Séminaire de la Chaire électorale - 2 novembre

Party Prediction for Twitter

Kellin Pelrine - Étudiant au doctorat à l'Université McGill

Co-Auteurs : Anne Imouza, Gabrielle Desrosiers-Brisebois, Sacha Lévy, Jacob-Junqi Tian, Zachary Yang, Aarash Feizi, Cécile Amadoro, André Blais, Jean-François Godbout and Reihaneh Rabbany

Un grand nombre d'études sur les médias sociaux se basent sur des modèles prédictifs pour déduire l'affiliation politique des utilisateurs. Les méthodes conçues pour cette prédiction de parti s'appuient sur le contenu généré par les utilisateurs (par exemple, les textes de tweet), les relations qu'ils ont (par exemple, qui ils suivent), ou leurs activités et interactions (par exemple, quels tweets ils aiment). La précision de cette tâche peut modifier considérablement les conclusions d'une analyse en aval, mais le choix entre différentes méthodes semble être fait de manière arbitraire. Dans cet article, nous proposons une enquête complète et une comparaison empirique de ces pratiques actuelles, afin de comparer la force de leur signal et leur performance dans la prédiction de l'affiliation politique des utilisateurs. Nous proposons également plusieurs nouvelles approches, qui sont compétitives ou surpassent les méthodes de pointe, et permettent au praticien de choisir parmi un large éventail de types de données qui offrent tous de bonnes performances. Enfin, nous menons des expériences approfondies sur différents aspects de ces méthodes, qui peuvent fournir des informations pour la recherche appliquée et méthodologique.

 

Ce contenu a été mis à jour le 27 octobre 2022 à 10 h 41 min.