Llama meets EU: Investigating the European Political Spectrum through the Lens of LLMs
University of Copenhagen（哥本哈根大学）
本文审查了 Llama Chat 在欧盟政治背景下的政治知识与推理能力，通过在欧洲议会演讲上微调构建特定政党模型，发现其能显著重新对齐至相应政治立场，为政治科学研究提供了对话引擎支持。
2024-03-22 cs.CL
Elite political incivility is rising across democracies
University of Amsterdam（阿姆斯特丹大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本研究分析26国议员约1380万条推文，发现民主国家严重政治失礼推文占比近五年翻倍，失礼呈主流化趋势，民粹主义、自由民主程度等是关键影响因素，对民主韧性有重要影响。
2026-09-03 cs.CL
Semi-supervised learning approaches for predicting South African political sentiment for local government elections
University of Pretoria（比勒陀利亚大学）
本研究旨在通过分析地方政府选举期间在Twitter上分享的情绪来了解南非的政治背景。分析的重点是了解围绕四个主要政党ANC、DA、EFF和CNOSA进行的讨论。一个半监督的方法，通过一个基于图形的技术来标记大量的可访问的Twitter数据的分类到消极和积极的情绪的推文。表达负面情绪的推文通过潜在主题提取进一步分析，以揭示与每个政党相关的隐藏主题。我们的调查结果表明，南非Twitter用户的普遍情绪对所有四个主要政党都是负面的，其中用户对当前执政党ANC的负面情绪最严重，与腐败，无能和负载减少有关。
2022-05-04 cs.CL cs.CY
Blaming Across the Aisle: Political Contrasting and Blame Attribution in the Danish Parliament
Aarhus University（奥胡斯大学）；Center for Humanities Computing（人文计算中心）
本研究利用BlameBERT分类器与多水平模型分析丹麦议会1997-2026年责任归因，发现其呈香蕉形轨迹，近年上升且右翼意识形态极端化加剧指责，揭示政治话语的意识形态不对称硬化。
2026-09-23 cs.CL
Examining Alignment of Large Language Models through Representative Heuristics: The Case of Political Stereotypes
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Amazon AWS（亚马逊云计算服务）；Technical University of Munich（慕尼黑工业大学）
本研究基于代表性启发式视角，分析了LLMs在政治议题上偏离经验立场并夸大政党立场的因素，发现其比人类更易过度强调代表性从而导致政治刻板印象，并验证了基于提示的缓解策略的有效性。
2025-03-02 cs.AI cs.CL
Toeing the Party Line: Election Manifestos as a Key to Understand Political Discourse on Twitter
GESIS；Heinrich-Heine University Düsseldorf（杜塞尔多夫海因里希·海涅大学）；Bocconi University（博科尼大学）；University of Stuttgart（斯图加特大学）
本文提出利用话题标签微调文本表示，将基于宣言的政党位置相似性预测方法扩展到 Twitter 场景，无需人工标注即可在低资源和噪声环境下稳定分析政治行动者的相对定位。
2024-10-21 cs.CL
German parties shifted towards intuition-based rhetoric after the far right's parliamentary breakthrough
University of Konstanz（康斯坦茨大学）；University of Bristol（布里斯托大学）；University of Campinas（坎皮纳斯大学）；University of Potsdam（波茨坦大学）
本研究分析德国2015-2025年的推文与议会演讲，发现极右翼AfD进入议会后，德国各政党转向基于直觉的修辞，右翼精英的EMI得分最低，极右翼可见性与精英真理态度转变相关。
2026-08-06 cs.CL
Who Would Chatbots Vote For? Political Preferences of ChatGPT and Gemini in the 2024 European Union Elections
Czech University of Life Sciences Prague（布拉格捷克生命科学大学）
该研究通过每日标准化提示评估 ChatGPT 和 Gemini 对 2024 年欧洲议会选举中 27 个欧盟成员国政党的政治偏见，发现 ChatGPT 显著偏向左翼和中间派政党，而 Gemini 大多拒绝回答，从而揭示了生成式 AI 在政治语境中的偏见问题并呼吁加强透明度和监管。
2024-09-01 cs.AI cs.CL cs.CY
Measuring Political Bias in Large Language Models: What Is Said and How It Is Said
