5.2.2 ರಾಜಕೀಯ ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಕ್ರೌಡ್ ಕೋಡಿಂಗ್

ರಾಜಕೀಯ ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ, ಏನೋ ಸಾಮಾನ್ಯವಾಗಿ ತಜ್ಞರು ಮಾಡಲಾಗುತ್ತದೆ ಕೋಡಿಂಗ್, ಹೆಚ್ಚಿನ ಪುನರುತ್ಪಾದ್ಯತೆ ಮತ್ತು ನಮ್ಯತೆ ಪರಿಣಾಮವಾಗಿ ಮಾನವ ಗಣನೆ ಯೋಜನೆಯಿಂದ ನಡೆಸಬಹುದಾಗಿದೆ.

ಗ್ಯಾಲಕ್ಸಿ ಝೂ ಹೋಲುತ್ತದೆ, ಸಾಮಾಜಿಕ ಸಂಶೋಧಕರು ಕೋಡ್ ಎಲ್ಲಿ ವರ್ಗೀಕರಿಸಲು, ಅಥವಾ ಒಂದು ಚಿತ್ರ ಅಥವಾ ಪಠ್ಯದ ಲೇಬಲ್ ಅನೇಕ ಸನ್ನಿವೇಶಗಳು ಇವೆ. ಸಂಶೋಧನೆಯ ಈ ವಿಧದ ಬಂದರಿಗೆ ಉದಾಹರಣೆ ರಾಜಕೀಯ ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಕೋಡಿಂಗ್. ಚುನಾವಣೆ ಸಂದರ್ಭದಲ್ಲಿ ರಾಜಕೀಯ ಪಕ್ಷಗಳು ತಮ್ಮ ನೀತಿಗಳನ್ನು ವಿವರಿಸುತ್ತಾ ತತ್ವಗಳನ್ನು ಮಾರ್ಗದರ್ಶಿ ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಉತ್ಪತ್ತಿ. ಉದಾಹರಣೆಗೆ, ಇಲ್ಲಿ 2010 ರಿಂದ ಲೇಬರ್ ಪಕ್ಷದ ಪ್ರಣಾಳಿಕೆ ಗ್ರೇಟ್ ಬ್ರಿಟನ್ನಲ್ಲಿ ಒಂದು ತುಣುಕು ಇಲ್ಲಿದೆ:

"ನಮ್ಮ ಸಾರ್ವಜನಿಕ ಸೇವೆಗಳ ಕೆಲಸ ಲಕ್ಷಾಂತರ ಜನರು ಅಪಾಯಗಳನ್ನು ತಮ್ಮ ಮೇಲೆ ಹೊರಲು ಹಾಗಿಲ್ಲ ಅವರನ್ನು ರಕ್ಷಿಸುವ ತಮ್ಮ ಬದುಕಿನ ಅತ್ಯಂತ ಮಾಡಲು ಅಧಿಕಾರ ಸಹಾಯ, ಬ್ರಿಟನ್ ಅತ್ಯುತ್ತಮ ಮೌಲ್ಯಗಳನ್ನು ಸಾಕಾರಗೊಳಿಸಿದರು. ನಾವು ಸರ್ಕಾರದ ಪಾತ್ರ ಮಾರುಕಟ್ಟೆಗಳಲ್ಲಿ ಸಾಕಷ್ಟು ಕೆಲಸ ಮಾಡುವ ಬಗ್ಗೆ ದಿಟ್ಟ ಎಂದು ಅಗತ್ಯವಿದೆ ಕೇವಲ, ನಾವು ಸರ್ಕಾರದ ದಪ್ಪ ಸುಧಾರಕರು ಅಗತ್ಯವಿದೆ. "

