कर रखते हैं, शायद इसलिए क्योंकि वे जानते हैं कि यदि वे लड़ाई शुरू करते हैं, तो इससे सत्ता में बने रहने या बाद में अन्य पार्टियों के साथ काम करने की उनकी संभावनाओं को नुकसान पहुँच सकता है। यह एक टीम कप्तान की तरह है जो शांति बनाए रखने की कोशिश करता है ताकि टीम बिखर न जाए। दूसरी ओर, जो राजनेता सत्ता में नहीं हैं, विशेष रूप से जो राजनीतिक स्पेक्ट्रम के दाएं और बाएं छोर पर हैं, वे सबसे अधिक कीचड़ उछालने वाले थे। अध्ययन बताता है कि राजनीतिक केंद्र से बहुत दूर होना किसी पार्टी को अधिक आक्रामक बनाने की संभावना रखता है। विशेष रूप से, "रेडिकल राइट" (कट्टरपंथी दक्षिणपंथी) पार्टियों ने सबसे अधिक नकारात्मकता दिखाई, जो किसी भी अन्य की तुलना में बहुत उच्च दर पर टकरावपूर्ण भाषा का उपयोग करती थीं। जबकि अध्ययन ने यह भी देखा कि क्या "पॉपुलिस्ट" होना कोई अंतर पैदा करता है, उसने पाया कि असली चालक वास्तव में यह था कि कोई पार्टी कितनी चरम सीमा पर थी; बदतमीजी केवल एक पॉपुलिस्ट होने के बजाय एक बाहरी व्यक्ति (आउटसाइडर) होने से आती थी।
दिलचस्प बात यह है कि अध्ययन ने यह भी देखा कि क्या चुनाव का समय लोगों को अधिक बदतमीज बनाता है। परिणाम थोड़े मिले-जुले थे; कभी-कभी चुनाव चीजों को बदतर बना देते थे, लेकिन हमेशा नहीं। सबसे बड़ी बात यह नहीं थी कि समय क्या था, बल्कि खिलाड़ी कौन थे। पेपर सुझाव देता है कि सोशल मीडिया पर नकारात्मक प्रचार में जो वृद्धि हम देख रहे हैं, वह केवल इसलिए नहीं है क्योंकि ट्विटर (अब X) लोगों को गुस्सा दिलाता है। इसके बजाय, यह कुछ प्रकार की पार्टियों—विशेष रूप से हाशिए पर रहने वाली और सत्ता से बाहर की पार्टियों—द्वारा नकारात्मकता को एक हथियार के रूप में उपयोग करने का एक रणनीतिक विकल्प है। इन एआई रोबोट्स का उपयोग करके, शोधकर्ता 19 देशों में ऐसे पैटर्न देख सके जो पुराने तरीकों से असंभव होते, यह साबित करते हुए कि राजनीति के खेल में, बाहरी लोग ही सबसे अधिक गंदगी फैलाने की संभावना रखते हैं, जबकि सत्ता में बैठे लोग अपने हाथ साफ रखने की कोशिश करते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।