Detailansicht
Analysing political developments by predicting party affiliations from Austrian parliamentary speeches
Sarah Sulollari
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Philologisch-Kulturwissenschaftliche Fakultät
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Digital Humanities
Betreuer*in
Benjamin Roth
DOI
10.25365/thesis.81161
URN
urn:nbn:at:at-ubw:1-29280.14725.923776-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Masterarbeit bespricht das Redeverhalten des Nationalrats zwischen 1996 und 2018. Ein finetuned german-bert-base-cased BERT-Model, auf Basis der Reden des Nationalrats, (dem PArlSpeechV2 Datensatz), ordnet jeder Rede im Datensatz eine Wahrscheinlichkeitsverteilung aller Parteien zu. In den fünf trainierten Modellen wird jeweils ein Fünftel der Trainingsdaten nicht genutzt, um den gesamten Datensatz zu klassifizieren. Die Wahrscheinlichkeiten, zu welcher Partei eine Rede gehört, werden auf Abgeordnetenebene und Parteiebene aggregiert und im zeitlichen Verlauf untersucht. Mit Visualisierungen werden die Näheverhältnisse der Parteien dargestellt und das Redeverhalten von Abgeordneten, die Partei wechseln, untersucht. In einer vertiefenden Auswertung werden die falsch klassifizierten Abgeordneten nicht als Perfomancemangel hingenommen, sondern als Information genutzt, um mehr über die Entwicklungen in dem untersuchten Zeitraum zu verstehen. Die Arbeit zeigt, dass das Redeverhalten von Parteien in Koalition sich annähert, in Opposition entfernt und Abgeordnete meist erst nach einem Parteiwechsel ihr Redeverhalten anpassen.
Abstract
(Englisch)
This master thesis examines the speech behaviour of members of the Austrian National Council between 1996 and 2018. A fine-tuned German BERT-Model assigns every speech in the data set a probability distribution between all parties, based on the ParlSpeechV2 data set. One of the five folds is being left out during training, in order to receive a prediction for each speech in the data set. The probability distributions are aggregated on speaker and party level and chronologically examined. By visualising the results, we see the distances between MPs and the clustering of parties. Going further into detail, I looked at all the MPs that switched party, as well as the MPs that were misclassified. Instead of seeing the misclassifications as a performance issue, the thesis uses them as information about the MPs and the political developments. The work has three main insights: First, parties that govern together become more similar in their speech behaviour. Second, parties that are in opposition move further away from governing parties in their speech behaviour. Third, MPs who switch party adapt their speech behaviour usually after they switched.
Schlagwörter
Schlagwörter
(Deutsch)
Computerlinguistik DH Digital Humantities maschinelles Lernen digitale Geisteswissenschaft Parlamentsreden politische Reden BERT Textklassifizierung digitale Textwissenschaft fine-tuned BERT
Schlagwörter
(Englisch)
Digital Humanities Natural Language Processing Machine Learning BERT text classification political speeches digital political sciences political speeches German BERT fine-tuned BERT
Autor*innen
Sarah Sulollari 
Haupttitel (Englisch)
Analysing political developments by predicting party affiliations from Austrian parliamentary speeches
Publikationsjahr
2026
Umfangsangabe
xii, 81 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Benjamin Roth
AC Nummer
AC17891602
Utheses ID
80591
Studienkennzahl
UA | 066 | 647 | |