ಈ ಪ್ರಣಾಳಿಕೆಯಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಆ ಅಧ್ಯಯನ ಚುನಾವಣೆಯಲ್ಲಿ ರಾಜಕೀಯ ವಿಜ್ಞಾನಿಗಳಿಗೆ ಬೆಲೆಬಾಳುವ ದಶಮಾಂಶ, ಮತ್ತು ನೀತಿ ಚರ್ಚೆಗಳು ಡೈನಾಮಿಕ್ಸ್ ಹೊಂದಿರುತ್ತವೆ. ವ್ಯವಸ್ಥಿತವಾಗಿ ಈ ಪ್ರಣಾಳಿಕೆಯಲ್ಲಿ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯಲು ಸಲುವಾಗಿ, ಸಂಶೋಧಕರು ದಾಖಲಿಸಿದವರು ಪ್ರಣಾಳಿಕೆ ಪ್ರಾಜೆಕ್ಟ್ 50 ದೇಶಗಳಲ್ಲಿ ಸುಮಾರು 1,000 ಪಕ್ಷಗಳ 4,000 ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಕೋಡ್ ರಾಜಕೀಯ ವಿಜ್ಞಾನಿಗಳು ಸಂಘಟಿಸಿದ ಇದು. ಪ್ರತಿ ಘೋಷಣೆಯಲ್ಲಿ ಪ್ರತಿ ವಾಕ್ಯ 56 ವರ್ಗದಲ್ಲಿ ಯೋಜನೆ ಬಳಸಿಕೊಂಡು ಒಂದು ತಜ್ಞ ಮಾಡಲಾದ ಮಾಡಲಾಗಿದೆ. ಈ ಮುತುವರ್ಜಿಯಿಂದ ಪರಿಣಾಮವಾಗಿ ಈ ಪ್ರಣಾಳಿಕೆಯಲ್ಲಿ ಹುದುಗಿದೆ ಮಾಹಿತಿ ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಒಂದು ಬೃಹತ್ ದತ್ತಾಂಶ, ಮತ್ತು ಈ ದತ್ತಾಂಶ 200 ಕ್ಕೂ ಹೆಚ್ಚು ವೈಜ್ಞಾನಿಕ ಲೇಖನಗಳನ್ನು ಬಳಸಲಾಗಿದೆ.

ಕೆನ್ನೆತ್ ಬೆನೈಟ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು (2015) ಹಿಂದೆ ತಜ್ಞರು ನಡೆಸಲಾಗಿದೆ ಎಂದು ಪ್ರಣಾಳಿಕೆ ಕೋಡಿಂಗ್ ಕೆಲಸವನ್ನು ತೆಗೆದುಕೊಂಡು ಒಂದು ಮಾನವ ಗಣನೆ ಯೋಜನೆಯ ಮಾಡಲು ನಿರ್ಧರಿಸಿದ್ದಾರೆ. ಪರಿಣಾಮವಾಗಿ, ಅವರು ಅಗ್ಗದ ಮತ್ತು ವೇಗವಾಗಿ ನಮೂದಿಸುವುದನ್ನು ಅಲ್ಲ, ಹೆಚ್ಚು ಪುನರುತ್ಪಾದಕ ಮತ್ತು ಹೆಚ್ಚು ಹೊಂದಿಕೊಳ್ಳುವ ಒಂದು ಸಂಕೇತಿಸುವ ಪ್ರಕ್ರಿಯೆಯು ದಾಖಲಿಸಿದವರು.

