{Jens Hainmueller Jeremy Weinstein Duncan Lawrence David Laitin Alexandra Siegel}

Abstract

Wir entwickeln eine skalierbare Echtzeitmethode zur Analyse strategischer Kommunikation politischer Akteure zu markanten politischen Themen anhand ihrer Tweets. Mittels Wort-Embeddings und überwachter maschineller Lernmodelle klassifizieren wir die Tweets von Abgeordneten danach, ob und welche politischen Themen sie ansprechen sowie welche Positionen sie vertreten. Dadurch können wir die Mikrodynamik der Elite-Kommunikation mit hoher zeitlicher Auflösung messen, und zwar auf eine Weise, die sich über verschiedene Themenbereiche und Parlamente hinweg skalieren lässt. Als Proof of Concept verwenden wir diese Methode, um die mehrjährige Entwicklung der Positionen von Mitgliedern des US-Kongresses zu Einwanderung und Klimawandel zu verfolgen. Die Validierung mittels themenspezifischer Abstimmungsscores zeigt, dass unsere Methode eine zufriedenstellende Genauigkeit aufweist und es ermöglicht, Abgeordnete zu identifizieren, deren Online-Rhetorik substantiell von ihrem Abstimmungsverhalten abweicht. Zudem präsentieren wir die Analyse zu Einwanderung auf einer automatisch aktualisierten, öffentlich zugänglichen interaktiven Website, die Forschern, Journalisten und Entscheidungsträgern den Echtzeit-Zugriff auf die sich verändernde Rhetorik von Abgeordneten zu Einwanderung ermöglicht.