Comment l'IA peut-elle aider le travail des spécialistes des sciences sociales lorsqu'ils étudient nos élus ? Des experts en IA développent des méthodologies pour soutenir la recherche politique, en collaboration avec des chercheurs du domaine des sciences sociales. Les méthodes conviennent lorsqu'il s'agit d'aborder des questions telles que les politiciens sont des questions de cœur, d'intégrité et de cohérence avec leurs points de vue. Ils peuvent même identifier le discours de haine.

Une discussion avec un collègue du domaine des sciences politiques a abouti à l'étude sur laquelle Moa Johansson, professeur agrégé au Département d'informatique et d'ingénierie, travaille actuellement. La discussion a porté sur la manière dont la technologie de l'IA peut bénéficier au travail des politologues. En collaboration avec Ph.D. étudiante Denitsa Saynova et Postdoc Bastiaan Bruinsma, elle développe et adapte des méthodologies d'IA pour qu'elles fonctionnent bien pour la recherche des politologues.

Pourquoi est-ce utile ?

Les méthodologies visent à aider les scientifiques des disciplines sociales à voir des tendances dans la façon dont les partis politiques prennent position sur différentes questions.

"Il peut être utilisé par les politologues pour l'interprétation", explique Moa Johansson et illustre :

"Quelles sont les positions des partis sur différentes questions et comment ces positions évoluent-elles au fil du temps ? Quels sont les signaux pour les futures coalitions auxquelles les partis pourraient penser ?"

Les politiciens vivent-ils selon leurs paroles ?

Une possibilité est de voir comment les partis politiques écrivent et parlent de certains sujets, puis de mettre cela en relation avec leurs pratiques politiques réelles. Comme avec la méthode appelée "modélisation de sujet". Cela peut par exemple aider un chercheur à voir si une question chargée qui obtient une grande place dans les débats et les programmes des partis, obtient une place correspondante dans le travail politique.

"Disons que nous avons tous ces débats politiques. On prétend toujours que certains sujets comme la criminalité, le changement climatique et l'immigration sont devenus plus importants. En étudiant cela, vous pouvez en fait souligner et montrer qu'ils ne sont pas devenus plus importants. Il y a il n'y a plus eu de lois sur ce genre de thèmes dans le riksdag suédois par exemple », déclare Bastiaan.

Un modèle capable d'identifier les discours de haine

Une autre possibilité avec ces méthodologies est d'identifier le discours de haine. Dans ce type d'étude, l'apprentissage automatique supervisé peut être utilisé. Le chercheur cartographierait non seulement la fréquence d'apparition d'un mot ou d'un sujet, mais ajouterait également une interprétation humaine pour apprendre au modèle d'IA à effectuer des évaluations avancées du texte et à décider s'il contient ou non un discours de haine.

Une seule méthode n'est pas suffisante

Comme pour tout machine learning avec une grande quantité de données, beaucoup de travail est consacré au choix de la méthodologie, à la préparation des données, à la formation du modèle et à l'ajustement de ses paramètres.

"Les gens ont tendance à penser que vous faites simplement passer l'ensemble de Wikipédia à travers ce très grand réseau de neurones et qu'il peut vous prédire l'avenir", déclare Denitsa.

Elle souligne qu'il ne suffit pas d'utiliser une seule technique pour pouvoir interpréter quelque chose d'aussi complexe, au lieu de cela, ils divisent les questions en éléments plus petits auxquels ils peuvent répondre.

Denitsa pense qu'il a été difficile et donc intéressant de collaborer avec des scientifiques politiques et sociaux, car elle-même vient d'un domaine très technique. Elle déclare que la collaboration interdisciplinaire a généré de nouvelles perspectives sur la recherche et les méthodes, ainsi qu'une terminologie étendue. + Explorer plus loin

Les partis mènent vers la polarisation et les électeurs suivent