ಯುಕೆ ಆರು ಇತ್ತೀಚಿನ ಚುನಾವಣೆಯಲ್ಲಿ ಸಮಯದಲ್ಲಿ ಉತ್ಪತ್ತಿಯಾದ 18 ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಕೆಲಸ ಬೆನೈಟ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಬಳಸಲಾಗುತ್ತದೆ ಸ್ಪ್ಲಿಟ್ ಅರ್ಜಿ-ಒಗ್ಗೂಡಿ ಒಂದು ಸೂಕ್ಷ್ಮ ಕೆಲಸವನ್ನು ಕಾರ್ಮಿಕ ಮಾರುಕಟ್ಟೆಯಿಂದ ಕಾರ್ಮಿಕರಿಗೆ ತಂತ್ರ (ಅಮೆಜಾನ್ ಯಾಂತ್ರಿಕ ಟರ್ಕ್ ಮತ್ತು CrowdFlower ಸೂಕ್ಷ್ಮ ಕೆಲಸವನ್ನು ಕಾರ್ಮಿಕ ಮಾರುಕಟ್ಟೆಗಳು ಉದಾಹರಣೆಗಳಾಗಿವೆ; ಹೆಚ್ಚು ಸೂಕ್ಷ್ಮ ಕೆಲಸವನ್ನು ಕಾರ್ಮಿಕ ಮಾರುಕಟ್ಟೆಗಳಲ್ಲಿ, ಅಧ್ಯಾಯ 4 ನೋಡಿ). ಸಂಶೋಧಕರು ಪ್ರತಿ ಪ್ರಣಾಳಿಕೆ ತೆಗೆದುಕೊಂಡು ವಾಕ್ಯಗಳನ್ನು ವಿಭಜನೆಗೊಂಡಿತು. ಮುಂದೆ, ಮಾನವ ರೇಟಿಂಗ್ ಪ್ರತಿ ವಾಕ್ಯ ಅಳವಡಿಸಲಾಯಿತು. ನಿರ್ದಿಷ್ಟವಾಗಿ, ವಾಕ್ಯ ನೀತಿ ಹೇಳಿಕೆಯನ್ನು ಒಳಗೊಂಡಿರುವ ವೇಳೆ, ಇದು ಎರಡು ಪರಿಮಾಣಗಳನ್ನು ಮಾಡಲಾದ ಮಾಡಲಾಯಿತು: ಆರ್ಥಿಕ (ಬಹಳ ಉಳಿದಿರುವುದು ಅತಿ ಬಲ) ಮತ್ತು (ಚಿತ್ರ 5.5) (ಸಂಪ್ರದಾಯವಾದಿ ಉದಾರವಾದಿ ರಿಂದ) ಸಾಮಾಜಿಕ. ಪ್ರತಿ ವಾಕ್ಯ ಸುಮಾರು 5 ವಿವಿಧ ಜನರು ಮಾಡಲಾದ ಮಾಡಲಾಯಿತು. ಅಂತಿಮವಾಗಿ, ಈ ರೇಟಿಂಗ್ಗಳು ವೈಯಕ್ತಿಕ ರೇಟರ್ ಪರಿಣಾಮಗಳು ಮತ್ತು ವಾಕ್ಯ ಪರಿಣಾಮಗಳ ತೊಂದರೆ ಎರಡೂ ಪಾಲನ್ನು ಒಂದು ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಮಾದರಿ ಬಳಸಿಕೊಂಡು ಸಂಯೋಜಿಸಲ್ಪಟ್ಟವು. ಎಲ್ಲಾ, ಬೆನೈಟ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು 1,500 ಕೆಲಸಗಾರರು 200,000 ರೇಟಿಂಗ್ ಸಂಗ್ರಹಿಸಿದ.

ಚಿತ್ರ 5.5 ಬೆನೈಟ್ ಮತ್ತಿತರರು ಯೋಜನೆ ಕೋಡಿಂಗ್. (2015) (ಅಂಜೂರ 1).

ಚಿತ್ರ 5.5 ರಿಂದ ಯೋಜನೆ ಕೋಡಿಂಗ್ Benoit et al. (2015) (ಅಂಜೂರ 1).

ಗುಂಪು ಕೋಡಿಂಗ್ ಗುಣಮಟ್ಟದ ಮೌಲ್ಯಮಾಪನ ಸಲುವಾಗಿ ಬೆನೈಟ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಸಹ 10 ತಜ್ಞರು-ಪ್ರಾಧ್ಯಾಪಕರು ಮತ್ತು ಪದವಿ ವಿದ್ಯಾರ್ಥಿಗಳು ರಾಜ್ಯಶಾಸ್ತ್ರ ದರ ಇದೇ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಅದೇ ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಹೊಂದಿತ್ತು. ಗುಂಪು ಸದಸ್ಯರಿಂದ ರೇಟಿಂಗ್ ತಜ್ಞರು ರೇಟಿಂಗ್ ಹೆಚ್ಚು ವೇರಿಯಬಲ್ ಸಹ, ಒಮ್ಮತದ ಗುಂಪು ರೇಟಿಂಗ್ ಒಮ್ಮತದ ತಜ್ಞ ರೇಟಿಂಗ್ (ಚಿತ್ರ 5.6) ಗಮನಾರ್ಹ ಒಪ್ಪಂದ ಮಾಡಿಕೊಳ್ಳಲು. ಈ ಹೋಲಿಕೆ ಗ್ಯಾಲಕ್ಸಿ ಝೂ ಜೊತೆ, ಮಾನವ ಗಣನೆ ಯೋಜನೆಗಳು ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡಬಹುದು, ಎಂದು ತೋರಿಸುತ್ತದೆ.

