Une méthode détaillée pour analyser les positions des partis
Cette étude présente une nouvelle méthode pour analyser les positions des partis politiques en utilisant des domaines de politique.
― 8 min lire
Table des matières
- L'Importance du Positionnement des Partis
- Méthodes Actuelles et Leur Limites
- Approche Proposée
- Évaluation de l'Approche
- Compétition entre Partis dans les Démocraties
- Analyser la Recherche Existante
- Méthodologie du Cadre Proposé
- Réduction de Dimension pour la Visualisation
- Configuration Expérimentale
- Résultats de l'Analyse
- Directions Futures
- Conclusion
- Source originale
- Liens de référence
Analyser les positions des partis politiques, c'est super important pour capter leurs stratégies et comment ils attirent les électeurs. Cette étude se concentre sur une méthode qui examine les positions des partis à partir de textes comme les Manifestes électoraux, qui résument leurs politiques et croyances. Les méthodes actuelles simplifient souvent trop les ressemblances entre les partis en leur attribuant un score unique qui ne révèle pas les domaines spécifiques où ils sont d'accord ou pas. Cet article propose une nouvelle approche qui décompose le positionnement des partis en différentes zones politiques, permettant une analyse plus détaillée.
L'Importance du Positionnement des Partis
La compétition entre partis joue un rôle crucial dans les démocraties, car elle crée un espace pour des vues politiques diversifiées. Ça permet aux électeurs de choisir des partis qui correspondent à leurs croyances. Comprendre comment les partis se positionnent sur divers sujets peut donner des pistes sur le comportement des électeurs et la dynamique des partis pendant la gouvernance.
Les politologues examinent souvent les positions des partis à travers le prisme de la compétition, en se concentrant sur des problèmes spécifiques comme l'immigration ou l'économie. Traditionnellement, les positions des partis sont simplifiées en dimensions larges, comme gauche-droite ou libertaire-autoritaires. Ces simplifications aident à comparer les partis, mais elles passent souvent à côté des nuances de certaines zones politiques.
Méthodes Actuelles et Leur Limites
Les efforts précédents en science politique computationnelle ont essayé d'analyser les positions des partis en utilisant des méthodes automatiques. Bien que ces approches aident à traiter de grandes quantités de texte, elles ont tendance à agréger les positions des partis sans prendre en compte les détails des domaines politiques spécifiques. Cela signifie que pour comprendre la position d'un parti sur un sujet particulier, les chercheurs doivent souvent examiner le texte manuellement ou faire des suppositions larges sur l'ensemble du document.
Certaines méthodes dépendent aussi des annotations d'experts, ce qui peut prendre du temps et ne pas toujours être disponible. Donc, il y a besoin de techniques plus détaillées et automatisées qui peuvent analyser les positions des partis sur la base de domaines politiques spécifiques.
Approche Proposée
Cet article introduit un cadre pour analyser le positionnement des partis qui se concentre sur des domaines politiques spécifiques. Voici les étapes pour faire fonctionner cette méthode :
Définir les Domaines Politiques : D'abord, il faut identifier les zones politiques pertinentes. Ça peut inclure des catégories comme la santé, la politique étrangère ou l'éducation.
Labeliser les Domaines Automatiquement : S'il n'y a pas de labels existants pour ces domaines, la méthode peut les attribuer automatiquement selon le texte.
Calculer les Similarités : Après le label, la méthode calcule combien les partis sont similaires dans chaque domaine politique.
Extraire les Positions des Partis : Enfin, elle fournit une vue claire de la position de chaque parti sur différents problèmes en utilisant des techniques pour réduire la complexité des données.
Évaluation de l'Approche
La méthode proposée a été testée en utilisant les manifestes électoraux fédéraux allemands. Les résultats ont montré qu'elle identifiait efficacement les ressemblances entre partis et fournissait des aperçus précis sur leur positionnement sur divers sujets. En se concentrant sur des domaines politiques spécifiques, la méthode a révélé des zones où les partis pourraient s'aligner ou diverger.
Compétition entre Partis dans les Démocraties
La compétition entre partis est un aspect fondamental des systèmes démocratiques. Ça permet à plusieurs points de vue politiques de coexister, offrant aux électeurs des choix qui reflètent leurs valeurs. En enquêtant sur comment les partis se positionnent les uns par rapport aux autres, ça aide à comprendre les préférences des électeurs et les stratégies des partis.
Analyser la Recherche Existante
Les politologues classifient les manifestes des partis, qui sont des expressions concises des croyances et politiques des partis. Des projets comme le Comparative Manifesto Project offrent un cadre pour examiner les positions des partis sur la base de manifestes annotés de divers pays. Ces annotations aident à déterminer où les partis se situent sur différents sujets.
Cependant, les méthodes traditionnelles d'analyse des manifestes des partis utilisent souvent des catégories limitées, perdant de vue les complexités impliquées. Les approches computationnelles plus récentes simplifient le processus mais ont encore du mal à capturer les relations complexes entre les positions des partis et des politiques spécifiques.
Méthodologie du Cadre Proposé
Regroupement des Domaines Politiques
Pour évaluer précisément le positionnement des partis, il est essentiel de décomposer les manifestes en blocs thématiques clairs. Les domaines politiques doivent respecter certaines exigences pour garantir leur pertinence et leur utilité dans l'analyse des ressemblances entre partis.
En utilisant des techniques modernes d'embeddings de phrases, les chercheurs peuvent calculer les distances entre les phrases en fonction de leur contenu. Ça aide à regrouper les catégories politiques en domaines supérieurs qui représentent adéquatement le positionnement des partis.
