5.2.2 Crowd-coding manifesto politik

Coding manifesto politik, sesuatu yang biasanya dilakukan oleh pakar-pakar, boleh dilakukan oleh projek pengiraan manusia menyebabkan kebolehulangan dan fleksibiliti yang lebih besar.

Sama seperti Zoo Galaxy, terdapat banyak situasi di mana penyelidik sosial mahu kod, mengklasifikasikan, atau melabel imej atau sekeping teks. Contoh penyelidikan semacam ini adalah pengekodan manifesto politik. Semasa pilihan raya, parti politik menghasilkan manifesto yang menggambarkan kedudukan dasar mereka dan membimbing falsafah. Sebagai contoh, inilah manifesto Parti Buruh di United Kingdom dari tahun 2010:

"Berjuta-juta orang yang bekerja dalam perkhidmatan awam kita mewujudkan nilai-nilai yang terbaik daripada Britain, membantu memberi kuasa kepada rakyat untuk membuat sebahagian besar kehidupan mereka sendiri di samping melindungi mereka daripada risiko yang mereka tidak perlu menanggung sendiri. Sama seperti kita perlu lebih berani tentang peranan kerajaan dalam membuat pasaran bekerja secara adil, kita juga perlu menjadi reformis berani kerajaan. "

Manifest ini mengandungi data yang berharga untuk saintis politik, terutama yang mempelajari pilihan raya dan dinamik perdebatan dasar. Untuk mendapatkan maklumat secara sistematik daripada manifesto ini, para penyelidik mencipta Projek Manifesto, yang mengumpulkan 4,000 manifesto dari hampir 1,000 parti di 50 negara dan kemudian menganjurkan para saintis politik untuk kod secara sistematik. Setiap ayat dalam setiap manifesto dikodkan oleh pakar menggunakan skema 56-kategori. Hasil usaha kolaboratif ini adalah kumpulan data besar yang meringkaskan maklumat yang tertanam dalam manifesto ini, dan dataset ini telah digunakan di lebih dari 200 karya sains.

Kenneth Benoit dan rakan-rakannya (2016) memutuskan untuk mengambil tugas pengekodan manifesto yang sebelum ini telah dilakukan oleh pakar-pakar dan mengubahnya menjadi projek pengiraan manusia. Akibatnya, mereka mencipta proses pengkodan yang lebih banyak dapat dibentuk dan lebih fleksibel, apatah lagi lebih murah dan lebih cepat.

Bekerjasama dengan 18 manifesto yang dijana semasa enam pilihan raya baru-baru ini di United Kingdom, Benoit dan rakan-rakan menggunakan strategi perpisahan-menggabungkan-gabungan dengan pekerja dari pasaran tenaga kerja microtask (Amazon Mechanical Turk dan CrowdFlower adalah contoh-contoh pasaran tenaga kerja microtask; , lihat Bab 4). Para penyelidik mengambil setiap manifesto dan membahagikannya kepada ayat-ayat. Seterusnya, seseorang menggunakan skema pengekodan untuk setiap ayat. Khususnya, pembaca diminta mengklasifikasikan setiap ayat sebagai merujuk kepada dasar ekonomi (kiri atau kanan), kepada dasar sosial (liberal atau konservatif), atau tidak (angka 5.5). Setiap ayat dikodkan oleh kira-kira lima orang yang berbeza. Akhirnya, penilaian ini digabungkan dengan menggunakan model statistik yang menyumbang kedua-dua kesan penonton dan kesan kesukaran-hukuman. Secara keseluruhan, Benoit dan rakan-rakan mengumpul 200,000 rating daripada kira-kira 1,500 orang.

Rajah 5.5: Skim pengekodan dari Benoit et al. (2016). Pembaca diminta mengklasifikasikan setiap ayat sebagai merujuk kepada dasar ekonomi (kiri atau kanan), kepada dasar sosial (liberal atau konservatif), atau tidak. Diadaptasi dari Benoit et al. (2016), angka 1.

Rajah 5.5: Skim pengekodan dari Benoit et al. (2016) . Pembaca diminta mengklasifikasikan setiap ayat sebagai merujuk kepada dasar ekonomi (kiri atau kanan), kepada dasar sosial (liberal atau konservatif), atau tidak. Diadaptasi dari Benoit et al. (2016) , angka 1.

