بر اساس مطالعه‌ای که اخیرا از مدرسه کسب و کار کمبریج قاضی انجام شده، کلماتی مانند عدالت و برابری اغلب در توییتر به‌طور تحقیرآمیز استفاده می‌شوند که بر توانایی ابزارهای رسانه‌های اجتماعی برای ارزیابی مثبت یا منفی بودن یک توییت در مورد موضوع خود تأثیر می‌گذارد.
“تحلیل احساسات” که احساسات را بر اساس کمیت و زمینه احساسی استفاده از کلمه می سنجد، ابزاری مفید برای سنجش لحن گفتمان آنلاین از طریق رسانه های اجتماعی است.
اما یک مطالعه جدید در مدرسه کسب و کار قاضی کمبریج نشان می‌دهد که سیاست می‌تواند در چنین تحلیل‌هایی مغایرت ایجاد کند – زیرا حتی اصطلاحات سیاسی مثبت مانند «استقلال» و «اخلاق» با توجه به نحوه استفاده از آنها در پست‌های توییتر می‌توانند احساسات منفی به خود بگیرند.
این مطالعه بر اساس 5 میلیون توییت توسط افراد 18 تا 78 ساله انجام شده است
این مطالعه در مجله منتشر شد PLOS ONE (کتابخانه عمومی علوم یک) بر اساس نزدیک به 5 میلیون توییت توسط 3573 نفر 18 تا 78 ساله است. این ارتباط بین سن و ابراز احساسات مثبت یا منفی افراد در توییت‌های خود ایجاد می‌کند – اما متوجه می‌شود که اصطلاحات دارای رنگ سیاسی می‌توانند منجر به نادرست شوند. نتیجه گیری
کلمات مرتبط با سیاست، مانند برگه رای، کابینه و رئیس جمهور، می توانند یافته های حاصل از تحلیل احساسات را منحرف کنند، زیرا افراد مسن تر بیشتر در مورد موضوعات سیاسی توییت می کنند – و توییت های آنها که در چنین تحلیلی منعکس می شود، نسبت به کلمات خاص استفاده شده مثبت کمتر به نظر می رسد.
کلمات مثبت اغلب در توییتر لحن منفی به خود می گیرند
دیوید استیل ول، یکی از نویسندگان این مطالعه، می‌گوید: «حتی کلمات مرتبط با سیاست که به نظر ارزش‌های مثبتی را نشان می‌دهند – مانند عدالت، دموکراسی و برابری – می‌توانند در واقع به دلیل استفاده از این کلمات در توییت‌ها منجر به احساسات منفی شوند. علوم اجتماعی محاسباتی در مدرسه بازرگانی قاضی کمبریج و مدیر آکادمیک مرکز روان‌سنجی مدرسه، جایی که مطالعه انجام شد.
به جای بیان ارزش‌های مثبت، مردم اغلب از این کلمات در توییت‌ها برای انتقاد از وضعیت سیاسی یا ابراز نگرانی نسبت به ارزش‌هایی مانند عدالت و دموکراسی استفاده می‌کنند.»
این مطالعه تفاوت در نتایج مربوط به سن را بین 2 واژگان رایج مورد استفاده برای انجام تجزیه و تحلیل احساسات بررسی می‌کند: جستجوی زبانی و تعداد کلمات (LIWC) و NRC واژه‌نامه انجمن کلمه-احساس (NRC).
در حالی که هر دو روش افزایش تأثیر مثبت توییت‌ها را تا سن 50 سالگی نشان می‌دهند، طبق LIWC، چنین مثبت‌کاری پس از 50 سالگی به شدت کاهش می‌یابد اما بر اساس NRC تا سن 65 سالگی به طور پیوسته افزایش می‌یابد. این تحقیق نشان داد که این ناهماهنگی “بیشتر به دلیل دسته خاصی از کلمات است: کلمات مرتبط با سیاست”.
چگونه روش های برتر برای تجزیه و تحلیل احساسات تفاوت اساسی دارند
دو نظام واژگانی مورد مطالعه تفاوت‌های مهمی دارند: LIWC توسط متخصصان زبان‌شناسی ایجاد شده است و شامل عباراتی است که احساسات را نشان می‌دهد (مانند عشق، گریه). در مقابل، NRC با جمع‌آوری رتبه‌بندی ارتباط بین کلمات و احساسات (مثلاً بی‌خانمان‌ها) از صدها فرد غیرمتخصص ایجاد شد.
LIWC حدود 1300 اصطلاح به معنای عاطفه مثبت یا منفی ارائه می دهد در حالی که NRC نزدیک به 5600 اصطلاح مرتبط با عاطفه مثبت یا منفی را ارائه می دهد.
افراد مسن بیشتر در توییتر درباره مسائل سیاسی بحث می کنند
برای مشخص کردن اینکه اصطلاحات سیاسی بر اساس سن باعث ایجاد اختلاف می‌شوند، محققان چهار موضوع مرتبط با سیاست را که با سن مرتبط است شناسایی کردند: سیاست به طور کلی (با کلمات مهم مانند جنگ، جهان و پلیس). سیاست ایالات متحده (ترامپ، رئیس جمهور، دیوار، و جمهوری خواه)؛ سیاست بریتانیا (برگزیت، اتحادیه اروپا، کارگر)؛ و سیاست هند (هند، مودی، BJP، کنگره).
این مطالعه می‌گوید: «همه این موضوعات با سن همبستگی مثبت داشتند، به‌عنوان مثال به نظر می‌رسد افراد مسن‌تر احتمال بیشتری دارد که در مورد سیاست آنلاین یا به طور خاص در توییتر بحث کنند». حذف کلمات شناسایی شده با سیاست به طور قابل توجهی نمرات تأثیر مثبت NRC را برای افراد مسن کاهش داد، “پیش بینی های مدل از LIWC و NRC را سازگارتر کرد”.
دو تحلیل احساسات بهتر از یک تحلیل هستند
بنابراین مطالعه نتیجه می‌گیرد که استفاده از یک واژگان تحلیل احساسات ممکن است منجر به نتیجه‌گیری‌های غیرقابل اعتماد شود، بنابراین پیشنهاد می‌کند که محققان باید به طور معمول از حداقل ۲ واژه‌نامه در ارزیابی عاطفه مثبت و منفی از طریق چنین تکنیک‌هایی استفاده کنند.