La langue dans les tweets peut identifier la position politique

Une nouvelle étude de près d'un million de tweets provenant de plus de 10 000 utilisateurs de Twitter a révélé que l'idéologie politique d'une personne peut être déterminée à partir des mots qu'elle utilise.

Les chercheurs ont découvert que les libéraux jurent plus, les conservateurs sont plus susceptibles de parler de religion et les libéraux utilisent plus de mots individuels comme «moi» tandis que les conservateurs optent davantage pour le «nous» axé sur le groupe.

Les enquêteurs de l'Université Queen Mary de Londres (QMUL) ont étudié les tweets envoyés entre deux semaines en juin 2014. Les tweets ont été envoyés par des adeptes de comptes Twitter républicains (conservateurs) ou démocrates (libéraux).

Alors que les libéraux sont plus susceptibles de jurer, avec «f__k» et «s__t» dans leurs dix mots les plus utilisés (après la suppression des mots anglais les plus couramment utilisés), les chercheurs pensent que cela est associé à leur utilisation d'un langage plus expressif émotionnellement.

Les libéraux étaient également plus susceptibles que les conservateurs d'exprimer des émotions positives et d'utiliser un langage associé à l'anxiété et aux sentiments.

On a constaté que les conservateurs étaient plus susceptibles de discuter de religion, «dieu» et «psaume» étant des mots populaires.

Comme on pouvait s'y attendre, il y avait aussi des différences nettes dans la discussion de la politique et des questions d'actualité. Dans ce cas, les libéraux étaient plus susceptibles de discuter des actualités internationales, mentionnant fréquemment «Kenya», où 60 personnes ont été tuées dans de violentes attaques pendant la période de l'étude, et «Delhi» qui faisait également régulièrement la une des journaux à l'époque.

Cependant, alors que vous vous attendez à ce que les démocrates mentionnent régulièrement Barack Obama, Harry Reid et Nancy Pelosi, ce sont en fait les républicains qui ont le plus parlé de leur opposition, tandis que les démocrates étaient plus enclins à parler de Dick Cheney.

L'étude, publiée dans PLOS ONE, a montré que le langage utilisé sur Twitter correspond à une compréhension antérieure de la psychologie des libéraux et des conservateurs.

Par exemple, des études antérieures ont suggéré que les libéraux ont un plus grand sens de leur propre caractère unique, alors que les conservateurs sont plus susceptibles de mettre l'accent sur l'identité de groupe et le consensus.

Dans l'étude actuelle, les chercheurs ont constaté que cette préférence transparaît également dans le langage courant sur Twitter, les libéraux étant plus susceptibles que les conservateurs d'utiliser des mots comme «je» et «moi», tandis que les conservateurs utilisent davantage des mots comme «nous» et «notre».

Les chercheurs pensent que les distinctions claires entre le langage utilisé par les conservateurs et les libéraux pourraient permettre d'identifier les tendances politiques des tweeters et donner aux sondeurs une meilleure compréhension des conversations politiques sur les médias sociaux.

La langue identifiée peut également aider les réseaux en ligne à mieux comprendre les caractéristiques psychologiques des personnes.

Dr.Matthew Purver, de l'Université Queen Mary de Londres et co-auteur du rapport, a déclaré: «Les médias sociaux ouverts fournissent une énorme quantité de données à utiliser pour comprendre le comportement hors ligne. La façon dont les gens parlent et interagissent sur Twitter peut fournir une source d'analyse du comportement plus robuste et plus naturelle que les expériences et enquêtes traditionnelles.

«Les résultats correspondaient étroitement à nos prévisions fondées sur la compréhension actuelle de la psychologie des partisans politiques. Cela signifie que nous pourrions utiliser les données de Twitter à l'avenir pour mieux comprendre le comportement et la personnalité des gens, tout en utilisant également la recherche psychologique pour mieux comprendre les utilisateurs de Twitter. "

Source: Queen Mary, Université de Londres / EurekAlert


!-- GDPR -->