Untuk menilai kualiti pengkodan orang ramai, Benoit dan rakan sekerja juga mempunyai kira-kira 10 ahli profesor dan pelajar siswazah dalam bidang sains politik-menilai manifestos yang sama menggunakan prosedur yang sama. Walaupun penarafan daripada ahli-ahli orang ramai lebih berubah daripada penarafan dari pakar-pakar, penarafan orang ramai yang konsensus mempunyai persetujuan yang luar biasa dengan penarafan ahli konsensus (angka 5.6). Perbandingan ini menunjukkan bahawa, seperti dengan Zoo Galaxy, projek pengiraan manusia boleh menghasilkan hasil yang berkualiti tinggi.

Rajah 5.6: Pakar anggaran (paksi-x) dan perkiraan orang ramai (paksi-y) adalah perjanjian yang luar biasa apabila pengekodan 18 manifesto parti dari United Kingdom (Benoit et al. 2016). Manipulasi yang dikodkan adalah dari tiga parti politik (Konservatif, Buruh, dan Demokrat Liberal) dan enam pilihan raya (1987, 1992, 1997, 2001, 2005, dan 2010). Diadaptasi dari Benoit et al. (2016), angka 3.

Gambar 5.6: Anggaran Pakar ( \(x\) -axis) dan perkiraan orang ramai ( \(y\) -axis) dalam perjanjian luar biasa apabila pengekodan 18 manifesto parti dari United Kingdom (Benoit et al. 2016) . Manipulasi yang dikodkan adalah dari tiga parti politik (Konservatif, Buruh, dan Demokrat Liberal) dan enam pilihan raya (1987, 1992, 1997, 2001, 2005, dan 2010). Diadaptasi dari Benoit et al. (2016) , angka 3.

Berdasarkan hasil ini, Benoit dan rakan-rakan menggunakan sistem pengkodan orang ramai untuk melakukan penyelidikan yang mustahil dengan sistem pengekodan pakar yang digunakan oleh Projek Manifesto. Sebagai contoh, Projek Manifesto tidak mengodkan manifesto mengenai topik imigresen kerana itu bukan topik penting apabila skim pengkodan dibangunkan pada pertengahan tahun 1980-an. Dan, pada ketika ini, secara logistik tidak dapat dilaksanakan untuk Projek Manifesto untuk kembali dan mengulangi manifesto mereka untuk menangkap maklumat ini. Oleh itu, ia akan kelihatan bahawa para penyelidik yang berminat untuk mempelajari politik imigresen tidak beruntung. Walau bagaimanapun, Benoit dan rakan-rakannya dapat menggunakan sistem pengiraan manusia mereka untuk melakukan pengkodan ini-disesuaikan dengan soalan penyelidikan mereka-dengan cepat dan mudah.

Untuk mempelajari dasar imigresen, mereka mengodifikasikan manifesto untuk lapan parti dalam pilihan raya umum 2010 di United Kingdom. Setiap ayat dalam setiap manifesto dikodkan sama ada ia berkaitan dengan imigresen, dan jika ya, sama ada pro imigresen, neutral, atau anti-imigresen. Dalam masa 5 jam melancarkan projek mereka, hasilnya masuk. Mereka telah mengumpulkan lebih daripada 22,000 jawapan dengan jumlah kos sebanyak $ 360. Tambahan lagi, anggaran dari orang ramai menunjukkan persetujuan yang luar biasa dengan tinjauan pakar yang lebih awal. Kemudian, sebagai ujian akhir, dua bulan kemudian, penyelidik menerbitkan semula pengkodan orang ramai. Dalam masa beberapa jam, mereka telah mencipta kumpulan data yang dikodkan orang ramai yang hampir dipadankan dengan set data yang dikodkan orang ramai. Dalam erti kata lain, perhitungan manusia membolehkan mereka menghasilkan kod teks politik yang dipersetujui dengan penilaian pakar dan boleh dihasilkan. Tambahan pula, kerana perhitungan manusia adalah cepat dan murah, mudah bagi mereka untuk menyesuaikan pengumpulan data mereka kepada soalan penyelidikan khusus mengenai imigresen.