[论文解读] Pricing the Woman Card: Gender Politics between Hillary Clinton and Donald Trump

Yu Wang, Yang Feng+4 more|arXiv (Cornell University)|May 18, 2016

Electoral Systems and Political Participation参考文献 8被引用 6

一句话总结

本文提出一种基于Twitter粉丝数据和卷积神经网络（CNN）的数据驱动方法，用于衡量2016年美国总统大选期间希拉里·克林顿与唐纳德·特朗普之间‘女性牌’争议的影响。研究发现，该争议增加了女性关注克林顿的可能性，同时降低了她们取消关注她的可能性，但对特朗普粉丝的性别构成无显著影响。

ABSTRACT

In this paper, we propose a data-driven method to measure the impact of the 'woman card' exchange between Hillary Clinton and Donald Trump. Building from a unique dataset of the two candidates' Twitter followers, we first examine the transition dynamics of the two candidates' Twitter followers one week before the exchange and one week after. Then we train a convolutional neural network to classify the gender of the followers and unfollowers, and study how women in particular are reacting to the 'woman card' exchange. Our study suggests that the 'woman card' comment has made women more likely to follow Hillary Clinton, less likely to unfollow her and that it has apparently not affected the gender composition of Trump followers.

研究动机与目标

• 考察2016年美国总统大选期间，希拉里·克林顿与唐纳德·特朗普之间‘女性牌’争议对性别差异的影响。
• 衡量争议发生前后，两位候选人新增粉丝与取消关注者中性别构成的变化。
• 评估‘女性牌’言论是否增加了女性对克林顿的支持，同时减少了对特朗普的支持。
• 开发并应用基于CNN的Twitter个人资料图片性别分类模型，以实现对粉丝性别的准确推断。
• 为高风险选举期间性别在政治社交媒体动态中的作用提供实证证据。

提出的方法

• 构建了一个独特的数据集US2016，包含2015年9月至2016年5月期间希拉里·克林顿与唐纳德·特朗普的详细Twitter粉丝与取消关注者ID。
• 在14,504张标注的Twitter个人资料图片上训练了一个包含两层卷积层和一层全连接层的CNN，性别分类准确率达到90.18%。
• 使用2016年3月前克林顿的取消关注者验证数据，以避免数据泄露并确保领域一致性。
• 应用z检验评估2016年4月26日之前和之后，新增粉丝与取消关注者性别构成变化的统计显著性。
• 比较两位候选人争议前后两个一周窗口期内新增粉丝与取消关注者的性别比例。
• 利用粉丝流动的时间序列分析，隔离争议对性别特定参与度的影响。

实验结果

研究问题

• RQ1 ‘女性牌’争议是否导致希拉里·克林顿的女性新增粉丝数量显著增加？
• RQ2 该争议是否降低了克林顿粉丝中女性的比例？
• RQ3 ‘女性牌’言论是否影响了唐纳德·特朗普粉丝或取消关注者的性别构成？
• RQ4 该争议对任一候选人的女性粉丝参与度变化是否具有统计显著性？
• RQ5 该争议在多大程度上强化或破坏了政治社交媒体参与中的性别亲和效应？

主要发现

• ‘女性牌’争议后，希拉里·克林顿新增粉丝中女性比例提高了1.6%，且该变化具有统计显著性（p = 0.0093）。
• 克林顿取消关注者中女性比例下降了3.7728%，且该减少具有统计显著性（p = 0.0239）。
• 对于唐纳德·特朗普，新增粉丝中女性比例提高了0.6717%，但该变化无统计显著性（p = 0.1582）。
• 特朗普取消关注者中女性比例下降了0.2786%，但该变化无统计显著性（p = 0.8167）。
• CNN模型在分类粉丝性别方面达到90.18%的准确率，精确率与召回率分别为91.36%和90.05%。
• 本研究首次提供了实证证据，表明‘女性牌’争议在社交媒体参与中对女性支持希拉里·克林顿产生了可测量的积极影响。