5.2.2 đám đông-mã hóa của bản tuyên ngôn chính trị

Mã hóa bản tuyên ngôn chính trị, một cái gì đó thường được thực hiện bởi các chuyên gia, có thể được thực hiện bởi một dự án tính toán của con người dẫn đến khả năng tái hơn và linh hoạt.

Tương tự như Galaxy Zoo, có rất nhiều tình huống mà các nhà nghiên cứu xã hội muốn mã, phân loại, hoặc nhãn hình ảnh hoặc đoạn văn bản. Một ví dụ của loại nghiên cứu này là các mã hóa của bản tuyên ngôn chính trị. Trong cuộc bầu cử, các đảng chính trị sản xuất tuyên ngôn mô tả quan điểm chính sách của họ và hướng dẫn triết lý. Ví dụ, đây là một phần của bản tuyên ngôn của đảng Lao động ở Anh từ năm 2010:

"Hàng triệu người làm việc trong các dịch vụ công cộng của chúng tôi là hiện thân của những giá trị tốt nhất của Anh, giúp trao quyền cho người dân để làm cho hầu hết cuộc sống của mình trong khi bảo vệ họ khỏi những rủi ro mà họ không cần phải chịu đựng một mình. Cũng như chúng ta cần phải mạnh bạo hơn về vai trò của chính phủ trong việc đưa ra thị trường làm việc công bằng, chúng ta cũng cần phải được cải cách táo bạo của chính phủ. "

Những tuyên ngôn chứa dữ liệu có giá trị cho các nhà khoa học chính trị, đặc biệt là những cuộc bầu cử học tập và sự năng động của các cuộc tranh luận chính sách. Để trích xuất thông tin từ các bản tuyên ngôn cách có hệ thống, các nhà nghiên cứu tạo ra Tuyên ngôn của dự án , trong đó có tổ chức các nhà khoa học chính trị để mã 4000 tuyên ngôn từ gần 1.000 đảng tại 50 quốc gia. Mỗi câu trong từng tuyên ngôn đã được mã hóa bởi một chuyên gia sử dụng một chương trình 56-loại. Các kết quả của nỗ lực hợp tác này là một tập dữ liệu lớn tóm tắt các thông tin nhúng trong các tuyên ngôn, và số liệu này đã được sử dụng tại hơn 200 bài báo khoa học.

Kenneth Benoit và các cộng sự (2015) đã quyết định để có những nhiệm vụ mã hóa bản tuyên ngôn mà trước đây được thực hiện bởi các chuyên gia và biến nó thành một dự án tính toán của con người. Kết quả là, họ đã tạo ra một quá trình mã hóa đó là tái sản xuất nhiều hơn và linh hoạt hơn, chưa kể rẻ hơn và nhanh hơn.

Làm việc với 18 bản tuyên ngôn được tạo ra trong sáu cuộc bầu cử gần đây tại Anh, Benoit và các đồng nghiệp sử dụng split-áp dụng-kết hợp chiến lược với các công nhân từ một thị trường lao động vi nhiệm vụ (Amazon Mechanical Turk và CrowdFlower là ví dụ về thị trường lao động vi nhiệm vụ, để biết thêm trên thị trường lao động vi nhiệm vụ, xem Chương 4). Các nhà nghiên cứu đã từng tuyên ngôn và chia nó thành câu. Tiếp theo, đánh giá con người được áp dụng cho mỗi câu. Đặc biệt, nếu các câu liên quan đến một tuyên bố chính sách, nó đã được mã hoá theo hai phương diện: kinh tế (từ trái sang rất rất đúng) và xã hội (từ tự do để bảo thủ) (Hình 5.5). Mỗi câu đã được mã hoá bởi khoảng 5 người khác nhau. Cuối cùng, những đánh giá được kết hợp sử dụng một mô hình thống kê mà chiếm cả hai hiệu ứng lên lương cá nhân và khó khăn của các hiệu ứng câu. Trong tất cả, Benoit và các đồng nghiệp đã thu thập 200.000 xếp hạng từ khoảng 1.500 công nhân.

Hình 5.5: Mã hóa lược đồ từ Benoit et al. (2015) (Hình 1).

Hình 5.5: Mã hóa lược đồ từ Benoit et al. (2015) (Hình 1).

