Visualizing Semantic Similarity in Political Discourse: A Comparative Analysis of Word Embeddings in Trump’s 2016 and 2024 Campaign Speeches

भाषा केवल सूचनाओं के आदान-प्रदान का एक माध्यम मात्र नहीं है; यह वह प्राथमिक उपकरण है जिसके माध्यम से राजनीतिक नेता वास्तविकता का निर्माण करते हैं, यह परिभाषित करते हैं कि कौन अपना है, और राष्ट्र के संघर्षों को रूपरेखा प्रदान करते हैं। जब कोई राजनेता बोलता है, तो वह केवल नीतियों की सूची नहीं दे रहा होता; वह अर्थ का एक ऐसा ताना-बाना बुन रहा होता है जहाँ शब्द एक-दूसरे से विशिष्ट, अक्सर अदृश्य तरीकों से जुड़े होते हैं। दशकों से, विद्वानों ने शब्दों को गिनकर या लहजे को पढ़कर उनके भाषणों का अध्ययन किया है, लेकिन एक नया अध्ययन क्षेत्र कंप्यूटर का उपयोग करके इन संबंधों की छिपी हुई वास्तुकला का मानचित्रण करता है। यह दृष्टिकोण भाषा को एक विशाल, त्रि-आयामी परिदृश्य की तरह मानता है जहाँ वे शब्द जो अक्सर एक साथ दिखाई देते हैं, एक-दूसरे के करीब स्थित होते हैं, जबकि जो शब्द शायद ही कभी मिलते हैं, वे दूर चले जाते हैं। इन दूरियों का मानचित्रण करके, शोधकर्ता न केवल यह देख सकते हैं कि एक नेता क्या कह रहा है, बल्कि यह भी कि समय के साथ उनकी सोच की संरचना कैसे बदली है। यह वही क्षेत्र है जिसे एक हालिया अध्ययन में खोजा गया है, जो डोनाल्ड ट्रंप के राजनीतिक वक्तव्य के विकास पर नज़र रखता है, जिसमें उनके 2016 के अभियान के भाषणों की तुलना उनके 2024 के अभियान के भाषणों से की गई है ताकि यह समझा जा सके कि उनके राजनीतिक संसार का मानचित्र कैसे फिर से तैयार किया गया है।

शोधकर्ताओं ने एक सरल लेकिन महत्वाकांक्षी प्रश्न के साथ शुरुआत की: आठ वर्षों की अवधि में डोनाल्ड ट्रंप के विचारों को जोड़ने के तरीके में क्या बदलाव आया है? इसका उत्तर देने के लिए, उन्होंने पाठ (टेक्स्ट) का दो विशाल संग्रह एकत्र किया: उनके 2016 के चुनावी भाषणों से 166,297 शब्द और उनके 2024 के चुनावी भाषणों से 218,892 शब्द। ये यादृच्छिक अंश नहीं थे बल्कि रैलियों और आधिकारिक कार्यक्रमों के सावधानीपूर्वक चुने गए ट्रांसक्रिप्ट थे, जो राजनीतिक संचार के एक ही प्रकार की निष्पक्ष तुलना सुनिश्चित करते थे। टीम ने फिर इस पाठ को एक ऐसे कंप्यूटर मॉडल में डाला जिसे शब्दों के संदर्भ के आधार पर उनके अर्थ सीखने के लिए डिज़ाइन किया गया था। कल्पना कीजिए कि एक मॉडल हजारों वाक्यों को पढ़ता है और सीखता है कि "राजा" और "रानी" करीब हैं क्योंकि वे अक्सर समान संदर्भों में दिखाई देते हैं, जबकि "राजा" और "रेत" एक-दूसरे से दूर हैं। यह मॉडल, जिसे 'वर्ड-टू-वेक' (Word2Vec) के रूप में जाना जाता है, प्रत्येक शब्द को अंतरिक्ष में एक गणितीय बिंदु में परिवर्तित कर देता है। इन बिंदुओं के बीच की दूरी यह प्रकट करती है कि उस विशिष्ट युग में शब्दों के अर्थ कितने समान हैं।

