Politisk forskning stöttas av AI-metodologi
Hur kan AI hjälpa den samhällsvetenskapliga forskningen i studierna av våra folkvalda politiker? Experter inom AI håller på att utveckla tekniker för att stötta den politiska forskningen, i samarbete med forskare från det samhällsvetenskapliga fältet. Teknikerna passar i frågor som berör politikernas hjärtefrågor, integritet och hur konsekventa de är i sina ståndpunkter. De kan till och med identifiera hatretorik.
En diskussion med en kollega inom den politiska forskningen gav upphov till den studie som Moa Johansson, docent på Institutionen för data- och informationsteknik, nu arbetar med. Frågan var hur AI-teknologin skulle kunna komma till nytta för politiska forskares arbete. Tillsammans med doktoranden Denitsa Saynova och postdoktorn Bastiaan Bruinsma utvecklar och anpassar hon AI-verktyg för att de ska fungera väl i de politiska forskarnas arbete.
Vad är nyttan med detta?
Teknikerna är tänkta att hjälpa forskare inom de samhällsvetenskapliga disciplinerna att se mönster i hur politiska partier tar ställning i olika frågor.
“Det kan användas av politiska forskare i deras tolkningsarbete”, säger Moa och ger exempel.
“Vilka positioner intar partierna i olika frågor och hur förändras deras positioner över tid? Vilka signaler på framtida koalitioner kan man tolka ut att partierna funderar över?”
Jobbar politikerna i linje med sina uttalanden?
Man kan tänka sig att det går att se hur politiska partier skriver och pratar om olika ämnen och sätta det i relation till hur de i praktiken arbetar med dem. Som i metoden som kallas ”temamodell”. Där går det till exempel att se om en värdeladdad fråga som får mycket utrymme i debatter och partiprogram får motsvarande utrymme i det
faktiska politiska arbetet.
”Om vi tittar på de politiska debatterna, så hävdas det alltid att vissa ämnen, som till exempel brott, klimatförändringar och invandring har blivit allt viktigare. Genom att studera detta, kan man faktiskt peka på att de ämnena inte alls har blivit viktigare. Det har inte tillkommit några nya lagar eller liknande i Sveriges riksdag till exempel.” säger Bastiaan.
En modell som kan identifiera hatretorik
En annan möjlighet med den här typen av metodologier, är att identifiera hatretorik. I en sådan studie använder man sig av övervakad maskininlärning. Forskaren mäter då inte bara hur ofta ett ord eller ett ämne dyker upp i en text, utan tar också hjälp av mänsklig tolkning för att kunna lära AI-modellen att göra avancerade bedömningar av texten och avgöra om den innehåller hatretorik eller inte.
En metod är inte tillräcklig
Som med all maskininlärning med en stor mängd data, går mycket arbete åt till att välja metod, förbereda data och ställa in analysparametrar.
“Folk tror ofta att du bara skickar hela Wikipedia genom ett enormt neuralt nätverk och så kommer det att berätta för dig hur framtiden kommer att se ut”, säger Denitsa.
Hon påpekar att det inte finns en metod som ensam räcker till för att tolka något så komplext som politisk retorik och avsikterna bakom den. I stället väljer man en passande kombination av metoder och delar upp frågeställningar i mindre delar som är lättare att besvara.
Interdisciplinärt samarbete både utmanande och intressant
Denitsa tycker att det har varit utmanande, och därför intressant, att arbeta tillsammans med politiska och andra samhällsvetenskapliga forskare, eftersom hon själv har en väldigt teknisk bakgrund. Hon menar att det interdisciplinära samarbetet har bidragit med nya perspektiv på forskning och metoder, liksom med en berikad terminologi.
Text: Agnes Ekstrand
Studien genomförs vid Institutionen för data- och informationsteknik vid Chalmers tekniska högskola och Göteborgs universitet.
Den har finansierats av WASP HS (Humanities ans Social Society), ett program där social påverkan och interdisciplinärt arbete mellan AI och samhällsvetenskapliga ämnen utforskas.