COVID-19 and populism in Austrian news user comments - A machine learning approach

Abstract

Die COVID-19-Pandemie und die daraus resultierenden Regierungsmaßnahmen zur Eindämmung des Virus haben in Österreich eine Welle von Protesten und Demonstrationen ausgelöst. Einige Demonstranten griffen dabei auf populistische Rhetorik zurück, um ihren Unmut auszudrücken, was in einigen Fällen zu antidemokratischen Tendenzen führte. Populistische Aussagen waren nicht auf die Öffentlichkeit beschränkt, sondern entstanden vielmehr aus sozialen Medien und anderen Online-Plattformen wie Foren von Nachrichtenseiten. Daher besteht ein Bedarf an automatisierten Methoden zur Erkennung populistischer Aussagen in diesen Texten.Während bisherige Forschung zu Populismus sich auf Politiker konzentrierte, haben jüngste Studien die Rolle von Bürgern als populistische Akteure hervorgehoben. Die meisten aktuellen Methoden zur Erkennung von Populismus in Texten beruhen jedoch auf manueller Datenannotierung oder auf wörterbuchbasierten Ansätzen. Nur wenige Arbeiten haben versucht, maschinelles Lernen für diese Aufgabe zu nutzen, was zu einem Mangel an annotierten Datensätzen führt, insbesondere für die deutsche Sprache.Um diese Lücke zu schließen, verwendet diese Arbeit eine minimalistische ideologische Definition von Populismus und führt verschiedene Experimente mit BERT-basierten Transformer-Modellen durch, um die Erkennung populistischer Nutzerkommentare zu verbessern. Zusätzlich erstellt diese Arbeit den ersten annotierten Datensatz für populistische Nutzerkommentare unter Nachrichtenartikeln in deutscher Sprache durch die Durchführung einer Annotationsstudie.Das vorgeschlagene Modell übertrifft den State-of-the-Art in diesem Bereich und wird in einer Fallstudie zur Analyse des Zusammenhangs zwischen COVID-19 und Populismus in österreichischen Nutzerkommentaren angewendet. Eine umfassende Analyse von Kommentaren im Nachrichtenforum der österreichischen Tageszeitung Der Standard wird durchgeführt, und die Studie zeigt, dass das Thema COVID-19 in Nachrichtenartikeln während der Pandemie mehr populistische Kommentare anzog als andere Themen. Aus diesen Erkenntnissen lassen sich Schlussfolgerungen für künftiges Krisenmanagement und -kommunikation ziehen.Insgesamt trägt diese Arbeit zu unserem Verständnis der Prävalenz populistischer Rhetorik im Kontext der COVID-19-Pandemie bei und betont die Bedeutung der Entwicklung automatisierter Methoden zur Erkennung populistischer Aussagen in Texten.

The COVID-19 pandemic and the resulting government measures have triggered a wave of protests and demonstrations in Austria. We saw some protestors resorting to populist rhetoric to express their dissatisfaction, which in some cases, led to anti-democratic tendencies. Populist talking points have not been confined to the public sphere but rather emerged from social media and other online platforms, including news comments. Thus, there is a need to develop automated methods to detect populist statements in those texts. While previous research on populism has focused on politicians, recent studies have emphasized the role of citizens as populist actors. However, most of the current methods to detect populism in text rely on manual coding or dictionary-based approaches. Only a few scholars have attempted to employ machine learning for this task, resulting in a shortage of annotated data, particularly for the German language. To address this gap, this thesis adopts a minimalistic ideational definition of populism and performs various experiments using BERT-based transformer models to enhance the detection of populist user-generated content. Additionally, the thesis presents the first annotated dataset for populist news user comments in the German language by conducting an annotation study. The proposed model outperforms the state-of-the-art in this area and is applied in a case study analyzing the correlation between COVID-19 and populism in Austrian news user comments. A large-scale analysis of comments in the news forum of the Austrian daily newspaper Der Standard is conducted and the study reveals that the topic of COVID-19 in news articles attracted more populist comments than other topics during the pandemic. From these findings, implications can be drawn for future crisis management and communication.