एक बार जब कंप्यूटर ने शब्दों का मानचित्रण कर लिया, तो शोधकर्ताओं ने उन्हें समूहों (क्लस्टर्स) में वर्गीकृत करने के लिए एक विधि का उपयोग किया, ठीक वैसे ही जैसे रंग और आकार के आधार पर मिश्रित कंचों की थैली को छाँटा जाता है ताकि प्रमुख पैटर्न देखे जा सकें। इसके बाद उन्होंने इन जटिल, बहु-स्तरीय मानचित्रों को दो-आयामी छवियों में बदलने के लिए एक तकनीक का उपयोग किया जिन्हें मानवीय आँखों द्वारा देखा और विश्लेषित किया जा सके। उन्होंने पाया कि यह कहानी निरंतरता और गहरे परिवर्तन दोनों की थी। ट्रंप के संदेश के मूल विषय दोनों अवधियों में उल्लेखनीय रूप से स्थिर रहे। 2016 और 2024 दोनों में, भाषण लोकलुभावनवाद (पॉपुलिज्म) के आधार पर बने थे, जिसमें "जनता" को एक भ्रष्ट "कुलीन वर्ग" के विरुद्ध खड़ा किया गया था और राष्ट्रीय शक्ति एवं नवीकरण का वादा किया गया था। कंप्यूटर ने पुष्टि की कि उनके वक्तव्य के ये केंद्रीय स्तंभ गायब नहीं हुए थे; वे अभी भी परिदृश्य की सबसे भारी और प्रमुख विशेषताएं थे।

हालाँकि, इन विषयों को एक-दूसरे के इर्द-गिर्द व्यवस्थित करने का तरीका नाटकीय रूप से बदल गया था। 2016 के भाषणों में, मानचित्र सघन और कसकर बुना हुआ था। आर्थिक विचार जैसे नौकरियां, व्यापार और राष्ट्रीय विकास, सुरक्षा और पहचान के विषयों के साथ निकटता से जुड़े हुए थे। यह भाषा एक एकीकृत दृष्टिकोण का सुझाव देती थी जहाँ आर्थिक समृद्धि और राष्ट्रीय शक्ति एक ही सुसंगत कहानी के अविभाज्य हिस्से थे। कंप्यूटर विज़ुअलाइज़ेशन ने दिखाया कि ये विचार एक साथ सिमटे हुए थे, जो यह दर्शाता है कि 2016 में, राजनीतिक नैरेटिव एक एकल, एकीकृत ताना-बाना था जहाँ एक विषय स्वाभाविक रूप से दूसरे की ओर ले जाता था।

2024 तक, वह ताना-बाना उखड़ गया था। लोकलुभावनवाद और शक्ति के वही मूल विषय अभी भी मौजूद थे, लेकिन वे अब उन आर्थिक मुद्दों से मजबूती से बंधे नहीं थे जिन्होंने कभी उन्हें परिभाषित किया था। इसके बजाय, 2024 का मानचित्र बिखरा हुआ और खंडित दिखाई दिया। कंप्यूटर विश्लेषण ने खुलासा किया कि विषय अलग हो गए थे, जिससे राजनीतिक वैधता, मीडिया नैरेटिव और पहचान-आधारित संघर्षों के इर्द-गिर्द नए क्लस्टर उभर आए। आर्थिक नीति और राष्ट्रीय पहचान के बीच का गहरा संबंध ढीला हो गया था, जिसकी जगह एक ऐसी संरचना ने ले ली थी जहाँ विभिन्न विषय अलग-अलग, अक्सर परस्पर विरोधी क्षेत्रों में अस्तित्व में थे। यह सुझाव देता है कि राजनीतिक संदेश एक व्यापक, नीति-उन्मुख दृष्टिकोण से बदलकर एक अधिक खंडित नैरेटिव में बदल गया है जो वैचारिक युद्धों और राजनीतिक सत्य की रक्षा से प्रेरित है।

