Politika a sorok között - Politikai témájú szövegelemzések

1. {Politika a sorok között}
Politikai témájú szövegelemzések
2015.11.16., Politikai kommunikáció
Balogh Kitti – statisztikus, adatelemző, Precognox

2. {Tartalom}
» Szövegbányászat, tartalom-, diskurzuselemzés
» Politikai szövegelemzés példák:
» Főpolgármester-választással kapcsolatos tweetek elemzése
predikciós céllal
» Romák médiareprezentációja egy szélsőjobboldali
hírportálon
» A magyar politikai blogszféra az érzelmek hálójában

3. {Szövegbányászat}
» Szöveges elektronikus adatok feldolgozása és elemzése
» Adatok közötti eligazodás, keresés, rejtett
összefüggések feltárása, kinyerése
» Egyre növekvő elektronikus adatmennyiség
kb. 85% strukturálatlan adat (pl. emailek, hírek,
weboldalak, közösségi média tartalmak)

4. {Hagyományos szövegelemzés}
» Tartalomelemzés
» Szavak, nyelvi kategóriák gyakorisága, együttes megjelenése
» Kvantitatív elemzés
» Diskurzuselemzés
» Több megközelítés, pl. narratívaelemzés (Propp),
konverzációelemzés (Goffman, Garfinkel), kritikai
diskurzuselemzés (van Dijk, Wodak, Fairclough)
» A szöveg formai, tartalmi elemzésével társadalmi,
kulturális, politikai összefüggések feltárása
» Hagyományosan kvalitatív

5. {Szövegbányászat és hagyományos
szövegelemzés}
» Szövegbányászat vs. hagyományos szövegelemzés
» Nagy mennyiségű szöveg vs. kis mennyiségű szöveg
» Automatikus vs. sok emberi erőforrást, időt igénylő
» Szubjektivitás csökkentése vs. szubjektivitás veszélye
» Reprodukálhatóság javítása vs. Reprodukálhatóság
nehézsége/lehetetlensége

6. {Főpolgármester-választás előrejelzése}
» Módszertan
» Főpolgármester-jelöltek neveit tartalmazó tweetek leszedése
» R twitteR package
» 462 tweet
» választás előtti este (2014.10.11.)
» Tweetek szentiment- és emócióelemzése
» Szentiment- és emóciószótárak
» Gyakoriságok elemzése
» Relatív gyakoriságok szentimentenként, emóciónként
» Összehasonlítás közvélemény-kutatási adatokkal, majd az eredménnyel

7. {Főpolgármester-választás előrejelzése}
» Elmélet
» DiGrazia, McKelevy, Bollen és Rojas (2010): More Tweets, More
Votes: Social Media as a Quantitative Indicator of Political Behavior
» Szentiment- és emócióelemzés
» Szövegek által közvetített vélemények, attitűdök,
érzések detektálása pl. termékekkel, személyekkel,
eseményekkel, témákkal kapcsolatban
» Szentiment: ált. 3 (negatív, semleges, pozitív)
vagy 5 (nagyon negatív, negatív, semleges,
pozitív, nagyon pozitív) kategória
» Emóció: ált. 6 alapérzelem (bánat, düh, undor,
félelem, meglepődés, öröm)
» Pollyanna-hipotézis vs. negatív: több info

8. {Főpolgármester-választás előrejelzése}
» Elemzés
Tweetek gyakorisága emóció szerint
Tarlós Bokros Staudt Csárdi Bodnár Össz.
Düh 164 133 7 13 15 332
Szomorúság 6 6 1 1 1 15
Öröm 9 9 1 2 1 22
Félelem 1 0 0 0 0 1
Meglepődás 0 1 0 0 0 1
Undor 0 0 0 0 0 0
Ismeretlen 30 52 1 6 2 91
Össz. 210 201 10 22 19 462

9. {Főpolgármester-választás előrejelzése}
Tweetek gyakorisága szentiment szerint
Tarlós Bokros Staudt Csárdi Bodnár Össz.
Semleges 149 146 6 16 14 331
Pozitív 26 33 3 3 4 69
Negatív 35 22 1 3 1 62
Össz. 210 201 10 22 19 462

10. {Főpolgármester-választás előrejelzése}
Eredmények
Nézőpont,
2014.10.6-8.,
biztos szav.
(n=500)
Minden Düh Szom. Öröm Seml. Poz. Neg.
Tarlós 49,06% 52% 45,45% 49,40% 40,00% 40,91% 45,02% 37,68% 56,45%
Bokros 36,04% 25% 43,51% 40,06% 40,00% 40,91% 44,11% 47,83% 35,48%
Staudt 7,10% 6% 2,16% 2,11% 6,67% 4,55% 1,81% 4,35% 1,61%
Csárdi 5,69% 6% 4,76% 3,92% 6,67% 9,09% 4,83% 4,35% 4,84%
Bodnár 2,10% 1% 4,11% 4,52% 6,67% 4,55% 4,23% 5,80% 1,61%