Centre for Artificial Intelligence Research (CAiRE)（人工智能研究中心（CAiRE））；The Hong Kong University of Science and Technology（香港科技大学）
本文提出从生成内容的内容实质与词汇风格两个维度衡量LLMs的政治偏见，并在11个开源模型上验证了该框架的可扩展性与可解释性。
2024-03-27 cs.AI cs.CL
Sentiment Analysis of Spanish Political Party Tweets Using Pre-trained Language Models
Fudan University（复旦大学）；Beijing Institute of Technology（北京理工大学）
本研究利用BETO和RoBERTuito预训练模型分析2019至2024年西班牙主要政党推文，发现中性情感主导，且情感表达与意识形态相关，展示了预训练模型在非英语情感分析中的潜力。
2024-11-07 cs.CL cs.CY
Measuring Issue Ownership using Word Embeddings
RISE AI（瑞典国家研究院人工智能部）
情绪分析和主题分析是社交媒体监测的常用方法。从本质上讲，这些方法回答了诸如“关于X正在谈论什么”和“关于X人们感觉如何”等问题。在本文中，我们调查的另一个场地社交媒体监测，即问题所有权和议程设置，这是政治学的概念，已被用来解释选民的选择和选举结果。我们认为，问题对齐和议程设置可以被看作是一种语义源的相似性的那种“如何相似的是源A的问题所有者P，当谈到问题X”，因此可以使用字/文档嵌入技术进行测量。我们目前正在进行的工作，对测量这种条件相似性，并介绍了一个新的概念相似性预测嵌入。然后，我们测试这种方法通过测量政治结盟的媒体和政党之间的相似性，条件是特定于集团的问题。
2018-10-31 cs.CL
Measuring Negative Campaigning across Languages with Large Language Models: A Study of 18 Million Tweets in 19 Countries
该研究利用大语言模型对19个国家1800万条推文进行分析，评估其用于负面竞选跨语言分类的可行性。通过此方法进行跨国研究，基于战略激励框架得出不同类型政党负面竞选程度不同的结论，为相关研究提供新证据并展示了大语言模型的作用。
2026-07-28 cs.CL
Measuring Offensive Speech in Online Political Discourse
University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）
互联网和Reddit等在线论坛已成为公民参与政治对话的越来越受欢迎的媒介。然而，使用匿名身份的能力所产生的在线去抑制效应可能会以攻击性言论的形式表现出来，从而使政治讨论比现在更具有攻击性和两极分化。这种环境可能会导致目标受到骚扰和自我审查。在本文中，我们提出了一个大规模的时间测量，旨在量化在线政治讨论的进攻性的初步结果。为了使我们的测量，我们开发和评估一个进攻性的语音分类。然后，我们使用这个分类器来量化和比较在政治和一般情况下的攻击性。我们使用一个数据库进行研究，该数据库包含2015年1月至2017年1月期间超过700万名用户在Reddit上发表的超过1.68亿条评论，这一时期涵盖了包括2016年美国总统大选在内的几个分裂性政治事件。
2017-07-19 cs.CL cs.CY cs.SI
Poli-Bias: Understanding and Measuring Large Language Model Biases in International Political Conflicts
Technical University Munich（慕尼黑工业大学）
本研究提出细粒度反事实框架Poli-Bias，通过交换国家身份的成对提示对比响应，分解偏差维度，发现13个LLMs存在因国家身份导致的政治偏差，可用于审计LLMs的政治公正性与谄媚性。
2026-10-19 cs.AI cs.CL
Measuring Algorithmic Partisanship via Zero-Shot Classification and Its Implications on Political Discourse
Troy High School（特洛伊高中）
本研究采用零样本分类方法，结合意识形态、主题、情感和客观性指标评估了六个主流LLM的政治党派偏见，发现其自由-威权倾向被放大并影响公共话语。
2025-11-02 cs.AI cs.CL
A Greek Parliament Proceedings Dataset for Computational Linguistics and Political Analysis
Stockholm University（斯德哥尔摩大学）；Athens University of Economics & Business（雅典经济与商业大学）
政治话语的大型历时数据集很难找到，特别是对于资源贫乏的语言，如希腊语。在本文中，我们介绍了希腊议会议事录的策划数据集，按时间顺序从1989年延伸到2020年。它包括从5 355份议会记录文件中提取的100多万份演讲稿和广泛的元数据。我们解释了它是如何构建的，以及我们必须克服的挑战。该数据集可用于计算语言学和政治分析理想情况下，将两者结合起来。我们提出了这样一个应用程序，显示（i）数据集如何可以用来研究随着时间的推移，（ii）之间的重大历史事件和政党，（iii）通过评估和采用算法检测语义变化的单词使用的变化。
2022-10-23 cs.AI cs.CL
Distant Reading of the German Coalition Deal: Recognizing Policy Positions with BERT-based Text Classification