अध्ययन ने विशिष्ट शब्दों को भी करीब से देखा कि कैसे दोनों अभियानों के बीच उनके अर्थ बदले हैं। "चीन", "लड़ाई", "चुनाव" और "सत्य" जैसे शब्दों ने सबसे नाटकीय हलचल दिखाई। 2016 में, "चीन" व्यापार, विनिर्माण और नौकरियों से संबंधित शब्दों का पड़ोसी था; इसे मुख्य रूप से एक आर्थिक प्रतिस्पर्धी के रूप में पेश किया गया था। 2024 तक, यह शब्द अपने आर्थिक पड़ोसियों से बहुत दूर चला गया और राष्ट्रीय सुरक्षा, खतरों और भू-राजनीतिक प्रतिद्वंद्विता से संबंधित शब्दों के पास आकर ठहर गया। इसी तरह, "लड़ाई" (फाइट) शब्द ने अपनी स्थिति बदल ली थी। शुरुआती भाषणों में, यह सैन्य शक्ति और बाहरी खतरों से जुड़ा था। बाद के भाषणों में, यह घरेलू राजनीतिक संघर्षों के केंद्र में आ गया था, जो चुनाव, मीडिया सेंसरशिप और आंतरिक संघर्षों से संबंधित शब्दों के साथ समूह बना रहा था।

सबसे महत्वपूर्ण बदलाव "सत्य" शब्द के साथ हुआ। 2016 में, यह शब्द मुख्य अर्थ के समूहों के हाशिए पर था, केंद्र में नहीं। 2024 में, यह एक केंद्र बिंदु बन गया, जो मीडिया नैरेटिव, सेंसरशिप और राजनीतिक पहचान से जुड़े शब्दों से घिरा हुआ अपना स्वयं का अलग क्लस्टर बना रहा था। यह वस्तुनिष्ठ तथ्यों या नीतिगत विवरणों पर चर्चा करने से हटकर वास्तविकता की प्रकृति और इसे कौन परिभाषित करता है, इस पर संघर्ष की ओर बढ़ने का संकेत देता है। "चुनाव" शब्द ने भी इसी तरह की यात्रा की, जो 2016 में विजय और जनसमर्थन के संदर्भ से बदलकर 2024 में धोखाधड़ी, वैधता विवादों और contested परिणामों के संदर्भ में आ गया।

शोधकर्ताओं ने निष्कर्ष निकाला कि ये परिवर्तन केवल एक विषय को दूसरे से बदलने के बारे में नहीं थे, बल्कि राजनीतिक अर्थ के निर्माण के मूलभूत पुनर्गठन के बारे में थे। 2016 का विमर्श एक सुसंगत, आर्थिक रूप से उन्मुख संरचना द्वारा विशेषता युक्त था जहाँ विचार एक-दूसरे को सुदृढ़ करते थे। 2024 का विमर्श अधिक खंडित, वैचारिक रूप से संचालित और पहचान एवं संघर्ष पर केंद्रित था। अध्ययन बताता है कि जैसे-जैसे राजनीतिक ध्रुवीकरण गहरा होता है, दुनिया का वर्णन करने के लिए उपयोग की जाने वाली भाषा साझा नीतिगत लक्ष्यों के बारे में कम और अलग, अक्सर असंगत वास्तविकताओं की रक्षा करने के बारे में अधिक होती जाती है। कंप्यूटर मॉडल ने केवल शब्दों को नहीं गिना; उन्होंने प्रकट किया कि राजनीतिक भाषण की वास्तविक वास्तुकला बदल गई है, जो एक एकीकृत नैरेटिव से हटकर विच्छेदित, वैचारिक रूप से आवेशित खंडों के संग्रह में बदल गई है। यह खोज हमें यह समझने का एक नया तरीका प्रदान करती है कि कैसे राजनीतिक नेता न केवल नई घटनाओं के अनुसार, बल्कि सार्वजनिक विश्वास और संघर्ष के बदलते परिदृश्य के अनुरूप अपनी भाषा को अनुकूलित करते हैं।