Un metodo dettagliato per analizzare le posizioni dei partiti
Questo studio presenta un nuovo metodo per analizzare le posizioni dei partiti politici utilizzando le aree politiche.
― 7 leggere min
Indice
- L'importanza del posizionamento dei partiti
- Metodi attuali e le loro limitazioni
- Approccio proposto
- Valutazione dell'approccio
- Competizione tra partiti nelle democrazie
- Analisi della ricerca esistente
- Metodologia del framework proposto
- Riduzione dimensionale per la visualizzazione
- Setup sperimentale
- Risultati dell'analisi
- Direzioni future
- Conclusione
- Fonte originale
- Link di riferimento
Analizzare le posizioni dei partiti politici è fondamentale per capire le loro strategie e come attraggono gli elettori. Questo studio si concentra su un metodo che esamina le posizioni dei partiti basandosi su testi come i Manifesti elettorali, che riassumono le loro politiche e credenze. I metodi attuali spesso semplificano troppo le somiglianze tra i partiti dando un punteggio unico che non mostra le aree specifiche dove i partiti sono d'accordo o in disaccordo. Questo documento propone un nuovo approccio che scompone il posizionamento dei partiti in diverse aree politiche, permettendo un'analisi più approfondita.
L'importanza del posizionamento dei partiti
La competizione tra i partiti gioca un ruolo cruciale nelle democrazie, creando uno spazio per diverse opinioni politiche. Questo consente agli elettori di scegliere i partiti che si allineano con le loro convinzioni. Comprendere come i partiti si posizionano su vari problemi può fornire spunti sul comportamento degli elettori e sulle dinamiche dei partiti durante la governance.
Gli scienziati politici esaminano spesso le posizioni dei partiti attraverso la lente della competizione, concentrandosi su questioni specifiche come l'immigrazione o l'economia. Tradizionalmente, le posizioni dei partiti vengono semplificate in dimensioni ampie, come l'asse sinistra-destra o libertario-autoritario. Queste semplificazioni aiutano a confrontare i partiti, ma spesso perdono di vista le sfumature di aree politiche specifiche.
Metodi attuali e le loro limitazioni
Precedenti tentativi nella scienza politica computazionale hanno cercato di analizzare le posizioni dei partiti usando metodi automatici. Anche se questi approcci aiutano a elaborare grandi quantità di testo, tendono ancora ad aggregare le posizioni dei partiti senza considerare i dettagli delle aree politiche specifiche. Questo significa che, per capire la posizione di un partito su un argomento particolare, i ricercatori devono spesso esaminare il testo manualmente o fare assunzioni generali sul documento intero.
Alcuni metodi dipendono anche da annotazioni di esperti, che possono essere dispendiose in termini di tempo e non sempre disponibili. Pertanto, c'è bisogno di tecniche più dettagliate e automatiche che possano analizzare le posizioni dei partiti in base a aree politiche specifiche.
Approccio proposto
Questo documento introduce un framework per analizzare il posizionamento dei partiti che si concentra su specifiche aree politiche. I seguenti passaggi delineano come funziona questo metodo:
Definire le aree politiche: Prima, bisogna identificare le aree politiche adatte. Queste possono includere categorie come sanità, politica estera o istruzione.
Etichettare le aree automaticamente: Se non ci sono etichette esistenti per queste aree, il metodo può assegnarle automaticamente in base al testo.
Calcolare le somiglianze: Dopo aver etichettato, il metodo calcola quanto siano simili i partiti all'interno di ciascuna area politica.
Estrarre le posizioni dei partiti: Infine, fornisce una visione chiara di dove si colloca ciascun partito su diverse questioni utilizzando tecniche per ridurre la complessità dei dati.
Valutazione dell'approccio
Il metodo proposto è stato testato utilizzando i manifesti elettorali federali tedeschi. I risultati hanno mostrato che identifica efficacemente le somiglianze tra i partiti e fornisce intuizioni accurate sul posizionamento dei partiti su varie questioni. Concentrandosi su aree politiche specifiche, il metodo ha rivelato aree in cui i partiti potrebbero allinearsi o divergere significativamente.
Competizione tra partiti nelle democrazie
La competizione tra partiti è un aspetto fondamentale dei sistemi democratici. Permette a molteplici punti di vista politici di coesistere, dando agli elettori scelte che riflettono i loro valori. Investigare come i partiti si posizionano in relazione l'uno all'altro aiuta a capire le preferenze degli elettori e le strategie dei partiti.
Analisi della ricerca esistente
Gli scienziati politici classificano i manifesti dei partiti, che sono espressioni concise delle credenze e politiche dei partiti. Progetti come il Comparative Manifesto Project forniscono un framework per esaminare le posizioni dei partiti basato su manifesti annotati di vari paesi. Queste annotazioni aiutano a determinare dove si trovano i partiti su questioni diverse.
Tuttavia, i metodi tradizionali di analisi dei manifesti dei partiti spesso usano categorie limitate, perdendo di vista le complessità coinvolte. Approcci computazionali più recenti semplificano il processo ma ancora faticano a catturare le relazioni intricate tra le posizioni dei partiti e le politiche specifiche.