Prédiction Automatique des Domaines Politiques
Une caractéristique essentielle de la méthode proposée est sa capacité à prédire les domaines politiques dans des textes qui manquent d'annotations existantes. Cela implique d'utiliser des classificateurs d'apprentissage automatique qui prennent en compte le contexte entourant chaque phrase pour labeliser avec précision les domaines politiques.
Le défi réside dans le fait que le langage et le Discours politique peuvent évoluer avec le temps, ce qui signifie que les classificateurs formés sur des données antérieures pourraient avoir besoin d'ajustements pour de nouveaux textes. Cette capacité prédictive améliore le flux de travail, le rendant plus adaptable à différents contextes politiques.
Calculer les Similarités Entre Partis
Une fois que les manifestes des partis sont décomposés en domaines politiques, il devient facile de calculer les similarités entre les partis dans ces domaines. En mesurant les distances basées sur les embeddings de phrases, la méthode peut quantifier à quel point les partis sont alignés ou divergents sur des questions spécifiques.
L'agrégation de ces distances permet d'obtenir une vue complète des ressemblances entre partis tout en mettant de côté l'influence de la fréquence à laquelle certaines politiques sont mentionnées.
Réduction de Dimension pour la Visualisation
Les résultats des calculs de similarité peuvent être structurés dans une matrice de distance qui représente la relation entre tous les partis analysés. Pour fournir une forme plus digeste de ces données, des techniques de réduction de dimension peuvent être appliquées, visualisant les distances sur une échelle simple qui met efficacement en avant les positions des partis.
Configuration Expérimentale
Pour tester l'efficacité de la méthode proposée, une analyse a été réalisée sur les six principaux partis politiques en Allemagne en fonction de leurs manifestes des élections fédérales de 2021. Les partis évalués comprenaient Die Linke, Bündnis 90/Die Grünen, Union Démocratique Chrétienne (CDU), Parti Démocratique Libre (FDP), Parti Social-Démocrate d'Allemagne (SPD) et Alternative pour l'Allemagne (AfD).
Formation des Classificateurs
Des classificateurs ont été formés pour labeliser efficacement les manifestes en utilisant des données historiques. Différents ensembles d'entraînement ont été explorés pour déterminer si un ensemble de données plus large ou plus ciblé produisait de meilleurs résultats. La performance du classificateur a été évaluée sur sa précision à prédire les domaines politiques.
Résultats de l'Analyse
L'analyse a révélé que la méthode proposée réussit à identifier les positions des partis à travers divers domaines politiques. La corrélation entre les similarités calculées et les références établies suggère que la méthode fournit un moyen fiable de comprendre le positionnement des partis.
Résultats sur les Domaines Politiques
Certains domaines politiques ont montré de fortes corrélations avec les échelles traditionnelles gauche-droite, tandis que d'autres pas. Par exemple, des domaines comme la politique militaire ont montré des alignements clairs, tandis que des domaines comme l'éducation et la technologie ont mis en lumière des alliances inattendues entre des partis qui se trouvent généralement aux extrêmes opposés du spectre politique.
Directions Futures
Bien que le cadre proposé offre une approche innovante pour analyser les positions des partis, il est crucial de tester son application dans d'autres contextes politiques. L'adaptabilité de la méthode à différents pays et cultures politiques reste à explorer.
De plus, à mesure que le discours politique évolue, des ajustements continus des classificateurs de domaines politiques seront essentiels pour maintenir l'exactitude. Explorer comment la méthode performe avec de nouveaux sujets qui émergent lors des élections futures pourrait mener à des perfectionnements supplémentaires.
Conclusion
La méthode proposée pour analyser les manifestes des partis sur la base des domaines politiques représente un pas en avant significatif en science politique computationnelle. En fournissant un moyen structuré d'évaluer les positions des partis, elle permet aux chercheurs de découvrir des nuances que les approches traditionnelles pourraient négliger. Ce cadre améliore non seulement la compréhension du positionnement des partis, mais soutient également d'autres explorations des préférences des électeurs et des stratégies politiques dans les démocraties.
Titre: Additive manifesto decomposition: A policy domain aware method for understanding party positioning
Résumé: Automatic extraction of party (dis)similarities from texts such as party election manifestos or parliamentary speeches plays an increasing role in computational political science. However, existing approaches are fundamentally limited to targeting only global party (dis)-similarity: they condense the relationship between a pair of parties into a single figure, their similarity. In aggregating over all policy domains (e.g., health or foreign policy), they do not provide any qualitative insights into which domains parties agree or disagree on. This paper proposes a workflow for estimating policy domain aware party similarity that overcomes this limitation. The workflow covers (a) definition of suitable policy domains; (b) automatic labeling of domains, if no manual labels are available; (c) computation of domain-level similarities and aggregation at a global level; (d) extraction of interpretable party positions on major policy axes via multidimensional scaling. We evaluate our workflow on manifestos from the German federal elections. We find that our method (a) yields high correlation when predicting party similarity at a global level and (b) provides accurate party-specific positions, even with automatically labelled policy domains.
Auteurs: Tanise Ceron, Dmitry Nikolaev, Sebastian Padó
Dernière mise à jour: 2023-05-17 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2305.10136
Source PDF: https://arxiv.org/pdf/2305.10136
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.
Liens de référence
- https://www.latex-project.org/help/documentation/encguide.pdf
- https://github.com/tceron/additive_manifesto_decomposition
- https://manifesto-project.wzb.eu/
- https://www.sbert.net/
- https://huggingface.co/sentence-transformers/paraphrase-multilingual-mpnet-base-v2
- https://manifesto-project.wzb.eu/down/tutorials/main-dataset.html