我々は、政治的主体が注目される政策課題についてツイートする戦略的コミュニケーションをリアルタイムかつスケーラブルに分析する手法を開発した。単語埋め込み（word embeddings）と教師あり機械学習モデルを用いて、議員のツイートが政策課題を参照しているかどうか、またどのような立場を主張しているかを分類する。これにより、多様な政策分野や議会制度にわたって、時間的粒度の高いレベルでエリート間のコミュニケーションの微細な動態を測定可能となる。概念実証として、本手法を用いて米国議会議員たちが移民問題および気候変動問題に関してとる立場の数年間にわたる変化を追跡した。特定政策に対する投票スコアとの検証により、本手法は十分な精度で機能しており、オンラインでの発言と実際の投票行動に顕著な乖離を示す議員を特定できることが示された。また、移民問題に関する分析結果を、自動更新される公開型インタラクティブウェブサイトに掲載し、研究者、ジャーナリスト、政策立案者らがリアルタイムで議員の移民政策に関する発言の変化を探索できるようにしている。