Metodologia del framework proposto
Raggruppamento delle aree politiche
Per valutare accuratamente il posizionamento dei partiti, è indispensabile suddividere i manifesti in blocchi tematici chiari. Le aree politiche devono soddisfare determinati requisiti per garantire la loro rilevanza e utilità nell'analizzare le somiglianze tra i partiti.
Utilizzando tecniche moderne di embedding delle frasi, i ricercatori possono calcolare le distanze tra le frasi in base al loro contenuto. Questo aiuta a raggruppare le categorie politiche in domini di livello superiore che rappresentano adeguatamente il posizionamento dei partiti.
Predizione automatica delle aree politiche
Una caratteristica essenziale del metodo proposto è la sua capacità di prevedere le aree politiche in testi privi di annotazioni esistenti. Questo comporta l'uso di classificatori di apprendimento automatico che considerano il contesto circostante a ciascuna frase per etichettare accuratamente le aree politiche.
La sfida sta nel fatto che il linguaggio e il Discorso Politico possono cambiare nel tempo, il che significa che i classificatori addestrati su dati precedenti potrebbero necessitare di affinamenti per testi nuovi. Questa capacità predittiva migliora il flusso di lavoro, rendendolo più adattabile a diversi contesti politici.
Calcolo delle somiglianze tra i partiti
Una volta che i manifesti dei partiti sono stati suddivisi in aree politiche, diventa semplice calcolare le somiglianze tra i partiti all'interno di quelle aree. Misurando le distanze basate sugli embedding delle frasi, il metodo può quantificare quanto siano allineati o divergenti i partiti su questioni specifiche.
Aggregare queste distanze permette di avere una visione complessiva delle somiglianze tra i partiti, lasciando in secondo piano l'influenza di quanto spesso vengono citate certe politiche.
Riduzione dimensionale per la visualizzazione
I risultati dei calcoli di somiglianza possono essere strutturati in una matrice di distanza che rappresenta la relazione tra tutti i partiti analizzati. Per fornire una forma più digeribile di questi dati, possono essere applicate tecniche di riduzione dimensionale, visualizzando le distanze su una scala semplice che evidenzia efficacemente le posizioni dei partiti.
Setup sperimentale
Per testare l'efficacia del metodo proposto, è stata condotta un'analisi sui sei principali partiti politici in Germania basata sui loro manifesti dalle elezioni federali del 2021. I partiti valutati includevano Die Linke, Bündnis 90/Die Grünen, Christian Democratic Union (CDU), Free Democratic Party (FDP), Social Democratic Party for Germany (SPD) e Alternative for Germany (AfD).
Addestramento dei classificatori
I classificatori sono stati addestrati per etichettare in modo efficiente i manifesti utilizzando dati storici. Sono stati esplorati diversi set di addestramento per determinare se un dataset più ampio o uno più focalizzato producesse risultati migliori. Le prestazioni del classificatore sono state valutate in base alla sua accuratezza nel prevedere le aree politiche.
Risultati dell'analisi
L'analisi ha rivelato che il metodo proposto è efficace nell'identificare le posizioni dei partiti nelle varie aree politiche. La correlazione tra le somiglianze calcolate e i benchmark stabiliti suggerisce che il metodo fornisce un mezzo affidabile per comprendere il posizionamento dei partiti.
Risultati sulle aree politiche
Alcune aree politiche hanno mostrato forti correlazioni con le scale tradizionali sinistra-destra, mentre altre no. Ad esempio, aree come la politica militare hanno mostrato allineamenti chiari, mentre le aree di istruzione e tecnologia hanno messo in evidenza alleanze inaspettate tra partiti che solitamente si trovano agli opposti estremi dello spettro politico.
Direzioni future
Anche se il framework proposto offre un approccio innovativo per analizzare le posizioni dei partiti, è cruciale testarne l'applicazione in altri contesti politici. La capacità di adattarsi a diversi paesi e culture politiche resta da esplorare.
Inoltre, man mano che il discorso politico evolve, sarà essenziale apportare aggiustamenti continui ai classificatori delle aree politiche per mantenere l'accuratezza. Esplorare quanto bene il metodo performa con nuovi argomenti che emergono nelle elezioni future potrebbe portare a ulteriori affinamenti.
Conclusione
Il metodo proposto per analizzare i manifesti dei partiti basato sulle aree politiche rappresenta un passo significativo avanti nella scienza politica computazionale. Fornendo un modo strutturato per valutare le posizioni dei partiti, consente ai ricercatori di scoprire sfumature che gli approcci tradizionali potrebbero trascurare. Questo framework non solo migliora la comprensione del posizionamento dei partiti, ma supporta anche ulteriori esplorazioni delle preferenze degli elettori e delle strategie politiche nelle democrazie.
Titolo: Additive manifesto decomposition: A policy domain aware method for understanding party positioning
Estratto: 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.
Autori: Tanise Ceron, Dmitry Nikolaev, Sebastian Padó
Ultimo aggiornamento: 2023-05-17 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2305.10136
Fonte PDF: https://arxiv.org/pdf/2305.10136
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.
Link di riferimento
- 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