Vijandigheid jegens immigranten is niet nieuw in de Verenigde Staten. In 1896 waarschuwde Henry Cabot Lodge op de Senaatsvloer dat de "mentale en morele kwaliteiten" van Amerikanen in gevaar zouden komen door de "groothandelsinfusie van rassen waarvan de tradities... volledig vreemd zijn aan de onze." In de afgelopen jaren heeft voormalig president Donald Trump Mexicaanse immigranten gedemoniseerd als verkrachters en drugsdealers en de immigratie uit verschillende landen met overwegend moslimbevolking opgeschort.

Is een van deze sprekers representatief voor de bredere mening van hun tijd?

Een nieuwe studie die kunstmatige intelligentie gebruikt om de toon van meer dan 200.000 congres- en presidentiële toespraken over immigratie sinds 1880 in kaart te brengen, biedt een verrassend historisch perspectief.

De studie, zojuist gepubliceerd in Proceedings of the National Academy of Sciences , constateert dat de algemene trend van politieke toespraken snel sympathieker werd na de Tweede Wereldoorlog en tot op de dag van vandaag gemiddeld gunstig is gebleven.

Tegelijkertijd zijn de houdingen echter steeds meer gepolariseerd langs partijlijnen. Democratische retoriek staat sinds de jaren zestig betrouwbaar sympathiek tegenover immigranten, en vooral pro-immigratie in het afgelopen decennium, terwijl die van de Republikeinen sinds de jaren negentig steeds vijandiger is geworden en immigranten waarschijnlijker karakteriseert met subtiele ontmenselijkende taal.

"De algemene trend in toespraken naar immigranten vóór de jaren 1920 was negatief, maar veranderde binnen één generatie - van 1945 tot 1965 in overwegend positief", zegt Ran Abramitzky, een professor economie en een economisch historicus aan Stanford die samenwerkte met AI onderzoekers op het nieuwe artikel. "Wat ons vooral opvalt, is dat het positieve sentiment de afgelopen decennia aanhield, zelfs nadat de grens in 1965 weer openging en de stroom immigranten uit Midden-Amerika en Azië de migratie uit Europa heeft vervangen."

Alles bij elkaar beoordeelde het team 8 miljoen toespraken en ging vervolgens dieper in op meer dan 200.000 die relevant waren voor immigratie. Met behulp van natuurlijke taalverwerking identificeerden de onderzoekers vervolgens of elke spraak positief, negatief of neutraal was. Ze ontwikkelden ook een nieuw lexicon voor het identificeren van kaders die vaak worden gebruikt bij het bespreken van immigratie, zoals misdaad of familie, evenals een nieuw algoritme om subtiel gebruik van ontmenselijkende taal te herkennen.

Onder degenen die tegen immigratie zijn, blijft de vijandigheid hoog. Republikeinse politici gebruiken veel vaker taal die immigranten impliciet karakteriseert als dieren, machines of vracht. De onderzoekers ontdekten ook dat de vijandige retoriek van tegenwoordig jegens Mexicaanse immigranten erg doet denken aan die tegen Chinese immigranten aan het eind van de 19e eeuw, toen ze het doelwit waren van de eerste landgebonden immigratiebeperkingen van het land. Daarentegen werd er met meer sympathie over Europese immigranten gesproken dan over niet-Europeanen, hoewel beide vóór het midden van de 20e eeuw in het algemeen negatief werden beoordeeld.

Cultuurverschuivingen bestuderen met AI

Het onderzoek benadrukt de kansen die kunstmatige intelligentie biedt om sociale wetenschappers te helpen bij het bestuderen van complexe sociale en politieke trends.

"Het vermogen om 150 jaar aan toespraken zo gedetailleerd te analyseren, is een triomf van moderne computers en machine learning", zegt Abramitzky, "Hoe zouden we anders miljoenen toespraken kunnen lezen?"

