5.2.2 Πλήθος-κωδικοποίηση των πολιτικών μανιφέστων

Κωδικοποίηση πολιτικά μανιφέστα, κάτι που συνήθως γίνεται από ειδικούς, μπορεί να εκτελεστεί από ένα έργο ανθρώπινο υπολογισμού οδηγεί σε μεγαλύτερη επαναληψιμότητα και την ευελιξία.

Παρόμοια με Galaxy Zoo, υπάρχουν πολλές περιπτώσεις όπου η κοινωνική ερευνητές θέλουν να κώδικα, ταξινόμηση, ή ετικέτα μια εικόνα ή ένα κομμάτι του κειμένου. Ένα παράδειγμα αυτού του είδους της έρευνας είναι η κωδικοποίηση του πολιτικού μανιφέστα. Κατά τη διάρκεια εκλογές, τα πολιτικά κόμματα παράγουν μανιφέστα που περιγράφουν τις πολιτικές τους θέσεις και τις κατευθυντήριες φιλοσοφίες. Για παράδειγμα, εδώ είναι ένα κομμάτι από το μανιφέστο του Εργατικού Κόμματος στη Μεγάλη Βρετανία από το 2010:

«Εκατομμύρια άνθρωποι που εργάζονται σε δημόσιες υπηρεσίες μας ενσωματώνουν τις καλύτερες τιμές της Βρετανίας, βοηθώντας δυνατότητα στους ανθρώπους να αξιοποιήσουν στο έπακρο τη ζωή τους, ενώ την προστασία τους από τους κινδύνους που δεν πρέπει να φέρουν τη δική τους. Ακριβώς όπως πρέπει να είμαστε πιο τολμηροί για το ρόλο της κυβέρνησης στη λήψη αγορές δουλεύουν αρκετά, πρέπει επίσης να είμαστε τολμηροί μεταρρυθμιστές της κυβέρνησης. "

Αυτά τα μανιφέστα περιέχουν πολύτιμα στοιχεία για πολιτικούς επιστήμονες, ιδίως εκείνων που σπουδάζουν εκλογές και τη δυναμική των συζητήσεων πολιτικής. Για να εξαγάγετε συστηματικά πληροφορίες από αυτά τα μανιφέστα, ερευνητές δημιούργησαν Το Έργο Μανιφέστο , που διοργάνωσε πολιτικούς επιστήμονες να κωδικοποιήσει 4.000 μανιφέστα από σχεδόν 1.000 μέρη σε 50 χώρες. Κάθε φράση σε κάθε μανιφέστο έχει κωδικοποιηθεί από έναν εμπειρογνώμονα, χρησιμοποιώντας ένα σύστημα 56-κατηγορία. Το αποτέλεσμα αυτής της συλλογικής προσπάθειας είναι ένα τεράστιο σύνολο δεδομένων που συνοψίζει τις πληροφορίες που ενσωματώνονται σε αυτά τα μανιφέστα, και αυτό το σύνολο δεδομένων έχει χρησιμοποιηθεί σε περισσότερες από 200 επιστημονικές εργασίες.

Kenneth Benoit και οι συνεργάτες του (2015) αποφάσισε να κάνει την κωδικοποίηση εργασία μανιφέστο που είχαν προηγουμένως πραγματοποιηθεί από εμπειρογνώμονες και να το μετατρέψει σε ένα έργο ανθρώπινο υπολογισμού. Ως αποτέλεσμα, δημιούργησαν μια διαδικασία κωδικοποίησης που είναι πιο αναπαραγώγιμα και πιο ευέλικτη, για να μην αναφέρουμε φθηνότερη και ταχύτερη.

Εργασία με 18 μανιφέστα που δημιουργούνται κατά τη διάρκεια των έξι πρόσφατες εκλογές στο Ηνωμένο Βασίλειο, Benoit και οι συνεργάτες του χρησιμοποίησαν η διάσπαση-Αίτηση-συνδυάζουν στρατηγική με εργαζομένους από την αγορά εργασίας μικρο-εργασία (Amazon Mechanical Turk και CrowdFlower είναι παραδείγματα των αγορών εργασίας μικρο-εργασία? Για περισσότερα στις αγορές εργασίας μικρο-εργασία, δείτε το Κεφάλαιο 4). Οι ερευνητές πήραν κάθε μανιφέστο και γίνεται διαχωρισμός σε ποινές. Στη συνέχεια, τα ανθρώπινα αξιολόγησης εφαρμόστηκε σε κάθε πρόταση. Συγκεκριμένα, αν η ποινή που εμπλέκονται μια πολιτική δήλωση, είχε κωδικοποιηθεί σε δύο διαστάσεις: την οικονομική (από αριστερά προς τα πολύ πολύ δεξιά) και κοινωνικές (από φιλελεύθερες στη συντηρητική) (Εικόνα 5.5). Κάθε πρόταση κωδικοποιήθηκε από περίπου 5 διαφορετικούς ανθρώπους. Τέλος, αυτές οι αξιολογήσεις συνδυάστηκαν χρησιμοποιώντας ένα στατιστικό μοντέλο που αντιπροσώπευαν τόσο σε ατομικό όσο επιπτώσεις Ξεχώρισαν και τη δυσκολία των αποτελεσμάτων ποινής. Σε όλες, Benoit και οι συνεργάτες συγκεντρώθηκαν 200.000 βαθμολογίες από περίπου 1.500 εργαζόμενους.

Σχήμα 5.5: Κωδικοποίηση σύστημα από Benoit et al. (2015) (Σχήμα 1).

Σχήμα 5.5: Κωδικοποίηση σύστημα από Benoit et al. (2015) (Σχήμα 1).

