在变动环境中检测极端意识形态：一种自动且与上下文无关的方法
摘要：在民主国家中，意识形态景观是个人和集体政治行动的基础；相反，边缘意识形态驱动了意识形态动机的暴力极端主义。因此，量化意识形态是解决一系列后续问题的关键第一步，例如理解和对抗意识形态动机的暴力极端主义、检测和干预虚假信息活动，以及更广泛的实证观点动力学建模。然而，在线意识形态检测面临两个重要障碍。首先，构成意识形态检测基础的真实情况通常对从业者来说耗时耗力，需要专业领域专家的支持，并与所收集的背景（即时间、地点和平台）相关。其次，为了避免这种费用，研究人员通过其他意识形态信号（如使用的标签或关注的政治人物）生成真实情况。然而，这引入的偏见尚未得到量化，通常仍然需要专家干预。本文提出了一个适用于大规模数据集的端到端意识形态检测流程。我们从广泛可用的媒体倾向数据中构建了无环境依赖和自动化的意识形态信号；展示了衍生流程在性能上相对于常见意识形态信号和最新基线的表现；应用该流程来检测左右意识形态和更为令人关注的极端意识形态；生成推断意识形态群体的心理社会特征；并深入了解他们的道德观和关注点。
作者：Rohit Ram, Emma Thomas, David Kernot and Marian-Andrei Rizoiu
论文ID：2208.04097
分类：Computers and Society
分类简称：cs.CY
提交时间：2023-03-30