ಚಿತ್ರ 5.6: ಗ್ರೇಟ್ ಬ್ರಿಟನ್ನಿಂದ 18 ಪಕ್ಷದ ಪ್ರಣಾಳಿಕೆಯಲ್ಲಿ ಕೋಡಿಂಗ್ ಮಾಡಿದಾಗ (. ಬೆನೈಟ್ ಮತ್ತು ಇತರರು 2015) ಎಕ್ಸ್ಪರ್ಟ್ ಅಂದಾಜುಗಳು (X- ಅಕ್ಷ) ಮತ್ತು ಪ್ರೇಕ್ಷಕರ ಅಂದಾಜುಗಳು (Y- ಆಕ್ಸಿಸ್) ಗಮನಾರ್ಹ ಒಪ್ಪಂದ ಇದ್ದವು. ಮಾಡಲಾದ ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಮೂರು ರಾಜಕೀಯ ಪಕ್ಷಗಳು (ಕನ್ಸರ್ವೇಟಿವ್, ಲೇಬರ್, ಲಿಬರಲ್ ಡೆಮೊಕ್ರಾಟ್ಸ್) ಮತ್ತು ಆರು ಚುನಾವಣೆ (1987, 1992, 1997, 2001, 2005, 2010) ಸೇರಿದವರು.

ಚಿತ್ರ 5.6: ಗ್ರೇಟ್ ಬ್ರಿಟನ್ನಿಂದ 18 ಪಕ್ಷದ ಪ್ರಣಾಳಿಕೆಯಲ್ಲಿ ಕೋಡಿಂಗ್ ಮಾಡಿದಾಗ ಎಕ್ಸ್ಪರ್ಟ್ ಅಂದಾಜುಗಳು (X- ಅಕ್ಷ) ಮತ್ತು ಪ್ರೇಕ್ಷಕರ ಅಂದಾಜುಗಳು (Y- ಆಕ್ಸಿಸ್) ಗಮನಾರ್ಹ ಒಪ್ಪಂದ ಇದ್ದವು (Benoit et al. 2015) . ಮಾಡಲಾದ ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಮೂರು ರಾಜಕೀಯ ಪಕ್ಷಗಳು (ಕನ್ಸರ್ವೇಟಿವ್, ಲೇಬರ್, ಲಿಬರಲ್ ಡೆಮೊಕ್ರಾಟ್ಸ್) ಮತ್ತು ಆರು ಚುನಾವಣೆ (1987, 1992, 1997, 2001, 2005, 2010) ಸೇರಿದವರು.

ಈ ಪರಿಣಾಮವಾಗಿ ಕಟ್ಟಡ ಬೆನೈಟ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಪ್ರಣಾಳಿಕೆ ಪ್ರಾಜೆಕ್ಟ್ ಅಸಾಧ್ಯ ಎಂದು ಸಂಶೋಧನೆ ಮಾಡಲು ತಮ್ಮ ಪ್ರೇಕ್ಷಕರ ಕೋಡಿಂಗ್ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸುತ್ತಿದ್ದರು. ಉದಾಹರಣೆಗೆ, ಮ್ಯಾನಿಫೆಸ್ಟೋ ಪ್ರಾಜೆಕ್ಟ್ ಕೋಡಿಂಗ್ ವ್ಯವಸ್ಥೆಯನ್ನು ಮಧ್ಯ 1980 ರಲ್ಲಿ ಆ ಒಂದು ಮಹತ್ವದ ವಿಷಯ ಏಕೆಂದರೆ ವಲಸೆ ವಿಷಯದ ಮೇಲೆ ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಕೋಡ್ ಇಲ್ಲ. ಮತ್ತು, ಈ ಸಮಯದಲ್ಲಿ, ಇದು ವ್ಯವಸ್ಥಾಪನ ತಂತ್ರದದಿಮದ ಕೈಗೊಳ್ಳಲಾಗುವುದಿಲ್ಲ ಪ್ರಣಾಳಿಕೆ ಪ್ರಾಜೆಕ್ಟ್ ಹಿಂದಕ್ಕೆ ಹೋಗಿ ಈ ಮಾಹಿತಿಯನ್ನು ಹಿಡಿಯಲು ಮರು ಕೋಡ್ ತಮ್ಮ ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಮಾಡುವುದು. ಆದ್ದರಿಂದ, ಇದು ವಲಸೆ ರಾಜಕೀಯವನ್ನು ಅಧ್ಯಯನ ಆಸಕ್ತಿ ಹೊಂದಿರುವ ಸಂಶೋಧಕರಿಗೆ ಅದೃಷ್ಟ ಭರ್ತಿಯಾಗಿದೆ ತೋರುವುದಿಲ್ಲ. ಆದಾಗ್ಯೂ, ಬೆನೈಟ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಈ ಕೋಡಿಂಗ್ ಕಸ್ಟಮೈಸ್ ಪ್ರಶ್ನೆ ತ್ವರಿತವಾಗಿ ಮತ್ತು ಸುಲಭವಾಗಿ ತಮ್ಮ ಸಂಶೋಧನೆ ಮಾಡಲು ತಮ್ಮ ಮಾನವ ಗಣನೆ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸಲು ಸಾಧ್ಯವಾಯಿತು.

