在线政治沟通中相似和意识形态相关图像的研究
摘要：美国国家政治家在Twitter上分享的视觉媒体，以及政治家分享的不同类型图像如何反映他们的政治立场，并确定在这种背景下使用标准图像表征方法存在的风险。虽然过去的研究在社交媒体上研究政治家使用图像的结果是有价值的，但这些研究主要关注摄影媒体，这可能不足以涵盖这些空间中分享的各种视觉媒体（例如信息图表、插图或者表情包）。利用多个常用、预先训练的深度学习模型对政治家的视觉进行表征，本文使用聚类方法鉴别了在Twitter上分享的八种视觉媒体，其中有几种并非摄影类的。结果表明，个体政治家分享了多种类型的视觉媒体，并且他们的图像在这些聚类中的分布与他们的整体意识形态立场有关。例如，自由派政治家似乎更多地分享信息图表风格的图像，而保守派政治家似乎更多地分享爱国主义的图像。然而，人工评估发现，这些图像表征模型常常将视觉上相似但语义含义不同的图像归为同一聚类，这对研究者在这一领域解释聚类和聚类与政治意识形态的相关性带来了影响。特别是，这些预训练模型中语义含义的折叠可能导致某些图像聚类的零发现，而不是意识形态范围内的政治家分享共同类型的图像。本文最后提出了一系列研究人员的建议，以避免这些问题。
作者：Amogh Joshi, Cody Buntain
论文ID：2110.01183
分类：Computers and Society
分类简称：cs.CY
提交时间：2023-08-01