Hoe kan AI het werk van sociale wetenschappers ondersteunen bij het bestuderen van onze gekozen politici? AI-experts ontwikkelen methodieken om het politieke onderzoek te ondersteunen, in samenwerking met onderzoekers uit de sociale wetenschappen. De methoden zijn geschikt bij het aanpakken van zaken als de politici, zaken van het hart, integriteit en consistentie met hun standpunten. Ze kunnen zelfs haatspraak herkennen.

Een gesprek met een collega uit de politicologie leidde tot het onderzoek waar Moa Johansson, universitair hoofddocent bij de afdeling Computer Science and Engineering, nu aan werkt. De discussie ging over hoe AI-technologie het werk van de politicologen ten goede kan komen. Samen met Ph.D. student Denitsa Saynova en Postdoc Bastiaan Bruinsma, zij ontwikkelt en stemt AI-methodologieën om goed te werken voor het onderzoek van de politicologen.

Waarom is dit nuttig?

De methodologieën zijn bedoeld om wetenschappers binnen de sociale disciplines te helpen patronen te zien in hoe de politieke partijen een standpunt innemen in verschillende kwesties.

"Het kan door politicologen worden gebruikt voor interpretatie", zegt Moa Johansson en illustreert:

"Wat zijn de standpunten van partijen over verschillende onderwerpen en hoe veranderen deze standpunten in de loop van de tijd? Wat voor soort signalen zijn er voor toekomstige coalities waar partijen aan zouden kunnen denken?"

Leven de politici naar hun woorden?

Een mogelijkheid is om te zien hoe de politieke partijen schrijven en praten over bepaalde onderwerpen en dat vervolgens in relatie te brengen tot hun feitelijke politieke praktijken. Net als bij de methode die 'onderwerpmodellering' wordt genoemd. Dit kan een onderzoeker bijvoorbeeld helpen om te zien of een beladen kwestie die veel ruimte krijgt in debatten en partijprogramma's, ook een passende ruimte krijgt in het politieke werk.

“Stel dat we al die politieke debatten hebben. Er wordt altijd beweerd dat bepaalde onderwerpen als misdaad, klimaatverandering en immigratie belangrijker zijn geworden. Door dit te bestuderen, kun je er daadwerkelijk op wijzen en aantonen dat ze niet belangrijker zijn geworden. geen wetten of zo meer over dit soort thema's in de Zweedse riksdag bijvoorbeeld", zegt Bastiaan.

Een model dat aanzetten tot haat kan identificeren

Een andere mogelijkheid met deze methoden is het identificeren van haatspraak. In dit type onderzoek kan gesuperviseerde machine learning worden gebruikt. De onderzoeker zou niet alleen in kaart brengen hoe vaak een woord of onderwerp voorkomt, maar ook menselijke interpretatie toevoegen om het AI-model te leren geavanceerde evaluaties van de tekst te maken en te beslissen of het haatspraak bevat of niet.

Eén enkele methode is niet voldoende

Zoals bij alle machine learning met een grote hoeveelheid gegevens, gaat er veel werk zitten in het kiezen van de methodologie, het voorbereiden van de gegevens, het trainen van het model en het aanpassen van de parameters.

"Mensen hebben de neiging om te denken dat je gewoon de hele Wikipedia door dit zeer grote neurale netwerk voert en dat het je de toekomst kan vertellen", zegt Denitsa.

Ze wijst erop dat het niet voldoende is om één enkele techniek te gebruiken om iets zo complex te kunnen interpreteren, maar dat ze vragen opsplitsen in kleinere dingen die ze kunnen beantwoorden.

Denitsa vindt het uitdagend en daarom interessant om samen te werken met politicologen en sociale wetenschappers, aangezien ze zelf uit een zeer technisch vakgebied komt. Ze stelt dat de interdisciplinaire samenwerking nieuwe perspectieven op onderzoek en methoden heeft opgeleverd, evenals een uitgebreide terminologie. + Verder verkennen

Partijen leiden naar polarisatie en kiezers volgen