MiMac- Nya metoder för att analysera vallöften

Syfte

I det här projektet utvecklar vi nya metoder för att studera partiernas löften i moderna valkampanjer. Vi skapar forskningsverktyg baserade på maskininlärning och språkbearbetning via artificiell intelligens, och integrerar dem med befintliga metoder. Projektet sätter Sverige på kartan som en innovativ hubb för världens största forskningsprojekt om vallöften: the Comparative Party Pledges Project. De nya verktyget kommer även göra det möjligt för medborgare att utvärdera partiers valmanifest på ett mer effektivt sätt.

Bakgrund

Vallöften är en mycket central del av den representativa demokratin. Politiska partier har en nyckelroll då de under valkampanjer erbjuder väljare olika alternativ i form av vallöften, som de sedan uppfyller om de får bilda regering efter valet. Tidigare jämförande studier om vallöften har visat att löften ofta uppfylls, samt att löftena är sammanlänkade till partiers ideologiska position.

Ny teknologisk utveckling har gjort att valkampanjande har förändrats, exempelvis skaffar sig väljare information om politik på nya sätt. Med hjälp av ny teknik kan dagens kampanjmaterial skräddarsys för att passa medborgares specifika intressen och preferenser, så kallad political micro-targeting, vilket kan göra det svårt för väljare att skapa sig en övergripande bild av vad partier faktiskt lovar.

Forskningsfrågor och metod

I detta nya teknologiska landskap vill vi undersöka följande forskningsfrågor, och samtidigt utveckla nya metoder för att kunna undersöka dem:

• I vilken utsträckning avger politiska partier specifika vallöften till väljare under valkampanjer?
• Hur förhåller sig vallöften till andra faktorer som särskiljer partier från varandra?
• Hur kommuniceras partiers vallöften under valkampanjer? ​​​

Den nya teknologiska förändringen av politisk kommunikation skapar även nya utmaningar för etablerade forskningsmetoder. Mängden texter som är relevanta att studera för att förstå valkampanjer är allt för stor för att kunna analyseras och kodas av människor. Samtidigt så har existerande metoder som kodar text automatiskt utvecklats isolerat från etablerade kvalitativa forskningsmetoder vilket försvårar tillämpningen i vår forskning. I detta projekt kommer vi därför att utveckla nya metoder tillsammans med datavetare för att överbrygga gapet mellan våra discipliner.

Projektet strävar därför efter att uppnå två metodologiska mål:

• Utveckla nya metoder för att automatisera identifikation av partiers vallöften och jämföra hur de presenteras i valkampanjer.
• Utveckla nya metoder för att klassificera politiska texter och tal i olika policyområden.

De nya metoderna ska kunna producera resultat som är likvärdiga resultaten från mänsklig kodning.

Forskargrupp

• Elin Naurin, professor i statsvetenskap. Göteborgs universitet, forskningsledare
• Robert Thomson, professor i statsvetenskap, Monash University, forskningsledare
• Christian Arnold, universitetslektor i statsvetenskap, Cardiff University
• Hannah Bechara, postdoktor, Hertie School of Governance
• Rory Costello, universitetslektor i statsvetenskap, University of Limerick
• Tom Dobber, postdoktor, University of Amsterdam
• Tommaso Fornaciari, Bocconi University
• Dirk Hovy, universitetslektor i datavetenskap, Bocconi University
• Slava Jankin Mikhaylov, professor i datavetenskap och statsvetenskap, Hertie School of Governance
• Julia Runeson, biträdande forskare, Göteborgs universitet
• Claes de Vreese, professor i statsvetenskap, University of Amsterdam
• Lena Wängnerud, professor i statsvetenskap, Göteborgs universitet.