Vi utgår från nyckelord över hur väljare själva beskriver partier de kan rösta på och motioner från partierna. Analyserna visar att maskininlärningen som bygger på förträning utifrån ett generellt dataset ger tydligare ideologiska skillnader mellan partierna än den som bygger på ett mer specifikt dataset. Studien är ett samarbete mellan statsvetenskap i Lund och datavetenskap på Chalmers och har nyligen publicerats i tidskriften Journal of Elections, Public Opinion and Parties.
Varför är detta viktigt?
Studien har betydelse långt utanför Sverige. Den visar hur AI-verktyg kan hjälpa forskare och beslutsfattare att analysera politisk retorik, identifiera ideologiska trender och förstå väljarnas kommunikation bättre. Metoden kan bidra till att följa polariseringens utveckling, förutse politiska förändringar och ge väljarna en tydligare bild av de politiska alternativen.
Författare: Annika Fredén, Moa Johansson, Denitsa Saynova
Titel: Word embeddings on issues and ideology from Swedish parliamentarians’ motions: A Comparative Approach