Political Narratives in the 2024 Moldovan Presidential Election: Stance, Amplification, and Influence
作者: Andrea Piras, Osman Rahmoun, Elena Zheleva
分类: cs.SI, cs.AI
发布日期: 2026-10-15
备注: 12 pages, 10 figures. To be published in the proceedings of the 13th IEEE International Conference on Data Science and Advanced Analytics (DSAA 2026)
💡 一句话要点
通过多语言立场检测与网络分析研究摩尔多瓦2024年总统选举中的政治叙事
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 政治叙事 社交媒体分析 多语言立场检测 因果推断 网络分析
📋 核心要点
- 现有方法在多语言和多平台的政治叙事分析中面临挑战，难以准确捕捉立场和影响力的传播机制。
- 论文提出结合大语言模型进行立场分类，并构建基于转发和语义对齐的网络，以分析叙事的放大和对齐。
- 研究结果显示，主要立场类别的平均处理效应均为正且统计显著，表明同伴影响在立场形成中起到重要作用。
📝 摘要（中文）
社交媒体平台在选举期间对政治话语的塑造起着核心作用，尤其是在地缘政治竞争激烈的地区。本文分析了2024年摩尔多瓦总统选举期间政治叙事的出现、对齐和传播，利用从X、Facebook和Reddit收集的公开帖子进行研究。通过结合多语言立场检测、协调分析和因果推断，探讨了在线政治话语的描述性和因果机制。研究结果表明，放大效应和同伴曝光对政治叙事的强化具有显著影响，首次分析了摩尔多瓦总统选举的社交媒体话语，并展示了语言注释、网络分析和因果推断结合的价值。
🔬 方法详解
问题定义：本研究旨在解决在多语言和多平台环境中，如何有效分析政治叙事的形成与传播的问题。现有方法往往无法全面捕捉不同语言和平台间的立场表达及其影响力传播的复杂性。
核心思路：论文的核心思路是通过大语言模型进行多语言立场检测，结合网络分析技术，深入探讨政治叙事的放大效应和同伴影响。这样的设计旨在揭示不同平台和语言中政治立场的表达差异及其传播机制。
技术框架：整体架构包括三个主要模块：首先，利用大语言模型对社交媒体帖子进行立场分类；其次，构建转发基础和语义对齐网络以识别叙事的放大和对齐；最后，应用近因果推断框架来估计同伴影响在立场形成中的作用。
关键创新：本研究的关键创新在于首次将多语言立场检测、网络分析和因果推断结合应用于政治叙事分析，提供了一种新的视角来理解社交媒体中的政治影响力传播。
关键设计：在技术细节上，采用了特定的损失函数来优化立场分类的准确性，并设计了适应多语言环境的网络结构，以确保模型在不同语言和平台上的有效性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，在主要立场类别中，平均处理效应均为正且统计显著，表明同伴影响在立场形成中具有重要作用。这一发现为理解政治叙事的传播机制提供了实证支持。
🎯 应用场景
该研究的潜在应用领域包括政治传播、社交媒体分析和多语言信息处理。其实际价值在于为政治活动家、政策制定者和研究人员提供了理解和预测政治叙事传播的工具，未来可能影响选举策略和公共舆论的形成。
📄 摘要（原文）
Social media platforms play a central role in shaping political discourse during elections, particularly in geopolitically contested regions. We study how political narratives emerged, aligned, and propagated during the 2024 Moldovan presidential election by analyzing publicly available posts collected from X, Facebook, and Reddit between August and October 2024. Combining multilingual stance detection, coordination analysis, and causal inference, we examine both descriptive and causal mechanisms underlying online political discourse. First, we apply large language models to classify stance toward European integration, Russia, and the two main presidential candidates, revealing clear cross-platform and cross-linguistic differences in how political positions are expressed. Second, we construct retweet-based and semantic alignment networks on X to identify amplification and aligned framing of dominating narratives. Finally, we use a proximal causal inference framework to estimate peer influence effects in stance formation. Our results indicate consistently positive and statistically significant average treatment effects across major stance categories. These findings provide evidence that amplification and peer exposure contribute to the reinforcement of political narratives online. This work offers the first analysis of social media discourse surrounding the 2024 Moldovan presidential election and demonstrates the value of integrating language-based annotation, network analysis, and causal inference for studying political influence in multilingual and geopolitically sensitive contexts.