From political manifestos to social networksThe automation of political discourse analysis using contextual information

Resumen

Debido al auge de las redes sociales, los políticos y sus respectivos partidos han encontrado nuevas formas de dar a conocer su posición sobre cualquier tema, en otros lugares que no son los programas electorales. De este fenómeno, ha emergido una nueva área de investigación, la automatización del análisis del discurso político en redes sociales. Para ello, en esta tesis doctoral se hace uso de una metodología diseñada por el Manifesto Project para el análisis de contenido en programas electorales. Con programas manualmente anotados desde 2001, este proyecto propone una codificación que permite identificar las preferencias políticas de los partidos políticos con respecto a 56 categorías diferentes, proveyendo a la comunidad científica las posiciones de estos partidos tras aplicar técnicas de análisis de contenidos. Por tanto, esta tesis doctoral se centra es dos tareas: primero, automatizar el proceso de anotación de programas electorales, para así facilitar este mismo trabajo a los politólogos y segundo, usar este modelo como base para analizar el discurso político en redes sociales usando la metodología del Manifesto Project. Para ello, hemos usado el contexto disponible en las dos circunstancias donde se va a aplicar esta investigación: los programas electorales y Twitter. El primer tipo de contexto usado es qué se ha dicho anteriormente, en el caso de los programas la frase o afirmación previa y en Twitter el tuit anterior. El segundo es el partido político que ha realizado la afirmación. Respecto al uso de información contextual para mejorar la clasificación automática de programas electorales, hemos mejorados los resultados del estado del arte en 4 de 7 idiomas. Con respecto a la clasificación de tuits, podemos afirmar que los programas electorales anotados puede ser usados como información complementaria para esta tarea, siendo el modelo reentrenado con tuits anotados el que mejor resultados obtiene. Además, la información contextual también mejora el rendimiento del modelo. Por último, usando este mismo enfoque, hemos analizado las elecciones presidenciales estadounidenses de 2016 en Twitter.