11. {Főpolgármester-választás előrejelzése}
Tarlós Istvánt ill. Bokros Lajost említő tweetek emóciós szófelhői

12. {A kuruc.info romaellenes témái}
» Módszertan
» „Cigánybűnözés” rovat cikkeinek begyűjtése, feldolgozása
» 10.304 cikk
» Időszak: 2006-2015. február
» Cikkekhez tartozó időbélyeg
» Cikkek témáinak kinyerése
» Látens Dirichlet allokáció (LDA)
» Input: dokumentumok szavai, témák száma
» Output: dokumentumok témaeloszlása, témák szóeloszlása
» Kapott témák összevetése a szakirodalommal és kiértékelés
» Témák időbeli változásának vizualizációja

13. {A kuruc.info romaellenes témái}
»Elmélet
» Romareprezentációs kutatások a magyar írott médiában
» Bogdán – Feischmidt - Guld (2010): „Csak másban”. Romareprezentáció a magyar
médiában
» Kriza – Vidra (2010): A többség fogságában – kisebbségek
médiareprezentációja
» Munk (2013): A romák reprezentációja a többségi média híreiben az 1960-as
évektől napjainkig
» Bernáth – Messing (1998, 2003, 2012)
» Témák számának meghatározása Bernáth és Messing (2012)
témastruktúrája + mat-i optimalizálás alapján: 27 téma

14. {A kuruc.info romaellenes témái}
» Minden téma megtalálható, kivéve:
» Jogvédelem, kisebbségi jogok
» Gazdaság, vállalkozás
» Természeti katasztrófák
» Differenciáltabb témafelosztás:
» Bűnözés
» Politika, közpolitika
» Diszkrimináció, előítéletek
» Külföldi romák
» Külpolitika, EU
» Kivándorlás
» Kiértékelés
» 600 cikk humán annotálása, 74%-os
recall, 55% precesion
» Összevetés a szakirodalmi témastruktúrával, kiértékelés

15. {A kuruc.info romaellenes témái}
» Témák időbeli változásának vizualizációja
» 27 téma, nehéz áttekinthetőség
» Szűcs Krisztina - tervezőgrafikus, data visualization designer,
krisztinaszucs.com
» Interaktív adatvizualizáció
» Elérhető: labs.precognox.com/kurucinfo_adatviz/

16. {A kuruc.info romaellenes témái}
» Eredeti idősorok 1-9. téma:

17. {A kuruc.info romaellenes témái}

18. {A kuruc.info romaellenes témái}

19. {A kuruc.info romaellenes témái}

20. {A magyar politikai blogszféra}
» Módszertan
» Magyar politikai blogok összegyűjtése
» Kb. 70 politikai blog
» Szövegek begyűjtése
» Összegyűjtött listából kiindulva
» Szövegekben lévő linkeken továbbhaladva weboldalak hálózata
» Csúcs: weboldal, él: link
» 12.121 db egyedi url, 22.542 él
» Hálózat normalizálása, tisztítása
» 1.441 db csomópont (pay-level url), 2.472 él
» Oldalakhoz kötődő szövegek emócióelemzése

21. {A magyar politikai blogszféra}
» Elmélet
» Hálózatelemzés
» Barabási Albert-László: Behálózva
» Gráfelmélet
» Kolaczyk – Csárdi: Statistical Analysis of Network Data with R
» Emóció-, szentimentelemzés
» Bing, Liu: Sentiment Analysis and Opinion Mining

22. {A magyar politikai blogszféra}
» Csúcsok közötti
átlagos úthossz: 3.342
» Átmérő: 9
» Kép: csúcsméret
PageRank szerint

23. {A magyar politikai blogszféra}

24. {A magyar politikai blogszféra}

25. {A magyar politikai blogszféra}

26. {A magyar politikai blogszféra}
» Bánat

27. {A magyar politikai blogszféra}
» Düh

28. {A magyar politikai blogszféra}
» Félelem

29. {A magyar politikai blogszféra}
» Meglepődés

30. {A magyar politikai blogszféra}
» Öröm

31. {A magyar politikai blogszféra}
» Undor

32. {A magyar politikai blogszféra}
» További tervek
» Gyűlöletbeszéd terjedése a hálózatban
» Csomópontok csoportosítása, visszaadja-e a politikai
blokkokat, csoportokat
» Bizonyos témák vizsgálata szentiment-, ill.
emócióelemzéssel

33. {Köszönöm szépen a figyelmet!}

34. Bővebben: kereses.blog.hu
precognox.com
labs.precognox.com/kurucinfo_adatviz/
Kontakt: kbalogh@precognox.com