ವಲಸೆ ನೀತಿ ಅಧ್ಯಯನ ಸಲುವಾಗಿ, ಅವರು ಗ್ರೇಟ್ ಬ್ರಿಟನ್ನಲ್ಲಿ 2010 ಚುನಾವಣೆಯಲ್ಲಿ ಎಂಟು ಪಕ್ಷಗಳಿಗೆ ಪ್ರಣಾಳಿಕೆಗಳಲ್ಲಿ ಮಾಡಲಾದ. ಪ್ರತಿ ಘೋಷಣೆಯಲ್ಲಿ ಪ್ರತಿ ವಾಕ್ಯ ವಲಸೆ ಸಂಬಂಧಿಸಿದ ಎಂಬ ಮಾಡಲಾದ, ಮತ್ತು ಆದ್ದರಿಂದ, ಇದು ವಲಸೆ ಪರ, ತಟಸ್ಥ ಮತ್ತು ವಿರೋಧಿ ವಲಸೆ-ಎಂದು. ತಮ್ಮ ಯೋಜನೆಯ ಪ್ರಾರಂಭಿಸುವ 5 ಗಂಟೆಗಳ ಒಳಗೆ, ಫಲಿತಾಂಶಗಳು ಇದ್ದವು. ಅವರು $ 360 ವೆಚ್ಚದಲ್ಲಿ 22,000 ಹೆಚ್ಚು ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಸಂಗ್ರಹವಾಗಿತ್ತು. ಇದಲ್ಲದೆ, ಜನಸಂದಣಿಯಿಂದ ಅಂದಾಜು ತಜ್ಞರ ಹಿಂದಿನ ಸಮೀಕ್ಷೆ ಗಮನಾರ್ಹ ಒಪ್ಪಂದದ ತೋರಿಸಿದರು. ನಂತರ, ಒಂದು ಅಂತಿಮ ಟೆಸ್ಟ್, ಎರಡು ತಿಂಗಳ ನಂತರ, ಸಂಶೋಧಕರು ತಮ್ಮ ಪ್ರೇಕ್ಷಕರ ಕೋಡಿಂಗ್ ನಕಲು. ಕೆಲವು ಗಂಟೆಗಳ ಒಳಗೆ, ಅವರು ತಮ್ಮ ಮೂಲ ಪ್ರೇಕ್ಷಕರ ಮಾಡಲಾದ ಡೇಟಾವನ್ನು ಸೆಟ್ ನಿಕಟವಾಗಿ ಹೊಂದುವಂತಹ ಒಂದು ಹೊಸ ಪ್ರೇಕ್ಷಕರ ಮಾಡಲಾದ ದತ್ತಾಂಶ ಸೃಷ್ಟಿಸಿದವು. ಅರ್ಥಾತ್, ಮಾನವ ಗಣನೆ ತಜ್ಞ ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಒಪ್ಪಿಕೊಂಡರು ಮತ್ತು ಪುನರುತ್ಪಾದಕ ರಾಜಕೀಯ ಗ್ರಂಥಗಳ ಕೋಡಿಂಗ್ ಸೃಷ್ಟಿಸಲು ನೆರವಾಗಿದೆ. ಮೇಲಾಗಿ, ಮಾನವ ಗಣನೆ ತ್ವರಿತ ಮತ್ತು ಅಗ್ಗದ ಏಕೆಂದರೆ, ಇದು ಸುಲಭ ಅವುಗಳನ್ನು ವಲಸೆ ಬಗ್ಗೆ ತಮ್ಮ ನಿರ್ದಿಷ್ಟ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆ ತಮ್ಮ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಕಸ್ಟಮೈಸ್ ಕಾಲ.