Προκειμένου να αξιολογήσει την ποιότητα της κωδικοποίησης πλήθος, Benoit και οι συνεργάτες του είχαν επίσης περίπου 10 εμπειρογνώμονες, καθηγητές και μεταπτυχιακούς φοιτητές Πολιτικών Επιστημών-ποσοστό τα ίδια μανιφέστα χρησιμοποιώντας μια παρόμοια διαδικασία. Αν και οι βαθμολογίες από τα μέλη του πλήθους ήταν πιο μεταβλητή από ό, τι οι βαθμολογίες από τους ειδικούς, η συναίνεση Αξιολόγηση πλήθος είχε αξιοσημείωτη συμφωνία με την αξιολόγηση συναίνεση των εμπειρογνωμόνων (Σχήμα 5.6). Η σύγκριση αυτή δείχνει ότι, όπως και με το Galaxy Zoo, τα ανθρώπινα έργα υπολογισμός μπορεί να παράγει υψηλής ποιότητας αποτελέσματα.

Σχήμα 5.6: Εκτιμήσεις εμπειρογνωμόνων (άξονας x) και οι εκτιμήσεις του πλήθους (άξονας y) ήταν αξιοσημείωτη συμφωνία, όταν κωδικοποίησης 18 μανιφέστα κόμματος από τη Μεγάλη Βρετανία (Benoit et al 2015).. Τα μανιφέστα κωδικοποιημένες ήταν από τριών πολιτικών κομμάτων (των Συντηρητικών, Εργασίας, οι Φιλελεύθεροι Δημοκράτες) και έξι εκλογές (1987, 1992, 1997, 2001, 2005, 2010).

Σχήμα 5.6: Εκτιμήσεις εμπειρογνωμόνων (άξονας x) και οι εκτιμήσεις του πλήθους (άξονας y) ήταν αξιοσημείωτη συμφωνία, όταν κωδικοποίησης 18 μανιφέστα κόμματος από τη Μεγάλη Βρετανία (Benoit et al. 2015) . Τα μανιφέστα κωδικοποιημένες ήταν από τριών πολιτικών κομμάτων (των Συντηρητικών, Εργασίας, οι Φιλελεύθεροι Δημοκράτες) και έξι εκλογές (1987, 1992, 1997, 2001, 2005, 2010).

Με βάση αυτό το αποτέλεσμα, Benoit και οι συνεργάτες του χρησιμοποίησαν το σύστημα πλήθος-κωδικοποίησης τους για να κάνουν έρευνα, που ήταν αδύνατο με το Πρόγραμμα Μανιφέστο. Για παράδειγμα, το Έργο Μανιφέστο δεν κωδικοποιήσει τις διακηρύξεις σχετικά με το θέμα της μετανάστευσης, διότι αυτό δεν ήταν ένα εξέχον θέμα, όταν το σύστημα κωδικοποίησης αναπτύχθηκε στα μέσα της δεκαετίας του 1980. Και, σε αυτό το σημείο, είναι υλικοτεχνικά ανέφικτο για το έργο Μανιφέστο για να πάει πίσω και την εκ νέου κωδικού μανιφέστα τους για να συλλάβει αυτές τις πληροφορίες. Ως εκ τούτου, φαίνεται ότι οι ερευνητές που ενδιαφέρονται να σπουδάσουν την πολιτική της μετανάστευσης από την τύχη. Ωστόσο, Benoit και οι συνεργάτες του ήταν σε θέση να χρησιμοποιούν ανθρώπινο σύστημα υπολογισμού τους για να κάνουν αυτή την κωδικοποίηση-προσαρμοσμένη στην έρευνα τους ερώτηση, γρήγορα και εύκολα.

Προκειμένου να μελετήσουμε τη μεταναστευτική πολιτική, που κωδικοποιούνται οι διακηρύξεις για οκτώ κόμματα στις εκλογές του 2010 στη Μεγάλη Βρετανία. Κάθε φράση σε κάθε μανιφέστο κωδικοποιούνται ως προς το αν σχετίζονται με τη μετανάστευση, και αν ναι, αν ήταν φιλο-μεταναστευτική, ουδέτερο, ή αντι-μετανάστευσης. Μέσα σε 5 ώρες από την έναρξη του έργου τους, τα αποτελέσματα ήταν in. Είχαν συγκεντρώσει περισσότερα από 22.000 απαντήσεις σε ένα συνολικό κόστος $ 360. Περαιτέρω, οι εκτιμήσεις από το πλήθος έδειξε αξιοσημείωτη συμφωνία με παλαιότερη έρευνα των εμπειρογνωμόνων. Στη συνέχεια, ως τελική δοκιμή, δύο μήνες αργότερα, οι ερευνητές αναπαράγονται πλήθος-κωδικοποίηση τους. Μέσα σε λίγες ώρες, είχαν δημιουργήσει ένα νέο πλήθος κωδικοποιημένα σύνολο δεδομένων που ταιριάζουν στενά αρχικό πλήθος κωδικοποιημένα σύνολο δεδομένων τους. Με άλλα λόγια, η ανθρώπινη υπολογισμού τους επέτρεψε να δημιουργήσουν κωδικοποίηση των πολιτικών κειμένων που έχουν συμφωνηθεί με εκτιμήσεις εμπειρογνωμόνων και να αναπαραχθεί. Περαιτέρω, επειδή το ανθρώπινο υπολογισμός ήταν γρήγορη και φθηνή, ήταν εύκολο για αυτούς να προσαρμόσετε τη συλλογή των δεδομένων τους σε ειδικά ερευνητικά τους ερώτηση σχετικά με τη μετανάστευση.