[论文解读] Using Linguistic Cues for Analyzing Social Movements

Rezvaneh Rezapour|arXiv (Cornell University)|Aug 6, 2018

Sentiment Analysis and Opinion Mining参考文献 4被引用 6

一句话总结

本研究分析了在“黑人的命也是命”运动期间，Twitter 和新闻报道中语言线索——情绪、情感、个人主义与集体主义，以及语言维度——的变化。通过使用自然语言处理（NLP）技术对时间序列数据进行分析，发现社交媒体表现出更强的集体主义语言特征（例如使用 'we'、'our'）以及在重大事件期间情绪更加高涨，反映出虚拟动员；而传统媒体则保持更为正式和中立的风格，聚焦于重大事件后的结构性问题。

ABSTRACT

With the growth of social media usage, social activists try to leverage this platform to raise the awareness related to a social issue and engage the public worldwide. The broad use of social media platforms in recent years, made it easier for the people to stay up-to-date on the news related to regional and worldwide events. While social media, namely Twitter, assists social movements to connect with more people and mobilize the movement, traditional media such as news articles help in spreading the news related to the events in a broader aspect. In this study, we analyze linguistic features and cues, such as individualism vs. pluralism, sentiment and emotion to examine the relationship between the medium and discourse over time. We conduct this work in a specific application context, the "Black Lives Matter" (BLM) movement, and compare discussions related to this event in social media vs. news articles.

研究动机与目标

• 考察在社会运动期间，社交媒体（Twitter）与传统媒体（新闻报道）在情感、情绪以及个人主义与集体主义等语言特征上的差异。
• 探究在“黑人的命也是命”运动中，重大事件发生后话语演变的时间特征。
• 比较不同媒体平台在重大社会事件期间对公众情绪与集体身份塑造的作用。
• 评估社交媒体中的语言使用是否反映了社会运动期间的虚拟参与和集体身份的形成。

提出的方法

• 收集并处理了2013年至2015年期间与“黑人的命也是命”运动相关的 Twitter 数据与新闻稿。
• 应用自然语言处理（NLP）技术，提取情感、情绪（焦虑、悲伤、愤怒）以及语言维度（个人主义与集体主义）。
• 使用语义网络分析追踪新闻报道中随时间推移的主题转变与话语演变。
• 对情感与情绪进行时间序列分析，将语言特征与重大事件（如警察枪击事件、不予起诉决定）相关联。
• 采用词频索引与关键词提取技术，验证数据集的相关性及关键主题的覆盖范围。
• 通过统计分析比较不同平台的语言模式，识别语言使用中的显著差异。

实验结果

研究问题

• RQ1 在推文与新闻报道中，情感与时间关注点之间存在何种关联？
• RQ2 在时间推移中，焦虑、悲伤与愤怒在推文与新闻报道中的变化有何不同？
• RQ3 在社交媒体与传统媒体数据集中，积极与消极情绪的分布是否存在差异？
• RQ4 是否能在推文与新闻报道中观察到代表个人主义与集体主义词语的使用变化？
• RQ5 在重大社会事件背景下，两种数据集在语言维度上是否存在差异？

主要发现

• 在重大事件期间，Twitter 用户显著使用更多集体主义代词（如 'we'、'our'），表明存在虚拟集体参与。
• 在 Twitter 与新闻报道中，情感与情绪均显著受重大事件影响，危机发生时情绪表达明显增强。
• 在推文中，未来导向语言与积极情感之间存在显著相关性，反映出用户生成内容中所体现的希望与前瞻性情绪。
• 传统媒体文章保持更为正式与中立，仅在重大事件发生后才转向讨论系统性问题，如警察滥用职权与种族偏见。
• 新闻报道中的语义网络在关键事件后演化，开始包含 'Indictments'（起诉）、'Grand Jury'（大陪审团）、'Human Rights Violation'（侵犯人权）等术语，表明分析性话语的深化。
• 本研究证实，社交媒体是情绪驱动与身份认同驱动的实时动员平台，而传统媒体则提供延迟、结构性与语境化的报道。