Để đánh giá chất lượng của các mã hóa đám đông, Benoit và các đồng nghiệp cũng đã có khoảng 10 chuyên gia, giáo sư và sinh viên đại học trong Khoa học Chính trị-tỷ lệ các bản tuyên ngôn cùng sử dụng một thủ tục tương tự. Mặc dù xếp hạng từ các thành viên của đám đông có nhiều biến hơn so với đánh giá từ các chuyên gia, sự đồng thuận giá đám đông đã có thỏa thuận đáng chú ý với những đánh giá chuyên gia đồng thuận (Hình 5.6). Sự so sánh này cho thấy rằng, như với Galaxy Zoo, dự án tính toán của con người có thể tạo ra kết quả chất lượng cao.

Hình 5.6: dự toán Expert (trục x) và ước tính đám đông (trục y) được trong thỏa thuận đáng chú ý khi mã hóa 18 tuyên ngôn của đảng từ Vương quốc Anh (Benoit et al 2015).. Các bản tuyên ngôn được mã hóa là do ba tổ chức chính trị (Đảng Bảo thủ, Lao động, Tự do Dân chủ) và sáu cuộc bầu cử (1987, 1992, 1997, 2001, 2005, 2010).

Hình 5.6: dự toán Expert (trục x) và ước tính đám đông (trục y) được trong thỏa thuận đáng chú ý khi mã hóa 18 tuyên ngôn của đảng từ Vương quốc Anh (Benoit et al. 2015) . Các bản tuyên ngôn được mã hóa là do ba tổ chức chính trị (Đảng Bảo thủ, Lao động, Tự do Dân chủ) và sáu cuộc bầu cử (1987, 1992, 1997, 2001, 2005, 2010).

Xây dựng trên kết quả này, Benoit và các đồng nghiệp sử dụng hệ thống đám đông-mã hóa của họ để làm nghiên cứu đó là không thể với các dự án Tuyên Ngôn. Ví dụ, các dự án Tuyên ngôn không mã các bản tuyên ngôn về chủ đề di trú bởi vì đó không phải là một chủ đề nổi bật khi các chương trình mã hóa được phát triển vào giữa những năm 1980. Và, vào thời điểm này, nó là hậu cần không khả thi cho dự án Tuyên Ngôn quay trở lại và tái mã tuyên ngôn của họ để nắm bắt thông tin này. Do đó, nó sẽ xuất hiện mà các nhà nghiên cứu quan tâm đến việc học tập chính trị của người nhập cư đang trên may mắn. Tuy nhiên, Benoit và các đồng nghiệp đã có thể sử dụng hệ thống tính toán con người của họ để làm mã hóa tùy chỉnh này để nghiên cứu câu hỏi-một cách nhanh chóng và dễ dàng.

Để nghiên cứu chính sách nhập cư, họ mã hóa các bản tuyên ngôn cho tám bên trong cuộc bầu cử năm 2010 tại Vương quốc Anh. Mỗi câu trong từng tuyên ngôn đã được mã hoá là liệu nó liên quan đến nhập cư, và nếu như vậy, cho dù đó là ủng hộ nhập cư, trung lập, hoặc chống nhập cư. Trong thời hạn 5 giờ phát động dự án của họ, kết quả vào. Họ đã thu thập được hơn 22.000 phản ứng với tổng chi phí 360 $. Hơn nữa, các ước tính của đám đông cho thấy thỏa thuận đáng chú ý với một cuộc điều tra trước đó của các chuyên gia. Sau đó, như một thử nghiệm cuối cùng, hai tháng sau đó, các nhà nghiên cứu sao chép đám đông-mã hóa của họ. Trong vòng vài giờ, họ đã tạo ra một bộ dữ liệu đám đông mã mới phù hợp chặt chẽ gốc bộ dữ liệu đám đông mã của họ. Nói cách khác, tính toán nhân lực cho phép họ tạo ra mã hóa các văn bản chính trị đã đồng ý với đánh giá của các chuyên gia và đã được tái sản xuất. Hơn nữa, do tính toán của con người đã nhanh chóng và rẻ tiền, đó là dễ dàng cho họ để tùy chỉnh bộ sưu tập dữ liệu của họ cho câu hỏi nghiên cứu cụ thể của họ về nhập cư.