Het multidisciplinaire onderzoeksteam werd geleid door Dallas Card, een postdoctoraal onderzoeker in computerwetenschappen aan Stanford, die nu een assistent-professor is aan de Universiteit van Michigan. Naast Card en Abramitzky bestond het team uit Serina Chang, een computerwetenschapper aan Stanford; Chris Becker, een econoom aan Stanford; Julia Mendelsohn, een informatiewetenschapper aan de Universiteit van Michigan; Dan Jurafsky, hoogleraar taalkunde en computerwetenschappen aan Stanford; Leah Boustan, hoogleraar economie aan Princeton; en Rob Voigt, een assistent-professor taalkunde aan de Northwestern University. "Alleen door economische historici, taalkundigen, computerwetenschappers en informatiewetenschappers samen te brengen, konden we dit probleem aanpakken", zegt Card. Het team werd gefinancierd door het Stanford HAI Hoffman-Yee Research Grant Program, dat onderzoek ondersteunt dat kunstmatige intelligentie toepast om problemen in de echte wereld aan te pakken.

Om modellen voor machinaal leren te trainen die de toon ten opzichte van immigranten nauwkeurig konden herkennen, begon het team menselijke onderzoeksassistenten handmatig een steekproef van toespraken te laten annoteren over of ze positief, negatief of neutraal waren en hoe ze immigranten karakteriseerden.

Anti-immigrantensprekers hadden de neiging om woorden te gebruiken die verband hielden met misdaad, bedreigingen, goedkope arbeidskrachten en, meer recentelijk, terrorisme. Sympathieke sprekers gebruikten vaker woorden die verband hielden met gemeenschap, hard werken, humanitaire behoeften en bijdragen aan het land.

Het identificeren van ontmenselijkende taal, die vaak impliciet en subtiel is, vereiste een meer verfijnde aanpak. Het team ontwikkelde een algoritme op basis van taalmodellen die zijn getraind op enorme hoeveelheden tekst en die zeer nauwkeurig zijn gebleken in het voorspellen hoe waarschijnlijk het is dat een woord in een bepaalde context zal verschijnen.

Het algoritme werd gebruikt om alle vermeldingen van immigranten te identificeren in contexten die werden geassocieerd met lang bestudeerde metaforische categorieën voor ontmenselijking, zoals "dieren" (aangespoord door woorden als "kuddes"), overstromingen ("stromen") of ongedierte ( "zwerm"). In een toespraak uit 1893 identificeerde de methode bijvoorbeeld de uitdrukking "zal deze zwerm buitenaardse wezens worden teruggestuurd?" In een toespraak uit 1942 markeerde het de verklaring dat "immigranten uit de verwoeste landen van Europa over ons land zullen uitzwermen en zijn hulpbronnen zullen verslinden."

Partizanen verdeeldheid

Het onderzoeksteam merkte ook een trend op tussen politieke partijen:Republikeinen zijn de afgelopen twee decennia significant meer impliciete ontmenselijkende metaforen gaan gebruiken dan Democraten.

Tot ongeveer 1980 waren de toespraken van het Republikeinse en Democratische congres vrij gelijkaardig in hun toon, waarbij de balans negatief was tot de Tweede Wereldoorlog en vanaf dat moment positief werd tot het midden van de jaren zeventig. Maar de twee partijen begonnen uiteen te lopen na 1980 - het sterkst na 2000. Behalve Trump, staan ​​zowel de GOP- als de Democratische presidenten sinds het Truman-tijdperk over het algemeen positief tegenover immigratie. Volgens de onderzoekers weerspiegelt dit waarschijnlijk het feit dat presidenten meer waarde hechten aan de bredere voordelen van immigratie.

Maar in de afgelopen 20 jaar hebben Republikeinen veel vaker naar immigratie verwezen met woorden die verband houden met misdaad, legaliteit, tekortkomingen en bedreigingen. Daarentegen gebruikten Democraten vaker woorden die verband houden met cultuur, familie, bijdragen en slachtoffers.

De positieve toon jegens immigranten in recente politieke toespraken weerspiegelt het stijgende positieve sentiment in het land als geheel. De onderzoekers merken op dat hun algemene resultaat - dat het anti-immigrantensentiment is afgenomen - consistent is met recente openbare opiniepeilingen. In een Gallup-enquête van 2021 zei 75% van de respondenten dat immigratie goed was geweest voor Amerika.

"Hoewel de opvattingen over immigratie meer gepolariseerd zijn door de partijen dan ooit tevoren, is er een stille meerderheid die voorstander is van immigratie. De houding ten opzichte van immigratie is nu positiever dan op bijna elk moment in de geschiedenis van de VS", zegt Abramitzky. + Verder verkennen

Studie suggereert dat woede kiezers ertoe aanzet zich tot extreemrechtse partijen in Europa te wenden