University of Göttingen（哥廷根大学）；Max Planck Institute for Empirical Aesthetics（马克斯·普朗克经验美学研究所）
自动文本分析已成为政治学中广泛使用的工具。在这项研究中，我们使用一个BERT模型训练德国政党宣言，以确定各个政党对2021年联盟协议的贡献。
2022-12-30 cs.CL
Measuring the Quality of Answers in Political Q&As with Large Language Models
Division of the Humanities and Social Sciences（人文与社会科学系）；California Institute of Technology（加州理工学院）
本文提出利用大语言模型评估政治问答答案质量的方法，通过语义相关性衡量答案的相关性和深度，并发现答案质量与提问议员政党存在相关性。
2025-02-20 cs.CL econ.EM
Measuring Political Preferences in AI Systems: An Integrative Approach
本文整合语言比较、政策观点分析、情感分析和标准化倾向测试四种方法，评估主流LLM系统的政治偏见，发现多数系统存在不同程度的一致左倾，并提出中立设计与独立监测建议。
2025-03-04 cs.AI cs.CL cs.CY
Measuring the Volatility of the Political agenda in Public Opinion and News Media
University of Exeter（埃克塞特大学）；Oxford Internet Institute（牛津互联网研究院）；University of Oxford（牛津大学）；King’s College London（伦敦国王学院）；Alan Turing Institute（艾伦·图灵研究所）；Meedan
最近的选举意外、政权更迭和政治冲击表明，政治议程变得更加快速和动荡。因此，衡量议程变化的复杂动态和掌握政治制度波动的性质和程度的能力比以往任何时候都更加重要。本研究结合政治学、传播学、信息论和计算技术，提出了波动性的定义和操作化。拟议的细分和议程改变措施包括改变整个议程中问题的突出性，并允许跨不同领域研究议程。我们评估这些指标，并将其与其他指标进行比较，如问题层面的生存率和彼得森指数，该指数使用民意调查数据来衡量公共议程，以及传统媒体内容来衡量英国和德国的媒体议程。我们展示了这些措施是如何补充现有的方法，并可以在未来的环境设置研究。
2021-09-19 cs.CL cs.CY cs.IT
Analyzing German Parliamentary Speeches: A Machine Learning Approach for Topic and Sentiment Classification
Leipzig University（莱比锡大学）；TU Dresden（德累斯顿技术大学）；University of Regensburg（雷根斯堡大学）
本研究利用机器学习模型分析德国联邦议院约28,000篇演讲，实现高精度主题与情感分类，揭示政党角色转变对话语风格的影响。
2025-08-05 cs.CL cs.LG
LLM-Ideoplasticity: Measuring Ideological Plasticity in the Political Behavior of LLMs as a Context-Conditioned Distribution
通过系统实证，证明LLM的政治意识形态是上下文条件分布而非固定点，使用VAA-CHES投影模型在六个上下文轴上评估九个LLM，发现其对上下文高度敏感，但整体占据狭窄的Overton窗口。
2026-09-11 cs.AI cs.CL cs.CY
Bias in LLMs as Annotators: The Effect of Party Cues on Labelling Decision by Large Language Models
University of Western Ontario（西安大略大学）；University of Vienna（维也纳大学）
通过复现实验发现，LLM作为标注者会利用政党线索判断政治声明并反映训练数据偏见，且比人类更易在温和政党声明上表现出显著偏见。
2024-08-28 cs.CL cs.LG
Templated or fully synthetic? Prompt construction as a confound in measuring LLM political stance beyond writing assistance
The National Center for AI in Society (CAISA), University of Copenhagen（哥本哈根大学社会人工智能国家中心（CAISA））
该研究针对LLM政治立场检测中模板化提示的混淆问题，扩展IssueBench框架，提出用LLM生成的完全合成提示，验证其在立场测量中更具生态效度，可减少估计偏差。
2026-08-13 cs.CL cs.CY
Improving Stance Detection by Leveraging Measurement Knowledge from Social Sciences: A Case Study of Dutch Political Tweets and Traditional Gender Role Division
Department of Methodology and Statistics（方法学与统计学系）
本文通过利用社会科学中的测量工具改进传统性别角色划分的立场检测，基于荷兰政治推文数据进行验证。
2026-02-19 cs.CL cs.CY cs.IR
